Introdução à modelagem de distribuição de espécies usando a linguagem R

# Introdução à modelagem de distribuição de espécies usando a linguagem R 
## Mastozóologos Organizados em uma Conferência Online (MOCÓ)
### Maurício H. Vancine
### UNESP - Rio Claro Laboratório de Ecologia Espacial e Conservação (LEEC)
### 25-26/09/2021

---

# Primeiramente, gostaria de agradecê-los pela presença na oficina, sejam muito bem-vindas e bem-vindos!

---

# Gostaria de agradecer também ao MOCÓ pela oportunidade de oferecer essa oficina!

---

background-image: url(img/general_selecao_logo.png), url(img/person_giovanelli.png), url(img/general_9cbh.png)
background-size: 350px, 300px, 300px
background-position: 5% 50%, 50% 50%, 90% 50%

# Agradecer especialmente ao João Giovanelli

[<svg viewBox="0 0 512 512" style="position:relative;display:inline-block;top:.1em;fill:white;height:1.7em;" xmlns="http://www.w3.org/2000/svg"> <path d="M326.612 185.391c59.747 59.809 58.927 155.698.36 214.59-.11.12-.24.25-.36.37l-67.2 67.2c-59.27 59.27-155.699 59.262-214.96 0-59.27-59.26-59.27-155.7 0-214.96l37.106-37.106c9.84-9.84 26.786-3.3 27.294 10.606.648 17.722 3.826 35.527 9.69 52.721 1.986 5.822.567 12.262-3.783 16.612l-13.087 13.087c-28.026 28.026-28.905 73.66-1.155 101.96 28.024 28.579 74.086 28.749 102.325.51l67.2-67.19c28.191-28.191 28.073-73.757 0-101.83-3.701-3.694-7.429-6.564-10.341-8.569a16.037 16.037 0 0 1-6.947-12.606c-.396-10.567 3.348-21.456 11.698-29.806l21.054-21.055c5.521-5.521 14.182-6.199 20.584-1.731a152.482 152.482 0 0 1 20.522 17.197zM467.547 44.449c-59.261-59.262-155.69-59.27-214.96 0l-67.2 67.2c-.12.12-.25.25-.36.37-58.566 58.892-59.387 154.781.36 214.59a152.454 152.454 0 0 0 20.521 17.196c6.402 4.468 15.064 3.789 20.584-1.731l21.054-21.055c8.35-8.35 12.094-19.239 11.698-29.806a16.037 16.037 0 0 0-6.947-12.606c-2.912-2.005-6.64-4.875-10.341-8.569-28.073-28.073-28.191-73.639 0-101.83l67.2-67.19c28.239-28.239 74.3-28.069 102.325.51 27.75 28.3 26.872 73.934-1.155 101.96l-13.087 13.087c-4.35 4.35-5.769 10.79-3.783 16.612 5.864 17.194 9.042 34.999 9.69 52.721.509 13.906 17.454 20.446 27.294 10.606l37.106-37.106c59.271-59.259 59.271-155.699.001-214.959z"></path></svg>](http://selecaonatural.net/)
[<svg viewBox="0 0 512 512" style="position:relative;display:inline-block;top:.1em;fill:white;height:2em;" xmlns="http://www.w3.org/2000/svg"> <path d="M504 256C504 119 393 8 256 8S8 119 8 256c0 123.78 90.69 226.38 209.25 245V327.69h-63V256h63v-54.64c0-62.15 37-96.48 93.67-96.48 27.14 0 55.52 4.84 55.52 4.84v61h-31.28c-30.8 0-40.41 19.12-40.41 38.73V256h68.78l-11 71.69h-57.78V501C413.31 482.38 504 379.78 504 256z"></path></svg>](https://www.facebook.com/joao.giovanelli)
[<svg viewBox="0 0 512 512" style="position:relative;display:inline-block;top:.1em;fill:white;height:2em;" xmlns="http://www.w3.org/2000/svg"> <path d="M459.37 151.716c.325 4.548.325 9.097.325 13.645 0 138.72-105.583 298.558-298.558 298.558-59.452 0-114.68-17.219-161.137-47.106 8.447.974 16.568 1.299 25.34 1.299 49.055 0 94.213-16.568 130.274-44.832-46.132-.975-84.792-31.188-98.112-72.772 6.498.974 12.995 1.624 19.818 1.624 9.421 0 18.843-1.3 27.614-3.573-48.081-9.747-84.143-51.98-84.143-102.985v-1.299c13.969 7.797 30.214 12.67 47.431 13.319-28.264-18.843-46.781-51.005-46.781-87.391 0-19.492 5.197-37.36 14.294-52.954 51.655 63.675 129.3 105.258 216.365 109.807-1.624-7.797-2.599-15.918-2.599-24.04 0-57.828 46.782-104.934 104.934-104.934 30.213 0 57.502 12.67 76.67 33.137 23.715-4.548 46.456-13.32 66.599-25.34-7.798 24.366-24.366 44.833-46.132 57.827 21.117-2.273 41.584-8.122 60.426-16.243-14.292 20.791-32.161 39.308-52.628 54.253z"></path></svg>](https://twitter.com/biodiverso)
[<svg viewBox="0 0 448 512" style="position:relative;display:inline-block;top:.1em;fill:white;height:2em;" xmlns="http://www.w3.org/2000/svg"> <g label="icon" id="layer6" groupmode="layer"> <path id="path2" d="M 97.871854,434.73261 C 51.534463,339.78442 23.965602,282.44369 23.965602,281.02029 c 0,-2.32214 2.831558,-1.99974 30.672084,3.45957 48.965204,9.61389 75.126384,12.32631 118.735104,12.34258 57.69707,0.0159 104.6807,-9.1222 141.18473,-27.4842 19.31194,-9.71476 30.92555,-18.32755 40.43708,-29.99337 11.716,-14.37824 15.47977,-24.28004 15.61512,-40.94646 0.11867,-15.85237 -2.01801,-24.21167 -11.19035,-43.60874 -3.62892,-7.66433 -6.8168,-16.46265 -7.12098,-19.54964 -0.47493,-4.96814 -0.0684,-5.68084 3.59445,-6.10361 8.00292,-0.94846 47.50732,37.40224 62.05491,60.24069 25.07592,39.38574 27.11161,81.99337 5.88408,123.1953 -13.03903,25.31314 -27.44972,42.82712 -51.57723,62.73362 -40.09844,33.06211 -86.70754,56.08608 -151.06833,74.63514 C 186.61557,459.91141 130.71496,472 119.20225,472 c -2.44075,0 -7.02006,-8.00296 -21.295953,-37.28315 l -0.03402,0.0151 z M 110.77601,281.61191 C 65.760136,275.77998 27.985273,270.70947 26.81537,270.33687 24.815625,269.6926 17.660677,245.82107 13.624773,226.39004 12.607902,221.4726 11.11559,208.45131 10.30202,197.43174 6.6716589,148.26132 17.370799,114.26648 46.041165,83.697237 94.583571,31.98518 198.51713,25.694031 315.77765,67.369458 c 20.58274,7.324215 28.75504,12.410983 24.975,15.580668 -2.79708,2.339846 -21.75315,2.305883 -54.50916,-0.102387 -51.20464,-3.763759 -90.18335,3.357226 -110.27491,20.176211 -30.58742,25.60158 -25.92345,81.72365 13.53071,162.68196 4.27316,8.76586 8.57881,17.34466 9.56318,19.09094 2.28966,4.01773 0.62803,7.74899 -3.3572,7.56196 -1.69755,-0.0813 -39.91486,-4.91203 -84.92926,-10.74592 z m 151.01614,-44.04726 c -35.92814,-6.45997 -68.22691,-28.7388 -78.65437,-54.22127 -5.00209,-12.24165 -4.76437,-28.2131 0.57585,-37.77483 4.83279,-8.64723 17.3107,-18.64993 28.48481,-22.83843 18.59924,-6.96791 51.17019,-4.18853 74.90688,6.40975 22.53229,10.05487 42.50672,27.73816 49.93183,44.18457 9.52925,21.10841 1.59321,44.65955 -18.82072,55.90059 -13.5307,7.44285 -39.82676,11.32572 -56.44249,8.34109 h 0.0181 z" style="stroke-width:0.0675235"></path> </g></svg>](http://lattes.cnpq.br/3329493534907304)
[<svg viewBox="0 0 384 512" style="position:relative;display:inline-block;top:.1em;fill:white;height:2em;" xmlns="http://www.w3.org/2000/svg"> <g groupmode="layer" id="layer6" label="icon"> <path style="stroke-width:0.0647871" d="M 343.75868,106.66243 V 79.430205 L 363.52365,63.999997 H 149.63354 L 20.476345,176.2736 h 85.656075 c -0.15534,2.12494 -0.21914,4.04644 -0.21914,6.22563 0,20.84472 7.2192,38.08662 21.67203,51.86089 14.45284,13.79702 32.25124,20.64784 53.32651,20.64784 4.92319,0 9.75059,-0.36794 14.43842,-1.02419 -2.90722,6.50082 -4.37457,12.52302 -4.37457,18.14228 0,9.87526 4.49924,20.4304 13.46715,31.6418 -39.23377,2.6705 -68.06112,9.73264 -86.43702,21.16322 -10.53108,6.49907 -19.000207,14.70396 -25.390349,24.5311 -6.390569,9.89933 -9.577754,20.51525 -9.577754,31.9616 0,9.64822 2.062375,18.33611 6.21907,26.06233 4.156694,7.7263 9.577757,14.07047 16.312223,18.98408 6.71825,4.96781 14.46899,9.10088 23.219,12.46874 8.73429,3.34378 17.40643,5.71858 26.06106,7.06258 8.62707,1.34222 17.20471,1.9985 25.70579,1.9985 13.46887,0 26.95353,-1.73428 40.54711,-5.18707 13.56165,-3.48461 26.28022,-8.64143 38.17105,-15.4927 11.85935,-6.80488 21.51545,-16.0865 28.9219,-27.7183 7.39024,-11.67998 11.09457,-24.80499 11.09457,-39.33613 0,-11.01584 -2.24964,-21.03852 -6.7502,-30.14073 -4.46864,-9.07202 -9.93785,-16.54102 -16.45271,-22.34403 -6.5008,-5.81263 -12.99987,-11.15539 -19.51512,-15.9679 -6.50083,-4.84488 -12.00021,-9.75058 -16.46884,-14.8129 -4.4848,-5.04657 -6.73444,-10.05419 -6.73444,-14.98395 0,-4.92145 1.73422,-9.67183 5.21588,-14.26559 3.45451,-4.6095 7.67376,-9.04795 12.60967,-13.30571 4.93756,-4.24944 9.87523,-8.96788 14.79665,-14.13302 4.92147,-5.14719 9.14072,-11.82739 12.60971,-20.00822 3.48467,-8.17907 5.20318,-17.44489 5.20318,-27.75679 0,-13.4527 -2.54714,-24.46065 -7.54735,-33.31348 -0.59369,-1.02243 -1.21757,-1.80338 -1.87511,-3.02225 l 56.90745,-46.672136 v 17.118526 c -7.39373,0.92969 -6.62422,5.34582 -6.62422,10.6352 v 128.66719 c 0,5.95832 4.8751,10.83382 10.83386,10.83382 h 3.98869 c 5.95835,0 10.83386,-4.87506 10.83386,-10.83382 V 117.29282 c 0,-5.27669 0.77741,-9.68801 -6.56167,-10.63039 z M 236.39865,329.14114 c 1.14099,0.7503 3.7039,2.78075 7.7184,6.03838 4.0495,3.24319 6.797,5.69582 8.26567,7.41432 1.43851,1.66381 3.5792,4.16501 6.37617,7.54734 2.81268,3.3744 4.7184,6.30394 5.71853,8.73425 1.00016,2.4767 2.01603,5.46089 3.04636,8.94556 0.98567,3.44488 1.48486,6.97595 1.48486,10.56169 0,17.04813 -6.56338,29.68007 -19.65604,37.85915 -13.125,8.18083 -28.76651,12.27368 -46.93767,12.27368 -9.18709,0 -18.2031,-1.09289 -27.06247,-3.1951 -8.84322,-2.11665 -17.31192,-5.3362 -25.39035,-9.60185 -8.07846,-4.25771 -14.57754,-10.20337 -19.50072,-17.79659 -4.93764,-7.64012 -7.40645,-16.41464 -7.40645,-26.24962 0,-10.32022 2.79692,-19.28987 8.42233,-26.90588 5.59343,-7.62564 12.93774,-13.3919 22.03208,-17.3154 9.0624,-3.94582 18.24946,-6.74232 27.56166,-8.39827 9.31221,-1.7023 18.79679,-2.555 28.43842,-2.555 4.46862,0 7.93582,0.25115 10.40465,0.69607 0.45456,0.21918 3.03188,2.07025 7.73456,5.56326 4.70401,3.46237 7.62565,5.59519 8.75047,6.38401 z m -3.35823,-100.5779 c -7.40648,8.85938 -17.73454,13.2882 -30.95363,13.2882 -11.85933,0 -22.29766,-4.76482 -31.26554,-14.31195 -8.99984,-9.52309 -15.42235,-20.32803 -19.34408,-32.43061 -3.93752,-12.10871 -5.90585,-23.98423 -5.90585,-35.648 0,-13.6942 3.59542,-25.35184 10.7809,-34.97598 7.18727,-9.64952 17.49915,-14.48477 30.93786,-14.48477 11.87507,0 22.37423,5.03825 31.43704,15.15677 9.09434,10.08482 15.60961,21.41303 19.5169,33.96799 3.92176,12.5392 5.87345,24.52979 5.87345,35.98399 0,13.44658 -3.70256,24.60984 -11.07663,33.45436 z" id="path2"></path> </g></svg>](https://scholar.google.com.br/citations?user=YY4o3U0AAAAJ&hl=pt-BR&authuser=1&hl=pt-BR)
[<svg viewBox="0 0 448 512" style="position:relative;display:inline-block;top:.1em;fill:white;height:2em;" xmlns="http://www.w3.org/2000/svg"> <path d="M416 32H31.9C14.3 32 0 46.5 0 64.3v383.4C0 465.5 14.3 480 31.9 480H416c17.6 0 32-14.5 32-32.3V64.3c0-17.8-14.4-32.3-32-32.3zM135.4 416H69V202.2h66.5V416zm-33.2-243c-21.3 0-38.5-17.3-38.5-38.5S80.9 96 102.2 96c21.2 0 38.5 17.3 38.5 38.5 0 21.3-17.2 38.5-38.5 38.5zm282.1 243h-66.4V312c0-24.8-.5-56.7-34.5-56.7-34.6 0-39.9 27-39.9 54.9V416h-66.4V202.2h63.7v29.2h.9c8.9-16.8 30.6-34.5 62.9-34.5 67.2 0 79.7 44.3 79.7 101.9V416z"></path></svg>](https://www.linkedin.com/in/giovanelli/)

---

# E por fim, agradecer aos meus professores e colegas:

.pull-left[
### - Prof. Milton Cezar Ribeiro
### - Prof. Tadeu de Siqueira Barros
### - Flavia Pinto
### - Vinicius Tonetti
### - Prof. Thadeu Sobral-Souza
### - Natalia Stefanini da Silveira
### - João Giovanelli
### - Prof. Thiago Sanna
]

.pull-right[
### - Renata Muylert
### - Julia Oshima
### - Carol Bello
### - Prof. Matheus Lima-Ribeiro
### - Profa. Carina Terribile
### - Priscila Lemes
### - Pablo Hendrigo Alves de Melo
### - Bruna de França Gomes
]

---

background-image: url(img/general_licenca.png)
background-size: 400px
background-position: 50% 90%

# Licença

## Attribution-NonCommercial-ShareAlike (CC BY-NC-SA)

- **Atribuição** — Você deve dar o crédito apropriado, prover um link para a licença e indicar se mudanças foram feitas. Você deve fazê-lo em qualquer circunstância razoável, mas de nenhuma maneira que sugira que o licenciante apoia você ou o seu uso

- **NãoComercial** — Você não pode usar o material para fins comerciais

- **CompartilhaIgual** — Se você remixar, transformar, ou criar a partir do material, tem de distribuir as suas contribuições sob a mesma licença que o original.

### Saiba mais em: [Creative Commons](https://br.creativecommons.net/licencas/)

---

# 1 Apresentações

---

background-image: url(img/general_unesp_logo.jpg), url(img/person_mauricio_vancine.jpg), url(img/gif_frog.gif)
background-size: 300px, 250px, 250px
background-position: 85% 31%, 84% 85%, 60% 90%

# 1.1 Apresentações

## Maurício Vancine

### Ecólogo (2014) | Mestre em Zoologia (2018) | Doutorando em Ecologia (2020)

**Pesquisa**
- Ecologia Espacial
- Modelagem Ecológica
- Ecologia e Conservação de Anfíbios

**Habilidades**
- Modelos de Distribuição de Espécies (SDMs)
- Análise de Dados Ecológicos e Geoespaciais
- *Open source* [R, QGIS, GRASS GIS, GNU/Linux, ...]

**Informações:**

[mauriciovancine.github.io](https://mauriciovancine.github.io)

---

background-image: url(img/general_introduce_yourself.jpg)
background-size: 400px
background-position: 95% 70%

# 1.1 Apresentações

## Participantes (~10 segundos)

## Pode abrir a câmera e microfone, se puder e quiser =]

### 1. Nome

### 2. Formação

### 3. O que faz ou pensa em fazer da vida?

### 4. Conhece Modelos de Distribuição de Espécies?

### 5. O que espera desta oficina?

### 6. O que descobriram nessa pandemia?

---

background-image: url(img/general_meme_this_is_fine.jpeg), url(img/general_ojo_de_fuego.png)
background-size: 700px, 400px
background-position: 5% 50%, 95% 40%

# O oceano pode pegar fogo...

---

background-image: url(img/general_master_meme.jpg)
background-size: 300px
background-position: 90% 45%

# 1.2 Oficina

## Carga horária

### - 06 horas

## Dinâmica

### - Tudo vai ser muito rápido

### - O principal intuito é fazer uma introdução ao tema

### - Vou indicar material (mas muito mesmo...)

---

background-image: url(img/general_starwars_teamwork.png)
background-size: 500px
background-position: 50% 80%

# 1.2 Oficina

## Espaço seguro e amigável

### Sintam-se à vontade para me interromper e tirar dúvidas

---

background-image: url(img/sdm_fletcher_fortin_intro.png)
background-size: 600px
background-position: 85% 80%

# 1.2 Oficina

## Conteúdo

### 2 Teoria de nicho ecológico e distribuição de espécies (90 min)

1. Visão geral dos Modelos de Distribuição de Espécies
1. Nicho ecológico e distribuição de espécies
1. Tipos de modelos
1. Padronização para criação dos modelos  
4.1. Conceituação  
4.2. Preparação dos dados  
4.3. Ajuste dos modelos  
4.4. Avaliação dos modelos  
4.5. Predições no tempo e no espaço

.footnote[
[Fletcher & Fortin (2018)](https://www.springer.com/gp/book/9783030019884),
[Zurell et al. (2020)](https://onlinelibrary.wiley.com/doi/10.1111/ecog.04960)
]

---

background-image: url(img/r_rstudio.png)
background-size: 400px
background-position: 75% 65%

# 1.2 Oficina

## Conteúdo

### 3 Introdução à linguagem R (20 min)

1. Linguagem R 
1. RStudio 
1. Console
1. Scripts
1. Operadores
1. Objetos 
1. Funções
1. Pacotes
1. Ajuda
1. Diretório de trabalho
1. tidyverse (pipe - %>%)

[R](https://www.r-project.org/), [RStudio](https://www.rstudio.com/)

---

background-image: url(img/sdm_dados.png)
background-size: 500px
background-position: 80% 80%

# 1.2 Oficina

## Conteúdo

### 4 Preparação dos dados (ocorrências e variáveis) (60 min)

1. Dados geoespaciais
1. Dados de ocorrências
1. Bases de dados de ocorrências
1. Download de dados de ocorrência
1. Limpeza de dados de ocorrência
1. Dados ambientais
1. Base de dados ambientais
1. Download de dados ambientais
1. Colinearidade de dados ambientais

---

background-image: url(img/sdm_metodos_bioclim01.png), url(img/sdm_metodos_mahalanobis02.png), url(img/sdm_metodos_rf01.png), url(img/sdm_metodos_maxent.png)
background-size: 300px, 250px, 400px, 400px
background-position: 9% 80%, 45% 80%, 90% 80%, 90% 20%

# 1.2 Oficina

## Conteúdo

### 5 Ajuste dos modelos (30 min)

1. Tipos de métodos ou algoritmos
1. Somente-presença (BIOCLIM, DOMAIN e Mahalanobis)
1. Presença-(pseudo)ausência (GLM, GAM, Random Forest e SVM)
1. Presença-background (MaxEnt)
1. Outros métodos ou algoritmos

[Elith et al. (2011)](https://www.springer.com/gp/book/9783030019884),
[Booth et al. (2014)](https://onlinelibrary.wiley.com/doi/10.1111/ddi.12144),
[BCCVL](https://support.bccvl.org.au/support/home)

---

background-image: url(img/sdm_ribeiro_diniz_avaliacao.png)
background-size: 600px
background-position: 70% 70%

# 1.2 Oficina

## Conteúdo

### 6 Avaliação dos modelos (30 min)

1. Partição dos dados (treino e teste)
1. Limiar de corte dos modelos
1. Matriz de confusão
1. Métricas de avaliação

[Lima-Ribeiro & Diniz-Filho (2013)](https://files.cercomp.ufg.br/weby/up/672/o/Paleoecologia_completo.pdf)

---

background-image: url(img/sdm_wegmman_predict.png), url(img/sdm_fletcher_fortin_ensemble.png)
background-size: 500px, 350px
background-position: 30% 80%, 85% 70%

# 1.2 Oficina

## Conteúdo

### 7 Predição e consenso dos modelos (30 min)

1. Predição dos modelos
1. Consenso dos modelos
1. Consenso por frequência
1. Consenso por média
1. Consenso por média ponderada
1. Incertezas

[Wegmann et al. (2016)](http://book.ecosens.org/),
[Fletcher & Fortin (2018)](https://www.springer.com/gp/book/9783030019884)

---

background-image: url(img/package_ggplot2.png), url(img/package_tmap.png), url(img/geo_map_elements.png)
background-size: 200px, 200px, 600px
background-position: 8% 70%, 30% 70%, 90% 70%

# 1.2 Oficina

## Conteúdo

### 8 Composição de mapas (20 min)

1. Composição de mapas
1. Mapas estáticos
1. Mapas interativos

[Wickham (2016)](https://ggplot2-book.org/),
[Tennekes (2018)](https://www.jstatsoft.org/article/view/v084i06),
[Gimond (2021)](https://mgimond.github.io/Spatial/index.html)

---

background-image: url(img/github_logo.png)
background-size: 500px
background-position: 50% 70%

# 1.3 Material

## O material da oficina pode ser acessado nesse repositório

---

background-image: url(img/package_xaringan.png)
background-size: 350px
background-position: 50% 65%

# 1.4 Slides

## Todos os slides estão disponibilizados em .html

.footnote[
[slides](https://mauriciovancine.github.io/workshop-r-sdm/01_slides/slides_workshop_r_sdm.html#1)
 
[xaringan](https://slides.yihui.org/xaringan)
]

---

background-image: url(img/general_hard_soft.png)
background-size: 700px
background-position: 50% 50%

# 1.5 Conferir os computadores

---

# Dúvidas?

---

# 2 Teoria de nicho ecológico e distribuição de espécies

---

# 2.1 Visão geral dos SDMs

## Terminologia

### 1. Modelos de Distribuição de Espécies (*Species Distribution Models* - SDMs)

- Caracteriza a distribuição da espécie **sem transferir** para outras condições no espaço ou no tempo
- Prediz a distribuição com maior precisão incorporando elementos de dispersão e colonização

### 2. Modelos de Nicho Ecológico (*Ecological Niche Models* - ENMs)

- Estima as preferências ambientais da espécie para **poder transferir** para outras condições no espaço ou no tempo

### 3. Modelos de Adequabilidade de Habitat (*Habitat Suitability Models* - HSMs)

- Reflete melhor a base dos modelos: quantificar a **relação espécie-ambiente** (habitat)
- Modelos nem sempre precisam prever a **distribuição geográfica** da entidade modelada
- Aplicável a entidades que **não sejam espécies** (e.g. genes ou comunidades)
- Aplicável a casos em que um **nicho é parcialmente capturado** em um modelo (área menor que a distribuição total)

[Araújo & Peterson (2012)](https://doi.org/10.1890/11-1930.1), 
[Peterson & Soberon (2012)](https://doi.org/10.4322/natcon.2012.019), 
[Guisan et al. (2017)](https://www.cambridge.org/br/academic/subjects/life-sciences/ecology-and-conservation/habitat-suitability-and-distribution-models-applications-r), 
[Adaptado de Luara Tourinho (2021)](https://youtu.be/l62rqAlV3aE)

---

# Em comum: todos são **modelos**. Mas o que são modelos?

---

background-image: url(img/general_models.png)
background-size: 700px
background-position: 80% 59%

# 2.1 Visão geral dos SDMs

## Modelos [científicos]

### **Idealizações da realidade** e não a própria **realidade**

[Silva & Catelli (2019)](http://dx.doi.org/10.1590/1806-9126-RBEF-2019-0029)

---

background-image: url(img/person_george_box.jpg), url(img/general_models.png)
background-size: 170px, 700px
background-position: 8% 70%, 80% 55%

# 2.1 Visão geral dos SDMs

## Modelos [científicos]

### **Idealizações da realidade** e não a própria **realidade**

> (...) essentially, all models are wrong, but some are useful. George E. P. Box (1919-2013)

[Silva & Catelli (2019)](http://dx.doi.org/10.1590/1806-9126-RBEF-2019-0029)

---

background-image: url(img/sdm_niche_distribution_soberon_etal_2017.jpg)
background-size: 800px
background-position: 50% 75%

# 2.1 Visão geral dos SDMs

## Objetivo

### Predizer a **distribuição de espécies** (ou entidades) a partir do **nicho ecológico**

[Soberón et al. (2017)](http://dx.doi.org/10.1016/j.rmb.2017.03.011)

---

background-image: url(img/sdm_niche_variation.png), url(img/sdm_niche_raul.jpg)
background-size: 350px, 500px
background-position: 37% 70%, 95% 70%

# 2.1 Visão geral dos SDMs

## Entretanto...

### Estimar/analisar o **nicho das espécies** sem inferir sua distribuição geográfica

- Sobreposição de nicho
- Amplitude do nicho
- Montagem de comunidades
- Respostas ambientais
- Diversidade funcional
- ...

[Site pessoal do Raul Costa-Pereira](https://rcosta-pereira.weebly.com/),
[Costa-Pereira et al. (2019)](https://royalsocietypublishing.org/doi/full/10.1098/rspb.2019.0369)

---

background-image: url(img/sdm_mpc_interpolacao.png), url(img/sdm_iucn_amphibian_richness.jpg), url(img/sdm_iucn_bird_richness.jpg), url(img/sdm_iucn_mammal_richness.jpg)
background-size: 450px, 250px, 250px, 250px
background-position: 55% 80%, 92% 31%, 92% 62%, 92% 93%

# 2.1 Visão geral dos SDMs

## Entretanto...

### Inferir a **distribuição das espécies** sem estimar o nicho ecológico

- Buffers
- Densidade de Kernel
- Mínimo Polígono Convexo (MPC)
- Interpolações (IDW, Spline, Krigagem)
- Opinião de especialistas (IUCN)
- ...

[Bahn & McGill (2007)](https://onlinelibrary.wiley.com/doi/10.1111/j.1466-8238.2007.00331.x),
 
[Jenkins et al. (2013)](https://doi.org/10.1073/pnas.1302251110),
 
[BiodiversityMapping.org](https://biodiversitymapping.org/),
 
[IUCN (2021)](https://www.iucnredlist.org/),
 
[Warren (2012)](https://linkinghub.elsevier.com/retrieve/pii/S0169534712000754)

---

background-image: url(img/sdm_guisan_general.png)
background-size: 800px
background-position: 60% 60%

# 2.1 Visão geral dos SDMs

.footnote[
[Guisan et al. (2017)](https://www.cambridge.org/br/academic/subjects/life-sciences/ecology-and-conservation/habitat-suitability-and-distribution-models-applications-r)
]

---

# O que é nicho ecológico?

---

background-image: url(img/sdm_nicho_salles_01.jpg), url(img/sdm_nicho_salles_02.jpg)
background-size: 800px, 500px
background-position: 80% 85%, 88% 20%

# 2.2 Nicho ecológico e distribuição de espécies

## Nicho ecológico

### 1. Modelagem de nicho ecológico

### 2. Coexistência entre espécies

### 3. Metacomunidades

[McInerny & Etienne (2012)](https://onlinelibrary.wiley.com/doi/abs/10.1111/jbi.12033),
 
[Sales et al. (2021)](https://doi.org/10.1016/j.actao.2020.103701)

---

background-image: url(img/sdm_nicho_r_crescimento.jpg), url(img/sdm_r.png), url(img/sdm_verhulst_grafico.png)
background-size: 300px, 230px, 400px
background-position: 10% 70%, 50% 75%, 95% 70%

# 2.2 Nicho ecológico e distribuição de espécies

## Nicho ecológico

### 1. Modelagem de nicho ecológico

- **Combinações de requisitos** que permitem a uma população
**sobreviver e crescer (r > 0)** em um **determinado lugar**

$$
\dfrac{d N}{dt} = rN \left[1 - \frac{N}{K}\right]
$$

[Chase & Leibold (2003)](https://press.uchicago.edu/ucp/books/book/chicago/E/bo3638660.html), 
[Holt (2009)](https://www.pnas.org/content/106/Supplement_2/19659),
[Soberón (2010)](https://onlinelibrary.wiley.com/doi/10.1111/j.1600-0587.2009.06074.x),
[Ovaskainen et al. (2016)](https://oxford.universitypressscholarship.com/view/10.1093/acprof:oso/9780198714866.001.0001/acprof-9780198714866),
[Gravel et al. (2019)](https://onlinelibrary.wiley.com/doi/abs/10.1111/ecog.04006),
[Murray & Sandercock (2019)](https://www.wiley.com/en-am/Population+Ecology+in+Practice-p-9780470674147)

---

background-image: url(img/sdm_guisan_quad.png)
background-size: 300px
background-position: 98% 5%

# 2.2 Nicho ecológico e distribuição de espécies

## Nicho ecológico

### 1. Modelagem de nicho ecológico

- **Requisitos**: componente abiótico, biótico e movimento

`$$\dfrac{1}{x_{i,g}} \dfrac{d x_{i,g}}{dt} = r_{i,g}(\vec e_g) - \varphi_{i,g}(\vec e_g, \vec R_{i,g}; \vec x_g) + \Psi_{i,g}(\vec x_i; \mathbf{T}_i)$$`

- `$\dfrac{1}{x_{i,g}} \dfrac{d x_{i,g}}{dt}$`: **taxa de crescimento per capita de uma população**, onde `$x_{i,g}$` é a densidadeda espécie i na célula g

- `$r_{i,g}(\vec e_g)$`: termo de **crescimento intríseco** da população, onde `$\vec e_g$` são as condições abióticas da espécie i na célula g

- `$\varphi_{i,g}(\vec e_g, \vec R_{i,g}; \vec x_g)$`: termo de **regulação**, onde `$\vec R_{i,g}$` são as interações com outras espécies (incluindo recursos), e `$\vec x_g$` densidades populacionais das espécies ocorrendo na célula g

- `$\Psi_{i,j}(\vec x_i; \mathbf{T}_i)$`: termo de **movimento**, onde `$\vec x_i$` representa a densidade populacional da espécie i em cada célula de **G**, e `$\mathbf{T_i}$` expressa os movimentos intercelulares da espécie i
 
[Soberón (2010)](https://onlinelibrary.wiley.com/doi/10.1111/j.1600-0587.2009.06074.x),
[Peterson et al. (2011)](https://www.degruyter.com/document/doi/10.1515/9781400840670/html)

---

# Meio complicado, não?

---

# Vamos olhar para os mesmos conceitos de **requerimentos** (abiótico, biótico e movimento), mas agora desenhando e com sapos...

---

background-image: url(img/sdm_nicho_distribuicao01.png)
background-size: 650px
background-position: 60% 50%

# 2.2 Nicho ecológico e distribuição de espécies

## Espaço geográfico (G)

[Soberón & Peterson (2005)](https://doi.org/10.1016/j.actao.2020.103701),
[Peterson et al. (2011)](https://www.degruyter.com/document/doi/10.1515/9781400840670/html)

---

background-image: url(img/sdm_nicho_distribuicao02.png)
background-size: 650px
background-position: 60% 50%

# 2.2 Nicho ecológico e distribuição de espécies

## Distribuição de espécies

---

background-image: url(img/sdm_nicho_distribuicao03.png)
background-size: 650px
background-position: 60% 50%

# 2.2 Nicho ecológico e distribuição de espécies

## Condições abióticas (A)

## `$r_{i,g}(\vec e_g)$`

[Grinnell (1917)](https://www.jstor.org/stable/info/10.2307/4072271),
[Soberón & Peterson (2005)](https://doi.org/10.1016/j.actao.2020.103701),
[Soberón (2007)](https://onlinelibrary.wiley.com/doi/10.1111/j.1461-0248.2007.01107.x),
[Peterson et al. (2011)](https://www.degruyter.com/document/doi/10.1515/9781400840670/html)

---

background-image: url(img/sdm_nicho_distribuicao04.png), url(img/niche_macauthur.svg)
background-size: 650px, 280px
background-position: 60% 50%, 3% 75%

# 2.2 Nicho ecológico e distribuição de espécies

## Condições bióticas (B)

### `$\varphi_{i,g}(\vec e_g, \vec R_{i,g}; \vec x_g)$`

[Elton (1927)](http://www.biodiversitylibrary.org/bibliography/7435),
[MacArthur & Levins (1967)](https://www.journals.uchicago.edu/doi/abs/10.1086/282505),
[Soberón & Peterson (2005)](https://doi.org/10.1016/j.actao.2020.103701),
[Soberón (2007)](https://onlinelibrary.wiley.com/doi/10.1111/j.1461-0248.2007.01107.x),
[Peterson et al. (2011)](https://www.degruyter.com/document/doi/10.1515/9781400840670/html)

---

background-image: url(img/sdm_nicho_distribuicao05.png)
background-size: 650px
background-position: 60% 50%

# 2.2 Nicho ecológico e distribuição de espécies

## Condições abióticas (A) e bióticas (B)

### `$+r_{i,g}(\vec e_g)$`

### `$-\varphi_{i,g}(\vec e_g, \vec R_{i,g}; \vec x_g)$`

---

background-image: url(img/sdm_nicho_distribuicao06.png)
background-size: 650px
background-position: 60% 50%

# 2.2 Nicho ecológico e distribuição de espécies

## **Nicho fundamental**: todas as condições ambientais favoráveis

### `$+r_{i,g}(\vec e_g)$`

[Hutchinson (1957)](http://symposium.cshlp.org/cgi/doi/10.1101/SQB.1957.022.01.039),
[Soberón & Peterson (2005)](https://doi.org/10.1016/j.actao.2020.103701),
[Soberón (2007)](https://onlinelibrary.wiley.com/doi/10.1111/j.1461-0248.2007.01107.x),
[Peterson et al. (2011)](https://www.degruyter.com/document/doi/10.1515/9781400840670/html)

---

background-image: url(img/sdm_nicho_distribuicao07.png)
background-size: 650px
background-position: 60% 50%

# 2.2 Nicho ecológico e distribuição de espécies

### **Nicho realizado**: todas as condições ambientais favoráveis limitadas pela interação

### `$+r_{i,g}(\vec e_g)$`

### `$-\varphi_{i,g}(\vec e_g, \vec R_{i,g}; \vec x_g)$`

---

# Agora vamos olhar para as **condições ambientais e bióticas** no **Espaço Ambiental (E)**, ou seja, apenas para os **valores** das condições ambientais e as limitações bióticas

---

background-image: url(img/sdm_nicho_distribuicao08.png)
background-size: 600px
background-position: 60% 50%

# 2.2 Nicho ecológico e distribuição de espécies

## **Nicho**: Hipervolume n-dimensional

### `$+r_{i,g}(\vec e_g)$`

### `$-\varphi_{i,g}(\vec e_g, \vec R_{i,g}; \vec x_g)$`

[Hutchinson (1957)](http://symposium.cshlp.org/cgi/doi/10.1101/SQB.1957.022.01.039),
[Soberón & Peterson (2005)](https://doi.org/10.1016/j.actao.2020.103701),
[Soberón (2007)](https://onlinelibrary.wiley.com/doi/10.1111/j.1461-0248.2007.01107.x),
[Peterson et al. (2011)](https://www.degruyter.com/document/doi/10.1515/9781400840670/html),
[Guisan et al. (2017)](https://www.cambridge.org/br/academic/subjects/life-sciences/ecology-and-conservation/habitat-suitability-and-distribution-models-applications-r)

---

# **Oxe 1**: notaram que falei do **Espaço Geográfico (G)** e do **Espaço Ambiental (E)**?

---

background-image: url(img/sdm_niche_distribution_soberon_etal_2017.jpg), url(img/sdm_niche_distribution_soberon_nakamura_2009.jpg)
background-size: 600px, 400px
background-position: 10% 65%, 90% 80%

# 2.2 Nicho ecológico e distribuição de espécies

## Dualidade Hutchinsoniana

### Inferir a **distribuição geográfica** de uma espécie a partir do **nicho ecológico**

[Colwell & Rangel (2009)](http://www.pnas.org/cgi/doi/10.1073/pnas.0901650106),
[Soberón & Nakamura (2009)](http://www.pnas.org/cgi/doi/10.1073/pnas.0901637106),
[Peterson et al. (2011)](https://www.degruyter.com/document/doi/10.1515/9781400840670/html),
[Soberón et al. (2017)](http://dx.doi.org/10.1016/j.rmb.2017.03.011)

---

background-image: url(img/sdm_nicho_r_geografico.png), url(img/sdm_nicho_r_ambiental.png), url(img/sdm_nicho_modelo.png)
background-size: 380px, 350px, 340px
background-position: 5% 70%, 52% 70%, 95% 70%

# 2.2 Nicho ecológico e distribuição de espécies

## Dualidade Hutchinsoniana e Estimativa do Nicho Ecológico

- Podemos associar a **taxa de crescimento intrínseca (r)** com as condições ambientais 
- Essas condições favoráveis no Espaço Ambiental (E) possuem **diferentes localizações** no Espaço Geográfico (G)
- O modelo vai **estimar o nicho ecológico** no Espaço Ambiental (E) e **predizer** a distribuição no Espaço Geográfico (G)

[Hirzel & Le Lay (2008)](https://onlinelibrary.wiley.com/doi/10.1111/j.1365-2664.2008.01524.x),
[Colwell & Rangel (2009)](http://www.pnas.org/cgi/doi/10.1073/pnas.0901650106),
[Soberón & Nakamura (2009)](http://www.pnas.org/cgi/doi/10.1073/pnas.0901637106)

---

background-image: url(img/sdm_dualidade01.png)
background-size: 800px
background-position: 50% 60%

# 2.2 Nicho ecológico e distribuição de espécies

## Ocorrências no espaço geográfico

[Soberón & Nakamura (2009)](http://www.pnas.org/cgi/doi/10.1073/pnas.0901637106)

---

background-image: url(img/sdm_dualidade02.png)
background-size: 800px
background-position: 50% 60%

# 2.2 Nicho ecológico e distribuição de espécies

## Condições ambientais para as ocorrências e para a área modelada

[Soberón & Nakamura (2009)](http://www.pnas.org/cgi/doi/10.1073/pnas.0901637106)

---

background-image: url(img/sdm_dualidade03.png)
background-size: 800px
background-position: 50% 60%

# 2.2 Nicho ecológico e distribuição de espécies

## Estimativa do nicho realizado

[Soberón & Nakamura (2009)](http://www.pnas.org/cgi/doi/10.1073/pnas.0901637106)

---

background-image: url(img/sdm_dualidade04.png)
background-size: 800px
background-position: 50% 60%

# 2.2 Nicho ecológico e distribuição de espécies

## Predição geográfica do nicho realizado estimado

[Soberón & Nakamura (2009)](http://www.pnas.org/cgi/doi/10.1073/pnas.0901637106)

---

# Oxe2! Pode ser que uma mesma condição ambiental no Espaço Ambiental (E) represente mais de um local no Espaço Geográfico (G)!

---

# Como contornar essa extrapolação?

---

background-image: url(img/sdm_nicho_distribuicao09.png)
background-size: 650px
background-position: 60% 50%

# 2.2 Nicho ecológico e distribuição de espécies

## Limitações pela área acessível (dispersão ou movimento) (M)

### `$+r_{i,g}(\vec e_g)$`

### `$-\varphi_{i,g}(\vec e_g, \vec R_{i,g}; \vec x_g)$`

### `$+\Psi_{i,j}(\vec x_i; \mathbf{T}_i)$`

[Hutchinson (1957)](http://symposium.cshlp.org/cgi/doi/10.1101/SQB.1957.022.01.039),
[Soberón & Peterson (2005)](https://doi.org/10.1016/j.actao.2020.103701),
[Soberón (2007)](https://onlinelibrary.wiley.com/doi/10.1111/j.1461-0248.2007.01107.x),
[Peterson et al. (2011)](https://www.degruyter.com/document/doi/10.1515/9781400840670/html),
[Barve et al. (2011)](https://linkinghub.elsevier.com/retrieve/pii/S0304380011000780)

---

background-image: url(img/sdm_nicho_distribuicao09.png)
background-size: 650px
background-position: 60% 50%

# 2.2 Nicho ecológico e distribuição de espécies

## Limitações pela área acessível (dispersão ou movimento) (M)

### `$\dfrac{1}{x_{i,g}} \dfrac{d x_{i,g}}{dt}=$`

### `$+r_{i,g}(\vec e_g)$`

### `$-\varphi_{i,g}(\vec e_g, \vec R_{i,g}; \vec x_g)$`

### `$+\Psi_{i,j}(\vec x_i; \mathbf{T_i})$`

[Hutchinson (1957)](http://symposium.cshlp.org/cgi/doi/10.1101/SQB.1957.022.01.039),
[Soberón & Peterson (2005)](https://doi.org/10.1016/j.actao.2020.103701),
[Soberón (2007)](https://onlinelibrary.wiley.com/doi/10.1111/j.1461-0248.2007.01107.x),
[Peterson et al. (2011)](https://www.degruyter.com/document/doi/10.1515/9781400840670/html),
[Barve et al. (2011)](https://linkinghub.elsevier.com/retrieve/pii/S0304380011000780)

---

# E que limite usar para criar os modelos?

---

background-image: url(img/sdm_limite01.png), url(img/sdm_limite03.png)
background-size: 500px, 400px
background-position: 15% 60%, 85% 60%

# 2.2 Nicho ecológico e distribuição de espécies

## Limite da área acessível (dispersão ou movimento) (M)

- O limite deve considerar as **condições de dispersão históricas** das espécies

[Barve et al. (2011)](https://linkinghub.elsevier.com/retrieve/pii/S0304380011000780),
[Owens et al. (2013)](https://www.sciencedirect.com/science/article/pii/S0304380013002159),
[Machado-Stredel et al. (2021)](https://escholarship.org/uc/item/8hq04438)

---

background-image: url(img/sdm_nicho_distribuicao10.png)
background-size: 650px
background-position: 60% 50%

# 2.2 Nicho ecológico e distribuição de espécies

## Populações fonte e ralo (*source-sink*)

[Hutchinson (1957)](http://symposium.cshlp.org/cgi/doi/10.1101/SQB.1957.022.01.039),
[Soberón & Peterson (2005)](https://doi.org/10.1016/j.actao.2020.103701),
[Soberón (2007)](https://onlinelibrary.wiley.com/doi/10.1111/j.1461-0248.2007.01107.x),
[Peterson et al. (2011)](https://www.degruyter.com/document/doi/10.1515/9781400840670/html),
[Barve et al. (2011)](https://linkinghub.elsevier.com/retrieve/pii/S0304380011000780)

---

background-image: url(img/sdm_nicho_distribuicao11.png)
background-size: 650px
background-position: 60% 50%

# 2.2 Nicho ecológico e distribuição de espécies

## Populações fonte e ralo (*source-sink*)

---

background-image: url(img/sdm_nicho_distribuicao11.png), url(img/sdm_nicho_realizado_expandido.png)
background-size: 650px, 200px
background-position: 60% 49%, 98% 45%

# 2.2 Nicho ecológico e distribuição de espécies

## Populações fonte e ralo (*source-sink*)

### Inibição
- Competição
- Predação
- Parasitismo
- Amensalismo

### Facilitação
- Mutualismo
- Cooperação
- Comensalismo
- Inquilinismo
- Epifitismo

[Hutchinson (1957)](http://symposium.cshlp.org/cgi/doi/10.1101/SQB.1957.022.01.039),
[Bruno et al. (2003)](https://www.sciencedirect.com/science/article/pii/S0169534702000459),
[Soberón & Peterson (2005)](https://doi.org/10.1016/j.actao.2020.103701),
[Soberón (2007)](https://onlinelibrary.wiley.com/doi/10.1111/j.1461-0248.2007.01107.x),
[Peterson et al. (2011)](https://www.degruyter.com/document/doi/10.1515/9781400840670/html)

---

background-image: url(img/sdm_bam_mudanca.png)
background-size: 550px
background-position: 60% 75%

# 2.2 Nicho ecológico e distribuição de espécies

## Variações das condições abióticas e bióticas em **função do tempo**

[Lima-Ribeiro & Diniz-Filho (2013)](https://files.cercomp.ufg.br/weby/up/672/o/Paleoecologia_completo.pdf)

---

background-image: url(img/sdm_nicho_distribuicao12.png)
background-size: 650px
background-position: 60% 50%

# 2.2 Nicho ecológico e distribuição de espécies

## O que de fato modelamos?

[Soberón & Peterson (2005)](https://doi.org/10.1016/j.actao.2020.103701),
[Soberón (2007)](https://onlinelibrary.wiley.com/doi/10.1111/j.1461-0248.2007.01107.x),
[Peterson et al. (2011)](https://www.degruyter.com/document/doi/10.1515/9781400840670/html)

---

background-image: url(img/sdm_biotico01.png), url(img/sdm_biotico02.png), url(img/sdm_biotico03.png)
background-size: 450px, 550px, 550px
background-position: 10% 45%, 85% 79%, 85% 20%

# 2.2 Nicho ecológico e distribuição de espécies

## **"Ruído Eltoniano"**: desconsideramos as condições bióticas

[Colwell & Rangel (2009)](http://www.pnas.org/cgi/doi/10.1073/pnas.0901650106),
[Soberón & Nakamura (2009)](http://www.pnas.org/cgi/doi/10.1073/pnas.0901637106),
[Wisz et al. (2013)](https://doi.org/10.1111/j.1469-185X.2012.00235.x)
[Dormann et al. (2018)](https://onlinelibrary.wiley.com/doi/10.1111/geb.12759)

---

background-image: url(img/sdm_interacao_biotica01.jpg), url(img/sdm_interacao_biotica02.jpg), url(img/sdm_recursos02.jpg), url(img/sdm_recursos02.jpg), url(img/sdm_recursos01.jpg), url(img/sdm_recursos03.jpg)
background-size: 600px, 260px, 150px, 150px, 180px, 150px
background-position: 25% 65%, 85% 65%, 20% 17%, 43% 17%, 59% 17%, 82% 17%

# 2.2 Nicho ecológico e distribuição de espécies

## Entretanto...

* Esquilo: *Sciurus aestuans* (catinguelê); Palmeira: *Syagrus romanzoffiana* (jerivá)
 
Imagens:
[Wikipedia](https://pt.wikipedia.org/wiki/Wikip%C3%A9dia:P%C3%A1gina_principal),
[Aves e Árvores](https://www.avesarvores.com.br/2016/07/os-esquilos-e-as-arvores.html),
[Preuss & Padial (2021)](https://doi.org/10.3897/neotropical.16.e64892)

---

background-image: url(img/sdm_niche_distribution_soberon_nakamura_2009.jpg)
background-size: 400px
background-position: 80% 40%

# 2.2 Nicho ecológico e distribuição de espécies

## Pressupostos

.pull-left[
- **Estabilidade do nicho ecológico**: as espécies mantêm o mesmo nicho ecológico ao
longo do tempo, ou, pelo menos, entre os períodos utilizados na modelagem
- **Equilíbio espécie-clima**: distribuição de uma espécie é considerada em equilíbrio com o clima
quando ela está presente em todas as áreas climaticamente adequadas à sua
ocorrência e não ocorre nas regiões inadequadas
- **Controle taxonômico**: certeza em relação à taxonomia da espécie para as ocorrências (discutível)
- **"Ruído Eltoniano"**: as interações bióticas não afetam a distribuição da espécie na macroescala
]
.pull-right[
]

---

# Bem, mas esses modelos estimam o **nicho realizado** sendo denominados **Modelos Correlativos**, pois correlacionam as ocorrências com as condições ambientais

---

# Há ainda os **Modelos Mecanísticos** que estimam o **Nicho Fundamental**

---

background-image: url(img/sdm_guisan_nicho.png), url(img/sdm_correlativo_mecanistico.png)
background-size: 600px, 400px
background-position: 10% 55%, 90% 80%

# 2.3 Tipos de modelos

## Modelos Mecanísticos

- Experimento laboratoriais para definir o nicho fundamental
- Variáveis ambientais altamente acuradas

.footnote[
[Kearney (2006)](https://onlinelibrary.wiley.com/doi/10.1111/j.2006.0030-1299.14908.x),
[Guisan et al. (2017)](https://www.cambridge.org/br/academic/subjects/life-sciences/ecology-and-conservation/habitat-suitability-and-distribution-models-applications-r)
]

---

background-image: url(img/sdm_mecanistico.png), url(img/sdm_mecanistico_milho.png)
background-size: 450px, 200px
background-position: 75% 90%, 35% 95%

# 2.3 Tipos de modelos

## Modelos Mecanísticos

- (a) Produtividade de *Zea mays* nos municípios brasileiros
- (b) Modelo correlativo (MaxEnt)
- (c) Híbrido (MaxEnt + Saída do Plantgro)
- (d) Modelo mecanístico (Plantgro - DIVA-GIS)

# Dúvidas?

---

background-image: url(img/sdm_zurell_standard_complete.jpg)
background-size: 700px
background-position: 50% 60%

# 2.4 Padronização para criação dos modelos

## Protocolo padrão para modelos de distribuição de espécies

[Zurell et al. (2020)](https://onlinelibrary.wiley.com/doi/10.1111/ecog.04960)

---

background-image: url(img/sdm_zurell_standard_odmap.webp), url(img/sdm_zurell_standard_odmap_representacao.webp)
background-size: 400px, 700px
background-position: 5% 55%, 90% 55%

# 2.4 Padronização para criação dos modelos

## Protocolo padrão para modelos de distribuição de espécies

[Zurell et al. (2020)](https://onlinelibrary.wiley.com/doi/10.1111/ecog.04960), 
[ODMAP v1.0 ](https://odmap.wsl.ch/)

---

background-image: url(img/sdm_zurell_standard.png)
background-size: 1000px
background-position: 50% 70%

# 2.4 Padronização para criação dos modelos

## Protocolo padrão para modelos de distribuição de espécies

[Zurell et al. (2020)](https://onlinelibrary.wiley.com/doi/10.1111/ecog.04960)

---

background-image: url(img/sdm_america_sul_grupos.png), url(img/sdm_america_sul_temas.png)
background-size: 500px, 500px
background-position: 90% 10%, 90% 83%

# 2.4 Padronização para criação dos modelos

## 1. Conceitualização

### Temas

1. Distribuição de espécies
1. Padrões de diversidade
1. Mudanças climáticas (passado e futuro)
1. Invasão biológicas
1. Transmissão de doenças
1. Interações entre espécies
1. Processos de extinção
1. Conservação-evolução de nicho
1. Estabelecer refúgios climáticos
1. Estabelecimento e eficiência de áreas protegidas

**"Species Distribution Modeling in Latin America: 
A 25-Year Retrospective Review"**

[Urbina-Cardona et al. (2019)](http://journals.sagepub.com/doi/10.1177/1940082919854058)

---

background-image: url(img/sdm_conceitualizacao.png)
background-size: 380px
background-position: 80% 70%

# 2.4 Padronização para criação dos modelos

## 1. Conceitualização

### Temas

[Adaptado de Gonçalves-Souza et al. (2019)](http://link.springer.com/10.1007/978-1-4939-8919-5_7)

---

background-image: url(img/sdm_geral.png), url(img/sdm_geral_dados.png), url(img/sdm_dados.png)
background-size: 300px, 500px, 500px
background-position: 10% 55%, 80% 10%, 80% 85%

# 2.4 Padronização para criação dos modelos

## 2. Preparação dos dados

[Brown & Yoder (2015)](https://doi.org/10.1002/ece3.1418)

---

background-image: url(img/sdm_geral.png), url(img/sdm_geral_ajuste.png)
background-size: 300px, 500px
background-position: 10% 55%, 75% 55%

# 2.4 Padronização para criação dos modelos

## 3. Ajuste dos modelos

[Brown & Yoder (2015)](https://doi.org/10.1002/ece3.1418)

---

background-image: url(img/sdm_geral.png), url(img/sdm_geral_avaliacao.png), url(img/sdm_ribeiro_diniz_avaliacao_tabela.png), url(img/sdm_ribeiro_diniz_avaliacao_auc.png)
background-size: 300px, 200px, 230px, 300px
background-position: 10% 55%, 55% 55%, 84% 25%, 87% 93%

# 2.4 Padronização para criação dos modelos

## 4. Avaliação (do ajuste) dos modelos

[Brown & Yoder (2015)](https://doi.org/10.1002/ece3.1418),
[Lima-Ribeiro & Diniz-Filho (2013)](https://files.cercomp.ufg.br/weby/up/672/o/Paleoecologia_completo.pdf)

---

background-image: url(img/sdm_geral.png), url(img/sdm_geral_predicao.png)
background-size: 300px, 600px
background-position: 10% 55%, 80% 55%

# 2.4 Padronização para criação dos modelos

## 5. Predições no tempo e no espaço

[Brown & Yoder (2015)](https://doi.org/10.1002/ece3.1418)

---

# Dúvidas?

---

# 3 Introdução ao R

---

background-image: url(img/r_logo.svg)
background-size: 400px
background-position: 50% 70%

# 3.1 Linguagem R

## Definição

O R é uma **linguagem de programação livre** (*open source*), direcionada à **manipulação, análise e visualização de dados**, com diversas **expansões** (*pacotes*) para o uso de **dados com formatos específicos**

---

background-image: url(img/r_power.jpg)
background-size: 500px
background-position: 50% 80%

# 3.1 Linguagem R

## E por que usar o R?

---

background-image: url(img/general_curso_r.png), url(img/general_cinco_motivos.png)
background-size: 500px, 400px
background-position: 25% 80%, 90% 90%

# 3.1 Linguagem R

## Cinco motivos para usar R

1. R é completamente **gratuito**
1. Grandes pessoas da comunidade **disponibilizam** seu trabalho em R
1. R possui um ecossistema que incentiva a **reprodutibilidade**
1. R tem uma **comunidade** vibrante e crescente
1. Os focos da linguagem são **modelagem, visualização e análise de dados**

---

background-image: url(img/r_rollercoaster.png), url(img/general_code_meme.jpg)
background-size: 600px, 500px
background-position: 7% 40%, 91% 80%

# 3.1 Linguagem R

## É legal, mas nem sempre é fácil...

---

background-image: url(img/r_rstudio_vs02.png),url(img/r_rstudio_vs03.png)
background-size: 650px, 650px
background-position: 50% 30%, 50% 90%

# 3.2 RStudio

## IDE

*Integrated Development Environment* ou Ambiente de Desenvolvimento Integrado

---

background-image: url(img/rstudio.png)
background-size: 900px
background-position: 50% 80%

# 3.2 RStudio

## Interface

---

background-image: url(img/rstudio.png), url(img/rstudio_logo.svg)
background-size: 500px, 300px
background-position: 90% 88%, 90% 35%

# 3.2 RStudio

## Janelas e abas

**1. Editor/Script**: é onde escrevemos nossos códigos em R ou R Markdown  
**2. Console**: é onde os códigos são rodados e vemos as saídas  
**3. Environment**: painel com todos os objetos criados na sessão  
**3. History**: painel com o histórico dos códigos rodados  
**3. Connection**: painel para conectar banco de dados  
**3. Git**: painel do controle de versão  
**3. Tutorial**: painel de tutoriais  
**4. Files**: painel que mostra os arquivos no diretório de trabalho  
**4. Plots**: painel onde os gráficos são apresentados  
**4. Packages**: painel que lista os pacotes  
**4. Help**: painel onde a documentação das funções é exibida  
**4. Viewer**: painel de visualização

---

background-image: url(img/rstudio_project_logo.png), url(img/general_teressact.jpg), url(img/rstudio_project.png)
background-size: 100px, 100px, 700px 
background-position: 95% 10%, 95% 35%, 60% 80%

# 3.2 RStudio

## Projeto R (.Rproj) (Tesseract)

- Facilita o trabalho em múltiplos ambientes 
- Cada projeto possui seu diretório, documentos e workspace
- Permite versionamento

---

background-image: url(img/rstudio_project_logo.png), url(img/general_teressact.jpg), url(img/rstudio_project.webp)
background-size: 100px, 100px, 400px
background-position: 95% 10%, 95% 35%, 50% 90%

# 3.2 RStudio

## Projeto R (.Rproj)

### - Sempre **abram o RStudio** pelo arquivo **.Rproj**

### - Ou **definam o projeto** depois de abrir o RStudio

---

background-image: url(img/rstudio_script.png)
background-size: 450px
background-position: 50% 90%

# 3.3 Console

## Console

### O console é onde a versão da linguagem R instalada é carregada para executar os códigos da linguagem R

---

# 3.3 Console

## Console

### O console é onde a versão da linguagem R instalada é carregada para executar os códigos da linguagem R

```r
10 + 2
```

```
## [1] 12
```

```r
1:42
```

```
##  [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42
```

---

background-image: url(img/rstudio_script.jpg)
background-size: 700px
background-position: 50% 100%

# 3.4 Scripts

## Script (.R)

**Atalho**: `Ctrl + Shift + N`

- São **rascunhos** dos códigos
- Será neles que os **códigos serão escritos** e depois **enviados ao console do R**
- São **arquivos de texto simples**, que serão salvos no formato .R

---

# 3.4 Scripts

### Todos os **códigos** devem ser digitados preferencialmente no **script**

### Deixem o **cursor** em **qualquer local da linha** e executem essa linha utilizando essa **combinação**:

### **Atalho**: `Ctrl + Enter`

### Vamos testar:

```r
1
```

```
## [1] 1
```

```r
1 + 2
```

```
## [1] 3
```

---

# E é isso que faremos pelo resto de nossas vidas...

---

# 3.4 Scripts

## Comentários (#)

### Comentários **não são lidos** pelo R e **descrevem informações** em nosso script

### São representados pelo **#** (hash) ou **#'** (hash-linha)

### Informações sobre os códigos

```r
## comentarios
# o r nao le o codigo depois do # (hash)

42 # essas palavras nao sao executadas, apenas o 42
```

```
## [1] 42
```

---

# 3.4 Scripts

## Comentários (#)

### Comentários **não são lidos** pelo R e **descrevem informações** em nosso script

### São representados pelo **#** (hash) ou **#'** (hash-linha)

### Cabeçalho

```r
#' ---
#' title: Introdução à modelagem de distribuição de espécies usando a linguagem R
#' author: seu nome
#' date: 25-09-2021
#' ---
```

---

# 3.5 Operadores

## Operadores

### Operadores aritméticos (Números)

| Operador |       Descrição      |   Uso   |
|:--------:|:--------------------:|:-------:|
|     +    | Adição               |  a + b  |
|     –    | Subtração            |  a - b  |
|     *    | Multiplicação        |  a * b  |
|     /    | Divisão              |  a / b  |
|    %%    | Resto da divisão     |  a %% b |
|    %/%   | Quociente da divisão | a %/% b |
|     ^    | Potenciação          |   a^b   |
]

### Operadores relacionais (TRUE|FALSE)

| Operador | Descrição | Uso |
|:--------:|:---------------------:|:-------:|
| < | Menor | a | Maior | a > b |
| == | Igual | a == b |
| <= | Menor ou igual | a <= b |
| >= | Maior ou igual | a > = b |
| != | Não igual (diferente) | a!=b |
]

---

# 3.5 Operadores

## Ordem das operações aritméticas

### .center[`^  >>  * ou /  >>  + ou -`]

```r
# sem especificar - segue a ordem
1 * 2 + 2 / 2 ^ 2
```

```
## [1] 2.5
```

```r
# especificando - segue a ordem dos parênteses
((1 * 2) + (2 / 2)) ^ 2
```

```
## [1] 9
```

---

# 3.6 Objetos

## Atribuição (<-)

### Objetos são palavras que **atribuímos** dados

### A atribuição possibilita a **manipulação** de dados ou resultados de análises

### Utilizaremos o símbolo **"<" (menor)** seguido de **"-" (menos)**, **sem espaço**!!!

## **palavra <- dados**

### **Atalho**: `Alt + -`

background-image: url(img/r_assignment.jpg)
background-size: 450px
background-position: 80% 90%

---

# 3.6 Objetos

## Vamos atribuir o **valor 10** à palavra **obj10**

```r
## atribuicao - simbolo (<-)
obj10 <- 10 
```

## Agora a palavra **obj10** vale **10**

### Mas não aconteceu nada....

background-image: url(img/gif_where.gif)
background-size: 500px
background-position: 50% 90%

---

# 3.6 Objetos

## Sempre **confira** a atribuição!!!

## Chame o objeto **novamente**!!!

```r
## atribuicao - simbolo (<-)
obj10 <- 10 
obj10
```

```
## [1] 10
```

## Outro exemplo

```r
## atribuicao - simbolo (<-)
obj2 <- 2
obj2
```

```
## [1] 2
```

---

# 3.6 Objetos

## CUIDADO!
### O R **sobrescreve** os valores dos objetos com o **mesmo nome**!

```r
# sobrescreve o valor dos objetos
obj <- 100
obj
```

```
## [1] 100
```

```r
# obj agora vale 2
obj <- 2
obj
```

```
## [1] 2
```

---

background-image: url(img/code_function.png), url(img/code_function_annotated.png)
background-size: 250px, 400px
background-position: 87% 35%, 85% 90%

# 3.7 Funções

## Funções

### **Códigos** que realizam **operações** em **argumentos**

## Estrutura de uma função:

> nome_da_funcao(argumento1, argumento2)

1. **Nome da função**: remete ao que ela faz
1. **Parênteses**: limitam a função
1. **Argumentos**: onde a função atuará 
1. **Vírgulas**: separam os argumentos

---

# 3.7 Funções

## Exemplos

```r
# soma
sum(10, 2)
```

```
## [1] 12
```

```r
# soma de objetos
sum(obj10, obj2)
```

```
## [1] 12
```

```r
# soma de objetos atribuidos a objetos
obj_sum <- sum(obj10, obj2)
```

---

# Nesse momento vocês devem estar se perguntando: como raios vou saber o nome das funções?!

---

class: clear, inverse
background-image: url(img/gif_google_it.gif)
background-size: 1000px

---

class: clear
background-image: url(img/general_ajuda_google.png)
background-size: 1100px
background-position: 50% 50%

# 3.7 Funções

## Uma **maracutaia** para ajudar!

---

# E de onde vêm as funções?!

---

background-image: url(img/package_r.png)
background-size: 150px
background-position: 97% 7%

# 3.8 Pacotes

## **Coleção de funções** para executar **tarefas específicas**

### Duas fontes: 
- **CRAN** (*finalizados*)
- **GitHub** (em *desenvolvimento*)

### Verificar **pacotes carregados**

```r
# verificar pacotes carregados
search()
```

```
##  [1] ".GlobalEnv"        "package:vegan"     "package:lattice"   "package:permute"   "package:countdown" "package:forcats"   "package:stringr"  
##  [8] "package:dplyr"     "package:purrr"     "package:readr"     "package:tidyr"     "package:tibble"    "package:ggplot2"   "package:tidyverse"
## [15] "package:xaringan"  "package:pagedown"  "tools:rstudio"     "package:stats"     "package:graphics"  "package:grDevices" "package:utils"    
## [22] "package:datasets"  "package:methods"   "Autoloads"         "package:base"
```

---

background-image: url(img/package_r.png)
background-size: 150px
background-position: 97% 7%

# 3.8 Pacotes

## **Coleção de funções** para executar **tarefas específicas**

### Duas fontes: 
- **CRAN** (*finalizados*)
- **GitHub** (em *desenvolvimento*)

### Verificar **pacotes instalados**

```r
# verificar pacotes instalados
library()
```

---

background-image: url(img/package_r.png)
background-size: 150px
background-position: 97% 7%

# 3.8 Pacotes

## Ex.: pacote `vegan`

## Fontes:

### Pacotes do CRAN
https://cran.r-project.org/web/packages/vegan/index.html

### Pacotes do GitHub
https://github.com/vegandevs/vegan

---

background-image: url(img/package_r.png)
background-size: 150px
background-position: 97% 7%

# 3.8 Pacotes

## Instalar pacotes

### 1. Instala-se apenas **uma vez**

### 2. **Precisa** estar conectado à **internet**

### 3. O **nome do pacote precisa** estar entre **aspas**

### 4. Função (CRAN): 
`install.packages()`

```r
# instalar pacotes
install.packages("vegan")
```

---

background-image: url(img/package_r.png)
background-size: 150px
background-position: 97% 7%

# 3.8 Pacotes

##  Carregar pacotes

### 1. Carrega-se **toda vez** que se abre **uma nova sessão do R**

### 2. **Não precisa** estar conectado à **internet**

### 3. O **nome do pacote não precisa** estar entre **aspas**

### 4. Funções: 
`library()` ou `require()`

```r
# carregar pacotes
library(vegan)
```

---

background-image: url(img/package_r.png)
background-size: 150px
background-position: 97% 7%

# 3.8 Pacotes

## Exemplos:

### **vegan** – análises de comunidades
### **sf** – manipulação de vetores
### **raster** – manipulação de rasters
### **ggplot2** – gráficos
### **tmaps** – mapas temáticos
### **bblme** – seleção de modelos (AIC)
### **tidyverse** – data science

---

# 3.9 Ajuda (*Help*)

## Descreve as informações de uma função

```r
## ajuda
# descreve as informacoes de uma funcao
help("mean") # arquivo .html

?mean
```

- **Description**: resumo da função
- **Usage**: como utilizar a função e quais os seus argumentos
- **Arguments**: detalha os argumentos e como os mesmos devem ser especificados
- **Details**: detalhes importantes para se usar a função
- **Value**: mostra como interpretar a saída (*output*) da função (os resultados)
- **Note**: notas gerais sobre a função
- **Authors**: autores da função
- **References**: referências bibliográficas para os métodos usados para construção da função
- **See also**: funções relacionadas
- **Examples**: exemplos do uso da função. Às vezes pode ser útil copiar esse trecho e colar no R para ver como funciona e como usar a função

---

background-image: url(img/rstudio_help.png)
background-size: 600px
background-position: 50% 50%

# 3.9 Ajuda (*Help*)

---

background-image: url(img/general_setwd.png)
background-size: 400px
background-position: 90% 90%

# 3.10 Diretório de trabalho

### O diretório de trabalho é o endereço da pasta (diretório) de onde o R importará ou para onde exportará nossos dados

### Podemos utilizar o próprio RStudio para tal tarefa, indo em:

> Session > Set Work Directory > Choose Directory...

### **Atalho**: `Ctrl + Shift + H`

---

# 3.10 Diretório de trabalho

### O diretório de trabalho é o endereço da pasta (diretório) de onde o R importará ou para onde exportará nossos dados

### Podemos utilizar funções no script

```r
# definir o diretorio de trabalho
setwd("/home/mude/data/github/workshop-r-sdm")

# verificar o diretorio
getwd()

# listar os arquivos no diretorio
dir()
```

---

# *tidyverse*

---

background-image: url(img/general_data_science_r4ds.png)
background-size: 900px
background-position: 50% 75%

# 3.11 *tidyverse*

## O tidyverse é um **fluxo de trabalho** designado para **Data Science**

Fonte: [@allison_horst](https://twitter.com/allison_horst)

---

background-image: url(img/tidyverse_funcionalidades.png)
background-size: 1100px
background-position: 50% 55%

# 3.11 *tidyverse*

## Pacotes e funcionalidades

[Getting Started with tidyverse in R - Martin Frigaard (2017)](https://www.storybench.org/getting-started-with-tidyverse-in-r/)

---

background-image: url(img/cover_data_science_r.png)
background-size: 280px
background-position: 50% 55%

# 3.11 *tidyverse*

## R for Data Science (2017)

[Wickham & Grolemund (2016)](https://r4ds.had.co.nz/)

---

background-image: url(img/person_rene_magritte.jpg), url(img/tidyverse_magritte_pipe.jpg)
background-size: 350px, 550px
background-position: 7% 60%, 85% 75%

# 3.11 *tidyverse*

## magrittr (pipe - %>%)

### René Magritte (1898-1967)

---

background-image: url(img/general_fog01.jpg)
background-size: 500px
background-position: 50% 90%

# 3.11 *tidyverse*

## magrittr (pipe - %>%)

### **Atalho**: `Ctrl + Shift + M`

```r
# sem pipe
sqrt(sum(1:100))
```

```
## [1] 71.06335
```

---

background-image: url(img/general_fog02.jpg)
background-size: 300px
background-position: 50% 90%

# 3.11 *tidyverse*

## magrittr (pipe - %>%)

### **Atalho**: `Ctrl + Shift + M`

```r
# sem pipe
sqrt(sum(1:100))
```

```
## [1] 71.06335
```

---

background-image: url(img/gif_mario.gif), url(img/waterfall.gif)
background-size: 300px, 460px
background-position: 30% 90%, 87% 90%

# 3.11 *tidyverse*

## magrittr (pipe - %>%)

### **Atalho**: `Ctrl + Shift + M`

```r
# com pipe
1:100 %>% 
  sum() %>% 
  sqrt()
```

```
## [1] 71.06335
```

---

# Dúvidas?

---

background-image: url(img/sdm_zurell_standard.png), url(img/sdm_geral.png)
background-size: 700px, 300px
background-position: 5% 45%, 80% 60%

# 2.4 Padronização para criação dos modelos

## Protocolo padrão para modelos de distribuição de espécies

[Brown & Yoder (2015)](https://doi.org/10.1002/ece3.1418),
[Zurell et al. (2020)](https://onlinelibrary.wiley.com/doi/10.1111/ecog.04960)

---

background-image: url(img/sdm_zurell_standard.png), url(img/sdm_conceitualizacao.png)
background-size: 500px, 380px
background-position: 5% 55%, 90% 70%

# 2.4 Padronização para criação dos modelos

## 1. Conceitualização

### **Objetivo**: Modelar a distribuição potencial de uma espécie

[Adaptado de Gonçalves-Souza et al. (2019)](http://link.springer.com/10.1007/978-1-4939-8919-5_7),
[Zurell et al. (2020)](https://onlinelibrary.wiley.com/doi/10.1111/ecog.04960)

---

background-image: url(img/sdm_pe_grande01.png), url(img/sdm_pe_grande02.png), url(img/sdm_pe_grande03.png)
background-size: 250px, 350px, 300px
background-position: 15% 65%, 50% 65%, 90% 60%

# 2.4 Padronização para criação dos modelos

## 1. Conceitualização

### **Objetivo**: Modelar a distribuição potencial de uma espécie

* Sasquatch (pé-grande), *Ursus americanus* (urso-negro), [Lozier et al. (2009)](https://onlinelibrary.wiley.com/doi/10.1111/j.1365-2699.2009.02152.x), [Sykes et al. (2014)](https://web.archive.org/web/20160314040711/http://rspb.royalsocietypublishing.org/content/281/1789/20140161.short?rss=1)

---

background-image: url(img/sdm_zurell_standard.png), url(img/sdm_geral_dados.png), url(img/sdm_dados.png)
background-size: 500px, 500px, 500px
background-position: 5% 55%, 80% 10%, 80% 85%

# 2.4 Padronização para criação dos modelos

## 2. Preparação dos dados

[Brown & Yoder (2015)](https://doi.org/10.1002/ece3.1418)

---

# 4 Preparação dos dados (ocorrências e variáveis)

---

background-image: url(img/general_sig.jpg), url(img/geo_data.jpg)
background-size: 300px, 480px
background-position: 32% 70%, 80% 70%

# 4.1 Dados geoespaciais

## Vetor e raster

[Campbell & Shin (2012)](https://2012books.lardbucket.org/books/geographic-information-system-basics/index.html),
 
[ESRI (2019)](https://learn.arcgis.com/en/arcgis-book/)

---

background-image: url(img/geo_vetor_dados.png), url(img/geo_vetor.png)
background-size: 650px, 400px
background-position: 8% 68%, 90% 70%

# 4.1 Dados geoespaciais

## Vetores

## Pontos, linhas e polígonos + Tabela de atributos

[Silva et al. (in prep.)](https://paternogbc.github.io/livro_aer/), 
[Tennekes & Nowosad (in prep.)](https://r-tmap.github.io/tmap-book/index.html)

---

background-image: url(img/geo_shp_logo.png), url(img/geo_shp_formats.png)
background-size: 150px, 650px
background-position: 95% 10%, 50% 80%

# 4.1 Dados geoespaciais

## Formato de arquivos vetoriais

### Shapefile

#### **.shp**: contém as informações da feição (desenho)
#### **.dbf**: tabela que contém as informações (colunas) sobre cada feição (linhas)
#### **.shx**: arquivo de índice que une o .shp ao .dbf
#### **.prj**: contém as informações do sistema de referências de coordenadas

[ESRI (1998)](https://www.esri.com/content/dam/esrisites/sitecore-archive/Files/Pdfs/library/whitepapers/pdfs/shapefile.pdf),
[GIS Resources (2014)](https://gisresources.com/understanding-shapefile-shp-file-format/)

---

background-image: url(img/geo_raster.png), url(img/geo_raster_cont_cat.png)
background-size: 400px, 600px
background-position: 10% 65%, 85% 65%

# 4.1 Dados geoespaciais

## Gride ou raster

### Matriz de valores - contínuos ou categóricos

[National Ecological Observatory Network (NEON)](https://www.neonscience.org/resources/learning-hub/tutorials/dc-raster-data-r),
[Lovelace et al. (2020)](https://geocompr.robinlovelace.net/)

---

background-image: url(img/geo_raster.png), url(img/geo_raster_extent.png), url(img/geo_raster_resolution.png), url(img/geo_raster_resolution_diff.png)
background-size: 400px, 250px, 350px, 600px
background-position: 10% 65%, 55% 35%, 95% 39%, 85% 90%

# 4.1 Dados geoespaciais

## Gride ou raster

### Propriedades - Extensão e resolução

[National Ecological Observatory Network (NEON)](https://www.neonscience.org/resources/learning-hub/tutorials/dc-raster-data-r)

---

background-image: url(img/geo_geotiff_logo.png)
background-size: 600px
background-position: 50% 55%

# 4.1 Dados geoespaciais

## Gride ou raster - Formato - GeoTiff

### **.tif**: arquivo matricial georreferenciamento com informações de georreferenciamento

.footnote[
[LuminFire Developers](https://luminfire.com/technologies/geotiff/),
[GeoTIFF](https://trac.osgeo.org/geotiff)
]

---

background-image: url(img/geo_geographic.png)
background-size: 600px
background-position: 85% 60%

# 4.1 Dados geoespaciais

## Sistema de coordenadas

### Geográfico (graus)

**1. Graus, minutos e segundos**
- Longitude: 42°42'42" O
- Latitude: 23°23'23" S

**2. Graus decimais**
- Longitude: -42.71167
- Latitude: -23.38972

**Conversão**: 42 + (42/60) + (42/3600) = 42.71167 
**Conversão**: 23 + (23/60) + (23/3600) = 23.38972

[Guia do Usuário QGIS 3.16](https://docs.qgis.org/3.16/pt_BR/docs/gentle_gis_introduction/coordinate_reference_systems.html)

---

background-image: url(img/geo_projection_families01.png), url(img/geo_orange_world.png), url(img/geo_proj.png)
background-size: 450px, 200px, 500px
background-position: 15% 65%, 78% 30%, 90% 85%

# 4.1 Dados geoespaciais

## Sistema de coordenadas

### Projetado (metros)

[Guia do Usuário QGIS 3.16](https://docs.qgis.org/3.16/pt_BR/docs/gentle_gis_introduction/coordinate_reference_systems.html),
[Tennekes & Nowosad (in prep.)](https://r-tmap.github.io/tmap-book/index.html)

---

background-image: url(img/geo_utm_coords.png), url(img/geo_utm_zones.png)
background-size: 300px, 600px
background-position: 25% 75%, 90% 45%

# 4.1 Dados geoespaciais

## Sistema de coordenadas

### Projetado (metros) - Universal Transversa de Mercator (UTM)

**1. Zona e metros**
- X UTM: 706832 m E
- Y UTM: 4344683 m N
- Zona: 10S

[Guia do Usuário QGIS 3.16](https://docs.qgis.org/3.16/pt_BR/docs/gentle_gis_introduction/coordinate_reference_systems.html)

---

background-image: url(img/geo_datum01.jpeg)
background-size: 700px
background-position: 70% 60%

# 4.1 Dados geoespaciais

## Datum

### Relação do sistema de coordenadas com a superfície da Terra

### **1. Geocêntricos**
- WGS 84
- SIRGAS 2000

### **2. Topocêntricos**
- SAD 69
- Córrego Alegre

### **Conversão**: não é trivial e requer muita trigonometria

---

background-image: url(img/geo_datum_sad_sirgas.jpg)
background-size: 500px
background-position: 75% 80%

# 4.1 Dados geoespaciais

## Datum

### Relação do sistema de coordenadas com a superfície da Terra

### **1. Geocêntricos**
- SIRGAS 2000

### **2. Topocêntricos**
- SAD 69

### **Diferença**: cerca de 65 metros

---

# Recapitulando: o Sistema de Referência de Coordenadas (CRS) é composto por:
 
# 1. Sistema de coordenadas (geográfico ou projetado)
 
# 2. Datum (relação do sistema de coordenadas com a superfície da Terra)

---

background-image: url(img/crs.png)
background-size: 800px
background-position: 40% 75%

# 4.1 Dados geoespaciais

### Sistema de Referência de Coordenadas (*Coordinate Reference System*)

### Datum + Sistema de Coordenadas (geográfico ou projetado)

[Overview of Coordinate Reference Systems (CRS) in R](https://www.nceas.ucsb.edu/sites/default/files/2020-04/OverviewCoordinateReferenceSystems.pdf)

---

background-image: url(img/geo_epsg.png)
background-size: 1000px
background-position: 50% 80%

# 4.1 Dados geoespaciais

## EPSG (*European Petroleum Survey Group*)

### Possui códigos numéricos para quase todos os CRSs

[EPSG](https://epsg.io/)

---

background-image: url(img/geo_epsg.png)
background-size: 500px
background-position: 90% 85%

# 4.1 Dados geoespaciais

## EPSG (*European Petroleum Survey Group*)

### EPSG: 4326 [WGS84 Geográfico](https://epsg.io/4326)

### EPSG: 4674 [SIRGAS2000 Geográfico](https://epsg.io/4674)

### EPSG: 32723 [WGS84 UTM23S](https://epsg.io/32723)

### EPSG: 31983 [SIRGAS2000 UTM23S](https://epsg.io/31983)

[EPSG](https://epsg.io/)

---

# 4.1 Dados geoespaciais

## Principais fontes de dados vetoriais

- **[IBGE](https://www.ibge.gov.br/geociencias/downloads-geociencias.html)**: limites territoriais e censitários do Brasil
- **[FBDS](http://geo.fbds.org.br)**: uso da terra, APP e hidrografia - Mata Atlântica e Cerrado
- **[GeoBank](http://geosgb.cprm.gov.br/)**: dados geológicos do Brasil
- **[Pastagem.org](http://maps.lapig.iesa.ufg.br)**: dados de pastagens e gado para o Brasil
- **[CanaSat](http://www.dsr.inpe.br/laf/canasat/)**: dados de cana-de-açúcar para o Brasil
- **[CSR Maps](http://maps.csr.ufmg.br)**: diversos dados vetoriais para o Brasil
- **[Ecoregions](https://ecoregions2017.appspot.com/)**: dados de biorregiões e biomas do mundo  
- **[GADM](https://gadm.org/)**: limites de áreas administrativas do mundo
- **[Natural Earth](https://www.naturalearthdata.com/):** diversos limites para o mundo
- **[Protected Planet](https://www.protectedplanet.net/en):** áreas protegidas para o mundo
- **[UN Biodiversity Lab](https://www.unbiodiversitylab.org/)**: Diversas bases de dados para o mundo                        	|
- **[HydroSHEDS](https://www.hydrosheds.org/)**: informações hidrológicas do mundo
- **[Global Roads Inventory Project (GRIP)](https://www.globio.info/download-grip-dataset)**: dados de estradas do mundo todo

---

# 4.1 Dados geoespaciais

## Principais fontes de dados matriciais (raster)

- **[MapBiomas](https://mapbiomas.org)**: uso e cobertura da terra para o Brasil, diversos anos
- **[Bahlu](ftp://madeira.dea.ufv.br/bdados/bhalu/)**: Distribuições históricas de terras agrícolas e pastagens para todo o Brasil de 1940 a 2012
- **[USGS](https://www.usgs.gov)**: dados de diversos satélites livres para o mundo
- **[SRTM](http://srtm.csi.cgiar.org/)**: dados de elevação para o mundo
- **[Global Forest Watch](https://www.globalforestwatch.org/)**: dados de uso e cobertura para todo o planeta
- **[Geoservice Maps](https://geoservice.dlr.de/web/maps)**: dados de elevação e florestas para o mundo
- **[GlobCover](http://due.esrin.esa.int/page_globcover.php)**: dados de uso e cobertura da terra para todo o planeta
- **[Global Human Footprint](https://wcshumanfootprint.org/)**: dados de pegada ecológica para o mundo
- **[Land-Use Harmonization (LUH2)](https://luh.umd.edu/)**: dados atuais e previsões de uso da terra
- **[SoilGrids](https://soilgrids.org/)**: dados de solo para o mundo                         
- **[WorldClim](https://www.worldclim.org/)**: dados climáticos para o mundo
- **[CHELSA](https://chelsa-climate.org/)**: dados climáticos para o mundo
- **[EarthEnv](https://www.earthenv.org/)**: dados de cobertura da terra, nuvens, relevo e hidrografia
- **[MARSPEC](http://www.marspec.org)**: dados de condições do oceano para o mundo
- **[Bio-ORACLE](https://www.bio-oracle.org/)**: dados de condições do oceano para o mundo

---

# 4.1 Dados geoespaciais

## Principais fontes de dados em pacotes no R

- **[geobr](https://cran.r-project.org/web/packages/geobr/index.html)**: carrega Shapefiles de Conjuntos de Dados Espaciais Oficiais do Brasil
- **[rnaturalearth](https://cran.r-project.org/web/packages/rnaturalearth/index.html)**: dados do mapa mundial da Natural Earth
- **[rworldmap](https://cran.r-project.org/web/packages/rworldmap/index.html)**: mapeando Dados Globais
- **[spData](https://cran.r-project.org/web/packages/spData/index.html)**: conjuntos de dados para análise espacial
- **[OpenStreetMap](https://cran.r-project.org/web/packages/OpenStreetMap/index.html)**: acesso para abrir imagens raster de mapas de ruas
- **[osmdata](https://cran.r-project.org/web/packages/osmdata/index.html)**: baixe e importe dados do OpenStreetMap
- **[geonames](https://cran.r-project.org/web/packages/geonames/index.html)**: interface para o serviço da Web de consulta espacial "Geonames"
- **[rgbif](https://cran.r-project.org/web/packages/rgbif/index.html)**: interface para o Global 'Biodiversity' Information Facility API
- **[maptools](https://cran.r-project.org/web/packages/maptools/index.html)**: ferramentas para lidar com objetos espaciais
- **[marmap](https://cran.r-project.org/web/packages/marmap/index.html)**: importar, traçar e analisar dados batimétricos e topográficos
- **[envirem](https://cran.r-project.org/web/packages/envirem/index.html)**: geração de Variáveis ENVIREM
- **[sdmpredictors](https://cran.r-project.org/web/packages/sdmpredictors/index.html)**: conjuntos de dados preditor de modelagem de distribuição de espécies

---

# Dúvidas?

---

# 4.2 Dados de ocorrências

---

background-image: url(img/sdm_ocorrencias_formato.png)
background-size: 700px
background-position: 50% 65%

# 4.2 Dados de ocorrências

## Formato

---

background-image: url(img/sdm_occ_fogomuseu.webp)
background-size: 400px
background-position: 55% 75%

# 4.2 Dados de ocorrências

## Fontes

- Coletas em campo (amostragens em campo)
- Literatura (artigos, data papers, ...)
- Naturalistas e ciência cidadã (e-Bird, iNaturalist, …)
- Coleções científicas e museus (Museu Nacional, MZUSP, CFHB, ...)
- Banco de dados (GBIF, SpeciesLink, ...)

**Incêndio no Museu Nacional (RJ) 02/09/2018**. Foto: [Ricardo Moraes/Reuters](https://g1.globo.com/pop-arte/noticia/2018/09/03/principais-museus-do-mundo-utilizam-patrocinio-privado-para-manter-estrutura-e-expandir-acervo-veja-lista.ghtml)

---

background-image: url(img/sdm_occ_gbif.png), url(img/sdm_occ_vertnet.png), url(img/sdm_occ_bien.png), url(img/sdm_occ_specieslink.png)
background-size: 500px, 500px, 500px, 500px
background-position: 90% 15%, 90% 58%, 90% 95%, 10% 80%

# 4.2 Dados de ocorrências

## Banco de dados

- [Global Biodiversity Information Facility (GBIF)](https://www.gbif.org/)
- [iNaturalist](https://www.inaturalist.org/)
- [VertNet](http://vertnet.org/)
- [eBird](https://ebird.org/home)
- [iDigBio](https://www.idigbio.org/)
- [Ocean Biogeographic Information System (OBIS)](https://obis.org/)
- [Botanical Information and Ecology Network (BIEN)](https://bien.nceas.ucsb.edu/bien/)
- [speciesLink](https://specieslink.net/)

[Maitner et al. (2017)](https://doi.org/10.1111/2041-210X.12861)

---

background-image: url(img/sdm_occ_auk.png), url(img/sdm_occ_rgbif.png), url(img/sdm_occ_spocc.png)
background-size: 200px, 200px, 200px
background-position: 75% 20%, 60% 70%, 90% 70%

# 4.2 Dados de ocorrências

## Pacotes no R

- [spocc](https://docs.ropensci.org/spocc/)
- [rgbif](https://docs.ropensci.org/rgbif/)
- [rvertnet](https://docs.ropensci.org/rvertnet/)
- [rebird](https://docs.ropensci.org/rebird/)
- [auk](https://cornelllabofornithology.github.io/auk/)
- [ridigbio](https://github.com/iDigBio/ridigbio)
- [BIEN](https://bien.nceas.ucsb.edu/bien/tools/rbien/)
- [taxize](https://docs.ropensci.org/taxize/)
- [CoordinateCleaner](https://docs.ropensci.org/CoordinateCleaner/)
- [sampbias](https://github.com/azizka/sampbias)
- [spThin](https://github.com/mlammens/spThin)
- [occCite](https://hannahlowens.github.io/occCite/)

[Aiello-Lammens et al. (2015)](https://doi.org/10.1111/ecog.01132),
[Maitner et al. (2017)](https://doi.org/10.1111/2041-210X.12861),
[Zizka et al. (2019)](https://doi.org/10.1111/2041-210X.13152),
[Zizka et al. (2020)](https://doi.org/10.1111/ecog.05102),
[Owens et al. (2021)](https://doi.org/10.1111/ecog.05618)

---

# Mas o mundo não é tão simples e coletar dados em campo é complicado...

---

background-image: url(img/sdm_occ_vies_brasil02.jpg), url(img/sdm_occ_vies_brasil01.jpg)
background-size: 600px, 500px
background-position: 8% 70%, 94% 63%

# 4.2 Dados de ocorrências

## Viés de amostragem - Brasil

- 1.144.629 (total) e 882.468 (válidos) ocorrências para 4345 espécies
- Grupos: vertebrados , artropodes e angiospermas
- Todos as ocorrências < 1km de rotas de acesso (estradas e rios)

[Oliveira et al. (2016)](https://doi.org/10.1111/ddi.12489)

---

background-image: url(img/sdm_occ_vies_mundo01.jpg), url(img/sdm_occ_vies_mundo02.jpg)
background-size: 500px, 600px
background-position: 7% 65%, 90% 65%

# 4.2 Dados de ocorrências

## Viés de amostragem - Mundo

- 742 milhões de ocorrências de 374.900 espécies
- Representando 6,74% do globo amostrado

[Hughes et al. (2021)](https://doi.org/10.1111/ecog.05926)

---

# Bora voltar para o R para baixar as ocorrências!

---

# 4.3 Dados ambientais

---

background-image: url(img/geo_raster.png)
background-size: 550px
background-position: 50% 65%

# 4.3 Dados ambientais

## Formato: gride ou raster ou matricial

[National Ecological Observatory Network (NEON)](https://www.neonscience.org/resources/learning-hub/tutorials/dc-raster-data-r)

---

background-image: url(img/sdm_var_wc.png), url(img/sdm_var_chelsa.gif), url(img/sdm_var_soilgrids.png), url(img/sdm_var_biooracle.jpg)
background-size: 500px, 450px, 480px, 300px
background-position: 85% 15%, 83% 45%, 87% 91%, 34% 90%

# 4.3 Dados ambientais

## Bases de dados

- [WorldClim](https://www.worldclim.org/)
- [CHELSA](https://chelsa-climate.org/)
- [MERRAclim](https://datadryad.org/stash/dataset/doi:10.5061/dryad.s2v81)
- [ENVIREM](https://envirem.github.io/)
- [PaleoClim](http://www.paleoclim.org/)
- [ecoClimate](https://www.ecoclimate.org/)
- [EarthEnv](https://www.earthenv.org/)
- [SRTM](http://srtm.csi.cgiar.org/)
- [Land-Use Harmonization (LUH2)](https://luh.umd.edu/)
- [GlobCover](http://due.esrin.esa.int/page_globcover.php)
- [Global Human Footprint](https://wcshumanfootprint.org/)
- [SoilGrids](https://soilgrids.org/)
- [MARSPEC](http://www.marspec.org)
- [Bio-ORACLE](https://www.bio-oracle.org/)

---

# E tem muita diferença entre as bases de dados?

---

background-image: url(img/sdm_var_diff01.png), url(img/sdm_var_diff03.png), url(img/sdm_var_diff02.jpg)
background-size: 380px, 500px, 550px
background-position: 13% 38%, 7% 85%, 90% 60%

# 4.3 Dados ambientais

## Diferenças entre as bases de dados bioclimáticas

### Correlação

[Morales-Barbero & Vega-Álvarez (2018)](https://onlinelibrary.wiley.com/doi/abs/10.1111/2041-210X.13124)

---

background-image: url(img/sdm_var_wc02.webp), url(img/sdm_var_interpolacao01.gif), url(img/sdm_var_interpolacao03.png)
background-size: 500px, 300px, 500px
background-position: 10% 40%, 81% 15%, 90% 85%

# 4.3 Dados ambientais

## Interpolação

[Biodiversity and Climate Change Virtual Laboratory (BCCVL)](https://support.bccvl.org.au/support/home),
 
[National Ecological Observatory Network (NEON)](https://www.neonscience.org/resources/learning-hub/tutorials/spatial-interpolation-basics),
 
[Fick & Hijmans (2017)](https://onlinelibrary.wiley.com/doi/10.1002/joc.5086)

---

# 4.3 Dados ambientais

## Variáveis bioclimáticas

.pull-left[
| Variável | Tipo         | Descrição                        |
| -------- | ------------ | -------------------------------- |
| BIO01    | Temperatura  | Temp. média anual                |
| BIO02    | Temperatura  | Variação diurna média da temp.   |
| BIO03    | Temperatura  | Isotermalidade                   |
| BIO04    | Temperatura  | Sazonalidade da temp.            |
| BIO05    | Temperatura  | Temp. máx. do mês mais quente    |
| BIO06    | Temperatura  | Temp. mín. do mês mais frio       |
| BIO07    | Temperatura  | Amplitude térmica anual          |
| BIO08    | Temperatura  | Temp. média do trim. mais úmido  |
| BIO09    | Temperatura  | Temp. média do trim. mais seco   |
| BIO10    | Temperatura  | Temp. média do trim. mais quente |
| BIO11    | Temperatura  | Temp. média do trim. mais frio   |
]

| Variável | Tipo         | Descrição                   |
| -------- | ------------ | --------------------------- |
| BIO12    | Precipitação | Prec. anual                 |
| BIO13    | Precipitação | Prec. do mês mais chuvoso   |
| BIO14    | Precipitação | Prec. do mês mais seco    |
| BIO15    | Precipitação | Sazonalidade da prec.       |
| BIO16    | Precipitação | Prec. do trim. mais chuvoso |
| BIO17    | Precipitação | Prec. do trim. mais seco    |
| BIO18    | Precipitação | Prec. do trim. mais quente  |
| BIO19    | Precipitação | Prec. do trim. mais frio    |

*Temp. = Temperatura; Prec. = Precipitação; 
trim. = Trimestre;

[O’Donnell & Ignizio (2012)](https://pubs.usgs.gov/ds/691/ds691.pdf)
]

---

# Mas informação demais quase sempre atrapalha...

---

background-image: url(img/sdm_var_parcimonia.jpg), url(img/sdm_var_ockham_razor.jpg)
background-size: 350px, 350px
background-position: 15% 69%, 80% 70%

# 4.3 Dados ambientais

## Princípio da Parcimônia (Por que complicar esse modelo aí?)

- William of Ockham's (1285–1348)
- "É fútil fazer com mais o que pode ser feito com menos"

[Coelho et al. (2018)](https://doi.org/10.1111/ecog.04228),
[What does Occam’s razor mean? (2019)](https://englishtalkzone.com/what-does-occams-razor-mean/)

---

background-image: url(img/sdm_var_correlacao01.webp), url(img/sdm_var_correlacao02.webp)
background-size: 600px, 600px
background-position: 75% 40%, 75% 80%

# 4.3 Dados ambientais

## Colinearidade - Correlação (Pearson ou Spearman)

- Mede o grau de relação (positiva ou negativa) entre duas variáveis
 
- r > |0.7|: indica alta correlação
 
- `$r = \dfrac{cov(X, Y)}{\sqrt{var(X) . var(Y)}}$`

[Zuur et al. (2010)](https://onlinelibrary.wiley.com/doi/10.1111/j.2041-210X.2009.00001.x),
[Dormann et al. (2012)](https://doi.org/10.1111/j.1600-0587.2012.07348.x),
[Naimi et al. (2014)](https://doi.org/10.1111/j.1600-0587.2013.00205.x),
[Feng et al. 2019](http://www.nature.com/articles/s41559-019-0972-5),
[Coeficientes de correlação](https://operdata.com.br/blog/coeficientes-de-correlacao/)

---

background-image: url(img/sdm_var_vif.jpg)
background-size: 550px
background-position: 80% 75%

# 4.3 Dados ambientais

## Colinearidade - Fator de Inflação de Variância (VIF)

- Medida da quantidade de multicolinearidade em um conjunto de múltiplas variáveis
 
- VIF = 1: não há multicolinearidade entre as variáveis
- VIF > 2 ou VIF > 5 ou VIF > 10: indica alta multicolinearidade (depende do autor)
 
- `$VIF_i = \dfrac{1}{1 - R_i^2}$`

- (a) r = 0.8946 e VIF = 5.007
- (b) r = 0.7697 e VIF = 2.453

[Zuur et al. (2010)](https://onlinelibrary.wiley.com/doi/10.1111/j.2041-210X.2009.00001.x),
[Dormann et al. (2012)]( https://doi.org/10.1111/j.1600-0587.2012.07348.x),
[Naimi et al. (2014)]( https://doi.org/10.1111/j.1600-0587.2013.00205.x),
[Feng et al. 2019](http://www.nature.com/articles/s41559-019-0972-5),
[VIF](https://www.sciencedirect.com/topics/mathematics/variance-inflation-factor)

---

# Dúvidas?

---

# Bora voltar para o R para baixar as variáveis!

---

# Encerramos por hoje =]

---

# Bom dia povo! Vamos recapitular!

---

background-image: url(img/sdm_zurell_standard.png), url(img/sdm_geral.png)
background-size: 700px, 300px
background-position: 5% 45%, 80% 60%

# 2.4 Padronização para criação dos modelos

## Protocolo padrão para modelos de distribuição de espécies

[Brown & Yoder (2015)](https://doi.org/10.1002/ece3.1418),
[Zurell et al. (2020)](https://onlinelibrary.wiley.com/doi/10.1111/ecog.04960)

---

background-image: url(img/sdm_geral.png), url(img/sdm_geral_ajuste.png)
background-size: 300px, 500px
background-position: 10% 55%, 75% 55%

# 2.4 Padronização para criação dos modelos

## 3. Ajuste dos modelos

[Brown & Yoder (2015)](https://doi.org/10.1002/ece3.1418)

---

# 5 Ajuste dos modelos

---

background-image: url(img/sdm_geral_ajuste.png), url(img/sdm_metodos_bam.jpg)
background-size: 500px, 550px
background-position: 10% 50%, 90% 50%

# 5.1 Tipos de métodos ou algoritmos

## Modela diferentes áreas do Diagrama BAM

[Sillero (2011)](https://doi.org/10.1016/j.ecolmodel.2011.01.018),
[Brown & Yoder (2015)](https://doi.org/10.1002/ece3.1418)

---

background-image: url(img/sdm_tipos_metodos_ausencia.png)
background-size: 1000px
background-position: 50% 55%

# 5.1 Tipos de métodos ou algoritmos

## Depende dos dados de presença e ausência da espécie

[Modificado com autorização de Esser (2021)](https://luizfesser.wordpress.com/2021/06/08/are-pseudoabsences-and-background-the-same-thing/)

---

background-image: url(img/sdm_metodos_ausencia.jpg)
background-size: 600px
background-position: 50% 85%

# 5.1 Tipos de métodos ou algoritmos

## Ausências em Ecologia...

- **Zeros falsos**: falta de experiência do observador (a – b) ou projeto experimental pobre (c – h)
- **Zeros verdadeiros**: relacionados ao sistema ecológico em estudo - *zeros estruturais* (i – k) ou emergentes da variabilidade de amostragem - *zeros aleatórios* (l)

[Blasco‐Moreno et al. (2019)](https://doi.org/10.1111/2041-210X.13185)

---

background-image: url(img/sdm_tipos_metodos_pseudoausencia.png)
background-size: 1000px
background-position: 50% 55%

# 5.1 Tipos de métodos ou algoritmos

## Depende dos dados de presença e ausência da espécie

---

background-image: url(img/sdm_tipos_metodos_ausencia_pseudoausencia.png)
background-size: 800px
background-position: 50% 75%

# 5.1 Tipos de métodos ou algoritmos

## Ausência vs pseudo-ausência vs background

- **Ausência**: dados de "ausências verdadeiras" (quando disponíveis)
- **Pseudo-ausência**: dados de ausência gerados por amostragem aleatória (seguindo ou não regras geográficas ou ambientais), geralmente em número igual ao número de presenças
- **Background**: dados gerados para amostrar as condições da área de estudo (quanto mais, melhor)

[Modificado com autorização de Esser (2021)](https://luizfesser.wordpress.com/2021/06/08/are-pseudoabsences-and-background-the-same-thing/)

---

background-image: url(img/sdm_metodos_bioclim01.png), url(img/sdm_metodos_bioclim02.png)
background-size: 500px, 250px
background-position: 25% 65%, 75% 65%

# 5.2 Somente-presença

## Bioclim (*Envelope score*)

- Envelope climático com escores

[Nix (1986)](https://www.environment.gov.au/science/abrs/publications/flora-fauna/07),
[Booth et al. (2014)](https://onlinelibrary.wiley.com/doi/10.1111/ddi.12144)

---

background-image: url(img/sdm_metodos_gower02.png)
background-size: 300px
background-position: 50% 75%

# 5.2 Somente-presença

## Domain (Distântica de Gower)

- Distância ponto a ponto

[Carpenter et al. (1993)](http://link.springer.com/10.1007/BF00051966)

---

background-image: url(img/sdm_metodos_mahalanobis01.png), url(img/sdm_metodos_mahalanobis02.png)
background-size: 400px, 370px
background-position: 15% 70%, 70% 75%

# 5.2 Somente-presença

## Mahalanobis (Distância de Mahalanobis)

- Envelope de Mahalanobis é **oblíquo** (inclinado) lidando com correlações entre as variáveis climáticas
- Envelope de Mahalanobis é **elíptico**, refletindo melhor a tendência central da teoria do nicho
- Previsões são baseadas em **todos os dados**, sendo menos sensíveis a valores discrepantes

[Farber & Kadmon (2003)](https://linkinghub.elsevier.com/retrieve/pii/S0304380002003277),
[Jiménez et al. (2019)](https://www.sciencedirect.com/science/article/pii/S0304380019300407)

---

background-image: url(img/sdm_metodos_glm.png)
background-size: 600px
background-position: 50% 85%

# 5.4 Presença-(pseudo)ausência

## GLM (Modelos Lineares Generalizados - *Generalized Linear Models*)

- Distribuição de erros binomial

[Guisan et al. (2002)](https://linkinghub.elsevier.com/retrieve/pii/S0304380002002041)

---

background-image: url(img/sdm_metodos_gam.png)
background-size: 600px
background-position: 50% 83%

# 5.4 Presença-(pseudo)ausência

## GAM (Modelos Generalizados Aditivos - *Generalized Additive Model*)

- Distribuição de erros binomial
- Funções de suavização

[Guisan et al. (2002)](https://linkinghub.elsevier.com/retrieve/pii/S0304380002002041)

---

background-image: url(img/sdm_metodos_rf01.png), url(img/sdm_metodos_rf02.jpg)
background-size: 600px, 380px
background-position: 15% 65%, 85% 65%

# 5.4 Presença-(pseudo)ausência

## Random Forest

- Cria diversas **árvores de decisão** ('floresta') por **bootstrap** (reamostragem)
- Combina os **resultados** de cada árvore em uma última classificação (categórico) ou regressão (contínuo)

[Breiman (2001)](http://link.springer.com/10.1023/A:1010933404324),
[Liaw & Wiener (2002)](https://cogns.northwestern.edu/cbmg/LiawAndWiener2002.pdf),
[Prasad et al. (2006)](https://link.springer.com/article/10.1007%2Fs10021-005-0054-1),
[Cutler et al. (2007)](https://doi.org/10.1890/07-0539.1),
[Sheykhmousa et al. (2020)](https://doi.org/10.1109/JSTARS.2020.3026724),
[BCCVL](https://support.bccvl.org.au/support/home)

---

background-image: url(img/sdm_metodos_svm.png)
background-size: 800px
background-position: 45% 65%

# 5.4 Presença-(pseudo)ausência

## SVM (*Support Vector Machine*)

- Cria **hiperplanos** através de **vetores de suporte** considerando features
- Faz a classificação (categórico) ou regressão (contínuo) para **separar** os dados em duas ou mais partes

[Tax & Duin (2004)](https://link.springer.com/article/10.1023/B:MACH.0000008084.60811.49),
[Guo et al. (2005)](https://doi.org/10.1016/j.ecolmodel.2004.07.012),
[Drake et al. (2006)](https://doi.org/10.1111/j.1365-2664.2006.01141.x),
[Dou et al. (2019)](https://doi.org/10.3390/rs11060638)

---

background-image: url(img/sdm_metodos_maxent.png), url(img/sdm_metodos_maxent_features.png)
background-size: 600px, 530px
background-position: 5% 65%, 95% 65%

# 5.3 Presença-background

## MaxEnt (Máxima Entropia)

- Encontra parâmetros que **aproximam a forma da distribuição** (maximiza a entropia) dos valores ambientais do background e em função dos valores ambientais das presenças
- Usa diferentes curvas ('features') para **ajustar a máxima entropia** e achar os valores de adequabilidade ambiental
- Dependente de **parâmetros** [prevalência (0.5) e regularização (ajuste)] e **limite do background**

[Phillips et al. (2006)](https://linkinghub.elsevier.com/retrieve/pii/S030438000500267X),
[Phillips & Dudík (2008)](https://onlinelibrary.wiley.com/doi/10.1111/j.0906-7590.2008.5203.x),
[Elith et al. (2011)](https://onlinelibrary.wiley.com/doi/10.1111/j.1472-4642.2010.00725.x)
[Phillips et al. (2017)](https://onlinelibrary.wiley.com/doi/10.1111/ecog.03049),
[BCCVL](https://support.bccvl.org.au/support/home),
[SDM com RS NASA](https://appliedsciences.nasa.gov/join-mission/training/english/arset-species-distribution-modeling-remote-sensing)

---

background-image: url(img/sdm_metodos_outros.png)
background-size: 600px
background-position: 95% 65%

# 5.4 Outros métodos ou algoritmos

## Há ainda diversos outros métodos ou algoritmos

### Presença-(pseudo)ausência
- Classification and regression trees (CART)
- Multivariate adaptive regression spline (MARS)
- Mixture discriminant analysis (MAD)
- Artificial neural networks (ANN)
- Boosted Regression Trees (BRT)
- Bayesian Gaussian Process

### Presença-background
- Ecological Niche Factor Analysis (ENFA)
- Genetic Algorithm for Rule-set Production (GARP)
- Maxlike

[Fletcher & Fortin (2018)](https://www.springer.com/gp/book/9783030019884)

---

background-image: url(img/sdm_metodos_logo_enmtml.png), url(img/sdm_metodos_logo_modler.png), url(img/sdm_metodos_logo_sdmtune.png), url(img/sdm_metodos_logo_shinybiomod.jpeg)
background-size: 210px, 200px, 200px, 220px
background-position: 45% 30%, 60% 90%, 75% 30%, 90% 90%

# 5.5 Principais pacotes no R

## Diversos pacotes implementados para ajustes de SDMs no R

- [dismo](https://cran.r-project.org/web/packages/dismo/)
- [biomod2](https://cran.r-project.org/web/packages/biomod2/)
- [sdm](https://cran.r-project.org/web/packages/sdm/)
- [ENMTML](https://github.com/andrefaa/ENMTML)
- [modelR](https://model-r.github.io/modleR/)
- [SDMtune](https://cran.r-project.org/web/packages/SDMtune/)
- [ENMeval](https://cran.r-project.org/web/packages/ENMeval/)
- [wallace](https://cran.r-project.org/web/packages/wallace/)
- [ssdm](https://cran.r-project.org/web/packages/ssdm/)
- [ShinyBIOMOD](https://gitlab.com/IanOndo/shinybiomod)

[Lista de pacotes no R](https://github.com/helixcn/sdm_r_packages)

---

# Uma vez ajustados nossos modelos, devemos avaliar seu **desempenho** antes de fazer as predições para todo o Espaço Geográfico (G)

---

# **Desempenho**: esse modelo aí é melhor que jogar uma moeda (0 ou 1) para cada pixel?

---

# 2.4 Padronização para criação dos modelos

## 4. Avaliação (do ajuste) dos modelos

---

# 6 Avaliação dos modelos

---

background-image: url(img/sdm_avaliacao_particao.png)
background-size: 600px
background-position: 90% 62%

# 6.1 Partição dos dados (treino e teste)

## Partição dos dados de presença (ou pseudo-ausência)

### Treino (flecha superior)
- Dados usados para **ajustar** o modelo

### Teste (flecha inferior)
- Dados usados para **avaliar** o modelo

[Guisan et al. (2017)](https://www.cambridge.org/br/academic/subjects/life-sciences/ecology-and-conservation/habitat-suitability-and-distribution-models-applications-r)

---

background-image: url(img/sdm_avaliacao_particao.png)
background-size: 600px
background-position: 90% 59%

# 6.1 Partição dos dados (treino e teste)

## Partição dos dados de presença (ou pseudo-ausência)

### Treino (flecha superior)
- Dados usados para **ajustar** o modelo

### Teste (flecha inferior)
- Dados usados para **avaliar** o modelo

### Tipos de avaliação

- **Interna **  
Partição dos mesmos dados em treino e teste

- **Externa**  
Dados de teste não entram no treino

[Guisan et al. (2017)](https://www.cambridge.org/br/academic/subjects/life-sciences/ecology-and-conservation/habitat-suitability-and-distribution-models-applications-r)

---

background-image: url(img/sdm_avaliacao_particao.png)
background-size: 600px
background-position: 90% 52%

# 6.1 Partição dos dados (treino e teste)

## Tipos de partições para avaliação interna

- **Split sample** 
Divide aleatoriamente as ocorrências em dois conjuntos, geralmente 70% para treino e 30% para teste e faz repetições aleatórias desses conjuntos

- **K-fold cross-validation** 
Divide as ocorrências em conjuntos iguais (k), um dos conjuntos vai para teste e os outros para treino, alternando até todas as partes irem para teste

- **Leave one-out CV (Jackknife)** 
Uma ocorrência para teste e o restante para treino, alterando até todas as ocorrências irem para teste

- **Bootstrap** 
Reamostragem (mesmas ocorrências podem ir para treino e teste), usado mais para medir incertezas dos ajustes dos modelos
 
[Guisan et al. (2017)](https://www.cambridge.org/br/academic/subjects/life-sciences/ecology-and-conservation/habitat-suitability-and-distribution-models-applications-r)

---

# E como particionar esses dados?

---

background-image: url(img/sdm_particao_dados.jpg)
background-size: 800px
background-position: 60% 80%

# 6.1 Partição dos dados (treino e teste)

## Tipos de partições para avaliação interna

### Geralmente aleatória, mas pode ser por regras geográficas (G) ou ambientais (E)

[Valavi et al. (2018)](https://onlinelibrary.wiley.com/doi/10.1111/2041-210X.13107)

---

background-image: url(img/sdm_avaliacao_treino_teste.png)
background-size: 360px
background-position: 83% 52%

# 6.1 Partição dos dados (treino e teste)

## Tipos de partições para avaliação interna

- **Split sample** 
Divide aleatoriamente as ocorrências em dois conjuntos, geralmente 70% para treino e 30% para teste e faz repetições aleatórias desses conjuntos

- **K-fold cross-validation** 
Divide as ocorrências em conjuntos iguais (k), um dos conjuntos vai para teste e as outras para treino, alternando até todas as partes irem para teste

- **Leave one-out CV (Jackknife)** 
Uma ocorrência para teste e o restante para treino, alterando até todas as ocorrências irem para teste

---

# Vamos para o R preparar e particionar os nossos dados, e ajustar nossos modelos

---

# Avaliar a **calibração dos modelos**: meu modelo acerta as ocorrências e (pseudo)ausências do conjunto de **teste**?

---

background-image: url(img/sdm_avaliacao_calibracao_val.png), url(img/sdm_avaliacao_observados_preditos.png)
background-size: 500px, 410px
background-position: 10% 62%, 90% 58%

# 6.2 Calibração dos modelos

## Valores observados vs valores preditos [treino e teste]

[Guisan et al. (2017)](https://www.cambridge.org/br/academic/subjects/life-sciences/ecology-and-conservation/habitat-suitability-and-distribution-models-applications-r)

---

background-image: url(img/sdm_avaliacao_calibracao_val.png), url(img/sdm_avaliacao_observados_preditos_teste.png)
background-size: 500px, 410px
background-position: 10% 62%, 90% 58%

# 6.2 Calibração dos modelos

## Valores observados vs valores preditos [teste]

---

background-image: url(img/sdm_metodos_glm_predicao.png), url(img/sdm_avaliacao_observados_preditos_teste_prec.png)
background-size: 500px, 500px
background-position: 10% 62%, 90% 90%

# 6.2 Calibração dos modelos

## Valores preditos (P(x)) a partir dos valores da variável preditora (x)

.pull-left[]
.pull-right[
`$$Modelo: P(x) = \dfrac{1}{1 + e^{-(\beta_0+\beta_1 x)}}$$`
`$Parametros :\beta_1 = 1.169; \beta_0 = -0.733$`
`$$Modelo: P(x) = \dfrac{1}{1 + e^{-(-0.733+1.169 x)}}$$`

]

---

background-image: url(img/sdm_metodos_glm_predicao.png)
background-size: 500px
background-position: 10% 62%

# 6.2 Calibração dos modelos

## Valores preditos (P(x)) a partir dos valores da variável preditora (x)

.pull-left[]
.pull-right[
`$$Modelo: P(x) = \dfrac{1}{1 + e^{-(\beta_0+\beta_1 x)}}$$`
`$Parametros :\beta_1 = 1.169; \beta_0 = -0.733$`
`$$Modelo: P(x) = \dfrac{1}{1 + e^{-(-0.733+1.169 x)}}$$`
 
Seja x os valores de precipitação padronizados:
 
`$Para: x = -2; P(x) = 0.04431945; y = 0$` 
`$Para: x = -1; P(x) = 0.1298823; y = 0$` 
`$Para: x = 0; P(x) = 0.3245367; y = 0$` 
`$Para: x = 1; P(x) = 0.6073055; y = 1$` 
`$Para: x = 2; P(x) = 0.832716; y = 1$` 
]

---

# Dado que a predição é contínua [0 a 1], vamos considerar algum **valor predito como limiar** (e.g. 0.5) para considerar se o **modelo acertou** as presenças e pseudo-ausências

---

background-image: url(img/sdm_avaliacao_limite_corte.png), url(img/sdm_avaliacao_observados_preditos_teste_limiar.png)
background-size: 500px, 430px
background-position: 10% 55%, 90% 58%

# 6.3 Limiar de corte dos modelos

### **Limiares de corte** (*thresholds*) para considerar os acertos e erros do modelo

---

background-image: url(img/sdm_avaliacao_limite_corte.png)
background-size: 500px
background-position: 10% 55%

# 6.3 Limiar de corte dos modelos

## Tipos de erros

### Erro de omissão
A observação é de presença (1), mas a predição é de ausência (0) - **ausência falsa**

### Erro de comissão
A observação é de ausência (0), mas a predição é de presença (1) - **presença falsa**

]

[Guisan et al. (2017)](https://www.cambridge.org/br/academic/subjects/life-sciences/ecology-and-conservation/habitat-suitability-and-distribution-models-applications-r)

---

background-image: url(img/sdm_avaliacao_matriz_confusao.png), url(img/sdm_avaliacao_matriz_confusao_valores.png), url(img/sdm_avaliacao_observados_preditos_teste_limiar.png)
background-size: 550px, 550px, 430px
background-position: 10% 32%, 10% 95%, 90% 58%

# 6.4 Matriz de confusão

## **Contabilizar** os acertos e erros em presenças e pseudo-ausências

- Matriz de confusão

---

background-image: url(img/sdm_avaliacao_matriz_confusao_letras.png), url(img/sdm_avaliacao_metricas.png)
background-size: 550px, 500px
background-position: 10% 78%, 93% 60%

# 6.5 Métricas de avaliação

## Métricas que contabilizam os acertos e erros

- **Sensibilidade** (proporção de presenças verdadeiras - TPR)[0:1]
- **Especificidade** (proporção de ausências verdadeiras - TAR)[0:1]
- **AUC** (probabilidade de classificação correta)[0:1]
- **Kappa** (medida de concordância da classificação)[-1:1]
- **TSS** (compara o número de classificações corretas, menos aquelas atribuídas aleatoriamente) [-1:1]

[Fielding & Bell (1997)](https://www.cambridge.org/core/product/identifier/S0376892997000088/type/journal_article)

---

background-image: url(img/sdm_avaliacao_auc_curva.png), url(img/sdm_avaliacao_matriz_confusao_letras.png)
background-size: 390px, 550px
background-position: 92% 5%, 90% 58%

# 6.5 Métricas de avaliação

## Métricas independentes de limiares

- **Sensibilidade** (proporção de presenças verdadeiras - TPR)[0:1]

`$sensibilidade = a/(a+c)$`

- **Especificidade** (proporção de ausências verdadeiras - TAR)[0:1]

`$especificidade = d/(b+d)$`

- **1 - Especificidade** (proporção de presenças falsas - FPR)[0:1]

`$1 - especificidade = b/(b+d)$`

- **ROC** (sensibilidade ~ (1 - especificidade))

- **AUC** (probabilidade de classificação correta)[0:1]

[Fielding & Bell (1997)](https://www.cambridge.org/core/product/identifier/S0376892997000088/type/journal_article)

---

background-image: url(img/sdm_avaliacao_roc01.png), url(img/sdm_avaliacao_roc_tabela01.png)
background-size: 400px, 630px
background-position: 10% 60%, 90% 50%

# 6.5 Métricas de avaliação

### ROC (Característica de Operação do Receptor - *Receiver Operating Characteristic*)

[Fielding & Bell (1997)](https://www.cambridge.org/core/product/identifier/S0376892997000088/type/journal_article)

---

background-image: url(img/sdm_avaliacao_roc02.png), url(img/sdm_avaliacao_roc_tabela02.png)
background-size: 400px, 630px
background-position: 10% 60%, 90% 50%

# 6.5 Métricas de avaliação

### ROC (Característica de Operação do Receptor - *Receiver Operating Characteristic*)

[Fielding & Bell (1997)](https://www.cambridge.org/core/product/identifier/S0376892997000088/type/journal_article)

---

background-image: url(img/sdm_avaliacao_roc03.png), url(img/sdm_avaliacao_roc_tabela03.png)
background-size: 400px, 630px
background-position: 10% 60%, 90% 50%
# 6.5 Métricas de avaliação

### ROC (Característica de Operação do Receptor - *Receiver Operating Characteristic*)

[Fielding & Bell (1997)](https://www.cambridge.org/core/product/identifier/S0376892997000088/type/journal_article)

---

background-image: url(img/sdm_avaliacao_roc04.png), url(img/sdm_avaliacao_roc_tabela04.png)
background-size: 400px, 630px
background-position: 10% 60%, 90% 50%

# 6.5 Métricas de avaliação

### ROC (Característica de Operação do Receptor - *Receiver Operating Characteristic*)

[Fielding & Bell (1997)](https://www.cambridge.org/core/product/identifier/S0376892997000088/type/journal_article)

---

background-image: url(img/sdm_avaliacao_roc05.png), url(img/sdm_avaliacao_roc_tabela05.png)
background-size: 400px, 630px
background-position: 10% 60%, 90% 50%

# 6.5 Métricas de avaliação

### ROC (Característica de Operação do Receptor - *Receiver Operating Characteristic*)

[Fielding & Bell (1997)](https://www.cambridge.org/core/product/identifier/S0376892997000088/type/journal_article)

---

background-image: url(img/sdm_avaliacao_auc.png), url(img/sdm_avaliacao_auc_tabela.png), url(img/sdm_avaliacao_auc_valores.png)
background-size: 400px, 330px, 450px
background-position: 10% 59%, 60% 27%, 86% 61%

# 6.5 Métricas de avaliação

## AUC (Área Abaixo da Curva - *Area Under the Curve*)

[Fielding & Bell (1997)](https://www.cambridge.org/core/product/identifier/S0376892997000088/type/journal_article), [Araújo et al. (2005)](https://doi.org/10.1111/j.1365-2486.2005.01000.x), [Jiménez-Valverde (2012)](https://onlinelibrary.wiley.com/doi/10.1111/j.1466-8238.2011.00683.x). Mas ver [Lobo et al. (2008)](https://onlinelibrary.wiley.com/doi/10.1111/j.1466-8238.2007.00358.x)

---

background-image: url(img/sdm_avaliacao_auc_max_lpt.png), url(img/sdm_avaliacao_limiares.png), url(img/sdm_roc_limiares.png)
background-size: 400px, 200px, 360px
background-position: 10% 60%, 50% 50%, 90% 55%

# 6.5 Métricas de avaliação

## Métricas dependentes de limiares

[Liu et al. (2005)](https://onlinelibrary.wiley.com/doi/10.1111/j.0906-7590.2005.03957.x), 
[Jiménez-Valverde (2012)](https://onlinelibrary.wiley.com/doi/10.1111/j.1466-8238.2011.00683.x), [Li & Guo (2013)](https://onlinelibrary.wiley.com/doi/10.1111/j.1600-0587.2013.07585.x), [Liu et al. (2013)](https://onlinelibrary.wiley.com/doi/10.1111/jbi.12058), [Liu et al. (2016)](https://onlinelibrary.wiley.com/doi/10.1002/ece3.1878),
[Pearson et al. (2007)](https://onlinelibrary.wiley.com/doi/10.1111/j.1365-2699.2006.01594.x)

---

background-image: url(img/sdm_avaliacao_kappa_tss.png)
background-size: 350px
background-position: 80% 40%

# 6.5 Métricas de avaliação

## Métricas dependentes de limiares

### Kappa (K) [-1 a +1]

`$K = \frac{\frac{a+d}{N}-\frac{(a+b)(a+c)+(c+d)(b+d)}{N^2}}{1-\frac{(a+b)(a+c)+(c+d)(d+b)}{N^2}} = \frac{P_o - P_e}{1 - P_e}$`, onde P = acurácia

- K > 0.75: Excelente
- 0.40 > K > 0.75: Bom
- K < 0.40: pobre

### TSS (*True Skill Statistic*) [-1 a +1]

`$TSS = \frac{ad-bc}{(a+c)(b+d)} = Sensitividade + Especificidade - 1$`

- TSS ≅ +1: concordância perfeita
- TSS <= 0: desempenho não melhor do que aleatório
- Indicativos: TSS > 0.5, TSS > 0.7, TSS > 0.8 e TSS > 0.9
 
[Landis & Koch (1977)](),
[Fielding & Bell (1997)](https://www.cambridge.org/core/product/identifier/S0376892997000088/type/journal_article),
[Allouche et al. (2006)](https://onlinelibrary.wiley.com/doi/10.1111/j.1365-2664.2006.01214.x)

---

background-image: url(img/sdm_avaliacao_kappa_tss_maximo.png)
background-size: 600px
background-position: 95% 65%

# 6.5 Métricas de avaliação

## Métricas dependentes de limiares

### Valores máximos de Kappa e TSS

.pull-left[
- Calcular **vários valores das estatísticas** para diferentes liminares
- Liu et al. (2013) mostraram que o limiar que maximiza as estatísticas (max-TSS ou max-Kappa) é equivalente ao limiar de **máxima soma da sensibilidade e especificidade** (max-SSS)
- Essa estratégia gera o **mesmo limiar** para métodos de somente-presença, presença-pseudo-ausência e presença-background

[Allouche et al. (2006)](https://onlinelibrary.wiley.com/doi/10.1111/j.1365-2664.2006.01214.x),
[Liu et al. (2013)](https://onlinelibrary.wiley.com/doi/10.1111/jbi.12058),
[Guisan et al. (2017)](https://www.cambridge.org/br/academic/subjects/life-sciences/ecology-and-conservation/habitat-suitability-and-distribution-models-applications-r),

]

---

# Vamos para o R avaliar nossos modelos

---

# Uma vez que **avaliamos a calibração dos modelos** (acertam as presenças e pseudo-ausências) podemos fazer a **predição** para áreas desconhecidas

---

background-image: url(img/sdm_geral.png), url(img/sdm_geral_predicao.png)
background-size: 300px, 600px
background-position: 10% 55%, 80% 55%

# 2.4 Padronização para criação dos modelos

## 5. Predições no tempo e no espaço

[Brown & Yoder (2015)](https://doi.org/10.1002/ece3.1418)

---

# 7 Predição e consenso dos modelos

---

background-image: url(img/sdm_metodos_glm_predicao.png), url(img/sdm_predicao01.png), url(img/sdm_predicao02.png)
background-size: 500px, 500px, 300px
background-position: 10% 62%, 90% 30%, 80% 90%

# 7.1 Predição dos modelos

## Predição para a área modelada

---

background-image: url(img/sdm_metodos_glm_predicao.png), url(img/sdm_predicao_prec_espaco.png), url(img/sdm_predicao_espaco.png)
background-size: 500px, 300px, 300px
background-position: 10% 62%, 80% 30%, 80% 90%

# 7.1 Predição dos modelos

## Predição para outras áreas (espaço)

---

background-image: url(img/sdm_metodos_glm_predicao.png), url(img/sdm_predicao_prec_tempo.png), url(img/sdm_predicao_tempo.png)
background-size: 500px, 300px, 300px
background-position: 10% 62%, 80% 30%, 80% 90%

# 7.1 Predição dos modelos

## Predição para outros períodos no passado ou no futuro (tempo)

---

background-image: url(img/sdm_ensemble_nichos.png), url(img/sdm_ensemble.jpg)
background-size: 500px, 500px
background-position: 10% 60%, 85% 60%

# 7.2 Consenso dos modelos

## Diferentes estimativas do nicho - diferentes predições geográficas

[Araújo & New (2007)](https://doi.org/10.1016/j.tree.2006.09.010://doi.org/10.1002/ece3.1418)
[Qiao et al. (2015)](https://onlinelibrary.wiley.com/doi/10.1111/2041-210X.12397)

---

background-image: url(img/sdm_fletcher_fortin_ensemble.png)
background-size: 400px
background-position: 60% 60%

# 7.2 Consenso dos modelos

## Tipos de consensos

- Frequência
- Média
- Média ponderada (AUC ou TSS)

[Fletcher & Fortin (2018)](https://www.springer.com/gp/book/9783030019884)

---

background-image: url(img/sdm_ensemble_freq.png)
background-size: 1000px
background-position: 50% 90%

# 7.3 Consenso por frequência

## Contabilizar quantas vezes um pixel foi previsto como presença

### 1. Uso de um **limiar de corte para binarizar** os modelos [0 e 1]

### 2. **Soma** da quantidade de pixels e divisão pelo total de modelos [0 a 1]

$$ consenso = \sum_{i=1}^{N} (pixel_i \geq limiar_j) $$

---

background-image: url(img/sdm_ensemble_media.png)
background-size: 800px
background-position: 50% 90%

# 7.4 Consenso por média

## Calcular a média dos valores de adequabilidade para cada pixel

### 1. **Padronização** dos valores de adequabilidade [0 a 1]

### 2. Cálculo da **média aritmética** para cada pixel

$$ consenso = \frac{1}{N}\sum_{i=1}^{N} (pixel_i) $$

---

background-image: url(img/sdm_ensemble_media_ponderada.png)
background-size: 800px
background-position: 50% 90%

# 7.5 Consenso por média ponderada

## Calcular a média ponderada dos valores de adeq. para cada pixel

### 1. **Padronização** dos valores de adequabilidade [0 a 1]

### 2. Cálculo da **média ponderada** pelos valores de AUC ou TSS para cada pixel

`$$consenso = \frac{\sum_{i=1}^{N}(w_i . pixel_i)}{\sum_{i=1}^N(w_i)}$$`

---

background-image: url(img/sdm_consenso_incertezas.png), url(img/sdm_consenso_incertezas_mapa.png)
background-size: 500px, 600px
background-position: 7% 70%, 93% 70%

# 7.6 Incertezas

## Calcular um valor de incerteza para cada pixel

### 1. **Padronização** dos valores de adequabilidade [0 a 1]

### 2. Cálculo do **desvio padrão** ou **partição da variância** para cada pixel

[Diniz-Filho et al. (2009)](https://onlinelibrary.wiley.com/doi/10.1111/j.1600-0587.2009.06196.x)

---

background-image: url(img/sdm_ensemble_desvio.png)
background-size: 800px
background-position: 50% 90%
# 7.6 Incertezas

## Calcular um valor de incerteza para cada pixel

### 1. **Padronização** dos valores de adequabilidade [0 a 1]

### 2. Cálculo do **desvio padrão** ou **partição da variância** para cada pixel

$$ desvio = \sqrt{\frac{1}{N}\sum_{i=1}^{N} (pixel_i - \overline{pixel_i})^2} $$

---

# Vamos para o R predizer e fazer o consenso dos nossos modelos

---

# Principais artigos

### Português

- [De Marco, P., & Siquera, M. F. (2009). Como determinar a distribuição potencial de espécies sob uma abordagem conservacionista? 5, 12.](https://www.conservation.org/docs/default-source/brasil/Megadiversidade_desafios_cientificos.pdf)

- [Giannini, T. C. et al. (2012). Desafios atuais da modelagem preditiva de distribuição de espécies. Rodriguésia, 63(3), 733–749.](https://doi.org/10.1590/S2175-78602012000300017)

### Inglês

- [Araújo, M. B. et al. (2019). Standards for distribution models in biodiversity assessments. Science Advances, 5(1), eaat4858.](https://doi.org/10.1126/sciadv.aat4858)

- [Feng, X. et al. (2019). A checklist for maximizing reproducibility of ecological niche models. Nature Ecology & Evolution, 3(10), 1382–1395.](https://doi.org/10.1038/s41559-019-0972-5)

- [Zurell, D. et al. (2020). A standard protocol for reporting species distribution models. Ecography, 43(9), 1261–1277.](https://doi.org/10.1111/ecog.04960)

- [Sillero, N., & Barbosa, A. M. (2021). Common mistakes in ecological niche models. International Journal of Geographical Information Science, 35(2), 213–226.](https://doi.org/10.1080/13658816.2020.1798968)

- [Sillero, N. et al. (2021). Want to model a species niche? A step-by-step guideline on correlative ecological niche modelling. Ecological Modelling, 456, 109671.](https://doi.org/10.1016/j.ecolmodel.2021.109671)

---

# Livros

### Português

- [Lima-Ribeiro, M., & Diniz-Filho, J. (2013). Modelos ecológicos ea extinção da megafauna: Clima e homem na América do Sul.](https://files.cercomp.ufg.br/weby/up/672/o/Paleoecologia_completo.pdf)

### Inglês

- [Franklin, J., & Miller, J. A. (2009). Mapping species distributions: Spatial inference and prediction. Cambridge University Press.](https://doi.org/10.1017/CBO9780511810602)

- [Peterson, A. T. (Org.). (2011). Ecological niches and geographic distributions. Princeton University Press.](https://press.princeton.edu/books/paperback/9780691136882/ecological-niches-and-geographic-distributions-mpb-49)

- [Peterson, A. T. (2014). Mapping disease transmission risk: Enriching models using biogeography and ecology. Johns Hopkins University Press.](https://jhupbooks.press.jhu.edu/title/mapping-disease-transmission-risk)

- [Wegmann, M., Leutner, B., & Dech, S. (Orgs.). (2016). Remote sensing and GIS for ecologists: Using open source software. Pelagic Publishing.](http://book.ecosens.org/RSEbook/)

- [Guisan, A., Thuiller, W., & Zimmermann, N. E. (2017). Habitat Suitability and Distribution Models: With Applications in R. Cambridge University Press.](https://doi.org/10.1017/9781139028271)

- [Fletcher, R., & Fortin, M.-J. (2018). Spatial Ecology and Conservation Modeling: Applications with R. Springer International Publishing.](https://doi.org/10.1007/978-3-030-01989-1)

---

# Cursos on-line

## Português

- [Prof. Ubirajara de Oliveira](https://ubiologia.wixsite.com/biogeografia/modelos-de-distribuicao-de-especies)

- [Profa. Luara Tourinho](https://www.youtube.com/playlist?list=PLo25BjoudnByh9PGT8JqqFtwf2M5w8CxU)

## Inglês

- [Prof. Townsend Peterson](https://www.facebook.com/groups/ENM2020/)

- [Profa. Damaris Zurell](https://damariszurell.github.io/SDM-Intro/)

- [Prof. Babak Naimi](https://youtu.be/83dMS3bcjJM)

- [Species Distribution Modeling Remote with  Sensing (NASA)](https://appliedsciences.nasa.gov/join-mission/training/english/arset-species-distribution-modeling-remote-sensing)

- [BCCVL Training](https://app.bccvl.org.au/training)

---

# Muito obrigado!

---

class: clear, middle
background-image: url(img/gif_frog.gif), url(img/gif_frogs.gif), url(img/package_xaringan.png)
background-size: 250px, 500px, 130px
background-position: 35% 50%, 90% 55%, 5% 86%

## Maurício Vancine

Contatos:

Slides criados via pacote [xaringan](https://github.com/yihui/xaringan) e tema [Metropolis](https://github.com/pat-s/xaringan-metropolis). Animação dos sapos por [@probzz](https://twitter.com/probzz/status/1367613720294170627).