Projeto de pesquisa

A amostragem aqui proposta baseia-se na obtenção de imagens digitais de alta resolução. Em cada sítio serão alocados pelo menos 10 quadrados aleatórios (amostras) formados por mosaicos de 15 fotos (cf. Francini-Filho et al. 2008). A cobertura relativa de corais e outros organismos bentônicos será estimada através da sobreposição de 20 pontos aleatórios por foto (i.e. 300 pontos por amostra; cf. Francini-Filho et al. 2008) utilizando-se o programa Coral Point Count with Excel Extentions (CPCE) (Kohler & Gill 2006). Além disso, serão identificadas todas as colônias de corais dentro de cada quadrado, para as quais serão obtidas as estimativas seguintes: 1) área superficial da colônia, 2) área superficial afetada por doença / branqueamento / mortalidade recente (i.e. esqueleto exposto) e mortalidade antiga (i.e. recobrimento por outros organismos, como algas e esponjas), 4) perímetro total e 5) perímetro relativo do coral em contato com diferentes organismos bentônicos (e.g. macroalgas). Estas últimas estimativas serão obtidas utilizando-se o programa ImageJ (National Institute of Health, USA).
Serão obtidos dados de sensoriamento remoto para a plataforma continental brasileira e ilhas oceânicas sobre concentração de carbono orgânico dissolvido (COD), carbono orgânico particulado (COP), clorofila a (CHL), matéria orgânica dissolvida (MOD), intensidade de radiação fotossiteticamente ativa (400-700 nm, PAR; Gove et al. 2003), temperatura superficial da água mar no período noturno (NSST) e o coeficiente de atenuação por difusão a 490 nm (Kd490, uma medida do nível de turbidez) serão obtidos com resolução de 4 km2 a partir do Moderate Resolution Imaging Spectroradiometer (MODIS) (disponível em http://oceandata.sci.gsfc.nasa.gov/). A alta refletância de recifes rasos ( 3 m (cf. Richards et al. 2015). Temperaturas superficiais da água mar no período noturno serão utilizadas ao invés de estimativas diurnas para evitar variações relacionadas com a cobertura de nuvens (cf. Francini-Filho et al. 2010). Anomalias térmicas (TSA), definidas como temperaturas médias semanais 1°C acima da semana mais quente considerando os últimos 21 anos, serão obtidos do Coral Reef Temperature Anomaly Database (CoRTAD) (Selig et al. 2010; disponível em: https://climatedataguide.ucar.edu/climate-data/cortad-coral-reef-temperature-anomaly-database-sst). A TSA é uma métrica amplamente utilizada para previsão de branqueamento em corais (Selig et al. 2010).
Modelos do tipo Boosted Regression Trees (BRT) para explicar a abundância e saúde de corais (proporção de tecido branqueado/doente e rendimento fotossintético) serão construídos seguindo os procedimentos de Elith et al. (2008). Modelos BRT baseiam-se na combinação de um grande número de árvores de regressão simples com a técnica de boosting para aumento da acurácia do modelo. Em cada passo, uma nova árvore de regressão é ajustada aos resíduos da árvore precedente. O processo é estocástico, uma vez que apenas uma sub-amostra obtida ao acaso do conjunto original de dados é utilizada. Os principais atributos de modelos BRT são: proporção de dados utilizados para produção de cada árvore individual (bag-fraction; e.g. bag-fraction = 0,5 significa que 50% dos dados serão selecionados ao acaso para produção de uma árvore), taxa de aprendizado (learning rate, contribuição relativa de cada árvore para explicação geral do modelo) e complexidade da árvore (tree complexity; i.e. número de nós ou splits em casa árvore). Os parâmetros ótimos (valores de bag-fraction, learning rate e tree complexity) para cada modelo serão obtidos seguindo os procedimentos de Elith et al. (2008) com seleção dos melhores modelos com base na correlação entre dados reais e dados gerados pelas previsões dos modelos (cross-validation). Variáveis independentes que contribuam pouco para explicação do modelo serão excluídas utilizando um processo de eliminação recursiva de variáveis (Elith et al. 2008, Williams et al. 2010). Os modelos serão construídos utilizando-se os pacotes gbm (versão 1.5-7) e gbm.step no programa livre R (versão 3.0.1; R Core Development Team 2014; disponível em http://www.R-project.org). Na Tabela 1, são apresentadas as variáveis explicativas que serão utilizadas nos modelos BRT.