Uso de drones para estimativas de abundância: como lidar com os erros de detecção

Abstract

Abundância é uma das medidas centrais da ecologia, sendo empregada tanto para investigar questões ecológicas básicas quanto para avaliação questões de conservação e manejo. Porém, a abundância dificilmente pode ser acessada de maneira direta; diversas fontes de erro de detecção (ou medição) podem produzir vieses nas estimativas de abundância. Ao longo da história, diferentes técnicas de coleta e métodos de estimativa vêm sendo aplicados com objetivo de obter estimativas mais acuradas e precisas. Recentemente, os drones – ou veículos aéreos não tripulados – têm surgido como uma alternativa nos levantamentos aéreos de populações animais e vêm sendo aplicados em estudos de várias espécies. Entretanto, para a consolidação dessa nova ferramenta em estudos ecológicos, ainda são necessárias avaliações sobre a acurácia e precisão de suas estimativas. Nesta dissertação, verificamos as fontes de erro que podem produzir vieses nas estimativas de abundância em amostragens com drones e propomos uma abordagem que visa acomodar os principais erros de detecção. No primeiro capítulo, comparando estimativas com o tamanho populacional real conhecido, demonstramos que caso as fontes de erro sejam ignoradas, ou se não corrigidas adequadamente, as estimativas de abundância resultam fortemente enviesadas. No segundo capítulo, em um estudo simulado, propomos uma abordagem de modelagem hierárquica para acomodar os erros falsos negativos em levantamentos aéreos espacial e temporalmente replicados com drones, com revisão das imagens por múltiplos observadores. Assim, este estudo traz contribuições para o desenvolvimento de abordagens robustas que permitirão o uso dos drones para investigar questões ecológicas, monitorar populações em longo prazo, entre outras das aplicações das informações de abundância.

Abundance is one of the central measures of ecology and it has been used to investigate from basic ecological questions to conservation and management issues. However, abundance can rarely be directly accessed; there are sources of measurement errors that could produce biases in abundance estimates. Historically, different sampling techniques and estimation methods have been applied in order to get more accurate and precise abundance estimates. Recently, drones – or unmanned aerial systems (UAS) – emerged as an alternative in aerial surveys of animal populations and they have been used to study several species. However, accuracy and precision evaluations are still needed for the consolidation of this new ecological tool. In this dissertation, we assessed the sources of error that could produce biases in abundance estimates in drone surveys and we propose an approach to accommodate the main measurement errors. In the first chapter, we compared estimates with a population of known size and we demonstrated that if sources of error are ignored, or they are not adequately corrected, abundance estimates results can be strongly biased. In the second chapter, in a simulation study, we propose a hierarchical modeling approach to accommodate false negative errors in spatially replicated drone surveys, and image reviews by multiple observers. Then, this study brings contributions to the development of robust approaches that will allow the utilization of drones to investigate ecological questions, long-term population monitoring, among many other applications of abundance data.