M. GIRARDELLO, M. PEGORER

    0
    81

    Predire la distribuzione delle specie elusive in Vento: un approccio con la tecnica delle foreste casuali

    Key words: Random Forests, Common dormouse, Veneto, predictive modelling

     

    Riassunto

    Lo studio della distribuzione delle specie elusive pone non pochi problemi metodologici e, molto spesso, le risorse limitate ne impediscono il monitoraggio su vasta scala. Per ovviare a questo problema, l’uso di modelli predittivi è diventato molto popolare, in ecologia, nell’ultimo decennio. Oltre ad ottenere una conoscenza più puntuale sulla distribuzione di una specie, i modelli predittivi permettono di pianificare gli sforzi di monitoraggio in determinate aree. In particolare, il recente sviluppo delle tecniche di data mining ha messo a disposizione degli ecologi dei metodi molto potenti con capacità predittive superiori alle tradizionali tecniche di regressione. Uno dei metodi più promettenti in questo campo è quello delle Foreste Casuali (Random Forests): una tecnica che combina quella degli gli alberi di classificazione con metodi di simulazione del tipo Monte Carlo. La presente ricerca vuole mostrare un’applicazione del metodo delle Foreste Casuali al Moscardino (Muscardinus avellanarius), una specie ad abitudini notturne e particolarmente difficile da monitorare. Il modello è stato realizzato utilizzando dati di distribuzione della specie provenienti dall’Atlante dei mammiferi del Veneto, in combinazione con dati topografici e di uso del suolo. I risultati sono stati utilizzati per creare una carta delle probabilità di distribuzione della specie in Veneto ed  hanno permesso di evidenziare l’importanza di alcune variabili ecologiche. Questo studio dimostra l’utilità dei metodi di data mining nel predire la distribuzione delle specie elusive e in particolare le potenzialità che tali metodi possono avere nel campo dell’ecologia predittiva e della biologia della conservazione.

    Abstract Modelling the distribution of elusive species in Veneto: an approach using Random Forests.

    The monitoring of elusive species poses a series of challenging problems to the study of wildlife distribution. The limited resources available for monitoring species’distribution thus require the use of other tools such as predictive modelling. Predictive models have become very popular in ecology during the last decade and have helped researchers and wildlife managers to improve their knowledge of species’distribution and concentrate monitoring efforts in specific areas. In particular, the recent development of data mining techniques has provided researchers with a set of powerful methods capable of outperforming traditional modelling techniques based on regression. One the most promising methods in this field is the Random Forests, a technique which combines classification trees together with Monte Carlo simulation methods. This study shows an application of Random Forests to an elusive and nocturnal species, the Common dormouse (Muscardinus avellanarius).  The model was constructed using species occurrence data from the Atlas of Mammals of the Veneto Region in combination with land cover and topographic data. The model was used to create a distribution map and to assess the importance of each of the environmental variables in determining the distribution of the species. The results highlight the potential of methods like Random Forests in mapping the distribution of elusive species and in particular their utility in biodiversity research and conservation planning.