.
Cientistas do Cornell Lab of Ornithology desenvolveram uma nova maneira de modelar se as populações de mais de 500 espécies de aves estão aumentando ou diminuindo. O método resolve um incômodo problema estatístico ao contabilizar as mudanças ano a ano no comportamento das pessoas que coletam os dados. O resultado são mapas detalhados de tendências para cada espécie em um raio de 13 quilômetros – um grande impulso para os esforços locais de conservação. Os cientistas usaram uma abordagem chamada Double Machine Learning. Detalhes são publicados na revista Métodos em Ecologia e Evolução.
“Mudar o comportamento humano apresenta um problema para a análise estatística dos dados coletados por voluntários”, explicou o principal autor Daniel Fink no Cornell Lab. “Por exemplo, uma espécie em particular está realmente em declínio em uma região – ou simplesmente há menos pessoas fazendo observações no habitat preferido da ave em comparação com os anos anteriores?”
O comportamento de observação de pássaros pode mudar quando as pessoas adotam novas ferramentas, melhoram na identificação de pássaros ou observam pássaros em novas áreas. As mudanças no comportamento humano tornam-se o que se chama de fator “confundidor”. Um fator de confusão tem impacto sobre a questão principal que está sendo estudada e pode distorcer a realidade. Nesse caso, as mudanças nas abundâncias registradas de aves podem ser reais ou podem ser artefatos que aparecem devido a mudanças no processo de observação ao longo do tempo.
O Double Machine Learning é aplicado aos dados de observação de pássaros coletados pelo programa global eBird do Cornell Lab e depois visualizados com mapas detalhados. Com o Double Machine Learning, dois tipos de padrões são “aprendidos” e depois identificados nos dados. Um padrão é a variação nas contagens relatadas de pássaros. O segundo padrão reflete a variação no comportamento dos observadores de pássaros. O efeito do padrão de comportamento é então removido, deixando apenas a variação nas abundâncias reais registradas de pássaros.
“Agora, temos uma maneira de analisar esses dados que produzem estimativas robustas de mudança populacional, mesmo para espécies e/ou regiões sem programas de monitoramento rigorosos”, disse Fink. “A capacidade de estimar tendências, levando em consideração os fatores de confusão inerentes aos dados da ciência cidadã, tem o potencial de preencher importantes lacunas de informação.”
.
