Censimenti faunistici

CENSIMENTI FAUNISTICI (3 )

CFU

Giacomo Assandri: ornitologo lavora al museo di scienze naturali a Torino

Programma corso:

-parte teoria: didattica online (fino al 23.03)

-parte pratica: escursione di censimenti in zona protetta vercellese (13 Maggio) poi lezione in laboratorio informatico

(15 maggio)

Materiale del corso:

-diapositive

-libri in pdf

Esame

-orale

-inizia con esposizione di un argomento a scelta (5 minuti)

-altri contenuti del corso

INTRODUZIONE:

Censimenti faunistici: quantificare, contare specie o popolazioni di una specie: servono perché gli animali sono

bioindicatori (indicatori ambientali): usati per misurare stato di salute e conservazione di un ambiente. Tramite i

censimenti posso avere informazioni quantitative (densità abbondanza), ma anche sull’ecologia di una specie.

Conservare gli animali perché: servizi ecosistemici (cibo, purificazione acqua, stoccaccio carbonio, impollinazione ecc).

Prima di cominciare un censimento:

-bisogna avere chiaro l’obbiettivo.

-conoscere la specie o le specie (ecologia, etologia)

-chiedere eventuali permessi per accedere alle zone di studio, per cattura, manipolazione

Censimento (conteggio, census): valutazione di numero di animali presenti all’interno di un area di studio (study

area) prefissata e di conseguenza la loro densità; può dirsi assoluto (valore è prossimo a quello reale) o relativo

(indice o stima proporzionale al valore reale).

Es. censimento assoluto (ISTAT): della popolazione e delle abitazioni è un contesso assoluto ed esaustivo degli H.

Sapiens presenti in Italia, ci sono poche tecniche di censimento che permettono di ottenere valori assoluti (cioè contare

effettivamente tutti gli animali presenti in un’area o in un plot).

Il censimento può essere

-esaustivo: intera area di indagine -> aggregate

-campionario (sampling): interessa singole porzioni dell’area di indagine (plot o sample) -> regolare, casuale

Dipende dalla distribuzione (distribution) della specie di interesse nell’area di studio

La distribuzione può essere:

-casuale (random): rare in quanto le risorse da cui gli animali dipendono sono raramente distribuite in modo casuale

e perché vorrebbe dire che gli animali non hanno interazioni (es. competizione, predazione). Schema non fisso, rara

perché di solito le risorse come il ciò non sono mai casuali ma distribuite secondo delle regole e degli schemi; inoltre

questa distribuzione prevede che gli animali non interagiscono tra loro

-regolare (regular): tipiche di animali territoriali in condizioni ambientali omogenee; ad esempio un bosco o foresta

con caratteristiche simili gli animali si distribuiscono in modo regolare soprattutto se sono territoriali, individuo difende

il suo territorio e la dimensione dell’area è sempre simile.

-aggregata (aggregated): tipiche di animali coloniali o che tengono a concentrarsi in funzione delle risorse che a loro

volta sono distribuite in modo aggregato. Animali che si ritrovano e si riproducono in una zona definita a ristretta es.

sterne: lungo il fiume Po. Sono determinate non solo dalla colonialista, ma anche dal fatto che le risorse sono spesso in

modo aggregato

Campionari: distribuzione regolare o casuale

Esaustivi: per animali aggregati

Tutto dipende dalla scala a cui si lavora

Es. sparviere: rapace, regolarmente distribuito in Italia e Piemonte -> scala di 40 km lineare, la specie si distribuisce in

modo aggregato perché lo sparviere è forestale quindi tende ad essere più aggregato nelle aree con presenza di

foreste; nelle zona con pianura è difficile trovarlo nidificante. Se ingrandisco e faccio un zoom a 4km, scopro che dove

la risorsa diventa omogena (foresta), tendenzialmente gli individui o le coppie sono tutte distribuite in maniera

regolare perché sparviere è territoriale quindi si isola in tanti piccoli territori che hanno più o meno le stesse dimensioni

e le stesse risorse.

CENSIMENTI CAMPIONARI:

Sampling frame: è l’insieme in cui si scelgono le unità di campionamento. Linea verde: perimetro di un ipotetica area

di studio come un parco naturale, il sampling frame è rappresentato dalle cellette gialle; è l’insieme all’interno del

quale si defginiscono le unità di campionamento che possono avere forma e dimensuione diversa ma devono essere

scelte all’interno di un insieme che è il sampling frame

Sample units (unità di campionamento): unità all’interno del sampling frame in cui viene effettuato il

campionamento; sono le unità di campionamento che sono rappresentate dal giallo più scuro e sono le unità in cui

viene effettuato il campionamento.

SCELTA DELLE UNITA’ DI CAMPIONAMENTO: tema fondamentale per ogni tipo di studio

1.Rappresentatività: le unità di campionamento devono essere scelte in modo da rappresentare adeguatamente

l’area di studio -> nel disegno, l’esempio è uno studio in Trentino riguardante le comunità di uccelli nelle aree vitate

(vigneti) del trentino.

2.Adeguatezza del campione: è necessario arrivare a un compromesso tra la fattibilità di uno studio (tempo,

economia) e la raggiungibilità di unità e la rappresentatività statistica del campione (10 campioni per ogni variabile

indipendente) -> compromesso tra la possibilità di effettuare censimento (tempo, raggiungibilità delle unità di

campionamento), anche la possibilità di avere un numero adeguato di unità di campionamento in modo di poter aver

abbastanza dati. Ogni variabile che introduciamo es. voglio sapere come la superficie di vigneto influisce sui vigneti

devo avere almeno 20 unità di campionamento; se voglio sapere come il bosco influisce sulla popolazione di uccelli

devo inserire la variante bosco e altre 10 unità di campionamento

3.Indipendenza: alcune tecniche di analisi assumono che le unità di campionamento siano indipendenti tra loro

Esempi di Non indipendenza:

-sovrapposizione del campionamento: doppi conteggi -> percorsi (transetti lineari), lungo i quali conto gli uccelli, ma se

ho sovrapposizione tra transetti posso contare soggetti più volte

-vicinanza eccessiva: la distanza minima tra le unità di campionamento è inferiore al territorio medio di una specie e

ciò determina la possibilità di effettuare doppi conteggi -> se invece due transetti sono troppo vicine c’è il rischio che la

presenza di un soggetto, esempio il suo territorio viene contato due volte quindi anche qui conteggio doppio

3 modi per scegliere unità di campionamento:

1.Campionamento random: ogni unità di campionamento deve avere la stessa probabilità di cadere in un punto

qualsiasi del sampling frame; nessuna conoscenza pregressa deve essere utilizzata. Per sceglierle usare ad esempio

estrazioni casuali.

Attribuire ad ognuna un numero e poi effettuare estrazione casuale dei numeri



2.Campionamenti stratificati: quando l’area di studio non è omogenea per un qualsiasi attributo, e si è certi o si

sospetta che la densità della specie di interesse sia diversa a seconda degli attributi è utile operare per un censimento

campionario stratificato. La scelta delle unità di campionamento all’interno degli strati è consigliabile che avvenga in

maniera randomica. Ciò permette di migliorare le stime di abbondanza/densità a parità di sforzo di campionamento

Immagine: ci sono 2 strati (1 e 2), se ho motivo di pensare che in uno di questi strati (es. bosco e prato); se penso he

animali possono essere più densi in un area o nell’altra allora posso usare campionario stratificato. La scelta delle unità

all’interno degli strati avviene random, ma posso mettere più unita all’interno dello strato che sappiamo essere più

popolato in questo modo posso migliorare stime di abbondanza. Stratificate ho più dati

3.Campionamenti regolari o sistematici: A partire da un punto di partenza random, le unità di campionamento

sono disposte secondo un pattern regolare all’interno del sampling frame.

Scarsamente utilizzato, si definisce nel sampling frame una unità iniziale random (rosso), e poi da questa unità iniziale

inizia uno schema regolare e via via si scelgono tutti i quadratini che toccano il quadratino rosso, altra tecnica usata

per definire unità di campionamento.

ERRORI DI CENSIMENTO:

Immagina di effettuare un censimento e voglio censire degli uccelli che so essere 9 (lo vedo dall’alto con una

telecamera), ma se faccio un censimento per capire numero individui io inizialmente il numero non lo conosco.

Effettuo censimento con binocolo ed osservo 7 individui, quindi ne consegue che l’errore è di 2 uccelli

Valore reale ,sconosciuto: 9 uccelli Stima: 7 uccelli Errore: 2 uccelli

Misurare l’errore è fondamentale per comprendere quanto una stima è buona; ci sono 2 fonti di errore:

-variazione normale: precisione della misura

-bias: accuratezza della misura (baias)

Precisione ed accuratezza non sono sinonimi in ambito scientifico.

PRECISIONE: quante misure ripetute sono simili l’una all’altra

Immagino di effettuare censimento in un area di 1 km, all’interno ci sono 70 uccelli (valore reale), ma noi inizialmente

non lo conosciamo. Immaginiamo di saperlo, ipotizzo di adottare un metodo di censimento infallibile per cui un uccello

è presente in un’unità di censimento lo vedo senza dubbio. Come unità di campionamento uso un quadratino di 100 m

per lato ed effettuo un sample e poi moltiplico il risultato per la superficie complessiva ottengo un valore

1° Sample: 1 uccello -> 70

2° sample: 2 uccelli -> 83

Ecc.

Con 10 campioni ottengo un grafico con le dimensioni ottengo una distribuzione attorno al valore di interesse, se lo

ripeto 100 volte, attorno al valore reale ho più risultati vicino al valore reale. Se vado nelle code della distribuzione ho

una bassa probabilità che queste osservazioni si verifichino, questa distribuzione viene detta curva normale o

Gaussiana

1 singolo campione non è una stima verosimile del valore reale, man mano che aggiungo campioni la loro media sarà

più prossima al valore reale e quindi più precisa; la precisione una misura della variazione normale (è una misura della

forma di questa campana), cioè di quanto i conteggi deviano rispetto al valore reale. Può dipendere da

-errori di misurazione: es. 3 biologi misurano 10 volte ciascuno con lo stesso righello non si otterranno 30 risultati

uguali

-proprietà della popolazione studiata (se non dipende da errore di misurazione9: dipende dal fatto che gli uccelli non

sono distribuiti in modo omogeneo nell’area e abbiamo scelto un’unità di campionamento troppo piccola.

Piccola, random -> ottengo valori che non sono mai uguali a quello effettivo nell’area di studio

Quindi: 1 solo campione / osservazione / conteggio non può essere rappresentativo né preciso. La scienza

si basa su repliche (spaziali o temporali)

Posto di avere più di una osservazione (ho più campioni), la precisione può essere misurata tramite la Media

campionaria (media dei valori osservati / totale delle osservazioni)

Deviazione standard, errore standard: mi dicono quanto i valori raccolti si disperdono intorno alla media

-Deviazione standard: ad ogni osservazione sottraggo il valore medio elevato tutto al quadrato e divido per le

osservazioni totali

-Errore standard: deviazione standard diviso il numero di osservazioni totali

curva normale (o gaussiana di distribuzione)

La probabilità che il valore medio reale cada in un intervallo definito dalla media campionaria ± errore

standard è sempre 68%. Generalmente i risultati si indicano come: media campionaria ± 1.96 * errore standard (95%

di probabilità che il valore reale cada in questo intervallo) -> intervalli di confidenza della media.

Più piccoli sono deviazione ed errore standard (più campioni si hanno), più la stima è precisa. Per ridurre la dimensione

di deviazione ed errore è necessario avere tanti campioni.

Se due medie relative a due campioni diversi hanno intervalli di confidenza che non si sovrappongono (a) possiamo

dire (con una probabilità del 95%) che esse sono diverse. Viceversa non è possibile (b).

Es (a): lunghezza ala allodole e pettirossi, hanno aree di confidenza che non si sovrappongono; valore medio è il punto

al centro e le barrette sono gli intervalli di confidenza -> no sovrapposizione quindi le due popolazioni hanno

dimensione dell’ala diversa

Es. (b): c’è sovrapposizione, non si può dire che le due medie siano significativamente diverse

Nell’esempio di prima abbiamo ipotizzato di adottare un metodo di censimento infallibile (unbiased), la realtà quasi

sempre è molto più crudele; non sempre è possibile effettuare censimenti infallibili

Esempio:

a)ornitologo circondato da 7 allodole, 4 cantano e volano (lui ne vede 4), ma non sa che a terra ci sono altri 3 individui

-> censimento con un errore

b)ornitologo circondato da 7 allodole, 1 canta e le altre sono a terra quindi lui ne conta a.

Nei due esempi ottengo un risultato biased (Non accurato)

[allodola uccello che sta a terra e vola sono quando canta]

ACCURATEZZA: L’accuratezza è una misura di quanto la stima (es. la media campionaria) è vicina alla vera

media. Risultati inaccurati si dicono biased.

Immagine: esempio che fa vedere come precisione ed accuratezza sono diverse e possono essere opposte

a)freccia più lunga indica valore reale (es. 70 allodole), triangolino nero mi dice valore medio della stima, le barre

laterali sono le singole misurazioni –> la nostra stima è precisa (dispersione attorno alla media è ridotta) ed è anche

accurata perché triangolino coincide con triangolino grande

c)la dispersione attorno alla media è ampia, il risultato è impreciso ma accurato (media vicina al valore reale)

b)censimento preciso (distribuzione attorno al valore medio è ridotta), ma non è accurato perchè molta distanza tra

valore reale e quello stimato

d)risultato impreciso (distribuzione grande attorno al valore medio) e non accurato (distante da valore reale)

BIAS: generalmente sempre in una stessa direzione (costantemente maggiori o minori del valore reale); perché di

solito si fa sempre lo stesso errore; il bias non si può ridurre campionando di più (come l’imprecisione), ma solo

migliorando il metodo di campionamento. Devo capire cosa mi fa fare una stima errata e poi correggerli.

Bias sono sostanzialmente inevitabili in qualsiasi censimento ed è quasi sempre impossibile quantificarli o capire in che

direzione tendono (ci fanno sovrastimare o sottostimare).

Esperienza e la letteratura suggeriscono quali sono le più comuni fonti di bias

Questo corso è sostanzialmente un corso che insegna come aumentare l’accuratezza dei censimenti faunistici e ridurre

i bias

Fonti di Bias:

-Rilevatore: capacità, motivazione, necessità di training, protocollo ben definito

-Strumentazione (binocolo, cannocchiale, telemetro, maglia di una rete/trappola)

-Tempo, velocità, sforzo impiegati nel censimento

-Habitat: in habitat diversi la probabilità di campionare una specie può variare molto, anche a parità di abbondanza.

Es. bosco vs prateria: bosco meno probabilità di osservare animali che hanno stessa densità in una prateria (leggere

didascalia immagine)

-Specie: specie diverse sono più o meno accuratamente censibili con uno stesso metodo. Bisogna tenerne conto

soprattutto negli studi di comunità. Specie possono essere piu visibili rispetto ad altre

-Densità: ad alte densità può essere difficile effettuare censimenti accurati. A basse densità si possono rischiare

sottostime basate sull’inadeguatezza dello sforzo . con elevate densità è difficile fare stima difficile, a bassa densità

può essere difficile proprio vederle

-Attività: una specie può essere più o meno facilmente censibile a seconda dell’attività che svolge in un periodo

dell’anno o del giorno. Devo pensare alla stagione e al momento del giorno

-Meteo Necessario: individuare delle giornate meteorologicamente non estreme, perché queste influiscono sia sugli

animali, sia sulle nostre capacità di rilevarli. Devono esserci condizioni metereologiche adatte perche influiscono con

attività degli animali ma anche dell’operatore stesso

MONITORAGGIO

Monitoraggio (surveillance/monitoring): controllo dell’andamento (trend) di un fenomeno.

Es. andamento numerico di una popolazione animale nel tempo, abbondanza di una specie negli anni, ricchezza

specifica in una località nei diversi mesi, evoluzione dell’areale di una specie negli anni.

Monitoraggi Diretti prevedono il contatto dell’operatore (visivo o acustico) con l’animale.

-passivi: contatti tra operatore e animale sono minimi (es. osservazione con il binocolo, rilevamento del canto di un

uccello)

-attivi: se i contatti sono cospicui (es. uso di trappole, uso di richiami registrati).

Monitoraggi Indiretti prevedono il rilevamento di segni di presenza dell’animale

-passivi: se la produzione dei segni di presenza non è indotta (es. ricerca tracce sulla neve, ricerca fatte).

-attivi se la produzione di segni di presenza è indotta (hair tubes: trappole per il pelo che si usano su alcuni mammiferi)

Esempio di monitoraggio indiretto passivo: (foto neve): ci sono impronte di un uccello sulla neve, ci sono anche le due

zampe e i caratteristici segni lasciati dalle ali di questo animale quando si invola. L’uccello è un gallo cedrone

MONITORAGGI DI POPOLAZIONE A LUNGO TERMINE (LONG-TERM MONITORING): Si fondano sull’applicazione

di un protocollo basato su conteggi assoluti (o stime) ripetuti a intervalli regolari nel tempo, per un periodo più o meno

l