Using satellite imagery to identify foraging habitats for shorebirds and model their distribution in the mudflats of the Bijagós archipelago, Guinea-Bissau
| Autor(a) principal: | |
|---|---|
| Data de Publicação: | 2019 |
| Tipo de documento: | Dissertação |
| Idioma: | eng |
| Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
| Texto Completo: | http://hdl.handle.net/10451/40196 |
Resumo: | Tese de mestrado, Biologia da Conservação, Universidade de Lisboa, Faculdade de Ciências, 2019 |
| id |
RCAP_8024b7f07dc1e90cf78c2539895ed218 |
|---|---|
| oai_identifier_str |
oai:repositorio.ul.pt:10451/40196 |
| network_acronym_str |
RCAP |
| network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
| repository_id_str |
7160 |
| spelling |
Using satellite imagery to identify foraging habitats for shorebirds and model their distribution in the mudflats of the Bijagós archipelago, Guinea-BissauÁreas intertidaisAves costeirasModelos preditivosDeteção RemotaSentinel-2ATeses de mestrado - 2019Domínio/Área Científica::Ciências Naturais::Ciências BiológicasTese de mestrado, Biologia da Conservação, Universidade de Lisboa, Faculdade de Ciências, 2019As áreas intertidais situam-se na interface entre os ambientes marinhos e terrestres. Estas são áreas que estão expostas ao ar durante o período de baixa-mar e submersas pela água do mar durante o período de preia-mar. Como tal, estas áreas estão sujeitas a flutuações ambientais extremas e os organismos que aí habitam têm de ser capazes de tolerar estas variações (a salinidade elevada, o tempo de exposição ao ar e o de imersão no mar, por exemplo). Como as tolerâncias dos diferentes organismos são distintas, forma-se um gradiente vertical (desde a linha de água até às áreas superiores da costa), dividido em secções, nas quais os organismos se distribuem – processo chamado de zonação. Existem também outros gradientes, como o do tamanho médio do grão de sedimento, que leva a uma enorme diversidade de habitats: desde as amplas planícies estuarinas de grão fino até às costas rochosas de grão mais grosso. Os estuários e outras áreas intertidais encontram-se entre os ecossistemas mais produtivos do globo. Devido a esta enorme produtividade, estas áreas podem albergar grandes populações de vertebrados, como peixes e aves costeiras. As aves costeiras pertencem a um grupo vasto, composto principalmente por aves de pequeno e médio porte, e ocorrem sobretudo em zonas costeiras e zonas húmidas. Estas aves têm um caracter altamente migratório e todos os anos migram de zonas de elevada latitude, onde se encontram as suas principais áreas de reprodução, e dispersam para zonas mais a sul, para as suas áreas de invernada. Para tal, usam rotas migratórias que interligam diversas áreas chave do Planeta onde vão parando, até atingirem o seu destino final, as áreas de invernada. Aí alimentam-se essencialmente de invertebrados bentónicos, como poliquetas, crustáceos e bivalves, a fim de atingirem os seus requerimentos energéticos para migrarem de volta para as áreas de reprodução. No entanto, as populações de aves costeiras estão em declínio acentuado, e esta observação já foi feita em diversas partes do Planeta. As principais causas deste decréscimo estão relacionadas com o aumento da pressão das atividades humanas em áreas intertidais (estuários e zonas costeiras, por exemplo). Um dos exemplos é maior taxa de ocupação destas áreas devido ao crescimento da população humana. Também a subida média do nível da água do mar já tem sido relatada como uma ameaça crescente, pois leva à perda de áreas intertidais e, consequentemente, afeta as populações de aves. A rota migratória do Atlântico Este é percorrida por milhões de aves costeiras, anualmente. Esta rota liga as zonas de reprodução do Ártico (desde o Canadá até à Sibéria) à Costa Oeste de África. O arquipélago dos Bijagós localiza-se nesta região africana e faz parte da Guiné-Bissau (11º52’ N, 15º 36’ W), sendo um dos locais de invernada mais importantes para estas aves. Todos os anos alberga cerca de 700000 a 900000 aves costeiras e foi classificado como Reserva da Biosfera pela UNESCO (2011) e como sítio Ramsar pela Convenção Ramsar (2014). Neste arquipélago existe uma espécie de caranguejo-violinista Afruca tangeri que se encontra distribuído por todo o arquipélago. Estes caranguejos são considerados engenheiros de ecossistemas, uma vez que alteram as características do sedimento, afetando também os padrões de biodiversidade que aí ocorrem. No entanto, este arquipélago dos Bijagós é dos menos estudados em África. Torna-se, portanto, imperativo aumentar o conhecimento existente sobre este local extremamente importante para a biodiversidade e sobretudo para as aves costeiras que, apesar de muito ameaçadas, encontram aqui uma área de extrema importância. Torna-se importante também perceber quais os fatores que afetam a sua distribuição nas zonas de invernada. Este estudo tem como objetivos principais (1) mapear a variabilidade de sedimentos existentes nas planícies intertidais do arquipélago dos Bijagós, usando técnicas de sensoriamento remoto aplicado a imagens de satélite de alta resolução, e (2) perceber quais os fatores ambientais que influenciam a distribuição de aves costeiras em alimentação no ecossistema intertidal dos Bijagós, através de um exercício de modelação espacial. Pretende-se construir mapas preditivos da ocorrência de várias espécies de aves costeiras nesta área de importância global. Este estudo encontra-se dividido em dois capítulos, que se encontram sumariamente abaixo descritos. No primeiro capítulo é apresentado um exercício de classificação e mapeamento da variabilidade dos sedimentos da área intertidal, no arquipélago dos Bijagós. Este estudo foi realizado numa ampla planície intertidal (com uma área de cerca de 1000 ha), localizada na parte sul do Parque Nacional de Orango. Para tal, obteve-se uma imagem detetada pelo sensor do satélite do Sentinel-2 MSI (Multi-spectral Instrument), lançado pela Agência Espacial Europeia. No campo, foram amostradas 228 unidades de área homogénea em termos de composição do sedimento, a fim de serem usadas como áreas de treino e de validação para implementar uma classificação supervisionada. Em cada área foi estimada visualmente a sua dimensão, a percentagem de cobertura de água, de macroalgas, de conchas e de áreas ocupadas pelos caranguejos-violinistas (Afruca tangeri). Também foi tirada uma amostra de sedimento em cada área, para mais tarde determinar o conteúdo de partículas finas (partículas< 0.63μm) e o conteúdo de matéria orgânica do sedimento. Após recolhidas todas as amostras, foram estabelecidas quatro classes de habitat, com base em duas das variáveis recolhidas – a percentagem do sedimento coberta por áreas de caranguejo-violinista e a percentagem de partículas finas do sedimento. As classes de habitat definidas foram: Sand-FBA (áreas com: percentagem de partículas finas < 10% e cobertura de área ocupada por caranguejo > 30%); Sand (áreas com: percentagem de partículas finas < 10% e cobertura de área ocupada por caranguejo < 30%); Muddy (áreas com: percentagem de partículas finas >10% e cobertura de área ocupada por caranguejo < 30%) e Muddy-FBA (áreas com: percentagem de partículas finas > 10% e cobertura de área ocupada por caranguejo < 30%). Após definidas as classes realizou-se uma classificação supervisionada, utilizando o algoritmo Random Forest. A imagem a ser classificada foi composta por várias camadas: dez bandas espectrais, um modelo de inundação (gerado também com base numa série de imagens de satélite), uma camada contendo os valores de NDWI (Normalized Difference Water Index) para cada pixel e as cinco componentes principais resultantes de uma análise de componentes principais. As eficácias de classificação foram elevadas, variando desde 0.89 (Muddy) até 0.99 (Muddy-FBA). Além da classificação, foi também efetuada uma comparação entre dois métodos classificativos: um em que cada tipo de habitat foi classificado em etapas diferentes, dependente das diferenças da assinatura espetral de cada habitat (método 1), ou seja, habitats com espetros distintos vão sendo sucessivamente separados da restante área, até toda a área intertidal se encontrar classificada; e outro em que a classificação foi feita numa só etapa, ou seja, com todas as classes de habitat (método 2). As eficácias de classificação aplicando ambos os métodos foram semelhantes, contudo foram ligeiramente mais elevadas aquando da aplicação do método 1. Também foram comparadas as eficácias de classificação entre duas imagens detetadas remotamente com um mês de diferença. As principais conclusões foram que (1) aplicando o método descrito, áreas intertidais semelhantes a esta podem ser classificadas com elevada eficácia; (2) áreas de caranguejos-violinistas podem ser distinguidas claramente de outras áreas e (3) este método pode ser replicado através da extração da assinatura espetral de cada tipo de habitat. No segundo capítulo, o objetivo foi perceber quais as variáveis ambientais que mais influenciam a distribuição de aves costeiras em alimentação para conseguir identificar áreas importantes para a sua conservação. A área de estudo foi a mesma que a descrita anteriormente. Definiram-se 67 áreas de contagem (na maior parte dos casos tinham uma dimensão de 250*250 metros), onde foram contadas aves em alimentação. Cada área foi contada duas vezes. Estas áreas foram caracterizadas em termos de diferentes habitats utilizando o mesmo conjunto de variáveis descritos acima e também foi recolhida a penetrabilidade de cada tipo de habitat. Determinaram-se, através de programas de sistemas de informação geográfica, as distâncias desde o centroide de cada área até ao limite da área de mangal, ao limite de bancos de areia e até ao canal mais próximo. Em seguida aplicaram-se modelos de distribuição de espécies GAMs (Generalized additive models) para testar quais destas variáveis tinham mais influência e mais poder explicativo na ocorrência e na abundância de 11 e 7 espécies de aves costeiras, respectivamente. Os preditores mais selecionados pelos modelos foram o tempo de exposição dos sedimentos (i. e. o tempo em que estão fora de água), a percentagem de partículas finas, a percentagemde área ocupada por caranguejos-violinistas, a distância à mancha de mangal mais próxima e a distância ao canal de água mais próximo. No geral, o poder explicativo dos modelos (medido em percentagens) foi elevado, sendo que as abundâncias do Maçaricos-galego, Numenius phaeopus, por exemplo, foram explicadas em 60%. De seguida, estes preditores foram usados para classificar a área intertidal, através de técnicas de deteção remota, e obtiveram-se mapas preditivos relativos a toda a área de estudo. As principais conclusões foram que (1) a aplicação de GAMs permitiu predições eficazes e relações interpretáveis entre as aves e o habitat, (2) espécies diferentes têm diferentes preferências de habitat, sendo que a manutenção da diversidade encontrada nestas áreas é de extrema importância no âmbito da conservação destas espécies e (3) os mapas preditivos foram eficazes uma vez que existe elevada concordância entre as frequências de ocorrência observadas e as probabilidades de ocorrência previstas. Este estudo tem potenciais de aplicação relevantes em termos de conservação, uma vez que quer os sistemas intertidais, quer as aves costeiras encontram-se atualmente fortemente ameaçados. A ligação entre os dois capítulos é feita a partir dos mapas preditivos, pois conseguiu-se prever as probabilidades de ocorrência das espécies numa área relativamente abrangente, através da utilização de técnicas de deteção remota. No futuro, este estudo pode ser expandido para uma escala maior, para todo o arquipélago. Isto é de extrema importância uma vez que este local é um dos mais relevantes ao longo da rota migratória do Atlântico. Este e a identificação de áreas importantes para a aves costeiras pode ser crítico para a definição de ações de conservação.The intertidal zone is the area of marine sediments that is exposed to air at low tide and submersed by seawater at high tide. Intertidal areas have extreme environmental fluctuations as they are cyclically covered by the sea and exposed at the air. The interface sea-air generates a vertical gradient that shapes the distribution of intertidal organisms, from the lower to the upper shore. The biological response to that gradient is zonation, i.e., organisms are distributed through different sections, according to their ability to cope with physical factors (e.g. desiccation) and biological processes. Wave action, tide dynamics and the geological history of the shore are responsible for creating the particle-size gradient, that leads to a wide variety of intertidal areas ranging from large-particle rocky shores to fine-particle estuarine mudflats. Estuaries and other intertidal areas are among the most productive ecosystems on Earth. Due to this high productivity, they can support large populations of vertebrates, including fishes and shorebirds. Shorebirds are a large group of small to medium-sized birds that occur namely in coastal or wetland habitats during the winter, all over the globe. These species are highly migratory, as they breed in high-latitude areas and then disperse to the non-breeding areas. Every year, shorebirds migrate along flyways that encompass a network of key-sites, usually estuaries, where they rest and refuel while in migration or where they spend the winter. Here, they feed on the invertebrate prey, such as polychaetes, bivalves and crustaceans and at some stage feed intensively to put up reserves in order to migrate back to the breeding areas. However, shorebird populations are threatened at a global scale, representing a matter of international conservation concern. The main reasons are related to the loss of the intertidal areas mainly due to high pressure of human activities over estuarine areas, such as land reclamation and sediment dredging), and due to sea-level rise. These threats ultimately result in habitat degradation/loss of suitable habitat for foraging shorebirds. The East Atlantic Flyway (EAF) is one of the major flyways for shorebirds, and it used by millions of shorebirds annually. It connects the Artic breeding grounds (from Canada to Central Siberia) to the entire western coast of Africa.The Bijagós archipelago is located off the coast of Guinea-Bissau (11º52’ N, 15º 36’ W) and it comprises 88 islands and islets. It is the second most important African site along the EAF for shorebirds, just after the Banc d’Arguin, in Mauritania . Several shorebird species reach the south edge of their winter distributions here, highlighting the importance of such area. Due to its biodiversity and ecological relevance, the Bijagós archipelago was classified as a Biosphere Reserve by UNESCO (2011) and as Ramsar site under the Ramsar Convention (2014). In this archipelago there is a widespread fiddler crab species Afruca tanferi that is considered to be a ecosystem engineer as it alters the sediment characteristics, affecting the biodiversity patterns that occur there. However, this archipelago is one of the most poorly known in the African continent. Therefore, it is imperative to increase our knowledge about this really important site for the biodiversity and particularly about shorebirds that find here one of the most important non-breeding areas. In chapter 1, we used Sentinel-2 Multispectral Instrument imagery to map foraging habitats for shorebirds in an important mudflat of the Bijagós archipelago. We established and characterized 228 homogeneous training plots (total area of 132.35 ha) in ca. 1,000 ha of intertidal area, in which we characterized the percentage coverage by surface water, African Fiddler Crab Afruca tangeri burrows, macroalgae, shells, and drainage channels and measured the mud (silt + clay) fraction of the sediment. We defined four types of habitat: sand; sand-FBA (fiddler crab burrow area); muddy and muddy-FBA. We performed a step wise supervised classification (method 1), using Random Forest based on: (1) 10 spectral bands of a Sentinel-2A scene, (2) an inundation model for the area, (3) the NDWI and (4) the first five Principal Components applied to the satellite scene. The balanced accuracy of the habitat classification ranged from 0.89 (Muddy) to 0.99 (Muddy-FBA) and the model had an overall accuracy of 0.92 (kappa=0.88). We also performed a supervised classification in one only step (method 2) to compare the accuracy with the first method. Overall accuracies were slightly higher and uncertainties were lower in method 1. To assess replicability, we applied the same method to an image from a different date, and accuracies were similar. This work can be used to model shorebird occurrences in relation to high-density fiddler crab areas, as these crustaceans are known ecosystem engineers, and to monitor changes in intertidal habitats over the years. In chapter 2, we investigate the biotic and abiotic variables driving foraging shorebird distributions in the Bijagós archipelago, an important East Atlantic Flyway non-breeding area. This allowed to map important foraging areas for shorebird species on an important mudflat. To achieve this, we (1) counted shorebirds in 67 plots during low tide, (2) collected biotic and abiotic data within the counted plots, and (3) used species distribution models (GAMs) to test which variables can better explain the variations in shorebird occurrences (n=11 species) and abundances (n=7 species) throughout the sampling plots. The most significant predictors were the exposure period, mud fraction, fiddler crab burrow area, distance to mangrove patches (m) and distance to channels/creeks. GAMs offered accurate occurrence predictions and interpretable shorebird-habitat relationships. Overall explained deviances reached high values (e.g. abundances of whimbrels had 60% of its deviance explained). The best predictors for shorebird distributions were used to classify the intertidal area using remote sensing techniques (Sentinel-2A), and suggested predictions for shorebird distributions within the study area. This work can be expanded to the whole Bijagós archipelago, providing an important tool to identify priority areas and to inform conservation actions. This study is relevant as intertidal areas and shorebirds are highly threatened. The link between the two chapters are the predictive maps. We could predict areas with higher probability of occurrence for 11 shorebird species, using information that could hardly be obtained without the use of remote sensing tools. The exercise used in this thesis can be expanded to larger scales if the sampling effort is higher. We consider our work to be relevant in terms of conservation, as intertidal areas and shorebirds face several threats. Although being poorly studied, the Bijagós archipelago is one of the key non-breeding areas for shorebirds along the East Atlantic Flyway. Therefore, identifying priority areas for shorebirds in this critical site can be of major importance for the definition of conservation actions.Granadeiro, José Pedro,1964-Catry, TeresaRepositório da Universidade de LisboaBelo, João Ricardo Moreira de Freitas2019-11-19T18:03:37Z201920192019-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10451/40196TID:202374858enginfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-11-08T16:39:21Zoai:repositorio.ul.pt:10451/40196Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:53:54.545208Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
| dc.title.none.fl_str_mv |
Using satellite imagery to identify foraging habitats for shorebirds and model their distribution in the mudflats of the Bijagós archipelago, Guinea-Bissau |
| title |
Using satellite imagery to identify foraging habitats for shorebirds and model their distribution in the mudflats of the Bijagós archipelago, Guinea-Bissau |
| spellingShingle |
Using satellite imagery to identify foraging habitats for shorebirds and model their distribution in the mudflats of the Bijagós archipelago, Guinea-Bissau Belo, João Ricardo Moreira de Freitas Áreas intertidais Aves costeiras Modelos preditivos Deteção Remota Sentinel-2A Teses de mestrado - 2019 Domínio/Área Científica::Ciências Naturais::Ciências Biológicas |
| title_short |
Using satellite imagery to identify foraging habitats for shorebirds and model their distribution in the mudflats of the Bijagós archipelago, Guinea-Bissau |
| title_full |
Using satellite imagery to identify foraging habitats for shorebirds and model their distribution in the mudflats of the Bijagós archipelago, Guinea-Bissau |
| title_fullStr |
Using satellite imagery to identify foraging habitats for shorebirds and model their distribution in the mudflats of the Bijagós archipelago, Guinea-Bissau |
| title_full_unstemmed |
Using satellite imagery to identify foraging habitats for shorebirds and model their distribution in the mudflats of the Bijagós archipelago, Guinea-Bissau |
| title_sort |
Using satellite imagery to identify foraging habitats for shorebirds and model their distribution in the mudflats of the Bijagós archipelago, Guinea-Bissau |
| author |
Belo, João Ricardo Moreira de Freitas |
| author_facet |
Belo, João Ricardo Moreira de Freitas |
| author_role |
author |
| dc.contributor.none.fl_str_mv |
Granadeiro, José Pedro,1964- Catry, Teresa Repositório da Universidade de Lisboa |
| dc.contributor.author.fl_str_mv |
Belo, João Ricardo Moreira de Freitas |
| dc.subject.por.fl_str_mv |
Áreas intertidais Aves costeiras Modelos preditivos Deteção Remota Sentinel-2A Teses de mestrado - 2019 Domínio/Área Científica::Ciências Naturais::Ciências Biológicas |
| topic |
Áreas intertidais Aves costeiras Modelos preditivos Deteção Remota Sentinel-2A Teses de mestrado - 2019 Domínio/Área Científica::Ciências Naturais::Ciências Biológicas |
| description |
Tese de mestrado, Biologia da Conservação, Universidade de Lisboa, Faculdade de Ciências, 2019 |
| publishDate |
2019 |
| dc.date.none.fl_str_mv |
2019-11-19T18:03:37Z 2019 2019 2019-01-01T00:00:00Z |
| dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| format |
masterThesis |
| status_str |
publishedVersion |
| dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10451/40196 TID:202374858 |
| url |
http://hdl.handle.net/10451/40196 |
| identifier_str_mv |
TID:202374858 |
| dc.language.iso.fl_str_mv |
eng |
| language |
eng |
| dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
application/pdf |
| dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
| instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
| instacron_str |
RCAAP |
| institution |
RCAAP |
| reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
| collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
| repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
| repository.mail.fl_str_mv |
|
| _version_ |
1799134478174519296 |