Disciplina Curricular
Modelação Ecológica ME
Mestrado Bolonha em Ecologia Marinha - 3_MEM 2023/24
Contextos
Grupo: 3_MEM 2023/24 > 2º Ciclo > Parte Escolar > 621_MEM - Opcionais Livres (CVIDA/OUT) > 1º Semestre
Período:
Peso
6.0 (para cálculo da média)
Objectivos
O objectivo geral deste curso é promover a compreensão dos sistemas ecológicos utilizando dados para parametrizar modelos matemáticos/estatísticos, e dados, e fornecer aos alunos os conceitos e as ferramentas metodológicas fundamentais para a análise de uma ampla gama de problemas de índole ecológica. Especificamente, após a conclusão deste curso os alunos devem (i) compreender os princípios fundamentais da utilização de modelos na exploração e análise de dados, (ii) dominar as técnicas básicas para a formulação de modelos estáticos e dinâmicos de processos ecológicos, (iii) conhecer métodos modernos para estimar os parâmetros do modelo e as incertezas associadas, e para avaliar modelos alternativos com base em dados, e (iv) desenvolver a confiança quantitativa necessária para usar modelos matemáticos e estatísticos em investigação ecológica. Todos estes objectivos são integrados tendo como pano de fundo modelos de regressão em ecologia.
Programa
Introdução à modelação ecológica. Modelos como aproximações da realidade. Introdução ao R, relatórios dinâmicos e o conceito reproducible research. Etapas da construção de modelos: concepção; selecção dos componentes; estabelecimento de relações; parametrização; calibração; validação; avaliação de limitações. Comparação de modelos. Diferentes tipos de modelos e principais aplicações. Modelos determinísticos e modelos estocásticos. Modelos com dimensões espaciais e temporais. Modelos de base estatística, com ênfase em modelos de regressão. Modelo linear, modelos lineares generalizados, modelos aditivos generalizados, modelos mistos. Outros modelos de regressão. Exemplos de outras classes de modelos relevantes em ecologia: modelação de movimento animal, modelos de ocupação, modelos de captura recaptura, amostragem por distâncias, simulação e modelos com base no indivíduo. Introdução ao Machine Learning. Introdução ao paradigma de inferência Bayesiano.
Métodos de ensino e avaliação
A avaliação por trabalhos práticos, cuja tipologia e número poderá variar de ano para ano, a acordar previamente com os alunos nas duas primeiras semanas de aulas, mas incluindo sempre um projecto final a realizar em grupo. O projecto terá por base um conjunto de dados selecionado pelos alunos.