La Ricerca Scientifica per le Aree Marine Protette

La Ricerca Scientifica per le Aree Marine Protette Il monitoraggio: principi pratici, strategie, tecnologie ed elaborazione dei dati Michele Scardi Professore Associato di Ecologia Università di Roma “Tor Vergata” URL: http: //www. mare-net. com/mscardi email: mscardi@mclink. it

Perchè le AMP Secondo la World Conservation Strategy (IUCN, 1980), per: u mantenere processi ecologici essenziali u preservare la diversità genetica u assicurare l’uso sostenibile di specie ed ecosistemi

La ricerca scientifica per le AMP “The need for good scientific data as the basis to assess sustainability of use and acceptable activities should be built in. ” Æ. Petersen, G. Þorvarðardóttir, J. Pagnan and S. Einarsson, 1998. Breiðafjörður, West-Iceland: an Arctic marine protected area, Parks 8(2): 2328.

Quale ricerca nelle AMP? n Studio della diversità (in unità fisionomicamente omogenee) u #1 sotto l'ipotesi formulata nella teoria del disturbo intermedio, una protezione "ottimale" dovrebbe manifestare una riduzione della diversità e questo può essere quantificato, con qualche cautela.

Quale ricerca nelle AMP? n Analisi dell'impatto delle AMP u #2 i vincoli impongono una ricollocazione degli impatti (pesca, diporto, utenza residenziale) e verosimilmente una concentrazione ai margini delle aree protette: quali effetti su queste ultime e, viceversa, sulle aree non soggette a vincolo?

Quale ricerca nelle AMP? n Acquisizione di basi di dati di lungo termine u monitoraggio #3 (possibilità di affiancare azioni tipo Coastal-Global Ocean Observing System) u baseline per eventuali valutazioni di impatto (vedi Haven) u riferimento per ulteriori ricerche (possibilità di ospitare ricercatori “esterni”) o come obiettivo di qualità ambientale

Quale ricerca nelle AMP? n Studi interdisciplinari finalizzati al management u #4 azioni di studio che incrocino ambiti disciplinari differenti non sono soltanto utili per la gestione delle AMP, ma possono costituire un’esperienza trasferibile ad altri contesti, anche in assenza di vincoli ambientali analoghi

Alcune domande. n n n Qual’è stato il ruolo delle conoscenze ecologiche nell’identificazione delle aree marine protette? Quale approccio ecologico può ottimizzare la scelta e la gestione di tali aree? Quali strumenti operativi possono supportare un avanzamento delle conoscenze ecologiche sugli effetti della protezione di aree marine?

Tre opportunità. . . Quella persa: scegliere le aree da proteggere in funzione delle loro caratteristiche ecologiche Quella quasi persa: definire vincoli pertinenti ed efficaci sulla base di studi ecologici approfonditi Quella da non perdere: pianificare ed attuare delle adeguate strategie di studio per il follow-up delle ricerche e per la gestione integrata

Problema: minimizzare l’impatto ambientale della nautica da diporto. n n n L’ancoraggio delle imbarcazioni da diporto sulle praterie di fanerogame causa dei danni alle praterie stesse. E’ meglio distribuire questo impatto su un area piu’ ampia possibile o concentrarlo? L’impatto interessa l’AMP o altre aree?

In assenza di vincoli l’impatto è distribuito e non produce danni permanenti. In presenza di vincoli l’impatto supera la soglia tollerata dal sistema, che subisce un danno permanente. Divieto di ancoraggio

Ž Problema: valutare gli effetti della protezione sulla struttura delle comunità. n n n La struttura delle comunità varia in funzione delle risposte delle specie a gradienti ambientali complessi. L’impatto antropico altera o modula questi gradienti. La protezione dell’ambiente riduce l’impatto antropico o lo trasferisce in altre aree.

Ž Viene replicato su base routinaria un piano di campionamento su transetti nell’area protetta e in aree limitrofe ecologicamente comparabili. A 1 B 1 A 2 Area protetta B 2 C 1 C 2 Si comparano i dati ecologici relativi a siti sottoposti a differenti livelli di protezione: 1. in riferimento diverse condizioni ambientali 2. all’interno di unità ecologicamente omogenee ed identificabili N. B. L’analisi viene centrata dapprima su base spaziale, poi su base temporale.

Caratteristiche dei dati ecologici n n n I dati sono “sparsi”, cioè hanno molti valori nulli (a volte la maggioranza!) La gran parte delle specie presenti è rara. I fattori ambientali che influenzano la distribuzione delle specie sono molteplici e combinati fra loro, . . . ma quelli veramente importanti sono pochi (bassa dimensionalità intrinseca). I dati contengono molto “rumore” sia per eventi stocastici e contingenti, sia per l’errore di osservazione (anche in condizioni ideali le repliche sono diverse!) L’informazione è spesso ridondante (la specie A è associata alla specie B, ma questa può essere associata alla specie C, etc. ): questo è un problema, ma è anche ciò che rende possibile

Scale e frequenze di osservazione Spazio=Tempo

Piani di campionamento n Non esistono informazioni preliminari, le scale spazio-temporali non sono note: u piano n Esistono informazioni preliminari, le scale spazio-temporali sono note: u piano n randomizzato regolare Esistono sufficienti dati di riferimento per descrittori accessori (covarianti): u piano stratificato

Gradienti ambientali e cenoclini Scala tipica di un’AMP

Quali dati acquisire? n n n dati che certamente esprimano la funzionalità dell’ecosistema in cui è inserita l’AMP (es. organismi bentonici piuttosto che planctonici) dati che possano essere rilevati basso costo (anche semiquantitativi, visuali, etc. ), ma con alta frequenza dati rilevabili strumentalmente (o telerilevabili da piattaforme adeguate alla scala spaziale in gioco)

La cassetta degli attrezzi. n n n n Ordinamento (PCA, MDS, NMDS, CA, DCA, CCA, etc. ) Classificazione (algoritmi gerarchici, k-means, reti neuronali, etc. ) Analisi spaziale (correlogrammi, variogrammi, kriging, co-kriging, etc. ) Analisi di serie (periodogrammi, runs tests, cross-correlation, crossassociation, etc. ) Confronti fra dati multivariati (MRPP, test di Mantel, INDVAL, etc. ) Reti neurali. . .

Tecniche di ordinamento

Perchè l’ordinamento? "Ordination primarily endeavors to represent sample and species relationships as faithfully as possible in a low-dimensional space. “ Gauch (1982)

Perchè. . . n n n E’ impossibile visualizzare efficacemente insiemi di dati multidimensionali complessi Un’analisi multivariata è più economica e più efficiente di n analisi univariate Gli assi dello spazio ridotto di solito rappresentano gradienti ambientali interpretabili Se si effettuano anche test statistici, si evitano i problemi legati alle comparazioni multiple Concentrando l’attenzione solo su alcuni assi si evita di considerare il “rumore”

E inoltre. . . n n Fino a non molto tempo fa l’obiettivo dell’ordinamento era di tipo esploratorio (più un’arte che una scienza, quindi!). Con la CCA, i test statistici d’ipotesi sono entrati nelle applicazioni ecologiche multivariate, superando la semplice analisi esploratoria (cfr. ter Braak 1985)

n Analisi indiretta di gradiente Metodi basati su distanze u Ordinamento n polare (Bray-Curtis) u Analisi delle Coordinate Principali (PCo. A) u Multidimensional Scaling Nonmetrico (NMDS) Metodi basati su autovalori/autovettori u Modello lineare F Analisi (PCA) u delle Componenti Principali Modello unimodale F Analisi delle Corrispondenze (CA) F Analisi delle Corrispondenze Detrendizzata (DCA)

PCo. A

PCA

CA

Analisi diretta di gradiente n Modello lineare u Analisi n di Ridondanza (RDA) Modello unimodale u Analisi Canonica delle Corrispondenze (CCA) u Analisi Canonica delle Corrispondenze Detrendizzata (DCCA)

CCA

Clustering (classificazione) n Obiettivi: u Formare gruppi omogenei di entità (osservazioni, campioni, siti, specie, etc. ) u Identificare discontinuità (nello spazio, nel tempo) n Algoritmi: u Gerarchici u Non gerarchici • Vincolati • Non vincolati

Clustering gerarchico

Clustering gerarchico vincolato (contiguità spaziale)

Test basati su permutazioni n n Sono un caso speciale dei test di randomizzazione, che utilizzano serie di numeri casuali formulare delle inferenze statistiche. La potenza di calcolo dei moderni PC ha reso possibile la loro applicazione diffusa. Questi metodi non richiedono che siano soddisfatte particolari assunzioni circa la distribuzione dei dati. Quindi, questi metodi sono molto più adatti dei tradizionali test statistici (es. t-tests, ANOVA, etc. ) in applicazioni ecologiche.

Test basati su permutazioni n n n Si definisce una statistica il cui valore sia proporzionale all’intensità del processo o della relazione studiati Si definisce un’ipotesi nulla H 0 Si crea un set di dati basati sul “rimescolamento” di quelli realmente osservati (la modalità di “rimescolamento” viene definita in funzione dell’ipotesi nulla) Si ricalcola la statistica di riferimento e si compara il valore con quello osservato Si ripetono gli ultimi due punti molte volte (es. 1000 volte) Se la statistica osservata è maggiore del limite ottenuto nel 95% dei casi basati su

MRPP Se D è la distanza media intragruppo osservata fra i gruppi definiti a priori, pesata per la dimensione dei diversi gruppi, allora:

MRPP Merluccius merluccius ------- Multi-Response Permutation Procedures (MRPP) -------Area A, controllo: Area B, M/C Haven: n = 43 n = 20 Test statistic: T Observed delta Expected delta Variance of delta Skewness of delta average within-group distance = 1. 3570038 average within-group distance = 7. 5528164 = -14. 493640 = 3. 3239284 = 3. 7441384 = 0. 84057736 E-03 = -2. 0045495 Chance-corrected within-group agreement, R = 0. 11223141 Probability of a smaller or equal delta, p = 0. 00000019

Indicator Species Analysis L'abbondanza relativa RAkj della specie j nel gruppo di campioni k è La frequenza media RFkj della presenza di una specie j nel gruppo di campioni k è Combinando abbondanze relative (RA) e frequenze medie (RF) si ottiene quindi il valore indicatore (IV)

Indicator Species Analysis n n n n n Merluccius merluccius - Indicator Values Group: A B Number of items: 43 20 n ID Avg Max INDVAL p taxon --------------------------------1 EUFASI 24 44 0. 017 Eufasiacei 2 THYSAN 12 25 0. 004 Thysanopoda aequalis 3 RESPES 13 26 26 1 0. 046 Resti pesci 4 RESCRO 10 20 0. 009 Resti crostacei 5 MISIDA 2 5 5 0 0. 595 Misidacei nc 6 DECAPO 2 3 0. 999 Decapodi nc 7 CEFALO 2 5 5 0 0. 554 Cefalopodi 8 CHLORO 3 5 0. 299 Chlorotocus crassicornis 9 CRANGO 1 2 2 0 0. 999 Crangon sp 10 SARDIN 3 5 0. 299 Sardina pilchardus 11 ROCINE 3 5 0. 307 Rocinela sp 12 POLICH 1 2 2 0 0. 999 Policheti --------------------------------

Tre opportunità. . . Quella persa: scegliere le aree da proteggere in funzione delle loro caratteristiche ecologiche Quella quasi persa: definire vincoli pertinenti ed efficaci sulla base di studi ecologici approfonditi Quella da non perdere: pianificare ed attuare delle adeguate strategie di studio per il follow-up delle ricerche e per la gestione integrata

Problema: minimizzare l’impatto ambientale della nautica da diporto. n n n L’ancoraggio delle imbarcazioni da diporto sulle praterie di fanerogame causa dei danni alle praterie stesse. E’ meglio distribuire questo impatto su un area piu’ ampia possibile o concentrarlo? L’impatto interessa l’AMP o altre aree?

In assenza di vincoli l’impatto è distribuito e non produce danni permanenti. In presenza di vincoli l’impatto supera la soglia tollerata dal sistema, che subisce un danno permanente. Divieto di ancoraggio

Self Organizing Maps

Self Organizing Maps A B C D G F E E C D B A Divieto di ancoraggio F G

Self Organizing Maps A B C di ità io ns gg De cora an D G F E E C D B A Divieto di ancoraggio F G

Ž Problema: valutare gli effetti della protezione sulla struttura delle comunità. n n n La struttura delle comunità varia in funzione delle risposte delle specie a gradienti ambientali complessi. L’impatto antropico altera o modula questi gradienti. La protezione dell’ambiente riduce l’impatto antropico o lo trasferisce in altre aree.

Viene replicato su base routinaria un piano di campionamento su transetti nell’area protetta e in aree limitrofe ecologicamente comparabili. Ž A 1 B 1 A 2 B 2 C 1 C 2 Area protetta Tra 10 anni Oggi A 1 A 2 C 1 Variazioni batimetriche B 2 C 2 B 2 Variazioni batimetric he Eterogene itàspaziale B 1 A 2 B 1 C 1 Effetto protezione A 1

Ž B 1 A 2 B 2 A 3 B 1 B 2 B 3 Si compara la composizione della comunità bentonica fra un area protetta ed una non protetta. A 3 B 3 A 2 A 1

Distanza euclidea

ANOSIM (ANalysis Of SIMilarities) N=6 ordina n=6 n=9

P=90% R= 0. 50 R= 0. 20 R= 0. 19 R= -0. 26 rw= 5. 75 rb=9. 50 rw= 7. 08 rb=8. 61 rw= 7. 17 rb=8. 56 rw= 9. 17 rb=7. 22 . . . n=6 n=9

B 1 A 2 B 2 A 3 B 1 B 2 B 3 Db>Dw (differenze “inter”>differenze “intra”) A 3 B 3 A 2 A 1

Ž A 1 B 1 A 2 B 2 A 3 B 1 A 2 B 3 Si compara la composizione della comunità bentonica fra un area protetta ed una non protetta. B 3 A 3

ANOSIM (ANalysis Of SIMilarities) p = 0. 171

A 1 B 1 A 2 B 2 A 3 B 1 A 2 B 3 Dw>Db (differenze “intra”>differenze “inter”) B 3 A 3

L’analisi dei dati ecologici mi interessa e vorrei saperne di più. . . http: //www. marenet. com/mscardi/work/numecol/metodi. pdf anzi, molto di più. . . Numerical Ecology. Legendre, Pierre & Louis Legendre. 1998. Elsevier Science BV, Amsterdam. xv + 853 pages (http: //www. fas. umontreal. ca/BIOL/legendre/nume col. html) Ok, mi interessano gli aspetti ecologici, ma con i numeri non vado d’accordo. . .