Ajuste-dos-modelos-fluxo2-distancias-exatas-sem-repeticoes

library(distanceMonitoraflorestal)

Fluxo 2 - Distâncias exatas sem repetições

Filtrando os dados para eliminar as repetições

cutia_tap_arap_sem_repeticao <- filtrar_dados(
  nome_ucs == "resex_tapajos_arapiuns",
  nome_sps == "dasyprocta_croconota", 
  validacao_obs = "especie"
) |> 
  transformar_dados_formato_Distance(amostras_repetidas = FALSE)

cutia_tap_arap_sem_repeticao

Plotando o histograma das frequências de observações pela distância

cutia_tap_arap_sem_repeticao |> 
  tidyr::drop_na(distance) |> 
plotar_distribuicao_distancia_interativo(largura_caixa = 1)

Testando distância de truncamento (w)

Tabela com resumo comparativo dos modelos

# conduz a selecao da melhor distancia de truncamento a partir do ajsute de modelos com funcao de deteccao half-normal sem termos de ajuste
cutia_tap_arap_sem_repeticao_dist_trunc <- cutia_tap_arap_sem_repeticao |> 
  selecionar_distancia_truncamento()

cutia_tap_arap_sem_repeticao_dist_trunc$selecao

Plotando o histograma com os dados truncados.

plotar_funcao_deteccao_selecao_distancia_truncamento(cutia_tap_arap_sem_repeticao_dist_trunc)

Ajustando diferentes modelos de funções de detecção

Uniforme + Cosseno

# ajustando a função de detecção uniforme para um truncamento de 10% dos dados
cutia_tap_arap_sem_repeticao_unif <- cutia_tap_arap_sem_repeticao |> 
  ajustar_modelos_Distance(
    funcao_chave = "unif", 
    termos_ajuste = "cos",
    truncamento = "10%")

Half-Normal sem termos de ajuste e com termos de ajuste

# ajustando a função de detecção half-normal para um truncamento de 10% dos dados
cutia_tap_arap_sem_repeticao_hn <- cutia_tap_arap_sem_repeticao |> 
  ajustar_modelos_Distance(
    funcao_chave = "hn",
    truncamento = "10%")

Hazard-rate sem termos de ajuste e com termos de ajuste

# ajustando a função de detecção hazard-rate para um truncamento de 10% dos dados
cutia_tap_arap_sem_repeticao_hr <- cutia_tap_arap_sem_repeticao |> 
  ajustar_modelos_Distance(
    funcao_chave = "hr",
    truncamento = "10%")

Comparando os modelos

Tabela com o resumo comparativo dos modelos

fluxo2_lista_modelos_ajustados <- list(
  cutia_tap_arap_sem_repeticao_hn, 
  cutia_tap_arap_sem_repeticao_hr, 
  cutia_tap_arap_sem_repeticao_unif
)

fluxo2_selecao_funcao_deteccao_termo_ajuste <- selecionar_funcao_deteccao_termo_ajuste(
  cutia_tap_arap_sem_repeticao_hn$`Sem termo`,
  cutia_tap_arap_sem_repeticao_hn$Cosseno,
  cutia_tap_arap_sem_repeticao_hn$`Hermite polinomial`,
  cutia_tap_arap_sem_repeticao_hr$`Sem termo`, 
  cutia_tap_arap_sem_repeticao_hr$Cosseno, 
  cutia_tap_arap_sem_repeticao_hr$`Polinomial simples`,
  cutia_tap_arap_sem_repeticao_unif
)

fluxo2_selecao_funcao_deteccao_termo_ajuste

Gráficos de ajuste das funções de detecção às probabilidades de detecção

# gerar uma lista com os modelos selecionados ordenados do melhor para o pior modelo
fluxo2_modelos_selecionados <- gerar_lista_modelos_selecionados(
  cutia_tap_arap_sem_repeticao_unif,
  cutia_tap_arap_sem_repeticao_hn$`Sem termo`,
  cutia_tap_arap_sem_repeticao_hr$`Sem termo`,
  nome_modelos_selecionados = fluxo2_selecao_funcao_deteccao_termo_ajuste
)

# plotar a probabilidade de detecção observada (barras) e a esperada (linhas e pontos)
plotar_funcao_deteccao_modelos_selecionados(fluxo2_modelos_selecionados)

Teste de bondade de ajuste dos modelos e Q-Q plots

bondade_ajuste_fluxo2 <- testar_bondade_ajuste(
  fluxo2_modelos_selecionados, 
  plot = TRUE,
  chisq = TRUE, 
  intervalos_distancia  =  NULL
)

bondade_ajuste_fluxo2

Avaliando as estimativas de Abundância e Densidade

Características da área de estudo e da taxa de encontro

# gera resultados área de estudo e taxa de encontro
fluxo2_caracteristicas_area_estudo_taxa_encontro <- gerar_resultados_Distance(
  dados = fluxo2_modelos_selecionados,
  resultado_selecao_modelos = fluxo2_selecao_funcao_deteccao_termo_ajuste,
  tipo_de_resultado = "area_estudo", 
  estratificacao = FALSE
)

fluxo2_caracteristicas_area_estudo_taxa_encontro

Características de abundância, esforço e detecção

# gera resultados abundância e detecção
fluxo2_caracteristicas_abundancia <- gerar_resultados_Distance(
  dados = fluxo2_modelos_selecionados,
  resultado_selecao_modelos = fluxo2_selecao_funcao_deteccao_termo_ajuste,
  tipo_de_resultado = "abundancia", 
  estratificacao = FALSE
)

fluxo2_caracteristicas_abundancia

Características de densidade

# gera resultados densidade e coeficiente de variação
fluxo2_caracteristicas_densidade <- gerar_resultados_Distance(
  dados = fluxo2_modelos_selecionados,
  resultado_selecao_modelos = fluxo2_selecao_funcao_deteccao_termo_ajuste,
  tipo_de_resultado = "densidade", 
  estratificacao = FALSE
)

fluxo2_caracteristicas_densidade