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: [email protected]
Perchè le AMP
Secondo la World Conservation
Strategy (IUCN, 1980), per:
 mantenere processi ecologici
essenziali
 preservare la diversità genetica
 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): 23-28.
Quale ricerca nelle AMP?

Studio della diversità (in unità
fisionomicamente omogenee)

#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?

Analisi dell'impatto delle AMP

#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?

Acquisizione di basi di dati di lungo
termine
monitoraggio (possibilità di affiancare
azioni tipo Coastal-Global Ocean
Observing System)
 baseline per eventuali valutazioni di
impatto (vedi Haven)
 riferimento per ulteriori ricerche
(possibilità di ospitare ricercatori
“esterni”) o come obiettivo di qualità
ambientale

#3
Quale ricerca nelle AMP?

Studi interdisciplinari finalizzati al
management

#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.



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.



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

Problema: valutare gli
effetti della protezione
sulla struttura delle
comunità.



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.
A1
B1
A2
B2
C1
Area protetta
C2
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






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 interpretare i dati ecologici.
Scale e frequenze di osservazione
Spazio=Tempo
Piani di campionamento

Non esistono informazioni preliminari, le scale
spazio-temporali non sono note:
 piano

Esistono informazioni preliminari, le scale
spazio-temporali sono note:
 piano

randomizzato
regolare
Esistono sufficienti dati di riferimento per
descrittori accessori (covarianti):
 piano
stratificato
Gradienti ambientali e cenoclini
Scala tipica di un’AMP
Quali dati acquisire?



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.







Ordinamento (PCA, MDS, NMDS, CA, DCA,
CCA, etc.)
Classificazione (algoritmi gerarchici, kmeans, reti neuronali, etc.)
Analisi spaziale (correlogrammi,
variogrammi, kriging, co-kriging, etc.)
Analisi di serie (periodogrammi, runs tests,
cross-correlation, cross-association, 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...





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...


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)
Analisi indiretta di gradiente


Metodi basati su distanze
 Ordinamento polare (Bray-Curtis)
 Analisi delle Coordinate Principali (PCoA)
 Multidimensional Scaling Nonmetrico
(NMDS)
Metodi basati su autovalori/autovettori

Modello lineare
 Analisi
delle Componenti Principali
(PCA)

Modello unimodale
 Analisi
delle Corrispondenze (CA)
 Analisi delle Corrispondenze
Detrendizzata (DCA)
PCoA
PCA
CA
Analisi diretta di gradiente

Modello lineare
 Analisi

di Ridondanza (RDA)
Modello unimodale
 Analisi
Canonica delle
Corrispondenze (CCA)
 Analisi Canonica delle
Corrispondenze Detrendizzata
(DCCA)
CCA
Clustering (classificazione)

Obiettivi:
 Formare
gruppi omogenei di entità
(osservazioni, campioni, siti, specie,
etc.)
 Identificare discontinuità (nello spazio,
nel tempo)

Algoritmi:
 Gerarchici
 Non
gerarchici
•Vincolati
•Non vincolati
Clustering gerarchico
1
2
3
4
5
6
A
B
2
3
5
2
0
1
1
2
1
0
1
5
D jk 
p
2
(
x

x
)
 ij ik
siti
siti
specie
i 1
1
2
3
4
5
6
1
0.000
1.414
3.000
1.000
2.000
4.123
siti
3
3.000
2.236
0.000
3.162
5.000
5.657
2
1.414
0.000
2.236
2.236
3.162
3.606
4
1.000
2.236
3.162
0.000
2.236
5.099
5
2.000
3.162
5.000
2.236
0.000
4.123
Complete Linkage
ST_1
ST_4
ST_2
ST_3
ST_5
ST_6
0
1
2
3
Linkage Distance
4
5
6
6
4.123
3.606
5.657
5.099
4.123
0.000
Clustering gerarchico vincolato
(contiguità spaziale)
Dmax= .96
Dmax= .83
Dmax= .66
Dmax= .74
dissim ilarità di Jac c ard
Test basati su permutazioni




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






Si definisce una statistica il cui valore sia proporzionale
all’intensità del processo o della relazione studiati
Si definisce un’ipotesi nulla H0
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 “rimescolamento”, si rigetta H0
MRPP
Se  è la distanza media intragruppo
osservata fra i gruppi definiti a priori,
pesata per la dimensione dei diversi
gruppi, allora:
T
 osservato   atteso

2

 osservato
R  1
 atteso
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
=
0.84057736E-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
RAkj 
x kj
g
x
k 1
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)
kj
nk
bijk
i 1
nk
RFkj  
IVkj  RAkj  RFkj  100
Indicator Species Analysis


















Merluccius merluccius - Indicator Values
Group:
A
B
Number of items: 43 20
n
ID
Avg Max INDVAL
p
taxon
---------------------------------------------------------------1 EUFASI
24 44
4 44 0.017
Eufasiacei
2 THYSAN
12 25
0 25 0.004
Thysanopoda aequalis
3 RESPES
13 26 26
1 0.046
Resti pesci
4 RESCRO
10 20
0 20 0.009
Resti crostacei
5 MISIDA
2
5
5
0 0.595
Misidacei nc
6 DECAPO
2
3
2
3 0.999
Decapodi nc
7 CEFALO
2
5
5
0 0.554
Cefalopodi
8 CHLORO
3
5
0
5 0.299
Chlorotocus crassicornis
9 CRANGO
1
2
2
0 0.999
Crangon sp
10 SARDIN
3
5
0
5 0.299
Sardina pilchardus
11 ROCINE
3
5
0
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.



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
hen
duck
goose
owl
hawk
eagle
fox
dog
wolf
cat
tiger
lion
horse
zebra
cow
small
medium
big
2 legs
4 legs
hair
hooves
mane
feathers
hunt
run
fly
swim
dove
likes to
has
is
Self Organizing Maps
1
0
0
1
0
0
0
0
1
0
0
1
0
1
0
0
1
0
0
0
0
1
0
0
0
0
1
0
0
1
0
0
0
0
1
0
0
0
1
1
0
0
1
0
0
0
0
1
0
0
1
1
1
0
0
1
0
0
0
0
1
1
0
1
0
1
0
0
1
0
0
0
0
1
1
0
1
0
0
1
0
1
0
0
0
0
1
1
0
1
0
0
1
0
0
1
1
0
0
0
1
0
0
0
0
1
0
0
1
1
0
0
0
0
1
0
0
0
1
0
0
1
1
0
1
0
1
1
0
0
1
0
0
0
1
1
0
0
0
1
0
0
0
0
0
1
0
1
1
0
0
0
1
1
0
0
0
0
1
0
1
1
0
1
0
1
1
0
0
0
0
1
0
1
1
1
1
0
0
1
0
0
0
0
1
0
1
1
1
1
0
0
1
0
0
0
0
1
0
1
1
1
0
0
0
0
0
0
horse
cow
duck
zebra
goose
hen
lion
dove
tiger
owl
wolf
hawk
fox
dog
cat
eagle
Self Organizing Maps
A
B
C
D
G
F
E
E
C
D
A
B
Divieto di ancoraggio
F
G
Self Organizing Maps
A
B
C
D
G
F
E
E
C
D
A
B
Divieto di ancoraggio
F
G

Problema: valutare gli
effetti della protezione
sulla struttura delle
comunità.



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.

A1
B1
A2
B2
C1
Area protetta
C2
Oggi
Tra 10 anni
A1
C1
Variazioni batimetriche
C2
A2
B2 C2
B2
Variazioni
batimetriche
Eterogeneità
spaziale
B1
A2
B1
C1
Effetto protezione
A1

10
9
8
B1
7
A1
A2
B2
A3
B1
SP2
6
5
Sito B
A2
4
B2
B3
Sito A
A3
B3
A1
3
2
1
Si compara la composizione della
comunità bentonica fra un area
protetta ed una non protetta.
0
0
1
2
3
SP1
4
5
10
SP2
9
8
7
5
Sito A
Sito B
1/5m
Sito A
2/10m
3/20m
stazione
Sito B
4
6
3
5
2
4
SP1
SP2
6
9
8
7
6
5
4
3
2
1
0
1
Sito A
3
Sito B
2
0
0
1
2
3
SP1
4
5
1
0
1/5m
2/10m
stazione
3/20m
Distanza euclidea
10
Dij  ( xi  x j )2  ( yi  y j )2
9
8
7
SP2
6
Sito A
5
Sito B
4
3
2
1
0
0
1
2
3
SP1
4
5
ANOSIM
(ANalysis Of SIMilarities)
N=6
rb  rw
R
 0.5
N ( N  1) / 4
rw rb
ordina
n=6
n=9
25%
25%
rb  rw
R
N ( N  1) / 4
100%
P=90%
20%
20%
80%
15%
15%
60%
10%
10%
40%
5%
5%
20%
0%
0%
-0.4
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
-0.4
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0%
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
n=6 n=9
n=6 n=9
n=6 n=9
10
9
8
B1
7
A1
A2
B2
A3
B1
SP2
6
5
Sito B
A2
4
B2
B3
Sito A
A3
B3
A1
3
2
1
Db>Dw
(differenze “inter”>differenze “intra”)
0
0
1
2
3
SP1
4
5

10
9
A1
8
B1
7
A1
6
A3
B1
SP2
A2
B2
5
4
Sito A
Sito B
A2
3
B2
B3
2
1
B3
0
A3
-1
Si compara la composizione della
comunità bentonica fra un area
protetta ed una non protetta.
-1
0
1
2
3
SP1
4
5
6
ANOSIM
(ANalysis Of SIMilarities)
R  0.370
p = 0.171
10
9
A1
8
B1
7
A1
6
A3
B1
SP2
A2
B2
5
4
Sito A
Sito B
A2
3
B2
B3
2
1
B3
0
A3
-1
Dw>Db
(differenze “intra”>differenze “inter”)
-1
0
1
2
3
SP1
4
5
6
L’analisi dei dati ecologici mi interessa e vorrei
saperne di più...
http://www.mare-net.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/numecol.html)
Ok, mi interessano gli aspetti ecologici, ma con i
numeri non vado d’accordo...
http://www.consecol.org/Journal/
http://www.mpanews.org