Multivariate approaches in species distribution modelling: Application to native fish species in Mediterranean Rivers

Abstract

This dissertation focused in the comprehensive analysis of the capabilities of some non-tested types of Artificial Neural Networks, specifically: the Probabilistic Neural Networks (PNN) and the Multi-Layer Perceptron (MLP) Ensembles. The analysis of the capabilities of these techniques was performed using the native brown trout (Salmo trutta; Linnaeus, 1758), the bermejuela (Achondrostoma arcasii; Robalo, Almada, Levy & Doadrio, 2006) and the redfin barbel (Barbus haasi; Mertens, 1925) as target species. The analyses focused in the predictive capabilities, the interpretability of the models and the effect of the excess of zeros in the training datasets, which for presence-absence models is directly related to the concept of data prevalence (i.e. proportion of presence instances in the training dataset). Finally, the effect of the spatial scale (i.e. micro-scale or microhabitat scale and meso-scale) in the habitat suitability models and consequently in the e-flow assessment was studied in the last chapter.

Esta tesis se centra en el análisis comprensivo de las capacidades de algunos tipos de Red Neuronal Artificial aún no testados: las Redes Neuronales Probabilísticas (PNN) y los Conjuntos de Perceptrones Multicapa (MLP Ensembles). Los análisis sobre las capacidades de estas técnicas se desarrollaron utilizando la trucha común (Salmo trutta; Linnaeus, 1758), la bermejuela (Achondrostoma arcasii; Robalo, Almada, Levy & Doadrio, 2006) y el barbo colirrojo (Barbus haasi; Mertens, 1925) como especies nativas objetivo. Los análisis se centraron en la capacidad de predicción, la interpretabilidad de los modelos y el efecto del exceso de ceros en las bases de datos de entrenamiento, la así llamada prevalencia de los datos (i.e. la proporción de casos de presencia sobre el conjunto total). Finalmente, el efecto de la escala (micro-escala o escala de microhábitat y meso-escala) en los modelos de idoneidad del hábitat y consecuentemente en la evaluación de caudales ambientales se estudió en el último capítulo.

Aquesta tesis se centra en l'anàlisi comprensiu de les capacitats d'alguns tipus de Xarxa Neuronal Artificial que encara no han estat testats: les Xarxes Neuronal Probabilístiques (PNN) i els Conjunts de Perceptrons Multicapa (MLP Ensembles). Les anàlisis sobre les capacitats d'aquestes tècniques es varen desenvolupar emprant la truita comuna (Salmo trutta; Linnaeus, 1758), la madrilla roja (Achondrostoma arcasii; Robalo, Almada, Levy & Doadrio, 2006) i el barb cua-roig (Barbus haasi; Mertens, 1925) com a especies objecte d'estudi. Les anàlisi se centraren en la capacitat predictiva, interpretabilitat dels models i en l'efecte de l'excés de zeros a la base de dades d'entrenament, l'anomenada prevalença de les dades (i.e. la proporció de casos de presència sobre el conjunt total). Finalment, l'efecte de la escala (micro-escala o microhàbitat i meso-escala) en els models d'idoneïtat de l'hàbitat i conseqüentment en l'avaluació de cabals ambientals es va estudiar a l'últim capítol.