The need for improved models of zooplankton abundance

Resumo Técnico: A Necessidade de Modelos Aperfeiçoados para a Abundância de Zooplâncton

Definição do Problema
Os dados de abundância de zooplâncton são fundamentais para análises de ecossistemas marinhos e tróficos, mas apresentam desafios estatísticos distintos. Esses conjuntos de dados são frequentemente agregados a partir de múltiplos levantamentos que empregam diferentes protocolos de amostragem, especificamente variando os intervalos de profundidade de amostragem vertical (largura dos intervalos ou bin widths). Intervalos mais largos integram volumes de água maiores, gerando estimativas de abundância com precisões distintas. Se não contabilizada, essa heterogeneidade introduz heterocedasticidade, o que pode enviesar a inferência estatística. Além disso, a abundância volumétrica de zooplâncton é estritamente positiva e fortemente assimétrica à direita. A prática predominante na área envolve a log-transformação da variável resposta e o ajuste de um modelo linear Gaussiano para aproximar a normalidade. No entanto, essa abordagem baseada em transformação pode enviesar a inferência, obscurecer a sensibilidade da distribuição e complicar a interpretação dos coeficientes na escala original. Adicionalmente, a precisão das estimativas de abundância raramente é modelada explicitamente como uma função do intervalo de profundidade de amostragem, o que pode levar a conclusões excessivamente confiantes.

Metodologia
O estudo utilizou registros de amostragem de zooplâncton do Mesopelagic Mesozooplankton and Micronekton Database (MMMD), restritos ao Oceano Antártico e a cinco espécies abundantes de copépodes calanoides (Rhincalanus gigas, Metridia lucens, Calanus simillimus, Pleuromamma robusta e Ctenocalanus vanus) do ano de 1987. A variável resposta foi a abundância volumétrica (indivíduos $\cdot$ m$^{-3}$), e as covariáveis incluíram temperatura, salinidade, oxigênio dissolvido e profundidade média de amostragem.

Os autores compararam quatro estruturas estatísticas:

1. Modelo Linear Gaussiano: Ajustado à abundância log-transformada (a prática predominante).
2. Modelos Lineares Generalizados (GLMs): Ajustados diretamente na escala de abundância original usando três distribuições de erro não gaussianas:
   • Log-normal
   • Gama
   • Gaussiana Inversa

Todos os modelos utilizaram um preditor linear incluindo temperatura, profundidade média e sua interação. A seleção do modelo foi realizada utilizando o Critério de Informação de Akaike Generalizado (GAIC), com uma correção de Jacobiano aplicada ao modelo Gaussiano log-transformado para garantir uma comparação válida na escala de resposta original.

Após a seleção da distribuição com maior suporte, os autores estenderam o modelo para parametrizar explicitamente a dispersão como uma função da largura de intervalo (bin width) normalizada (a diferença entre as profundidades máxima e mínima de amostragem). Este "modelo de dispersão" permitiu que a variância variasse de acordo com o tamanho do intervalo de amostragem. Uma análise de sensibilidade (exclusão de caso um a um) foi conduzida para avaliar a robustez das conclusões do modelo final.

Principais Resultados

• Ajuste Distribuicional: O GLM Gaussiano Inverso recebeu o suporte mais forte entre todos os modelos candidatos (GAIC = -3068,25), superando o modelo Gama, o modelo log-normal e o modelo Gaussiano log-transformado. Os modelos log-normal e Gaussiano log-transformado produziram coeficientes idênticos, mas apresentaram desempenho substancialmente inferior em termos de ajuste do modelo.
• Impacto da Modelagem de Dispersão: A incorporação de um termo de dispersão dependente da largura do intervalo melhorou ainda mais o ajuste do modelo (o GAIC diminuiu para -3084,61). A análise revelou uma relação positiva entre a largura do intervalo e a variabilidade residual, confirmando que intervalos de amostragem mais largos resultam em estimativas menos precisas.
• Mudanças Inferenciais: Considerar a dispersão dependente da largura do intervalo alterou a significância estatística das covariáveis. Especificamente, a interação temperatura-profundidade, que foi estatisticamente significativa no modelo Gaussiano Inverso de dispersão constante ($p = 0,0023$), tornou-se não significativa quando a heterogeneidade na precisão foi incluída ($p = 0,0657$). Por outro lado, a associação negativa entre profundidade e abundância permaneceu um preditor robusto em todos os modelos.
• Diagnósticos de Resíduos: Embora o modelo Gaussiano Inverso com dispersão tenha fornecido o melhor ajuste entre os candidatos, os gráficos de resíduos indicaram compressão persistente na cauda inferior e estrutura visível, sugerindo que a estrutura média linear não captura totalmente a heterogeneidade biológica (por exemplo, respostas específicas de espécies ou efeitos de profundidade não lineares).
• Sensibilidade: As principais conclusões relativas ao efeito da profundidade e ao efeito de dispersão da largura do intervalo foram estáveis através de novos ajustes (refits) de exclusão de um elemento (leave-one-out). No entanto, a evidência para a interação temperatura-profundidade foi sensível à remoção de um pequeno subconjunto de observações influentes.

Significância e Alegações
O artigo argumenta que o uso rotineiro de modelos Gaussianos log-transformados pode ser suboptimal para dados de abundância de zooplâncton, que são estritamente positivos e assimétricos à direita. Ao demonstrar que a distribuição Gaussiana Inversa proporciona um melhor ajuste, o estudo sugere que a modelagem direta na escala original produz estimativas de coeficientes e níveis de significância mais precisos.

Crucialmente, os autores afirmam que ignorar a heterogeneidade no desenho amostral — especificamente a variação nas larguras dos intervalos — pode levar a inferências excessivamente confiantes. Ao modelar explicitamente a dispersão como uma função da largura do intervalo, o estudo mostra que a força da evidência para certas interações ecológicas (como a interação temperatura-profundidade) pode mudar significativamente. Os autores concluem que as análises futuras de abundância de zooplâncton devem substituir a rotina de log-transformação pela modelagem direta na escala original e devem considerar explicitamente a heterogeneidade de nível de observação decorrente do desenho de amostragem para melhorar a robustez das conclusões ecológicas.