Modelleren van het voorkomen van het Usutu-virus in Vlaanderen met opportunistische dataDescription:
Natuurpunt is een onafhankelijke vrijwilligersvereniging met meer dan 107.000 leden die kwetsbare en bedreigde natuur in Vlaanderen beschermd (http://www.natuurpunt.be). Ze zijn o.a. bekend voor de organisatie van hun "grote vogeltelweekend" of de "grote vlindertelling". In deze initiatieven worden burgers ingeschakeld om "beestjes" in hun tuin te tellen en in te geven op de publieke website http://waarnemingen.be De website is bovendien heel het jaar beschikbaar en wordt dagelijks aangevuld met nieuwe tellingen van burgers / vrijwilligers verspreid over Vlaanderen. De dataset bevat ondertussen miljoenen records en biedt een schat aan informatie voor de biodiversiteit van Vlaanderen. Dergelijke data die op een volledig niet-gestandaardiseerde manier bekomen wordt, noemt men ook opportunistische data.
De data leidt echter aan verschillende soorten vertekeningen. Bijvoorbeeld, makkelijk te bereiken gebieden naast steden en wegen worden meer bezocht wat kan resulteren in overschattingen van de aantallen van een bepaalde diersoort. In deze thesis onderzoek je hoe je statistisch kan omgaan met dergelijke vertekeningen in een data-analyse.
In het bijzonder kan een dataset onderzocht worden van waarnemingen van het Usutu virus. https://www.natuurpunt.be/nieuws/worden-merels-slachtoffer-van-nieuwe-usutu-uitbraak-20170726. Verschillende merels werden reeds het slachtoffer van het virus waarvan in 2016 de eerste gevallen in Belgie werden gerapporteerd. Kunnen we deze data gebruiken om betrouwbare schattingen te maken van het voorkomen van het virus?
Je zal voor deze thesis nauw kunnen samenwerken met medewerkers van Natuurpunt. De thesis kan in drie stappen verlopen: (i) beschrijvende studie van de data, (ii) literatuuroverzicht van statistische technieken die kunnen gebruikt worden om de data te analyseren en (iii) de toepassing van minstens een van de technieken op concrete data met concrete conclusies.
Sleutelwoorden: burgerwetenschap; opportunistische data; biodiversiteit
References:
[1] Bird, T. J. et al. Statistical solutions for error and bias in global citizen science datasets. Biol. Conserv. 173, 144-154 (2014).
Promotor(s): Stijn Luca en Marc Herremans (Natuurpunt) More info: stijn.luca@ugent.be Background: Alle
|