Modelli di spostamento animale: Simulazione e stima di movimento animale in base a coordinate GPS. = Animal movement models: Simulation and estimation of animal movement based on GPS coordinates.

In questo elaborato viene affrontato lo studio del movimento animale tramite l'implementazione di modelli statistici applicati prima a dati simulati e poi a dati reali. Questi ultimi sono stati ottenuti tramite monitoraggio GPS di branchi di lupi e orsi nel Parco Nazionale d'Abruzzo, Lazio e Molise, monitorando gli individui in quattro diversi periodi. Il tema principale riguarda la rappresentazione del movimento nello spazio e nel tempo, distinguendo tra modelli a tempo discreto e a tempo continuo. Entrambi i modelli sono stati trattati in ottica bayesiana al fine di ottenere stime dei parametri tramite metodi Monte Carlo con Catene di Markov (MCMC) a partire dai dati osservati, con l'obiettivo di ottenere distribuzioni a posteriori e intervalli di credibilità che contenessero i parametri reali. Dopo una breve panoramica sulla teoria alla base di questi modelli, ci si sofferma in particolare sul modello di Ornstein–Uhlenbeck (OU) prima a tempo discreto e poi a tempo continuo. Quest'ultimo è un processo stocastico in cui la variabile tende a convergere nel tempo verso un centro di attrazione con un certo tasso di reversione e un parametro che ne descrive la variabilità. Le traiettorie simulate, ottenute tramite molteplici combinazioni di parametri, sono state utilizzate per valutare l'efficacia del modello. Sono stati quindi individuati tre cluster di combinazioni di parametri sulle cui traiettorie il modello forniva stime buone, intermedie o pessime. Sono state così scelte due combinazioni, una per il caso discreto e una per il caso continuo, che potessero ricreare una traiettoria vicino a quella reale e sono stati analizzati nel dettaglio i risultati ottenuti dai modelli. È stata valutata la bontà del modello a tempo continuo anche su dati a tempo discreto distorti, aggiungendo rumore sull'intervallo di tempo di acquisizione dei dati; anche in questo caso, così come nei precedenti, si sono ottenute buone stime dei parametri. In una seconda fase, il modello discreto è stato applicato a dati reali GPS di lupi e orsi, dopo una fase di pre-processing e analisi esplorativa. Dopo aver eliminato i dati fuori scala, il modello è stato applicato prima ai dati grezzi, ottenendo dei valori dei parametri molto lontani da quelli reali a causa di distribuzioni a priori del modello troppo informative, e dopo una trasformazione dei dati tramite standardizzazione, ottenendo stime coerenti con i dati reali. Il lavoro ha permesso di valutare la capacità del modello OU di rappresentare correttamente la dinamica spaziale degli animali monitorati, stimando parametri significativi e confrontando differenze tra specie e individuando dei trend stagionali. Il confronto tra approcci discreti e continui, insieme all'analisi su dati simulati e reali, ha evidenziato punti di forza, limiti e potenziali sviluppi futuri, sia a livello modellistico sia applicativo del modello preso in esame.