La Data science alla base degli studi pluriennali in Chionomys nivalis

L'arvicola delle nevi (Chionomys nivalis Martins, 1842), grazie alla sua posizione nella catena alimentare, alla rapida maturità sessuale, alla densità di popolazione relativamente stabile ed altre caratteristiche, rappresenta un buon indicatore ambientale. Per questi motivi è stata scelta per effettuare delle analisi sui cambiamenti climatici e i relativi possibili impatti negli ecosistemi alpini; quest'ultimi rappresentano ambienti ricchi in biodiversità e, per via della riduzione dei ghiacciai, vengono considerati tra i più sensibili ai cambiamenti climatici. Questa tesi fa parte di uno studio pluriennale condotto a partire dall'anno 2010 all'interno del Parco Nazionale del Gran Paradiso. Attraverso l'utilizzo di tecniche di cattura-marcatura-ricattura degli animali, l'analisi delle loro caratteristiche e dei parametri ambientali dell'area di studio, sono stati raccolti dati che possono essere rilevanti a fare diverse tipologie di analisi. Nel lavoro in oggetto, vengono studiate diverse tecniche di analisi dati (data science) e gestione dei dati (tidy data), vengono infine effettuate analisi esplorative ed analisi di occupancy utilizzando R. Particolare attenzione è stata posta alla riproducibilità delle analisi grazie all'utilizzo dei notebook e alla pubblicazione del lavoro su GitHub; gli script sviluppati potranno essere utilizzati anche sui dati raccolti in futuro in modo automatizzato. I modelli di occupancy ci permettono di indicare la probabilità che la specie sia presente nell'area di studio attraverso “l'osservazione” della stessa; bisogna però considerare che, durante le attività di monitoraggio negli studi a lungo termine, la “non osservazione” non indica necessariamente l'assenza della specie (false assenze). Dalle analisi effettuate, non si rileva una relazione significativa tra le variabili considerate e la effettiva presenza (occupancy); si ritiene quindi probabile l'assenza di una selezione del microhabitat da parte della specie. Ciononostante, i dati raccolti sono utili per valutare il trend dell'occupancy nel corso del tempo. Proprio in prospettiva temporale, la data science si dimostra estremamente utile negli studi pluriennali delle popolazioni animali, richiedendo sia una particolare attenzione durante la raccolta e la gestione dei dati (che varia in base alle analisi da effettuare) sia un numero significativo di osservazioni.