INTEGRANDO O CONHECIMENTO ECOLÓGICO LOCAL DOS PESCADORES, INTELIGÊNCIA ARTIFICAL E ANÁLISES DE DIETA PARA QUANTIFICAR SUBSÍDIOS TERRESTRES EM UM RIO TROPICAL REPRESADO
Conteúdo gastrointestinal; Ecodiet; Isótopos estáveis; Usina Hidrelétrica de Belo Monte; Inteligência Artificial.
O pulso de inundação e as florestas alagadas são de extrema importância na manutenção da diversidade de peixes de água doce em grandes rios tropicais. No entanto, a construção de barragens ao longo desses rios tem causado alterações nos padrões naturais de inundação, reduzindo o acesso a habitats marginais e impactando a diversidade de recursos disponíveis para organismos aquáticos. Apesar de haver um número crescente de estudos que tem investigado o impacto de barragens sobre a ictiofauna, pouco se sabe sobre como estes empreendimentos alteram teias alimentares, devido à dificuldade em quantificar interações tróficas. Neste sentido, buscamos integrar o conhecimento tradicional de pescadores, inteligência artificial treinada com dados disponíveis na web e amostras de isótopos e conteúdos estomacais de peixes obtidos em campo para quantificar alterações tróficas causadas pela UHE Belo Monte, a maior hidrelétrica da Amazônia. Mais especificamente, iremos comparar o consumo de materiais alóctones por 7 espécies de peixes de diferentes guildas tróficas (Auchenipterichthys longimanus, Cichla melaniae, Myloplus rubripinis, Myloplus schomburgki, Potamotrygon Leopoldi, Tocantinsia piresi e Tometes kranponhah) entre o setor a montante do reservatório principal, que ainda apresenta condições próximas ao período pré-barramento, com o reservatório principal e os setores a jusante da barragem, que sofreram forte regulação hidrológica. Também iremos explorar o ganho de informação nos modelos com a i) inclusão do conhecimento local dos pescadores, através de entrevistas; ii) inclusão de expectativas geradas por inteligência artificial; e iii) a integração de dados de isótopos e conteúdo gastrointestinal. Iremos utilizar o EcoDiet, uma abordagem bayesiana recém-criada que permite integrar dados a priori com amostras de isótopos e conteúdo gastrointestinal. Esperamos que exista menor diversidade trófica e consumo de materiais alóctones nos setores mais impactados pelo empreendimento (reservatório e jusante). Além disso, esperamos que a inclusão de conhecimento a priori, tanto através da inteligência artificial como do conhecimento local, reduza a incerteza associada as interações tróficas.