Modelagem preditiva de Vellozia cinerascens (Mart.) Mart. ex Seub: As Mudanças Climáticas poderão afetar sua ocorrência?

Autores

  • Leovandes Soares da Silva Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)
  • Thaís Ribeiro Costa niversidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)
  • Regina dos Santos Teixeira Universidade Federal do Piauí, Bom Jesus (PI)

DOI:

https://doi.org/10.48017/dj.v7i4.2013

Palavras-chave:

Caatinga, distribuição geográfica, algoritmo maxent.

Resumo

Conhecer a distribuição geográfica das espécies e as variáveis que influenciam sua ocorrência são essenciais para a conservação da biodiversidade. O objetivo desse estudo foi investigar a potencial distribuição de Vellozia cinerascens (Mart.) Mart. ex Seub., na região nordeste do Brasil, e identificar as variáveis ambientais que influenciam a sua distribuição. Para a análise da modelagem foram utilizados dados de ocorrência da espécie e variáveis climáticas referentes a três cenários: atual (1970-2000), futuro pessimista e otimista (2080’). O algoritmo Maxent foi escolhido para relacionar a ocorrência da espécie com variáveis bioclimáticas que refletem diferentes condições de temperatura, precipitação e sazonalidade. A influência das variáveis sobre a distribuição das espécies foi avaliada pelo teste Jackknife, já os modelos foram validados pelo índice AUC. Os modelos apresentaram bom desempenho, os valores dos índices AUC foram consistentes variaram entre 0,85 a 0,89. Os mapas preveem áreas de ampla ocorrência para a espécie na região nordeste. Os modelos evidenciaram uma ampliação da área ambientalmente adequada da espécie para o período atual e aumento considerável para o futuro. As variáveis ambientais que mais contribuíram para a distribuição dessa espécie foram às relacionadas à temperatura e umidade. Foi visualizado o surgimento de áreas com alta adequabilidade ambiental para o cenário futuro. As áreas de adequabilidade apresentaram aumento, indicando que as mudanças climáticas provavelmente não afetarão a ocorrência dessa espécie.

Métricas

Carregando Métricas ...

Biografia do Autor

Leovandes Soares da Silva, Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)

Engenheiro Florestal, Doutor em Ciência Florestal pelo Programa de Pós-graduação em Ciência Florestal pela Universidade Federal dos Vales do Jequitinhonha e Mucuri - Campus JK (2020). Tem experiência na área de Recursos Florestais e Engenharia Florestal. Atua na linha de pesquisa: Conservação e Restauração de Ecossistemas Florestais. Seus trabalhos envolvem pesquisas relacionadas à Engenharia Florestal, com ênfase em estrutura, dinâmica, funcionalidade de comunidades e distribuição espacial de populações de plantas.

Referências

Alexandre, B. R., Lorini, M. L., Grelle, C. E. V. (2013). Modelagem preditiva de distribuição de espécies ameaçadas de extinção: um panorama das pesquisas. Oecologia Australis, 17(4), 483-508, dezembro, 2013. http://dx.doi.org/10.4257/oeco.2013.1704.04

Alvares, C. A., Stape, J. L., Sentelhas, P. C., Gonçalves, J. L. M., Sparovek, G. (2013). Köppen’s climate classification map for Brazil. Meteorologische Zeitschrift, Berlin, 22(6), 711-728, 2013.

http://dx.doi.org/10.1127/0941-2948/2013/0507

Amaral, L. A., Ferreira, R. A., Mann, R. S. (2021). O uso de modelagem de distribuição de espécies para restauração florestal: Uma revisão sistemática. Research, Society and Development, 10(8) e46610817158, 2021.

http://dx.doi.org/10.33448/rsd-v10i8.17158

Cavalcante, M. Z. B., Dultra, D. F. S., Silva, H. L. C., Cotting, J. C., Silva, S. D. P., Siqueira Filho, J. A. (2017). Potencial ornamental de espécies do Bioma Caatinga. Comunicata Scientiae, 8(1) 43-58, 2017. http://dx.doi.org/10.14295/cs.v8i1.2649

Chagas, K. P. T., Lucas, F. M. F., Vieira, F. A. (2020). Predictive modeling of Mimosa tenuiflora (Willd) Poiret: how can climate change affect its potential distribution range? FLORESTA, Curitiba, PR, 50 (2), 1315 - 1324, abr/jun 2020.

Community Earth System Model – CESM. CESM models [online]. 2017 [cited 2021 April] Available from: http://www.cesm.ucar.edu/models/ccsm4.0/

Costa, T. R., Moura, C. C., Machado, E. L. M., Bueno, M. L. (2018). Modelagem preditiva da espécie Lychnophora pohlii SCH. BIP., no estado de Minas Gerais. Nativa, Sinop, 6(1), 100-106, fev. 2018.

http://dx.doi.org/10.31413/nativa.v6i1.4696

Chagas, K. P. T., Lucas, F. M. F., Vieira, F. A. (2020). Predictive modeling of Mimosa tenuiflora (Willd) Poiret: how can climate change affect its potential distribution range? Floresta, Curitiba, PR, 50(2), 1315 - 1324, abr/jun 2020.

http://dx.doi.org/10.5380/rf.v50 i2. 62980

ESRI. Enviromental Systems Research Institute. ArcGIS Desktop Web Help. 2018. Disponível em: < http://desktop.arcgis.com/en/arcmap/> Acesso em: 23 jul. 2021;

Fick, S. E., Hijmans, R. J. (2017). WorldClim 2: novas superfícies climáticas de resolução espacial de 1km para áreas terrestres globais. International Journal of Climatology, 37(12), 4302-4315, 2017.

https://doi.org/10.1002/joc.5086

Figueiredo, S. M. M., Venticinque, E. M., Figueiredo, E. O., Ferreira, E. J. L. (2015). Predição da distribuição de espécies florestais usando variáveis topográficas e de índice de vegetação no leste do Acre, Brasil. Acta Amazonica, v. 45(2), 167 – 174, 2015;

https://www.embrapa.br/busca-de-publicacoes/-/publicacao/1038606/predicao-da-distribuicao-de-especies-florestais-usando-variaveis-topograficas-e-de-indice-de-vegetacao-no-leste-do-acre-brasil

Giannini, T. C., Siqueira, M. F., Acosta, A. L., Barreto, F. C., Saraiva, A. M., Santos, A. I. (2012). Desafios atuais da modelagem preditiva de distribuição de espécies. Rodriguésia, v. 63(3), 733-749. 2012.

https://doi.org/10.1590/S2175-78602012000300017

Gladson, W. A., Farnezi, M. M. M., Pereira, I. M., Machado, E. L. M., Silva, M. A. P. (2018). Modelagem de distribuição de candeia para Minas Gerais. Enciclopédia Biosfera, Centro Científico Conhecer - Goiânia, 15(28), 2018.

https://www.conhecer.org.br/ojs/index.php/biosfera/article/view/430

Guerra, G. S. (2016). Avaliação do desempenho e adequação de diferentes metodologias aplicadas para a modelagem e inferência de emissão de gases do efeito estufa. Dissertação (Mestrado em Biometria e Estatística Aplicada), Universidade Federal Rural de Pernambuco, 61.

Guisan, A., Zimmermann, N. (2000). Predictive habitat distribution models in ecology. Ecological Modelling, 135, 147-186, 2000.

Mcpherson, J. M., Jetz, W. (2007). Type and spatial structure of distribution data and the perceived determinants of geographical gradients in ecology: the species richness of African birds. Global Ecology and Biogeography, 16, 657-667, 2007.

https://doi.org/10.1111/j.1466-8238.2007.00318.x

Medeiros, R. M., Silva, V. M. A., Melo, V. S., Menezes, H. E. A. (2016). Diagnóstico e tendência da precipitação pluvial em Bom Jesus - Piauí, Brasil. Revista Verde de Agroecologia e Desenvolvimento Sustentável, 11(3), 115-121, 2016.

http://dx.doi.org/10.18378/rvads.v11i3.3992

Miranda, D. (2012). Modelos de distribuição de espécies de Vellozia (Velloziaceae) endêmicas da cadeia do espinhaço e o efeito amostral sobre os mapas preditivos. Dissertação de Mestrado, Universidade Federal de Minas Gerais, Belo Horizonte, 94.

Moura, C. C., Costa, T. R., Oliveira, P. A., Bueno, M. L., Machado, E. L. M. (2017). Modelo preditivo do potencial de distribuição geográfica da espécie Richeria grandis vahl. no estado de Minas Gerais e sua relação com as flutuações climáticas do Quaternário. Enciclopédia Biosfera, 14(25), 911- 923, 2017.

https://conhecer.org.br/ojs/index.php/biosfera/article/view/897

Oliveira, A. P. C., Bernard, E. (2017) The financial needs vs. the realities of in situ conservation: an analysis of federal funding for protected areas in Brazil's Caatinga. Biotropica, Washington, (49), 745–752, 2017.

https://doi.org/10.1111/btp.12456

Pearson, R. G., Stanton, J. C., Sapateiro, K. T., Aiello-Lammens, M., Erst, P. J., Horning, N., Fordham, D. A., Raxworthy, C. J., Ryu, H. Y., McNees, J., Akçakaya, H. R. (2014). Life history and spatial traits predict extinction risk due to climate change. Nature Climate Change, 4, 217–221, 2014.

https://doi.org/10.1038/nclimate2113

Pereira, J. Silva., Almeida, J. R. Biogeografia e Geomorfologia. In: Guerra, A. J. T. (orgs.) Geomorfologia e Meio Ambiente. Bertrand Brasil, v. 5, 394p. 2004;

Phillips, S. J., Anderson, R. P., Dudík, M., Schapire, R. E., Blair, M. E. (2017). Opening the black box: an open-source release of Maxent. Ecography, 40(7), 887–893, 2017.

https://doi.org/10.1111/ecog.03049

Phillips, S. J., DUDIK, M. (2008). Modeling of species distributions with Maxent: new and a comprehensive evaluation. Ecography, 31(2), 161-175, 2008;

https://doi.org/10.1111/j.0906-7590.2008.5203.x

PHILLIPS, S. J., Anderson, R. P., Schapire, R. E. (2006). Maximum entropy modeling of species geographic distributions. Ecological Modelling, 190, 3-4, 231– 259, 2006.

https://doi.org/10.1016/j.ecolmodel.2005.03.026

SILVA, D. P., Vilela, B., Marco JR, P., Nemésio, A. (2014). Using ecological niche models and niche analyses to understand speciation patterns: The Case of Sister Neotropical Orchid Bees. PLoS ONE, 9(11), 1-17, 2014. https://doi.org/10.1371/journal.pone.0113246

Silva, L. S., Moura, C. C., Vieira, D. S., Santos, T. R., Machado, E. L. M., Salomão, N. V. (2019). Distribuição espacial e estrutura populacional de Parkia platycephala Benth. Nativa, Sinop, 7(6), 739-747, nov./dez. 2019

https://doi.org/10.31413/nativa.v7i6.7556

Silveira, F. A. O., Negreiros, D., Barbosa, NPU., Buisson, E., Carmo, F. F., Carstensen, D. W., Conceição, A. A., Cornelissen, T. G., Echternacht, L., Fernandes, G. W. (2016). Ecology and evolution of plant diversity in the endangered campo rupestre: a neglected conservation priority. Plant and Soil, 403, 129-152, 2016.

https://doi.org/10.1007/s11104-015-2637-8

Stocker, T. F., Qin, D., Plattner, G. K., Tignor, M., Allen, S. K., Boschung, J., Nauels, A., Xia, Y., Bex, V. Midgley, P. M. (2013). Climate change 2013: the physical science basis – Contribution of working group I – 5th assessment report of the Intergovernmental Panel on Climate Change IPCC Cambridge: University Press; 2013.

ipcc.ch/report/ar5/wg1/

Thuiller, W. (2003). BIOMOD - optimizing predictions of species distributions and projecting potential future shifts under global change. Global Change Biology, 9, 1353-1362, 2003.

1046/j.1365-2486.2003.00666.x

Velloziaceae in Flora e Funga do Brasil. Jardim Botânico do Rio de Janeiro. Disponível em: <https://floradobrasil.jbrj.gov.br/FB21378>. Acesso em: 15 jul. 2022;

Weber, M. M., Steven R. D., Diniz-Filho, J. A. F., Grelle, C. E. V. (2017). Is there a correlation between abundance and environmental suitability derived from ecological niche modelling? A metaanalysis. Ecography, 40(7), 817–828, 2017. 10.1111/ecog.02125

WORLDCLIM. Global climate data: free climate data for ecological modeling and GIS [online]. 2017 [cited 2021 Apr 10]. Available from: http://www.worldclim.org/.

YANG, X., Kushwaha, S. P. S., Saran, S., Xu, J., Roy, P. S. (2013). Maxent modeling for predicting the potential distribution of medicinal plant, Justicia adhatoda L. in Lesser Himalayan foothills. Ecological Engineering, 51, 83-87, 2013.

https://doi.org/10.1016/j.ecoleng.2012.12.004

Arquivos adicionais

Publicado

2022-10-10

Como Citar

Soares da Silva, L., Costa, T. R., & Teixeira, R. dos S. (2022). Modelagem preditiva de Vellozia cinerascens (Mart.) Mart. ex Seub: As Mudanças Climáticas poderão afetar sua ocorrência?. Diversitas Journal, 7(4). https://doi.org/10.48017/dj.v7i4.2013