Duas Abordagens na Modelagem da Distribuição de Aves na Amazônia: Áreas de Endemismo versus Variáveis Abióticas

• Ano de defesa: 2016
• Autor(a) principal: Ruiz Ovalle, Juan Miguel
• Orientador(a): Haft, Mario Eric Cohn
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Instituto Nacional de Pesquisas da Amazônia - INPA
• Programa de Pós-Graduação: Ecologia
• Link de acesso: https://repositorio.inpa.gov.br/handle/1/12027; http://lattes.cnpq.br/5570642353858083

As aves são um dos grupos taxonômicos mais representativos da Amazônia, porém, ainda são pouco conhecidos aspectos da sua distribuição e fatores ecológicos e históricos que a determinam. Geralmente, para modelar a distribuição, são usadas variáveis climáticas e topográficas em diferentes escalas que prevem ou não sua ocorrencia. Sendo assim, o objetivo do presente estudo foi gerar os melhores mapas preditivos para aves amazônicas, comparando e testando as previsões com duas abordagens, afim de auxiliar estudos futuros com ferramentas mais apropriadas para construir modelos de distribuição. Primeiro foram feitos modelos de distribuição utilizando camadas de polígonos das áreas de endemismo. Posteriormente, foram construídos modelos com variáveis do clima e topografía, utilizando o algoritmo matemático MAXENT. Não existiram diferenças significativas entre as abordagens para Topaza pyra, Rhegmatorhina gymnops, Touit huetii, Lophotriccus galeatus e Knipoleugus orenocensis e não foi identificado um padrão geral. Foi encontrado que para T. pyra, R. gymnops e T. huetii os modelos feitos com áreas de endemismo (MAE) foram mais acertados que os modelos com variáveis abiótias (MVA). Por sua vez, os modelos com variáveis abióticas (MVA) foram mais acertados que os modelos de áreas de endemismo (MAE) para, L. galeatus, T. pyra, R. melanosticta e Knipolegus orinoicensis. Em geral todos os modelos mostraram altos valores de desempenho, e apenas para Heliodoxa schreibersii e Synallaxis propinqua a taxa de omissão foi mais alta que a sensitividade. Conclui-se que em geral nenhuma das duas abordagens foi mais acertada. Mesmo assim é preciso entender como interagem as duas abordagens em modelos tradicionais, estender as análises para outras espécies e obter maior quantidade e qualidade de dados e informação ambiental para fazer inferências mais precisas e confiáveis sobre as previsões da distribuição e obter conclusões definitivas