Padrões espaciais de distribuição de espécies e de riqueza específica ao longo de um gradiente montante-jusante e na bacia do Rio dos Sinos (RS) - Brasil

Abstract

Modelos de distribuição são considerados como ferramentas importantes em estudos de biogeografia e ecologia, pois permitem a extrapolação espacial e temporal da distribuição de espécies a partir de um conjunto de dados de ocorrência em função de preditores ambientais. Neste estudo, objetivamos propor modelos de distribuição logística para 50 espécies de peixes ao longo da bacia do rio dos Sinos (Rio Grande do Sul, Brasil), utilizando altitude e área da bacia como descritores geomorfológicos. Modelos de riqueza montante-jusante para toda a bacia usando regressão múltipla e logística também foram propostos. O conjunto de dados derivou de vários programas de amostragem realizados de 1998 a 2014, compreendendo 86 locais amostrados com coleta de peixes com redes de emalhar, pesca elétrica ou ambos. Dois modelos logísticos foram construídos utilizando dados ambientais de altitude e área de bacia a montante, testando respostas lineares (Modelo 1) e não lineares (Modelo 2) para cada espécie. O desempenho dos modelos foi avaliado usando sensibilidade, especificidade, AUC (Area Under Curve) e TSS (True Skill Statistical).Os modelos ajustados apresentaram valores de sensibilidade variando de 47,1 a 99,8, especificidade de 49,94 a 98,10, AUC de 0,75 a 0,99 e TSS de 0,26 a 0,98. O modelo de resposta linear, embora mais simples, mostrou-se eficaz na predição da distribuição de espécies, como observado em estudos anteriores. A área da bacia teve um efeito positivo na distribuição da maioria das espécies de acordo com o modelo linear, embora isso não tenha sido verificado para os modelos não lineares devido à interação entre as variáveis. Em geral, o modelo não linear apresentou valores de desempenho mais altos para as métricas avaliadas para a maioria das espécies, mas sofreu de hiperajuste e uma estimativa de distribuição fragmentada. A riqueza de espécies aumentou ao longo de um gradiente longitudinal, apresentando seu valor máximo a jusante da bacia. Dos quatro modelos estimados de riqueza, os modelos com seis variáveis foram os que apresentaram a menor amplitude de variação dos resíduos.

Distribution models are considered important tools in biogeography and ecology studies as they allow spatial and temporal extrapolation of species distribution from a set of occurrence data points as function of environmental predictors. In this study, we aimed to propose logistic distribution models for 50 fish species along the Sinos River Basin (Rio Grande do Sul, Brazil), by using altitude and basin area as geomorphological descriptors. Upstream-downstream richness model for entire basin by using multiple and logistic regression was also presented. The dataset derived from several sampling programs performed from 1998 to 2014, comprising 86 sampled locations with fish collections with gillnets, electric fishing or both.Two logistic models were constructed using environmental data of altitude and upstream basin area, testing linear (Model 1) and nonlinear (Model 2) factor responses for each species. Performance of the two models was evaluated using sensitivity, specificity, AUC (Area Under Curve) and TSS (True Skill Statistical). The adjusted models presented sensitivity values ranging from 47,1 to 99,8, specificity from 49,94 to 98,10, AUC from 0,75 to 0,99 and TSS from 0,26 to 0,98. The linear response model, although simpler, proved to be effective in predicting species distribution, as observed in previous studies. The basin area had a positive effect on the distribution of most species according to the linear model, although this was not verified for nonlinear models due to the interaction between variables. In general, the nonlinear model presented higher performance values for the evaluated metrics for the majority of species, but suffered from overfitting and a patchy distribution estimation. The species richness increased along a longitudinal gradient, presenting its maximum value downstream of the basin. Of the four estimated richness models, models with six variables were the ones with the lowest residual variation.