| Abstract: | Modelagem estatística é uma importante ferramenta matemática e tem sido amplamente utilizada para criar modelos de distribuição de espécies. Este trabalho utilizou as informações disponíveis de outros três projetos, realizados nas bacias hidrográficas do Uruguai, Jacuí e do Camaquã, para gerar mapas preditivos de ocorrência para três espécies de peixes migradores de grande porte, com grande importância econômica/ecológica, sendo eles Salminus brasiliensis (dourado), Megaleporinus obtusidens (piava) e Prochilodus lineatus (grumatã). Os modelos criados utilizaram as variáveis independentes, área de bacia e altitude, com valores logaritmizados, obtidos através de Modelo Digital de Terreno (MDT), desta forma, pode-se identificar as dinâmicas de ocorrência das espécies migradoras e analisar seus padrões de distribuição. Utilizando os dados provenientes das entrevistas realizadas nos trabalhos anteriores, totalizaram 376 pontos de amostragens, mais 52 pontos de presença levantados em banco de dados. Foi realizada a regressão logística através do software SPSS Statistics 17.0, representado pela formula: P = e(b0+b1.x1+b2.x2). (1+e(b0+b1.x1+b2.x2))-1, onde: P é a probabilidade de ocorrência da espécie (0-1), x1, x2 são os descritores ambientais já logaritmizados, altitude e área de bacia, respectivamente; b0, b1 e b2 são coeficientes de calibração do modelo, obtendo resultados que apresentaram um percentual de aderência satisfatório, em torno de 80% para as três espécies. Após estimados os descritores e calculado os coeficientes, foram gerados os mapas de probabilidade de presença para as três espécies, construídos no software IDRISI Andes, aplicando-se a regressão sobre as camadas de altitude (ln) e área de bacia (ln) como variáveis independentes.Para criar os mapas de distribuição presumida de cada espécie através de modelo de máxima entropia (MaxEnt), foram utilizados apenas os pontos de presença da matriz amostral e adicionadas informações do levantamento em bancos de dados. Através das mesmas variáveis, foram estipuladas 15 réplicas em cada processo, com teste de porcentagem aleatória de 25% para validação interna. Obtiveram-se resultados de área sobre a curva (AUC) considerados superiores a 0,9 para as três espécies. Comparando as taxas de sensibilidade e especificidade obtidas nos dois modelos para cada espécie, os modelos LOGIT apresentaram maior sensibilidade e os modelos gerados no MaxEnt tiveram melhor performance na especificidade. De forma geral, a acurácia total foi elevada em ambos os modelos em todas as espécies. Os dois modelos obtidos para as três espécies seguiram o padrão já estabelecido, indicando maior probabilidade de ocorrência destas espécies quando a área de bacia aumenta e diminui a altitude, sugerindo que os parâmetros são adequados para a estimativa do padrão de distribuição para espécies migradoras.
Statistic modeling is an important mathematical tool and has been widely used to create species distribution models. This essay utilizes the information provided by three projects, performed at the watersheds of Uruguai, Jacuí and Camaquã to generate predictive maps of occurrence for three species of large fish, such as Salminus brasiliensis (Dourado), Megaleporinus obtusidens (Piava) and Prochilodus lineatus (Grumatã). The models utilized the independent variables basin areas and altitude, with logarithmized values, obtained by a Digital Terrain Model (DTM), in this way, one can identify the dynamics of occurrence of the migratory species and analyze their distribution patterns. Using data from the interviews conducted in the previous works, with 376 available sampling points, and additional 52 points of presence collected in databases. Logistic regression was performed through the software SPSS Statistics 17.0, represented by the formula: P = e(b0+b1.x1+b2.x2). (1+e(b0+b1.x1+b2.x2))-1, where: P is probability of occurrence of the species (0-1), x1, x2 are the environmental describers already logarithmized, altitude and basin are, respectively; b0, b1 e b2 are model calibration coefficients, obtaining results that showed a good adhesion percentage, around 80% for the three species. After estimating descriptors and calculating the coefficients, presence probability maps for the three species were constructed in IDRISI Andes software, applying the regression over the elevation layers (ln) and watershed area (ln) as independent variables.To create the predicted distribution maps of each species by means of maximum entropy approach (MaxEnt program), we used only the presence of points of the sample matrix with the addition of the museum survey. By using the same variables, we stipulated 15 replicates in each case, with random test percentage of 25% for internal validation. Obtained results for area under the curve (AUC) were all above 0.9 for the three species. Comparing sensitivity and specificity obtained from both models, logit models showed higher sensitivity whereas the models generated by MaxEnt had a higher specificity. In general, the overall accuracy was high for both models for all species. The two models obtained for the three species followed the pattern already established, indicating increased probability of occurrence of these species at higher basin areas and lower altitudes, suggesting that the parameters are suitable for estimating the distribution pattern for migratory species. |
