Please use this identifier to cite or link to this item: http://hdl.handle.net/10923/7414
Type: doctoralThesis
Title: Modelagem da adequabilidade de hábitat de Corbicula fluminea (Bivalvia, Corbiculidae), Pimelodus pintado e Parapimelodus nigribarbis (Siluriformes, Pimelodidae) e Loricariichthys anus (Siluriformes, Loricariidae) em relação a preditores ambientais no Lago Guaíba, RS, Brasil
Author(s): Silveira, Thiago Cesar Lima
Advisor: Fontoura, Nelson Ferreira
Publisher: Pontifícia Universidade Católica do Rio Grande do Sul
Graduate Program: Programa de Pós-Graduação em Zoologia
Issue Date: 2015
Keywords: ZOOLOGIA
ICTIOLOGIA
PEIXES - RIO GRANDE DO SUL
PEIXES - ESPÉCIES
SILURIFORMES
HABITAT DOS ANIMAIS
Abstract: The objective of this study was to model the habitat suitability for the bivalve Corbicula fluminea, and the fishes Pimelodus pintado, Parapimelodus nigribarbis and Loricariichthys anus in relation to environmental variables in Guaíba Lake, Rio Grande do Sul, Brazil. Guaíba Lake, a large water body beside Porto Alegre city with approximately 50 km long and 19 km wide at the widest point. It has north to south pollution gradient, different sediment characteristics and habitat configurations in its margins. Samples (n = 54) of C. fluminea were collected with Ekman dredge (10 subsamples, sampled area=2225 cm2) and the fish sampled with gill nets with different mesh sizes exposed during 20 hours at the same sampling points. We used Generalized Additive Models (GAM) to fit a model for C. fluminea abundances. The variables evaluated for the model fitting comprise the distance from streams and channels, the distance in meters from north to south, depth, water velocity, amount of thermotolerant coliform (TC) and sediment characteristics. The model selected for C. fluminea (r2 = 0. 55) used depth (p = 2-16) and the diversity sand grain sizes (p = 2. 52-15) as predictors. For fish modeling, three approaches were evaluated (GAM), Boosted Regression Trees (BRT) and Generalized Linear Modeling (GLM).GLM was the method more accurately among the three methodologies for the three species: P. pintado, r2 = 0. 60, Root Mean Squared Error (RMSE) = 4. 71; P. nigribarbis, r2 = 0. 84, RMSE = 6. 77; and L. anus, r2 = 0. 72, RMSE = 2. 40. The most important predictors in the model for P. pintado were related to the sediment and current speed. The model selected for P. nigribarbis had the most important variables: depth, distance from margins and CT. The adjusted model for L. anus had the most important predictors CT and distance from margins. The results suggest that the distribution of C. fluminea, P. pintado, P. nigribarbis and L. anus is not random, though structural and environmental predictors influence the habitat occupation of these organisms. Furthermore, the results show the spatial distribution of species assessed on a small-scale, concerning the majority of spatial distribution studies. Thus, the findings contribute to a better understanding of the autoecology for those species, allowing the prediction to future scenarios in Lake Guaíba, constituting as a tool for environmental management and conservation actions.
O objetivo deste estudo foi modelar a adequabilidade de hábitat para o bivalve Corbicula fluminea e os peixes Pimelodus pintado (pintado), Parapimelodus nigribarbis (mandi) e Loricariichthys anus (viola) em relação a variáveis ambientais no Lago Guaíba, Rio Grande do Sul,, Brasil. O Lago Guaíba é um grande corpo hídrico que banha a cidade de Porto Alegre com aproximadamente 50 km de comprimento e 19 km de largura no ponto mais largo, apresenta um gradiente de poluição de norte ao sul e diferentes características de sedimento e configurações de hábitat nas margens. As amostras (n=54) de C. fluminea foram coletadas com draga Ekman (10 sub-amostras, área total amostrada = 2,225 cm2) e os peixes amostrados com redes com diferentes tamanhos de malha por 20 horas nos mesmos pontos de amostragem. As variáveis avaliadas para o ajuste do modelo compreenderam medidas de distância da margem, distância de arroios e canais, distância em metros de norte a sul, profundidade, velocidade da água, quantidade de coliformes termo-tolerantes (CT) e características do sedimento. O modelo de distribuição usado para C. fluminea foi um Generalized Additive Models (GAM). O modelo selecionado para C. fluminea (r2 = 0. 55) usou profundidade (p = 2e-16) e a diversidade dos tamanhos dos grãos de areia (p = 2. 52- 15) como preditores. Para a modelagem dos peixes, três metodologias foram avaliadas (GAM), Boosted Regression Trees (BRT) e Generalized Linear Modeling (GLM). GLM foi o método com maior acurácia dentre as três metodologias para as três espécies: P. pintado, r2 = 0. 60, Root Mean Squared Error (RMSE) = 4,71; P. nigribarbis, r2 = 0,84, RMSE = 6. 77; e L. anus, r2 = 0,72, RMSE = 2,40. Os preditores mais importantes no modelo para P. pintado foram relacionados a profundidade, características do sedimento e velocidade de corrente. O modelo selecionado para P. nigribarbis teve como variáveis mais importantes: profundidade, distância dos tributários e CT. O modelo ajustado para L. anus teve como preditores mais importantes CT e distância das margens. Os resultados apresentados sugerem que a distribuição de C. fluminea, P. pintado, P. nigribarbis e L. anus não é aleatória e preditores estruturais e ambientais influenciam a ocupação de hábitat destes organismos. Além disso, os resultados apresentam a distribuição espacial para as espécies avaliadas em pequena escala, considerando a maioria dos estudos de distribuição espacial. Desta maneira, os achados contribuem para um melhor entendimento da autoecologia das espécies, permitindo a previsão de cenários futuros no Lago Guaíba, além de constituir uma ferramenta para gestores ambientais e ações conservacionistas.
URI: http://hdl.handle.net/10923/7414
Appears in Collections:Dissertação e Tese

Files in This Item:
File Description SizeFormat 
000470920-Texto+Completo-0.pdfTexto Completo7,26 MBAdobe PDFOpen
View


All Items in PUCRS Repository are protected by copyright, with all rights reserved, and are licensed under a Creative Commons Attribution-NonCommercial 4.0 International License. Read more.