Modelos de distribuição geográfica de <i>Amaioua guianensis</i> Aubl. em Minas Gerais, Brasil<p>Geographic distribution models of <em>Amaioua guianensis</em> Aubl. in Minas Gerais, Brazil

Resumen

O objetivo deste trabalho é avaliar o desempenho de 4 modelos utilizando diferentes conjuntos de variáveis ambientais, variando em complexidade, na tentativa de prever a distribuição geográfica de Amaioua guianensis Aubl. no Estado de Minas Gerais. Os pontos de ocorrência da espécie foram recuperados no banco de dados TreeAtlan 1.0 para o Estado de Minas Gerais. As bases ambientais utilizadas para o trabalho compreendem coberturas climáticas relacionadas com temperatura e precipitação, dados relativos ao relevo, distância do oceano, índices de vegetação do sensor MODIS, tipo de solo e litologia. Para a modelagem de distribuição da espécie foi utilizado o algoritmo de Máxima Entropia (Maxent). Quatro alternativas de conjuntos de variáveis, foram gerados: com toda a base de dados, só com as variáveis bioclimáticas, com as variáveis selecionadas por meio da CCA e com as variáveis selecionadas por meio de uma análise prévia do teste Jackknife para todas as variáveis. A análise do desempenho dos modelos foi feita utilizado a área sob a curva ROC e taxas de omissão extrínsecas. As simulações demonstram que a seleção de variáveis ambientais mais relevantes para uma determinada espécie produz modelos mais acurados.

Abstract

The objective of this work is to evaluate the performance of 4 models using different environmental datasets in an attempt to predict the geographic distribution of Amaioua guianensis Aubl. in the State of Minas Gerais. The specie occurrence points was recovered from the TreeAtlan 1.0 database for Minas Gerais. The environmental datasets used for the work involved climatic coverings related to temperature and precipitation, elevation, distance from the ocean, MODIS vegetation indices, soil classes and litology. The Maximum Entropy method (Maxent) was used for modeling specie distribution. Four alternative environmental datasets was input to Maxent: (a) all variables, bioclimatic variables, variables selected by CCA and variables selected using the Jackknife test applied to all variables. The performance of the models was analyzed using the area under ROC curve and extrinsic omission rates. The simulations show that the selection of environmental variable produced the most accurate results.