Escolar Documentos
Profissional Documentos
Cultura Documentos
Modelos de Distribuição Espacial - Cenário Actual e Futurísiticos
Modelos de Distribuição Espacial - Cenário Actual e Futurísiticos
ISCED-HUÍLA
Repartição de Geografia
Opção: Geografia
Autores:
- Ezequiel Hequele Lobito Jeremias
- Isaías de Sousa Luís
- Lourenço Pio Halewa Celestino
Tutor: Msc. António Valter Chissingui
Lubango, 2014
i
Agradecimentos
A realização deste trabalho de fim de curso damos graças aquele que nos deu
força, sabedoria, esperança e fé, Deus que nos julgou digno de confiança para
que esta obra fosse realizada e granejar resultados aceitáveis.
Expressamos a nossa mais profunda gratidão as famílias, pais, irmãos, filhos e
em fim todas as pessoas que directa ou indirectamente que com ajuda,
compreensão, abnegação e confiança, fizeram com que se concluísse esse
trabalho.
Os nossos agradecimentos são extensivos a todos Professores tanto vivos quanto
aos que já partiram deste mundo e que souberam bem nos guiar em caminhos
certos, a todos eles, o nosso muito obrigado.
Aos nossos Professores do Departamento de Ciências da Natureza no geral e em
particular aos da Repartição de Geografia, muito obrigado.
À Doutora Isabel Galamba, o nosso muito obrigado, pelos ensinamentos e pelos
conselhos da vida.
Ao nosso imbatível Tutor, Msc. António Valter Chissingui que incansavelmente
soube sempre nos acompanhar, em todos os momentos e sempre que fosse
necessário, pelos ensinamentos concedidos, “por suportar-nos” durante os cinco
anos da formação até a presente data, e que temos a certeza que vai continuar a
fazê-lo doravante, o nosso muitíssimo obrigado.
Os nossos agradecimentos são extensivos aos colegas e amigos que
incansavelmente juntos lutamos para que esta formação fosse uma realidade.
2
Dedicatórias
À Deus. Aos meus pais, Jeremias António e Joana Salomão; meus irmãos Dino
Jeremias, Pedro Jeremias, Venga Jeremias, Maria António e António Jeremias.
Dedico.
Ezequiel Hequele Lobito Jeremias
À Deus. Aos meus pais, Luís (em memória); Maria da Conceição Teresa pelo
sacrifício, amor, carinho e coragem que sempre me brindaram, a minha esposa
Rita da Silva, meu irmão Cristo Luís, minha irmã Helena da Graça a quem devo o
meu grande reconhecimento por tudo que fizeram por mim neste mundo e todos
aqueles que directa ou indirectamente contribuíram para esta obra se
concretizasse.
Dedico.
Isaías de Sousa Luís
À Deus. A minha mana Isabel Dandi, meu Pai (em memória); a minha Mãe, a
todos meus irmãos a minha avó Luísa (em memória); os quais, me apoiaram e me
ensinaram a viver de uma forma especial neste belo universo de coisas
maravilhosas e cheio de ciência para nossos desafios.
Dedico.
Lourenço Pio Halewa Celestino
Pierre Furter
3
Índice geral
Agradecimentos ................................................................................................. 1
Dedicatórias ....................................................................................................... 3
Resumo ............................................................................................................ 10
0 Introdução.............................................................................................. 11
de estudo.......................................................................................................... 17
“Nkhuvia-Nganga” ............................................................................................ 27
de espécies ...................................................................................................... 40
de espécies ...................................................................................................... 42
3.7 Mapas......................................................................................................... 61
Conclusões....................................................................................................... 72
Sugestões ........................................................................................................ 73
Anexos ............................................................................................................. 75
6
Lista de figuras
Figura 1- Mapa dos limites da área de estudo............................................................. 17
Figura 2 – Tipos de modelos (adaptado de Iwashita, 2008)...................................... 34
Figura 3 – Elementos essenciais na modelação de distribuição de espécies
(adaptado de Iwashita, 2008) ......................................................................................... 35
Figura 4 - Processo de criação de um modelo de distribuição de espécies
(adaptado de Scachetti Pereira & Siqueira 2007) ....................................................... 37
Figura 5 - Factores que determinam a distribuição geográfica de uma espécie
(Soberón, 2010). ............................................................................................................... 41
Figura 6 - Amplitude da distribuição da família Coracidae ao longo da vegetação.
(Adaptado do Atlas da vegetação de Angola). ............................................................ 61
Figura 7- Amplitude da distribuição da família Coracidae ao longo das estradas.
(Adaptado do Atlas das estradas de Angola)............................................................... 62
Figura 8- Amplitude da distribuição da família Coracidae ao longo dos rios.
(Adaptado do Atlas da rede hidrográfica de Angola) .................................................. 63
Figura 9 - Modelo de distribuição espacial das espécies da família Coracidae, com
dados climáticos desde aproximadamente 1950 até 2000, gerado pelo algoritimo
BIOCLIM............................................................................................................................. 64
Figura 10 - Modelo de distribuição espacial preditivo das espécies da família
Coracidae, com dados climáticos aproximadamente até 2050, gerado pelo
algoritmo BIOCLIM. .......................................................................................................... 65
Figura 11- Representação do nicho ecológico modelado pelo algoritmo Bioclim
com dados actuais. Fonte: criado no Software DivaGis 7.1.7.2 ............................... 66
Figura 12- Representação do nicho ecológico modelado pelo algoritmo Bioclim
com dados futuros. Fonte: criado no Software DivaGis 7.1.7.2 ................................ 66
Figura 13 – Valor de AUC com dados presentes. Fonte: criado no Software
DivaGis 7.1.7.2 ........................................................................................................... 68
Figura 14- Valor de Kappa com dados presentes. Fonte: criado no Software
DivaGis 7.1.7.2 .................................................................................................................. 68
Figura 15 – Valor de roc com dados futuros. Fonte: criado no Software DivaGis. 69
Figura 16– Valor de Kappa com dados futuros. Fonte: criado no Software DivaGis
7.1.7.2 ................................................................................................................................. 69
7
Lista de tabelas
Tabela 1- Taxonomia da ordem Coraciformes ............................................................ 18
Tabela 2 – Distribuição espacial da espécie Coracias Caudata Caudata na
província da Huíla. ............................................................................................................ 20
Tabela 3 – Distribuição espacial da espécie Coracias Spatulata na província da
Huíla. ................................................................................................................................... 21
Tabela 4 – Distribuição espacial da espécie Eurystomus Glaucurus Suahelicus
Neuman na província da Huíla. ...................................................................................... 25
Tabela 5 - Modelos, softwares e os métodos de modelação .................................... 38
Tabela 6 – Sobreposição dos pontos das espécies.................................................... 55
Tabela 7- Algoritmos e programas computacionais utilizados na modelação da
distribuição geográfica de espécies, com ênfase nos modelos baseados apenas
em presenças. ................................................................................................................... 57
8
Lista de abreviaturas
9
Resumo
10
0 Introdução
Angola é uma das mais ricas regiões do mundo em espécies de aves, estão
catalogadas cerca de novecentas e oitenta e oito (African Bird Club, 2007) das
dez mil espécies de aves que se conhecem em todo Mundo (AVIBASE – the
world bird database, 2009). O que se deve a vastidão dos seus 1.246.700km 2, a
variedade ambiental e outros factores a serem estudados.
(visiteangola.com/flora_fauna.htm. acesso 01- 02- 2012).
11
ver animais e plantas no seu estado selvagem); motivos económicos (a
diminuição de espécies pode prejudicar actividades como o turismo) e funcionais
da natureza (dado que a redução da biodiversidade leva a perdas ambientais).
Como resultado deste cenário, sobrevêm os Sistemas de Informação Geográfica,
(SIG) que possuem ferramentas capazes e necessárias que permitem
desenvolver modelos preditivos de distribuição espacial de uma determinada
espécie em função das mudanças climáticas, que ajudará directamente na
avaliação da informação das aves de Angola e da Huíla em particular as da
família Coracidae da ordem dos Coraciformes, bastante incompleta no que tange
à preservação das áreas de ocorrência, evitando a perda e fragmentação de
habitats e conservação das espécies.
12
computacionais gera a possibilidade da previsão de ocorrência de espécies
através da geração de superfícies temáticas, indicando presença ou ausência,
com os chamados modelos de distribuição de espécies (Species Distribution
Model– SDM). Tais modelos são empíricos, pois relacionam observações de
campo com variáveis ambientais explicativas, fundamentadas em premissas
estatísticas ou teóricas gerando os modelos de distribuição (Guisan & Thuiller,
2005), citado por (Iwashita, 2008).
Objectivo Geral
Criar modelos preditivos de distribuição espacial das aves da família
Coracidae, ordem dos Coraciformes existentes na província da Huíla
13
considerando cenários climáticos actuais e futuros, com valores estimados
até o ano de 2050, utilizando os SIG.
Objectivos específicos
Georreferenciar todos espécimes da família Coracidae contidos no museu
de Ornitologia e Mamalogia do ISCED-Huíla;
Determinar a distribuição espacial actual e futura das espécies da família
Coracidae com base no modelo;
Projectar a distribuição espacial das espécies da família Coracidae e sua
adequabilidade ambiental para o cenário futuro;
Identificar se as condições climáticas são indicadores da ocorrência das
espécies.
14
A diversidade biológica angolana é rica e espalhada um pouco por todo país,
abrangendo uma multiplicidade de áreas tornando-se um elemento de destaque
na selecção de áreas de enorme potencial ornitológico como é o caso da
província da Huíla. Esta ideia fica patente, ao darmos conta que a Província da
Huíla possui mais de um terço e meio das aproximadamente mil espécies que se
encontram em Angola. (visiteangola.com/flora_fauna.htm. acesso 01- 02- 2012.)
A província da Huíla no geral e os seus municípios, em que se encontram
distribuídas as aves da família Coracidae, ordem dos Coraciformes, são áreas de
extrema importância e a ter em conta para a conservação das mesmas.
15
CAPÍTULO I – FUNDAMENTAÇÃO TEÓRICA
16
1.1 Descrição da área de estudo
A província da Huíla com cerca de 79. 022 km², localiza-se a Sul de Angola,
limitada a Norte pela província do Huambo; a Sul e Sudeste pela província do
Cunene; a Este pela província do Kuando Kubango; a Nordeste a província do
Bié; a Oeste e Sudoeste pela província do Namibe e Noroeste a província de
Benguela. Tem como capital a cidade do Lubango; é constituída por 14
municípios: Caconda, Cacula, Kaluquembe, Chibia, Chicomba, Chipindo,
Cuvango, Humpata, Jamba, Lubango, Matala, Quilengues, Gambos e Quipungo,
como representa a fig. 1.
17
Tabela 1- Taxonomia da ordem dos Coraciformes
São aves de porte médio, mais ou menos de tamanho de um pombo, mas com a
silhueta de um corvo, de bico forte e plumagem ricamente colorida, com as asas e
cauda, azuladas; três dedos para diante dos quais o externo, só unido aos
restantes pela base, é reversível e um para trás; tarsos curtos e cauda de doze
penas. De modo geral, os rolieiros são aves conflituosas e barulhentas
principalmente na época de reprodução que se alimentam, quase que
18
exclusivamente, de insectos, e põem ovos brancos, invariavelmente, nos buracos
das árvores, (Pinto, 1975).
Das seis espécies que ocorrem em Angola, cinco encontram-se na região do
Sudoeste, uma como migrante paleárctico e outra, migrante inter-tropical; as
restantes três são aves sedentárias no Sudoeste Sul (Pinto, 1975)
Destas cinco que ocorrem no Sudoeste, três (Coracias Caudata, Coracias
Spatulatas e Eurystomus Glaucurus) ocorrem na área de estudo (província da
Huíla).
19
Tabela 2 – Distribuição espacial da espécie Coracias Caudata Caudata na província da Huíla
Nome Nome em Área de Municípi Proví
científico português colheita o ncia País Alt. Lat. S Long.E
Coracias Roleiro-de- Humpata
Caudata peito-lilás Tchivinguiro Huíla Angola 1690 15° 10' 13° 18'
Coracias Roleiro-de- Chibia
Caudata peito-lilás Chibia Huíla Angola 1484 15° 12' 13° 42'
Coracias Roleiro-de- Chibia
Caudata peito-lilás Chibia Huíla Angola 1484 15° 12' 13° 42'
Chibia, 15 Chibia
Coracias Roleiro-de- km para
Caudata peito-lilás Quihita Huíla Angola 15° 12' 13° 50'
Coracias Roleiro-de- Lubango
Caudata peito-lilás Huíla (town) Huíla Angola 1734 15° 05' 13° 33'
Lagoa Humpata
Coracias Roleiro-de- Nuntechite
Caudata peito-lilás (= Nautelita) Huíla Angola 15° 07' 13° 25'
Coracias Roleiro-de- Lubango, 7 Lubango
Caudata peito-lilás km S Huíla Angola 14° 55' 13° 33'
Coracias Roleiro-de- Lubango
Caudata peito-lilás Huíla (town) Huíla Angola 1734 15° 05' 13° 33'
Coracias Roleiro-de- Lubango, 16 Lubango
Caudata peito-lilás km north Huíla Angola 1750 14° 51' 13° 37'
Coracias Roleiro-de- Chibia
Caudata peito-lilás Quihita Huíla Angola 1397 15° 24' 13° 58'
Coracias Roleiro-de- Chibia
Caudata peito-lilás Quihita Huíla Angola 1397 15° 24' 13° 58'
Coracias Roleiro-de- Lubango
Caudata peito-lilás Toco Huíla Angola 1662 14° 49' 13° 47'
Coracias Roleiro-de- Quipung
Caudata peito-lilás Quipungo o Huíla Angola 1296 14° 49' 14° 33'
Coracias Roleiro-de- Caluquembe Caluque
Caudata peito-lilás (= Cué ) mbe Huíla Angola 1709 13° 47' 14° 41'
Coracias Roleiro-de- Chibia
Caudata peito-lilás Chite Huíla Angola 1482 15° 14' 13° 41'
Coracias Roleiro-de-
Caudata peito-lilás Arimba Lubango Huíla Angola 1700 14° 57' 13° 36'
20
(Continuação)
Coracias Roleiro-de- Humpata
Caudata peito-lilás Rio Béu Huíla Angola 1300 14° 43' 15° 21'
Coracias Roleiro-de- Chibia
Caudata peito-lilás Ungué Huíla Angola 1232 14° 46' 15° 03'
Coracias Roleiro-de- Chibia
Caudata peito-lilás Cangolo Huíla Angola 1400 14° 44' 15° 41'
Coracias Roleiro-de- Chibia
Caudata peito-lilás Cangolo Huíla Angola 1400 14° 44' 15° 41'
Coracias Roleiro-de- Chibia
Caudata peito-lilás Cangolo Huíla Angola 1400 14° 44' 15° 41'
Coracias Roleiro-de- Gambos
Caudata peito-lilás Chiange Huíla Angola 15° 44' 13° 54'
Coracias Lubango
Caudata Toco Huíla Angola 1662 14° 49' 13° 47'
Fonte: dados do Museu de Ornitologia e Mamologia do Lubango
A espécie Coracias Spatulata possui trinta e dois registos, também em seis áreas
de ocorrência, nomeadamente Lubango, Matala, Gambos, Jamba, Humpata e
Caconda.
A área de ocorrência com maiores registos, é o município da Matala com quinze
registos e a de menor é o município da Jamba, com apenas quatro registos, tal
como apresenta a tabela:
21
(Continuação)
Roleiro-
Coracias cauda-de-
Lubango
Spatulata raquete Leba Huíla Angola 1760 15° 04' 13° 16'
Roleiro-
Coracias cauda-de- Chem-
Spatulata raquete chem Lubango Huíla Angola 14° 53' 14° 06'
Roleiro-
Coracias cauda-de- Chem-
Spatulata raquete chem Lubango Huíla Angola 14° 53' 14° 06'
Roleiro-
Coracias cauda-de-
Spatulata raquete Humpata Humpata Huíla Angola 1935 15° 01' 13° 23'
Roleiro-
Coracias cauda-de-
Spatulata raquete Humpata Humpata Huíla Angola 1935 15° 01' 13° 23'
Roleiro-
Coracias cauda-de-
Spatulata raquete Toco Lubango Huíla Angola 1662 14° 49' 13° 47'
Roleiro-
Coracias cauda-de-
Spatulata raquete Toco Lubango Huíla Angola 1662 14° 49' 13° 47'
Roleiro-
Coracias cauda-de-
Spatulata raquete Uaba Caconda Huíla Angola 1535 13° 48' 14° 53'
Roleiro-
Coracias cauda-de-
Spatulata raquete Uaba Caconda Huíla Angola 1535 13° 48' 14° 53'
22
(Continuação)
Roleiro-
Coracias cauda-de-
Caconda
Spatulata raquete Uaba Huíla Angola 1535 13° 48' 14° 53'
Roleiro-
Coracias cauda-de-
Spatulata raquete Uaba Caconda Huíla Angola 1535 13° 48' 14° 53'
Roleiro- Matala
Coracias cauda-de- Vambund
Spatulata raquete e Huíla Angola 1241 14° 53' 15° 03'
15° 03'
Matala
Roleiro-
Coracias cauda-de-
Spatulata raquete Imbanga Huíla Angola 1220 14° 53'
Roleiro- Matala
Coracias cauda-de- Vambund
Spatulata raquete e Huíla Angola 1241 14° 53' 15° 03'
Roleiro- Matala
Coracias cauda-de- Vambund
Spatulata raquete e Huíla Angola 1241 14° 53' 15° 03'
Roleiro- Matala
Coracias cauda-de-
Spatulata raquete Luceque Huíla Angola 14° 39' 15° 04'
Roleiro- Matala
Coracias cauda-de-
Spatulata raquete Luceque Huíla Angola 14° 39' 15° 04'
Roleiro- Matala
Coracias cauda-de-
Spatulata raquete Matala Huíla Angola 1220 14° 43' 15° 02'
Roleiro-
Coracias cauda-de- Muquequ
Spatulata raquete ete Matala Huíla Angola 1367 14° 52' 14° 14'
23
Continuação
Roleiro-
Coracias cauda-de- Muquequ
Spatulata raquete ete Matala Huíla Angola 1367 14° 52' 14° 14'
Coracias
Spatulata Roleiro-
cauda-de- Vambund
raquete e Matala Huíla Angola 1241 14° 53' 15° 03'
Roleiro-
Coracias cauda-de- Castanhei
Spatulata raquete ra de Pêra Matala Huíla Angola 1205 14° 49' 15° 02'
Roleiro-
Coracias cauda-de- Castanhei
Spatulata raquete ra de Pêra Matala Huíla Angola 1205 14° 49' 15° 02'
Roleiro-
Coracias cauda-de- Chereque
Spatulata raquete ra Matala Huíla Angola 14° 02' 15° 21'
Roleiro-
Coracias cauda-de- Chereque
Spatulata raquete ra Matala Huíla Angola 14° 02' 15° 21'
Roleiro- Dongo
Coracias cauda-de- (Cubangw
Spatulata raquete e) Jamba Huíla Angola 1465 14° 36' 15° 43'
Roleiro- Dongo
Coracias cauda-de- (Cubangw
Spatulata raquete e) Jamba Huíla Angola 1465 14° 36' 15° 43'
Roleiro- Dongo
Coracias cauda-de- (Cubangw
Spatulata raquete e) Jamba Huíla Angola 1465 14° 36' 15° 43'
Fonte: dados do Museu de Ornitologia e Mamologia do Lubango
25
1.3 Caracterização do objecto de estudo
26
1.3. 2 Distribuição, hábitos e reprodução
Esta é uma ave sedentária muito comum na região e distribuída por todo o
território, principalmente na bacia do Cunene. Frequenta savanas ou matas
abertas, onde se podem encontrar solitárias ou acasaladas, poisadas em ramos
de árvores destacadas ou em postes telegráficos, donde observam os pontos
próximos na pesquisa das presas. São aves de grande beleza que, na estação
nupcial, realizam voos acrobáticos, acompanhados de gritos ásperos e agudos. A
alimentação, extremamente variada, consiste em insectos e suas larvas
principalmente ortópteros, miriápodes, aracnídeos, pequenos répteis e, às vezes,
pequenos pássaros. A reprodução tem lugar, normalmente, de Setembro a
Dezembro. Ninham em buracos das árvores, a 3 ou 5 m do solo, onde põem 2 - 5
ovos brancos, que medem à volta de 32x26mm.
O rolieiro de cauda de raquete é uma espécie comum na Huíla, mas do local não
conhecemos nenhum ´´record´´ para o Cunene ou para Namibe. Habita matas
densas , com árvores de grande porte, e é uma ave sedentária, na região, que se
encontra acasalada ou em pequenos bandos. Os seus hábitos não diferem
grandemente dos outros membros de família, a não ser no voo, mais ondulado, e
nas evoluções com que cortejam a fêmea. Alimentação predominante insectívora,
com preferência pelos gafanhotos; canto consistente em notas altas e
cacarejadas.
Aninham em buracos de árvores a partir de Setembro. Os ovos são brancos, em
número de 3 para cada postura, medindo, em média, 32x26mm.
Identificação: Este é o mais pequeno dos rolieiros da Huíla porque não tem as
rectrizes externas alongadas, nisso se assemelhando ao antecedente, do qual
facilmente se separa pela estrutura e porque tem bico amarelo.
Na parte superior, a plumagem é, uniformemente, de uma canela intensa, da
fronte a rabadilha e incluindo as escapulares e secundárias mais internas
levemente tingidas de lilás na região superciliar; nos supra caudais, são azuis
esverdeadas, pouco vivas. As asas e respectivas coberturas superiores de um
azul ultramarino, escuro, pretas na margem interna e extremidades das pernas. A
Cauda com rectrizes centrais pardacentas, tem um sombreado azul-cobalto, e as
restantes, azul-cobalto, brilhante, passando no quarto distal a azul ultramarino, e
terminadas de preto.
28
Na parte inferior, toda a superfície, com excepção das infra – alares que são azul
- cobalto, se mostra lilás acastanhado, muito vivo a brilhante, quase metálico. Os
sexos semelhantes e imaturos são de um castanho – Bico, estriado de preto,
superiormente, e azul – esverdeado, no peito e abdómen. A Iris é castanha, cor
de Avela; bico, amarelo – vivo; pés e dedos, castanho – esverdeados. Asa: 172 –
192mm. (ver em anexo).
29
O desenvolvimento de algoritmos (sequências finitas de comandos, executados
através de códigos escritos em alguma linguagem computacional) específicos
para a modelação preditiva de distribuição foi também fundamental para a
evolução dessa técnica. Destacam-se os algoritmos Maxent (Phillips et al. 2006)
e o Genetic Algorithm for Rule Set Production (GARP) (Stockwell & Noble 1991;
Stockwell & Peters, 1999). Ambos utilizam apenas dados de presença e
apresentam bons resultados com baixo número de pontos de ocorrência (Wiszet
et al., 2008). Outros algoritmos importantes a serem destacados, e que
necessitam de dados de presença e de ausência, são o Generalised Linear
Models (GLM) (McCullagh & Nelder, 1989), Generalised Additive Models (GAM)
(Hastie & Tibshirani, 1990) e o Random Forest (RF), (Breiman, 2001), citado por
(Giannini et. al., 2009).
O desenvolvimento da modelação preditiva de distribuição de espécies aconteceu
concomitante com iniciativas internacionais que visavam, principalmente, a
padronização, compartilhamento e disponibilização de dados primários de
colecções biológicas, museus e herbários (Graham et al. 2004), citado por
(Giannini et. al., 2009).
30
1) Variáveis climáticas: Worldclim (Hijmans et al. 2005) e Köppen-Geiger "climate
classification" (Rubel & Kottek 2010);
2) Ecorregiões: WWF (World Wildlife Fund – Olson et al. 2001);
3) Edáficas ver FAO SOTER;
4) Modelos Digitais de Elevação: USGS/EROS (United States Geological Survey
Center for Earth Resources Observation and Science).
31
CAPÍTULO II – MODELAÇÃO E DISTRIBUIÇÃO ESPACIAL
32
2. Introdução
33
Segundo (Guisan & Zimmermann 2000), citado por citado por (Iwashita, 2008),
existem três pilares no estudo de modelos matemáticos aplicados à ecologia:
generalidade, realidade e precisão (Fig. 2).
Desses são derivados três grupos de modelos, (analíticos, mecanicistas e
empíricos).
O primeiro grupo foca a generalidade e a precisão, esses modelos são chamados
de analíticos. O segundo grupo é desenvolvido visando ser realista e generalista,
são chamados de mecanicistas, fisiológicos, casuais ou modelos de processos,
suas previsões são baseadas nas relações reais de causa e efeito. O terceiro
grupo sacrifica a generalidade pela precisão e realidade, são os chamados
modelos empíricos, estatísticos ou fenomenológicos, pois fazem relações entre os
dados de ocorrência e as variáveis ambientais predizendo a partir de premissas
estatísticas.
34
2.1.1 Elementos essenciais na modelação de distribuição de espécies
Dados +Variáveis
Explicativas Modelos
matemáticos
Avaliação do modelo
35
Os Modelos de distribuição espacial visam representar a aproximação do nicho
ecológico fundamental da espécie, o qual é conceito adoptado neste trabalho,
definido por Hutchinson (1957) citado por (Shaffer, 2012), fundamentado num
espaço de hipervolume n – dimensional em que cada dimensão representaria o
intervalo de condições ambientais (recursos) necessários a sobrevivência e
reprodução das espécies, não sendo consideradas as interacções bióticas.
36
Figura 4 - Processo de criação de um modelo de distribuição de espécies (adaptado de
Scachetti Pereira & Siqueira 2007)
37
Elith et al.,2006, citado por Matos, (2010) classificam os SDMs em dois grandes
grupos baseados nos tipos de dados que alimentam os modelos. No primeiro
grupo, estão os modelos que utilizam apenas registos de presença (envelopes
climáticos, por exemplo).
No segundo grupo, estão os modelos que empregam dados de presença e
ausência da espécie alvo, de modo a limitar as áreas de ocorrência, diminuindo
erros de falsos positivos. O segundo grupo pode ser dividido em dois subgrupos,
modelos que utilizam dados de apenas uma espécie e os modelos que
descrevem a presença da espécie alva através de dados de presença de outras
espécies, isto é, da comunidade.
O trabalho em causa aborda modelos de distribuição de espécies apenas com
dados de presença (tabela 5), pois a ausência das espécies podia ser registada
por diferentes motivos: a) as espécies não podem ser detectadas, embora
presente; b) por razões históricas a espécie está ausente, embora o habitat seja
adequado; c) o habitat é realmente inadequado para a espécie (Phillips et al.,
2006), citado por Giannini et al., (2009).
Necessita
Tipo de Software ausência Página de acesso
modelo Método
DIVA – Gis Não www.cifor.cgiar.org/docs/ref/re
ENV DOMAI search
N tools/domain/índex.htm
BIOCLIM / Não www.arcscripts.esri.com
ENV BIOCLI Open http://openmodeller.sourcefor
M Modeller ge.net
Fonte: (ELITH at al., 2006 adaptado Matos)
38
distribuição de espécies foram baseados em técnica de envelopes ambientais. O
BIOCLIM é um método de modelação que utiliza apenas a presença de espécies.
Os envelopes bioclimáticos predizem locais com condições climáticas favoráveis
a uma espécie, baseados no cálculo de um envelope rectilíneo mínimo no espaço
climático multidimensional. Um envelope rectilíneo pode ser definido como uma
árvore de classificação, que consiste em uma partição recursiva do espaço
multidimensional definido por variáveis explicativas dentro de grupos que são os
mais homogéneos possíveis em termos de sensibilidade (Carpenter et al., 1993),
citado por (Iwashita, 2008).
39
2.1.6 Fundamentos ecológicos da modelação preditiva de distribuição de
espécies
40
Considerando essa dinâmica, Soberón (2010) citado por (Giannini et al., 2009)
sugeriu três factores principais que determinam a distribuição geográfica, como
ilustra a figura 5; sendo os dois primeiros uma função directa do nicho: 1)
condições abióticas (por exemplo, o clima); 2) factores bióticos (por exemplo,
interacções entre espécies); 3) capacidade de dispersão, através de sua
locomoção ou através de agentes externos, o que determina o grau de
acessibilidade da espécie a outras áreas.
Figura 5 - Factores que determinam a distribuição geográfica de uma espécie (Soberón, 2010).
41
2.1.7 Os principais desafios da modelação preditiva de distribuição de
espécies
Ainda não existe um método efectivo para avaliar comparativamente acurácia dos
modelos preditivos. Apesar de existirem vários algoritmos disponíveis, nem
sempre é possível comparar o resultado de cada um deles e estimar as
diferenças de uma forma satisfatória. Assim, outras ferramentas de pós-análise
deveriam ser desenvolvidas de forma a proporcionar métodos mais precisos para
qualificar os modelos obtidos.
A modelação de distribuição é directamente dependente da qualidade dos dados
de ocorrência das espécies. Colectas mais extensas, padronizadas e bem
georreferenciadas são fundamentais, especialmente em regiões pouco
amostradas. Apesar da existência de várias iniciativas internacionais ainda existe
pouca disponibilidade de dados, pois grande parte da informação ainda não está
digitalizada ou disponibilizada em portais da internet. Além disso, muitos dados
disponibilizados ainda apresentam erros, seja de identificação ou de digitalização,
e necessitariam de ser corrigidos por especialistas nos grupos enfocados. Neste
contexto, também seria muito importante o desenvolvimento e a implementação
de filtros de qualidade de dados, tanto taxonómicos como de mapeamento, para
uma garantia de maior qualidade nos dados disponibilizados.
42
com o uso correcto de técnicas, seu desenvolvimento poderá ser aprimorado.
(Giannini et al., 2009).
Muitas decisões são feitas durante o processo de modelação, o que pode gerar
várias predições alternativas e muita incerteza nos mapas preditivos de
distribuição potencial (Araújo & New, 2007). Essas decisões envolvem, por
exemplo, os métodos de pesquisa e obtenção dos dados, os algoritmos de
modelação, a selecção das variáveis preditoras e dos GCMs e a escolha do limiar
de decisão e dos métodos de avaliação. Vários estudos mostram que diferentes
algoritmos, por exemplo, predizem diferentes áreas de distribuição geográfica
usando um mesmo conjunto de dados (Dormann et al., 2008; Diniz-Filho et al.,
2009), especialmente quando projectadas para diferentes cenários climáticos
(Thuiller, 2004; Pearson et al., 2006). O mesmo problema também é encontrado,
principalmente, quando os modelos são calibrados com diferentes simulações
paleoclimáticas (GCMs; Diniz-Filho et al., 2009) ou quando se utilizam diferentes
critérios para o escolha do limiar de decisão (Nenzén & Araújo, 2011), citado por
(Ribeiro & Diniz-Filho, 2012).
Dessa forma, uma solução para lidar com as predições alternativas é combinar
todos os resultados oriundos dessas fontes de incerteza para gerar predições
mais robustas (chamada de ensemble solutions, (Araújo & New, 2007), sobretudo
em relação à dinâmica da distribuição geográfica das espécies sob cenários de
mudanças climáticas globais (Diniz-Filho et al., 2009). O “consenso” entre as
diferentes predições ilustra a forma mais simples de lidar com as incertezas
preditivas no contexto dos SDMs, portanto, deve ser preferivelmente utilizada nos
estudos paleoecológicos com poucos registos fósseis (Varela et al., 2011). Na
verdade, o aspecto mais importante da abordagem de consenso (ensemble) não
é de facto utilizar o mapa de consenso apenas, mas sim avaliar os diferentes
mapas e aplicar a eles as estatísticas ou análises de interesse, como por exemplo
padrões temporais e associações de redução da distribuição, riqueza de espécies
ou turnover de espécies (Diniz-Filho et al., 2010). Com isso, obtém-se uma
43
incerteza nos resultados dessas análises e não apenas na distribuição da
espécie, o que pode levar a conclusões mais conservativas e robustas sobre os
processos paleoecológicos de interesse.
44
população mais adaptada às novas realidades, a educação tem papel chave
como meio de transformação. Esta tarefa é grande demais para ficar no âmbito
escolar, somente será viável com a união de várias instituições educativas (sendo
estas formais e não-formais), trabalhando juntas no intuito da construção dessa
nova realidade socio ambiental tão necessária.
Na actual conjuntura mundial, não há como separar o ensino de ciências da
educação ambiental, sendo esta educação entendida pela Unesco, como um
processo permanente no qual os indivíduos e a comunidade tomam consciência
do seu meio ambiente e adquirem conhecimentos, habilidades, experiências,
valores e a determinação que os tornam capazes de agir, individual ou
colectivamente, na busca de soluções para os problemas ambientais, presentes e
futuros (UNESCO, 1987). “A finalidade da educação ambiental é formar uma
população mundial consciente e preocupada com o ambiente e problemas com
ele relacionados, e que possua os conhecimentos, as capacidades, as atitudes, a
motivação e o compromisso para colaborar individual e colectivamente na
resolução de problemas actuais e na prevenção de problemas futuros”.
(UNESCO, 1976), citado por (Walewski, 2007).
45
material biológico, portanto, é preciso ter o cuidado de encaminhar ou preservar
correctamente o material encontrado nessas instituições.
Auricchio (2002), citado por Walewski, (2007) afirma que para o material de
origem animal uma colecção, agrupa de forma organizada amostras de
populações animais, partes ou produtos destes e dados associados a estas
peças, visando o aproveitamento científico e, consequentemente, da sociedade.
Segundo Papavero (1983), citado por (Walewski, 2007) toda a colecção tem
importância didáctica, uma vez que a sua utilização sempre implica em
actualização e geração de conhecimento, e contribui para a contínua capacitação
de pessoal. Isto não implica que o material de uma colecção científica seja
utilizado indiscriminadamente para treinamento de aprendizes, pois, certamente,
este procedimento dilapidará rapidamente o acervo, provocando perda de peças
de importância inestimável.
A existência do museu de ornitologia do ISCED-HUÍLA é uma grande contribuição
para sanar a carência intelectual e cultural que aflige diversos estudantes,
docentes e investigadores conscientizando sobre a relevância da conservação,
preservação e conhecimento da fauna e flora angolana, realizando ampla inclusão
científica e mostrando a necessidade de transformação de uma sociedade mais
humana.
46
dinâmica, têm-se agravado os riscos ambientais, bem como as suas implicações
nos mais variados segmentos da sociedade, em especial na ocorrência de
algumas epidemias, no maior número de mortes em função de eventos como
desabamentos, afogamentos, entre outros.
As alterações climáticas constituem uma ameaça sem precedentes sobre a
humanidade e sobre a natureza. O clima está a mudar devido às emissões de
gases com efeito de estufa para a atmosfera e as profundas alterações no uso
dos solos, ambas provocadas pelas actividades humanas.
As alterações climáticas podem provocar elevado impacto nos sistemas naturais,
incluindo nos recursos hídricos, na agricultura, nas florestas e na biodiversidade,
poderão ainda provocar impactos indirectos imprevisíveis (incidência de pragas e
doenças, expansão de espécies invasoras ou fenómenos climáticos extremos), e
resultar em alterações significativas da paisagem. (Santos et al., 2002), citado por
(Vaz, 2010).
As alterações climáticas de origem antropogénica provocadas pelas emissões de
gases com efeito de estufa para a atmosfera irão acentuar-se ao longo do século
XXI (IPCC, 2001). Estas alterações não são homogéneas, tendo impactos
distintos em diferentes regiões, que pelo seu lado também apresentam diferentes
graus de vulnerabilidade.
Vamos enfrentar períodos de seca - Graves degelos e por consequência aumento
do nível da água nos mares e oceanos.
Na biodiversidade, algumas populações de animais, principalmente as que
possuem uma distribuição geográfica limitada, habitats específicos ou populações
reduzidas poderão não conseguir adaptar-se a futuras alterações do clima,
existindo risco de extinção principalmente em espécies com baixas capacidades
de reprodução e dispersão. (Santos et al., 2002), citado por (Walewski, 2007).
A medida que o clima se torna mais quente, o risco de invasão por espécies
exóticas de regiões mais quentes, torna-se uma ameaça maior para a
biodiversidade.
Medidas a adoptar para preservar a biodiversidade passam pela criação de
refúgios e a preservação de habitats que permitam uma adaptação de longo
termo; o estabelecimento de redes de áreas protegidas terrestres, aquáticas e
47
marinhas; reforço da investigação sobre as ligações entre alterações climáticas e
biodiversidade, (Quercus, 2006), citado por (Walewski, 2007).
48
2.3.1 Consequências negativas param a biodiversidade, bens e serviços dos
ecossistemas em África
49
Actualmente, a contribuição do continente Africano nas emissões de GEE é
estimada em cerca de 7% dos valores globais, resultantes principalmente das
queimadas descontroladas, desflorestação, conversões da terra, etc. Este valor
poderá subir substancialmente se as actuais políticas de combate à pobreza e de
desenvolvimento não forem ajustadas.
Em suma, o IPCC (2007) projecta os seguintes cenários para o continente
Africano:
1. Um aumento de 1.3 a 5.8°C na Temperatura média regional;
2. Uma diminuição de 5 a 20% da precipitação média anual;
3. Um aumento do número de ocorrência de correntes quentes sobre a África
Austral e Ocidental;
4. Uma diminuição no número de dias extremamente frios (New et al., 2006).
50
CAPÍTULO 3 – MODELOS PREDITIVOS DE DISTRIBUIÇÃO DE ESPÉ-
MODELOS GERADOS
51
3.0 Introdução
Para a geração dos modelos deste trabalho, foi utilizado o Software DivaGIS
7.1.7.2. – ambiente de modelação que possibilita uso de algoritmos para geração
de modelos de distribuição de espécies, destacando-se o algoritmo do BIOCLIM.
O BIOCLIM é um algoritmo de modelação que implementa o conceito de envelope
bioclimático (Environmentall envelope). Nesse caso, o envelope gerado é
rectilíneo, baseado em determinar para cada variável um limite superior e inferior
para ocorrência da espécie e produzir uma predição final que assume que existe
correlação entre as variáveis nos pontos de ocorrência.
E os mapas para a análise dos modelos foram gerados no Software ArcGis 9.3
(ESRI 2008).
3.1 Metodologia
52
Georreferenciação dos dados; a geometria e os atributos dos dados
num SIG devem estar georreferenciados, isto é, localizados na
superfície terrestre e representados numa projecção cartográfica
(Câmara et al., 2001).
A georreferenciação foi feita a partir do Software (ArGis 9.3).
DivaGis
É um programa que serve para analisar os dados, por exemplo fazendo mapas de
distribuição da diversidade biológica, para encontrar áreas que têm níveis alto,
baixos ou complementares a diversidade.
Para mapear dados climáticos e prever a distribuição das espécies neste trabalho
utilizou-se a versão DIVA-GIS 7.1.7.2 - algoritmo BIOCLIM.
53
3.2. Dados abióticos
54
(município, província e país) Altitude, latitude, longitude e outros detalhes (nome
do colector, sexo, idade, massa (g), armário e gaveta).
A lista final inclui os registos de presença das espécies da família Coracidae da
ordem dos Coraciformes que ocorrem na província da Huíla, com sessenta e oito
registos. Deste total de registos, foram excluídos os sobrepostos (registos que
possuem as mesmas coordenadas geográficas), o que resultou em trinta e sete
pontos válidos.
Depois de extrair os dados do banco do MOML, uma nova base foi criada em
forma de células no programa da Microsoft, o Excel, separada de acordo com as
secções taxonómicas, de forma que cada secção foi agrupada em células de
dados diferentes a fim de facilitar a projecção do acesso dos mapas. As células
contêm as seguintes informações: o nome científico da espécie; subespécie;
nome em inglês; nome em português; local de colheita da espécie (município,
província e país), altitude, latitude e longitude em graus decimais e UTM.
Em seguida foi realizada uma triagem para que fossem verificados quantos
acessos que se encontravam georreferenciados. Para os pontos que não estavam
georreferenciados, utilizou-se a rede de quadrícula QDGC (Quarter Degree
GridCells), adoptado para as colecções ou objectos desprovidos de coordenadas
geográficas. Este método consiste na atribuição generalizada de uma coordenada
geográfica (X;Y) a todos os pontos que caiam na mesma grelha, exemplo os
pontos apresentados na tabela 6.
Nome da Local de
espécie colheita Província País Altitude Lat. S Long. E
55
Eurystomus
glaucurus Uaba Huíla Angola 1535 -13.8 14.88333
Eurystomus
glaucurus Uaba Huíla Angola 1535 -13.8 14.88333
Eurystomus
glaucurus Uaba Huíla Angola 1535 -13.8 14.88333
Coracias
spatulata Humpata Huíla Angola 1935 -15.0167 13.38333
Coracias
spatulata Humpata Huíla Angola 1935 -15.0167 13.38333
Coracias
caudata Cangolo Huíla Angola 1400 -14.7333 15.68333
Coracias
caudata Cangolo Huíla Angola 1400 -14.7333 15.68333
Coracias
caudata Cangolo Huíla Angola 1400 -14.7333 15.68333
Fonte: Dados do museu de Ornitologia e Mamologia do Lubango
56
3.5 Algoritmos
3.5.1 GARP
O GARP (Genetic Algorithm for Rule Set Production) é um algoritmo genético que
agrupa técnicas estatísticas com envelopes bioclimáticos, numa estratégia de
aprendizado automático. Este algoritmo define o modelo com um conjunto de
regras formuladas a partir dos coeficientes das variáveis ambientais. Elas são
geradas no processo de modelação e vão sendo avaliadas por um conjunto de
57
pontos de treinamento, e sendo alteradas aleatoriamente, também são criadas
novas regras a partir das regras avaliadas. Quando um número máximo de
interacção é atingido, o resultado é apresentado como um conjunto de regras
sobreviventes, que quando aplicado de volta ao espaço geográfico, indica regiões
onde a espécie está provavelmente presente/ausente, (Marco Júnior & Siqueira,
2009), citado por Shaffer, (2012).
3.5.2 MAXENT
3.5.3 BIOCLIM
58
Como a maioria dos dados reais provém de herbários ou museus onde raramente
são registadas as ausências, os modelos devem ser do tipo que necessita
somente de dados de presença, no entanto o BIOCLIM.
O BIOCLIM representa um dos modelos mais empregados para realizar
prognósticos sobre os mais diversos cenários de mudanças climáticas globais
(Beaumont et al., 2005).
Dos três algoritmos analisados (GARP, MAXENT E BIOCLIM), seleccionou-se o
BIOCLIM, pois é dos mais empregados para desenvolver modelos de distribuição
de espécies em função de mudanças climáticas globais; visto que é o foco deste
trabalho.
59
huilanos. Os dados com áreas de abrangência dos Biomas huilanos foram obtidos
do Instituto de Geodesia e Cartografia de Angola (IGCA).
60
3.7 Mapas
61
Figura 7- Amplitude da distribuição da família Coracidae ao longo das estradas. (Adaptado do
Atlas das estradas de Angola).
62
Figura 8- Amplitude da distribuição da família Coracidae ao longo dos rios. (Adaptado do Atlas da
rede hidrográfica de Angola)
63
futurístico com dados aproximadamente até o ano de 2050, representado na
figura 10.
Esses modelos informam, de acordo com as metodologias do algoritmo utilizado
(BIOCLIM), em função das mudanças climáticas globais previstas pelo GCMs:
Espaço geográfico que é provável a ocorrência das espécies, ou seja
previsão do nicho fundamental;
possíveis destruições dos nichos fundamentais, onde as espécies ocorrem
actualmente;
e determinar em quais municípios da província da Huíla a adequabilidade
ambiental para a ocorrência das espécies irá aumentar ou diminuir em
relação a actual.
64
Fonte: Criado no Software DivaGis7.1.7.2
Figura 10 - Modelo de distribuição espacial preditivo das espécies da família Coracidae, com
dados climáticos aproximadamente até 2050, gerado pelo algoritmo BIOCLIM.
65
Figura 11- Representação do nicho ecológico modelado pelo algoritmo Bioclim com dados actuais.
Fonte: criado no Software DivaGis 7.1.7.2
Figura 12- Representação do nicho ecológico modelado pelo algoritmo Bioclim com dados futuros.
Fonte: criado no Software DivaGis 7.1.7.2
66
A representação do nicho ecológico modelado pelo algoritmo Bioclim (Figura11 –
dados actuais e Figura 12 – dados futurísticos) traduz o espaço ambiental que
está representado por duas dimensões: eixo X (anual temperature) e eixo Y
(annual precipitation); O retângulo preto representa a amplitude total do envelope
bioclimático retilíneo (engloba todos pontos de ocorrências). O retângulo azul
representa a amplitude total (engloba as condições climáticas favoráveis) e os
pontos coloridos a vermelho indicam a ocorrência das espécies, os pontos verdes
indicam também a ocorrência das espécies, mas em locais com potenciais
condições climáticas favoráveis em toda a área geográfica de interesse. Os
pontos vermelhos fora do retângulo azul representam os registos fora das
condições climáticas favoráveis para a ocorrência das espécies.
Para figura 11, foram observadas 33 registos, com 29 dentro dos limites
climáticos favoráveis, fazendo um percentual de 87,9 e 23 registos fora dos limites
climáticos favoráveis, constituindo 69,7%.
Para figura 12, foram observadas 33 registos, com 29 dentro dos limites
climáticos favoráveis, fazendo um percentual de 87,9 e 22 registos fora dos limites
climáticos favoráveis, constituindo 66,7%.
Figura 13 – Valor de AUC com dados presentes. Fonte: criado no Software DivaGis
7.1.7.2
Figura 14- Valor de Kappa com dados presentes. Fonte: criado no Software DivaGis 7.1.7.2
68
Figura 15 – Valor de roc com dados futuros. Fonte: criado no Software DivaGis.
Figura 16– Valor de Kappa com dados futuros. Fonte: criado no Software DivaGis 7.1.7.2
69
3.12 Resultados e Discussão
70
CONCLUSÕES E SUGESTÕES
71
Conclusões
72
Sugestões
73
REFERÊNCIAS BIBLIOGRÁFICAS
74
Matos, R.S. (2010). Avaliação das ferramentas de modelação preditivas de nicho
fundamental para espécies de aves do Parque estadual da Serra do Mar e Núcleo
são Sebastião, Universidade de São Paulo Escola Superior de Agricultura ´´Luis
de Queiroz`.
Moita D. S. & Forbes, K. R. (2002). Impacto das alterações climáticas;
Universidade de Coimbra.
Ribeiro, m. S. L & Diniz-filho, j, a, f; (2012). Modelando a distribuição geográfica
das espécies no passado: uma abordagem promissora em paleoecologia.
REVISTA BRASILEIRA DE PALEONTOLOGIA.
Rosa, P. A. A. (1970) Catálogo das aves do distrito da Huíla (Angola) – (Lista
sistemática preliminar).
Rosa, P. A. A. (1983) Ornitologia de Angola; 1° Volume (Non Passeres).
Schaffer C.,C. (2012). Mapeamento espacial e modelação da distribuição
potencial do género Arachis (Fabaceaae) no Brasil e análise da ocorrência em
Unidades de Conservação. Universidade de Brasilia.
Souza, R., A., & Marco, P., A. (2011). Eficiência de modelos de distribuição
potencial de espécies para determinação de áreas potenciais de ocorrência de
desmatamento na amazónia brazileira, AMB.
The Birds of Angola, Dean, W. R. J; of South Africa; I Edição 2000.
Torres, N., M. & Vercilho, U., E. (2012). Como ferramentas de distribuição de
espécies podem subsidiar acções do Governo? Brazilia journal of Nature
conservaton; p. 228 e 229.
Vaz D. S. (2010). Alterações climática, riscos ambientais e problemas de saúde;
Universidade de Coimbra.
Walewski[ A. (2007). Importância dos Museus na Educação Ambiental em
Escolas; Estudo de Biologia.
www.biologika.com.br
www.google.com/?gws_rd=ssl#q=meio+ambiente+nas+escolas.
75
Anexos
76
Anexo 1 – Coracias caudatas
Família: Coracidae Ordem: Coraciforme Espécie: Coracias Caudata (EN. Lilac-breasted Roller;
PT. Roleiro-de-peito-lilás). Local: Museu de Ornitologia do ISCED/Huíla. Armário/Gaveta: O4. Nº
etiqueta: 23517
77
Anexo 2 – Coracias Spatulata
Família: Coracidae Ordem: Coraciforme Espécie: Coracias Spatulata (EN. Racket-tailed Roller;
PT. Roleiro-cauda-de-raquete). Local: Museu de Ornitologia do ISCED/Huíla. Armário/Gaveta: O5. Nº
etiqueta: 24660
78
Anexo 3 – Eurystomus Glaucurus
Família: Coracidae Ordem: Coraciforme Espécie: Eurystomus glaucurus suahelicus (EN. Broad-
billed Roller; PT. Rolieiro de bico amarelo). Local: Museu de Ornitologia do ISCED/Huíla.
Armário/Gaveta: O7. Nº etiqueta: 25506
79