Distribuição de Rhinella granulosa: integrando envelopes bioclimáticos e respostas ecofisiológicas

PDF (780.99 KB)

Autor / Author

Fernanda A. S. Cassemiro, Sidney F. Gouveia, José Alexandre Felizola Diniz-Filho

Resumo

Neste trabalho utilizamos as abordagens correlativa e mecanística de modelagem para construir modelos de distribuição potencial atual de Rhinella granulosa. Os modelos correlativos gerados por várias variáveis climáticas (BIOCLIM1) foi o mais conservativo, um segundo com temperatura apenas (BIOCLIM2) apresentou manchas descontínuas e o mecanístico indicou habitats termais mais adequados numa extensa área contínua. O BIOCLIM1 apresentou maior acurácia na predição da distribuição do que o BIOCLIM2. O BIOCLIM1 também apresentou melhor desempenho, seguido pelo BIOCLIM2 e pelo modelo mecanístico. A diferença nas áreas de distribuição potencial entre os modelos provavelmente se deva ao uso de diferentes variáveis preditoras e podem ser reflexo de uma limitação de interações bióticas interespecíficas. Por ser ectotérmica, esta espécie nos permite avaliar melhor a influência da temperatura, através de dados ambientais e de tolerância termal da espécie, sobre sua área de distribuição potencial, bem como avaliar o desempenho dessas abordagens na elaboração de modelos de distribuição potencial de espécies e fazer inferências acerca de cenários futuros de aumento na temperatura. Palavras-chave. Tolerância termal, gradiente de temperatura, BIOCLIM, modelagem de distribuição de espécies. doi: 10.7594/revbio.08.07

Title

Distribution of Rhinella granulosa: integrating bioclimatic envelopes and ecophysiological responses

Abstract

We used two modeling approaches (correlative and mechanistic) to build models of potential distribution of Rhinella granulosa. The model generated with several climatic variables (BIOCLIM1) was more conservative, a second with temperature only (BIOCLIM2) presented patches of discontinuous distribution and the mechanistic model indicated thermal habitats more suitable along an extensive continuous area. The BIOCLIM1 had more accuracy in predicting the potential distribution than BIOCLIM2. The BIOCLIM1 also had the best performance, followed by BIOCLIM2 and the mechanistic model. The difference among areas of potential distribution in models is probably due to the use of different predictor variables and may reflect limiting interespecific biotic interaction. These results provide basis for improving species distribution models. Keywords. Thermal tolerance, temperature gradient, BIOCLIM, species distribution modeling.

Creative Commons License
This work is licensed under a Creative Commons Attribution 3.0 Unported License