Uma ferramenta de estudos que une estatística, programação, biologia e tecnologia espacial. Conhecido por diversos nomes como: “modelagem de envelope climático”, “modelagem de habitat” ou “modelagem de nicho”, os modelos de distribuição de espécies buscam propor um novo ponto de vista para diversas áreas de estudo, desde a conservação, à epidemiologia, paleontologia e ecologia. A história da modelagem de distribuição tem início na década de 70 com a entrada do computador pessoal nas universidades, o avanço dos programas espaciais e da estatística se consolidando, bem como por meio do aumento exponencial de publicações científicas à partir dos anos 80 (Figura1) (lobo et.al 2010).
Figura 1: Número de artigos publicados (linha) e variação no número de artigos acumulados (pontos) sobre distribuição de espécies, modelagem encontrada no ISI Web of Science após realizar pesquisa por temas e autores. (Fonte: lobo et.al 2010 )
A primeira pergunta que costuma surgir após essa introdução é: “Como isso funciona?”. Para elucidar seu funcionamento, podemos dividir as suas funções em 4 etapas principais: coleta e preparação de dados, execução do algoritmo selecionado, verificação da adequabilidade da predição e, por fim, o resultado final. A primeira etapa, como o nome sugere, se trata da coleta de dados que podem vir de coleções taxonômicas, artigos, imagens de satélites, bancos de dados onlines e uma infinidade de possíveis fontes de acordo com o objetivo do estudo. Esta etapa é sem dúvida a mais crucial, pois exige uma maior atenção por parte do pesquisador no que chamamos de “limpeza de dados”. Esse passo consiste em retirar “impurezas” do conjunto de dados, que geralmente não fazem sentido com a condição biogeográfica do período analisado, buscando evitar vieses taxonômicos, temporais e espaciais, confiável que aumenta a confiabilidade do estudo. A segunda etapa é um pouco mais complexa, pois se baseia na passagem desses dados por um algoritmo que irá colocá-los em teoremas matemáticos preditivos como o de regressão linear, regressão logística, árvores de regressão, entre outros modelos. Em uma comparação simplificada, seria como uma equação do primeiro grau que gera um gráfico linear em que, com os dados coletados e seguindo a equação “y = ax + b” podemos predizer uma reta. É importante ressaltar que o teorema utilizado pode variar de acordo com a forma da análise e da pesquisa, o que gera a constante atualização e criação de novos algoritmos. A terceira etapa é a validação da predição por acurácia dos dados pelo cientista, ou seja, interpretar o que os gráficos e modelos matemáticos querem dizer e se não houve possíveis erros no modelo. A etapa final não será aprofundada, pois demandaria um quadro específico.
Figura 2: Reta resultante de uma função polinomial do primeiro grau. (Fonte: Arquivo pessoal)
Com o processo brevemente explicado, podemos agora nos ater às aplicações práticas dessa ferramenta de pesquisa. Por ser uma ferramenta preditiva, pode ser utilizada para entender como ocorrem as extinções, por exemplo, a evolução da transmissão de doenças e até mesmo a dinâmica populacional de espécies invasoras. No entanto, uma das aplicações que mais vem se destacando nos últimos anos é a predição das interações ecológicas dos animais com as mudanças climáticas que vem acontecendo em nosso planeta. Uma leitura importante e que demonstra a utilização destes ferramentas nesse contexto é demonstrado em “The fate of endemic birds of eastern Brazilian mountaintops in the face of the climate change” (Hoffman, 2020), em que o autor obteve resultados, nos quais foi possível inferir que os habitats de espécies endêmicas de topo de montanha tendem a diminuir nos próximos anos e sugere locais onde a criação de áreas de preservação seriam mais efetivas pensando na ecologia destes biomas.
Em conclusão, a modelagem de distribuição de espécies é uma ferramenta útil em diversas áreas e sem dúvidas deve estar mais presente na pesquisa nacional, principalmente com as recentes mudanças climáticas. Vale a pena que estudantes de medicina veterinária, biologia, zootecnia e áreas afins dentro do campo de atuação com ecologia, meio ambiente e animais silvestres invistam no aprendizado do uso destas ferramentas para fomento de pesquisas que possam ajudar como instrumento de conservação no futuro.
Autor: Luiz Filipe Moreira Pereira
Referências:
Hijmans R.J., Elith J.: Species distribution modeling with R. 1 ed. 2014. 79 p.
Franklin, J. 2009. Mapping Species Distributions: Spatial Inference and Pre-diction. Cambridge University Press, Cambridge, UK.
Hoffmann, D., de Vasconcelos, M. F., & Wilson Fernandes, G. (2020). The fate of endemic birds of eastern Brazilian mountaintops in the face of climate change. Perspectives in Ecology and Conservation. doi:10.1016/j.pecon.2020.10.00.
Lobo, J.M., Jiménez-Valverde, A. and Hortal, J. (2010), The uncertain nature of absences and their importance in species distribution modelling. Ecography, 33: 103-114. https://doi.org/10.1111/j.1600-0587.2009.06039.x
Dung Van Tran, Atsushi Tominaga, Lam Thi Pham, Kanto Nishikawa, Ecological niche modeling shed light on new insights of the speciation processes and historical distribution of Japanese fire-bellied newt Cynops pyrrhogaster (Amphibia: Urodela), Ecological Informatics, Volume 79, 2024, 102443, ISSN 1574-9541, https://doi.org/10.1016/j.ecoinf.2023.102443.
Luza, A.L., Rodrigues, A.V., Mamalis, L. Zulian, V . Spatial distribution of the greater rhea, Rhea americana (Linnaeus, 1758), in Rio Grande do Sul, southern Brazil: citizen-science data, probabilistic mapping, and comparison with expert knowledge. Ornithol. Res. 31, 253–264 (2023). https://doi.org/10.1007/s43388-023-00143-3
Turella, I.Z., da Silva, T.L., Rumpel, L., Marini, M.A. Breeding biology of swallow-tailed hummingbird (Eupetomena macroura) based on citizen science data. Ornithol. Res. 30, 181–189 (2022). https://doi.org/10.1007/s43388-022-00098-x
Elith J, Leathwick JR, Hastie T. A working guide to boosted regression trees. J Anim Ecol. 2008 Jul;77(4):802-13. doi: 10.1111/j.1365-2656.2008.01390.x. Epub 2008 Apr 8. PMID: 18397250.
Peterson, A.T., J. Sober´on, R.G. Pearson, R.P. Anderson, E. Mart´ınez-Meyer, M. Nakamura and M.B. Ara´ujo, 2011. Ecological Niches and Geographic Distributions. Monographs in Population Biology 49. Princeton Univer- sity Press, 328p.