Geographical patterns and partition of turnover and richness components of beta-diversity in faunas from Tocantins river valley / Padrões geográficos e desdobramento entre componentes de substituição e riqueza da diversidade-beta em faunas do Centro e do Nordeste do Brasil

There has been a resurging interest in patterns of β-diversity, especially by the mechanisms driving broad-scale, continental and global patterns, and how partitioning β-diversity into richness (or nestedness) and turnover components can be linked with such mechanisms. Here we compared two recent methodologies to find richness and turnover components of β-diversity, using a large regional scale dataset of mammal, bird, reptiles and amphibian species found in seven regions of Central, North and Northeastern Brazil. As well as a simple comparison of the metrics available, we analyzed spatial patterns (i.e., distance-decay similarity) and the effects of biome type in these components using raw and partial Mantel tests. Our analyses revealed that turnover estimated using Baselga's (2010) approach is slightly higher than the estimate using Carvalho's et al. (2012) approach, but all analyses show consistent spatial patterns in species turnover using both methods. Spatial patterns in β-diversity revealed by Mantel tests are also consistent with expectations based on differential dispersal abilities. Our results also reinforce that spatial patterns in β-diversity, mainly in the turnover components expressing faunal differentiation, are determined by a mix or broad scale environmental effects and short distance spatially-structured dispersal.

Tem havido um interesse crescente nos padrões de diversidade-β, particularmente acerca dos mecanismos subjacentes a esses padrões em escalas continentais e globais, e sobre o modo como esses mecanismos podem ser associados ao desdobramento desses padrões em componentes de riqueza e substituição (turnover) de espécies. Neste artigo, nós comparamos duas metodologias desenvolvidas recentemente para realizar esse desdobramento, utilizando conjuntos regionais de espécies de mamíferos, aves, répteis e anfíbios em sete regiões no Nordeste, Norte e no Centro do Brasil. Além de comparar os dois conjuntos de índices utilizados para o desdobramento dos componentes da diversidade-β, foram analisados os padrões espaciais e os efeitos do bioma no qual são encontradas as regiões nesses componentes por meio de testes de Mantel e testes de Mantel parciais. Embora não tenham sido encontradas diferenças na magnitude das estimativas de diversidade-β entre os grupos, foi possível detectar diferenças significativas entre os padrões espaciais, principalmente no componente de substituição, sugerindo que os padrões na variação de composição são determinados por um balanço entre efeitos ambientais em grandes escalas e por processos de dispersão espacialmente estruturados.

How many studies are necessary to compare niche-based models for geographic distributions? Inductive reasoning may fail at the end / Quantos estudos ainda serão necessários para avaliar modelos de distribuição geográfica baseados em modelagem do nicho? Um pensamento indutivo pode estar fadado ao fracasso

The use of ecological niche models (ENM) to generate potential geographic distributions of species has rapidly increased in ecology, conservation and evolutionary biology. Many methods are available and the most used are Maximum Entropy Method (MAXENT) and the Genetic Algorithm for Rule Set Production (GARP). Recent studies have shown that MAXENT perform better than GARP. Here we used the statistics methods of ROC - AUC (area under the Receiver Operating Characteristics curve) and bootstrap to evaluate the performance of GARP and MAXENT in generate potential distribution models for 39 species of New World coral snakes. We found that values of AUC for GARP ranged from 0.923 to 0.999, whereas those for MAXENT ranged from 0.877 to 0.999. On the whole, the differences in AUC were very small, but for 10 species GARP outperformed MAXENT. Means and standard deviations for 100 bootstrapped samples with sample sizes ranging from 3 to 30 species did not show any trends towards deviations from a zero difference in AUC values of GARP minus AUC values of MAXENT. Ours results suggest that further studies are still necessary to establish under which circumstances the statistical performance of the methods vary. However, it is also important to consider the possibility that this empirical inductive reasoning may fail in the end, because we almost certainly could not establish all potential scenarios generating variation in the relative performance of models.

A utilização de modelos de nicho ecológico (ENM) para gerar distribuições geográficas potenciais de espécies tem aumentado rapidamente nas áreas de ecologia, biologia da conservação e biologia evolutiva. O Método de Máxima Entropia (MAXENT) e o Algoritmo Genético para Produção de Conjunto de Regras (GARP) estão entre os métodos mais utilizados, e estudos recentes têm atribuído ao MAXENT um melhor desempenho no processo de modelagem com relação ao GARP. Neste trabalho, foram utilizados os métodos estatísticos ROC - AUC (area under the Receiver Operating Characteristics curve) e de reamostragem (bootstrap) para avaliar o desempenho do GARP e MAXENT em gerar modelos de distribuição potencial para 39 espécies de cobras corais do Novo Mundo. Os resultados mostraram que os valores de AUC para o GARP variaram de 0,923 a 0,999, enquanto que para o MAXENT variaram de 0,877 a 0,999. Em geral, as diferenças de AUC entre os dois métodos foram pequenas, embora o GARP tenha apresentado melhor desempenho que o MAXENT para 10 espécies. Valores de média e desvio padrão de 100 amostras variando de 3 a 30 espécies não revelaram qualquer tendência de desvio em relação à diferença zero entre valores de AUC do GARP menos valores de AUC do MAXENT. Estes resultados sugerem que mais estudos serão necessários para determinar sob quais circunstâncias o desempenho estatístico dos modelos varia, embora seja importante considerar também a possibilidade de que argumentações empírico-indutivas em favor de um ou outro método podem falhar, já que é quase impossível estabelecer todos os cenários potenciais causadores de variação no desempenho dos modelos.