Anda di halaman 1dari 7

Neotropical Biology and Conservation

3(2):59-65, may - august 2008


© by Unisinos

Modelagem do nicho ecológico de Phyllomedusa ayeaye


(Anura: Hylidae): previsão de novas áreas de ocorrência
para uma espécie rara

Ecological modelling of Phyllomedusa ayeaye (Anura: Hylidae):


prediction of new occurrence areas for a rare species

João G. R. Giovanelli1,2*
jgiovanelli@gmail.com

Cybele O. Araujo3
cyaraujo@iflorestal.sp.gov.br

Célio F. B. Haddad2
haddad@rc.unesp.br

João Alexandrino2
jalex@rc.unesp.br

Resumo
A perereca Phyllomedusa ayeaye é uma espécie rara. Com distribuição na região sudeste
do Brasil praticamente desconhecida, é considerada um dos anuros mais ameaçados
do país. Através de modelagem de nicho ecológico baseada em apenas três pontos de
ocorrência conhecidos, foram gerados mapas preditivos da distribuição desta espécie
que permitem direcionar novos levantamentos para áreas de ocorrência previstas pelo
modelo. Este é o primeiro estudo no Brasil usando modelagem de nicho ecológico como
ferramenta para prever a distribuição de uma espécie de anfíbio anuro rara e ameaçada.

Palavras-chave: algoritmos, conservação, Cerrado, espécies ameaçadas, distribuição geo-


gráfica, openModeller.

Abstract
1
Universidade Estadual Paulista - Rio Claro,
Programa de Pós-Graduação em Ciências The tree-frog Phyllomedusa ayeaye is a rare species. With its distribution mostly unknown
Biológicas, área Zoologia, Instituto de Bio- in the southeastern region of Brazil, it is considered one of the most threatened anurans
ciências, Caixa Postal 199, 13506-970, Rio in the country. Here we use ecological niche modelling from only three known occurrence
Claro, SP, Brasil.
points to produce predictive maps of the distribution of this species, which should help
2
Universidade Estadual Paulista, Departa-
mento de Zoologia, Instituto de Biociências, target new field surveys in areas of occurrence predicted by the model. This is the first
Caixa Postal 199, 13506-970, Rio Claro, study in Brazil that uses ecological niche modelling as a tool for predicting the distribution
SP, Brasil. of rare and threatened amphibian anuran species.
3
Instituto Florestal, Seção de Ecologia Flo-
restal, Rua do Horto, 931, Horto Florestal,
02377-000, São Paulo, SP, Brasil. Key words: algorithms, conservation, Cerrado, threatened species, geographic distribution,
*
Autor para correspondência. openModeller.
João G. R. Giovanelli, Cybele O. Araujo, Célio F. B. Haddad, João Alexandrino

Introdução ainda é comum o desconhecimento da aye no Parque Nacional da Serra da


distribuição geográfica de várias es- Canastra (20°13’15’’S, 46°28’02’’O),
A conservação das espécies exige pécies raras, sendo que muitas dessas São Roque de Minas, Estado de Mi-
tanto o conhecimento detalhado so- encontram-se provavelmente ameaça- nas Gerais, e no Parque Estadual das
bre sua história natural e sua biologia das de extinção. É importante salientar Furnas do Bom Jesus (20°13’45’’S,
quanto informações sobre a sua distri- que os resultados obtidos a partir dos 47°26’36’’O), no município de Pedre-
buição geográfica e seu potencial de estudos de modelagem de nicho eco- gulho, sendo este o primeiro registro
ocorrência (Papes e Gaubert, 2007). lógico não podem ser considerados para o Estado de São Paulo (Araujo
Poucos estudos sobre distribuição ge- como inequívocos, sendo necessária a et al., 2007). Apesar da descrição de
ográfica da fauna brasileira foram rea- sua verificação através de coletas de alguns aspectos ecológicos de P. aye-
lizados, especialmente nos biomas da campo para assegurar que as decisões aye (ver Cardoso et al., 1989), infor-
Mata Atlântica e do Cerrado, que são mais adequadas sejam adotadas (Cos- mações detalhadas sobre a ecologia, o
considerados hotspots mundiais da ta et al., 2007). comportamento e a distribuição desta
biodiversidade (Myers et al., 2000). O Brasil é um dos países com maior espécie ainda são escassas.
Neste contexto, o desenvolvimento diversidade de anfíbios, com apro- O trabalho tem como objetivos (i)
de modelos de nicho ecológico pode ximadamente 825 espécies descritas usar modelos de nicho ecológico de
ser importante para investigar padrões (SBH, 2008). Segundo a última re- P. ayeaye para prever novas áreas de
e processos biogeográficos, possi- visão da lista dos anfíbios brasileiros ocorrência desta espécie na região su-
bilitando a previsão da distribuição ameaçados de extinção, foram listadas deste do Brasil e (ii) verificar se a dis-
geográfica de espécies a partir de da- 15 espécies de anfíbios anuros nas ca- tribuição de unidades de conservação
dos esparsos de ocorrência (Guisan e tegorias de ameaça e uma espécie foi nesta região é suficiente para proteger
Thuiller, 2005). Adicionalmente, este considerada extinta (Haddad, 2005). e conservar a espécie. Assim, espera-
tipo de abordagem permite explorar Entre elas, nove espécies foram consi- mos contribuir para direcionar novos
diversas questões em ecologia, evo- deradas criticamente em perigo, sendo esforços de coleta para possíveis áreas
lução e conservação, como: (i) definir que sete dessas apresentam distribui- de ocorrência previstas pelo modelo,
áreas prioritárias para conservação ção restrita a somente uma localidade assim como indicar áreas potencial-
(Garcia, 2006), (ii) analisar o poten- nos estados do Rio de Janeiro, de São mente importantes para conservação.
cial de invasão de uma espécie exó- Paulo e de Minas Gerais (Haddad,
tica (Peterson e Vieglais, 2001; Nyari 2005; Silvano e Segalla, 2005). Material e métodos
et al., 2006; Giovanelli et al., 2008) e O conhecimento atual sobre a biolo-
(iii) indicar a distribuição geográfica gia, a distribuição e a conservação da Dados de ocorrência e
de uma espécie no passado (Hugall et anurofauna brasileira é ainda muito variáveis ambientais
al., 2002) e (iv) fazer previsões sobre restrito. A perereca Phyllomedusa
a sua distribuição futura (Siqueira e ayeaye (B. Lutz, 1966) era até há pou- Foram usados três pontos de ocor-
Peterson, 2003). co tempo atrás somente conhecida de rência conhecidos de P. ayeaye para
A maioria dos estudos de modelagem sua localidade tipo no Morro do Ferro produzir o modelo de nicho ecológi-
de nicho ecológico tem enfocado es- (21º48’50”S, 46º35’13”O), município co. Estas localidades de ocorrências
pécies de ampla distribuição geográ- de Poços de Caldas, Estado de Minas foram extraídas do banco de dados
fica (e.g. Siqueira e Durigan, 2007; Gerais. Esta espécie consta como cri- da Coleção de Anfíbios “Célio F. B.
Phillips et al., 2006; Ron, 2005). ticamente em perigo na lista das espé- Haddad” (CFBH), Departamento
Recentemente, trabalhos sobre distri- cies de anfíbios brasileiros ameaçados de Zoologia, Universidade Estadual
buição geográfica potencial de espé- de extinção (Haddad, 2005), sendo Paulista “Julio de Mesquita Filho”
cies raras e/ou de distribuição restrita citada também no livro vermelho das – campus Rio Claro. As coordenadas
foram publicados (e.g. Engler et al., espécies ameaçadas de extinção da geográficas destes pontos foram re-
2004; Guisan et al., 2006; Peterson fauna de Minas Gerais (Nascimento, gistradas com auxílio de um GPS no
e Papes, 2006; Young, 2007; Papes e 1998). As causas que ameaçam a es- local de ocorrência da espécie. Estes
Gaubert, 2007), o que contribuiu para pécie são principalmente a sua ocor- pontos também foram inseridos no
uma melhor avaliação da importância rência em uma área restrita com inten- aplicativo DIVA-GIS (Hijmans et al.,
destas espécies no planejamento e na sa atividade antrópica e excluída dos 2002) juntamente com os layers dos
adoção de estratégias de conservação limites de unidades de conservação. municípios e das localidades do Brasil
(Slatyer et al., 2007). A modelagem Recentemente, novas expedições de para verificação de possíveis erros de
de nicho ecológico poderá constituir campo entre a divisa dos Estados de posicionamento geográfico.
uma abordagem importante e neces- São Paulo e Minas Gerais permitiram Foram utilizadas 19 variáveis biocli-
sária em países como o Brasil, onde os registros da ocorrência de P. aye- máticas e uma variável topográfica

60 Volume 3 number 2 may - august 2008


Modelagem do nicho ecológico de P. ayeaye: previsão de novas áreas de ocorrência para uma espécie rara

(altitude), ambas com resolução espa- espaço multidimensional. Estes algo- do com o BIOCLIM é o mais restrito,
cial de 2,5’ (aproximadamente cinco ritmos também têm sido usados para não prevendo muitas áreas além dos
quilômetros). Estas variáveis, deriva- gerar modelos de distribuição de espé- pontos de ocorrência conhecidos.
das de dados de temperatura e pluvio- cies raras e/ou com poucas localidades O mapa consensual, que combina o
sidade, são resultantes de interpola- de ocorrência conhecidas (Peterson e resultado dos modelos que geraram
ções de dados climáticos do período Papes, 2006). amplas áreas de distribuição (Clima-
de 1950 a 2000, obtidos em estações Devido à disponibilidade de somente te Space Model e Envelope Score)
metereológicas localizadas em várias três pontos de ocorrência de P. aye- com os modelos restritos (BIOCLIM,
localidades da América do Sul (Hij- aye, não foi possível validar o modelo Distance to Average e Minimum
mans et al., 2005; Worldclim, 2006, usando índices de AUC e Kappa e/ou Distance), mostra duas áreas princi-
disponível em http://www.worldclim. partição dos dados para criação de pais de ocorrência potencial da espé-
org). A altitude foi extraída do banco subconjuntos de teste e de treino (e.g. cie (Figura 2). A primeira corresponde
de dados U.S. Geological Survey’s Fielding e Bell, 1997; Manel et al., à divisa dos estados de Minas Gerais
Hydro-1K (Hydro-1K, 2008, disponí- 2001). Assim, os modelos gerados de- e São Paulo. A segunda estende-se da
vel em http://eros.usgs.gov/products/ verão ser utilizados apenas para uma região sul de Minas Gerais até a ca-
elevation/gtopo30/hydro/index.html). análise preliminar da distribuição po- pital do Estado, nas proximidades de
tencial da espécie. Belo Horizonte.
Desenvolvimento dos modelos O mapa de consenso mostra que re-
Mapa final lativamente poucas unidades de con-
A modelagem de nicho ecológico foi servação ocorrem nas áreas de distri-
desenvolvida em formato de experi- Foi gerado um mapa de distribuição buição potencial de P. ayeaye prevista
mento no programa openModeller. potencial de P. ayeaye para cada al- pelos modelos (Figura 2). No Estado
Este aplicativo é uma ferramenta goritmo. Como estes modelos são ba- de São Paulo, essas unidades corres-
livre de código aberto para modela- seados na premissa geral de distância pondem às florestas estaduais de Ba-
gem de distribuição espacial desen- ambiental, foi criado um mapa con- tatais e Cajuru, às estações ecológicas
volvida pelo Centro de Referência sensual final a partir dos cinco mode- de Ribeirão Preto e Itirapina e à Re-
em Informação Ambiental – CRIA los com a função hotspots do aplicati- serva Estadual de Águas da Prata. No
(openModeller, 2008, disponível em vo openModeller. Esta função aplica Estado de Minas Gerais, as seguintes
http://openmodeller.sourceforge.net/). um critério de maior probabilidade de unidades estão sobrepostas à prová-
O ex­pe­­rimento consistiu no uso de cin- ocorrência para aquelas áreas previs- vel ocorrência de P. ayeaye: áreas de
co algoritmos distintos que associam tas que apresentam maior freqüência proteção ambiental da Serra da Man-
a informação geográfica de pontos de nos cinco modelos. Sobre este mapa tiqueira e do Morro da Pedreira e os
ocorrência (latitude/longitude) com final foram representados os limites parques nacionais da Serra do Cipó e
variáveis ambientais, como superfí- das unidades de conservação dos esta- do Sempre-Vivas.
cies de variáveis bioclimáticas e de dos de São Paulo e Minas Gerais.
altitude para gerar modelos de distri- Discussão
buição geográfica potencial. Resultados
Foram utilizados os algoritmos BIO- A aplicação de métodos de modelagem
CLIM (Nix, 1986), Envelope Score Os cinco modelos produziram previ- ecológica para a previsão da ocorrên-
(Piñeiro et al., 2007), Climate Space sões distintas para a distribuição po- cia de espécies raras (e.g. Guisan e
Model, Distance to Average e Mini- tencial de P. ayeaye na região sudeste Zimmermann, 2000; Elith e Burgman,
mum Distance. Os três últimos al- do Brasil (Figura 1). Mapas com áreas 2002; Peterson e Papes, 2006) é pro-
goritmos não possuem literatura dis- amplas de distribuição prevista foram blemática pela dificuldade ou mesmo
ponível por terem sido recentemente gerados pelos modelos Climate Space pela impossibilidade de validação
criados para aplicação em modelagem Model e Envelope Score (Figuras 1A- estatística destes modelos. Assim, o
de nicho ecológico, no entanto, infor- B). O modelo Climate Space Model mapa final gerado a partir da experi-
mações gerais podem ser encontradas previu áreas extensas de ocorrência mentação feita com os algoritmos de
no sítio do aplicativo openModeller também para o sul do Estado de São distância do aplicativo openModeller
(disponível em http://openmodeller. Paulo, em região próxima à divisa não deve ser interpretado como um
sourceforge.net/). De forma geral, to- com o Estado do Paraná. Mapas de mapa probabilístico de ocorrência de
dos os algoritmos utilizam o conceito ocorrência prevista mais restrita fo- P. ayeaye na região sudeste do Brasil.
de distância ambiental, que, através ram gerados pelos modelos BIOCLIM, Os resultados revelam apenas novas
dos pontos de ocorrência conhecidos, Distance to Average e Minimum Dis- áreas de ocorrência potencial que
calcula a similaridade ambiental no tance (Figuras 1C-D). O modelo gera- apresentam condições ambientais si-

Neotropical Biology and Conservation 61


João G. R. Giovanelli, Cybele O. Araujo, Célio F. B. Haddad, João Alexandrino

A B

C D

E F

Figura 1. Modelagem do nicho ecológico e distribuição potencial de Phyllomedusa ayeaye na região sudeste do Brasil. A-E.
Algori­tmos: Climate Space Model (A), Envelope Score (B), BIOCLIM (C), Distance to Average (D) e Minimum Distance (E); F.
Mapa de consenso entre todos os algoritmos. Triângulos indicam as localidades de ocorrência utilizadas no experimento de mo-
delagem de nicho ecológico.
Figure 1. Ecological niche modelling and potential distribution of Phyllomedusa ayeaye in southern Brazil. A-E. Algorithms: Climate
Space Model (A), Envelope Score (B), BIOCLIM (C), Distance to Average (D) and Minimum Distance (E); F. Consensus map between all
the algorithms. Triangles represent occurrence localities used for ecological niche modelling.

62 Volume 3 number 2 may - august 2008


Modelagem do nicho ecológico de P. ayeaye: previsão de novas áreas de ocorrência para uma espécie rara

Figura 2. Mapa de consenso para a distribuição potencial de Phyllomedusa ayeaye na região sudeste do Brasil prevista a partir da
modelagem de nicho ecológico com os algoritmos BIOCLIM, Climate Space Model, Distance to Average, Envelope Score e Minimum
Distance. As áreas dentro de círculos delimitam as unidades de conservação que ocorrem nas áreas de distribuição da espécie: 1. Flo-
resta Estadual de Batatais; 2. Parque Estadual Furnas do Bom Jesus; 3. Floresta Estadual de Cajuru; 4. Parque Nacional da Serra da
Canastra; 5. Estação Ecológica de Itirapina; 6. Reserva Estadual de Águas da Prata; 7. Área de proteção Ambiental da Mantiqueira; 8.
Parque Nacional da Serra do Cipó; e 9. Parque Nacional das Sempre-Vivas.
Figure 2. Consensus map for the potential distribution of Phyllomedusa ayeaye in southern Brazil, predicted from ecological niche model-
ling with the algorithms BIOCLIM, Climate Space Model, Distance to Average, Envelope Score and Minimum Distance. Outlined areas
within circles represent the limits of protected wildlife parks and reserves that comprehend areas of the predicted species distribution: 1.
Floresta Estadual de Batatais; 2. Parque Estadual Furnas do Bom Jesus; 3. Floresta Estadual de Cajuru; 4. Parque Nacional da Serra
da Canastra; 5. Estação Ecológica de Itirapina; 6. Reserva Estadual de Águas da Prata; 7. Área de proteção Ambiental da Mantiqueira;
8. Parque Nacional da Serra do Cipó and 9. Parque Nacional das Sempre-Vivas.

milares aos três pontos de ocorrência previsão, i.e., previsão em excesso (previsão de não ocorrência em áreas
conhecida da espécie. Apesar de cor- de áreas de ocorrência potencial da onde a espécie está presente) e de so-
responder a um modelo simplificado, espécie. Como o objetivo é modelar breprevisão (previsão de ocorrência
i.e., baseado no conceito de simila- a distribuição de uma espécie rara, os onde a espécie está ausente). O mapa
ridade ambiental, o mapa preditivo resultados destes dois modelos pare- final consensual é um compromisso
pode direcionar novas amostragens ceram exagerar na previsão da área entre os eventuais erros de omissão
para áreas com alta probabilidade de potencial de ocorrência da espécie ao do BIOCLIM, os eventuais erros de
ocorrência da espécie de interesse. incluir regiões extensas no Estado de sobreprevisão do Climate Space Mo-
Os algoritmos usados neste trabalho São Paulo e de Minas Gerais. Os algo- del e do Envelope Score e os resulta-
produziram resultados distintos. BIO- ritmos Minimum Distance e Distance dos mais conservadores do Minimum
CLIM omitiu áreas similares àquelas to Average foram mais conservadores Distance e Distance to Average, de-
dos pontos de ocorrência da espécie. ao estimar áreas de ocorrência po- vendo constituir uma previsão equili-
Climate Space Model e Envelope tencial para a espécie, provavelmen- brada para a ocorrência de P. ayeaye.
Score demonstraram provável sobre- te balanceando os erros de omissão Desde 1966, a espécie P. ayeaye era

Neotropical Biology and Conservation 63


João G. R. Giovanelli, Cybele O. Araujo, Célio F. B. Haddad, João Alexandrino

conhecida somente da sua localidade em algum momento em competição Agradecimentos


tipo no Morro do Ferro, município de direta por recursos do hábitat. Poderia
Poços de Caldas, estado de Minas Ge- ser simplesmente o resultado de espe- Agradecemos a Marinez Ferreira de
rais, uma zona fortemente antropizada, ciação alopátrica em topos de monta- Siqueira pelas sugestões e ajuda nas
localizada em uma região sem áreas nha distintos, resultando em áreas de análises e também à FAPESP e ao
protegidas. Somente no início desta ocorrência mutuamente exclusivas. CNPq por financiarem o Laboratório
década, a espécie foi encontrada no A modelagem de nicho ecológico de Herpetologia. J.G.R. Giovanelli
município de Pedregulho, Estado de pode ser uma ferramenta fundamen- agradece à NatureServe e ao CNPq (#
São Paulo e no município de São Ro- tal para direcionar levantamentos 130315/2007-9) pelos financiamentos
que de Minas, Minas Gerais (Araujo et futuros e estimar áreas de ocorrên- e bolsa de estudo. C.O. Araujo agrade-
al., 2007). Estas duas novas localida- cia de vários organismos (Pearson et ce ao Instituto Florestal pelo suporte
des de ocorrência estão em unidades al., 2007). Para tal, é imprescindível logístico e financeiro. J. Alexandrino
de conservação, a primeira, no Parque maximizar a utilidade das informa- agradece à FAPESP (# 05/52727-5).
Furnas do Bom Jesus e a segunda, no ções contida nos banco de dados e C.F.B. Haddad agradece à FAPESP e
Parque Nacional da Serra da Canastra. nas coleções biológicas brasileiras. ao CNPq pelos auxílios concedidos.
De acordo com o modelo preditivo Considerando o fato de que o tempo
gerado neste trabalho, nove unidades e os recursos financeiros são limita- Referências
de conservação apresentam potencial dos para a formulação de políticas
para ocorrência desta espécie, sendo públicas relacionadas à conservação, ARAUJO, C.O.; CONDEZ, T.H.; HADDAD,
quatro unidades de Uso Sustentável e as decisões precisam ser muitas ve- C.F.B. 2007. Amphibia, Anura, Phyllomedusa
ayeaye (B. Lutz, 1966): Distribution extension,
cinco unidades de Proteção Integral. zes baseadas nos dados disponíveis.
new state record and geographic distribution
A confirmação da ocorrência de P. O estudo utilizou tecnologias ampla- map. Check List, 3:156-158.
ayeaye nestas localidades contribuiria mente acessíveis como o aplicativo BOURG, N.A.; McSHEA, W.J.; GILL, D.E.
para a validação do modelo aqui apre- de uso livre de modelagem de nicho 2005. Putting a CART before the search: suc-
sentado, além de sua importância para ecológico – openModeller – e mapas cessful habitat prediction for a rare forest herb.
Ecology, 86:2793-2804.
os planos de manejo das unidades de de variáveis ambientais disponíveis
BRASILEIRO, C.A.; SAWAYA, R.J.; KIEFER,
conservação pela adição de uma espé- na internet (Hijmans et al., 2005) M.C.; MARTINS, M. 2005. Amphibians of an
cie rara e ameaçada à lista de espécies para estimar de forma preliminar a open cerrado fragment in southeastern Brazil.
que ali ocorrem. Entretanto, é pouco distribuição potencial de P. ayeaye Biota Neotropica, 5. Disponível em http://www.
provável que P. ayeaye ocorra na re- na região sudeste do Brasil. A partir biotaneotropica.org.br/v5n2/pt/abstract?article
+BN00405022005; acesso em: 11/01/2008.
gião da Estação Ecológica de Itirapina deste estudo, o primeiro usando mo-
CARDOSO, A.J.; ANDRADE, G.V.; HA-
e do Parque Nacional da Serra do Cipó delagem de nicho ecológico como DDAD, C.F.B. 1989. Distribuição espacial em
(cf. Brasileiro et al., 2005; Eterovic e ferramenta para prever a distribuição comunidades de anfíbios (Anura) no sudeste
Sazima, 2004). Este provável erro de de uma espécie de anuro rara e ame- do Brasil. Revista Brasileira de Biologia,
sobreprevisão do modelo de distribui- açada no Brasil, várias localidades 49:241-249.
COSTA, G.C.; NOGUEIRA, C.; MACHADO,
ção poderia ser explicado pelo uso de podem ser exploradas de forma di-
R.B.; COLLI, G.R. 2007. Squamate richness in
variáveis ambientais para estimar o recionada com o objetivo de efetuar the Brazilian Cerrado and its environmental-cli-
nicho ecológico potencial da espécie, novos registros de ocorrência da es- matic associations. Diversity & Distributions,
negligenciando, por exemplo, a infor- pécie. Abordagens semelhantes têm 13:714-724.
mação sobre o uso do solo e/ou cober- sido úteis para descobrir espécies ELITH, J.; BURGMAN, M. 2002. Predictions
and their validation: Rare plants in the Central
tura vegetal. Por outro lado, a ausência raras de plantas (Bourg et al., 2005)
Highlands, Victoria. In: J.M. SCOTT, P.J. HE-
de P. ayeaye em áreas previstas pelo e também foram já utilizadas na ilha GLUND; M.L. MORRISON (eds.), Predicting
modelo pode estar relacionada com a de Madagascar para a descoberta de Species Occurrences: Issues of Scale and Accu-
ocorrência de espécies filogenetica- várias espécies desconhecidas de ca- racy. Washington, Island Press, p. 303-313.
mente próximas (espécies- irmãs) nos maleões (Raxworthy et al., 2003). ENGLER, R.; GUISAN, A.; RECHSTEINER,
L. 2004. An improved approach for predicting
mesmos hábitats e sítios reprodutivos Esperamos que os resultados contri-
the distribution of rare and endangered species
que P. ayeaye. O relato da ausência buam para melhorar o conhecimento from occurrence and pseudo- absence data.
desta espécie no Parque Nacional da escasso sobre a distribuição geográ- Journal of Applied Ecology, 41:263-274.
Serra do Cipó (Eterovic e Sazima, fica de P. ayeaye com a possível des- ETEROVIC, P.C.; SAZIMA, I. 2004. Anfíbios
2004) possivelmente deve-se ao fato coberta de novas localidades de ocor- da Serra do Cipó, Minas Gerais – Brasil. Belo
Horizonte, PUC Minas, 152 p.
da presença de uma espécie-irmã nesta rência que permitam retirar a espécie
FIELDING, A.H.; BELL, J.F. 1997. A review
localidade, a Phyllomedusa megace- da categoria criticamente em perigo of methods for the assessment of prediction er-
phala. Isto não implica necessariamen- da Lista das Espécies da Fauna Bra- rors in conservation presence/absence models.
te que as duas espécies tenham estado sileira Ameaçadas de Extinção. Environmental Conservation, 24:38-49.

64 Volume 3 number 2 may - august 2008


Modelagem do nicho ecológico de P. ayeaye: previsão de novas áreas de ocorrência para uma espécie rara

GARCIA, A. 2006. Using ecological niche in ecology: the need to account for prevalence. of species geographic distributions. Ecological
modelling to identify diversity hotspots for the Journal of Applied Ecology, 38:921-931. Modelling, 190:231-259.
herpetofauna of Pacific lowlands and adjacent MYERS, N.; MITTERMEIER, R.A.; MIT- PIÑEIRO, R.; AGUILAR, J.F.; MUNT, D.D.;
interior valleys of Mexico. Biological Conser- TERMEIER, C.G.; FONSECA, G.A.B.; KENT, FELINER, G.N. 2007. Ecology matters: Atlan-
vation, 130:25-46. J. 2000. Biodiversity hotspots for conservation tic-Mediterranean disjunction in the sand-dune
HYDRO-1K. 2008. Hydro1k Elevation De- priorities. Nature, 403:853-858. shrub Armeria pungens (Plumbaginaceae). Mo-
rivative Database - U.S. Geological Survey. NASCIMENTO, L.B. 1998. Phyllomedusa aye- lecular Ecology, 16:2155-2171
Disponível em http://eros.usgs.gov/products/ aye (B. Lutz, 1966). In: A.B.M. MACHADO, RAXWORTHY, C.; MARTINEZ-MEYER, E.;
elevation/gtopo30/hydro/index.html, acesso em G.A.B. FONSECA, R.B. MACHADO, L.M.S. HORNING, N.; NUSSBAUM, R.; SCHNEI-
24/09/2007. AGUIAR; L.V. LINS (eds.), Livro vermelho DER, G.; ORTEGA-HUERTA, M.; PETER-
GIOVANELLI, J.G.R.; HADDAD, C.F.B.; das espécies ameaçadas de extinção da fauna SON, A. 2003. Predicting distributions of kno-
ALEXANDRINO, J. 2008. Predicting the po- de Minas Gerais. Belo Horizonte, Fundação wn and unknown reptile species in Madagascar.
tential distribution of the alien invasive Ameri- Biodiversitas, p. 453-455. Nature, 426:837-841.
can bullfrog (Lithobates catesbeianus) in Bra- NIX, H.A. 1986. A biogeographic analysis of RON, S.R. 2005. Predicting the distribution
zil. Biological Invasions, 10:585-590. Australian elapid snakes. In: R. LONGMO- of the amphibian pathogen Batrachochytrium
GUISAN, A.; BROENNIMANN, O.; ENGLER, RE (ed.), Atlas of Elapid Snakes of Australia. dendrobatidis in the new world. Biotropica,
R.; VUST, M.; YOCCOZ, N.G.; LEHMANN, Canberra, Australian Government Publishing 37:209-221. 
A.; ZIMMERMANN, N.E. 2006. Using niche- Service, 415 p. SBH – SOCIEDADE BRASILEIRA DE HER-
based models to improve the sampling of rare NYARI, A.; RYALL C.; PETERSON, A.T. 2006. PETOLOGIA. 2008. Lista de espécies de an-
species. Conservation Biology, 20:501-11. Global invasive potential of the House Crow fíbios do Brasil. Sociedade Brasileira de Her-
GUISAN, A.; THUILLER, W. 2005. Pre- (Corvus splendens) based on ecological niche mo- petologia (SBH). Disponível em http://www.
dicting species distribution: offering more delling. Journal of Avian Biology, 37:306-311. sbherpetologia.org.br/checklist/anfibios.htm,
than simple habitat models. Ecology Letters, OPENMODELLER. 2008. The open source acesso em 21/01/2008.
8:993-1009. fundamental niche modelling project. Dispo- SILVANO, D.L.; SEGALLA, M.V. 2005. Con-
GUISAN, A.; ZIMMERMANN, N.E. 2000. nível em http://openmodeller.sourceforge.net/, servação de anfíbios no Brasil. Megadiversida-
Predictive habitat distribution models in ecolo- acesso em 07/01/2008. de, 1:79-86.
gy. Ecological Modelling, 135:147-186. PAPEŞ, M.; GAUBERT, P. 2007. Modelling SLATYER, C.; ROSAUER, D.; LEMCKERT,
HADDAD, C.F.B. 2005. Anfíbios. In: A.B.M. ecological niches from low numbers of occur- F. 2007. An assessment of endemism and spe-
MACHADO; C.S. MARTINS; G.M. DRU- rences: assessment of the conservation status of cies richness patterns in the Australian Anura.
MOND (eds.), Lista da Fauna Brasileira Ame- poorly known viverrids (Mammalia, Carnivora) Journal of Biogeography, 34:583-596.
açada de Extinção. Belo Horizonte, Fundação across two continents. Diversity and Distribu- SIQUEIRA, M.F.; PETERSON, A.T. 2003.
Biodiversitas, p. 61-63. tions, 13:890-902. Consequences of global climate change for ge-
HIJMANS, R.J.; CAMERON, S.E.; PARRA, PEARSON, R.G.; RAXWORTHY, C.J.; NAKA- ographic distributions of cerrado tree species.
J.L.; JONES, P.G.; JARVIS, A. 2005. Very high MURA, M.; PETERSON, A.T. 2007. Predicting Biota Neotropica, 3(2):1-14.
resolution interpolated climate surfaces for glo- species distributions from small numbers of SIQUEIRA, M.; DURIGAN, G. 2007. Mode-
bal land areas. International Journal of Clima- occurrence records: a test case using cryptic ge- lagem da distribuição geográfica de espécies
tology, 25:1965-1978. ckos in Madagascar. Journal of Biogeography, lenhosas de cerrado no Estado de São Paulo.
HIJMANS, R.J.; GUARINO, L.; ROJAS, E. 34:102-117. Revista Brasileira de Botânica, 30:233-243.
2002. DIVA-GIS. A geographic information PETERSON, A.T.; PAPEŞ, M. 2006. Potential WORLDCLIM. 2006. Version 1.4. Disponí-
system for the analysis of biodiversity data. Ma- geographic distribution of the Bugun Lioci- vel em http://www.worldclim.org/, acesso em
nual. Lima, International Potato Center, 73 p. chla Liocichla bugunorum, a poorly-known 24/09/2007.
HUGALL, A.; MORITZ, C.; MOUSSALLI, species from north-eastern India. Indian Birds, YOUNG, B.E. 2007. Distribución de las especies
A.; STANISIC, J. 2002. Reconciling paleo- 2:146-149. endémicas en la vertiente oriental de los Andes en
distribution models and comparative phyloge- PETERSON, A.T.; VIEGLAIS, D.A. 2001. Perú y Bolivia. Arlington, NatureServe, 88 p.
ography in the Wet Tropics. PNAS, 99:6112– Predicting species invasions using ecological
6117. niche modeling. BioScience, 51:363-371.
MANEL, S.; WILLIAMS, H.C.; ORMEROD, PHILLIPS, S.J.; ANDERSON, R.P.; SCHAPI- Submitted on April 11, 2008
S.J. 2001. Evaluating presence-absence models RE, R.E. 2006. Maximum entropy modeling Accepted on June 09, 2008

Neotropical Biology and Conservation 65