UNIVERSIDADE DE LISBOA

FACULDADE DE LETRAS
DEPARTAMENTO DE GEOGRAFIA

O MOSQUITO VECTOR DA MALRIA ANOPHELES ATROPARVUS, VAN THIEL, 1927:

ADEQUABILIDADE DE HABITAT EM PORTUGAL CONTINENTAL E POTENCIAIS
ALTERAES FUTURAS DO SEU ESPAO CLIMTICO

Csar Dinis Santos Capinha

Mestrado em Sistemas de Informao Geogrfica e Modelao Territorial Aplicados ao

Ordenamento

2009

UNIVERSIDADE DE LISBOA
FACULDADE DE LETRAS
DEPARTAMENTO DE GEOGRAFIA

O MOSQUITO VECTOR DA MALRIA ANOPHELES ATROPARVUS, VAN THIEL, 1927:

ADEQUABILIDADE DE HABITAT EM PORTUGAL CONTINENTAL E POTENCIAIS
ALTERAES FUTURAS DO SEU ESPAO CLIMTICO

Csar Dinis Santos Capinha

Mestrado em Sistemas de Informao Geogrfica e Modelao Territorial Aplicados ao

Ordenamento

Dissertao orientada pelo Prof. Doutor Eusbio Reis

2009

ii

Este trabalho integra-se no projecto: EDEN-Emerging Diseases in an European Changing

Environment (EU grant GOCE-2003-010284 EDEN); (ii) Arbovirus dos mosquitos de Portugal
(POCTI/35775/ESP/2000).
Os contedos desta publicao so da responsabilidade do autor e no reflectem necessariamente a
viso da Comisso Europeia.

Este trabalho utiliza dados fornecidos pelo Community Climate System Model project
(http://www.ccsm.ucar.edu), suportado pelo Directorate for Geosciences of the National Science
Foundation e Office of Biological and Environmental Research of U.S. Department of Energy. A
iniciativa NCAR GIS fornece dados CCSM em formato SIG atravs do portal GIS Climate Change
Scenarios portal (http://www.gisclimatechange.org).
iii

A todos os que perseguiram os seus sonhos

iv

Resumo

A malria constituiu-se como um dos principais problemas de sade na primeira metade do sc. XX
em Portugal. Actualmente, pese embora no se registem casos endmicos, a ocorrncia constante de
casos importados associados uma possvel capacidade de transmisso dos seus agentes infecciosos
por Anopheles atroparvus, mantm presente a possibilidade de futuras infeces endmicas. Neste
sentido procedeu-se obteno de modelos de distribuio potencial desta espcie vectora para
Portugal Continental. Com base em vrios levantamentos de campo referentes presena de
espcies do complexo Anopheles maculipennis e diversos factores ambientais considerados
influentes na sua distribuio, foram utilizados trs mtodos correlativos distintos. A distribuio
obtida identificou uma elevada adequabilidade da maioria do pas a esta espcie, especialmente nas
reas meridionais e de interior. Identificou-se tambm uma constncia entre a forma de distribuio
da espcie aquando da endemicidade da doena e a sua distribuio actual.
Tambm a influncia das alteraes climticas tida como responsvel por alteraes na forma de
distribuio de espcies vectoras de malria. Com base neste pressuposto uma segunda parte deste
trabalho remeteu-se anlise de eventuais influncias destas alteraes na rea de distribuio de
Anopheles atroparvus, correspondente na sua generalidade ao continente Europeu. Para isso foi
efectuada a calibrao de dois modelos com a distribuio actual da espcie tendo-se aplicado os
parmetros obtidos a variveis representativas de cenrios climticos futuros. Os modelos
alcanados permitiram identificar a chegada de conjugaes climticas distintas das verificadas no
actual nicho da espcie em diversas reas da sua distribuio actual, nomeadamente na Pennsula
Ibrica. Verificou-se ainda, para a totalidade dos cenrios climticos futuros uma subida em latitude
das reas de maior adequabilidade. Estas duas situaes podem implicar futuras alteraes na forma
de distribuio e abundncia da espcie, assim como de outras, suas competidoras, ou sujeitas
alteraes no seu prprio espao climtico.

Palavras-chave: adequabilidade de habitat; Anopheles atroparvus; malria; SIG; modelao

espacial

Abstract

Malaria was one of the main health problems in the first half of the 20th Century in Mainland
Portugal. Nowadays, although the disease is no longer endemic, the continuous occurrence of
imported cases and the possibility of its transmission by Anopheles atroparvus, presently maintain
the risk of future endemic infections. In this sense habitat suitability models for this species were
made for Mainland Portugal. Using presence-absence data regarding Anopheles maculipennis
species complex and various environmental factors considered influential in their distribution, three
distinct correlative models were calibrated. The achieved distribution identified high suitability
values for the majority of the country, especially southern and interior areas. It was also identified
that habitat suitability for Anopheles atroparvus in the country remains very similar to the one
existing about seven decades ago when malaria was endemic.
Also the influence of climate change is regarded as responsible for changes in the distribution of
disease vectors. Based on this assumption a second part of this work referred to the analysis of
possible influences of these changes in the global distribution of Anopheles artoparvus which
corresponds coarsely to the European continent. To do so two correlative models were calibrated
with the species actual distribution, the achieved parameters were then applied to a set of climate
variables representing several future climate scenarios obtained from a General Circulation Model.
The obtained results showed that several areas of the species current distribution, namely parts of
the Iberian Peninsula, will present climate conditions distinct from the ones found nowadays in its
realized niche. These results also showed a shift of suitability to northern areas. These two
situations may imply future changes in the distribution and abundance of Anopheles atroparvus, as
well as other species, due to changes in their biotic interactions, or in their own climate envelop.

Keywords: habitat suitability; Anopheles atroparvus; malaria; GIS; spatial modeling

vi

NDICE GERAL
Resumo ........................................................................................................................................... v
Abstract ........................................................................................................................................ vi
ndice geral ................................................................................................................................... vii
ndice de quadros ......................................................................................................................... viii
ndice de figuras............................................................................................................................. ix
Lista de abreviaturas ....................................................................................................................... x
Agradecimentos ............................................................................................................................. xi
CAPTULO 1 O MOSQUITO ANOPHELES ATROPARVUS NA TRANSMISSO DE MALRIA E
OUTROS ARBOVIRUS ................................................................................................................. 1
1.1. Consideraes gerais............................................................................................................ 2
1.2. Os mosquitos do gnero Anopheles e a transmisso da malria ............................................ 4
1.3. Vectores da malria no Continente Europeu ......................................................................... 4
1.4. Vectores da malria em Portugal .......................................................................................... 6
1.5. Anopheles atroparvus como vector de outras doenas .......................................................... 7
CAPTULO 2 A ADEQUABILIDADE DE HABITAT PARA ANOPHELES ATROPARVUS EM
PORTUGAL CONTINENTAL ....................................................................................................... 8
2.1. Introduo ........................................................................................................................... 9
2.2. Breve referncia modelao da distribuio de espcies .................................................. 10
2.3. Dados e mtodos................................................................................................................ 11
2.3.1. Dados de abundncia e distribuio da espcie em Portugal Continental..................... 11
2.3.2. Factores ambientais .................................................................................................... 13
a) As variveis independentes na modelao da distribuio de espcies.......................... 13
b) Preferncias e condicionantes ecolgicas de Anopheles atroparvus ............................. 14
c) Seleco das variveis independentes .......................................................................... 15
Temperaturas extremas mdias ................................................................................... 16
Precipitao anual mdia ............................................................................................ 16
ndice de disponibilidade e adequabilidade de zonas hmidas ..................................... 17
ndice de disponibilidade e adequabilidade de uso de solo agrcola ............................. 18
d) Anlise das relaes entre variveis independentes ...................................................... 18
2.3.3. Mtodos estatsticos de integrao da informao ....................................................... 19

vii

a) Distncia de Mahalanobis ........................................................................................... 20

b) Regresso logstica binria .......................................................................................... 21
c) Redes neuronais artificiais ........................................................................................... 22
2.3.4. Calibrao dos modelos preditivos ............................................................................. 24
a) Modelao com recurso distncia de Mahalanobis .................................................... 25
b) Modelao com recurso regresso logstica binria ................................................... 26
c) Modelao com recurso a rede neuronal artificial ........................................................ 27
2.3.5. Validao de resultados .............................................................................................. 30
2.4. Discusso de resultados e concluses ................................................................................. 32
CAPTULO 3 ESPAO CLIMTICO DE ANOPHELES ATROPARVUS E POTENCIAIS
ALTERAES EM CENRIOS CLIMTICOS FUTUROS NO CONTINENTE EUROPEU .... 38
3.1. Introduo ......................................................................................................................... 39
3.2. Breve referncia modelao de espaos climticos futuros .............................................. 40
3.3. Dados e mtodos................................................................................................................ 41
3.3.1. Registos de distribuio da espcie ............................................................................. 41
3.3.2. Informao climtica e variveis independentes. ........................................................ 43
3.3.3. Mtodos estatsticos para calibrao ........................................................................... 46
a) Calibrao com recurso regresso logstica binria.................................................... 46
b) Calibrao com recurso a redes neuronais artificiais .................................................... 47
3.3.4. Validao de resultados .............................................................................................. 48
3.4. Discusso de resultados e concluses ................................................................................. 52
CAPTULO 4 CONSIDERAES FINAIS .............................................................................. 59
Referncias bibliogrficas..................................................................................................................62

NDICE DE QUADROS
Quadro I Matriz de coeficientes de correlaes de Pearson das variveis independentes. ............ 19
Quadro II Estatsticas descritivas simples dos modelos da distncia de Mahalanobis. ................. 26
Quadro III Testes de Hosmer-Lemeshow e percentagem de classificaes correctas para os
modelos de regresso logstica. ..................................................................................................... 27
Quadro IV Mnimos erros quadrticos mdios e percentagem de classificaes correctas para os
modelos de redes neuronais artificiais. .......................................................................................... 29
Quadro V Valor de ndice kappa para cada limite de adequabilidade, por mtodo de modelao. 32
Quadro VI Parmetros obtidos pelo modelo da regresso logstica binria. ................................. 34
viii

Quadro VII Valores de kappa entre a anterior distribuio de malria e modelos de adequabilidade
de habitat actual. ........................................................................................................................... 37
Quadro VIII Sntese do contexto socio-econmico subjacente a cada cenrio climtico para o sc.
XXI do modelo CCSM-3. ............................................................................................................. 44
Quadro IX Testes de Hosmer-Lemeshow e percentagem de classificaes correctas para os
modelos de regresso logstica. ..................................................................................................... 47
Quadro X Mnimo erro quadrtico mdio alcanado e percentagem de classificaes correctas
para os modelos de redes neuronais artificiais. .............................................................................. 48
Quadro XI Resultados de significncia estatstica do teste binomial unilateral para classificaes
correctas........................................................................................................................................ 52
Quadro XII Parmetros estatsticos e atributos espaciais bsicos dos modelos de adequabilidade.57

NDICE DE FIGURAS
Figura 1 Presenas e ausncias de Anopheles atroparvus em Portugal Continental ..................... 13
Figura 2 Expresso grfica generalizada da funo logstica ....................................................... 22
Figura 3 Modelo genrico do tipo perceptro mltipla camada ................................................... 23
Figura 4 Adequabilidade de habitat para Anopheles atroparvus com base na distncia de
Mahalanobis.................................................................................................................................. 25
Figura 5 Adequabilidade de habitat para Anopheles atroparvus com base na regresso logstica
binria ........................................................................................................................................... 27
Figura 6 Adequabilidade de habitat para Anopheles atroparvus com base em redes neuronais
artificiais ....................................................................................................................................... 29
Figura 7 Combinao de modelos binrios de adequabilidade ................................................... 36
Figura 8 Registos de Anopheles atroparvus considerados para modelao .................................. 42
Figura 9 Estimativas de anomalia de temperatura global superfcie, para cada um dos cenrios
futuros do modelo CCSM-3 .......................................................................................................... 44
Figura 10 Relao do desempenho por rea para o modelo de regresso logstica binria ........... 50
Figura 11 Relao do desempenho por rea para o modelo derivado de rede neuronal artificial .. 50
Figura 12 Modelo de espao climtico actual para Anopheles atroparvus ................................... 53
Figura 13 Espaos climticos de Anopheles atroparvus com base em cenrios climticos futuros
para o perodo 2040 - 2070............................................................................................................ 56

ix

Lista de abreviaturas

AMAM

rea Mnima de Adequabilidade Mxima

CCC

Climate Change Commitment

CCSM-3

Community Climate System Model 3

D2

Distncia de Mahalanobis

DDT

Dicloro-Difenil-Tricloroetano

D.P.

Desvio padro

EDEN

Emerging Diseases in a changing European eNvironment

EQM

Erro quadrtico mdio

GEE

Gases de efeito de estufa

H-L

Hosmer-Lemeshow

IHMT

Instituto de Higiene e Medicina Tropical

IPCC

International Panel for Climate Change

ndice kappa

Limite de adequabilidade

NCAR

The National Centre for Atmospheric Research

PIB

Produto Interno Bruto

Q1

Quartil 1

Q3

Quartil 3

Coeficiente de correlao de Pearson

RAD

Relao rea por Desempenho

RLB

Regresso Logstica Binria

RNA

Rede Neuronal Artificial

SIG

Sistemas de Informao Geogrfica

WHO

World Health Organization

Agradecimentos

Gostaria de agradecer a todos que colaboraram directa ou indirectamente neste trabalho,

nomeadamente:

ao meu orientador Professor Dr. Eusbio Reis pela disponibilidade em me conduzir

nesta tarefa. A sua orientao e enorme rigor cientfico contriburam em muito para a
elevao da qualidade deste trabalho.

ao Dr. Jorge Rocha pela sua incomum prontido em ajudar. Agradeo ainda a sua
crtica cientfica, debate de ideias e sobretudo a grande amizade.

ao Dr. Eduardo Jonas Gomes pelas vrias semanas a debater ideias em volta deste
projecto, na enorme ajuda na preparao dos dados e pelas mltiplas e valiosas
sugestes que deu.

Dra Carla Sousa e ao Dr. Paulo Almeida do Instituto de Higiene e Medicina

Tropical pela sua enorme prestabilidade ao longo do todo o percurso deste trabalho.
Sem toda a informao que disponibilizaram e pronta disponibilidade no
esclarecimento de dvidas, este trabalho no teria sido possvel realizar. Agradeo
ainda particularmente Dra. Carla Sousa a sua valiosa reviso a este documento.

minha famlia e amigos pelo pouco tempo que lhes reservei durante esta fase.

xi

CAPTULO 1 O MOSQUITO ANOPHELES ATROPARVUS NA

TRANSMISSO DE MALRIA E OUTROS ARBOVIRUS

1.1. Consideraes gerais

A malria, tambm conhecida em Portugal como paludismo ou sezonismo, um dos principais
problemas globais de sade, sendo responsvel por um a trs milhes de mortes todos os anos
(Muturi et al., 2008). A infeco com malria corresponde entrada no organismo humano de um
protozorio do gnero Plasmodium. Esta entrada veiculada por insectos designados como vectores
da doena e que correspondem a algumas espcies de mosquitos.
Portugal conheceu elevadas taxas de incidncia da doena at aos finais da primeira metade do sc.
XX. Porm nas dcadas recentes o nmero de casos endmicos tem sido nulo, tendo o ltimo
ocorrido em 1975 (Antunes et al., 1987). Para este territrio so actualmente conhecidas cinco
espcies potenciais transmissoras da doena. No entanto, no perodo em que a malria era
endmica, apenas uma espcie de mosquito foi indicada como vectora: Anopheles atroparvus Van
Theil, 1927 (Diptera, Culicidae) (Cambournac, 1942). Esta apresenta uma distribuio europeia,
constituindo-se ainda hoje como uma das espcies de mosquito mais comum e abundante em
Portugal (Ribeiro et al., 1988). A ocorrncia constante de casos de malria importada, nas ltimas
dcadas em Portugal, associada possvel capacidade de transmisso dos seus agentes infecciosos
por Anopheles atroparvus (Sousa, 2008), mantm presente a possibilidade de ocorrncia de futuras
infeces endmicas.
A distribuio de Anopheles atropavus em Portugal tem sido alvo de vrios estudos. No entanto,
no ainda conhecida para este uma representao espacialmente contnua da sua distribuio. Esta
informao pode constituir-se como uma mais-valia na luta contra a doena, uma vez que o controlo
de vectores tem sido utilizado comummente como estratgia de controlo da malria (Muturi et al.,
2008). Estes modelos podem, assim, funcionar como base de avaliao da probabilidade de infeco
do vector, na elaborao de cartas de risco para as populaes humanas em caso de futuros surtos
(Moffett et al., 2007), na investigao de dinmicas espcio-temporais de An. atroparvus, ou no
aprofundamento do estudo das relaes que esta espcie estabelece com o meio.
Tambm as previstas alteraes climticas futuras (IPCC, 2007) so tidas como influentes na
distribuio da doena, actuando a vrios nveis. Destes destacam-se as potenciais alteraes na
forma de distribuio e abundncia dos seus vectores (Martens et al., 1999), como os mais
relacionados com a temtica deste trabalho. A inexistncia de vectores da doena tem uma relao
directa com a sua ausncia, sendo que, para locais onde estes ocorrem, os seus valores de
abundncia podem constituir-se como um importante factor a influir na capacidade vectorial destes.
Estudos recentes referem a chegada de malria em locais onde esta tem estado ausente, como
2

resultado de redistribuies de vectores associados s alteraes climticas (e.g. Patz e Olson,

2006). Embora a relao da malria com o clima seja bastante mais complexa do que a que diz
respeito unicamente distribuio dos seus vectores, esta sem dvida uma varivel importante no
processo e altamente relacionada com variaes neste (Kuhn et al., 2002). Aspectos comummente
referidos, como a subida das espcies em latitude para fazer frente s alteraes climticas
(Martinez-Meyer, 2005), podem implicar situaes como a adequabilidade do Continente Europeu a
espcies tipicamente norte-africanas. Compreende-se desta forma a importncia da realizao de
estudos relativos forma como alteraes climticas futuras podero influir na distribuio de
populaes de vectores de malria. Embora a modelao de espaos climticos futuros constitua
apenas uma primeira abordagem a esta problemtica, , no entanto, das melhores possibilidades at
agora disponveis para este tipo de investigaes (Pearson e Dawson, 2003).
Esta dissertao composta por dois trabalhos de investigao relativos distribuio da espcie
An. atroparvus. A primeira parte incide na obteno de um modelo de distribuio potencial desta
espcie para Portugal Continental, com base em levantamentos de distribuio j efectuados. Esta
informao integrada com um conjunto de factores ambientais considerados influentes na
distribuio da espcie, com recurso a trs modelos correlativos distintos: a distncia de
Mahalanobis, a regresso logstica binria e as redes neuronais artificiais. Os resultados de cada um
so explorados e validados, sendo posteriormente efectuada a caracterizao da distribuio
potencial de An. atroparvus para Portugal continental, com base no modelo de melhor desempenho
preditivo, e na sua conjugao com os restantes. Por fim estes modelos so comparados com a
distribuio espacial da malria aquando da sua endemicidade.
A segunda parte remete-se explorao dos efeitos que potenciais alteraes climticas futuras
colocam na distribuio de An. atroparvus atravs da modelao de espaos climticos. A elevada
incerteza associada a este tipo de trabalhos, conjuntamente com o reduzido detalhe espacial da
informao climtica referente a cenrios climticos futuros, levou adopo da totalidade da rea
de distribuio conhecida para a espcie. Esta, que corresponde na sua generalidade ao Continente
Europeu, permite assim incluir todo o espectro de variao climtica conhecida para a espcie,
diminuindo a incerteza dos resultados obtidos.
utilizada informao climtica de um Modelo de Circulao Global, referente ao perodo de
2040-2070, sendo utilizados aqui dois modelos correlativos para a integrao da informao, a
regresso logstica binria e as redes neuronais artificiais. Para a validao dos modelos resultantes
apenas de dados de presena, proposto um novo mtodo, que relaciona a rea compreendida no
modelo com o desempenho preditivo, por limite de adequabilidade. Os resultados obtidos so
posteriormente explorados e analisados luz das limitaes inerentes a este tipo de modelos.
3

1.2. Os mosquitos do gnero Anopheles e a transmisso da malria

A malria humana causada por quatro espcies de protozorios do gnero Plasmodium:
Plasmodium falciparum Welch, 1897, que apresenta a maior taxa de mortalidade; Plasmodium
vivax Grassi & Feletti, 1890; Plasmodium malariae Laveran, 1881 e Plasmodium ovale Stephens,
1922. A entrada destes parasitas no corpo humano efectuada atravs da picada das fmeas de
alguns mosquitos do gnero Anopheles estando os parasitas inteiramente dependentes destes dois
hospedeiros. O ciclo de vida das quatro espcies referidas semelhante. Este constitudo por uma
fase sexual exgena que ocorre nos mosquitos (esporogonia) e uma fase assexual endgena
(esquizgonia) que decorre no Homem. Ao penetrarem no corpo humano sob a forma de
esporozotos, estas formas infectantes para o Homem entram na circulao sangunea acabando por
se alojar nas clulas parenquimatosas do fgado onde iniciaro o seu desenvolvimento e
multiplicao (esquizgonia heptica). Segue-se a esquizgonia eritrcitria durante a qual ocorre a
infeco de clulas sanguneas e sua consequente destruio. Quando uma fmea de anofelneo
efectua uma refeio sangunea durante este perodo de infeco activa inicia-se o ciclo
esporognico durante o qual ocorre, j no interior do mosquito, a diferenciao das clulas sexuadas
e a fecundao com subsequente formao do zigoto. Este zigoto, por meiose, inicia as fases
haploides com a formao do oocineto e posteriormente do oocisto. no interior deste que, por
mitoses sucessivas, ocorre a formao dos esporozotos. Aps o rebentamento do oocisto, os
esporozotos migram atravs do hemoclio do mosquito at atingirem as glndulas salivares.
Aquando de uma nova refeio sangunea, estes esporozotos so inoculados juntamente com a
saliva num novo hospedeiro humano, reiniciando assim ciclo de vida do parasita.
De cerca de 300 a 500 milhes de casos anuais de malria, 1 a 3 milhes acabam por levar morte,
sendo a maior taxa de mortalidade registada em crianas at cinco anos. Quarenta e um por cento da
populao mundial habita em locais onde a doena endmica, sendo na frica Subsariana a regio
onde se regista o maior nmero de casos. Alm desta, a doena apresenta ainda um elevado nmero
de casos em partes da sia, Mdio-Oriente, Amricas Central e do Sul e Ocenia (Muturi et al.,
2008).

1.3. Vectores da malria no Continente Europeu

At cerca da terceira dcada do sc. XX, diversas espcies de Anopheles actualmente reconhecidas
como tal, eram consideradas uma s, Anopheles maculipennis Meigen, 1818. Neste perodo, o papel
destes mosquitos na transmisso da malria era j conhecido, no entanto, os seus padres de
4

presena e abundncia nem sempre eram concordantes com a ocorrncia da doena. A existncia de
Anophelismo sem malria para vrios locais, levou ao estudo aprofundado destes mosquitos. Em
resultado destes, so reconhecidas actualmente vrias espcies morfologicamente muito
semelhantes entre si, mas com diferentes implicaes na transmisso de protozorios da malria
para os humanos. No seu conjunto, estas espcies so designadas como o complexo de espcies
gmeas Anopheles maculipennis.
Quase todos os principais vectores de malria para a Europa so membros deste complexo de
espcies, nomeadamente: An. labranchiae Falleroni, 1926, An. sacharovi Favre, 1903 e An.
atroparvus. De acordo com Bruce Chwatt e Zulueta (1980 fide Sousa, 2008), durante o Wrm, e
relacionando o conhecimento biogeogrfico acerca deste perodo, as espcies deste complexo
apresentariam uma distribuio europeia mais meridional que a actual. Espcies como An.
labranchiae e An. sacharovi estariam mesmo ausentes devido a inadequabilidade climtica,
encontrando-se confinados ao Norte de frica e sia Ocidental respectivamente (Zulueta, 1973 fide
Sousa, 2008). Com o fim deste ltimo perodo glacirio e incio do Holoceno, as espcies do
complexo comearam a subir em latitude, at ocuparem as distribuies actualmente conhecidas
(Bruce Chwatt e Zulueta, 1980, fide Sousa, 2008).
As primeiras referncias escritas de doenas semelhantes a malria na Europa, surgem nos textos
gregos Corpus Hippocraticum, remontando aos Sculos IV e V a.C. No incio da Era Comum, a
doena tinha j sido propagada por grande parte do Continente Europeu, acompanhando a expanso
do Imprio Romano (Sallares et al., 2004). Embora se desconhea grande parte dos efeitos
quantitativos que a doena teve sobre as populaes (Sallares et al., 2004), durante os Sculos XVII
e XVIII esta era comum no Sul da Europa e em diversas reas a norte como Holanda, costa da
Alemanha, Sucia e Finlndia (Bruce Chwatt e Zulueta, 1980 fide Sousa, 2008).
O declnio da malria na Europa teve incio com o desenvolvimento socioeconmico,
nomeadamente a modernizao das prticas agrcolas e pecurias, assim como aplicao de
quinino no seu tratamento (Lieshout et al., 2004).
Pese embora o seu declnio, no Sculo XX o endemismo da doena era ainda patente em vastas
reas do Sul e Este da Europa (Sousa, 2008). Este sculo, contudo, conheceu diversas novas formas
de combate doena. O desenvolvimento de novos medicamentos como a cloroquina, a
pulverizao com Dicloro-Difenil-Tricloroetano (DDT) como medida de controlo de vectores e a
existncia de diversos programas nacionais de erradicao, deram um enorme contributo para o fim
da sua endemicidade na Europa (Sousa, 2008), que ocorreu em 1975 (WHO, 2006).

1.4. Vectores da malria em Portugal

Para Portugal Continental so conhecidas trs espcies pertencentes ao complexo An. maculipennis:
An. maculipennis, Anopheles melanoon Hacket, 1934 e An. atroparvus. Esta ltima, a espcie
mais comum, abundante e amplamente distribuda pelo territrio nacional, assim como foi a espcie
que propagou o parasita da malria durante o perodo em que a doena era endmica no Pas
(Ribeiro et al., 1988). Trs outras espcies com registos espordicos no territrio tm sido
associadas transmisso da doena: Anopheles claviger Meigen, 1804; e Anopheles plumbeus
Theobald, 1901 (Ribeiro et al., 1988).
Grande parte do conhecimento acerca da malria em Portugal provm de trabalhos realizados na
primeira metade do sc. XX. Cambournac (1942), identificou para esse perodo seis regies
malariolgicas no pas, associando-as aos seus principais rios: Douro; Mondego; Tejo Superior;
Tejo Inferior; Guadiana e Sado. Para estas classificou a sua endemicidade como leve a moderada
para as regies do Douro, Guadiana e Tejo Superior, severa para o Mondego e Baixo Tejo e
hiperendmica para a Regio do Sado. A caracterizao destes locais, assim como das
caractersticas ambientais associadas transmisso da malria em Portugal, estiveram na base das
primeiras aces de combate doena no Pas (Sousa, 2008) entre as quais diversas medidas de
controlo do seu vector. Destas referem-se a introduo do peixe predador, Gambusia sp., regulao
da irrigao de campos de arroz (Borges, 2001 fide Sousa, 2008), melhorias das instalaes dos
trabalhadores na cultura de arroz, pulverizao com DDT, adopo de redes para camas e
proteces nas janelas e portas (Bruce-Chawatt e Zuleta, 1980 fide Sousa, 2008). A adopo destas
medidas juntamente com o tratamento de casos sintomticos levou a uma reduo muito acentuada
de casos de malria, verificando-se apenas quatro casos endmicos em 1958 (Bruce-Chawatt e
Zuleta, 1980 fide Sousa, 2008). Em 1973 a doena dada como erradicada do Pas, ocorrendo aps
esta data um nico registo endmico, em 1975 (Antunes et al., 1987).
A ocorrncia de malria em Portugal, desde ento, tem sido devida a casos importados. Estes
conheceram os seus valores mais elevados com o fim da Guerra Colonial. Para o perodo mais
recente de 1993 a 2002, Castro et al. (2004) referem a ocorrncia de entre 50 a 85 casos anuais,
verificando-se uma certa constncia destes ao longo do perodo referido.
Estudos recentes, como o de Sousa (2008), concluem que An. atroparvus ainda pode apresentar as
caractersticas necessrias para transmisso de estripes tropicais de protozorios, nomeadamente de
P. falciparum. Esta possibilidade, conjuntamente com a ocorrncia constante de hospedeiros
humanos infectados, mantm presente a possibilidade de virem a ocorrer infeces endmicas.

1.5. Anopheles atroparvus como vector de outras doenas

Pese embora o papel conhecido que o mosquito Anopheles atroparvus representa na disseminao
da malria, o seu papel de vector no se esgota nos agentes infecciosos. Para esta espcie tambm
conhecida a capacidade de transmisso de diversos outros arbovirus, detentores de reconhecidos
riscos para a sade pblica. Exemplo disso o vrus do Nilo Ocidental, tendo-se identificado a
presena deste vrus por vrias ocasies nesta espcie de mosquito (Filipe et al., 1972; Fernandes et
al., 1998). Este vrus apresenta uma ampla distribuio, conhecendo-se diversas ocorrncias para o
territrio portugus, algumas das quais bastante recentes (Almeida et al., 2008). conhecida ainda
a capacidade vectorial de Anopheles atroparvus para o vrus Calovo (tambm conhecido como
Batai) (WHO, 2004), pese embora este seja tido como de reduzido risco para a sade humana
(Lundstrom, 1999).

CAPTULO 2 A ADEQUABILIDADE DE HABITAT PARA ANOPHELES

ATROPARVUS EM PORTUGAL CONTINENTAL

2.1. Introduo
Pese embora a existncia de diversos trabalhos acerca da distribuio de espcies de mosquitos em
Portugal (e.g. Ribeiro et al., 1988; Almeida et al., 2008), no so conhecidas representaes
espaciais contnuas e detalhadas acerca de como estas se distribuem ao longo do territrio,
nomeadamente para Anopheles atroparvus. Esta ausncia deriva certamente das mltiplas
dificuldades inerentes realizao de levantamentos com o elevado detalhe espacial exigido para
esse fim.
A modelao da distribuio de espcies tem sido desenvolvida sobretudo no campo da
biogeografia e da biologia da conservao. Esta tem como base a quantificao de relaes da
espcie com o meio envolvente (Guisan e Thuiller, 2005). Estas quantificaes correspondem
anlise das relaes entre dados de campo acerca da distribuio de espcies ou comunidades em
estudo e variveis consideradas representativas das suas exigncias ecolgicas. Tais quantificaes
baseiam-se na generalidade em duas abordagens: o conhecimento terico de especialistas acerca dos
organismos em estudo, ou a utilizao de modelos correlativos (Guisan e Zimmerman, 2000). As
relaes obtidas desta anlise so posteriormente aplicadas informao espacial com recurso a
mdulos de lgebra de mapas, presentes na generalidade das aplicaes de Sistemas de Informao
Geogrfica (SIG).
Esta abordagem diminui a necessidade de levantamentos com elevado detalhe espacial, podendo-se
constituir actualmente como a melhor forma de alcanar uma representao contnua da distribuio
destas espcies, ou de como o territrio se adequa sua existncia. Os exemplos de modelao de
distribuies para espcies consideradas nocivas para a sade humana so j vrios, ocorrendo
mesmo trabalhos aplicados a espcies do gnero Anopheles (e.g. Moffett et al., 2007).
Este trabalho pretende obter o primeiro modelo espacialmente contnuo da forma como An.
atroparvus se distribui pelo territrio de Portugal Continental. Tal informao apresenta diversas
potencialidades (Levine et al., 2004), sendo no presente contexto a avaliao de risco de infeco
do vector, atravs de processos de anlise espacial, uma das suas aplicaes mais teis. Na possvel
ocorrncia de futuros surtos da doena, esta informao pode-se ainda constituir como uma
ferramenta til na elaborao de cartas de risco de transmisso (e.g. Moffett et al., 2007). A prpria
anlise dos parmetros e resultados dos modelos correlativos utilizados no processo de modelao
permite obter informao acerca das relaes que a espcie estabelece com as variveis ambientais
consideradas, permitindo aprofundar o conhecimento ecolgico da espcie. A informao espacial
obtida, assim como os procedimentos metodolgicos de realizao podem ainda ser adaptados ao
9

estudo de dinmicas da espcie quer espaciais quer temporais, relacionando variaes dos atributos
espaciais de diversos factores ambientais com tendncias de propagao ou valores abundncia.

2.2. Breve referncia modelao da distribuio de espcies

A modelao da distribuio de espcies corresponde obteno de modelos empricos com
traduo espacial, que relacionam vrios tipos de dados de campo relativos s espcies com factores
ambientais, atravs de uma integrao estatstica ou terica (Guisan e Zimmermann, 2000). Este
tipo de modelos encontra-se particularmente desenvolvido no campo da biogeografia e da biologia
da conservao, sendo o seu sustentamento terico derivado essencialmente do conceito de nicho
ecolgico definido por Hutchinson, (1957). Segundo a definio deste autor, o nicho fundamental
de uma espcie, entendido como um conjunto de condies ambientais dentro das quais esta pode
sobreviver e persistir. A sua representao pode assumir a forma de um hipervolume n-dimensional
resultante da conjugao das variveis que actuam sobre a espcie. A modelao geogrfica da
distribuio de uma espcie corresponde a uma aproximao da representao desse hipervolume
sobre um territrio, devendo ser interpretada como uma distribuio potencial. Esta, obtida pela
integrao de dados espacialmente explcitos representantes da presena da espcie (presenas,
presenas e ausncias ou densidades) com trs tipos possveis de variveis independentes: factores
limitativos; factores de perturbao ambiental e recursos (Guisan e Thuiller, 2005). Estes trs tipos
de variveis independentes so comummente designados apenas por factores ambientais, sendo esse
o termo adoptado neste trabalho.
Um conceito importante a considerar neste tipo de modelos o de equilbrio ecolgico. Nestes
assume-se que os dados relativos distribuio das espcies de estudo a incluir, traduzem uma
situao de equilbrio, ou prximo dele, com o ecossistema. Apenas quando esta situao se verifica
possvel assumir que os resultados dos modelos de distribuio de espcies traduzem uma
aproximao espacializada dos seus nichos. A verificao desta condio ainda fortalecida pelo
facto de, muitas vezes, as prprias espcies no ocuparem a totalidade do seu nicho fundamental
devido a processos de competio (Hutchinson, 1957), ou por todo um conjunto de outras
interaces biticas (parasitismo, predao, simbiose e competio) e barreiras fsicas ou histricas
(Pearson, 2007), ocupando apenas o que se designa por nicho realizado.
A forma de integrao dos modelos de distribuio de espcies, como referido anteriormente, pode
ser de cariz terico (tambm designado de mecanicista), ou correlativo. Os primeiros assentam no
conhecimento aprofundado da fisiologia das espcies, sendo por isso de uso restrito a especialistas
em determinados taxons. Os modelos correlativos (aplicados neste trabalho) baseiam-se na
10

associao entre registos da distribuio da espcie e um conjunto de variveis que se julga serem
responsveis pela sua distribuio. Esta associao levada a cabo por um ou vrios modelos
estatsticos, sendo os seus resultados posteriormente traduzidos espacialmente com recurso a SIG.
Guisan e Zimmerman (2000), referem algumas categorias de algoritmos estatsticos possveis de
utilizar, nomeadamente: regresses lineares e no lineares, paramtricas e no paramtricas;
mtodos de classificao; modelos de medio de similaridade; tcnicas de ordenao; modelos de
probabilidade de Bayes e redes neuronais artificiais. A anlise destes e de outros mtodos
correlativos de integrao de informao aprofundada no ponto 2.3.3.
Os resultados destes modelos tm tido vrias aplicaes, nomeadamente na seleco de reas de
conservao para espcies (e.g. Ferrier et al., 2002), na predio espacial de invases biolgicas
(e.g. Benedict et al., 2007), ou na modelao da distribuio de espcies que comportam risco para
a sade humana (e.g. Levine et al., 2004). Estes permitem assim alargar a vrios nveis o
conhecimento acerca das espcies de estudo, constituindo-se muitas vezes como base de suporte a
processos decisrios.

2.3. Dados e mtodos

2.3.1. Dados de abundncia e distribuio da espcie em Portugal Continental
No mbito dos Projectos EDEN e Arbovirus dos mosquitos de Portugal foram realizadas diversas
iniciativas relativas ao estudo de An. atroparvus. Uma destas teve como principal objectivo estimar
a abundncia de An. atroparvus em fase adulta durante perodos de uma hora em instalaes
propcias sua existncia, como estbulos e pecurias. Estes levantamentos foram realizados por
especialistas do Instituto de Higiene e Medicina Tropical (IHMT), em vrias localidades
distribudas ao longo de Portugal Continental, entre 2001 e 2003. Os resultados obtidos encontramse, no entanto, condicionados para uma utilizao directa no contexto deste trabalho. A enorme
variabilidade nas condies intrnsecas aos locais prospectados, como o tipo de hospedeiro
vertebrado presente, a implementao de medidas antiparasitrias, ou o grau de isolamento ao
exterior dos espaos visitados, levou existncia de uma grande irregularidade de valores de
abundncia mesmo para locais bastante prximos. Neste contexto, no possvel considerar os
valores de abundncia por si mesmo, nem os locais com baixas abundncias como detentores de
condies ambientais envolventes pouco favorveis para a espcie. O contrrio, no entanto, pode
ser afirmado, ou seja, os locais onde se registaram elevadas abundncias indicam, partida, a
existncia de adequabilidade ecolgica do meio envolvente para a espcie de estudo. Outro aspecto
a considerar, o facto de estes valores de abundncias compreendem no apenas a espcie de
11

estudo, mas a totalidade das espcies pertencentes ao complexo An. maculipennis. Este, como j
referido, define-se como um grupo de espcies bastante semelhantes entre si, nas quais se inclui a
espcie em estudo. Para que se possa proceder extraco dos valores de abundncias mais
elevadas da espcie An. atroparvus, necessrio realizar uma ponderao dos valores de
abundncia por espcie.
Considerando vrios trabalhos realizados de caracterizao da distribuio das espcies de
mosquitos para Portugal Continental, possvel estabelecer razes de abundncia para as espcies
pertencentes ao complexo An. maculipennis, em funo do seu local de ocorrncia. Ramos et al.
(1978) identificaram An. atroparvus como a nica espcie deste complexo existente no Algarve, tal
como acontece para o Alentejo (Pires et al., 1982). No entanto, a norte do sistema montanhoso
Montejunto-Estrela, o complexo passa a ser representado tambm pela espcie An. maculipennis,
conhecendo-se ainda alguns registos em quantidades negligenciveis de indivduos das outras
espcies (Ribeiro et al., 1988). A simpatria destas duas espcies mais abundantes torna ento
necessrio que, a norte deste alinhamento montanhoso, se proceda a uma quantificao da
frequncia relativa de cada uma nos valores de abundncia registados. Ribeiro et al. (1992) referem,
num estudo para a Regio Centro, a existncia de uma razo de abundncia de nove An. atroparvus
por cada An. maculipennis. Especificamente para o Parque Natural da Serra da Estrela, Ribeiro et
al. (1999a) apresentaram um valor menor: seis An. atroparvus por cada An. maculipennis. Mais
para norte, os estudos existentes no referem propores directas entre as espcies, mas todos
referem uma abundncia substancialmente maior de An. atroparvus (Ribeiro et al., 1999b; Ribeiro
et al., 2002). Tendo em conta estas indicaes e os valores conhecidos de propores aplicou-se um
valor considerado adequado: oito An. atroparvus para um An. maculipennis. Esta ponderao foi
aplicada aos registos enquadrados nas reas montanhosas que constituem a ligao MontejuntoEstrela, e a norte desta.
Dos valores resultantes do processo, foram extrados os situados acima do sexto decil. Estes foram
ento considerados como os indicadores de maior adequabilidade espcie, totalizando 76 registos.
Tendo em conta a existncia de possveis enviesamentos dos valores de abundncia devido
variabilidade das condies dos locais amostrados, como referido anteriormente, estes registos so
doravante considerados como de presena apenas, desconsiderando-se o seu valor de abundncia
efectiva.
Alm dos registos referentes a presenas, foram ainda considerados registos de ausncias. Estes,
definem-se, regra geral, como locais amostrados onde as espcies em estudo no so encontradas.
Para esta investigao, incluram-se apenas os locais onde a frequncia de espcies do complexo
apresentou valores extremamente reduzidos comparativamente frequncia de outras espcies. Este
12

tipo de registos atesta uma reduzida adequabilidade espcie de interesse, indicando ainda que o
local no se encontrava condicionado presena de mosquitos. Assim, e considerando este
pressuposto foi definido como limite mximo de frequncia de espcies do complexo, o valor
arbitrrio de 2%. Desta operao resultaram um total de 16 locais. A prevalncia de 83%,
transmitida por estes registos, aponta j para uma elevada disperso desta espcie ao longo de
territrio.
A figura 1 apresenta a distribuio da totalidade de registos de presenas e ausncias disponveis.

Figura 1 Presenas e ausncias de Anopheles atroparvus em Portugal Continental

2.3.2. Factores ambientais

a) As variveis independentes na modelao da distribuio de espcies
A obteno de variveis com maior potencial preditivo baseadas no conhecimento existente acerca
13

dos factores que interferem na distribuio das espcies em questo, tida como um dos grandes
passos a dar na modelao de habitats potenciais (Arajo e Guisan, 2006; Tsoar et al., 2007). Neste
sentido crucial efectuar uma reviso adequada do conhecimento existente acerca dos factores
ecolgicos considerados como influentes na distribuio da espcie objecto de estudo. Este ir
permitir guiar de uma forma mais segura a escolha das variveis independentes passveis de integrar
os modelos estatsticos preditivos.
Esta escolha , ainda assim, muitas vezes condicionada pela disponibilidade de dados ou pela sua
impossibilidade de traduo espacial. Esta ltima condicionante est particularmente relacionada
com processos de interaco bitica. Estes, pela sua complexidade, dinmica temporal e espacial ou
simplesmente por desconhecimento da sua existncia, so muitas vezes ignorados no contexto
destes modelos, no sendo este trabalho excepo. No sentido de se proceder obteno de
variveis com elevado poder preditivo, as relaes ecolgicas da espcie com o meio foram
analisadas, constando no ponto seguinte.
b) Preferncias e condicionantes ecolgicas de Anopheles atroparvus
O ciclo de vida dos mosquitos Anopheles, assim como dos outros gneros compreende quatro fases:
ovo, larva, pupa e adulto. Destes, os trs primeiros so exclusivamente aquticos e o ltimo
terrestre. Esta dicotomia torna importante, no contexto deste trabalho, o conhecimento das relaes
ecolgicas com o meio, para todas as fases do seu ciclo de vida e no apenas para aquela em que
atinge capacidade vectorial.
Os trs primeiros estdios so referidos por Becker et al. (2003) como tendo lugar geralmente em
massas de guas estagnadas permanentes ou semipermanentes, tanto salobras como doces, mas com
ligeira preferncia para estas ltimas e dispondo na maioria dos casos de boa exposio solar com
alguma vegetao. Pires et al. (1982) atribuem uma especial importncia aos charcos temporrios
em leitos de rios. Assim as reas preferenciais nestas fases referem-se sobretudo a guas interiores
dulciaqucolas pouco profundas, tais como: charcos, pntanos, campos de arroz, leitos de rios e
ribeiras com estiagem, canais de rega, tanques artificiais, lagoas e alguns lagos menos profundos.
Outras reas tambm se devem considerar, embora partida com uma adequabilidade menor, como
o caso das lagoas costeiras, margens de rios de guas calmas e pouco profundas, margens de
albufeiras, lagos profundos e esturios.
Cambournac e Hill (1938) referem que, uma vez atingida a fase adulta (cerca de 30 dias aps a
oviposio), estes mosquitos tendem a procurar abrigo em estbulos, pocilgas, coelheiras ou outros
tipos de instalaes animais, necessitando de se alimentar de sangue para viabilizar as suas posturas.
Este autor refere ainda que apesar de uma elevada resistncia a temperaturas elevadas, o seu
14

comportamento bastante sensvel a variaes neste factor, sendo determinante em aspectos como a
realizao e/ou durao do perodo de hibernao, tipo de abrigo escolhido ou estimulo
alimentao. Deve-se ainda destacar o papel das baixas temperaturas na capacidade de resistncia
dos adultos durante o perodo de hibernao.
Paaijmans et al. (2007) referem a elevada importncia que os eventos de precipitao desempenham
na mortalidade da espcie Anopheles gambiae s.l., aquando da sua fase aqutica. Estes autores
identificam a existncia de elevados quantitativos deste factor como uma das principais causas de
diminuio de produtividade de criadouros destes mosquitos. Considerando a sua proximidade
filogentica e o desconhecimento acerca da existncia de estudos que analisem esta relao para An.
atroparvus, o efeito da precipitao sobre a espcie de estudo apresenta-se tambm como
potencialmente importante.
Na literatura consultada no foram encontradas referncias relativas a interaces biticas
susceptveis de alterar a sua distribuio na rea de estudo. Nestas deve-se, no entanto, considerar as
que compreendem os seus hbitos alimentares zooflicos, e que partida implicam uma influncia
escala local nas preferncias de habitat da espcie. A ampla distribuio europeia desta espcie
(Ramsdale e Snow, 2000) e em Portugal (Ribeiro et al., 1988), sugere que as barreiras naturais no
se apresentem tambm como uma condicionante importante na sua disperso e abundncia para a
rea de estudo.
c) Seleco das variveis independentes
De acordo com o conhecimento existente acerca dos factores ambientais que determinam as
condies de adequabilidade para a espcie, torna-se necessrio que estes sejam traduzidos
espacialmente, de forma permitir a sua integrao no processo de modelao espacial.
Aps a conjugao do conhecimento acerca da ecologia da espcie com os dados disponveis e
tendo em conta a possibilidade de ocorrncia de sobre-ajustamento dos modelos preditivos aquando
da utilizao de um nmero demasiado elevado de variveis independentes com registos amostrais
reduzidos (Heikkinen et al., 2006), consideraram-se cinco variveis independentes: temperatura
mxima mdia do trimestre mais quente, temperatura mnima mdia do trimestre mais frio,
precipitao total anual mdia, disponibilidade e adequabilidade de zonas hmidas e disponibilidade
e adequabilidade de uso de solo agrcola.
Seria ainda eventualmente interessante incluir outros factores susceptveis de influenciar a
distribuio de espcies, como possveis interaces biticas ou eventuais barreiras biogeogrficas,
no entanto, a falta de conhecimento acerca destas, aliada indisponibilidade de informao
espacial, impossibilita a sua incluso.
15

Temperaturas extremas mdias

A incluso de modelos representativos da variao espacial da temperatura foi considerada tendo
em conta a influncia que esta tem, quer de forma directa sobre o comportamento e fisiologia da
espcie, como j descrito anteriormente, quer de forma indirecta, atravs da sua influncia sobre
outros factores ecolgicos como a variao dos valores de profundidade e disponibilidade de guas
paradas. Para isso foram consideradas duas variveis: a temperatura mxima mdia do trimestre
mais quente e a temperatura mnima mdia do trimestre mais frio, para o perodo 1950-2000. A
opo de utilizao destas duas variveis, em simultneo, para representar um nico factor
ecolgico prende-se com uma melhor representao dos seus contrastes espcio-temporais, algo que
no seria possvel de obter com a utilizao de um modelo anual mdio.
A informao espacial respeitante a estas variveis foi obtida directamente em estrutura de dados
matricial, derivadas do projecto Worldclim. Este projecto tem por objectivo fornecer informao
bioclimtica mundial gratuita, num detalhe considerado elevado ( 1km2), de forma a permitir a sua
integrao em processos de modelao espacial (Hijmans et al., 2005). So encontrados vrios
exemplos de utilizao desta informao em modelao biogeogrfica (e.g. Giriraj et al., 2008).
Hijmans et al. (2005) efectuaram estes modelos atravs de processos de interpolao espacial de
informao proveniente de vrias fontes e referentes ao perodo 1950-2000, sobre as quais foi
aplicado um algoritmo constante na aplicao informtica Anusplin v. 4.3. Os modelos resultantes
foram comparados com outros existentes, ainda que de menor resoluo espacial, tendo-se
reconhecido a existncia de algumas discrepncias. Estas, no entanto, dizem respeito sobretudo a
locais onde se regista uma reduzida densidade de dados de base, ou em grandes reas montanhosas.
de referir ainda, em favor da fiabilidade desta informao, que data da sua realizao os
modelos Worldclim constituam-se como os que incorporavam maior quantidade de informao de
base (Hijmans et al., 2005). A representao cartogrfica destes modelos visvel nas figuras 1a e
2a em anexo.
Precipitao anual mdia
A utilizao de valores de precipitao foi considerada devido potencial aco directa que
desempenha sobre a capacidade produtiva dos criadouros, como verificado para outras espcies
(Paaijmans et al., 2007), assim como sobre a disponibilidade e caractersticas de habitat dos trs
primeiros estdios de vida de An. atroparvus, nomeadamente nos regimes dos cursos de gua,
profundidade de massas de gua e disponibilidade de charcos temporrios.
A informao espacial contnua deste factor para Portugal Continental foi tambm obtida atravs da
base de informao do projecto Worldclim, para o perodo 1950-2000, sendo a sua metodologia de
16

realizao semelhante dos modelos de temperatura referidos anteriormente (Hijmans et al., 2005).
A representao cartogrfica do modelo visvel na figura 3a em anexo.
ndice de disponibilidade e adequabilidade de zonas hmidas
A incluso de informao relativa proximidade e abundncia de zonas hmidas, depreende-se
como de elevada importncia para a espcie considerando a sua relao directa com a
disponibilidade de habitat para os trs primeiros estdios do seu ciclo de vida.
Parte da informao desta varivel foi adquirida recorrendo informao Corine Land Cover 2000.
Desta foram consideradas todas as reas pertencentes s classes indicadas no quadro Ia em anexo.
O facto de um modelo correspondente aos limites espaciais destas reas de interesse ser
espacialmente descontnuo, leva a que, no contexto deste trabalho, seja necessria a sua
transformao para uma superfcie contnua. A forma utilizada para estabelecer esta continuidade
foi atravs do clculo da sua densidade espacial. Esta densidade calculada de forma simples,
correspondendo ao nmero de clulas que contm determinada tipologia de zona hmida num raio
de 10 km. O valor de 10 km foi um valor definido subjectivamente, mas que se considera permitir
caracterizar toda a envolvncia do local do registo referente disponibilidade deste tipo de reas.
Alm disso foi ainda considerada a atribuio de diferentes ponderaes a cada uma das reas, de
acordo com a adequabilidade indicada na sua caracterizao ecolgica e em conjugao com o
conhecimento de especialistas. Para isso foram definidas trs classes: uma, considerada como a que
oferece menores condies como criadouro de An. atroparvus; outra, com as condies
consideradas intermdias; e uma terceira onde se incluem as tipologias consideradas possuidoras de
condies ptimas. A tipologia de reas hmidas agrupadas em cada uma destas classes visvel no
quadro IIa em anexo.
Para cada uma destas classes foi calculada a sua densidade, sendo os trs modelos posteriormente
agregados com uma ponderao definida linearmente por cada uma das trs aptides consideradas,
como consta na equao seguinte:
M=m + m 2 + m 3
1
2
3
sendo M o modelo final, m1 o modelo de menor aptido, m2 o de aptido intermdia e m3 o de maior
aptido. Este modelo foi posteriormente relativizado para um intervalo de 0 a 100 como consta na
equao seguinte:
Mr = (

x
) 100
max (M )

em que, x corresponde ao valor de cada uma das clulas constituinte do modelo, e max(M) ao valor
17

mximo encontrado no modelo M. O modelo resultante visvel na figura 4a em anexo.

ndice de disponibilidade e adequabilidade de uso de solo agrcola
A utilizao de um modelo de densidade de uso de solo agrcola pretende actuar como indicador da
aptido existncia de exploraes animais, ao ar livre, ou dentro de instalaes. Esta aproximao
parte do pressuposto, ainda que generalista, de que as reas com maior intensidade agrcola
apresentam maior apetncia a possuir exploraes de animais, quer como actividade econmica,
quer para consumo domstico. Para mais, este indicador no necessita de entrar em conta com as
preferncias alimentares de An. antroparvus, visto que este aparentemente no possui apetncia por
nenhuma espcie em particular (Ribeiro et al., 1992).
A realizao deste modelo baseou-se na informao Corine Land Cover 2000, tendo-se desta
extrado os usos de solo com utilizao agrcola. semelhana do modelo relativo s zonas
hmidas procedeu-se, com recurso a conhecimento de especialistas, ponderao das classes de uso
por apetncia existncia de animais. Alm das classes de uso agrcola, inclui-se uma classe de uso
respeitante a todas as reas no agrcolas. Estas classes e ponderaes atribudas encontram-se no
quadro IIIa em anexo. Foi tambm utilizado um raio de 10km para o clculo do valor de densidade,
tendo-se procedido posteriormente ponderao e relativizao do modelo como efectuado para a
varivel anterior. O modelo resultante visvel na figura 5a em anexo.
d) Anlise das relaes entre variveis independentes
A escolha e utilizao de variveis independentes para integrao com modelos correlativos para
modelao da distribuio de espcies deve ter em considerao a sua possvel multicolinearidade
(Guisan e Thuiller, 2005). A multicolinearidade pode ser entendida como a existncia de duas ou
mais variveis independentes numa anlise de regresso mltipla (binria ou no) que se encontram
altamente correlacionadas. Esta situao pode causar instabilidade nos coeficientes dos modelos
dificultando a sua interpretao (Christensen, 1997), ainda que no afecte os seus resultados
preditivos.
De forma a prevenir a ocorrncia de multicolinearidade entre variveis foi calculada uma matriz de
coeficientes de correlao de Pearson entre as variveis independentes. A opo por este mtodo
baseia-se no princpio referido por Berry e Felman (1985), de que variveis com correlaes com
valores de r >-0,7 ou r <0,7 para um nmero de observaes inferior a 30 e de r <-0,85 ou r <0,85
para um nmero maior de observaes, possam ser includas num modelo de regresso sem que o
risco de multicolinearidade seja elevado. O coeficiente de correlao de Pearson foi calculado
directamente sobre os modelos espaciais recorrendo-se para isso ao software ILWIS 3.4 Open. A
18

matriz resultante visvel no quadro I.

Quadro I Matriz de coeficientes de correlaes de Pearson das variveis independentes.

reas
agrcolas

Precipitao

Trimestre
frio

Trimestre
quente

Zonas
hmidas

reas agrcolas

Precipitao

-0,51

Trimestre frio

0,2

-0,64

Trimestre quente

0,44

-0,69

0,63

Zonas hmidas

0,19

-0,25

0,48

0,29

Com a anlise do quadro I possvel verificar a inexistncia de correlaes superiores aos limites
de -0,85 e 0,85. possvel assim integrar quaisquer destes na totalidade dos modelos estatsticos de
integrao considerados para o presente trabalho.

2.3.3. Mtodos estatsticos de integrao da informao

O nmero de modelos de integrao estatstica passvel de ser utilizado na modelao correlativa da
distribuio de espcies elevado e diverso (Guisan e Zimermann, 2000). O seu papel o de obter
valores de resposta que traduzam a adequabilidade do habitat atravs da conjugao dos valores das
variveis independentes respeitantes distribuio conhecida da espcie.
Possivelmente a caracterstica mais importante e que tem sido alvo de vrios estudos prende-se com
a comparao dos seus desempenhos preditivos (e.g. Brotons et al., 2004; Segurado e Arajo, 2004;
Tsoar et al., 2007), mas ainda assim estes modelos diferem em vrias outras caractersticas, que
muitas vezes condicionam ou potenciam a sua utilizao na modelao da distribuio de espcies.
Uma das principais distines, assim como condicionantes na sua escolha, prende-se com o tipo de
dados possveis de integrar. Estes so considerados tanto ao nvel da varivel de resposta, que pode
ser contnua (e.g. abundncias), dicotmica (presenas-ausncias) ou de presena apenas, como nas
variveis independentes, que podem ser contnuas ou categricas. Os modelos que requerem
variveis resposta do tipo contnuo, compreendem alguns dos mtodos mais comuns em estatstica
preditiva, como as regresses lineares mltiplas (e.g. Caldwell, et al., 2004). Os que integram
registos de presenas e ausncias (ou pseudo-ausncias), baseiam-se no contraste entre os valores
referentes a estes dois tipos para obter o valor de resposta. Nestes incluem-se mtodos como as
regresses logsticas binrias, modelos aditivos generalizados, redes neuronais artificiais ou rvores
de classificao e regresso (e.g. Thuiller, 2003). Os modelos que utilizam apenas registos de
19

presena podem ainda ser desagregados em duas tipologias: os que requerem ou geram dados
representativos da variabilidade existente na rea de estudo e os que utilizam unicamente
informao relativa aos locais onde foi encontrada a espcie. Dentro do primeiro grupo encontramse algoritmos mais complexos como Maxent (Philips et al., 2006) ou DesktopGarp (Stockwell e
Peters, 1999); no segundo encontram-se sobretudo tcnicas de medio de similaridade como as
mtricas de Gower e de Mahalanobis (e.g. Tsoar et al., 2007).
Os modelos diferem ainda em algumas outras caractersticas de relevo, como o tipo de resposta
obtido ser do tipo contnuo ou categrico, na possibilidade de anlise interpretativa do contributo
das variveis independentes ou no grau de integrao com informao espacial. Esta ltima, por
vezes ignorada, apresenta-se muitas vezes difcil de superar pela complexidade inerente ao processo
de espacializao dos resultados obtidos. De modo a ultrapassar esta barreira, existem vrias
aplicaes que integram directamente a informao em formatos de dados tpicos de programas SIG
(e.g. Maxent; DesktopGarp, OpenModeler...). No entanto, a larga maioria e sobretudo os modelos
mais recentes na rea necessitam que se proceda posteriormente espacializao dos seus
resultados (e.g. rvores de classificao ou regresses de modelos aditivos generalizados).
Tendo em conta esta elevada variabilidade, a escolha de um nico mtodo implica a perda de vrias
potencialidades presentes noutros. Alm disso, a explorao de vrios mtodos em simultneo
sugerida na modelao da distribuio de espcies, como forma de diminuir a incerteza do processo
(Pearson et al., 2006). Considerando estas prerrogativas e o potencial ganho tanto informativo como
de desempenho preditivo dos resultados, optou-se pela utilizao de trs modelos distintos na
integrao de dados: distncia de Mahalanobis, regresso logstica binria e redes neuronais
artificiais.
a) Distncia de Mahalanobis
A distncia de Mahalanobis (D2) corresponde a uma medida de afastamento n-dimensional a um
valor mdio de um conjunto de dados. Esta medida, quando aplicada modelao da distribuio de
espcies, como o caso, calcula a similaridade existente entre o valor multidimensional mdio do
conjunto de registos de presenas da espcie e cada um dos locais da rea de estudo considerada.
A sua forma de clculo dada pela equao seguinte:
D2 = (x - m)T C-1 (x - m)
correspondendo x ao vector de valores das variveis independentes, m ao vector de valores mdios
de x, T indica a transposio de vector, C-1 corresponde matriz invertida da covarincia das
variveis independentes. Os resultados correspondem a unidades padronizadas de distncia, sendo
que as isolinhas dos seus valores em torno do centro mdio formam espaos multidimensionais,
20

correspondendo estes a uma elipse aquando da utilizao de apenas duas variveis ou um elipside
quando o seu nmero superior.
Este mtodo caracteriza-se por necessitar apenas de registos de presena, permitindo desta forma
reduzir a influncia de eventuais erros ou enviesamentos existentes no conjunto de registos de
ausncias. A menor avidez de dados relativos distribuio das espcies e maior simplicidade, que
caracteriza a maioria dos mtodos com apenas registos de presenas, faz, no entanto, com que estes
apresentem geralmente desempenhos preditivos inferiores aos que integram os dois tipos de registos
(Austin e Meyers, 1996). A distncia de Mahalanobis, ainda assim, caracteriza-se por ser um dos
mtodos com desempenhos mais elevados dentro deste grupo (Tsoar et al., 2007). Alm disso, os
seus resultados so de fcil interpretao e no so afectados pela existncia de diferentes escalas de
medida nas variveis, nem por possveis correlaes entre estas. Esta conjugao de factores
associada incerteza que muitas vezes caracteriza a identificao segura de ausncias (ou baixas
densidades) (Brotons et al., 2004), fez com que fosse um dos mtodos escolhidos para incluso
neste trabalho.
b) Regresso logstica binria
A regresso logstica binria corresponde a um modelo estatstico pertencente classe dos modelos
lineares generalizados. De um modo simples, esta calcula a probabilidade de determinado tipo de
resposta da varivel dicotmica em funo do valor das variveis independentes. Este modelo
apresenta-se particularmente bem adaptado ao tipo de estudo a que aqui se aplica, uma vez que
utiliza uma varivel dependente dicotmica (e.g. presena/ausncia), no assumindo a sua
distribuio normal (lvarez-Arbes e Felicsimo, 2002). Os valores resultantes expressam-se num
intervalo entre 0 e 1 e so entendidos como a probabilidade de adequao do habitat espcie.
Caracteriza-se tambm por ser um modelo de fcil integrao com dados SIG matriciais atravs da
aplicao directa da sua equao sobre os dados representativos das diversas variveis. Para se
entender o seu modelo multivariado, necessrio inicialmente ter em considerao a curva logstica
traduzida pela seguinte expresso:

P
1 e

(a bX )

em que P corresponde probabilidade de uma resposta do tipo presena, e a base do logaritmo

natural, e a e b aos parmetros do modelo. O valor de a corresponde probabilidade de P quando a
varivel X igual a zero e b a um valor que faz o ajustamento da probabilidade com a variao do
valor de X. Esta funo comummente visvel sob a forma grfica como consta na figura 2.
21

Figura 2 Expresso grfica generalizada da funo logstica (Fonte: http://www.123exp-math.com/)

A estimao dos parmetros da equao obtida por uma funo de mxima verosimilhana. Para
isso os parmetros so testados de forma iterativa (aleatoriamente ou por aprendizagem) sendo
escolhidos os que apresentarem a mxima verosimilhana (probabilidade condicional dos dados por
determinada estimao de parmetros) com os dados da amostra. A sua forma multivariada dada
por:

e(0 1X1 2X2... nXn)

1 e(0 1X1 2X2... nXn)

em que P corresponde probabilidade de adequao espcie, e base do logaritmo natural, 0 um

valor constante, 1 a n aos coeficientes da regresso e X1 a Xn a cada uma das variveis
independentes.
Este modelo tem como mais-valia o facto de permitir a interpretao da relao entre as variveis
independentes e a dependente, atravs dos valores de parmetros obtidos. Esta conjugao de
caractersticas tem tornado a regresso logstica binria como um dos modelos estatsticos mais
usados e divulgados em processos de modelao da distribuio de espcies (Guisan et al., 2006),
tendo por isso sido escolhido para integrar este trabalho.
c) Redes neuronais artificiais
As redes neuronais artificiais podem ser entendidas como modelos estatsticos adaptativos,
baseados na estrutura de funcionamento do crebro. Dizem-se adaptativos porque conseguem
aprender a estimar os parmetros de uma populao, utilizando um pequeno nmero de exemplares
desta (Abdi, 2003). A sua estrutura constituda por unidades simples, designadas de neurnios, por
analogia com as unidades cerebrais e por arcos que podem efectuar vrios tipos de ligao entre os

22

neurnios.
Estes modelos estruturam comummente as suas unidades em vrias camadas, em que a primeira
geralmente designada de camada de entrada, e a ltima, a de sada. As camadas intermdias, quando
existentes, so designadas de camadas ocultas. Seguindo esta estrutura para um modelo preditivo, a
informao a ser analisada pela rede d entrada pelos neurnios da camada de entrada e propagada
atravs dos arcos (ligaes entre camadas) para a camada seguinte. Posteriormente, o resultado
deste processamento propagado para os neurnios da prxima camada, e assim por diante at que
seja atingida a camada de sada. Este fluxo tem como objectivo apreender as associaes existentes
entre os padres das variveis consideradas no dependentes (de entrada) e as dependentes (de
sada). O processo de aprendizagem realizado atravs da alterao dos valores de ponderao (por
atenuao ou amplificao), atribudos aos arcos que ligam cada neurnio, em funo do
desempenho obtido, ou seja a diferena entre valores modelados e valores obtidos (erro resultante).
Em termos de modelao preditiva, pode-se considerar as redes neuronais como sendo a tentativa
contnua de optimizao de um nmero de parmetros no lineares de forma a melhor traduzir a
relao existente entre um conjunto de valores de entrada com um conjunto de valores de sada.

Figura 3 Modelo genrico do tipo perceptro mltipla camada (adaptado de: Sarip, 2005, p. 4)

O modelo utilizado para efectuar esta investigao apresenta uma estrutura perceptro mltipla
camada. Esta estrutura, sendo uma das mais populares, constituda por uma camada de entrada,
uma ou mais camadas ocultas e uma camada de sada (figura 3).
Tendo em conta a sua natureza no paramtrica, a utilizao de redes neuronais indicada,
sobretudo, nos casos em que as relaes existentes entre dados de entrada e dados de sada no so
conhecidas com exactido, ou quando so de extrema complexidade e no lineares, como
frequentemente o caso das relaes ecolgicas (Lek e Gugan, 1999). Deve-se ainda referir que este
um dos algoritmos que tem obtido resultados preditivos com desempenho mais elevado neste tipo

23

de aplicaes (Thuiller, 2003; Segurado e Arajo, 2004).

2.3.4. Calibrao dos modelos preditivos

Anteriormente implementao dos mtodos preditivos considerados, necessrio proceder
preparao da informao dependente sob a forma de dados de calibrao e dados de validao. Os
dados de calibrao correspondem a registos que iro integrar o modelo preditivo, ou seja, valores
nos quais este se ir basear para efectuar a estimao. Os registos de validao correspondem a
registos que so utilizados para averiguao do desempenho preditivo de cada um dos modelos
obtidos, na sua forma mais comum, atravs da comparao do seu valor com os valores estimados.
Considerando a existncia de um nmero total relativamente reduzido de registos (n=92), foi
considerada a utilizao de um mtodo de validao cruzada com separao de registos por
conjuntos (k-fold). Este mtodo consiste na obteno de vrios conjuntos de registos de validao
independentes, sendo o modelo calibrado com os restantes registos, tantas vezes quanto o nmero
de conjuntos. Cada um destes modelos ento validado pelos respectivos registos de cada conjunto.
A utilizao deste mtodo evita uma excessiva utilizao de registos de validao como acontece
aquando da utilizao de um conjunto nico, permitindo assim avaliar modelos em que o nmero de
registos reduzido (Hirzel et al., 2006). Assim, foram considerados trs conjuntos, cada um dos
quais com 13 registos, 2 de ausncias e 11 de presenas, num total de 39 registos de validao. Este
valor corresponde extraco de cerca de 15% do nmero total de cada tipo de registos por
conjunto. A utilizao de valores de percentagem idnticos para as duas classes permite que a
prevalncia da espcie (proporo entre registos de ausncia e presena da espcie), transmitida
pelos registos calibrao, permanea inalterada. A sua escolha foi efectuada de forma inteiramente
aleatria.
A informao respeitante s variveis independentes foi tambm compatibilizada, tendo sido
convertida para estruturas matriciais com resoluo espacial de 1km2 (clula quadrada de 1000m).
Este valor foi considerado ideal, tendo em conta vrios factores: a posio geogrfica dos
levantamentos ser referente localidade onde foi efectuado, estimando-se aqui a existncia de um
erro posicional no superior a 500 metros; ser um valor que no implica uma elevada capacidade de
processamento informtico considerando a extenso da rea de estudo; e, por fim, por corresponder
ao nvel mximo de detalhe espacial obtido para algumas das variveis independentes (temperatura
e precipitao).
Para cada um dos mtodos foi realizada a incluso simultnea das cinco variveis independentes
anteriormente referidas. Uma seleco destas a priori propicia uma maior uniformizao nos

24

resultados obtidos pelos diferentes mtodos, permitindo uma melhor avaliao comparativa
posterior. Os prprios procedimentos de seleco automtica de variveis so sensveis a pequenas
alteraes nas variveis dependentes, podendo levar a uma escolha substancialmente diferente de
variveis independentes (Guisan et al., 2002). Estes podem ainda originar modelos biologicamente
implausveis ou integrantes de variveis irrelevantes ou com rudo (Pearce e Ferrier, 2000). Esta
escolha reforada ainda pelo facto do conjunto de variveis considerado derivar de uma reviso
bibliogrfica relativamente exaustiva acerca dos factores ambientais influentes na distribuio da
espcie em estudo.
a) Modelao com recurso distncia de Mahalanobis
A calibrao do modelo da distncia de Mahalanobis foi efectuada directamente sobre a informao
espacial com recurso ao mdulo Mahalanobis Distances (Jenness, 2003), para o programa SIG
ArcView. Este mdulo utiliza os registos de presena para gerar valores mdios das variveis
independentes e uma matriz de covarincias. Posteriormente efectua a inverso da matriz de
covarincias e aplica a equao que traduz a medida de distncia a toda a extenso da rea de
estudo. Devido separao dos dados em trs conjuntos para efeitos de validao houve
necessidade de se efectuar trs modelos com base em cada um dos conjuntos de registos de
presenas. O modelo final (figura 4), foi obtido atravs da mdia dos resultados desses trs
modelos. O quadro II apresenta alguns valores estatsticos de cada um dos modelos obtidos.

Figura 4 Adequabilidade de habitat para Anopheles atroparvus com base na distncia de Mahalanobis

25

Quadro II Estatsticas descritivas simples dos modelos da distncia de Mahalanobis.

Mdia

D.P.

Mnimo

Q1

Mediana

Q3

Mximo

1 Conjunto de calibrao

8,35

9,01

0,05

3,13

5,74

11,32

158,2

2 Conjunto de calibrao

8,42

8,77

0,06

3,27

5,75

11,18

152,48

3 Conjunto de calibrao

8,17

8,61

0,03

3,14

5,55

10,87

156,41

Com a anlise do quadro II possvel verificar que a amplitude de valores obtidos para este mtodo
relativamente elevada, sendo o seu valor mais baixo (que neste modelo representativo de uma
maior adequabilidade espcie) correspondente a 0,03 unidades padronizadas, tendo o local mais
distinto da mdia multidimensional que caracteriza a presena da espcie um valor de 158,2. Ainda
assim, a anlise dos seus quartis evidencia uma concentrao de valores junto do incio da sua
distribuio, correspondendo o valor mximo registado para o 3. Quartil, a somente 11,32
unidades. Deste modo evidencia uma tendncia deste modelo para a criao de reas de elevada
adequabilidade, considerando uma variao linear da adequabilidade entre os seus valores mximo
e mnimo.
b) Modelao com recurso regresso logstica binria
A realizao da regresso logstica binria foi efectuada no programa de tratamento estatstico
Minitab 14. O grau de ajustamento de cada modelo foi verificado atravs do teste de HosmerLemeshow. Este teste efectua a diviso das probabilidades obtidas, calculando posteriormente um
teste de qui-quadrado entre as frequncias observadas e as esperadas. Posteriormente, este teste
realiza um clculo do valor de probabilidade do qui-quadrado, com 8 graus de liberdade sobre o
ajustamento da regresso. Se o seu valor for superior a 0,05 considera-se a no existncia de uma
diferena significativa entre os valores modelados e os valores efectivamente observados, como
idealmente pretendido. Foi ainda verificada a quantidade de classificaes correctas de registos de
calibrao dos modelos para um limiar de probabilidade de 0,5. A espacializao dos resultados foi
obtida pela aplicao da equao da regresso, com os parmetros obtidos por cada modelo, no
interpretador de lgebra de mapas do SIG Ilwis 3.4 Open. O quadro III apresenta a percentagem de
classificaes correctas para este limite e os resultados dos testes de Hosmer-Lemeshow para cada
um dos trs modelos realizados, constando na figura 5 o modelo final, resultante da sua mdia.

26

Quadro III Testes de Hosmer-Lemeshow e percentagem de classificaes correctas para os modelos de

regresso logstica.
H-L (p)

% presenas correctas
(L=0,5)

% ausncias correctas
(L=0,5)

1 Conjunto de calibrao

0,527

96,9

64,3

2 Conjunto de calibrao

0,962

96,9

57,1

3 Conjunto de calibrao

0,942

96,9

71,4

Figura 5 Adequabilidade de habitat para Anopheles atroparvus com base na regresso logstica binria

Pode-se verificar atravs da anlise do quadro III, que a totalidade dos modelos apresentou valores
no significativos para o teste de Hosmer-Lemeshow, indicando uma elevada proximidade entre os
valores modelados e os valores efectivamente observados. Relativamente aos valores de
classificaes correctas verifica-se uma tendncia geral para melhores classificaes correctas para
as presenas, com um valor uniforme de 96,9%. Esta situao pode dever-se ao facto da razo de
prevalncia da espcie apresentar um peso muito superior deste tipo de registos, incutindo ao
modelo uma tendncia para sobre-estimao de probabilidade de presena.
c) Modelao com recurso a rede neuronal artificial
Para a implementao deste modelo de estimao utilizou-se a aplicao informtica Tiberius Data
Mining. A camada de entrada da sua estrutura perceptro mltipla camada integra as diversas
variveis independentes, correspondendo a camada de sada ao conjunto de valores de presena (1),

27

ou ausncia (0) da espcie. Foi ainda considerada unicamente uma camada oculta, com um nmero
de neurnios idntico aos constantes na camada de entrada (5). A opo por este valor prende-se
com a possibilidade de ocorrncia de um sobre-ajustamento aos dados, derivado de um nmero
demasiado elevado de parmetros em mtodos de estimao no paramtricos, como as redes
neuronais (Liu et al., 2007).
Aps a configurao da rede, indicado o tipo de aprendizagem que esta vai efectuar. O sistema
Tiberius utiliza a retropropagao do erro, correspondendo este processo a um mtodo de
aprendizagem por correco contnua do mesmo. Esta realiza-se em duas fases: inicialmente
emitido um valor de teste, no sentido directo (da camada de entrada para a de sada), em que as
ligaes das camadas apresentam um valor fixo. Posteriormente, ao atingir a camada de sada,
gerado um sinal de erro obtido atravs da diferena entre valores estimados com os constituintes da
camada de sada. Este sinal de erro obtido posteriormente propagado de volta atravs dos mesmos
neurnios, sendo os pesos das ligaes reajustados de forma a aproximar, o mais possvel, os
valores obtidos com os da camada de sada. Como medida de erro neste processo de aprendizagem
foi definido o erro quadrtico mdio (EQM). Como perodo de treino para cada estimao foram
consideradas 400 000 pocas (ciclo de aprendizagem em que a informao percorre a totalidade das
camadas) e que corresponde a aproximadamente duas horas de processamento num computador
AMD Turion 2.2 Ghz, com 1Gb de memria RAM.
A natureza heurstica das redes neuronais artificiais, leva a que diferentes episdios de modelao
apresentem resultados preditivos distintos. De forma a lidar com esta variabilidade, um mtodo
comummente adoptado corresponde gerao de um conjunto de modelos por cada conjunto de
dados, procedendo-se posteriormente ao clculo de um modelo mdio (e.g. Segurado e Arajo,
2004). Neste sentido foram realizados trs modelos por cada conjunto de dados de calibrao, sendo
o modelo final para aquele conjunto correspondente sua mdia aritmtica simples. O modelo final
(figura 6) deste mtodo de integrao corresponder, por sua vez, mdia destes trs modelos
mdios.
A espacializao dos resultados foi obtida pela aplicao das equaes que traduzem as relaes
encontradas pela rede neuronal artificial sobre os modelos matriciais das variveis independentes.
Estas equaes so fornecidas pelo programa informtico em formato directamente transponvel
para o interpretador de lgebra de mapas do Ilwis 3.4 Open.
Para averiguao preliminar dos resultados de cada modelo foram calculadas as percentagens de
registos de calibrao correctamente identificados, para um limite de adequabilidade de 0,5. O
quadro IV apresenta os valores obtidos e respectivos EQM mnimos alcanados ao longo de todo o
processo de aprendizagem.
28

Figura 6 Adequabilidade de habitat para Anopheles atroparvus com base em redes neuronais artificiais

Quadro IV Mnimos erros quadrticos mdios e percentagem de classificaes correctas para os modelos
de redes neuronais artificiais.

1 Conjunto de calibrao

2 Conjunto de calibrao

3 Conjunto de calibrao

Modelo

EQM mnimo

% presenas
correctas (L=0,5)

% ausncias
correctas (L=0,5)

0,38

86,2

85,7

0,34

92,3

61,5

0,35

90,1

68,5

0,33

95,4

15,4

0,38

86,2

47,3

0,38

82,5

78,3

0,36

95,4

31,4

0,37

88,5

54,2

0,35

90,8

31,4

Atravs da anlise do quadro IV, verifica-se a existncia de valores de EQM mnimo bastante
semelhantes para a generalidade dos modelos. Ainda assim, os modelos apresentam uma elevada
variabilidade no seu comportamento preditivo, considerando um limite de adequabilidade de 0,5.
Verifica-se, tal como para o modelo anterior da regresso logstica, uma tendncia para sobreestimao de valores de presena em contraste com as ausncias, com pior desempenho preditivo.
Esta situao encontra-se representada com particular evidncia no modelo que apresentou o valor
de EQM mais reduzido (1. modelo do 2. conjunto de calibrao), sendo tambm este a apresentar
29

o valor mais baixo de ausncias correctas para o limite designado. Esta variabilidade, inerente
natureza heurstica deste tipo de mtodos de estimao, evidencia a necessidade de se gerar
mltiplos modelos a partir de um mesmo conjunto de dados, como foi efectuado.

2.3.5. Validao de resultados

Anteriormente interpretao e utilizao dos modelos obtidos torna-se necessrio proceder
avaliao do desempenho preditivo de cada um. Este procedimento constitui-se como uma etapa
fundamental no processo de modelao da distribuio de espcies. S com esta informao
possvel avaliar a validade e aplicabilidade dos modelos obtidos (Arajo e Guisan, 2006). No
contexto do presente trabalho, a avaliao preditiva permite ainda hierarquizar os diferentes
modelos obtidos, possibilitando a escolha do mais adequado para a representao da distribuio da
espcie em estudo. Muitas vezes a informao utilizada para a validao dos resultados obtidos
apresenta problemas de dependncia espacial e temporal com os registos de calibrao, reduzindo a
validade dos valores alcanados (Segurado et al., 2006). Embora para este trabalho se tenha optado
por no quantificar estes graus de autocorrelao, uma vez que no existe possibilidade de recorrer
a outro conjunto de levantamentos, existe a possibilidade de que esta situao afecte tambm os
valores aqui obtidos. Esta limitao poder facilmente ser ultrapassada com a utilizao de
hipotticos dados futuros acerca da distribuio da espcie.
Como j referido anteriormente foi efectuada a criao de conjuntos separados de registos de
calibrao e validao. Este processo permite uma melhor avaliao dos resultados obtidos que os
mtodos de re-substituio, que se caracterizam pela utilizao de registos de validao integrantes
no processo de calibrao (Arajo et al. 2005). Uma vez estabelecida a forma de validao cruzada
necessrio considerar uma medida para a quantificao do valor de erro. No presente trabalho
optou-se pela utilizao do ndice kappa (Cohen, 1960). Este ndice exprime o grau de concordncia
existente nas classificaes correctas, alm do que seria esperado de se obter meramente ao acaso.
Esta medida varia entre o valor mximo de 1, representando uma concordncia total, e valores
abaixo de 0, que indicam uma concordncia idntica esperada ao acaso, ou a sua inexistncia.
Para estes estudos, o ndice kappa constitui-se como uma medida mais robusta que o clculo
simples do nmero de classificaes correctas, especialmente quando os valores de prevalncia da
espcie se apresentam muito assimtricos (Pearson, 2007), como o caso.
Este ndice dado por:

30

((a d) (((a c)(a b) (b d)(c d))/ n))

(n (((a c)(a b) (b d)(c d)) / n))

em que a corresponde ao nmero de presenas correctas, b a presenas incorrectas, c a ausncias

incorrectas d a ausncias correctas e n ao nmero de registos de validao.
Para se proceder aplicao deste ndice necessrio estabelecer um valor limite de separao
entre reas consideradas adequadas e inadequadas para espcie. A escolha por este valor de uma
forma subjectiva pode no reflectir o verdadeiro potencial preditivo de cada modelo, existindo por
isso diversas possibilidades de optimizao na sua escolha (Pearson, 2007). Uma destas
corresponde prpria maximizao do ndice kappa, que se resume utilizao de um conjunto de
valores limite, sendo para cada um destes calculado o seu desempenho preditivo (e.g. Elith et al.,
2006). A cada modelo posteriormente atribudo o desempenho preditivo mais elevado alcanado
pelo ndice, ao longo dos limites considerados.
A definio de valores limite para os modelos derivados do modelo de regresso logstica e do
modelo de redes neuronais artificiais baseou-se numa diviso em 20 intervalos de igual amplitude.
Considerando uma variao dos modelos entre 0 e 1, a amplitude correspondente de cada classe foi
de 0,05. Os modelos derivados da distncia de Mahalanobis, contudo, apresentam resultados que
podem variar de zero a infinito. Desta forma foi necessrio proceder a um escalonamento linear dos
valores de cada modelo para um intervalo de 0 a 1, com base nos seus valores mximo e mnimo.
Esta transformao permitiu aplicar a mesma amplitude de intervalo considerada para os dois
modelos anteriores. O quadro V apresenta o desempenho mdio obtido pelo ndice kappa para cada
um dos trs mtodos considerados.

31

Quadro V Valor de ndice kappa para cada limite de adequabilidade, por mtodo de modelao.
Limite considerado

RNA

RLB

D2

0,05

-0,05

0,25

0,42

0,1

0,09

0,44

0,39

0,15

0,09

0,59

0,2

0,39

0,72

0,25

0,51

0,72

0,3

0,51

0,72

0,35

0,51

0,72

0,4

0,51

0,64

0,45

0,51

0,75

0,5

0,51

0,75

0,55

0,51

0,75

0,6

0,51

0,75

0,65

0,51

0,77

0,7

0,46

0,77

0,75

0,46

0,75

0,8

0,43

0,7

0,85

0,28

0,55

0,9

0,14

0,43

0,95

0,05

0,2

0,01

0,1

Os resultados obtidos pelo ndice kappa permitem identificar o modelo obtido atravs da regresso
logstica como o que apresentou melhor desempenho preditivo (mx. = 0,77). Segundo Landis e
Koch (1977), o resultado mximo de deste modelo corresponde existncia de um nvel de
concordncia excelente ( 0,7). O modelo resultante das redes neuronais no foi alm de um valor
de = 0,51, que segundo os mesmos autores, representa, ainda assim, um bom nvel de
concordncia. O nvel mximo de concordncia obtido pelo modelo da distncia de Mahalanobis foi
o mais baixo, com = 0,42, no limiar mnimo dos valores considerados representativos de um bom
nvel de concordncia.

2.4. Discusso de resultados e concluses

Atravs de uma anlise visual ao modelo que apresentou melhor desempenho preditivo (figura 5),
possvel constatar a existncia de uma elevada adequabilidade de habitat a An. atroparvus para

32

grande parte do territrio de Portugal Continental. Estas reas estendem-se de uma forma
relativamente homognea por todo o Sul do pas e ao longo de uma faixa que compreende a
generalidade do Norte e Centro interior. A elevada adequabilidade obtida para este locais coincide
com resultados obtidos por diversos trabalhos referentes a levantamentos desta espcie para
Portugal (Ramos et al., 1978; Pires et al., 1982; Ribeiro et al., 1999a). Inversamente, a faixa litoral
norte e centro, surge como a detentora de menor adequabilidade espcie. Nesta so, no entanto,
excepo algumas reas de maior disponibilidade de zonas hmidas. Os valores para estas reas de
menor adequabilidade so tambm concordantes com os resultados obtidos por Almeida et al.
(2008).
A anlise dos parmetros obtidos atravs da regresso logstica permite avaliar a forma como cada
varivel independente actua na adequao do territrio espcie. O quadro VI apresenta os
parmetros obtidos pelo modelo de regresso logstica para os trs conjuntos de calibrao
utilizados, assim como os valores de significncia do teste de Wald para os parmetros obtidos ( =
0,05). O teste de Wald permite verificar a significncia de cada um dos coeficientes das variveis
independentes, testando a hiptese nula de cada coeficiente ser zero. Os coeficientes obtidos
permitem verificar o sentido de contribuio de cada varivel independente. A existncia de um
coeficiente positivo indica que valores mais elevados da varivel correspondente contribuem no
sentido de maior adequabilidade, enquanto que para um valor negativo esta ser menor. A anlise do
expoente de cada coeficiente permite analisar de forma mais directa o tipo de efeito que as
variveis independentes produzem sobre o fenmeno de estudo. Este indica a razo de
probabilidades de adequao em funo da alterao de uma unidade da varivel independente para
uma situao em que os valores das restantes variveis se mantm. Considerando que no se optou
por procedimentos automticos de seleco de variveis, seria partida expectvel a presena de
termos no significativos para os modelos. Estes, revelam apenas uma varivel com coeficiente
uniformemente no significativo (quadro VI), correspondente ao modelo representativo das reas
agrcolas.

33

Quadro VI Parmetros obtidos pelo modelo da regresso logstica binria.

Modelo

1 Conjunto de
calibrao

2 Conjunto de
calibrao

3 Conjunto de
calibrao

Varivel

Coefciente

Exp()

Wald p

T. Quente

0,074

1,07

>0,05

T. Frio

-0,106

0,9

<0,05

Precipitao

-0,007

0,99

<0,05

reas Agrcolas

-0,918

0,39

>0,05

Zonas hmidas

1,117

3,05

<0,05

T. Quente

0,072

1,07

<0,05

T. Frio

-0,119

0,88

<0,05

Precipitao

-0,008

0,99

<0,05

reas agrcolas

-0,634

0,53

>0,05

Zonas hmidas

1,601

4,95

<0,05

T. Quente

0,061

1,06

<0,05

T. Frio

-0,115

0,89

<0,05

Precipitao

-0,009

0,99

<0,05

reas Agrcolas

-1,432

0,24

>0,05

Zonas hmidas

1,614

5,02

<0,05

Estes, juntamente com valores de razo de probabilidade obtidos para esta varivel (min.:0,24;
mx:0,53), revelam aparentemente uma inadequao desta varivel ou da forma como foi
construda. Por outro lado, pode ser um indicador de que, para a rea de estudo, a adequabilidade de
habitat independente desta varivel, ou seja, que so essencialmente outros os factores a actuar na
distribuio preferencial da espcie. Esta suposio carece, no entanto, de uma investigao mais
aprofundada.
Identifica-se um conjunto de variveis que apresentam o parmetro uniformemente positivo para
os vrios modelos, o caso da temperatura mdia no trimestre mais quente, e do ndice de zonas
hmidas. A razo de probabilidade da primeira (min.: 1,06; mx.: 1,07), aponta para que o aumento
dos seus valores contribua no sentido da maior adequabilidade, ainda que de uma forma pouco
acentuada para incrementos reduzidos. Relativamente s zonas hmidas, a razo de probabilidade
substancialmente maior (min.:3,05; mx.:5,02), o que traduz a importncia que estas reas tm para
a presena de An. atroparvus. O conjunto de variveis que apresenta parmetros negativos
compreende a temperatura mdia no trimestre mais frio e a precipitao. Para a primeira seria de
esperar partida uma relao contrria. Esta deve-se certamente grande concentrao de registos
de ausncia no Litoral Norte e Centro, uma rea sujeita aco moderadora do Oceano Atlntico, e
como tal com valores de temperaturas mais elevadas de Inverno que as verificadas em algumas
reas situados para o interior, sobretudo a norte. Para a varivel precipitao anual mdia foi obtido
um valor de razo de probabilidade (0,99), que aponta para um decrscimo da adequabilidade com
34

o aumento dos valores de precipitao, ainda que de forma bastante tnue. A anlise visual do
modelo permite ainda assim verificar uma elevada concordncia espacial das reas de menor
adequao espcie com os locais que apresentam maiores quantitativos de precipitao (figura 3a
em anexo). Deve-se ainda ter presente que todas as consideraes referentes aos parmetros obtidos
pelos modelos so vlidas apenas para o intervalo de valores transmitido pelos registos utilizados,
ou quanto muito prximos destes. Como tal estas relaes entre variveis podem ser amplamente
distintas decorrentes da utilizao de conjuntos diferentes de registos da espcie (para uma rea de
estudo mais extensa, por exemplo).
Os modelos de menor desempenho preditivo (redes neuronais artificiais e distncia de
Mahalanobis) podem ainda ser utilizados para conjugao com o modelo anterior, de forma a
caracterizar a distribuio potencial da espcie. Este mtodo consiste na adio de reas
concordantes dos trs modelos, utilizando como limite de adequabilidade o valor de kappa que
maximiza os resultados de cada um. Este procedimento relativamente semelhante ao proposto por
Arajo e New (2006), para a diminuio de incerteza na modelao da distribuio de espcies em
cenrios climticos futuros. Cada um dos modelos foi ento transformado num mapa binrio, com
base nos respectivos valores de limite com mximo kappa, tendo-se, para os que apresentaram mais
que um limite nesta situao, optado pelo valor mdio. A figura 7 mostra o modelo que conjuga as
reas de presenas e ausncias comuns aos trs modelos preditivos. Este modelo tal como os que
lhe serviram de base, foi utilizado para comparao com a distribuio da malria aquando do seu
endemismo em Portugal, de acordo com Cambournac (1942), (figura 6a em anexo). Para
caracterizar a distribuio desta o autor baseou-se em valores de ndices esplnicos por concelho,
tendo considerado apenas aqueles com valores superiores a 2%. Com base neste critrio o autor
identificou 6 regies distintas para o pas, s quais atribuiu a designao da sua bacia hidrogrfica
principal. Alm disso foram ainda identificados alguns concelhos isolados, com ndices superiores a
2%, mas com contiguidade espacial insuficiente para levar criao de regies prprias.

35

Figura 7 Combinao de modelos binrios de adequabilidade

Relativamente distribuio da malria em Portugal, Cambournac (1942), refere que de acordo

com os critrios que adoptou, esta encontra-se directamente associada existncia de elevadas
abundncias de An. atroparvus. O autor refere ainda que apenas raramente se verificam os casos de
intenso anofelismo sem a ocorrncia de malria, tal como o oposto, ou seja o endemismo da doena
com reduzidas abundncias do seu vector. Estas consideraes indicam que a representao da
distribuio da doena aquando da sua endemicidade se constitui como um bom indicador da
adequabilidade do territrio a An. atroparvus.
A comparao visual das duas representaes permite observar um padro de distribuio
semelhante. De forma a quantificar este grau de similaridade espacial entre os dois modelos foi
calculado o ndice kappa utilizando a aplicao Map Comparison Kit 3.0. Considerando a
existncia de quatro classes distintas no modelo de adequabilidade combinada, foi necessrio
proceder sua transformao em diferentes modelos binrios para compatibilizar com o modelo
binrio de distribuio de malria. Os resultados alcanados encontram-se no quadro VII .

36

Quadro VII Valores de kappa entre a anterior distribuio de malria e modelos de adequabilidade
de habitat actual.
Limite

L1

L2

L3

L4

D2

RLB

RNA

Kappa

0,32

0,43

0,45

0,62

0,36

0,38

0,42

L1: inadequado em todos os modelos vs. restante rea. L2: inadequado em dois modelos vs. restante rea. L3:
adequado em todos os modelos vs. restante rea. L4: inadequado em todos os modelos vs. adequado em todos os
modelos. D2: Modelo de distncia de Mahalanobis utilizando o limite com melhor kappa. RLB: Modelo de regresso
logstica binria utilizando valor mdio de limites com melhor kappa. RNA: Modelo da rede neuronal artificial
utilizando valor mdio de limites com melhor kappa.

Os valores de kappa obtidos demonstram diferentes nveis de concordncia entre os diferentes

modelos binrios utilizados e as reas de incidncia de malria no passado. De entre os trs modelos
iniciais o que atingiu maior concordncia foi o das redes neuronais ( = 0,42), seguido pelo modelo
de regresso logstica binria ( = 0,38) e por fim o modelo da distncia de Mahalanobis ( = 0,36).
A quase totalidade dos modelos binrios resultantes do modelo combinado apresentam nveis de
concordncia mais elevados que o obtido pelos modelos anteriores, a excepo o modelo L1, que
apresenta o valor mais baixo ( = 0,32). O valor de concordncia apresenta uma concordncia muito
superior quando so removidas as reas de discordncia entre modelos (Modelo L4; k=0,62). O
valor de concordncia mais elevado obtido pelo modelo L4 indica duas situaes, primeiro que a
combinao de modelos se apresenta como uma boa alternativa para se alcanar melhores
resultados preditivos, e segundo, que o padro de distribuio de An. atroparvus em Portugal
Continental substancialmente semelhante ao existente aquando do perodo de endemicidade de
malria em Portugal registado por Cambournac (1942). Isto sugere que apesar das recentes
alteraes climticas no Pas, nomeadamente aumento de temperatura, a distribuio da espcie se
mantm relativamente similar existente h cerca de sete dcadas atrs. Esta estabilidade
particularmente significativa tendo em considerao que desde 1975 o pas registou uma subida de
1,5C (Miranda et al., 2006). Sendo na Pennsula Ibrica que o An. atroparvus atinge o seu extremo
meridional e como tal algumas das temperaturas mais elevadas em toda a sua rea de distribuio ,
como tal, expectvel que as populaes mais a Norte se mantenham resilientes a possveis
incrementos de temperatura nas prximas dcadas.

37

CAPTULO 3 ESPAO CLIMTICO DE ANOPHELES ATROPARVUS E POTENCIAIS

ALTERAES EM CENRIOS CLIMTICOS FUTUROS NO CONTINENTE EUROPEU

38

3.1. Introduo
A relao entre a distribuio das espcies do gnero Anopheles e o clima conhecida (Lindsay et
al., 1998). Esta surge, sobretudo, como consequncia da elevada sensibilidade destes organismos ao
conjunto de factores ecolgicos que definem cada contexto climtico distinto. Alteraes nesta
combinao de factores, implica tambm, de uma forma potencial, alteraes na forma de
distribuio das populaes de mosquitos (Martens et al., 1999). Recentemente as alteraes
climticas tm sido referidas como causa de modificaes na distribuio e/ou abundncia de
populaes de mosquitos, (Min et al., 2007), e de consequentes alteraes nos nveis de
incidncia de malria (Pascual et al., 2006; Patz e Olson, 2006).
Na Europa Ocidental, em particular na Pennsula Ibrica, a espcie Anopheles atroparvus Van Thiel,
1927, foi uma das principais espcies vectoras da malria. No contexto actual de globalizao,
torna-se importante conhecer quais os efeitos que as alteraes climticas futuras podero ter sobre
as populaes desta espcie. Embora para muitos dos pases europeus o risco de reemergncia da
doena seja mnimo, um possvel aumento de densidades deste vector e da sua capacidade vectorial,
associado a um crescente intercmbio populacional com pases onde a doena endmica, pode
potenciar o risco de transmisso endmica (Jetten et al., 1996 fide Kuhn et al., 2002).
Os actuais avanos em modelao biogeogrfica e de cenrios climticos futuros no permitem
ainda obter respostas inequvocas e de elevado detalhe espacial para este problema. Estas
aproximaes, no entanto, constituem, muitas vezes, o nico indicador da forma de evoluo das
populaes em causa e da forma a lidar com as implicaes que da possam advir (Pearson e
Dawson, 2003). As aproximaes utilizadas para este tipo de modelos assentam no que se designa
de espaos climticos, das espcies em questo. Nestes, utiliza-se a distribuio actual da espcie
como indicador das suas condies de adequabilidade climtica, sendo os parmetros da
depreendidos aplicados sobre variveis climticas, obtidas com recurso a modelos de simulao de
cenrios climticos futuros (Heikkinen et al., 2006).
O trabalho aqui apresentado consiste na criao de modelos de espaos climticos para a espcie
Anopheles atroparvus considerando a sua distribuio actual conhecida. Esta escala de trabalho, que
corresponde de uma forma geral ao Continente Europeu, compatvel com detalhe da informao
climtica futura espacialmente explcita, possvel de se obter a partir de modelos climticos. Esta
permite ainda integrar no processo de modelao a totalidade do nicho realizado da espcie,
transmitindo partida a amplitude de tolerncia desta espcie aos factores climticos considerados.

39

Estes modelos so ento aplicados a um conjunto de variveis representativas de quatro cenrios

climticos para o perodo 2040-2070 derivados do Community Climate System Model 3 (CCSM-3),
um modelo pblico de circulao atmosfrica global. Para a validao deste tipo de modelos
integrantes apenas de registos de presena da espcie proposto um novo mtodo, baseado na
relao entre rea abrangida e desempenho preditivo ao longo do espectro de variao da
adequabilidade modelada. Os resultados obtidos, sob a forma de espaos climticos da espcie,
permitem obter uma imagem inicial de como este vector de malria poder reagir, em termos de
distribuio potencial, a alteraes climticas futuras.

3.2. Breve referncia modelao de espaos climticos futuros

Uma premissa central da biogeografia a de que o clima exerce um controlo dominante sobre a
distribuio natural das espcies (Pearson e Dawson, 2003). Modificaes no clima implicam
alteraes nestas distribuies, devido sobretudo a alteraes nos padres normais da temperatura e
humidade (Thuiller, 2007). , pois, expectvel que alteraes climticas globais previstas tenham
um impacte muito significativo na distribuio das espcies. A estimao da forma como estas
alteraes climticas iro actuar sobre a distribuio das espcies, apresenta-se assim como uma
informao potencialmente importante, permitindo antever algumas das suas possveis implicaes.
O estudo da distribuio de espcies em cenrios climticos futuros tem assumido diversas
abordagens. Uma aproximao generalista de que aquelas tendem a deslocar-se no sentido dos
plos e para reas de maior altitude (Martnez-Meyer, 2005). Outras, mais complexas, incluem a
utilizao da modelao espacial com base em mtodos correlativos ou mecanicistas, constituindose como uma das metodologias mais desenvolvidas e divulgadas para este fim (e.g. Thuiller, 2003;
Arajo et al., 2006). A modelao espacial da distribuio futura de espcies sob o efeito de
alteraes climticas baseia-se no conceito de espao climtico. Este conceito deriva da teoria do
nicho ecolgico (Hutchinson, 1957), sendo o espao climtico de cada espcie correspondente
componente climtica do seu nicho fundamental (Pearson e Dawson, 2003). Alteraes espaciais
nesta componente climtica levam a que o espao geogrfico correspondente ao nicho fundamental
da espcie tambm se altere. Do ponto de vista metodolgico, estas projeces so obtidas pela
calibrao de modelos com distribuies e variveis climticas representativas da situao actual,
sendo os parmetros da obtidos posteriormente aplicados a um mesmo conjunto de variveis,
provenientes de simulaes de climas futuros.
A modelao de espaos climticos apresenta, no entanto, algumas limitaes e alvo de diversas
crticas. Dentro das limitaes, identifica-se claramente a impossibilidade de validao imediata dos
40

resultados obtidos, situao comum totalidade das tcnicas de simulao de acontecimentos

futuros. Uma possibilidade de verificao de adequabilidade da estratgia de modelao utilizada e
de diminuio da incerteza associada, resulta da utilizao de registos histricos de distribuio para
validao de distribuies actuais (Arajo et al., 2005). Outra limitao prende-se com o reduzido
nvel de detalhe de informao climtica futura e da incerteza a ela associada. Para que esta
informao possa ser utilizada muitas vezes necessrio proceder ao aumento da sua resoluo com
recurso a mtodos determinsticos ou estatsticos de interpolao espacial (e.g. Loarie et al., 2008).
As principais crticas que se fazem especificamente aos modelos de espao climtico, correspondem
no integrao nestes de determinados elementos susceptveis de influenciar a distribuio futura
das espcies, como os factores biticos (competio, predao, mutualismo...), modificaes
evolucionrias ou capacidade de disperso das espcies (Pearson e Dawson, 2003). Estas omisses
fazem com que os modelos obtidos identifiquem unicamente o nicho climtico fundamental. Este
distinto do nicho realizado, que resulta da integrao da totalidade dos factores que influenciam a
efectiva distribuio da espcie. Por estas razes, Martnez-Meyer (2005) recomenda que os
resultados obtidos por estes modelos de espao climtico futuro sejam interpretados com precauo
e se possvel sujeitos a ps-produo, com base nos factores actuais tidos como influentes na
distribuio das espcies em questo.
Pese embora todas as limitaes referidas, a modelao de espaos climticos futuros tida como
um dos melhores mtodos actualmente disponveis para estimao da influncia das alteraes
climticas sobre a distribuio das espcies (Martnez-Meyer, 2005), ou no mnimo como o ponto
de partida para estudos deste tipo (Pearson e Dawson, 2003).

3.3. Dados e mtodos

3.3.1. Registos de distribuio da espcie
De forma a se considerar a influncia que potenciais alteraes climticas apresentam sobre a
distribuio de determinada espcie, prefervel capturar a totalidade da sua distribuio conhecida
(Pearson, 2007). Desta forma possvel integrar, partida, a amplitude de tolerncia da espcie aos
factores climticos considerados, transmitida pelo seu nicho realizado.
A espcie An. atroparvus encontra-se confinada ao Continente Europeu, apresentando uma
distribuio relativamente dispersa ao longo deste. De forma a recolher registos de ocorrncia desta
espcie foi efectuada uma pesquisa de publicaes onde estes pudessem constar. Um trabalho de
referncia foi o de Ramsdale e Snow (2000). Estes autores compilaram uma srie de registos
41

encontrados em mais de centena e meia de outros trabalhos relativos distribuio das espcies do
gnero Anopheles para a Europa, entre as quais An. atroparvus. Os registos que integraram a
colectnea destes autores apresentam metodologias e escalas de trabalho espaciais e temporais
bastante diversas. Neste sentido, reconhece-se nesta informao a existncia de possveis
enviesamentos derivados destas diferenas. Alm do trabalho destes autores e dos que lhes serviram
de base, foram ainda obtidos registos do trabalho de Ponon et al. 2007. De forma a reduzir a sua
incerteza espacial foram apenas integrados neste estudo os registos que permitiam a identificao de
reas no superiores a 0,5 x 0,5. Para evitar a redundncia de valores foi considerado apenas um
registo por clula. No que se refere dimenso temporal dos levantamentos, no foram integrados
registos correspondentes a levantamentos efectuados fora do perodo de calibrao da distribuio
actual da espcie (1970-1999). Desta forma, preveniu-se sobretudo a entrada de locais onde a
ocorrncia da espcie se reporta s primeiras dcadas do sc. XX, e que em resultado de alteraes
recentes (e.g. climticas) possam ter, entretanto, sofrido alteraes de adequabilidade espcie.
O resultado da combinao destes critrios permitiu considerar registos de ocorrncia da espcie
para locais especficos de diversos pases: Alemanha, ustria, Blgica, Bielorrssia, BsniaHerzegovina, Crocia, Dinamarca, Eslovnia, Espanha, Frana, Gr-bretanha, Holanda, Itlia,
Polnia, Portugal, Romnia, Rssia, Srvia, Sucia e Ucrnia. Estes registos totalizaram 97
ocorrncias, encontrando-se a sua distribuio representada na figura 8. Deve-se reforar que esta
no corresponde a uma carta de distribuio conhecida da espcie, mas apenas a uma representao
de diversos registos que cumprem os critrios mnimos para incluso neste trabalho.

Figura 8 Registos de Anopheles atroparvus considerados para modelao

42

No que se refere a ausncias da espcie, a sua documentao mais escassa e de detalhe espacial
inferior. Esta situao deve-se, possivelmente, a que muitos dos levantamentos de campo efectuados
considerem a inexistncia de espcies de interesse como sinnimo de ausncia de informao.
Ainda assim, diversos autores referem pases ou regies onde a existncia de An. atroparvus no se
encontra registada ou onde a sua ocorrncia extremamente espordica ou duvidosa. No contexto
deste trabalho, estes locais foram considerados como no adequados espcie, ou no mnimo reas
de adequabilidade muito reduzida. Estes, correspondem s reas abrangidas pelos seguintes pases:
Albnia, Estnia, Finlndia, Grcia, Itlia a sul do Rio Volturno, Macednia, Malta, Noruega,
Sardenha, Siclia, Sucia acima de 57N, Sua e Turquia. A resoluo espacial desta informao
no possibilita, no entanto, a extraco de reas especficas de dimenso igual ou inferior a 0,5 x
0,5 como testemunhos desta inadequao.
A utilizao nica de registos de presena em trabalhos de modelao de distribuies, implica uma
diminuio no leque de modelos de integrao estatstica a utilizar, uma vez que muitos destes
necessitam da integrao de registos que agem em oposio, ou seja registos de ausncias. Uma
forma de ultrapassar esta condicionante atravs da utilizao de pseudo-ausncias. Estas
correspondem a registos que pretendem agir sobretudo como transmissores das propriedades gerais
da rea de estudo. A sua utilizao em diversos mtodos que integram dados binomiais tem
permitido atingir resultados preditivos superiores a outros que integram apenas registos de
presenas (e.g. Engler et al., 2004; Elith et al., 2006). Para se proceder extraco destes registos
comum utilizar-se um mtodo inteiramente aleatrio (Hirzel et al., 2001). Para o presente trabalho,
considerando que so conhecidos diversos locais para onde no se encontram registados An.
atroparvus, optou-se por circunscrever a extraco aleatria de registos aos seus limites interiores.
Com isto pretende-se diminuir o nmero de pseudo-ausncias a representar incorrectamente locais
que apresentam a espcie.

3.3.2. Informao climtica e variveis independentes

A informao climtica utilizada para este estudo deriva do Community Climate System Model 3
(CCSM-3), um modelo pblico de circulao atmosfrica global. Este modelo, pertena do The
National Center for Atmospheric Research (NCAR), disponibiliza informao gratuita de modelos
climticos globais para climas passados, presente e futuros. Deste foram utilizados dados climticos
referentes mdia de experimentaes 20th Century Experiment para o perodo correspondente aos
registos de presenas da espcie (1970-1999), de forma a calibrar a distribuio actual da espcie.

43

Foram tambm utilizados dados mdios de experimentaes relativas a cenrios climticos futuros,
para proceder projeco das alteraes do espao climtico da espcie. Os modelos climticos
disponibilizados por esta infra-estrutura para o sc. XXI integram as informaes constantes no 4.
Relatrio de Avaliao do Painel Intergovernamental de Alteraes Climticas (IPCC, 2007)
representando trs cenrios futuros distintos: A1B; A2; e B1 e um modelo de experimentao com a
designao Climate Change Commitment (CCC).
O CCC corresponde a um cenrio experimental que simula o clima do sculo XXI considerando
uma concentrao de gases de efeito estufa (GEE) a nveis constantes e idnticos aos registados no
ano 2000. Os outros trs cenrios para este sculo correspondem a situaes com nveis de emisso
baixos (B1), mdios (A1B), e elevados (A2) (Meehl et al., 2006). O quadro VII sintetiza o contexto
scioeconmico subjacente a cada cenrio e a figura 9 apresenta as estimativas de anomalia de
temperatura superfcie para cada um dos modelos considerados.

Quadro VIII Sntese do contexto socioeconmico subjacente a cada cenrio climtico para o sc. XXI do
modelo CCSM-3.

Cenrio
B1

A1B

A2

Reduzido

Reduzido

Elevado

Crescimento do PIB

Elevado

Elevado

Mdio

Consumo de energia

Reduzido

Elevado

Elevado

Alterao de uso do solo

Elevada

Reduzida

Mdio a elevado

Disponibilidade de recursos disponveis

(sobretudo petrleo e gs)

Reduzida

Mdia

Reduzida

Rpida

Rpida

Lenta

Crescimento populacional

Adopo de tecnologia eficiente e

sustentvel

(Fonte: http://www.gisclimatechange.org/)

Figura 9 Estimativas de anomalia de temperatura global superfcie, para cada um dos cenrios futuros do
modelo CCSM-3 (Adaptado de: http ://www.cgd.ucar.edu/ccr /strandwg/ccsm3_ar4_experiments.html)

44

A informao climtica obtida do CCSM-3 corresponde a dados espaciais de temperatura e

precipitao, derivados da mdia das suas experimentaes para cada um dos cenrios. Os dados de
temperatura foram obtidos sob a forma de mdia mensal em graus Celsius, tendo-se posteriormente
procedido sua decomposio em duas variveis independentes: temperatura mdia do trimestre
mais quente e temperatura mdia do trimestre mais frio, para cada um dos dois perodos (1970-1999
e 2040-2070). A informao relativa precipitao foi obtida sob a forma de fluxo de precipitao
em Kg/m2/s-1, tendo sido utilizada a sua mdia anual para as sries temporais consideradas, uma vez
que no so disponibilizados dados de valores acumulados estimados.
A escolha destas variveis deriva do conhecimento pr-existente de que as variveis climticas so
influentes na distribuio das espcies, sobretudo a uma escala continental (Pearson e Dawson
2003). Para esta espcie em particular conhecida a forte relao da sua distribuio com variveis
climticas (Kuhn et al., 2002), a importncia da variao trmica na durao do perodo de
hibernao, tipo de abrigo escolhido, estmulo alimentao ou capacidade de resistncia dos
adultos durante o perodo de hibernao (Cambournac e Hill, 1938). A precipitao, alm do efeito
que desempenha sobre as caractersticas gerais do habitat, como a disponibilidade de guas
temporrias ou regimes de cursos de gua, apresenta-se tambm potencialmente importante para a
viabilidade dos criadouros semelhana do que sucede com outras espcies do mesmo gnero
(Paaijmans et al., 2007).
A resoluo espacial obtida atravs do modelo CCSM-3 de um grau (1) sob a forma de uma
grelha regular de dados vectoriais pontuais. Esta resoluo e estrutura de dados foi considerada
inadequada para o trabalho proposto, tendo-se efectuado a sua interpolao espacial para uma
estrutura matricial com resoluo de 0,5 x 0,5 atravs do mtodo do inverso da distncia
ponderada. Esta operao, de aumento de resoluo de modelos de circulao atmosfrica global,
ainda considerada por vrios autores como a melhor soluo para a obteno de variveis climticas
relativas a cenrios climticos futuros (Giorgi et al., 2001). Como j foi referido anteriormente, a
modelao de espaos climticos baseia-se sobretudo em informao climtica, no entanto alguns
trabalhos optam pela incluso de variveis auxiliares (e.g. Berry et al., 2002). Para este trabalho foi
tambm considerada a incluso da varivel altitude. Esta tida como uma tentativa de
representao de outros factores susceptveis de influenciar a distribuio da espcie relacionados
com variaes no relevo, tais como a propenso formao de gelo, factor que no transmitido
pela varivel precipitao. Este modelo foi obtido com recurso aos dados altimtricos matriciais
presentes no Modelo Digital do Terreno GTOPO30, sendo este posteriormente convertido para a
mesma resoluo espacial da informao climtica.
De forma evitar a ocorrncia de multicolinearidade, assim como redundncia de dados, foi
45

efectuado o clculo do coeficiente de correlao de Pearson entre diversas variveis independentes

referidas. Este clculo permitiu verificar a inexistncia de correlaes susceptveis de causar
multicolinearidade (r<-0,85; r>0,85) (Berry e Felman, 1985). Assim, para cada modelo de
distribuio da espcie foram considerados quatro factores ambientais: temperatura mdia do
trimestre mais quente (C); temperatura mdia do trimestre mais frio (C); fluxo mdio de
precipitao (Kg/m2/s-1) e altitude (m). Os modelos espaciais representantes destas variveis so
visveis em anexo nas figuras 7a, 8a, 9a, 10a 11a e 12a.

3.3.3. Mtodos estatsticos para calibrao

Como referido anteriormente, a obteno de modelos de espaos climticos futuros baseia-se na
aplicao dos parmetros obtidos por calibrao de dados actuais, a dados representativos de
cenrios climticos futuros. Para realizar esta tarefa foram considerados dois mtodos estatsticos:
as redes neuronais artificiais e a regresso logstica binria. A escolha por estes deve-se sua
possibilidade de implementao sobre informao espacial, e sobretudo existncia de estudos que
comprovam a sua adequabilidade para o fim a que aqui so destinados (e.g. Thuiller, 2003).
Para efeitos de validao foram retirados aleatoriamente 20% do total de registos de presenas
(n=19), restando 78 para calibrao. Considerando este valor, foram gerados 780 registos de
pseudo-ausncias distribudos equitativamente em dez grupos. Esta separao permite evitar
enviesamentos no sentido de valores de maior ou menor adequabilidade com origem em rcios de
prevalncia desiguais nos dados de calibrao. Tal como para o modelo obtido no 2. Captulo, foi
efectuada a incluso simultnea nos modelos estatsticos das variveis independentes consideradas.
Esta medida visa permitir uma maior compatibilizao de resultados. Considerando ainda que os
factores ambientais a integrar resultam de uma reviso bibliogrfica acerca da ecologia da espcie,
pode-se potencialmente diminuir a possibilidade de originar modelos biolgicos pouco plausveis,
ou com variveis inadequadas (Pearce e Ferrier, 2000).
a) Calibrao com recurso regresso logstica binria
A realizao deste modelo estatstico foi efectuada com recurso ao programa de tratamento
estatstico Minitab 14, atravs da importao das tabelas correspondentes a cada conjunto de
calibrao. No total foram efectuados cinco modelos, correspondentes a cada um dos conjuntos de
calibrao. Como forma de verificar o grau de ajustamento de cada um, foi realizado o teste de
Hosmer-Lemeshow, procedendo-se tambm ao clculo da quantidade de classificaes correctas
dos registos de calibrao para um limiar de probabilidade de 0,5. O quadro VIII apresenta os
resultados obtidos.
46

Quadro IX Testes de Hosmer-Lemeshow e percentagem de classificaes correctas para os modelos de

regresso logstica.
H-L (p)

% presenas correctas
(L=0,5)

% pseudo-ausncias
correctas (L=0,5)

1 Conjunto de calibrao

0,95

98,7

93,6

2 Conjunto de calibrao

0,92

96,2

92,2

3 Conjunto de calibrao

0,85

97,4

88,5

4 Conjunto de calibrao

0,68

97,8

92,3

5 Conjunto de calibrao

0,91

91,8

98,7

Com a anlise dos valores do teste de Hosmer-Lemeshow presentes no quadro VIII, verifica-se a
existncia de um elevado ajustamento entre os valores de cada modelo e valores esperados, no
ocorrendo diferenas consideradas significativas (p<0,05), como idealmente pretendido. Os
valores de classificaes correctas revelam uma elevada discriminao nos resultados de cada um
dos modelos, com percentagens muito elevadas de classificaes correctas, quer para registos de
presena quer para pseudo-ausncias. Observa-se, ainda assim, uma tendncia geral para resultados
superiores para os registos de presenas. Estes resultados parecem apontar para uma elevada
distino entre os valores que representam as presenas e as pseudo-ausncias. Tal situao deve-se
certamente extraco destes ltimos ter sido efectuada unicamente em locais onde a presena da
espcie tida como insignificante ou desconhecida. Estes valores no devem, no entanto, ser
interpretados como indicadores de uma elevada capacidade preditiva do modelo, uma vez que so
obtidos com os prprios registos que lhe serviram de calibrao.
b) Calibrao com recurso a redes neuronais artificiais
A implementao da rede neuronal deste modelo foi efectuada atravs da aplicao informtica
Tiberius Data Mining 6. Esta rede, do tipo perceptro mltipla camada, incluiu os valores de cada
varivel independente sob a forma de um neurnio na camada de entrada, uma camada oculta com
tantos neurnios como os existentes na camada de entrada (4), e uma camada de sada com um
neurnio, correspondente varivel dependente com os registos de presenas (1) e pseudoausncias (0). Como medida de erro neste processo de aprendizagem foi definido o erro quadrtico
mdio (EQM). Como perodo de treino para cada estimao foram uma vez mais consideradas 400
000 pocas.
Tal como para o modelo obtido no 2. captulo, considerou-se necessrio realizar trs modelos a
partir de cada conjunto distinto de calibrao, devido natureza heurstica deste mtodo. O modelo
47

final representante de cada conjunto de calibrao ento obtido pela mdia aritmtica simples dos
trs. Para os resultados obtidos foi extrado o EQM mnimo da aprendizagem e a percentagem de
classificaes correctas dos registos de calibrao, para um limite de adequabilidade de 0,5 (quadro
IX).

Quadro X Mnimo erro quadrtico mdio alcanado e percentagem de classificaes correctas para os
modelos de redes neuronais artificiais.
Modelo

EQM mnimo

% presenas
correctas (L=0,5)

% pseudo-ausncias
correctas (L=0,5)

1.
2.
3.
1.
2.
3.
1.
2.
3.
1.
2.
3.
1.
2.
3.

0,41
0,45
0,38
0,23
0,3
0,31
0,34
0,29
0,41
0,28
0,31
0,34
0,39
0,42
0,37

69,2
84,6
78,2
92,3
93,6
89,7
85,9
91
82,1
88,5
84,6
83,3
82,1
85,9
85,9

96,2
91
94,9
96,2
93,6
94,9
89,7
89,7
88,5
93,6
96,2
91
87,2
88,5
85,9

1 Conjunto de calibrao

2 Conjunto de calibrao

3 Conjunto de calibrao

4 Conjunto de calibrao

5 Conjunto de calibrao

Inversamente ao sucedido com os modelos da regresso logstica, os valores obtidos por este
mtodo apresentam maior tendncia para classificaes correctas para os registos de pseudoausncias (quadro IX). De acordo com esta tendncia, a espacializao dos parmetros obtidos por
este modelo tendero a apresentar, partida, uma menor propenso para reas de elevada
adequabilidade. Os valores de mnimo EQM apresentam alguma variabilidade, tanto inter-modelos,
como intra-modelos. Esta constatao refora a necessidade de se ter procedido criao de vrios
modelos para a obteno de um nico final.

3.3.4. Validao de resultados

A validao de modelos de distribuies futuras na generalidade dos casos de concretizao
impossvel para o momento em que se efectuam as projeces. Tal deriva da necessidade de dados
acerca de acontecimentos ainda no ocorridos. Esta situao faz com que a avaliao destes
modelos seja efectuada maioritariamente sobre registos da distribuio actual da espcie (e.g. Berry
et al., 2002) e preferencialmente no integrantes na sua calibrao (Heikkinen et al., 2006). A

48

averiguao do desempenho dos modelos para espaos climticos actuais , como tal, o nico
indicador disponvel acerca da adequabilidade dos modelos a estimaes futuras.
Para se efectuar a avaliao do desempenho preditivo dos dois modelos realizados necessrio
proceder escolha de um mtodo de medio deste erro. Contrariamente ao conjunto de dados
utilizado para a realizao da distribuio potencial de An. atroparvus para Portugal Continental no
2. captulo, estes modelos escala europeia integram apenas dados de presenas, complementados
com pseudo-ausncias. Desta forma, apenas os registos referentes s presenas conhecidas da
espcie podem ser utilizadas para verificar a validade dos modelos produzidos.
A avaliao de distribuies projectadas com base em modelos calibrados apenas com dados de
presenas ou conjugados com pseudo-ausncias bastante menos directa do que para os modelos
obtidos a partir de dados de presena-ausncia e necessita de maior investigao (Pearce e Boyce,
2006). A problemtica desta situao pode ser facilmente compreendida pela existncia de um
modelo que apresente a totalidade dos seus valores como de adequabilidade mxima. Um
desempenho preditivo que se baseie unicamente no clculo do nmero de presenas correctas, ser
sempre mximo; no entanto, a sua discriminao espacial nula e, como tal, sem utilidade.
Para fazer face s limitaes da avaliao deste tipo de dados, optou-se pelo desenvolvimento de
uma metodologia baseada no conceito de rea Mnima de Adequabilidade Mxima (AMAM),
proposta por Engler et al. (2004). Estes autores apresentam a AMAM como a rea mnima obtida
por um determinado limiar de probabilidade, acima do qual ainda se mantm 90% de valores de
validao correctos. Ampliando este princpio procedeu-se elaborao, para os dois modelos, de
um grfico que relaciona a percentagem de rea abrangida com a percentagem de presenas
correctamente identificadas, por limite de adequabilidade (figuras 10 e 11). Desta forma possvel
observar a evoluo do comportamento preditivo dos modelos com a variao da rea acumulada
por limite de adequabilidade. Idealmente pretende-se identificar situaes que apresentem um
elevado nmero de presenas correctas, com um mnimo de rea associada.

49

Figura 10 Relao do desempenho por rea para o modelo derivado da regresso logstica binria

Figura 11 Relao do desempenho por rea para o modelo derivado da rede neuronal artificial

A anlise visual das relaes existentes entre a rea e o desempenho preditivo de cada modelo
(figuras 10 e 11) transmite um comportamento preditivo superior para o modelo derivado da
regresso logstica. Este, ainda assim, acompanhado por uma maior anexao de rea do que a
verificada para o modelo das redes neuronais artificiais. Tomando como referncia o valor de 0,5 de
limite de adequabilidade, verifica-se que o primeiro modelo apresenta cerca de 95% de
classificaes correctas compreendendo aproximadamente 45% da rea total de estudo. Para o
mesmo limite, o modelo heurstico apresenta uma classificao correcta menor, de 78%, mas
compreende apenas cerca de 30% da rea total. De forma a permitir uma melhor comparao entre
50

os dois desempenhos efectuou-se o clculo da rea compreendida entre as duas curvas (reas com
preenchimento cinzento nas figuras 10 e 11). Esta medida, a que se atribuiu a designao de
Relao Desempenho por rea (RDA), deriva do princpio de que, para situaes em que a linha de
desempenho se apresenta uniformemente superior da rea compreendida, quanto maior for o seu
afastamento mtuo, maior ser a rea abrangida no grfico e melhor a relao desempenho/rea.
Assim, o valor resultante permite obter uma medida que reflecte o desempenho preditivo global de
cada modelo. Deste modo, considerando um eixo cartesiano com espaamento uniforme para os
dois eixos com uma amplitude de 1 para cada, o valor total de rea associada corresponder a uma
unidade quadrada. Considerando ainda que o limite inicial (x=0) compreende sempre a totalidade da
rea e como tal todas as presenas, o primeiro vrtice sempre partilhado por estes dois
indicadores. Como tal, considerando intervalos de adequabilidade de 1/10 da amplitude de x,
hipoteticamente o valor mximo possvel para esta rea total ser de 0,95. Este ainda assim no
atingido em condies reais, uma vez que para a um valor de rea igual a 0, os valores de
desempenho para os limites subsequentes sero obrigatoriamente nulos tambm. Assim, em casos
de aplicao real desta medida o seu valor mximo ser sempre:
1

maxRDA <

x 2x

n0

em que x corresponde amplitude de cada limite. Assim o valor mximo possvel de registar para
este intervalo de classes de adequabilidade (0,1) ser sempre inferior a 0,95. No entanto, este pode,
ser bastante prximo para casos extremos e com a utilizao de precises decimais.
Os valores de RDA permitem assim obter um termo de comparao entre diferentes modelos,
considerando que quanto maior o seu valor, maior ser tambm o seu desempenho. Para a
realizao deste clculo, e de forma a facilitar a sua utilizao futura, foi desenvolvida uma
aplicao de utilizao livre, na linguagem Visual Dialogscript 5.02 (quadro IVa em anexo). Esta
calcula a rea interior da RDA baseada em 10 intervalos, com amplitudes de adequabilidade de 0,1,
apresentando ainda a diferena de valores entre rea e desempenho por limite de adequabilidade, de
forma a facilitar a adopo de um deles, na criao de temas binrios.
Os valores obtidos foram de RDA = 0,448 para o modelo referente regresso logstica binria, e
de RDA = 0,405 para o modelo derivado das redes neuronais artificiais. As maiores diferenas na
relao correspondem a 0,68 para o limite de 0,7 no modelo da regresso e de 0,45 para o mesmo
limite no modelo heurstico (Figuras 13a e 14a em anexo). Estes valores confirmam um

51

desempenho preditivo global superior por parte do modelo da regresso. Ainda assim, o valor
obtido por parte do segundo modelo apresenta-se com um desempenho relativamente prximo e,
como tal, tambm com informao potencialmente til.
Por fim, procedeu-se ainda ao clculo da significncia estatstica do desempenho preditivo para
cada um dos valores limite. Para isso, procedeu-se comparao dos resultados correctos obtidos
com os que seriam de esperar por mero acaso. Este clculo foi efectuado com recurso a um teste
binomial unilateral, tendo-se obtido as frequncias esperadas atravs da rea abrangida por cada
intervalo. Considerando, por exemplo, uma rea correspondente a 50% do total, num conjunto de
20 registos aleatrios, sero esperados 10 registos correctos, e 10 incorrectos. O clculo da
significncia obtida por este teste para cada limite de adequabilidade encontra-se no quadro XI.

Quadro XI Resultados de significncia estatstica do teste binomial unilateral para classificaes correctas.

Reg. Log.

R. Neuronais

Limite

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

Esperados

19

14

13

10

Observados

19

18

18

18

18

18

18

18

15

11

Esperados

19

11

10

Observados

19

19

19

17

15

15

12

12

10

>0,01 <0,01

<0,01 <0,01

<0,01 <0,01 <0,01

<0,01 <0,01 <0,01

<0,01 <0,01

<0,01 <0,01

<0,01 <0,01

<0,01 <0,01

A anlise da significncia estatstica dos resultados preditivos (quadro XI) permite verificar que
estes diferem significativamente de valores obtidos ao acaso (p <0,01), com excepo do verificado
para o limite de adequabilidade de 0,1 do modelo da regresso logstica.
Os mtodos de validao utilizados permitiram identificar um desempenho relativamente superior
por parte do modelo resultante da regresso logstica binria. Ainda assim, o modelo resultante das
redes neuronais artificiais tambm apresenta uma elevada discriminao espacial das reas de
adequabilidade, e com informao potencialmente til.

3.4. Discusso de resultados e concluses

A adopo de combinao de modelos proposta por alguns autores como uma forma de
construo de estimaes futuras mais robustas (Arajo e New, 2006). Com isto pretende-se
essencialmente fazer sobressair as suas reas de concordncia. Desta forma para a projeco com
base em cenrios futuros, assim como para interpretao do espao climtico actual foi utilizada a
52

combinao dos modelos obtidos pelos dois mtodos estatsticos. Esta opo ainda reforada, no
presente caso, pelo facto de estes no apresentarem um grande diferena de desempenho preditivo.
O modelo de adequabilidade climtica actual da espcie foi ento obtido pela combinao dos dois
modelos finais, atravs do clculo da mdia dos seus valores. O modelo resultante encontra-se na
figura 12.

Figura 12 Modelo de espao climtico actual para Anopheles atroparvus

A representao obtida do espao climtico actual da espcie An. atroparvus, transmite valores mais
elevados sobretudo para reas pertencentes Regio Mediterrnica. O Centro e Sul da Pennsula
Ibrica e o Sul de Itlia surgem como as reas de adequabilidade elevada de maior extenso,
reconhecendo-se ainda reas bastante significativas na Pennsula Balcnica, Turquia e costa
setentrional do Mar Negro. Surgem, ainda assim, diversas reas da Regio Eurossiberiana com
valores elevados, correspondendo sobretudo s costas setentrionais de Espanha e Frana. As Ilhas
Britnicas surgem com valores intermdios, com os valores de maior adequabilidade no sector
meridional. A Europa Central surge com valores baixos a mdios, verificando-se uma expresso
espacial clara das grandes cadeias montanhosas a existentes. Os Pases Nrdicos apresentam
igualmente adequabilidades climticas reduzidas, sendo, entre estes, a Dinamarca a apresentar os
valores mais elevados.
Os valores obtidos e representados por este modelo, contrastam com algum conhecimento actual
acerca da distribuio desta espcie. Para muitos dos locais que se apresentam como adequados, no
so conhecidos registos da espcie, como o caso do Sul de Itlia, Grcia ou Turquia (Ramsdale e
Snow, 2000). Ainda assim, uma das espcies mais abundantes em Portugal (Ribeiro et al., 1988) e

53

dispersa por grande parte de Espanha (Ramsdale e Snow, 2000, citando Eritja, et al., 1998),
territrios com caractersticas climticas afins. A restante adequabilidade potencial apontada pelo
modelo apresenta uma elevada coerncia espacial com os registos conhecidos, nomeadamente para
as Ilhas Britnicas, Frana, Europa Central e Pases Nrdicos.
A elevada disperso da espcie ao longo do Continente Europeu, aponta para um efeito reduzido
que potenciais barreiras biogeogrficas possam ter sobre esta. Como tal de crer que a razo para a
ausncia de An. atroparvus em grande parte da bacia do Mediterrneo resulte de fenmenos de
natureza bitica, nomeadamente excluso por competio interespecfica. assim de evidenciar a
presena de outras espcies deste gnero a ocupar aproximadamente esta rea, como Anopheles
melanoon Hackett, 1934, ou locais especficos dentro desta, como acontece com Anopheles
labranchiae Falleroni, 1926 no Sul de Itlia (Ramsdale e Snow, 2000), que podem agir como
competidores de An. atroparvus. A existncia de relaes deste tipo tem sido referida por vrios
autores como uma das possveis causas para reduo do comportamento preditivo na modelao da
distribuies de espcies (Pearson e Dawson, 2003; Guisan e Thuiller, 2005). Tal deriva da
impossibilidade da espcie em ocupar a totalidade do seu nicho fundamental, sendo os modelos
obtidos sob estas circunstncias representativos apenas de distribuies potenciais.
A interpretao de modelos de espao climtico futuro de An. atroparvus deve ser feita de forma
cautelosa, tendo sempre presente as limitaes que lhe esto inerentes. Ainda assim, constitui-se
como uma das melhores formas que se dispe actualmente para investigar a potencial evoluo de
distribuies futuras (Martnez-Meyer, 2005). Uma limitao, previamente identificada, prende-se
com a impossibilidade de integrao de algumas variveis passveis de determinar a distribuio da
espcie, como interaces biticas ou barreiras geogrficas. Os seus efeitos revelam-se aqui pela
existncia de valores de elevada adequabilidade registados para locais na Bacia do Mediterrneo,
onde a ocorrncia da espcie de estudo no est registada. Desta forma a interpretao dos modelos
de espao climtico futuro devem considerar a inexistncia da espcie nestas reas, pese embora a
elevada adequabilidade climtica obtida. Outra limitao prende-se com a extrapolao de dados
(Pearson et al., 2006). A modelao da distribuio de espcies para a actualidade implica na
generalidade das vezes algum grau de extrapolao, pois o conjunto de registos de calibrao
raramente transmite a amplitude total de variao das variveis independentes. A modelao de
aspectos ligados a distribuies futuras apresenta-se, no entanto, potencialmente mais propensa a
situaes extremas, uma vez que deriva de informao independente que no integra a calibrao do
modelo. A omisso da totalidade de amplitudes de variao de valores no processo de calibrao
origina modelos com parmetros que transmitem relaes vlidas, mas apenas dentro do espao
multivariado fornecido. Uma vez ultrapassado, a omisso de informao faz com que os modelos
54

ignorem que a resposta da espcie se possa alterar face a determinada conjugao de valores
exteriores aos fornecidos. Considerando a elevada variabilidade dos limites fisiolgicos de cada
espcie e a complexidade das relaes que estabelecem entre si e com o meio, a extrapolao de
modelos pode facilmente originar resultados incorrectos. O acautelamento destas situaes ainda
reforada pelo facto de a totalidade dos cenrios transmitirem subidas de temperatura (figura 9), e
que em geral os limites superiores desta so mais rapidamente crticos para as espcies, que os
inferiores (Odum, 1997).
De forma a entrar em conta com a extrapolao na interpretao dos modelos de adequabilidade
climtica futura de An. atroparvus, procedeu-se para cada cenrio, delimitao espacial de valores
obtidos dessa forma. Para isso foram extradas de cada varivel, integrante na modelao da
distribuio futura, as reas com valores no contidos no intervalo transmitido pela mesma varivel
no conjunto de calibrao do modelo de distribuio actual. As reas extrapoladas para cada cenrio
correspondem ento unio das reas assim identificadas para cada varivel independente. Esta
operao permite interpretar de uma forma mais segura os resultados obtidos. A separao entre
reas extrapoladas e no extrapoladas permite diminuir a incerteza na interpretao dos modelos de
distribuies desta espcie, particularmente tratando-se de situaes futuras.
A gerao dos modelos futuros para An. atroparvus foi realizada pela aplicao dos parmetros
obtidos pelos modelos com base na sua distribuio actual. Cada um dos modelos intermdios,
correspondentes parametrizao da regresso logstica e das redes neuronais artificiais foi
realizado, sendo o modelo final para cada cenrio correspondente mdia aritmtica simples dos
modelos finais obtidos por estes dois mtodos (Figura 13).

55

Figura 13 Espaos climticos de Anopheles atroparvus com base em cenrios climticos futuros para o
perodo 2040 - 2070

Uma primeira anlise dos modelos obtidos (figura 13) permite identificar extensas reas
correspondentes a valores obtidos por extrapolao. Como seria de esperar partida, estas ocorrem
sobretudo junto dos limites actuais de ocorrncia da espcie. Desta forma, a anlise da evoluo da
distribuio potencial da espcie alm destes, apresenta-se limitada devido elevada incerteza que
tem associada.
O espao climtico futuro mais prximo do actual (figura 12) corresponde ao obtido com base no
cenrio experimental CCC. Neste, cenrio que projecta um clima futuro com base nas
concentraes de GEE registadas para o ano 2000, verifica-se, ainda assim, um ligeiro acrscimo de
adequabilidade para vrias reas do Continente Europeu, particularmente nas latitudes superiores.
Considerando o facto de que este cenrio no integra emisses de GEE posteriores a 2000, de
perspectivar que, independentemente dos nveis de emisso ocorridos desde ento e das suas
variaes futuras, a espcie An. atroparvus enfrentar alteraes na distribuio futura de reas
climaticamente adequadas sua existncia. Similarmente, uma anlise visual sobre os outros trs
cenrios permite identificar um aumento geral das condies de adequabilidade climtica ao longo
56

da rea de estudo. Estes, no entanto, implicam tambm a chegada de novos extremos climticos
para algumas reas onde a espcie ocorre actualmente, como na Pennsula Ibrica. Tais alteraes
so concordantes partida com uma maior adequabilidade, uma vez que a adequabilidade climtica
para esta espcie aponta diversas reas europeias de clima mais quente como as mais adequadas
(figura 12). Se a espcie estiver j prxima dos limites de tolerncia a algum dos factores climticos
considerados, estes podem, no entanto, agir de forma contrria.
Ignorando os locais correspondentes a extrapolao e no integrantes da sua distribuio actual,
verifica-se para qualquer um dos cenrios futuros, acrscimos de adequabilidade do espao
climtico para An. atroparvus. Estes ocorrem sobretudo sobretudo para grande parte da Frana, Sul
de Inglaterra, Alemanha, Polnia e Ocidente da Pennsula Balcnica.
De forma a permitir uma melhor comparao da variao de adequabilidade climtica espcie,
procedeu-se ao clculo de vrios parmetros estatsticos bsicos, assim como de alguns atributos
espaciais das reas de elevada adequabilidade (L 0,75) para cada um dos cenrios modelados.
Alm destes, incluiu-se tambm o modelo correspondente distribuio actual, com as reas
sujeitas a extrapolao de valores previamente removidas.

Quadro XII Parmetros estatsticos e atributos espaciais bsicos dos modelos de adequabilidade.
Adequabilidade
Contexto
climtico

Adequabilidade 0,75
%
Total

Latitude
centride*

2143600

42

42 53'

2450000

45

43 33'

0,91

3282400

57

45 10'

0,73

0,89

2728800

51

45 44'

0,78

0,90

3223200

61

46 35'

Mximo rea (Km2)

Mdia

D.P.

Mnimo

Q1

Mediana

Q3

Clima 1970-2000

0,67

0,21

0,0

0,49

0,65

0,86

Cenrio exp. CCC

0,7

0,19

0,12

0,54

0,69

0,88

Cenrio B1

0,75

0,18

0,18

0,62

0,76

Cenrio A1B

0,73

0,19

0,19

0,59

Cenrio A2

0,75

0,19

0,16

0,64

A anlise nos parmetros estatsticos dos resultados obtidos permite identificar trs conjuntos
distintos de resultados. Um formado pelo modelo da distribuio actual, com o valor mdio de
adequabilidade mais baixo (0,67), e uma distribuio com valores inferiores aos restantes modelos.
O segundo correspondente ao cenrio experimental CCC, com valores intermdios, e um terceiro
compreendendo os trs cenrios climticos futuros, com parmetros estatsticos relativamente
prximos. As projeces de aumento de reas de elevada adequabilidade ( 0,75) para estes
cenrios futuros, no apresentam, no entanto, uma similaridade to elevada. Tal visvel sobretudo
nos resultados do cenrio A1B. Este cenrio, que representa nveis mdios de emisso de GEE,
apresenta uma rea total de valores de elevada adequabilidade, substancialmente inferior ao obtido
57

atravs do modelo resultante de nveis de emisso baixos (B1). Da mesma forma, o modelo
respeitante aos nveis de emisso mais elevados (A2), apresenta tambm uma rea de elevada
adequabilidade relativamente inferior obtida pelo cenrio B1. Esta situao entendida como um
efeito da remoo de reas com valores extrapolados. O cenrio A1B implica, semelhana do A2,
extensas reas de extrapolao a serem removidas sem, no entanto, atingir valores que potenciem
adequabilidades to elevadas como o segundo para as restantes reas. Por outro lado o cenrio B1,
implica alteraes menos significativas nas variveis climticas e como tal a extraco de um menor
nmero de reas extrapoladas. As alteraes climticas transmitidas por este, ainda assim,
produzem aumentos acentuados dos nveis de adequabilidade para An. atroparvus. Ou seja, neste
cenrio ocorre uma maior expanso espacial do clima actualmente associado ocorrncia da
espcie.
Considerando a hiptese de as reas de extrapolao corresponderem a locais no adequados
espcie, uma vez que no se verifica a sua ocorrncia para essas combinaes de valores, possvel
considerar que baixos nveis de emisses futuras de GEE possam, potencialmente, originar um
maior nmero de reas climaticamente adequada para An. atroparvus, do que emisses elevadas.
O centride de cada uma das reas de maior adequabilidade, como j identificado anteriormente
pela interpretao visual dos modelos espaciais, apresenta para a totalidade das projeces futuras,
valores de latitude superiores ao verificado para o espao climtico actual. Estes, suportam assim
uma tendncia de deslocao das espcies para latitudes superiores, face a futuras alteraes
climticas.

58

CAPTULO 4 CONSIDERAES FINAIS

59

Os resultados obtidos por este trabalho permitiram identificar uma dominncia de reas de elevada
adequabilidade a An. atroparvus em Portugal Continental. Estas que correspondem sobretudo s
reas menos povoadas do pas, como o Alentejo e Interior Norte e Centro diminuem assim,
partida, o risco potencial de infeco do vector com Plasmodium sp. importado. No entanto, uma
anlise mais pormenorizada do cruzamento espacial da adequabilidade a este vector e os principais
focos de casos alctones seria pertinente na avaliao de reas de risco de infeco do mosquito. A
distribuio alcanada para Portugal Continental permitiu tambm identificar uma elevada
constncia desta, sendo bastante idntica existente aquando da endemicidade da malria na
primeira metade do sc. XX. Esta situao permite concluir que a distribuio da espcie no sofreu
alteraes significativas nas dcadas recentes mesmo sob influncia das subidas de temperatura
registadas para o pas nas ltimas dcadas. Sendo o Sul de Portugal um dos locais a apresentar
temperaturas mais elevadas em toda a rea de distribuio da espcie, verifica-se assim uma
potencial alterao no nicho realizado da espcie, sendo que esta comporta actualmente
temperaturas mais elevadas que em dcadas anteriores. Esta situao pode ser explicada pelo facto
de o seu nicho realizado no ocupar a totalidade do nicho fundamental, devido a interaces
biticas ou presena de barreiras naturais que impedem a sua disperso, como o Mar
Mediterrneo, ou aco conjugada destes dois factores. Outra possibilidade a existncia de uma
adaptao evolucionria recente da espcie a um novo contexto climtico.
Considerando que a distribuio actual representa j o seu nicho fundamental em termos de
tolerncia climtica, a totalidade dos modelos de distribuio obtidos para cenrios climticos
futuros indicam a subida em latitude das reas mais adequadas. Estes revelam tambm que quanto
maiores os nveis de emisso de GEE, maior ser esta subida. Alm de implicarem um
deslocamento em latitude da rea de distribuio de An. atroparvus, os cenrios futuros revelam
tambm a chegada de novos extremos climticos em algumas reas do Continente Europeu,
particularmente para a Pennsula Ibrica. Estes novos contextos climticos podem causar a
inadequabilidade futura destas reas espcie. O abandono destas reas embora partida possa ser
entendido como uma evoluo benfica para a sade pblica, pode por outro lado potenciar a
ocupao por parte de outras espcies. Estas podem ter origem em processos de disperso natural
(e.g. Norte de frica), ou atravs de aco antrpica, como acontece j com a espcie invasora de
origem asitica vectora de Dengue, Aedes albopictus Skuse, 1895, em Espanha. A chegada de novas
espcies com origem em alteraes climticas, agravada pela prpria capacidade natural de alguma
delas em invadir o territrio, pode levar ao surgimento de novos contextos de risco para a sade
60

pblica relativamente a doenas transmitidas por vectores, e neste caso particular por mosquitos.
No que se refere s questes metodolgicas, foi possvel identificar alguma variabilidade entre os
desempenhos preditivos dos vrios mtodos estatsticos utilizados. Tendo a regresso logstica
binria apresentado os melhores valores de validao nos dois episdios de modelao realizados.
Como j referido por alguns autores em estudos anteriores, a combinao de diversos modelos
preditivos tambm aqui se apresentou como um mtodo com potencial para reduo de incerteza
das projeces, sendo atravs desta que se atingiu maior similaridade espacial com a distribuio
espacial das antigas regies malarolgicas.
A explorao da avaliao de modelos de distribuio de espcies baseados apenas em registos de
presenas, permitiu tambm apresentar uma medida de avaliao que relaciona o desempenho
preditivo de cada modelo com a discriminao espacial alcanada ao longo de um intervalo de
valores de adequabilidade. Com a sua aplicao neste trabalho esta medida revelou-se til e
potencialmente propensa a aplicao noutros trabalhos.
Por fim, deve-se referir que com base nas mltiplas validaes de predies efectuadas que a
modelao da distribuio de espcies com base em modelos correlativos se apresenta como uma
boa alternativa a levantamentos de campo exaustivos. Os seus resultados tm mltiplas aplicaes,
sendo a anlise de risco para a sade pblica derivada de infeces com origem em vectores
biolgicos uma dos mais promissoras. O seu uso generalizado ainda relativamente condicionado
pela necessidade de domnio de diversas competncias tcnicas essencialmente na rea dos SIG e da
sua integrao com mtodos estatsticos apropriados para este tipo de modelos. Outra condicionante
de relevncia prende-se com a falta de informao de base detalhada, nomeadamente relativa a
factores ambientais. A inexistncia de informao espacial de elevado detalhe para factores to
comuns como a temperatura ou a precipitao torna praticamente impeditiva a realizao de
modelos de distribuio de espcies a uma escala regional ou local, diminuindo a relevncia dos
seus resultados para utilizaes fora do contexto cientfico.

61

Referncias bibliogrficas
Abdi H (2003) Neural Networks. In Lewis-Beck M, Futing A, (eds.) Encyclopedia of Social
Sciences Research Methods. SAGE, Thousand Oaks.
Almeida A, Galo R, Sousa C, Novo M, Parreira R, Pinto J, Piedade J, Esteves A (2008) Potential
mosquito vectors of arboviruses in Portugal: species, distribution, abundance and West Nile
infection. Transactions of The Royal Society of Tropical Medicine and Hygiene, 102: 823-832.
Alvarez-Arbes R, Felicsimo A (2002) GIS and logistic regression as tools for environmental
management: a coastal cliff vegetation model in Northern Spain In Technology W I (ed.)
Management Information Systems 2002: GIS and Remote Sensing. Wessex Institute of
Technology: 215-224.
Antunes F, Forte M, Tavares L, Botas J, Carvalho C, Carmona H, Araujo F (1987) Malaria in
Portugal 1977-1986. Transactions of The Royal Society of Tropical Medicine and Hygiene,
81(4): 561-562.
Arajo M, Guisan A (2006) Five (or so) challenges for species distribution modelling. Journal of
Biogeography, 33(10): 1677-1688.
Arajo M, New M (2006) Ensemble forecasting of species distributions. Trends in Ecology &
Evolution, 22(1): 42-47.
Arajo M, Pearson R, Thuiller W, Erhard M (2005) Validation of speciesclimate impact models
under climate change. Global Change Biology, 11(9): 1504 -1513.
Arajo M, Thuiller W, Pearson R (2006) Climate warming and the decline of amphibians and
reptiles in Europe. Journal of Biogeography, 33: 17121728.
Austin M, Meyers J (1996) Current Approaches to Modeling the Environmental Niche of
Eucalyptus: Implications for Management of Forest Biodiversity. Forest Ecology and
Management, 85: 95-106.
Becker N, Zgomba M, Petric D, Dahl C, Boase C, Lane J, Kaiser A (2003) Mosquitoes and their
control. Kluwer Academic/Plenum Publishers, New York.
Benedict M, Levine R, Hawley W, Lounibos L (2007) Spread of the Tiger: Global Risk of Invasion
by the Mosquito Aedes albopictus. Vector-borne and zoonotic diseases, 7(1): 76-85.

62

Berry P, Dawson T, Harrison P, Pearson R (2002) Modelling potential impacts of climate change on
the bioclimatic envelope of species in Britain and Ireland. Global Ecology and Biogeography,
11: 453-462.
Berry W, Feldman S (1985) Multiple Regression in Practice: Uses and Interpretation. SAGE,
Newbury Park.
Brotons L, Thuiller W, Arajo M, Hirzel A (2004) Presence-absence versus presence-only
modelling methods for predicting bird habitat suitability. Ecography, 27: 437-444.
Caldwell P, Matthews G, Minello T, Clark R, Christensen J, Monaco M (2004) A habitat-use model
to determine essential fish habitat for juvenile brown shrimp (Farfantepenaeus aztecus) in
Galveston Bay, Texas 102: 264-277.
Cambournac F (1942) Sobre a epidemiologia do sezonismo em Portugal. Sociedade Industrial de
Tipografia, Lda, Lisboa.
Cambournac F, Hill R (1938) The biology of Anopheles atroparvus in Portugal. Transactions of the
Third International Congress of Tropical Medicine and Malaria, 2: 178-184.
Castro L, Cardoso A, Queirs L, Gonalves G (2004) Malria na Regio Norte de Portugal (19932002) Caracterizao Epidemiolgica. Acta Mdica Portuguesa, 17: 291-298.
Christensen R (1997) Log-Linear Models and Logistic Regression. Springer, New York.
Cohen J (1960) A Coefficient of Agreement for Nominal Scales. Educational and Psychological
Measurement, 20(1): 37-46.
Elith J, Graham C, Anderson R, Dudik M, Ferrier S, Guisan A, Hijmans R, Huettmann F, Leathwick
J, Lehmann A, Li J, Lohmann L, Loiselle B, Manion G, Moritz C, Nakamura M, Nakazawa Y,
Overton J , Peterson T, Phillips S, Richardson K, Scachetti-Pereira R, Schapire R, Soberon J,
Williams S, Wisz M, Zimmermann N (2006) Novel methods improve prediction of species
distributions from occurrence data. Ecography, 29(2): 129-151.
Engler R, Guisan A, Rechsteiner L (2004) An improved approach for predicting the distribution of
rare and endangered species from occurrence and pseudo-absence data. Journal of Applied
Ecology, 41(2): 263-274.
Fernandes T, Clode M, Simes M, Ribeiro H, Anselmo M (1998) Isolation of virus West Nile from
a pool of unfed Anopheles atroparvus females in the Tejo River estuary , Portugal. Acta
Parasitolgica Portuguesa, 5: 7.

63

Ferrier S, Watson G, Pearce J, Drielsma (2002) Extended statistical approaches to modelling spatial
pattern in biodiversity in northeast new south wales. I. Species-level modelling. Biodiversity
and Conservation, 11: 2275-2307.
Filipe A (1972) Isolation in Portugal of West Nile Virus from Anopheles maculipennis mosquitoes.
Acta Virolgica, 16: 361.
Giorgi F, Hewitson F, Christensen J, Hulme M, Storch H, Whetton P, Jones R, Mearns L, Fu C
(2001) Regional climate information Evaluation and projections. In Johnson C, (ed.)
Climate Change 2001: The Scientific Basis. Contributions of Working Group I to the Third
Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University
Press, New York: 585-638.
Giriraj A, Irfan-Ullah M, Ramesh B, Karunakaran P, Jentsch A, Murthy M (2008) Mapping the
potential distribution of Rhododendron arboreum Sm. ssp. nilagiricum (Zenker) Tagg
(Ericaceae), an endemic plant using ecological niche modelling. Current Science, 94(12):
1605-1612.
Guisan A, Edwards T, Hastie T (2002) Generalized linear and generalized additive models in studies
of species distributions: setting the scene. Ecological modelling, 157(2-3): 89-100.
Guisan A, Lehmann A, Ferrier S, Austin M, Overton J, Aspinall R, Hastie T (2006) Making better
biogeographical predictions of species distributions. Journal of Applied Ecology, 43:386-392.
Guisan A, Thuiller W (2005) Predicting species distribution: offering more than simple habitat
models. Ecology Letters, 10(5): 993-1009.
Guisan A, Zimmermann N (2000) Predictive habitat distribution models in ecology. Ecological
modelling, 135(2): 147-186.
Heikkinen K, Luoto M, Arajo M, Virkkala R, Thuiller W, Sykes M (2006) Methods and
uncertainties in bioclimatic envelope modelling under climate change. Progress in Physical
Geography, 30(6): 1-27.
Hijmans R, Cameron S, Parra J, Jones P, Jarvi A (2005) Very high resolution interpolated climate
surfaces for global land areas. International Journal of Climatology, 25(15):1965-1978.
Hirzel A, Helfer V, Metral F (2001) Assessing habitat-suitability models with a virtual species.
Ecological modelling, 145:111-121.
Hirzel A, Lay G, Helfer V, Randin C, Guisan A (2006) Evaluating the ability of habitat suitability

64

models to predict species presences. Ecological modelling, 199:142-152.

Hutchinson G (1957) Concluding remarks. Cold Spring Harbor Symposium on Quantitative
Biology, 22: 415-457.
IPCC (2007) IPCC Fourth Assessment Report - Climate Change 2007: The Physical Science Basis
Summary for Policymakers [Acedido em 15 de Julho de 2008].
www.ipcc.ch/pdf/assessment-report/ar4/wg1/ar4-wg1-spm.pdf
Jenness J (2003) Mahalanobis distances (mahalanobis.avx) extension for ArcView 3.x. Jenness
Enterprises [Acedido em 15 de Julho de 2008].
www.jennessent.com/arcview/arcview_extensions.htm
Kuhn K, Campbell-Lendrum D, Davies C (2002) A continental risk map for malaria mosquito
(Diptera: Culicidae) vectors in Europe. Journal of Medical Entomology, 39(4):621-630.
Landis J, Koch G (1977) The measurement of observer agreement for categorical data. Biometrics,
33(1): 159-174.
Lek S, Gugan J (1999) Artificial neural networks as a tool in ecological modelling, an
introduction. Ecological modelling, 120: 65-73.
Levine R, Peterson A, Benedict M (2004) Geographic and ecologic distributions of the Anopheles
gambiae complex predicted using a genetic algorithm. American Journal of Tropical
Medicine and Hygiene, 70(2): 105-109.
Lieshout M, Kovats R, Livermore M, Martens P (2004) Climate change and malaria: analysis ofthe
SRES climate and socio-economic scenarios. Global Environmental Change, 14: 87-99.
Lindsay S, Parson L, Thomas C (1998) Mapping the ranges and relative abundance of the two
principle African malaria vectors, Anopheles gambiae sensu stricto and An. arabiensis, using
climate data. Proceedings of the Royal Society of London - B - Biological Sciences, 265: 847
854.
Liu Y, Starzyk J, Zhu Z (2007) Optimizing number of hidden neurons in neural networks. In Vladan
Devedzic (ed.) IASTED International Conference on Artificial Intelligence and Applications,
part of the 5th Multi-Conference on Applied Informatics. IASTED/ACTA Press, 138-143.
Loarie S, Carter B, Hayhoe K, McMahon S, Moe R, Knight C, Ackerly D (2008) Climate Change
and the Future of California's Endemic Flora. Plos One, 3(6): e2502.
Lundstrom J (1999) Mosquito-borne viruses in Western Europe: a review. Journal of Vector

65

Ecology 24(1):139
Martens P, Kovats R, Nijhof S, Vries P, Livermore M, Bradley D, Cox J, McMichael A (1999)
Climate change and future populations at risk of malaria - a review of recent outbreaks.
Global Environmental Change, 9(S1): 89-107.
Martnez-Meyer E (2005) Climate Change and Biodiversity: Some Considerations in Forecasting
Shifts in Species' Potential Distributions. Biodiversity Informatics, 2: 42-55.
Meehl G, Washington W, Santer B, Collins W, Arblaster J, Hu A, Lawrence D, Haiyan T, Buja L,
Strand W (2006) Climate change projections for the twenty-first century and climate change
commitment in the CCSM-3. Journal of climate, 19(11): 2121-2632.
Min J, Halgo J, Bartalov A, Jalili N (2007) Current climatic change and its impact on mosquito
fauna in conditions of Slovakia and Czech Republic. Acta Zoologica Universitatis
Comenianae, 47(2): 177-182.
Miranda P, Valente A, Tom A, Trigo R, Coelho F, Aguiar A, Azevedo F (2006) O clima em
Portugal nos Sculos XX e XXI, In Santos F e Miranda M (eds) Alteraes climticas em
Portugal. Cenrios, Impactos e Medidas de Adaptao. Gradiva, Lisboa: 45-113.
Moffett A, Shackelford N, Sarkar S (2007) Malaria in Africa: vector species' niche models and
relative risk maps. Plos One, 2(9): e824.
Muturi E, Burgess P, Novak R (2008) Malaria Vector Management: Where Have We Come From
and Where Are We Headed?. The American Society of Tropical Medicine and Hygiene, 78(4):
536-537.
Odum E (1997) Fundamentos de Ecologia. Fundao Calouste Gulbenkian, Lisboa.
Paaijmans K, Wandago M, Githeko A, Takken W (2007) Unexpected High Losses of Anopheles
gambiae Larvae Due to Rainfall. Plos One, 2(11): e1146.
Pascual M, Ahumada J, Chaves L, Rodo X, Bouma M (2006) Malaria resurgence in the East
African highlands: Temperature trends revisited. Proceedings of the National Academy of
Sciences of the United States of America, 103(15): 5829-5834.
Patz J, Olson S (2006) Malaria risk and temperature: Influences from global climate change and
local land use practices. Proceedings of the National Academy of Sciences of the United States
of America, 103(15): 5635-5636.
Pearce J, Boyce M (2006) Modelling distribution and abundance with presence-only data. Journal

66

of Applied Ecology, 43(3): 405-412.

Pearce J, Ferrier S (2000) An evaluation of alternative algorithms for fitting species distribution
models using logistic regression. Ecological modelling, 128(2-3): 127-147.
Pearson R (2007) Species Distribution Modeling for Conservation Educators and Practitioners.
American Museum of Natural History [Acedido em 30 de Agosto de 2008].
http://ncep.amnh.org
Pearson R, Dawson T (2003) Predicting the impacts of climate change on the distribution of
species: are bioclimate envelope models useful?. Global Ecology and Biogeography, 12: 361371.
Pearson R, Thuiller W, Arajo M, Martinez-Meyer E, Brotons L, Mcclean C, Miles L, Segurado P,
Dawson T, Lees D (2006) Model-based uncertainty in species range prediction. Journal of
Biogeography, 33(10): 1704-1711.
Phillips S, Anderson R, Schapire R (2006) Maximum entropy modeling of species geographic
distributions. Ecological modelling, 190: 231259.
Pires C, Ribeiro H, Capela R, Ramos H (1982) Research on the Mosquitoes of Portugal (Diptera,
Culicidae) VI - The mosquitoes of Alentejo. Anais do Instituto de Higine e Medicina
Tropical, 8: 79-101.
Ponon N, Toty C, L'Ambert G, Le Goff G, Brengues C, Schaffner F, Fontenille D (2007) Biology
and dynamics of potential malaria vectors in Southern France. Malaria Journal, 6(18).
Ramos H, Ribeiro H, Pires C, Capela R (1978) Research on the Mosquitoes of Portugal (Diptera,
Culicidae) II - The mosquitoes of Algarve. Anais do Instituto de Higine e Medicina Tropical,
1/4: 79-101.
Ramsdale C, Snow K (2000) Distribution of the genus. Anopheles in Europe. European Mosquito
Bulletin, 7: 1-26.
Ribeiro H, Alves-Pires C, Ramos H, Capela R (2002) Research on the Mosquitoes of Portugal
(Diptera, Culicidae) XII - The mosquitoes of Minho and Douro Litoral. Garcia de Horta,
Srie Zoolgica, 24(1-2): 31-50.
Ribeiro H, Pires C, Capela R (1988) An annotated checklist of the mosquitoes of continental
Portugal (Diptera Culicidae). Actas do III congresso Ibrico de entomologia, 233-253.
Ribeiro H, Ramos H, Capela R, Pires C (1992) Research on the Mosquitoes of Portugal (Diptera,

67

Culicidae) II - The mosquitoes of the Beiras. Garcia de Horta, Srie Zoolgica, 16(1-2): 137161.
Ribeiro H, Ramos H, Pires C (1999a) Os mosquitos do Parque Natural da Serra da Estrela (Insecta,
Diptera, Culicidae). Garcia de Horta, Srie Zoolgica, 23(1): 119-168.
Ribeiro H, Ramos H, Pires C (1999b) Os mosquitos do Parque Natural de Montesinho (Insecta,
Diptera, Culicidae). Garcia de Horta, Srie Zoolgica, 23(1): 23-67.
Sallares R, Bouwman A, Anderung C (2004) The Spread of Malaria to Southern Europe in
Antiquity: New Approaches to Old Problems. Medical History, 48(3): 311328.
Sarip A (2005) Integrating Artificial Neural Networks and GIS for single-property valuation. In
SPRRE, (ed.) Eleventh - PRRES Conference. Pacific Rim Real Estate Society, Melbourne.
Segurado P, Arajo M (2004) An evaluation of methods for modelling species distributions. Journal
of Biogeography, 31:15551568.
Segurado P, Arajo M, Kunin W (2006) Consequences of spatial autocorrelation for niche-based
models. Journal of Applied Ecology, 43:433- 444.
Sousa C (2008) Malaria vectorial capacity and competence of Anopheles atroparvus Van Thiel,
1927 (Diptera: Culicidae): Implications for the potential re-emergence of malaria in Portugal.
Dissertao de doutoramento, Universidade Nova de Lisboa, Lisboa.
Stockwell D, Peters D (1999) The GARP Modeling System: problems and solutions to automated
spatial prediction. International Journal of Geographical Information Science, 13(2): 143158.
Thuiller W (2003) BIOMOD optimizing predictions of species distributions and projecting
potential future shifts under global change. Global Change Biology, 9: 13531362.
Thuiller W (2007) Biodiversity: Climate change and the ecologist. Nature, 448: 550-552.
Tsoar A, Allouche O, Steinitz O, Rotem D, Kadmon R (2007) A comparative evaluation of
presence-only methods for modelling species distribution. Diversity & Distributions, 13(4):
397-405.
WHO (2004) The Vector-Borne Human Infections of Europe Their Distribution and Burden on
Public Health. Regional Office for Europe, World Health Organization [Acedido em 09 de
Setembro de 2008].
http://www.euro.who.int/document/e82481.pdf

68

WHO (2006) Regional Strategy: From Malaria Control to Elimination in the WHO European
Region 2006-2015. Regional Office for Europe, World Health Organization [Acedido em 14
de Julho de 2008].
http://www.euro.who.int/Document/E88840.pdf

Documentos Cartogrficos
Corine Land Cover 2000, European Environmental Agency, Copenhagen, 2000.
[Acedido em 10 de Maro de 2008]
http://dataservice.eea.europa.eu/atlas/viewdata/viewpub.asp?id=816
.

69

ANEXO

70

NDICE DE QUADROS
Quadro Ia Classes Corine Land Cover 2000 consideradas para incluso no modelo de zonas
hmidas. ....................................................................................................................................... 72
Quadro IIa Aptido das zonas hmidas a Anopheles atroparvus.................................................. 72
Quadro IIIa Aptido de reas agrcolas existncia de animais. ................................................. 73
Quadro IVa Cdigo fonte da aplicao de clculo de valores de razo de desempenho por rea. . 73

NDICE DE FIGURAS
Figura 1a Temperatura mdia do trimestre mais quente em Portugal Continental para o perodo
1950-2000 ..................................................................................................................................... 81
Figura 2a Temperatura mdia do trimestre mais frio em Portugal Continental para o perodo 19502000 .............................................................................................................................................. 82
Figura 3a Precipitao anual mdia em Portugal Continental para o perodo 1950-2000 ............. 83
Figura 4a ndice de disponibilidade e adequabilidade de zonas hmidas ..................................... 84
Figura 5a ndice de disponibilidade e adequabilidade de uso de solo agrcola ............................. 85
Figura 6a - Zonas de malria em Portugal na primeira metade do sc. XX .................................... 86
Figura 7a Precipitao e temperatura da mdia de experimentaes 20th Century Experiment do
modelo CCSM-3 para o perodo 1970-2000 .................................................................................. 87
Figura 8a Precipitao e temperatura da mdia de experimentaes Climate Change Commitment
do modelo CCSM-3 para o perodo 2040-2070 ............................................................................. 88
Figura 9a Precipitao e temperatura da mdia de experimentaes do cenrio B1 do modelo
CCSM-3 para o perodo 2040-2070............................................................................................... 89
Figura 10a Precipitao e temperatura da mdia de experimentaes do cenrio A1B do modelo
CCSM-3 para o perodo 2040-2070............................................................................................... 90
Figura 11a Precipitao e temperatura da mdia de experimentaes do cenrio A2 do modelo
CCSM-3 para o perodo 2040-2070............................................................................................... 91
Figura 12a Modelo de altitudes para o continente Europeu ......................................................... 92
Figura 13a Resultados de validao para modelo de regresso logstica ...................................... 92
Figura 14a Resultados de validao para modelo das redes neuronais artificiais ......................... 92

71

Quadro Ia Classes Corine Land Cover 2000 consideradas para incluso no modelo de zonas hmidas.
Cdigo Corine

Tipologia

2.1.2

reas permanentemente irrigadas

2.1.3

Campos de arroz

4.1.1

reas pantanosas interiores

4.2.1

Zonas hmidas de gua salgada

4.2.2

Salinas

4.2.3

reas intertidais

5.1.1

Cursos de gua

5.1.2

Grandes massas de gua interiores

5.2.1

Lagoas costeiras

5.2.2

Esturios

Quadro IIa Aptido das zonas hmidas a Anopheles atroparvus.

Tipologia

Classe de aptido

Grandes massas de gua interiores

Salinas

Esturios

Lagoas costeiras

Zonas hmidas de gua salgada

reas intertidais

reas permanentemente irrigadas

Rios e Ribeiras e outros cursos de gua

reas pantanosas interiores

Campos de arroz

72

Quadro IIIa Aptido de reas agrcolas existncia de animais.

Cdigo Corine

Tipologia

Classe de aptido

2.1.1

Agricultura de Sequeiro

2.1.2

Agricultura de Regadio

2.1.3

Arrozais

2.2.1

Vinha

2.2.2

Pomar

2.2.3

Olival

2.3.1

Pastagens

2.4.1

Culturas permanentes associadas com anuais

2.4.2

Agrcola com padro de cultura complexo

2.4.3

rea dominantemente agrcola

2.4.4

rea agro-florestal

reas no agrcolas

Quadro IVa Cdigo fonte da aplicao de clculo de valores de razo de desempenho por rea.

Linha
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

Cdigo
#-----------------------------------------------------------------------------#
# RAP Calculator 0.01alpha - For presence only validation
#
#
#
# Visual DialogScript code for version 5.02 or higher
#
#
#
# Author: Csar Capinha
#
# Author contacts: cesarcapinha@hotmail.com
#
#
www.capinha.weebly.com
#
#
#
# Copyright:Open Access for scientific or non commercial use #
# Last modified 27/08/2008
#
#Downloadable in: http://capinha.weebly.com/software.html
#
# ---- NO WARRANTY OF ANY KIND IS PROVIDED ---- #
#-----------------------------------------------------------------------------#
#
Title RAP Calculation 0.01alpha
Option decimalsep,"."
#
:buttonSTART10button
dialog create,RAP Calculation 0.01a - For presence only validation,-1,0,637,133
dialog add,GROUP,GROUP1,8,14,538,112,VALUES
dialog add,style,style1,Arial,10,B,,
dialog add,text,text1,28,95,,,0.1,,style1
dialog add,text,text2,56,19,,,Performance:
dialog add,text,text3,86,19,,,Area:
73

26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75

dialog add,text,text4,28,19,,,Threshold:,,style1
dialog add,text,text5,28,139,,,0.2,,style1
dialog add,text,text6,28,183,,,0.3,,style1
dialog add,text,text7,28,231,,,0.4,,style1
dialog add,text,text8,28,277,,,0.5,,style1
dialog add,text,text9,28,323,,,0.6,,style1
dialog add,text,text10,28,370,,,0.7,,style1
dialog add,text,text11,28,415,,,0.8,,style1
dialog add,text,text12,28,463,,,0.9,,style1
dialog add,text,text13,28,513,,,1,,style1
dialog add,EDIT,EDIT1,54,89,30,20,,,
dialog add,EDIT,EDIT2,86,89,30,20,,,
dialog add,EDIT,EDIT3,54,134,30,20,,,
dialog add,EDIT,EDIT4,86,134,30,20,,,
dialog add,EDIT,EDIT5,54,179,30,20,,,
dialog add,EDIT,EDIT6,86,179,30,20,,,
dialog add,EDIT,EDIT7,54,225,30,20,,,
dialog add,EDIT,EDIT8,86,225,30,20,,,
dialog add,EDIT,EDIT9,54,271,30,20,,,
dialog add,EDIT,EDIT10,86,271,30,20,,,
dialog add,EDIT,EDIT11,54,317,30,20,,,
dialog add,EDIT,EDIT12,86,317,30,20,,,
dialog add,EDIT,EDIT13,54,364,30,20,,,
dialog add,EDIT,EDIT14,86,364,30,20,,,
dialog add,EDIT,EDIT15,54,411,30,20,,,
dialog add,EDIT,EDIT16,86,411,30,20,,,
dialog add,EDIT,EDIT17,54,458,30,20,,,
dialog add,EDIT,EDIT18,86,458,30,20,,,
dialog add,EDIT,EDIT19,54,503,30,20,,,
dialog add,EDIT,EDIT20,86,504,30,20,,,
dialog add,button,button10load,32,565,64,20,Load
dialog add,button,button10save,56,565,64,20,Save
dialog add,button,button10compute,81,565,64,20,Compute
dialog add,button,button10exit,105,565,64,20,Exit
dialog add,button,button10help,8,565,64,20,Help
dialog SHOW
#
:Evloop10
wait event
goto @event()
#
:button10Helpbutton
Shell Open,Manual_RAP.pdf
Goto Evloop10
#
:button10loadbutton
%%Loaded_File = @filedlg(*.txt)
if @null(%%Loaded_File)
Info No file selected!
Goto EvLoop10
74

76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125

else
List create,1
List loadfile,1,%%Loaded_File
Dialog set,Edit1,@item(1,0)
Dialog set,Edit3,@item(1,1)
Dialog set,Edit5,@item(1,2)
Dialog set,Edit7,@item(1,3)
Dialog set,Edit9,@item(1,4)
Dialog set,Edit11,@item(1,5)
Dialog set,Edit13,@item(1,6)
Dialog set,Edit15,@item(1,7)
Dialog set,Edit17,@item(1,8)
Dialog set,Edit19,@item(1,9)
Dialog set,Edit2,@item(1,10)
Dialog set,Edit4,@item(1,11)
Dialog set,Edit6,@item(1,12)
Dialog set,Edit8,@item(1,13)
Dialog set,Edit10,@item(1,14)
Dialog set,Edit12,@item(1,15)
Dialog set,Edit14,@item(1,16)
Dialog set,Edit16,@item(1,17)
Dialog set,Edit18,@item(1,18)
Dialog set,Edit20,@item(1,19)
List close,1
Goto Evloop10
#
:button10savebutton
Gosub AssignVariables10
List create, 1
list add,1,%%P1
list add,1,%%P2
list add,1,%%P3
list add,1,%%P4
list add,1,%%P5
list add,1,%%P6
list add,1,%%P7
list add,1,%%P8
list add,1,%%P9
list add,1,%%P10
list add,1,%%A1
list add,1,%%A2
list add,1,%%A3
list add,1,%%A4
list add,1,%%A5
list add,1,%%A6
list add,1,%%A7
list add,1,%%A8
list add,1,%%A9
list add,1,%%A10
#
75

126
127
128
129
130
131
132
133
134
135
136
137

%A = @filedlg(,Guardar relatrio,*.txt,save)
If @Null(%A)
Warn File not saved!
Else
List savefile,1,%A
List close,1
End
Goto Evloop10
#
:button10COMPUTEbutton
Gosub AssignVariables10
List create,2

138

##Triangle calculations

139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173

## Based on coordinate formulas provided at

http://www.mathopenref.com/coordtrianglearea.html
## Last consulted on 26, August, 2008.
#Triangle 1
%%F1 = @Fmul(0,@Fsub(%%P1,%%A1))
%%F2 = @Fmul(0.1,@Fsub(%%A1,1))
%%F3 = @Fmul(0.1,@Fsub(1,%%P1))
%%FT1 = @Fabs(@Fdiv(@Fadd(%%F3,@Fadd(%%F2,%%F1)),2))
List add,2,%%FT1
#
#Triangle 2
%%F1 = @Fmul(0.1,@Fsub(%%P2,%%A1))
%%F2 = @Fmul(0.2,@Fsub(%%A1,%%P1))
%%F3 = @Fmul(0.1,@Fsub(%%P1,%%P2))
%%FT2 = @Fabs(@Fdiv(@Fadd(%%F3,@Fadd(%%F2,%%F1)),2))
List add,2,%%FT2
#
#Triangle 3
%%F1 = @Fmul(0.1,@Fsub(%%P2,%%A1))
%%F2 = @Fmul(0.2,@Fsub(%%A2,%%P2))
%%F3 = @Fmul(0.2,@Fsub(%%P2,%%P1))
%%FT3 = @Fabs(@Fdiv(@Fadd(%%F3,@Fadd(%%F2,%%F1)),2))
List add,2,%%FT3
#
#Triangle 4
%%F1 = @Fmul(0.2,@Fsub(%%P3,%%A2))
%%F2 = @Fmul(0.3,@Fsub(%%A2,%%P2))
%%F3 = @Fmul(0.2,@Fsub(%%P2,%%P3))
%%FT4 = @Fabs(@Fdiv(@Fadd(%%F3,@Fadd(%%F2,%%F1)),2))
List add,2,%%FT4
#
#Triangle 5
%%F1 = @Fmul(0.2,@Fsub(%%P3,%%A3))
%%F2 = @Fmul(0.3,@Fsub(%%A3,%%A2))
%%F3 = @Fmul(0.3,@Fsub(%%A2,%%P3))
%%FT5 = @Fabs(@Fdiv(@Fadd(%%F3,@Fadd(%%F2,%%F1)),2))
76

174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223

List add,2,%%FT5
#
#Triangle 6
%%F1 = @Fmul(0.3,@Fsub(%%P4,%%A3))
%%F2 = @Fmul(0.4,@Fsub(%%A3,%%P3))
%%F3 = @Fmul(0.3,@Fsub(%%P3,%%P4))
%%FT6 = @Fabs(@Fdiv(@Fadd(%%F3,@Fadd(%%F2,%%F1)),2))
List add,2,%%FT6
#
#Triangle 7
%%F1 = @Fmul(0.3,@Fsub(%%P4,%%A4))
%%F2 = @Fmul(0.4,@Fsub(%%A4,%%A3))
%%F3 = @Fmul(0.4,@Fsub(%%A3,%%P4))
%%FT7 = @Fabs(@Fdiv(@Fadd(%%F3,@Fadd(%%F2,%%F1)),2))
List add,2,%%FT7
#
#Triangle 8
%%F1 = @Fmul(0.4,@Fsub(%%P5,%%A4))
%%F2 = @Fmul(0.5,@Fsub(%%A4,%%P4))
%%F3 = @Fmul(0.4,@Fsub(%%P4,%%P5))
%%FT8 = @Fabs(@Fdiv(@Fadd(%%F3,@Fadd(%%F2,%%F1)),2))
List add,2,%%FT8
#
#Triangle 9
%%F1 = @Fmul(0.4,@Fsub(%%P5,%%A5))
%%F2 = @Fmul(0.5,@Fsub(%%A5,%%A4))
%%F3 = @Fmul(0.5,@Fsub(%%A4,%%P5))
%%FT9 = @Fabs(@Fdiv(@Fadd(%%F3,@Fadd(%%F2,%%F1)),2))
List add,2,%%FT9
#
#Triangle 10
%%F1 = @Fmul(0.5,@Fsub(%%P6,%%A5))
%%F2 = @Fmul(0.6,@Fsub(%%A5,%%P5))
%%F3 = @Fmul(0.5,@Fsub(%%P5,%%P6))
%%FT10 = @Fabs(@Fdiv(@Fadd(%%F3,@Fadd(%%F2,%%F1)),2))
List add,2,%%FT10
#
#Triangle 11
%%F1 = @Fmul(0.5,@Fsub(%%P6,%%A6))
%%F2 = @Fmul(0.6,@Fsub(%%A6,%%A5))
%%F3 = @Fmul(0.6,@Fsub(%%A5,%%P6))
%%FT11 = @Fabs(@Fdiv(@Fadd(%%F3,@Fadd(%%F2,%%F1)),2))
List add,2,%%FT11
#
#Triangle 12
%%F1 = @Fmul(0.6,@Fsub(%%P7,%%A6))
%%F2 = @Fmul(0.7,@Fsub(%%A6,%%P6))
%%F3 = @Fmul(0.6,@Fsub(%%P6,%%P7))
%%FT12 = @Fabs(@Fdiv(@Fadd(%%F3,@Fadd(%%F2,%%F1)),2))
List add,2,%%FT12
77

224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273

#
#Triangle 13
%%F1 = @Fmul(0.6,@Fsub(%%P7,%%A7))
%%F2 = @Fmul(0.7,@Fsub(%%A7,%%A6))
%%F3 = @Fmul(0.7,@Fsub(%%A6,%%P7))
%%FT13 = @Fabs(@Fdiv(@Fadd(%%F3,@Fadd(%%F2,%%F1)),2))
List add,2,%%FT13
#
#Triangle 14
%%F1 = @Fmul(0.7,@Fsub(%%P8,%%A7))
%%F2 = @Fmul(0.8,@Fsub(%%A7,%%P7))
%%F3 = @Fmul(0.7,@Fsub(%%P7,%%P8))
%%FT14 = @Fabs(@Fdiv(@Fadd(%%F3,@Fadd(%%F2,%%F1)),2))
List add,2,%%FT14
#
#Triangle 15
%%F1 = @Fmul(0.7,@Fsub(%%P8,%%A8))
%%F2 = @Fmul(0.8,@Fsub(%%A8,%%A7))
%%F3 = @Fmul(0.8,@Fsub(%%A7,%%P8))
%%FT15 = @Fabs(@Fdiv(@Fadd(%%F3,@Fadd(%%F2,%%F1)),2))
List add,2,%%FT15
#
#Triangle 16
%%F1 = @Fmul(0.8,@Fsub(%%P9,%%A8))
%%F2 = @Fmul(0.9,@Fsub(%%A8,%%P8))
%%F3 = @Fmul(0.8,@Fsub(%%P8,%%P9))
%%FT16 = @Fabs(@Fdiv(@Fadd(%%F3,@Fadd(%%F2,%%F1)),2))
List add,2,%%FT16
#
#Triangle 17
%%F1 = @Fmul(0.8,@Fsub(%%P9,%%A9))
%%F2 = @Fmul(0.9,@Fsub(%%A9,%%A8))
%%F3 = @Fmul(0.9,@Fsub(%%A8,%%P9))
%%FT17 = @Fabs(@Fdiv(@Fadd(%%F3,@Fadd(%%F2,%%F1)),2))
List add,2,%%FT17
#
If @Equal(%%P10,%%A10)
Goto Equal
Else
Goto Dif
#
:Equal
#Triangle 18
%%F1 = @Fmul(0.9,@Fsub(%%P10,%%A9))
%%F2 = @Fmul(1,@Fsub(%%A9,%%P9))
%%F3 = @Fmul(0.9,@Fsub(%%P9,%%A10))
%%FT18 = @Fabs(@Fdiv(@Fadd(%%F3,@Fadd(%%F2,%%F1)),2))
List add,2,%%FT18
%%Sum = %%FT1
%%Counter = 1
78

274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318

Repeat
%R = @item(2,%%Counter)
%%Sum = @fadd(%%Sum,%R)
%%Counter = @Succ(%%Counter)
Until @equal(18,%%Counter)
#
Gosub ThresholdLimits
Info Total RAP: %%Sum @cr()0.1 -> %%T1@cr()0.2 -> %%T2@cr()0.3 ->
%%T3@cr()0.4 -> %%T4@cr()0.5 -> %%T5@cr()0.6 -> %%T6@cr()0.7 ->
%%T7@cr()0.8 -> %%T8@cr()0.9 -> %%T9@cr()1 -> %%T10
List close,2
Goto Evloop10
#
:Dif
#Triangle 18
%%F1 = @Fmul(0.9,@Fsub(%%A10,%%A9))
%%F2 = @Fmul(1,@Fsub(%%A9,%%P9))
%%F3 = @Fmul(0.9,@Fsub(%%P9,%%A10))
%%FT18 = @Fabs(@Fdiv(@Fadd(%%F3,@Fadd(%%F2,%%F1)),2))
List add,2,%%FT18
#Triangle 19
%%F1 = @Fmul(0.9,@Fsub(%%P10,%%A10))
%%F2 = @Fmul(1,@Fsub(%%A10,%%P9))
%%F3 = @Fmul(1,@Fsub(%%P9,%%P10))
%%FT19 = @Fabs(@Fdiv(@Fadd(%%F3,@Fadd(%%F2,%%F1)),2))
List add,2,%%FT19
%%Sum = %%FT1
%%Counter = 1
#
Repeat
%R = @item(2,%%Counter)
%%Sum = @fadd(%%Sum,%R)
%%Counter = @Succ(%%Counter)
Until @equal(19,%%Counter)
#
Gosub ThresholdLimits
Info Total RAP: %%Sum @cr()@cr()Difference performance-area @cr()0.1 ->
%%T1@cr()0.2 -> %%T2@cr()0.3 -> %%T3@cr()0.4 -> %%T4@cr()0.5 ->
%%T5@cr()0.6 -> %%T6@cr()0.7 -> %%T7@cr()0.8 -> %%T8@cr()0.9 ->
%%T9@cr()1 -> %%T10
List close, 2
Goto evloop10
#
:close
:button10exitbutton
Exit
#
:ThresholdLimits
%%T1 = @Fsub(%%P1,%%A1)
%%T2 = @Fsub(%%P2,%%A2)
79

319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351

%%T3 = @Fsub(%%P3,%%A3)
%%T4 = @Fsub(%%P4,%%A4)
%%T5 = @Fsub(%%P5,%%A5)
%%T6 = @Fsub(%%P6,%%A6)
%%T7 = @Fsub(%%P7,%%A7)
%%T8 = @Fsub(%%P8,%%A8)
%%T9 = @Fsub(%%P9,%%A9)
%%T10 = @Fsub(%%P10,%%A10)
Exit
#
:AssignVariables10
#Value attribution
%%P1 = @dlgtext(EDIT1)
%%P2 = @dlgtext(EDIT3)
%%P3 = @dlgtext(EDIT5)
%%P4 = @dlgtext(EDIT7)
%%P5 = @dlgtext(EDIT9)
%%P6 = @dlgtext(EDIT11)
%%P7 = @dlgtext(EDIT13)
%%P8 = @dlgtext(EDIT15)
%%P9 = @dlgtext(EDIT17)
%%P10 = @dlgtext(EDIT19)
%%A1 = @dlgtext(EDIT2)
%%A2 = @dlgtext(EDIT4)
%%A3 = @dlgtext(EDIT6)
%%A4 = @dlgtext(EDIT8)
%%A5 = @dlgtext(EDIT10)
%%A6 = @dlgtext(EDIT12)
%%A7 = @dlgtext(EDIT14)
%%A8 = @dlgtext(EDIT16)
%%A9 = @dlgtext(EDIT18)
%%A10 = @dlgtext(EDIT20)
Exit

80

Figura 1a Temperatura mdia do trimestre mais quente em Portugal Continental para o perodo 1950-2000
(Fonte: Projecto WorldClim)

81

Figura 2a Temperatura mdia do trimestre mais frio em Portugal Continental para o perodo 1950-2000
(Fonte: Projecto WorldClim)

82

Figura 3a Precipitao anual mdia em Portugal Continental para o perodo 1950-2000 (Fonte: Projecto
WorldClim)

83

Figura 4a ndice de disponibilidade e adequabilidade de zonas hmidas

84

Figura 5a ndice de disponibilidade e adequabilidade de uso de solo agrcola

85

Figura 6a - Zonas de malria em Portugal na primeira metade do sc. XX (adaptado de Cambournac, 1942)

86

Figura 7a Precipitao e temperatura da mdia de experimentaes 20th Century Experiment do modelo

CCSM-3 para o perodo 1970-2000

87

Figura 8a Precipitao e temperatura da mdia de experimentaes Climate Change Commitment do

modelo CCSM-3 para o perodo 2040-2070

88

Figura 9a Precipitao e temperatura da mdia de experimentaes do cenrio B1 do modelo CCSM-3 para

o perodo 2040-2070

89

Figura 10a Precipitao e temperatura da mdia de experimentaes do cenrio A1B do modelo CCSM-3
para o perodo 2040-2070

90

Figura 11a Precipitao e temperatura da mdia de experimentaes do cenrio A2 do modelo CCSM-3

para o perodo 2040-2070

91

Figura 12a Modelo de altitudes para o continente Europeu

Figura 13a Resultados de validao para modelo de regresso logstica

Figura 14a Resultados de validao para modelo das redes neuronais artificiais

92