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

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

O Cerrado brasileiro é considerado um bioma de grande biodiversidade, no entanto, informações detalhadas sobre a diversidade e distribuição das espécies ainda é insuficiente para testar hipóteses ecológicas e para propostas de conservação biológica. Dentre as plantas do cerrado com amplo potencial de exploração, destaca-se Dipteryx alata Vogel, (vulgarmente conhecida como Barueiro). O objetivo deste trabalho foi predizer a distribuição geográfica potencial de D. alata no Cerrado brasileiro, utilizando cinco diferentes técnicas de modelagem de nicho. Essas técnicas usualmente apresentam distintos resultados, dificultando a escolha de um modelo. Para corrigir essa incerteza, usamos a estratégia de combinar os modelos gerados (ensamble forecasting) para predizer a distribuição espacial potencial do Baru. Foi acumulado um total de 448 pontos de ocorrência para as espécies e modeladas, usando sete variáveis climáticas. Foram utilizadas cinco diferentes técnicas de modelagem de nicho usando-se dados de presença (GARP, Maxent, BIOCLIM, distância de Mahalanobis e Distância Euclidiana) e a performance dos modelos foi comparada usando-se a curva ROC (Receiver Operating Characteristics) e AUC (Area Under the Curve). Todos os modelos apresentaram valores de AUC superiores a 0,68, além disso, o GARP apresentou maior valor de AUC enquanto que a distância Euclidiana apresentou menor valor. A combinação dos cinco modelos sugere que as regiões de elevada adequabilidade de hábitat para essa espécie encontram-se na região centro-oeste do bioma Cerrado. Por fim, o presente estudo demonstrou que a modelagem da distribuição geográfica da espécie, usando-se a "combinação de modelos" é uma importante ferramenta computacional para auxiliar nas estratégias de amostragem das espécies e ainda identificar áreas prioritárias para conservação. Para o Barueiro, são recomendáveis ações prioritárias para conservação na região central do Bioma cerrado (i.e. vale do Araguaia).

The Brazilian Cerrado is a biome of great biodiversity, but detailed information about the diversity and distribution of species in this region is still insufficient for both testing ecological hypotheses and for conservation purposes. Among native plants in the Cerrado, Dipteryx alata Vogel (commonly known as the "Baru" tree), has a high potential for exploitation. The aims of this paper were to predict the potential spatial distribution of D. alata in the Brazilian Cerrado utilising five different niche modelling techniques. These techniques usually provide distinct results, so it may be difficult to choose amongst them. To adjust for this uncertainty, we employ an ensemble forecasting approach to predict the spatial distribution of the Baru tree. We accumulated a total of 448 occurrence points and modelled the subsequent predicted occurrences using seven climatic variables. Five different presence-only ecological niche modelling techniques (GARP, Maxent, BIOCLIM, Mahalanobis Distance and Euclidean Distance) were used and the performance of these models was compared using Receiver Operating Characteristics (ROC) and the Area Under the Curve (AUC). All models presented AUC values higher than 0.68, and GARP presented the highest AUC value, whereas Euclidean Distance presented the lowest. The ensemble forecasting approach suggested a high suitability for the occurrence of the Baru tree in the Central-Western region of the Brazilian Cerrado. Our study demonstrated that modelling species distribution using ensemble forecasting can be an important computational tool for better establishing sampling strategies and for improving our biodiversity knowledge to better identify priority areas for conservation. For the Baru tree, we recommend priority actions for conservation in the central region of the Cerrado Biome.

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

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

Autocorrelação espacial é definida como a falta de independência entre pares de observações a uma dada distância geográfica e é um fenômeno muito freqüente em dados ecológicos. É importante levar em consideração os efeitos de autocorrelação espacial em ecologia geográfica, tanto para realizar uma descrição mais detalhada dos dados quanto para corrigir estimativas enviesadas do erro Tipo I das análises estatísticas convencionais. Entretanto, para resolver efetivamente esses problemas, é preciso avaliar a melhor forma de incorporar estruturas espaciais nos modelos. Neste estudo, modelos autoregressivos, baseados em diferentes tipos de conexões e distâncias entre 181 células de uma rede cobrindo a região do Cerrado brasileiro, foram ajustados para avaliar a variação espacial de riqueza de mamíferos e aves dentro do bioma. A estrutura espacial foi ligeiramente mais forte para aves do que para mamíferos, com valores de R² variando entre 0,77 e 0,94 para mamíferos e 0,77 e 0,97 para aves, em modelos baseados em diferentes formas de conexão espacial. Segundo o Critério de Informação Akaike (AIC), o modelo autoregressivo melhor ajustado foi obtido através da conexão "em torre". Em geral, esses resultados fornecem diretrizes para futuras modelagens dos padrões de riqueza de espécies que estão associados a preditores ambientais e/ou a variáveis que expressam a ocupação humana no Cerrado.

Spatial autocorrelation is the lack of independence between pairs of observations at given distances within a geographical space, a phenomenon commonly found in ecological data. Taking into account spatial autocorrelation when evaluating problems in geographical ecology, including gradients in species richness, is important to describe both the spatial structure in data and to correct the bias in Type I errors of standard statistical analyses. However, to effectively solve these problems it is necessary to establish the best way to incorporate the spatial structure to be used in the models. In this paper, we applied autoregressive models based on different types of connections and distances between 181 cells covering the Cerrado region of Central Brazil to study the spatial variation in mammal and bird species richness across the biome. Spatial structure was stronger for birds than for mammals, with R² values ranging from 0.77 to 0.94 for mammals and from 0.77 to 0.97 for birds, for models based on different definitions of spatial structures. According to the Akaike Information Criterion (AIC), the best autoregressive model was obtained by using the rook connection. In general, these results furnish guidelines for future modelling of species richness patterns in relation to environmental predictors and other variables expressing human occupation in the biome.