Ecologia de paisagem do Estado do Espírito Santo (Sudeste do Brasil) : testes com a distribuição do Chauá (Amazona Rhodocorytha)

Abstract

Resumo: Mosaicos compostos por ambientes alterados e naturais contribuem com distintos graus de importância para diferentes organismos. A importância dos ambientes alterados (matriz) vem sendo negligenciada, devido, em parte, a sempre terem sido considerados homogêneos e inóspitos pelas teorias de biogeografia de ilhas e de metapopulação. Apenas recentemente a matriz passou a ser estudada e a demonstrar sua importância na distribuição e abundância das espécies. A fim de verificar quais e como os diferentes tipos de uso do solo (13 covariáveis) estão relacionados com a ocorrência do chauá (Amazona rhodocorytha) no estado do Espírito Santo e como a escala em que foi conduzida a análise influencia os resultados foram produzidos modelos do processo Poisson não homogêneo, com intensidade do padrão pontual de ocorrência da espécie sendo uma função log-linear das covariáveis significantes, em quatro escalas de análise (unidades amostrais com 25, 100, 225 e 400 km2). Os modelos com melhor ajuste foram obtidos através do método Backward Stepwise Regression, utilizando o critério AIC. Cinco tipos de uso do solo permaneceram significantes em todas as escalas de análise: Afloramento/Solo Exposto, Floresta Natural Primária ou Secundária Avançada ou Média, Pastagem, Rios e Vegetação Natural Secundária. Outros quatro tipos de uso do solo foram significantes em apenas algumas das escalas: Áreas Urbanas, Agricultura, Plantio de Eucalipto em Crescimento e Manguezais. Ficou demonstrado que a matriz possui relação com a distribuição do chauá e que a escala de analise influi no efeito e significância estatística das covariáveis. Tipos de uso do solo diferentes apresentaram resultados mais próximos ao esperado em escalas distintas, reforçando a importância de abordagens em múltiplas escalas ao analisar variáveis espaciais. Dois parâmetros foram usados para identificar a escala ideal de análise: distribuição mais uniforme do valor da variável dentro de sua variabilidade e maior amplitude total de seus valores.

Abstract: Mosaics composed of natural and altered environments contribute with different degrees of importance for different organisms. The importance of altered environments (matrix) has been neglected due to, in part, it always been considered homogeneous and inhospitable by the theories of island biogeography and metapopulation. Only recently the matrix has been studied and demonstrates its importance for the distribution and abundance of species. In order to determine which and how different types of land use (13 covariates) are related to the occurrence of Red-browed Amazon (Amazona rhodocorytha) in the Espírito Santo State and how the scale at which the analysis was conducted influences the results were produced models of the inhomogeneous Poisson process, with the intensity of the point pattern of occurrence of the species being a log-linear function of the significant covariates in four scales of analysis (sampling units with 25, 100, 225 and 400 km2). The models with best fit were obtained through Backward Stepwise Regression method, using AIC criterion. Five types of land use remained significant on all scales of analysis: Outcrop/Bare Soil, Primary or Secondary Advanced or Medium Natural Forest, Pasture, Rivers and Secondary Natural Vegetation. Four other types of land use were significant in only some of the scales: Urban Areas, Agriculture, Growing Eucalyptus and Mangroves. It was demonstrated that the matrix has relation with the distribution of Red-browed Amazon and the scale of analysis influences the effect and statistical significance of the covariates. Different types of land use showed results closer to the expected in different scales, reinforcing the importance of multi-scale approaches to analyze spatial variables. Two parameters were used to identify the best scale of analysis: more uniform distribution of the variable values within its full range and greater variability of variable values.