Lacunas no conhecimento sobre espécies arbóreas da Mata Atlântica

Abstract

Resumo: Os aspectos de informações sobre biodiversidade podem ser afetados pela existência de lacunas de conhecimento quando estas são ignoradas. Sabendo que esses vieses são ainda mais intensos nos trópicos, onde há grande variedade de vida, a Mata Atlântica, hotspot de biodiversidade que vem sendo devastado continuadamente, necessita de ações urgentes para a conservações de suas espécies. Neste trabalho analisamos os dados primários de biodiversidade das espécies arbóreas da Mata Atlântica ameaçadas de extinção encontrados em quatro bancos de dado virtuais: GBIF, SpeciesLink, NeotropicTree e JABOT, afim de identificar os fatores que influenciam na presença de lacunas de conhecimento sobre esses dados de biodiversidade, além de apontar alguns aspectos que interferem na ocorrência e densidade dos mesmos. Para explorar o padrão de riqueza potencial das espécies ameaçadas da Mata Atlântica, realizamos a modelagem de nicho e a sobreposição dos modelos binarizados. Observamos a grande influência de vieses taxonômicos e de coleta sobre a qualidade dos dados primários obtidos, além do viés ambiental, que influenciou no padrão de riqueza.

Abstract: Information aspects of biodiversity can be affected by the existence of knowledge gaps when these are ignored. Knowing that these biases are even more intense in the tropics, where there is a great variety of life, the Atlantic Forest, a biodiversity hotspot that has been continuously devastated, needs urgent actions for the conservation of its species. In this work we analyze the primary biodiversity data of endangered Atlantic Forest tree species found in four virtual databases: GBIF, SpeciesLink, NeotropicTree and JABOT, in order to identify the factors that influence the presence of knowledge gaps about these biodiversity data, in addition to pointing out some aspects that interfere in their occurrence and density. To explore the pattern of potential richness of endangered Atlantic Forest species, we performed niche modeling and overlapping binarized models. We observed the great influence of taxonomic and collection biases on the quality of the primary data obtained, in addition to the environmental bias, which influenced the pattern of richness.