O objetivo deste trabalho é avaliar o desempenho de 4 modelos utilizando
diferentes conjuntos de variáveis ambientais, variando em complexidade,
na tentativa de prever a distribuição geográfi ca de Amaioua guianensis
Aubl. no Estado de Minas Gerais. Os pontos de ocorrência da espécie foram
recuperados no banco de dados TreeAtlan 1.0 para o Estado de Minas Gerais.
As bases ambientais utilizadas para o trabalho compreendem coberturas
climáticas relacionadas com temperatura e precipitação, dados relativos ao
relevo, distância do oceano, Ãndices de vegetação do sensor MODIS, tipo de
solo e litologia. Para a modelagem de distribuição da espécie foi utilizado o
algoritmo de Máxima Entropia (Maxent). Quatro alternativas de conjuntos
de variáveis, foram gerados: com toda a base de dados, só com as variáveis
bioclimáticas, com as variáveis selecionadas por meio da CCA e com as
variáveis selecionadas por meio de uma análise prévia do teste Jackknife para
todas as variáveis. A análise do desempenho dos modelos foi feita utilizado
a área sob a curva ROC e taxas de omissão extrÃnsecas. As simulações
demonstram que a seleção de variáveis ambientais mais relevantes para uma
determinada espécie produz modelos mais acurados.
The objective of this work is to evaluate the performance of 4 models
using different environmental datasets in an attempt to predict the
geographic distribution of Amaioua guianensis Aubl. in the State of Minas Gerais. The specie occurrence points was recovered from the TreeAtlan
1.0 database for Minas Gerais. The environmental datasets used for the
work involved climatic coverings related to temperature and precipitation,
elevation, distance from the ocean, MODIS vegetation indices, soil
classes and litology. The Maximum Entropy method (Maxent) was used
for modeling specie distribution. Four alternative environmental datasets
was input to Maxent: (a) all variables, bioclimatic variables, variables
selected by CCA and variables selected using the Jackknife test applied to
all variables. The performance of the models was analyzed using the area
under ROC curve and extrinsic omission rates. The simulations show that
the selection of environmental variable produced the most accurate results.
