A modelagem de nicho ecológico de uma espécie é útil para a compreensão da relação espécie-ambiente, para a previsão do comportamento frente às alterações climáticas e para a indicação correta em reflorestamentos e estabelecimento de plantações. O objetivo foi modelar a distribuição de quatro espécies arbóreas amplamente utilizadas em projetos de reflorestamento no estado de Minas Gerais (Casearia sylvestris, Copaifera langsdorffii, Croton floribundus e Tapirira guianensis). Como complemento, o objetivo foi analisar a relação entre as características ambientais e a ocorrência de espécies e testar o desempenho das técnicas random forest e redes neurais artificiais como métodos de modelagem. Estes métodos foram avaliados pelas métricas de acurácia global, sensibilidade, especificidade, kappa, true skill statistic e área sob a curva. Verificou-se que as espécies Casearia sylvestris, Copaifera langsdorffii e Tapirira guianensis apresentaram ampla área de ocorrência no estado Minas Gerais, cobrindo ampla gama de variáveis ambientais. Já Croton floribundus demonstrou ocorrência restrita do sul do estado, mostrando estreita variação ambiental. Os resultados dos algoritmos demonstraram maior desempenho na modelagem de espécies geograficamente e ambientalmente restritas, bem como espécies com alta prevalência em dados de ocorrência. O algoritmo random forest alcançou melhor desempenho na modelagem da distribuição de todas as espécies, embora os resultados variem para cada métrica e espécie. Os mapas gerados possuem métricas aceitáveis e são apoiadas por informações ecológicas obtidas em outras fontes, constituindo uma ferramenta útil no entendimento de sua ecologia e biogeografia.
Modeling of the ecological niche of vegetal species is useful for understanding the species-environment relationship, for prediction of responses to climate changes and for correct reforestation programs and establishment of plantation’s recommendation. The objective of this work was to establish a model for the distribution of four tree species (Casearia sylvestris, Copaifera langsdorffii, Croton floribundus and Tapirira guianensis), widely used in reforestation projects in the state of Minas Gerais, Brazil. In addition, we analyzed the relationship between environmental characteristics and the occurrence of species and tested the performance of Random Forest and Artificial Neural Networks as modeling methods. These methods were evaluated by their overall accuracy, sensitivity, specificity, Kappa, true skill statistic and the area under the receiver operating curve. The results showed the species Casearia sylvestris, Copaifera langsdorffii and Tapirira guianensis widely occurring in the state of Minas Gerais, including a broad range of environmental variables. Croton floribundus had restricted occurrence in the southern state, showing narrow environmental variation. The resulting algorithms demonstrated greater performance when modeling restricted geographic and environmental species, as well as species occurring with high prevalence in data. The algorithm Random Forest performed better for distribution modeling of all species, although the results varied for each metric and species. The maps generated had acceptable metrics and are supported by and ecological information obtained from other sources, constituting a useful tool to understand the ecology and biogeography of the target species.
