Professional Documents
Culture Documents
Goinia/GO
Fevereiro de 2013
Goinia/GO
Fevereiro de 2013
L732m
Agradecimentos
Esta parte da tese muito prazerosa, quem sabe uma das mais importantes, embora
no seja a mais fcil de produzir. fazendo os agradecimentos que relembramos dos
amigos, familiares, do apoio que recebemos, dos desafios que nos foram impostos (alguns
superados) e de cada acontecimento. prazerosa porque nesse momento que descobrimos
quantas pessoas nos apoiaram, nos rodearam, nos quiseram bem e nos ensinaram (s vezes
batendo, s vezes adulando, s vezes aconselhando, incentivando ou perguntando). Pessoas
estas que ainda esto aqui, ao nosso lado, ou que j no podemos mais encontrar; exceto
quando resgatamos as lembranas! importante porque aqui que revelamos nossa gratido.
Seria assombroso se, ao final, no conseguisse uma nica lembrana. Mas, pelo menos para
mim, to prazeroso e importante quanto o contedo cientfico propriamente dito, pois
felizmente no me incluo nessa condio infeliz. Mas difcil. Tenho receio de no conseguir
lembrar de todos. Os que no esto aqui, por favor, me desculpem, mas me deixem realizar o
desejo de agradec-los.
Inicialmente, agradeo ao Prof. Jos Alexandre pela oportunidade de ter sido seu
aluno e por tudo que decorreu disso. Sou imensamente grato pela amizade que fizemos nesse
perodo!
Agradeo a Luis Mauricio Bini, Joaquin Hortal, David Nogus-Bravo e Sara Varela
pelas discusses sobre modelos demogrficos e de nicho aplicados Paleoecologia como
ferramentas para analisar as causas das extines da megafauna. O desenvolvimento
intelectual desta tese e tambm de outros estudos avanou muito pela nossa proximidade.
Ao Fernando A. S. Fernandez, tambm sou grato por tudo isso, pelas sbias
convices sobre o que causou a extino da megafauna e por nossas longas discusses sobre
o assunto que tornaram o tema da minha tese ainda mais interessante. Valorizo muito a
amizade que fizemos, de certa forma, em decorrncia deste ofcio.
Agradeo a Miguel Arajo, Bernardo Araujo, Luis Mauricio Bini, Daniel Brito,
Marcus Cianciaruso, Rosane Collevatti, Ricardo Dobrovolski, Frederico Valtuille Faleiro,
Fernando Fernandez, Mauro Galetti, Sidney Gouveia, Joaquin Hortal, Rafael Loyola, Paulo
De Marco Jr, Natlia Mundim, Joo Carlos Nabout, David Nogus-Bravo, Guilherme de
Oliveira, Townsend Peterson, Thiago Rangel, Thiago Santos, Daniel Paiva Silva, Vanessa
Staggmeier, Levi Carina Terribile, Sara Varela, Bruno Vilela e Fabricio Villalobos pelas
numerosas colaboraes e discusses sobre distribuio geogrfica, modelagem de nicho e
Gostaria tambm de agradecer uma pessoa que j no est mais entre ns, mas que
sempre esteve interessada nas nossas discusses sobre a extino da megafauna, me ajudou na
coleta de dados (o banco de dados EcoClimate, por exemplo, comeou com seu trabalho),
apoiou meus interesses e principalmente por ter me dado a honra de aprender como nunca
desistir da vida. Mariana Rocha, in memoriam ...
Finalmente, agradeo Universidade Federal de Gois, campus Jata, pela licena para
cursar ps-graduao e Fundao de Amparo Pesquisa do Estado de Gois (FAPEG) pela
concesso da bolsa de doutorado (Chamada Pblica no. 09/2009).
Edgar Morin
SUMRIO
ix
01
06
14
54
67
90
126
144
149
165
Resumo
Apresentao
Captulo
1
MODELOS
EM
ECOLOGIA
E
PALEOECOLOGIA
Captulo
2
MODELANDO
O
NICHO
ECOLGICO
E
A
DISTRIBUIO
GEOGRFICA
DAS
ESPCIES
Captulo
3
DADOS
NECESSRIOS
PARA
MODELAR
O
NICHO
E
A
DISTRIBUIO
GEOGRFICA
DAS
ESPCIES
NO
PASSADO
Captulo
4
MODELOS
DE
NICHO,
MUDANAS
CLIMTICAS
E
AS
EXTINES
DA
MEGAFAUNA
Captulo
5
COLONIZAO
HUMANA,
SOBREMATANA
E
AS
EXTINES
DA
MEGAFAUNA:
UM
MODELO
DEMOGRFICO
SIMPLES
DE
INTERAO
PREDADOR-PRESA
Captulo
6
EXTINO
DA
MEGAFAUNA
NA
AMRICA
DO
SUL:
COMBINANDO
OS
EFEITOS
DA
SOBREMATANA
E
DAS
MUDANAS
CLIMTICAS
Captulo
7
CONCLUSES
REFERNCIAS
BIBLIOGRFICAS
APNDICES
ix
Resumo
(principalmente caa) so tidos como uma das principais causas. Alm do Homem, o clima
10
11
tardio. O nosso objetivo analisar a importncia de cada uma dessas causas (homem e clima)
12
13
antrpicos usando mtodos analticos quantitativos. Para isso, usamos dois modelos para
14
estimar o efeito de cada uma dessas causas: modelo de nicho ecolgico (ENMs) e modelo
15
16
mudana de rea de distribuio geogrfica entre o ltimo mximo glacial [~21.000 anos] e o
17
Holoceno mdio [~6.000 anos]. O efeito humano foi avaliado pelo tempo necessrio de
18
interao para que as presas (no caso, as espcies da megafauna) sejam extintas.
19
20
21
22
parmetros, como uma anlise de sensibilidade, uma vez que existem diferentes estimativas e
23
incertezas para cada parmetro utilizado. Como esperado, o tempo para extino foi pequeno
24
(menor que 1.000 anos) apenas quando a populao humana tem altas taxas de crescimento
25
populacional, baixa mortalidade por dficit nutricional, elevado consumo de carne, bem como
26
elevada capacidade de suporte para humanos e baixa para presas. Isso indica que a hiptese de
27
28
29
Alm disso, essas anlises de sensibilidade tambm indicam que o modelo demogrfico
30
simples foi apto para capturar o efeito da caa humana sobre as populaes da megafauna, a
31
32
33
parcial, em que a mudana de rea (ENMs) e o tempo para extino (modelo demogrfico)
34
foram usados como preditores da data de extino das espcies da megafauna. Os efeitos
individual da caa humana explica uma proporo maior (38%) que o clima apenas (7,4%).
Apesar das incertezas relacionadas a ambos os modelos, foi possvel estimar a magnitude
relativa de cada efeito, mostrando que tanto o clima quanto os humanos podem ter afetado a
corroboram outros estudos recentes, os quais concluem que a sinergia entre Homem e clima
9
10
11
12
Palavras-chave:
extines
do
Quaternrio
tardio,
glaciao,
caa
humana,
sobrematana,
modelos
de
nicho
ecolgico,
modelos
demogrficos,
interao
predador-presa.
Apresentao
recentes que aplicaram testes quantitativos (veja Prescott et al. 2012, por exemplo) tem
demonstrado maior poder de sntese e argumentos mais convincentes sobre o papel de cada
fator estressante independente das convices e crenas individuais de cada pesquisador em
relao a essas e outras causas das extines. Particularmente, ns desenvolvemos aqui uma
estrutura analtica para estimar e desdobrar a magnitude relativa dos impactos climticos e
antrpicos (caa) sobre a megafauna extinta. Essa abordagem, que integra Ecologia e
Paleoecologia, permite avanos tericos importantes em funo do discernimento dos efeitos
aditivos e individuais resultantes de interaes biticas e abiticas ao longo da histria
ecolgica da Terra. Embora os exemplos da tese sejam restritos aos dados empricos sulamericanos, o arcabouo terico perfeitamente aplicvel a qualquer conjunto de dados, o
que refora a aplicao da nossa proposta e a amplitude da abordagem quantitativa.
Os captulos da tese, entretanto, dependem de pressupostos, alguns deles testados e
publicados separadamente, de modo que o livro no o nico produto do nosso trabalho nos
ltimos quatro anos. O modelo demogrfico desenvolvido no captulo 5 e ampliado no
captulo 6, por exemplo, depende da confirmao de coexistncia entre os primeiros humanos
a chegarem na Amrica do Sul no final do Pleistoceno/incio do Holoceno e a megafauna
extinta nesse mesmo perodo. Ou seja, no faz sentido utilizar um modelo baseado na
interao predador-presa se os predadores e as presas no coexistiram em um mesmo local e
perodo. Para avaliar esse pressuposto, ns realizamos uma meta-anlise do conjunto de datas
radiocarbnicas disponveis para a chegada dos humanos (first appearance date) e a
extino
da
megafauna
(last
appearance
date)
em
todos
os
stios
e do Tigre-Dentes-de-Sabre (Smilodon
populator), tendo sido publicados ou enviados para publicao (Lima-Ribeiro & Diniz-Filho
2012, Lima-Ribeiro et al. 2012b, Lima-Ribeiro et al. em reviso (b)). Para operacionalizar os
ENMs, ns montamos um banco de dados com informaes georeferenciadas das evidncias
fsseis da megafauna extinta na Amrica do Sul e de simulaes paleoclimticas (a partir dos
projetos Coupled Model Intercomparison Project Phase 5 CMIP5 e Paleoclimate Modelling
Intercomparison Project Phase III PMIP3), os quais sero disponibilizados on line com
acesso livre.
Embora nossos resultados e abordagens tenham contribudo para o entendimento das
extines pleistocnicas, ainda pensamos que o enigma em torno das principais causas no
est resolvido, tampouco sabemos quais as consequncias do efeito sinrgico e aditivo entre
clima e Homem na biodiversidade em geral. No entanto, creio que conseguimos nos inserir
aqui, conforme a tendncia recente de se utilizar uma abordagem quantitativa para analisar as
causas dessas extines. Alm disso, essa linha de pesquisa nos proporciona desenvolver
projetos integrados, tais como analisar as consequncias das extines, e aplicar esse
conhecimento a partir dos fsseis para o planejamento mais eficiente da conservao das
espcies existentes por um perodo mais longo no futuro.
Captulo 1
3
4
5
6
7
8
9
10
11
Humans are only able to perceive a short length of time due to our limited
sensual and cognitive capacities as a result of biological evolution. A
manifestation of this is our logarithmic perception of time that make past
phenomena appear relatively closer the more distant in time they are, until the
point that all of them are grouped into a single category called the past.
- Valent Rull -
12
13
14
integrao
15
16
17
18
relao aos mais diversos aspectos das teorias ecolgicas (Rull 2010). A Ecologia, por outro
19
lado, tem objetivos semelhantes, mas com maior foco apenas nos ambientes recentes,
20
21
ambientes.
de
conhecimentos
provenientes
da
Ecologia,
Biogeografia,
Evoluo,
22
23
24
registro fssil providencia dados inditos que refletem a origem e o funcionamento em longo
25
prazo de muitos processos e padres ecolgicos (Lyman 2006). Dessa forma, uma perspectiva
26
histrica (paleoecolgica) importante para a Ecologia sob vrios aspectos tericos, uma vez
27
28
durante longos intervalos de tempo, algo de difcil acesso ou imperceptvel a partir de dados
10
mais eficientes (Davis 1994, Anderson et al. 2006), ou pelo menos possibilitam testar seus
11
parmetros empiricamente (Lyman 2006). Tais modelos, por sua vez, podero vir a ser
12
utilizados para propor planos mais adequados e eficientes para a conservao da diversidade
13
biolgica sob mudanas climticas futuras (Hadly & Barnosky 2009, Davies & Bunting
14
2010).
15
16
glaciaes ao longo do Pleistoceno, bem como os processos que os geraram (Svenning et al.
17
2011), um desafio primordial que pode permitir prever e reverter a atual crise da
18
19
20
experimentos reais para uma dada questo de interesse e, portanto, o entendimento das
21
associaes e dinmicas biticas e abiticas a partir do registro fssil possibilita uma melhor
22
23
24
25
longo do tempo, nem ocorrem uniformemente nos diferentes ambientes e para os diferentes
txons (Simes & Holz 2004). As lacunas no registro fssil oferecem dificuldades para as
& Delcourt 1991). Nesse sentido, os modelos ecolgicos passam a ser ferramentas teis e
poderosas para complementar a informao a partir dos dados fsseis e analisar os processos
10
11
12
13
sobre o padro ou processo analisado em diferentes escalas espaciais e temporais e para vrios
14
15
exemplo, um evento debatido h pelo menos um sculo (Grayson 1984), mas suas causas
16
17
causas potenciais sobre o processo de extino. Nesse caso, as anlises tradicionais descritivas
18
do registro fssil e arqueolgico, feitas para grupos taxonmicos pequenos e/ou stios isolados
19
20
integrada a dinmica de extino. Embora as extines locais sejam importantes e suas causas
21
22
23
24
25
Lorenzen et al. 2011, Prescott et al. 2012). preciso notar, portanto, que os interesses da
cujo principal objetivo utilizar uma abordagem paleoecolgica integrada e quantitativa para
especificamente, a estrutura terica construda a seguir tem por objetivo estimar a magnitude
Sul. Para isso, so revisadas e discutidas questes tericas importantes sobre modelos
10
preditivos do nicho ecolgico e da distribuio geogrfica das espcies (Cap. 2), os principais
11
12
demonstrao de como esses modelos de nicho ecolgico, integrados aos dados fsseis e
13
14
espcies extintas e analisar os efeitos das mudanas climticas sobre seu risco de extino
15
16
interao predador-presa para estimar o efeito da caa humana sobre as espcies extintas da
17
18
relativo dos impactos climticos e da caa humana sobre o conjunto de espcie extintas da
19
20
21
22
23
10
QUADRO TERICO
MODELO DEMOGRFICO
ACOPLADO
BASES
TERICAS
sp.1
rea
predita - ENM
sp.1
sp.2
sp.2
sp.n
sp.n
RISCO
DE
EXTINO
presa
BANCO DE
DADOS
Holoceno
mdio
UMG
predador
tempo
EFEITO CLIMTICO
reduo de rea
variveis
oH
um
tico
an
ito
Efe
m
Cli
QUANTIFICANDO EFEITOS
Clima vs. Homem
EFEITO HUMANO
eit
espcies
Data de
Extino
Ef
MODELO DEMOGRFICO
INDEPENDENTE
N
rea fixa
presa
predador
tempo
1
2
3
4
5
6
7
8
9
10
11
Figura 1.1. Quadro conceitual apresentando a abordagem quantitativa para analisar as causas da extino da
megafauna no final do Pleistoceno. A abordagem dividida em duas etapas: 1) parte superior, o risco de
extino avaliado para cada espcie considerando os efeitos aditivos entre clima e a caa humana a partir dos
modelos de nicho ecolgico ( direita caps. 2-4) e modelos demogrficos ( esquerda cap. 5),
respectivamente; 2) os impactos climticos e antrpicos so avaliados para o conjunto total de espcies da
megafauna de modo que seus efeitos sejam quantificados no todo e individualmente a partir da partio de
varincias em uma regresso parcial.
12
13
14
extines durante o Quaternrio Tardio (i.e., ltimos 50.000 anos) se diferenciam devido ao
15
16
17
Amrica do Sul, por exemplo, o continente com o maior ndice de extino desses grandes
18
animais. Cerca de 83% (~50 gneros) da megafauna sul americana foi extinta durante o
11
Quaternrio tardio, contra apenas 10% na frica. Alm disso, muitos txons inteiros da
Historicamente, a partir do incio dos anos 1970, o debate entre os pesquisadores tem
sido polarizado em torno de duas causas principais: o efeito das mudanas climticas durante
o ltimo ciclo glacial e os impactos causados pela colonizao da espcie humana (mas veja
Koch & Barnosky 2006 para uma completa reviso sobre outras hipteses). Obviamente, as
duas hipteses no so mutuamente exclusivas e, de fato, a maior parte dos estudos mais
recentes, ao invs de simplesmente escolher entre as duas alternativas (como tem sido feito
10
historicamente, e.g. Martin 1967, 1973), tenta avaliar a magnitude relativa desses efeitos em
11
diferentes regies geogrficas ao longo dos ltimos 50.000 anos atrs (Ugan & Byers 2008,
12
Nogus-Bravo et al. 2008, Barnosky & Lindsey 2010, Lorenzen et al. 2011, Prescott et al.
13
14
15
16
17
assim, h srios problemas de amostragem e vieses nas dataes ver Steadman et al. 2005,
18
mas veja tambm Borrero 2008). Apesar de ser um aspecto fundamental na avaliao das
19
20
21
22
geogrfico explicito ver Lyman 2012), vieses e problemas nas dataes (e.g., Borrero 2008)
23
e falta de modelos tericos e metodologias estatsticas robustas para anlise das extines
24
(Lima-Ribeiro et al. em reviso(a), Lima-Ribeiro et al. 2012, Prescott et al. 2012, Lima-
25
12
entre as extines da megafauna e seus possveis determinantes ainda sejam necessrias (mas
ver Barnosky & Lindsey 2010), est claro que a coincidncia desses fatores varia
geograficamente (Ugan & Byers 2007, 2008, Lima-Ribeiro & Diniz-Filho 2013). Essa
mas h srios problemas de datao e falta de dados na Amrica do Sul ver Pitblado 2011),
mas na Eursia e na Austrlia a colonizao humana aparentemente ocorreu bem antes das
mudanas climticas que poderiam determinar a extino (Field & Fullagard 2001, Barnosky
et al. 2004, Koch & Barnosky 2006, mas ver Wroe & Field 2006 para uma intepretao
10
distinta dos padres de extino na Austrlia). Alm disso, difcil estimar a defasagem de
11
tempo (time lag) entre qualquer um desses efeitos e a extino de uma dada espcie. Outro
12
13
14
15
16
17
18
eventos seja bsica para a discusso da validade de uma ou outra hiptese, torna-se crtico
19
20
21
22
de novas evidncias que as apiem ou, melhor ainda, propor metodologias que permitam
23
24
25
13
hipteses e estimar a magnitude relativa dos efeitos de cada fator. Os modelos ecolgicos
passam, ento, a ser ferramentas importantes para auxiliar na soluo dessas questes (ver
Os modelos de nicho (discutidos no captulo 2), por exemplo, permitem estimar como
a distribuio das espcies extintas mudou em funo das mudanas climticas e, mais
mudana no clima em si, que de fato pode ter impactos totalmente distintos em diferentes
espcies; e.g., Lorenzen et al. 2011). Por outro lado, modelos demogrficos baseados na
interao Homem-megafauna so uma possibilidade real e til para estimar o impacto da caa
10
humana sobre as possveis presas, bem como analisar sua dinmica populacional, no final do
11
12
desses modelos a fim de compreender cada vez melhor as diferentes hipteses e os efeitos
13
14
15
provavelmente via modelagem (o que ser possvel a partir da melhoria das reconstrues
16
17
ambos os casos, possvel tentar, a partir dos resultados dos diferentes modelos, estimar a
18
19
14
Captulo 2
ESPCIES
4
5
6
7
8
- Joseph Grinell -
10
11
12
13
14
15
Peterson et al. 2011, Warren 2012, Peterson & Sobern 2012, Arajo & Peterson 2012)
16
17
al. 2010) e vem sendo aplicados em estudos com diferentes interesses (Peterson et al. 2011,
18
Svenning et al. 2011). Em Paleoecologia, os ENMs tem sido utilizados com sucesso para
19
analisar a dinmica de distribuio das espcies sob cenrios de mudanas climticas passadas
20
(Banks et al. 2008a, Banks et al. 2008b), para entender a dinmica de extino da megafauna
21
22
Nogus-Bravo et al. 2008, Varela et al. 2010, Lorenzen et al. 2011, Lima-Ribeiro et al.
23
24
& Stigall 2009) e de riqueza de espcies (Wisz & Rahbeck 2007, Lima-Ribeiro et al. 2013),
25
testar hipteses filogeogrficas (Collevatti et al. 2012a, Collevatti et al. 2012b), conservao
26
de nicho (Martnez-Meyer et al. 2004, Martnez-Meyer & Peterson 2006, Peterson & Nyri
27
15
hotspots de diversidade (Waltari et al. 2007, Carnaval & Moritz 2008, Carnaval et al.
2009).
os ENMs e como eles podem ser construdos e avaliados usando dados fsseis e simulaes
desses modelos, suas incertezas e desafios e, mais importante, suas potenciais aplicaes aos
10
11
12
13
14
15
o propsito e/ou problema biolgico abordado. Vrias dessas definies geram conceitos
16
17
maneiras (Sobern 2007, Colwell & Rangel 2009, Sobern & Nakamura 2009). Como
18
19
20
O nicho de uma espcie est intimamente ligado s suas necessidades ecolgicas, mas,
21
evidentemente, tem relao intrnseca com o (e expresso no) espao geogrfico (Pulliam
22
2000). A rea que uma espcie ocupa no espao geogrfico resultado da ao conjunta de
23
24
25
16
BAM (Fig. 2.1; ver tambm Sobern & Peterson 2005, Peterson et al. 2011). Os fatores
reproduo dos indivduos. Esse aspecto do nicho ecolgico foi primeiro descrito por Joseph
Grinnel em 1917 e comumente denominado nicho Grineliano (ver Sobern 2007, Peterson
et al. 2011). Mais tarde, Hutchinson (1957) designou a esse aspecto do nicho o termo nicho
fundamental (mas ver tambm Colwell & Rangel 2009) porque se refere s condies
10
(i.e., com taxas positivas de crescimento populacional). Seguindo o raciocnio de Colwell &
11
Rangel (2009), o aspecto abitico do nicho ecolgico expresso na dimenso geogrfica por
12
onde a espcie se distribui, ou seja, uma espcie apta para ocupar qualquer local cujas
13
14
Peterson 2005).
B
A
A
15
16
17
18
19
20
21
22
23
24
25
26
M
Figura 2.1. Representao esquemtica dos fatores fundamentais que afetam a distribuio geogrfica de uma
espcie e sua dinmica no tempo. G representa todo o espao geogrfico de interesse, ou a rea de estudo. A
representa toda a regio com condies ambientais (fatores abiticos) favorveis ao estabelecimento,
sobrevivncia e reproduo dos indivduos que so estabelecidas pelo nicho fundamental. B representa o espao
geogrfico onde a espcie pode ocorrer, dadas as restries impostas pelas interaes biticas. A interseo de A
e B (rea cinza) representa, portanto, a regio geogrfica refletida pelo nicho realizado. M representa toda a
regio acessvel espcie conforme sua capacidade de disperso. Note que as regies A e B podem mudar ao
longo do tempo (crculos tracejados A e B), refletindo diferentes reas favorveis ocorrncia da espcie.
Dependendo do nvel e direo de mudana, essas reas favorveis podem reduzir drasticamente de tamanho
(AA) e mesmo ocorrer em regies inacessveis espcie (interseo A e B), levando-a extino (adaptado
de Sobern & Peterson 2005).
17
dois fatores acima (interaes biticas e capacidade de disperso) que normalmente agem em
escalas geogrficas locais (Pearson & Dawson 2003). Enquanto as interaes positivas (e.g.,
restringem os locais onde elas podem potencialmente ocupar (a interseo entre os crculos A
favorveis) que uma espcie realmente ocupa como reflexo da ao restritiva das interaes
biticas denominada de nicho realizado (Begon et al. 2006). Embora o nicho realizado
10
possa ser mapeado (seguindo a dualidade entre os espaos ecolgico e geogrfico segundo
11
Colwell & Rangel 2009, mas veja tambm Sobern & Nakamura 2009) sabendo-se a
12
13
14
uma tarefa fcil do ponto de vista conceitual e nem exequvel do ponto de vista prtico,
15
16
dinmicas (Davis et al. 1998, Arajo & Luoto 2007). As interaes biticas mudam ao longo
17
do tempo de acordo com as espcies que chegam e saem da comunidade, levando o nicho
18
19
20
21
22
favorveis e sem interaes desfavorveis. Na figura 2.1, a rea cinza claro representa a
23
regio geogrfica com condies ambientais favorveis espcie e com recursos suficientes
24
25
contrrio, a interseo entre os trs crculos (rea cinza escuro) representa a parte do nicho
18
realizado expresso no espao geogrfico que acessvel aos indivduos (Sobern & Peterson
2005, Sobern 2007, Sobern & Nakamura 2009, Peterson et al. 2011). A acessibilidade
determinadas, em ltima instncia, pela capacidade de disperso de cada espcie. Esse fator,
portanto, no um atributo do nicho ecolgico (meio bitico e abitico), mas representa uma
uma questo puramente operacional (Colwell & Rangel 2009). tecnicamente vivel registrar
10
as condies ambientais nos locais onde uma espcie ocorre ou estabelecer a tolerncia
11
12
interesse so potencialmente viveis para a sobrevivncia dos indivduos (i.e., sua distribuio
13
geogrfica potencial; mas veja outras limitaes em Pulliam 2000). A dualidade do nicho
14
15
16
17
mudanas ambientais ao longo do tempo. O registro fssil, nesse caso, pode ser usado
18
19
onde e sob quais condies uma determinada espcie ocorreu no passado ou, ainda, pode ser
20
usado como dados empricos robustos que possibilitam validar as predies desses modelos
21
22
et al. 2011 para o contexto dos ENMs, os termos "calibrar" e "ajustar" os modelos sero
23
24
25
, ento, conceitualmente baseado na teoria do nicho ecolgico (Austin 2002, mas veja
19
Sobern 2007, Sobern & Nakamura 2009, Colwell & Rangel 2009, e Peterson et al. 2011) e
entretanto, que a distribuio geogrfica normalmente obtida por esses modelos de nicho
ecolgico no reflete os efeitos da disperso e das interaes biticas (ver crticas em Sobern
2010), importantes principalmente para predies em escalas espaciais finas. Devido a essas
limitaes tcnicas, ser adotada o termo Modelos de Nicho Ecolgico - ENMs em todo
10
este livro, embora o interesse para aplicao destes modelos seja propriamente obter um mapa
11
preditivo da distribuio geogrfica das espcies (veja uma discusso completa dos conceitos
12
13
14
15
Concepes gerais
16
17
18
que descreva o nicho das espcies (veja Quadro 2.1; Pearce & Ferrier 2000, Guisan et al.
19
2002, Thuiller 2003). O mapa de adequabilidade define que locais so mais ou menos
20
21
modelo), o que chamado de distribuio geogrfica modelada ou mapa preditivo (Elith &
22
23
24
capacidade potencial das espcies (i.e., seu nicho fundamental), at uma distribuio realizada
25
(mais restrita), em que a amplitude de tolerncia ambiental das espcies restringida seguindo
20
variveis
perodo
glacial
0.5
P(Y)
1
P(Y) =
Espao ambiental
Espao geogrfico
Registro fssil
clulas
1+ e
V1
-(+1V1)
V1
longitude
UMG
Tmax
LPT
Di
Prec
Planilha de dados
Tmin
valor
V2
V1
(c) Bioclim
21 ka AP
UMG
modelada
V2
...
11 ka AP
126 ka AP
projetada
Distribuio potencial
21
latitude
22
alguns critrios (Jimnez-Valverde et al. 2008, mas veja as crticas e discusso em Sobern
2010).
Existem vrias classes de mtodos analticos usados para determinar o nicho ecolgico
de uma espcie, os quais podem ser divididos em dois grupos de acordo com seus princpios
extintas ou dados fsseis, visto que a tolerncia fisiolgica estabelecida por meio de
experimentao controlada, o que a torna pobremente conhecida para a maioria das espcies
10
(Prentice et al. 1992, veja tambm a discusso em Guisan & Zimmermann 2000). Os modelos
11
12
pontos de ocorrncia de uma espcie para determinar suas condies ambientais favorveis
13
(veja Quadro 2.1; Pearce & Ferrier 2000, Guisan et al. 2002, Thuiller 2003). Em outras
14
15
16
ecolgico; mas veja conceitos em Pulliam 2000, Sobern 2007, Sobern & Nakamura 2009,
17
Colwell & Rangel 2009, Peterson et al. 2011) e indicam quais regies possuem dimenses
18
ambientais semelhantes quelas encontradas nos locais onde a espcie foi observada (veja
19
Franklin 2009 para uma completa reviso). Seguindo esse princpio geral possvel calibrar
20
21
disponveis a partir dos modelos climticos globais (GCMs, sigla em ingls para Global
22
Circulation Models; veja captulo 3). Por essa razo, apenas os modelos correlativos sero
23
24
25
modelo), interessante dividir os ENMs em dois grupos (Tab. 1): 1) aqueles modelos que
23
utilizam tanto dados de presena (locais onde a espcie foi observada) quanto de ausncia das
e 2) aqueles modelos que utilizam apenas dados de presena (em ingls, presence-only
methods; Franklin 2009). A escolha desses modelos depende, a priori, do tipo de dado
disponvel para as espcies analisadas, bem como do objetivo do estudo. Atualmente, dados
zoolgicas e botnicas e em museus. Por outro lado, os dados de ausncia devem ser obtidos a
de obter (Jimnez-Valverde et al. 2008, Elith & Leathwick 2009). Os dados de ausncia no
10
esto, de fato, disponveis para a maioria das espcies e so impossveis de serem obtidos a
11
partir do registro fssil (Varela et al. 2011). Devido fossilizao diferencial em distintos
12
13
14
15
Tabela 1. Alguns algoritmos e programas computacionais utilizados na modelagem do nicho ecolgico, com
nfase nos modelos baseados apenas em presenas.
Algoritmo
presena e ausncia
modelos regressivos:
reg. logstica, GLM, GAM,
CART
apenas presenas
Bioclim
Distncia Euclidiana
Distncia de Gower
Distncia de Mahalanobis
ENFA
Software*
Referncia
R (pacote vegan)
presena e pseudo-ausncia
Stockwell & Noble, 1992; Stockwell
& Peters, 1999
Phillips et al., 2006; Phillips &
Maxent
Maxent e R (pacote dismo)
Dudik, 2008; Elith et al., 2011
*Todos esses algoritmos esto implementados na plataforma computacional BioEnsembles (ver Diniz-Filho et
al., 2009), sob a abordagem de combinao de predies (ensemble solutions). Distribudo pelos autores.
**O pacote BIOMOD, implementado em linguagem R (software livre), tambm foi desenvolvido sob a
abordagem de combinao de predies, porm apenas com modelos de presena-ausncia (e/ou pseudoausncia).
***O algoritmo GARP tambm implementado na plataforma openModeler, a qual ainda disponibiliza uma
variedade de outros algoritmos (ver: <http://openmodeller.sourceforge.net/>).
GARP
Garp-desktop***
24
ambientes, txons e perodos geolgicos (Simes & Holz 2004), a ausncia de registro fssil
no necessariamente (ou quase nunca, de fato) assegura que a espcie no existiu naquela
modelos baseados apenas em presenas a fim de obter a distribuio geogrfica das espcies
em perodos passados (Varela et al. 2011). Alm disso, os modelos baseados em presenas
apenas de fatores abiticos (clima, solo, relevo), mas tambm das interaes biticas e
10
11
serem estabelecidas a partir de dados fsseis (Varela et al. 2011) ou mesmo adequadamente a
12
13
14
baseados em dados de presenas e ausncias tendem a modelar uma distribuio mais restrita
15
16
mas veja abaixo o caso excepcional dos modelos mais complexos GARP e Maxent,
17
18
ausncias para ajustarem suas funes); 3) modelos mais simples, como aqueles baseados
19
20
pressupostos assumidos para calibrar os ENMs (veja o item "Pressupostos tericos dos
21
22
23
24
25
25
como uma restrio s preferncias ambientais das espcies, que so acessadas a partir dos
seus dados de presena (Franklin 2009). Por definio, as variveis ambientais utilizadas na
analisada e, portanto, ser os nicos fatores afetando sua distribuio geogrfica (Pearson &
Dawson 2003). No entanto, como visto acima, outros fatores ecolgicos (interaes biticas,
10
por exemplo; ver texto acima) alm das variveis ambientais utilizadas nos modelos tambm
11
12
ambientalmente acessveis e adequados (Davis et al. 1998, Arajo & Luoto 2007). Nesse
13
14
ambiental das espcies e as predies dos modelos tornam-se mais restritas no espao
15
16
modelada ser mais reduzida que aquela realmente esperada apenas sob a influncia dos
17
preditores ambientais.
18
19
20
21
22
e GARP, Tab. 1). Esses modelos tambm buscam estabelecer a relao entre os registros de
23
ocorrncia das espcies e as variveis ambientais de interesse, porm sem considerar qualquer
24
25
espcies so modeladas sem restries, de maneira que a distribuio geogrfica predita seja
26
maior (distribuio potencial) que aquela eperada a partir dos modelos baseados tambm em
ausncias (distribuio realizada; mas veja texto abaixo e Jimnez-Valverde et al. 2008 para
mais detalhes sobre GARP e Maxent). Embora essas assertivas conceituais ainda sejam alvo
incluindo a distncia Mahalanobis e ENFA; GARP e Maxent so exees, visto que usam
pseudo-ausncias, veja texto abaixo) modelam o nicho fundamental das espcies, mas os
nicho realizado (mas veja Sobern 2010). Esses mtodos assumem, em outras palavras,
10
independente dos fatores no-climticos, que uma dada espcie pode apresentar taxa positiva
11
12
quelas presentes em seu conjunto de pontos de ocorrncia, de tal modo que eles no
13
subestimam sua capacidade potencial (Jimnez-Valverde et al. 2008, Varela et al. 2011).
14
15
preferidos em estudos paleoecolgicos e, por isso, sero discutidos com mais detalhes a
16
seguir.
17
18
por meio dos envelopes bioclimticos (Busby 1986, Busby 1991). Esse algoritmo assume
19
total independncia entre a influncia das variveis ambientais sobre as espcies e estabelece
20
21
(veja exemplo no Quadro 2.1). Os limites que definem o envelope so obtidos a partir da
22
23
(Carpenter et al. 1993). Por exemplo, se uma espcie ocorre em locais onde a temperatura
24
mdia varia de 16oC a 23oC, a precipitao de 800 mm a 1800 mm anuais e a altitude de 300
25
m a 1200 m acima do nvel do mar, ento o algoritmo seleciona todas as regies que
27
apresentam valores obrigatoriamente dentro desses intervalos para essas trs variveis (o
modelada para essa espcie. Esses limites podem, entretanto, ser definidos de forma mais
estatstica a partir de intervalos de confiana usando, por exemplo, 95% das observaes (ou
oriundos dos pontos de ocorrncia extremos (outliers) no espao ambiental (veja Quadro 2.1;
veja detalhes sobre os erros de predio no item Escolhendo limiares de deciso, avaliando
contnuo de adequabilidade de hbitat como os demais mtodos (veja texto abaixo), mas
10
11
bioclimtico.
12
13
14
conjunto de mtodos que representa a lgica do nicho ecolgico de forma mais intuitiva (De
15
Marco & Siqueira 2009). Esses mtodos assumem a existncia de um timo ecolgico para
16
17
18
19
20
gradiente ambiental, como expressado pela teoria de nicho. Em outras palavras, esses
21
mtodos assumem que as populaes apresentam taxas de crescimento cada vez menores
22
quanto mais diferente for um ambiente do timo ecolgico da espcie. Alm disso, suas
23
predies so baseadas em todo o conjunto de dados, sendo, portanto, menos suscetveis aos
24
valores extremos dos pontos de ocorrncia que os envelopes retilneos (Quadro 2.1). A
28
respectiva distncia, no espao ambiental, entre cada local (parcela de uma grade) da rea
timo ecolgico da espcie, mais adequado ser aquele local para sua ocorrncia e vice-versa
(princpio de tendncia central; mas veja como delimitar a rea modelada de distribuio das
10
11
12
distncias ambientais ainda assumem independncia entre a influncia das variveis sobre a
13
14
15
envelope elptico a partir da distncia ambiental entre cada local e o timo de resposta da
16
17
representado por um vetor das mdias das variveis e a estrutura de covarincia entre elas. Por
18
19
distncias ambientais comuns, bem como ao Bioclim, por lidar com a colinearidade e
20
21
variveis; Farber & Kadmon 2003). A distncia Mahalanobis deve, portanto, ser interpretada
22
23
O algoritmo ENFA (sigla do ingls para Ecological Niche Factor Analysis) baseado
24
nos princpios das anlises multivariadas, de modo que utiliza a ordenao (semelhante
25
Anlise de Componentes Principais - PCA, por exemplo) das variveis ambientais para
29
ecolgico da espcie focal e a mdia, no espao ambiental, dos ambientes disponveis para
razo entre a varincia observada para os ambientes da rea geogrfica de interesse e aqueles
ocupados pela espcie focal. Essas fatores so ortogonais entre si, portanto, independentes e
de interesse e a amplitude ambiental desses hbitats ocupados pela espcie em relao queles
10
distncia Manhattan (a menor distncia entre dois pontos obrigatoriamente conectados por
11
dois eixos ortogonais), calculada entre cada local e o timo ecolgico da espcie nesse espao
12
transformado (ou seja, usando os autovalores e autovetores da matriz de ordenao; veja mais
13
14
15
geogrfica das espcies determinada pelos eixos da ordenaao que explicam a maior parte
16
17
18
19
20
21
22
23
24
25
determinadas aleatoriamente a partir do conjunto total de ambientes; veja texto abaixo). Alm
30
disso, o resultado desses mtodos multivariados, bem como das distncias ambientais, muito
afetado pela escala das variveis (Franklin 2009). Altitude (variando entre 300 m e 1200 m) e
precipitao (variando entre 800 mm e 1800 mm), por exemplo, normalmente afetam mais
diferena na escala de seus valores. Para evitar esse problema, as variveis devem ser
influncias sobre as predies finais (Noy-Meir et al. 1975, veja discusso mais recente em
10
11
12
localidades
13
aleatoriamente dentro da rea de estudo (mas veja outras estratgias para amostrar as pseudo-
14
ausncias em Phillips et al. 2009) e utilizadas somente como um suporte para a construo
15
16
(veja Phillips et al. 2009), elas nunca indicam, por definio, que o ambiente realmente
17
inadequado sobrevivncia das espcies, como assumido com os dados reais de ausncia
18
(Phillips et al. 2006). Dessa maneira, os algoritmos GARP e Maxent tendem a predizer
19
distribuies geogrficas intermedirias entre aquelas preditas pelos mtodos mais simples
20
baseados apenas em presenas (distribuio potencial) e aquelas preditas pelos modelos mais
21
22
et al. 2008). Os modelos baseados em presenas e ausncias, inclusive, tambm podem ser
23
calibrados usando pseudo-ausncias, porm, nesse caso, suas predies refletem distribuies
24
mais amplas, aproximando daquelas a partir de GARP e Maxent, e devem ser interpretadas
25
consideradas
como
pseudo-ausncias
normalmente
so
selecionadas
31
O mtodo GARP (sigla do ingls para Genetic Algorithm for Rule-set Production), por
para gerar um conjunto de regras em relao s variveis ambientais que descrevem o nicho
das espcies (Stockwell & Noble 1992, Stockwell & Peters 1999). Essas regras so geradas
algoritmo testa o desempenho da nova regra e um conjunto das melhores regras criadas a cada
passo ento selecionado (Stockwell & Peters 1999). Os algoritmos genticos, como GARP,
10
11
12
um processo de seleo natural. Sendo assim, as predies do algoritmo GARP variam muito
13
entre diferentes ajustes individuais porque o resultado final de cada ajuste baseado em
14
15
algortmos. Dessa maneira, recomendado e muito utilizado ajustar vrios modelos GARP
16
(e.g., 100 ou mais ajustes) para o mesmo conjunto de dados, selecionar os melhores modelos
17
(10% dos melhores modelos, por exemplo) e usar suas mltiplas predies para determinar o
18
mapa de adequabilidade de hbitat para a espcie focal (veja boas prticas de modelagem
19
usando GARP em Anderson et al. 2003). Nesse sentido, pode-se, por exemplo, calcular
20
quantos dos melhores modelos GARP predisseram detrminado local (parcela da grade) como
21
22
combinar os resultados a partir de diferentes mtodos; veja item Erros, inceteza e desafios).
23
O Maxent (sigla do ingls para Maximum Entropy) um dos modelos mais recentes e
24
25
32
entropia (Phillips et al. 2006, Phillips & Dudik 2008, Elith et al. 2011). A mxima entropia de
caso, a maior incerteza quanto presena da espcie em um determinado local (Phillips et al.
tornando-a mais prxima de uma distribuio uniforme (distribuies uniformes geram maior
A distribuio uniforme ajustada, contudo, sob a restrio de que os valores esperados para
10
cada varivel ambiental na paisagem estejam de acordo com os valores empricos observados
11
nos pontos de ocorrncia. Segundo Elith et al. (2011), esta abordagem anloga ajustar
12
13
geogrfico, uma para as condies ambientais dos pontos de ocorrncia e outra para as
14
15
elas. Isso implica em deix-las o mais semelhante possvel entre si (veja demonstraes e
16
mais discusses em Elith et al. 2011). Com isso possvel calcular a adequabilidade climtica
17
para a espcie focal no espao geogrfico sabendo o valor de cada varivel ambiental em um
18
19
geogrfica da espcie.
20
21
22
estudada (isto , a proporo da paisagem ocupada pela espcie; Phillips et al. 2006, Phillips
23
& Dudik 2008). O ajuste correto desses parmetros de regularizao, que variam de espcie
24
para espcie, ajuda o modelo a obter melhor habilidade preditiva, porm sem perder
25
generalizao. Isto significa que o modelo no indicar uma rea muito restrita como sendo
33
semelhantes queles onde a espcie ocorre (neste caso, as predies do modelo no seriam
generalistas), nem indicar uma rea exageradamente grande (neste caso, o modelo seria
pobremente preditivo; Elith et al. 2011). Considerando que a prevalncia real das espcies
no possvel de ser estimada a partir de dados fsseis (isso depende dos dados de ausncia)
e que muda ao longo do tempo, principalmente sob cenrios de mudanas climticas globais
como nos ciclos glaciais/interglaciais, no seria adequado assumir uma prevalncia fixa,
como predefinida no software Maxent (Phillips et al. 2006, Elith et al. 2011), para modelar
10
11
12
13
14
15
16
17
menos trs pressupostos bsicos relacionados tanto dinmica e evoluo das espcies
18
(Nogus-Bravo 2009) quanto ao seu registro fssil (Varela et al. 2011): 1) estabilidade do
19
20
registro fssil (este ltimo apenas quando so utilizados dados fsseis para calibrar os
21
modelos). A no-confirmao desses trs pressupostos antes de construir os ENMs pode levar
22
23
das distribuies geogrficas das espcies. Isso especialmente importante quando esses
24
25
para fazer previses em outras regies geogrficas ou perodos geolgicos alm daqueles
34
usados para calibrar os modelos. A melhor soluo sempre calibrar os modelos usando
dados de ocorrncia contemporneos aos dados climticos e evitar projetar as predies dos
estudo para o qual esteja utilizando a modelagem exige cenrios mais realistas da distribuio
geogrfica da espcie focal (veja exemplo em Lorenzen et al. 2011). Entretanto, quando no
h dados de ocorrncia das espcies para todas as regies geogrficas de interesse ou perodos
no tempo, projetam-se as predies dos modelos para essas outras condies ambientais. Mas
importante, nesse caso, tentar validar minimamente os pressupostos descritos abaixo, apesar
10
das dificuldades.
11
12
13
Este pressuposto assume que as espcies mantm o mesmo nicho ecolgico ao longo
14
do tempo, ou pelo menos entre os perodos utilizados na modelagem, sem nenhuma evoluo
15
16
17
quando os ENMs so utilizados para anlises paleoecolgicas, visto vez que a distribuio
18
geogrfica das espcies normalmente projetada para outros perodos geolgicos (veja
19
discusso em Belyea 2007, Pearman et al. 2008). Por exemplo, alguns estudos
20
21
geogrfica dessas espcies para os perodos glaciais (21 ka AP, ltimo Mximo Glacial
22
UMG, por exemplo, para os quais tem mais registros fsseis) e projetaram sua distribuio
23
para os perodos interglaciais (126 ka AP e 6 ka AP, para os quais existem poucos registros
24
fsseis; veja exemplos em Martnez-Meyer et al. 2004, Nogus-Bravo et al. 2008, Varela et
25
al. 2010, Lima-Ribeiro et al. 2012). Neste caso, se houver indcios de mudanas evolutivas
35
e/ou ecolgicas nas condies ambientais ocupadas pelas espcies durante os ciclos
sob a teoria de nicho, quando projetadas para 126 ka AP e 6 ka AP (Fig. 2.2). Ao contrrio,
quando o nicho ecolgico das espcies estvel ao longo do tempo, deve-se usar os registros
multitemporal (Fig. 2.3), fornece mais dados fsseis para a construo dos modelos e torna
ltimo Interglacial
126 ka AP
Temperatura
9
ltimo Mximo Glacial
21 ka AP
Holoceno
6 ka AP
Crescimento
populacional
Umidade
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
mudana
de nicho
Umidade
mudana
de nicho
Figura 2.2. Cenrios fictcios de mudana de nicho ao longo do tempo, equilbrio espcie-clima e suas
implicaes para o uso dos ENMs em paleoecologia. Nos dois painis, o nicho fundamental representado pela
rea hachurada (linhas verticais). O painel superior mostra o nicho de uma espcie fictcia modelado para o
UMG em funo de seu registro fssil (rea sombreada em cinza com o gradiente de adequabilidade de hbitat
como predito pelos ENMs) e projetado para dois perodos interglaciais (126 ka AP e 6 ka AP; o espao
ambiental est representado por duas variveis climticas umidade e temperatura , os crculos preenchidos
indicam os pontos de ocorrncia da espcie registro fssil e os crculos vazios indicam os hbitats no
ocupados; adaptado de Nogus-Bravo, 2009). No painel inferior, a taxa de crescimento populacional mostrada
apenas em funo da umidade (adaptado de Pearman et al., 2008) para os mesmos cenrios do painel superior e
o nicho realizado (parte do nicho fundamental rea hachurada - realmente ocupado pela espcie)
representado pela rea em branco. Note que nos perodos interglaciais a espcie ocupa ambientes mais midos
do que no perodo glacial (a linha tracejada indica o nicho realizado da espcie para 21 ka AP e a seta cheia
indica o sentido na mudana do nicho em cada intervalo). Durante o intervalo de 126 ka AP a 21 ka AP, as
presses seletivas relacionadas s condies glaciais agiram a favor dos indivduos que toleram condies
ambientais mais secas, deslocando o nicho realizado da espcie nessa direo e ampliando as condies
ambientais nas quais suas populaes apresentam taxas positivas de crescimento (nicho fundamental). Durante o
Holoceno, as presses seletivas agiram em sentido contrrio, favorecendo os indivduos que toleram ambientes
mais midos. Nesse perodo, o nicho realizado foi ento deslocado (veja a seta), mas o nicho fundamental
permaneceu estvel. Observe que nos dois casos o nicho modelado para 21 ka AP (painel central superior) no
prediz corretamente a ocorrncia da espcie quando projetado para ambos os perodos interglaciais. Alm dos
erros de predio devidos mudana de nicho ao longo do tempo, a espcie tambm no se encontra em
36
1
2
3
4
5
6
7
8
9
equilbrio com o clima durante o UMG (isto , quando o modelo calibrado, a espcie no ocupa todos os locais
ambientalmente disponveis; veja a proporo da rea do nicho fundamental rea hachurada no ocupada
pela espcie crculos vazios). Dessa forma, embora o nicho fundamental da espcie seja estvel no intervalo de
21 ka AP a 6 ka AP, o modelo apresenta baixa capacidade preditiva quando projetado para o Holoceno devido ao
desequilbrio espcie-clima. Contudo, as predies so evidentemente mais afetadas quando ambos os
pressupostos (estabilidade do nicho e equilbrio espcie-clima) so violados, como no caso da projeo para 126
ka AP. Note que o nicho modelado para 21 ka AP (rea sombreada) estima apenas uma pequena frao do nicho
fundamental da espcie quando projetado para 126 ka AP.
10
suas predies mais confiveis, uma vez que o nicho fundamental das espcies melhor
11
12
13
14
se tem apenas variveis ambientais quantitativas, uma boa sada, utilizada por Nogus-Bravo
15
et al. (2008), por exemplo, testar se as condies ambientais ocupadas pela espcie diferem
16
entre os perodos de interesse usando testes estatsticos (tais como MANOVA, ANOVA, teste
17
de Kruskal-Wallis). Outra maneira avaliar as predies dos ENMs por meio de projees
18
19
seu desempenho utilizando registros fsseis datados para esses mesmos perodos (veja
20
Quadro 2.1 e o captulo 4; veja tambm a discusso sobre avaliao dos modelos na seo
21
22
al. 2004, Martnez-Meyer & Peterson 2006, Lima-Ribeiro et al. 2012). A avaliao por meio
23
de projees intertemporais deve ser preferida a outros mtodos sempre que houver dados
24
fsseis para diferentes perodos de interesse, uma vez que os dados utilizados como teste so
25
26
27
Equilbrio espcie-clima
28
Este pressuposto, embora assuma aspectos distintos sobre a dinmica das espcies em
29
relao queles a partir da estabilidade do nicho ecolgico, tem implicaes semelhantes para
30
37
equilbrio espcie-clima tambm essencial para que as predies dos modelos sejam
transferidas para outras condies ambientais (Guisan & Thuiller 2005, mas veja algumas
V1
t3
t2
t1
5
6
7
8
9
10
11
12
13
14
15
16
17
V2
Figura 2.3. Enfoque ao procedimento de calibragem multitemporal (modificado de Nogus-Bravo, 2009). O
esquema mostra o nicho fundamental (linha pontilhada) de uma espcie fictcia definido por duas variveis
ambientais, V1 e V2, e seu espao ocupado (crculos sombreados) em trs perodos, t1, t2 e t3, cujas condies
climticas so diferentes entre si. Os pontos indicam as evidncias fsseis datadas em cada um dos trs perodos
(separados por smbolos). Observe que os pontos de ocorrncia (fsseis) exclusivos de qualquer um dos trs
perodos no indicam o espao ambiental completo em que a espcie consegue sobreviver (isto , seu nicho
fundamental). Nesse exemplo fictcio, o nicho fundamental da espcie plenamente indicado apenas quando
todos os registros fsseis de t1, t2 e t3 so considerados para construir o modelo, ou seja, quando o modelo
calibrado usando os dados de ocorrncia multitemporais. O nicho multitemporal pode ser modelado em t1, t2 ou
t3, bem como projetado para qualquer outro perodo geolgico no considerado no procedimento de calibragem.
18
19
20
est presente em todas as reas climaticamente adequadas sua ocorrncia e no ocorre nas
21
regies inadequadas (sensu Arajo & Pearson 2005). Vrios outros fatores alm do clima
22
23
interaes interespecficas e contingncias histricas (Davis et al. 1998, Arajo & Luoto
24
25
equilbrio com suas condies climticas adequadas (Arajo & Pearson 2005). Uma
26
mudana nas interaes biticas ao longo do tempo, por exemplo, provoca alteraes no
27
padro de distribuio espacial das espcies (desequilbrio), fazendo dos modelos de nicho
38
um ponto discutvel (Davis et al. 1998). Nesse caso, o desequilbrio provocar falhas e/ou
restries nas predies dos modelos, principalmente aqueles baseados apenas em dados de
presena, os quais predizem a distribuio potencial das espcies sem considerar a informao
sobre suas ausncias (as ausncias so necessrias para testar o pressuposto, veja texto
geogrfica predita para essa espcie ser menor que sua distribuio potencial real (veja Fig.
2.2; Svenning et al. 2011). Dessa forma, a validade desse pressuposto, bem como das
10
11
organismos e cenrios climticos (Arajo & Pearson 2005). Isso sugere que as predies
12
baseadas em modelos de nicho devem ser analisadas com cuidado, sobretudo, em estudos
13
14
Assim como para o pressuposto anterior, tambm existem alguns mtodos alternativos
15
16
tem sido bastante utilizado, talvez pela simplicidade analtica, medir o quanto a distribuio
17
potencial de uma espcie est realmente ocupada com suas populaes (range filling;
18
Svenning & Skov 2004), ou seja, a razo (variando, portanto, de 0 a 1) entre suas
19
distribuies realizada e potencial (veja discusso sobre como obter uma distribuiao
20
potencial confivel no item "Incertezas, desafios e solues"; veja exemplos em Varela et al.
21
2009). Quanto mais prxima de 1 for a razo, maior o equilbrio da espcie com o clima (Fig.
22
2.2).
23
Outro mtodo, talvez mais complicado, porm possvel de ser aplicado utilizando
24
25
populacionais importantes, como disperso e extino local (De Marco et al. 2008), e que
39
afetam o equilbrio das espcies com o clima (Nogus-Bravo 2009). Tarkhnishvili et al.
(2012), por exemplo, utilizaram a distncia mnima para disperso a partir dos refgios
glaciais como uma varivel preditora adicional para modelar a distribuio atual de espcie
refgios durante o UMG e muitas delas ainda no conseguiram colonizar todas as reas
climaticamente adequadas aps a ltima glaciao, de modo que esto em desequilbrio com o
clima atualmente (Svenning & Skov 2007). A distncia a partir dos refgios representa,
assim, uma medida de custo para disperso. Segundo os autores, essa varivel adicional
melhorou o desempenho preditivo dos ENMs em relao queles construdos apenas com
10
11
impostas pela dinmica de disperso ps-glacial. Esse estudo um exemplo claro de como
12
13
14
15
16
17
geral. Se o registro fssil no indicar pontos de ocorrncia de uma nica espcie no espao e
18
no tempo, ento qualquer predio para esta espcie a partir dos modelos correlativos, por
19
exemplo, ser enviesada sob a teoria de nicho (Belyea 2007). J o controle tafonmico (ou a
20
falta dele) influencia os ENMs exclusivamente no vnculo, durante a construo dos modelos,
21
entre a evidncia fssil e as condies paleoclimticas onde a espcie existiu. Esta conexo
22
pode ser enviesada tanto espacialmente quanto temporalmente se o registro fssil no indicar
23
a regio e/ou o perodo real em que a espcie sobreviveu (Varela et al. 2011). Os fsseis, por
24
exemplo, podem ser transportados horizontalmente a grandes distncias por rios e ventos, por
25
40
assemblias alctones (Simes & Holz 2004). Em ambos os casos o registro fssil geraria
uma descrio enviesada do nicho ecolgico da espcie e certamente afetaria as predies dos
modelos. importante, portanto, que sejam selecionadas apenas as evidncias fsseis sem
bem como a resoluo dos ambientes considerados na modelagem (e.g., tamanho das parcelas
modelar uma espcie amplamente distribuda no espao (e.g., escalas continentais, globais) e
10
parcelas de uma grade, por exemplo, possuem 100 x 100 km ou mais; veja a discusso
11
12
13
14
15
usados como sinnimos na literatura, inclusive no caso dos ENMs (Franklin 2009), eles
16
possuem significados bem distintos e sero utilizados, no contexto deste captulo, para tratar
17
da habilidade preditiva dos modelos calibrados e suas projees para outros perodos,
18
19
testes estatsticos e normalmente feita utilizando parte dos dados de calibrao como dados
20
de teste. A validao, por outro lado, um caso especial de avaliao em que so utilizados
21
22
23
24
25
preditiva. No caso dos ENMs, deve-se avaliar se a distribuio geogrfica modelada (refletida
41
pelo nicho) representa uma predio melhor do que outra gerada ao acaso, ou seja, como se os
pontos de ocorrncia da espcie tivessem sido amostrados aleatoriamente por todo o domnio
pontos de ocorrncia de uma espcie em uma regio qualquer, que usado pelos ENMs para
de modo que necessrio escolher um valor desse gradiente para determinar os limites da
10
11
al. 2005). Neste contexto, somente os locais com adequabilidade igual ou superior ao limiar
12
13
14
escolher o limiar de deciso (Nenzn & Arajo 2011). Por exemplo, a escolha de um limiar
15
16
ampla, que seria facilmente obtida ao acaso, aumentando os erros de predio (neste caso,
17
erro de comisso, ou seja, o modelo prediz presena enquanto a espcie no foi observada
18
est ausente naquele ambiente; veja figura 2.4a e texto abaixo). Por outro lado, um limiar
19
muito restritivo leva predio de uma rea de distribuio reduzida, aumentando os erros de
20
omisso (o modelo prediz que a espcie est ausente enquanto ela foi observada est
21
22
Assim, a escolha do limiar de deciso deve ser baseada no objetivo do estudo, a fim de
23
controlar a direo dos erros de predio (i.e., penalizar os erros de omisso tambm
24
25
42
linear. Convenientemente, vrios ndices podem ser calculados para essa finalidade usando a
matriz de confuso (Fig. 2.4a) que contm os erros de predio estabelecidos a partir de um
positivo
falso
positivo
total
T+
PREDITO
total
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
falso
negativo
negativo
T+
T-
T
N
(B)
PPV (sensibilidade)
OBSERVADO
(A)
1,00
AUC = 0,85
0,75
AUC = 0,75
0,50
C
AU
0,25
0
0,5
performance
do modelo:
treino
teste
performance
aleatria
0
0
0,25
0,50
0,75
1,00
PFP (1 - especificidade)
Figura 2.4. (A) matriz de confuso, representada por uma tabela de contingncia 2x2, e (B) curva ROC,
representando a capacidade preditiva do modelo (ndice AUC) quando avaliado pelos prprios dados de
treinamento (linha contnua) e pelos dados de teste (linha tracejada). Em (A) tambm esto representadas as
frmulas para calcular os ndices de sensibilidade (ou proporo de positivos verdadeiros - PPV) e
especificidade (ou proporo de negativos verdadeiros - PNV), necessrios para construir a curva ROC. Note
que o complemento da especificidade (1 especificidade) nada mais do que a proporo de falsos positivos
PFP. Portanto, dadas as predies dos modelos, PPV (sensibilidade) indica a probabilidade de selecionar um
ambiente corretamente classificado como positivo (presena da espcie) dentro de todo o domnio geogrfico ou
ambiental de interesse, enquanto PFP (1 especificidade) indica o contrrio, ou seja, a probabilidade de obter
um ambiente erroneamente classificado como positivo (erro de comisso). O erro de omisso obtido pelo
complemento da sensibilidade (ou proporo de falsos negativos). Em (B), cada ponto da curva ROC indica um
par de ndices PPV e PFP calculados para um possvel limiar de deciso selecionado dentro do gradiente
contnuo de adequabilidade ambiental predito pelo modelo.
20
limiar qualquer. Com os ndices calculados a partir de vrios limiares, seleciona-se, ento,
21
aquele cujo balano entre os erros de predio seja mais adequado para o estudo em questo
22
(veja Fielding & Bell 1997, Liu et al. 2009 para uma completa reviso sobre os ndices e
23
critrios utilizados para determinar o melhor balano entre os erros de predio). Para montar
24
25
26
27
especfico de deciso, como discutido acima, sua incapacidade de usar toda a informao
28
43
usando um nico limiar de deciso a fim de montar a matriz de confuso. Entretanto, essa
diferentes limiares de deciso sobre os resultados de um modelo em Nenzn & Arajo 2011).
Embora a classificao binria seja conveniente para que o pesquisador tome suas decises,
muitas vezes ela dependente de critrios subjetivos, o que pode gerar distores nas
limiares especficos de deciso, como a anlise da curva ROC (sigla do ingls para Receiver
10
Operating Characteristic, figura 2.4b; mas veja outros mtodos em Liu et al. 2009). A curva
11
12
13
falsos positivos) no eixo-x, de modo que a rea sob essa curva, denominada AUC (sigla do
14
ingls para Area Under Curve), indica a qualidade das predies do modelo (Fig. 2.4b). O
15
16
17
18
seja, vrios valores do gradiente de adequabilidade ambiental preditos pelo modelo. O ndice
19
20
corretamente o evento modelado (presena da espcie, Fielding & Bell 1997, mas veja
21
algumas crticas importantes em Lobo et al. 2008). No contexto dos ENMs, um AUC de 0,9
22
(variando de 0,5 a 1), por exemplo, indica que se forem selecionados, aleatoriamente,
23
inmeros pares de ambientes onde a espcie foi observada presente e ausente dentro de todo o
24
25
espcie), em 90% dos casos o modelo corretamente prediz um valor de adequabilidade maior
44
para os ambientes positivos (onde a espcie est presente) do que para seus pares negativos
(Pearce & Ferrier 2000). Desse modo, um AUC de 0,5 indica que o modelo to preciso
quanto uma predio aleatria para classificar os ambientes positivos e negativos. Em outras
locais onde a espcie est presente daqueles aonde ela est ausente. Na verdade, segundo
Swets (1988), um bom desempenho preditivo seria alcanado apenas com AUCs acima de 0,9
(AUC igual a 1 indica predies perfeitas), mas ENMs com AUCs acima de 0,75 so
Segundo Phillips et al. (2006), outra vantagem importante do AUC que ele tambm
10
pode ser obtido para os modelos baseados somente em presenas, usando as pseudo-ausncias
11
12
especificidade; veja Fig. 2.4a). Nesse caso, como as pseudo-ausncias no podem ser
13
14
apenas se os modelos classificam as presenas com maior preciso do que uma predio
15
aleatria, ao invs de indicar se o modelo apto para distinguir presena de ausncia (Phillips
16
et al. 2006).
17
18
adequado para avaliar os modelos, inclusive aqueles baseados somente em dados de presena,
19
ela no proporciona uma regra nica e geral para classificao binria (presena/ausncia) das
20
predies contnuas (Lobo et al. 2008). Em outras palavras, vrios critrios podem ser
21
utilizados para determinar um limiar de deciso a partir da curva ROC. Uma possibilidade
22
23
24
25
45
potencial das espcies sem erros de omisso a fim de analisar, por exemplo, a prpria
(Banks et al. 2008a, Banks et al. 2008b), a dinmica de extino (Martnez-Meyer et al. 2004,
Nogus-Bravo et al. 2008, Varela et al. 2010, Lorenzen et al. 2011, Lima-Ribeiro et al.
Stigall 2009), riqueza de espcies (Wisz & Rahbeck 2007, Lima-Ribeiro et al. 2013),
Peterson & Nyri 2007) e localizao de refgios (Waltari et al. 2007, Carnaval & Moritz
10
11
12
ocorrncia conhecido da espcie dentre aqueles usados para calibrar o modelo (chamado LPT,
13
sigla do ingls para lowest presence threshold; Nogus-Bravo 2009, Svenning et al. 2011,
14
Varela et al. 2011). Esse critrio para escolha do limiar de deciso assegura ausncia total de
15
16
discusso em Pearson et al. 2007, veja tambm De Marco & Siqueira 2009), pois todos os
17
locais to adequados quanto, ou mais adequados que aqueles ocupados pela espcie, so
18
preditos, por definio, como presena. Na verdade, nenhum local ocupado pela espcie ser
19
predito pelo modelo como inadequado sua ocorrncia. Outros critrios tambm podem ser
20
21
eliminando 10%, 20%, enfim, um percentil qualquer arbitrrio, dos piores valores de
22
23
24
25
dois subconjuntos, dados de treinamento e dados de teste, j que dados de teste independentes
46
normalmente no so disponveis e/ou amostrados apenas para essa finalidade (Fielding &
Bell 1997). Assim, os modelos so calibrados com o subconjunto dos dados de treinamento e
os dados de teste so usados como o exemplo real da distribuio da espcie contra a qual
proporo dos erros de predio na matriz de confuso (Fielding & Bell 1997). Embora a
curva ROC possa ser construda usando os prprios dados de treinamento para montar a
matriz de confuso a cada nvel possvel de limiar, recomendado que tambm se avalie o
ndice AUC a partir dos dados de teste (veja exemplo na Fig. 2.4b). Portanto, considerando
que a maioria das espcies tem um registro fssil reduzido para a maioria dos continentes
10
(e.g., Amrica do Sul) e perodos geolgicos mais antigos (Varela et al. 2011), a diviso dos
11
12
quanto a avaliao dos modelos. Ou seja, com poucos graus de liberdade, os modelos podem
13
ser erroneamente avaliados como confiveis (veja discusso em Hanberry et al. 2012).
14
Seguindo essa lgica, Pearson et al. (2007) descreve um mtodo, chamado leave-one-out
15
(LOO), para avaliar o desempenho estatstico dos modelos calibrados com poucos pontos de
16
ocorrncia. Por essa razo, LOO deve ser preferivelmente usado em estudos paleoecolgicos
17
com poucas evidncias fsseis. LOO descrito como um caso especial dos mtodos de
18
19
uma tcnica de reamostragem por Jackknife, como se segue. Um nico ponto de ocorrncia da
20
21
calibrado com os k-1 pontos de ocorrncia restantes. Em seguida, verifica-se se o modelo foi
22
apto para predizer corretamente a ocorrncia omitida (Fig. 2.5). O procedimento repetido k
23
vezes, omitindo-se um ponto de ocorrncia diferente a cada etapa. Ao final, calculada uma
24
probabilidade, relativa rea total predita como presena (aqui seria adequado utilizar o
25
limiar LPT) e taxa de sucesso/insucesso preditivo de cada etapa, usando uma extenso da
47
disponibilizado por Pearson et al. 2007 para calcular essa probabilidade). Resumindo,
amostragem
Jackknife
registro
Lagoa Santa
Taima-Taima
Cueva Tixi
Furna Estrago
5
6
7
8
9
10
11
12
13
14
15
16
17
18
predio
1
1
1
0
rea
0,87
0,76
0,58
0,39
Distribuio
binomial cumulativa
Taxa de = 3/4
sucesso
p-valor = 0.58
predio predio
modelo = aleatria
Figura 2.5. Panorama geral do teste leave-one-out baseado na tcnica de reamostragem Jackknife, como
descrito por Pearson et al. (2007) no contexto dos ENMs. Cada mapa mostra a distribuio modelada quando um
dos quatros pontos de ocorrncia de uma espcie fictcia excludo durante a construo do modelo (o ponto
omitido em cada etapa est indicado com asterisco). Nesse exemplo, a ocorrncia observada da espcie est
representada por registros fsseis em quatro stios paleontolgicos. As quatro predies, cada uma omitindo um
dos registros de ocorrncia, foram obtidas com um mesmo algoritmo e a rea de distribuio geogrfica foi
delimitada usando o limiar LPT. Apenas um dos registros (Furna do Estrago, nordeste brasileiro), quando
excludo, no foi predito pelo modelo calibrado com os outros trs pontos. Note que, embora a taxa de sucesso
preditivo seja relativamente alta (trs pontos dentre os quatro, no total, foram preditos como presena), a rea de
distribuio geogrfica predita pelo modelo em cada etapa muito grande (chega a 87% de toda a Amrica do
Sul em uma das etapas), de modo que essas predies so facilmente obtidas ao acaso (P > 0,05).
48
registro de ocorrncia usado para calibrar k-1 modelos (mas em k-1 combinaes diferentes
com outros registros) e os modelos so avaliados contra cada registro, as predies confiveis
(p-valor < 0,05), quando avaliadas pelo teste LOO, indicam que a estimativa do tamanho e
consequentemente, para construir as predies do modelo. Isso sugere tambm que o conjunto
de dados de ocorrncia no apresenta vis espacial e/ou ambiental relevante (veja tambm
10
11
12
13
14
final, de uma predio ao acaso (P > 0,05). Essa discusso se torna importante em estudos
15
16
enviesados para a maioria das espcies (veja os efeitos do vis de amostragem sobre as
17
hipteses de distribuio das espcies em Lobo et al. 2007, Hortal et al. 2008).
18
19
20
21
(i.e., o modelo) para outros perodos usando dados de teste independentes (Peterson et al.
22
2011), sobretudo sob cenrios de mudanas climticas (Arajo et al. 2005). Embora a diviso
23
dos dados de ocorrncia seja aceitvel para avaliar os modelos, como discutido acima (e.g.,
24
25
49
avaliam apenas o desempenho do modelo no perodo em que ele foi calibrado, mas nunca
suas projees para outros perodos. Alm disso, o subconjunto dos dados de teste
difcil obter evidncias fsseis datadas para diferentes perodos no tempo, embora no em
10
(tempo 1 - t1 -, por exemplo, com o maior nmero de registros fsseis), projetar o nicho
11
ecolgico modelado para outro perodo (t2, com menos registros fsseis) e validar suas
12
predies a partir das ocorrncias fsseis datadas para t2 (Martnez-Meyer et al. 2004). Nesse
13
14
capazes de predizer, como presena, aqueles locais realmente ocupados pela espcie em t2, os
15
quais so determinados pelo registro fssil da espcie em t2 (ver Quadro 2.1). Essa
16
abordagem mais eficiente que os mtodos de diviso do conjunto de dados (k-fold cross-
17
18
19
20
predizer a presena da espcie nos locais onde ela realmente ocorre, obviamente suas
21
22
cujos dados de teste independentes esto disponveis. importante lembrar, entretanto, que
23
24
(Fig. 2.2), conforme discutido anteriormente (veja item Pressupostos tericos dos ENMs).
50
comparaes narrativas. Por exemplo, a distribuio geogrfica de uma espcie projetada para
diferentes perodos pode ser comparada com a distribuio de algum indicador (proxy) que
estabelecida por gros de plen depositados durante o ltimo ciclo glacial, para validar a
considerando que a espcie era restrita vegetao de Tundra. Esses mtodos de comparao
10
narrativa so mais eficientes para ambientes com baixa biodiversidade e afetados diretamente
11
por agentes glaciais, como o caso das regies temperadas do hemisfrio norte. A dinmica e
12
13
14
narrativos, portanto, devem ser utilizados com cuidado e sempre como uma forma alternativa
15
16
17
18
Embora existam tcnicas confiveis para avaliar a qualidade das predies dos ENMs
19
para diferentes tipos de dados e sob distintos critrios tericos, como discutido acima, muitas
20
decises so feitas durante o processo de modelagem, o que pode gerar predies alternativas
21
e incerteza nos mapas preditivos de distribuio potencial (Arajo & New 2007). Essas
22
decises envolvem, por exemplo, os mtodos de pesquisa e obteno dos dados, os algoritmos
23
24
limiar de deciso e dos mtodos de avaliao. Vrios estudos mostram que diferentes
25
51
mesmo conjunto de dados (Dormann et al. 2008, Diniz-Filho et al. 2009), especialmente
quando projetadas para diferentes cenrios climticos (Fig. 2.6; Thuiller 2004, Pearson et al.
Filho et al. 2009) ou quando se utiliza diferentes critrios para escolha do limiar de deciso
Dessa forma, h pelo menos duas solues possveis para lidar com essas fontes de
10
11
12
espcies com diferentes caractersticas ecolgicas (e.g., espcies raras e dominantes), para
13
ento definir o melhor modelo preditivo de acordo com as espcies analisadas e o objetivo do
14
Maxent
Mahalanobis
Bioclim
ccsm
15
fgoals
miroc
52
1
2
3
4
5
6
7
8
9
Figura 2.6. Incerteza na distribuio geogrfica de Smilodon populator predita pela combinao de trs mtodos
(ENMs - Bioclim, Mahalanobis e Maxent) e trs simulaes paleoclimticas (GCMs - ccsm, fgoals e miroc).
Diferentes combinaes entre ENMs e GCMs geraram diferentes predies, ou seja, um mesmo mtodo prediz
diferentes distribuies para uma mesma espcie, tanto em rea quanto em sua localizao espacial, quando
calibrado com diferentes GCMs e vice-versa. Observe que as predies usando o GCM fgoals so mais
semelhantes entre si (independente do mtodo; sequncia central vertical) do que aquelas usando os GCMs
ccsm e miroc (retirado de Lima-Ribeiro & Diniz-Filho 2012).
10
para gerar predies mais robustas (chamada de ensemble solutions; veja Arajo & New
11
2007), sobretudo em relao dinmica da distribuio geogrfica das espcies sob cenrios
12
13
baseada, por um lado, nos critrios de que tanto as predies nicas no so a representao
14
mais fiel da realidade, quanto em que todos os modelos so falhos em algum ponto, mas
15
produzem informaes teis (Arajo et al. 2005, Arajo & New 2007). Por outro lado, Arajo
16
e New (2007) recomendam que a combinao dos resultados no deve ser considerada como
17
18
melhores, com predies individuais mais robustas a partir de dados mais confiveis (a
19
20
predies a partir desse problema emergente, ainda continua dependente das predies
21
22
23
Ao divulgarem essa idia no contexto dos ENMs, Arajo e New (2007) prepuseram
24
quatro abordagens gerais para apresentar a combinao de predies, as quais podem ser
25
26
27
predizem cada local como adequado sobrevivncia da espcie focal (mas veja Arajo &
28
New 2007 para diferentes formas de apresentar esses resultados). Essa abordagem chamada
29
de consenso e ilustra a forma mais simples de lidar com as incertezas preditivas no contexto
30
dos ENMs. Portanto, deve ser preferivelmente utilizada nos estudos paleoecolgicos com
53
poucos registros fsseis (Varela et al. 2011; veja os mapas de consenso para Eremotherium no
captulo 4). A segunda maneira para apresentar os resultados combinados mais complexa
Seguindo essa idia, Diniz-Filho et al. (2010) prepuseram trs fases consecutivas com
10
segunda fase envolve a descrio das diferenas entre os possveis mapas preditivos, cada um
11
obtido a partir de uma fonte de incerteza diferente, utilizando tcnicas de anlise multivariada.
12
13
14
refora aquela abordagem tradicional para entender o mecanismo de modelagem que leva s
15
diferenas entre as predies, como discutido acima. A terceira e ltima fase consiste na
16
anlise quantitativa da magnitude relativa das diferentes fontes de incerteza. Nesta fase pode-
17
se utilizar testes analticos de partio de varincias, como a ANOVA fatorial, por exemplo,
18
para identificar quais componentes (como ENM, GCM, limiares ou preditores) adicionam
19
20
geogrfica de interesse (veja exemplo no captulo 4; veja tambm Dormann et al. 2008,
21
Diniz-Filho et al. 2009, Diniz-Filho et al. 2010, Nenzn & Arajo 2011, Terribile et al.
22
2012).
54
Captulo 3
4
5
6
7
8
9
what we observe is not nature (itself), but nature exposed to our method of
questioning.
- Werner K. Heisenberg -
10
11
12
geogrfica das espcies com base no conceito de nicho ecolgico tecnicamente sustentado
13
14
15
dados necessrios para calibrar os modelos de nicho, portanto, deles tambm dependem o
16
alcance e as limitaes das predies a serem obtidas (i.e., o ajuste dado pelos mtodos).
17
Neste captulo pretende-se discutir os tipos de dados que podem ser usados nos ENMs, seus
18
19
20
21
22
O primeiro passo antes de obter os dados para calibrar ENMs estabelecer qual a
23
escala espacial e temporal que melhor expressa os objetivos do estudo. Dela depende a
24
qualidade dos dados de ocorrncia, quais variveis preditoras sero utilizadas, alm de
25
interferir nas predies dos modelos (Whittaker et al. 2001). Como discutido no captulo
26
27
28
ocorrncia das espcies em grandes escalas espaciais e temporais, enquanto fatores ligados s
55
interaes biticas e disperso afetam as espcies em escalas menores (Pearson & Dawson
2003, Peterson et al. 2011). Portanto, por definio, predies mais finas nunca seriam
totalmente dependentes da rea de estudo, dada a tcnica utilizada para ajustar o nicho das
comparaes entre os locais onde a espcie ocorre e todos os ambientes disponveis na rea de
10
determinadas em toda a rea de estudo. Nesses casos, diferentes predies podem ser obtidas
11
mudando-se apenas a rea de estudo. Alm disso, um importante efeito de escala sobre a
12
habilidade preditiva dos ENMs discutida em Barve et al. (2011); melhores modelos so
13
14
15
16
17
ou seja, devem ser contemporneos (ver texto abaixo). Segundo, esses dados devem abranger
18
19
por exemplo, as causas de extino da megafauna no Quaternrio tardio (ltimos 50.000 anos)
20
21
Holoceno (ltimos 10.000 anos). Estimar corretamente a escala temporal adequada aos
22
23
24
25
56
dados devem ser coletados. Escala tem dois componentes: extenso e resoluo (Fig. 3.1). O
suas implicaes foram discutidas acima. Em ENMs, a extenso define o conjunto total de
6
o
ltimo
Interglacial
Holoceno
Mdio
UMG
20
40
60
80
100
120
140
Tempo
(mil anos atrs)
2
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
Figura 3.1. Representao das escalas espacial (mapas) e temporal (grfico) com diferentes nveis de extenso e
resoluo. O mapa da regio neotropical, esqueda, representa uma extensa regio geogrfica e est dividido em
clulas contguas com resoluo de 3 de latitude e longitude. Nessa escala espacial, as variveis climticas so
preditores adequados da distribuio das espcies. A seta 1 indica uma reduo da extenso geogrfica e o mapa
passa a representar apenas o bioma Cerrado (mapa central-superior). Entretanto, a resoluo s diminui no mapa
indicado pela seta 2 (mapa central-inferior) com a reduo do tamanho das clulas (0,5x0,5 lat/long). Note que
a ocorrncia de manchas de solo (reas pretas dentro dos mapas do Cerrado) melhor representada no mapa com
resoluo mais fina. Nesse caso, as predies dos ENMs para o mapa superior a partir desse preditor (tipo de
solo) seriam prejudicadas simplesmente por conflito de escala (pequena extenso com resoluo grosseira). A
extenso e resoluo diminuem ainda mais na imagem de satlite indicada pela seta 3 (direita-inferior), cujos
pixels tm 80 m de lado (imagem do satlite Landsat adaptada de Miranda & Coutinho 2004). Toda a extenso
dessa imagem corresponde a uma nica clula de 0.5 de resoluo (~50 km) no mapa do cerrado. Note que a
variao na paisagem (cobertura vegetal) mais fielmente determinada em alta resoluo (e.g., imagem de
satlite), entretanto, seria difcil express-la para toda a regio do Cerrado usando resoluo to fina. O grfico
(diretia-superior) mostra a variao na temperatura durante os ltimos 140 mil anos e se refere escala temporal
(modificado de Johnson 2009). Embora a temperatura varie em pequenas escalas, as simulaes paleoclimticas
so feitas apenas para alguns perodos chave (setas), tornando a resoluo temporal grosseira para os dados
existentes.
27
28
escala define a extenso espacial e/ou a amplitude temporal em que uma nica observao dos
57
dados obtida, seja para a ocorrncia das espcies ou para as variveis preditoras. No espao,
a resoluo determina a distncia mnima entre pontos de observao, enquanto no tempo ela
informaes esto separadas no espao e/ou no tempo em relao aos seus vizinhos mais
prximos. Em ENMs, por consequncia, a resoluo dos dados determina o alcance preditivo
dos modelos, ou seja, a qualidade das interpolaes ajustadas a partir dos dados.
10
formar uma grade. Juntos, os dois atributos de escala determinam o aspecto geral desses
11
mapas (Fig. 3.1). O tamanho de cada clula individualmente define a resoluo qual a
12
informao ser expressa e o conjunto total de clulas reflete a extenso da rea de estudo. Os
13
14
15
alcance desejado das predies e o objetivo dos estudos que utilizam ENMs (Willis &
16
Whittaker 2002). Estudos interessados em predies sobre grandes extenses espaciais (e.g.,
17
18
19
pequenas regies (pequena extenso) onde os dados podem ser obtidos a partir de elevados
20
21
22
23
24
espcies so representadas por registros de ocorrncia no espao geogrfico (i.e., seus dados
25
de presena e ausncia os ltimos quando necessrio; ver Fig. 3.2). Entretanto, deve-se
58
saber a localizao geogrfica de cada registro (i.e., sua latitude e longitude) para relacion-
los s condies ambientais dos mesmos locais a fim de obter o nicho das espcies. Os pontos
Sabendo que a maioria dos estudos aplica ENMs em grandes escalas espaciais (em virtude,
inclusive, da limitao de dados ambientais em escalas menores; ver texto abaixo), a segunda
opo acima se torna mais vivel, principalmente para grandes conjuntos de espcies.
10
11
12
13
14
15
Figura 3.2. Registro fssil da megafauna sul-americana extinta durante o Quaternrio tardio. Note que tanto os
registros Pleistocnicos (crculo preto) quanto Holocnicos (quadrado cinza) so enviesados no espao
geogrfico.
16
17
confiavelmente estabelecida a partir de seu registro fssil. Entretanto, para calibrar os ENMs
59
usando dados fsseis preciso saber onde (latitude/longitude) e quando (datao) uma espcie
datadas (Varela et al. 2011). As datas so necessrias para relacionar as informaes das
espcies apenas s condies ambientais que sejam contemporneas. Essa referncia temporal
pode ser direta (em anos antes do presente), indireta (um registro datado baseado na
ocorrncia de outro fssil associado) ou ainda relativa (indicar um amplo perodo - e.g.,
Ambos os mtodos de datao podem ser considerados durante a coleta de dados, porm,
evidente que as informaes a partir do registro fssil oferecem mais possibilidades de erros e
10
incertezas que os dados recentes. As datas relativas, por exemplo, podem gerar maior
11
incerteza quando indicam perodos muito amplos (e.g., Negeno). O retrabalhamento das
12
13
14
15
adequadas para cada material fossilizado devem ser averiguadas e padronizadas ao mximo
16
17
Alm desses fatores, comum que o registro fssil (tambm dados recentes) da
18
19
taxonomicamente (Fig. 3.3), ou seja, algumas regies (Amrica do Norte, Europa), perodos
20
21
estudados que outros e, consequentemente, possuem mais informaes fsseis (Varela et al.
22
2011). Embora vrios fatores afetem o registro fssil, esses dficits de informao devem-se,
23
em grande parte, s tradies de pesquisa e aos seus interesses. Na Amrica do Sul, por
24
25
60
paleontolgicas sempre foi muito mais forte no Rio Grande do Sul e, mais recentemente, est
mais focada na regio nordestina do que nos demais estados brasileiros (Fig. 3.2).
3
18
80
14
Nmero de registros
Nmero de espcies
16
90
12
10
8
6
4
70
60
50
40
30
20
10
2
3
10
20
30
Nmero de registros
60
90
0
9
10
11
12
13
14
Massa corporal (log)
15
16
5
6
7
8
Figura 3.3. Vis taxonmico em relao ao nmero de registros fsseis de espcies da megafaunal extinta na
Amrica do Sul durante o Quaternrio tardio. Note que a maioria das espcies possui poucos registros fsseis
(A), especialmente aquelas com menor tamanho corporal (B).
10
11
12
(ltimos 50.000 anos) devido ao evento de extino da megafauna no final do Pleistoceno ser
13
ativamente estudo por arquelogos em todo o mundo. Os registros fsseis de rpteis, por
14
outro lado, so mais conhecidos durante o Mesozico (250-145 milhes de anos atrs) devido
15
extino dos dinossauros. Independente das tradies de pesquisa, Varela et al. (2011)
16
afirmam que os perodos mais recentes geralmente so mais estudados, alm de possurem
17
fsseis melhor preservados, o que favorece sua identificao taxonmica de forma mais
18
confivel. evidente que tais vieses nos dados de ocorrncia das espcies afetam os modelos
19
20
et al. 2008).
21
22
61
principalmente), mas a maioria dos dados est disponvel de forma espalhada em veculos de
esse fator dificulta a obteno dos dados fsseis e, consequentemente, sua disponibilizao
em bancos de dados on-line. Dessa forma, importante que as pessoas se esforcem para
em formato digital (veja exemplos em Borrero 2009, Barnosky & Lindsey 2010, Lima-
Ribeiro & Diniz-Filho 2013), para que futuros pesquisados os utilizem em seus estudos. Alm
10
Para mamferos da Amrica do Norte e Europa, por exemplo, existem vrios bancos
11
de dados disponveis on-line, tais como o The Quaternary Faunal Mapping Project
12
Faunmap
13
<http://www.ucmp.berkeley.edu/faunmap/>),
14
15
(www.canadianarchaeology.ca/),
16
17
Stage
18
19
20
antigos (exemplos esto disponveis em Meltzer & Mead 1985, Holliday 2000, Guthrie 2003,
21
Agenbroad 2005, Steadman et al. 2005, Guthrie 2006, Waters & Stafford Jr. 2007, Nogus-
22
Bravo et al. 2008, Fiedel 2009, Lorenzen et al. 2011). Peixes, rpteis, anfbios e invertebrados
23
24
25
Three
(http://www.museum.state.il.us/research/faunmap/
Project
The
Paleoindian
ou
Neotoma
Database
of
Database
the
Americas
(http://www.esc.cam.ac.uk/research/research-groups/oistage3/)
62
maior facilidade e qualidade. Esse registro fssil pode ser obtido diretamente da literatura, j
que comum a publicao dos diagramas polnicos, ou em bancos de dados como Fossil and
Surface Pollen Data from National Oceanic and Atmospheric Administration - NOAA
(http://www.ncdc.noaa.gov/paleo/pollen.html),
(http://www.europeanpollendatabase.net/),
European
Pollen
Palynological
Database
American
Pollen
10
(http://www.paldat.org/),
11
(http://www.museum.state.il.us/research/napd/),
12
(http://palaeoworks.anu.edu.au/databases.html),
13
(http://medias3.mediasfrance.org/apd/accueil.htm).
North
Indo-Pacific
African
Pollen
Pollen
Database
PalDal
Database
Database
Database
14
15
diferentes txons e regies, Varela et al. (2011) alertam sobre a necessidade de criar um
16
banco de dados global que disponibilize informaes mais completas sobre as espcies e seus
17
18
19
dados cada vez maiores para diferentes grupos taxonmicos, regies e perodos geolgicos
20
abrem inmeras possibilidades de anlises usando ENMs, alm de possibilitarem estudos com
21
22
23
24
25
como a todos os possveis habitats da rea de estudo, formam o segundo conjunto de dados
63
disperso (Fig. 3.4). Essas variveis podem ser contnuas (temperatura, precipitao),
das variveis utilizadas, elas devem determinar as dimenses do nicho conforme o objetivo do
estudo e os grupos taxonmicos de interesse. Por um lado, variveis de solo podem ser
ocorrncia de mamferos. Por outro lado, essencial que variveis climticas sejam os
10
25
36
-7
11
12
13
14
1.800
8,8
3,6
Figura 3.4. Variveis bioclimticas normalmente utilizadas nos modelos de nicho. (A) temperatura mdia anual,
(B) amplitude anual da temperatura (mximo - mnimo), (C) precipitao do trimestre mais quente, (D) pH do
solo.
64
para grandes escalas espaciais (ver Pearson & Dawson 2003, Peterson et al. 2011).
A maioria dos estudos com ENMs, no entanto, utilizam apenas as variveis climticas
como preditores nos modelos de nicho devido facilidade de obteno e manipulao dos
dados (Franklin 2009). O clima alvo de estudo em vrios campos do conhecimento, afeta
(2005) promoveram um grande servio nesse aspecto. Eles interpolaram quatro variveis
10
11
12
13
condies limitantes (ver Fig. 3.4). Mais importante, essas informaes foram
14
15
16
17
18
19
20
21
para perodos geolgicos chave utilizando modelos de circulao geral (em ingls, General
22
23
24
atmosfrica e ocenica, bem como na concentrao de gases do efeito estufa (e.g., CO2), na
25
65
AP; ver Fig. 3.1) e ainda resultam em predies com baixa resoluo espacial, na ordem de 1
2012, Taylor et al. 2012). Um dos resultados teis desse projeto, alm da qualidade dos
10
11
12
13
disponibilizados
14
15
em
um
banco
de
dados
on-line
(EcoClimate,
ver:
16
17
18
utilizadas mais variveis para modelar a distribuio passada das espcies, estas trs variveis
19
20
utilizadas para calcular a maioria das variveis bioclimticas e so as variveis com menos
21
erros e incertezas quando simuladas pelos GCMs. As variveis bioclimticas, por outro lado,
22
representam dinmicas climticas sazonais e fatores limitantes (e.g., variaes extremas) que
23
podem ser importantes determinantes do nicho das espcies. imprescindvel, entretanto, que
24
se analise a colinearidade entre essas variveis considerando a rea de estudo (Dormann et al.
25
66
potencial das espcies. O pesquisador deve, portanto, balancear os dois fatores e escolher as
1
2
3
4
5
6
7
8
9
10
11
67
Captulo 4
MODELOS DE NICHO, MUDANAS CLIMTICAS E AS EXTINES DA
MEGAFAUNA
I think the primary factor to be considered in the extinctions of animals at the
end of the Ice Age -- about 10,000 to 12,000 years ago -- is the climate change
that occurred at the same time, as well as the reorganization of biological
communities at that time, and the reduction in ranges of many of the species
that became extinct.
12
- Russell Graham -
13
14
15
16
Nos captulos anteriores foi demonstrado que os modelos de nicho ecolgico (ENMs),
17
18
19
20
21
22
23
climticas sobre a extino da megafauna pode ser avaliado a partir dos ENMs.
24
25
26
27
importantes gelogos desse perodo, como Charles Lyell (1797-1875), comearam a ter noo
28
29
30
ocorreram e ento surgiu a hiptese das mudanas ambientais como causa das extines de
31
32
2006). Nessa poca surgiu, ento, a hiptese de que as mudanas climticas relacionadas ao
68
ltimo ciclo glacial poderiam explicar as extines da megafauna durante o Quaternrio tardio
(Grayson 1984).
eventos glaciais e das extines, que contradizem as causas climticas, por si s, como um
fator estressante da megafauna (Haynes 2009). Um ponto importante que vrios ciclos
mas a megafauna foi extinta apenas nos ltimos 50.000 anos, em todos os continentes, em
10
11
2005, mas veja uma interpretao diferente em Faith & Surovell 2009).
12
13
primeiro instante, sabe-se que os impactos sobre as espcies animais em decorrncia das
14
15
tornando-os mais complexos e defasados temporalmente (time lag; ver Brook et al. 2008). O
16
17
hiptese das mudanas climticas como causa das extines Pleistocnicas (contra as crticas
18
mencionadas acima). preciso, entretanto, analisar outros aspectos dos impactos climticos.
19
20
temporal da ordem de centenas a milhares de anos, de modo que a vegetao muda ao longo
21
22
23
de alimentos para os herbvoros (reduzindo os habitats adequados), que por sua vez se
24
25
sucessivamente a toda a cadeia trfica (Whitney-Smith 2004, 2009). Esse efeito contribui para
69
a reduo da distribuio geogrfica das espcies antes que suas populaes se tornem raras,
sendo bem conhecido nas teorias sobre extino de espcies em tempos modernos como o
paradigma de restrio de habitat (Simberloff 1986, Diamond 1989). Alm desse efeito, os
sistema de retro-alimentao que pode inclusive acelerar esse processo de extino (Soul &
Wilcox 1980).
contribuindo assim para a reduo de suas populaes e aumentando seu risco de extino
10
(Purvis et al. 2000). Nesse caso, os riscos de extino mais elevados seriam alcanados
11
justamente pelas espcies de grande porte, porque estas: 1) necessitam de mais espao para
12
13
14
elevada idade reprodutiva (ver Johnson 2002). evidente, entretanto, que os impactos
15
16
climticas, de modo que o risco de extino se eleve descomunalmente sob o efeito sinrgico
17
entre mltiplas causas (Cione et al. 2003, Grayson 2007, Nogus-Bravo et al. 2008, Cione et
18
al. 2009).
19
20
anlise que tentar avaliar como os efeitos das mudanas climticas sobre a dinmica de
21
extino da megafauna podem ser estimados usando modelos de nicho (ENMs), registro fssil
22
e simulaes paleoclimticas (Nogus-Bravo et al. 2008, Lorenzen et al. 2011, Varela et al.
23
24
25
70
risco de extino dessa espcie durante o ltimo ciclo glacial, sua rea de distribuio
potancial deveria ter se reduzido drasticamente antes dela se tornar extinta no final do
Pleistoceno/incio do Holoceno. Por outro lado, se o clima no foi o nico agente estressante
deveriam ter desaparecido por completo durante esse perodo e, em principio, ela deveria ter
7
8
PREDITORES CLIMTICOS
10
modelos de nicho, foram obtidas a partir de cinco AOGCMs (CCSM, CNRM, MIROC, MPI e
11
MRI;
12
13
relacionados ao ltimo ciclo glacial, UMG (21.000 anos) e Holoceno mdio (6.000 anos). O
14
UMG e o Holoceno mdio representam, respectivamente, as fases mais frias (glacial) e mais
15
quentes (interglacial) do ltimo ciclo glacial. Eles so os dois perodos-chave para modelar
16
a distribuio potencial das espcies a fim de analisar como as mudanas climticas afetaram
17
Tab.
4.1)
disponveis
no
banco
de
dados
CMIP5/PMIP3
(http://cmip-
18
Foram obtidas quatro variveis climticas (precipitao total anual e temperatura anual
19
20
no captulo 3. Uma vez que essas variveis possuem originalmente resolues grosseiras
21
em escala global (i.e., 1x1, 2x2, ou maiores), elas foram interpoladas para uma grade com
22
23
24
feita com a diferena entre os climas do passado e presente, a qual expressa a tendncia na
25
mudana climtica entre os dois perodos, ao invs de interpolar os valores originais dos
71
Tabela 4.1. Detalhes dos cinco AOGCMs usados nos modelos de nicho.
Modelo - ID
Centro de Pesquisa
Resoluo*
CCSM4
0.9 1.25
Fonte
Ano
CMIP5
2012
PMIP3
CNRM-CM5
MIROC-ESM
CMIP5
1.4 x 1.4
2012
PMIP3
CMIP5
2.8 2.8
2012
PMIP3
CMIP5
MPI-ESM-P
1.9 1.9
2011
PMIP3
CMIP5
MRI-CGCM3
1.1 x 1.1
2012
PMIP3
2
3
4
5
* longitude latitude
CMIP5 Coupled Model Intercomparison Project, Phase 5 (http://cmip-pcmdi.llnl.gov/)
PMIP3 Paleoclimate Modelling Intercomparison Project, Phase 3 (http://pmip3.lsce.ipsl.fr/)
6
7
AOGCMs diretamente. Para o UMG, por exemplo, foi obtida inicialmente, a diferena UMG-
atual, sendo que o clima atual foi obtido a partir das simulaes climticas para o perodo pr-
industrial (1860, tambm disponveis no mesmo banco de dados). Em seguida, tanto essa
10
diferena UMG-atual quanto o clima atual foram interpolados para a grade com resoluo de
11
0,5 usando o mtodo de krigagem. Finalmente, a diferena interpolada foi somada ao clima
12
atual tambm interpolado para obter o cenrio climtico interpolado para o UMG. Com esse
13
14
uma resoluo relevante para a escala espacial de modelagem, mantendo uma melhor
15
16
climticos sejam coerentes entre os diferentes perodos (veja a utilizao desse procedimento
17
72
bioclimticas que representam diferentes aspectos do clima teis para a modelagem do nicho
preferncias das espcies quando seu nicho modelado. A colinearidade entre os preditores
pioram a habilidade preditiva dos modelos e, no caso dos ENMs, geram sobre-estimativas da
distribuio potencial das espcies. Para evitar esse problema, as 19 variveis bioclimticas
foram ordenadas utilizando uma Anlise Fatorial com rotao Varimax e, aps selecionar
cinco eixos independentes, as variveis com coeficientes mais altos nesses eixos foram
10
selecionadas e utilizadas como preditores para calibrar os ENMs (ver Terribile et al. 2012 e
11
12
precipitao dos meses mais seco e mido e precipitao do trimestre mais quente.
13
14
REGISTRO FSSIL
15
16
registros fsseis datados para o Quaternrio Tardio na Amrica do Sul (Apndice 1). A
17
amostragem foi feita em diversas fontes, tais como: literatura cientfica (ISI Web of Science,
18
19
20
registros fsseis de Eremotherium na Amrica do Sul, sendo 60 para o perodo glacial (i.e., de
21
50.000 a 14.000 anos atrs) e 14 para o interglacial atual (~12.000 8.000 anos). 11 registros
22
foram datados como Pleistoceno final/Holoceno e, portanto, foram vinculados aos perodos
23
glacial e interglacial.
24
A maioria do registro fssil (80%) datada indiretamente por associao com outros
25
73
intervalo para aquela evidncia fssil, como idade Pleistocnica, Holocnica ou Lujaniense
(Apndice 1). evidente que essas datas indiretas (e relativas) no indicam a idade exata de
possam de fato ocorrer, todo o perodo glacial apresentou caractersticas climticas muito
que os perodos interglaciais (embora no foi coberta por gelo como a Amrica do Norte, por
exemplo), de modo que os registros fsseis datados (seja direta ou indiretamente) entre
50.000 e 14.000 anos atrs indicariam as preferncias climticas da espcie sob condies
10
glaciais (veja texto abaixo sobre os critrios para definir os dados de treinamento, bem como a
11
12
13
com datao direta (9%), foi utilizada toda a informao disponvel sobre sua ocorrncia
14
fssil para modelar sua distribuio passada. Sob a mesma lgica, os registros com datas
15
16
17
foram utilizados como dados de treinamento para calibrar os ENMs, abordando o conceito de
18
19
os registros datados como Pleistoceno ou idade Lujaniense indicam que a espcie sobreviveu
20
21
utilizados como dados de teste independentes para validar as projees dos modelos para o
22
23
24
25
74
avaliar as fontes de erro e incerteza nos ENMs relacionadas ao uso do registro fssil, enfatiza-
ENMs esto sendo utilizados aqui para avaliar os efeitos das mudanas climticas sobre a
dinmica da distribuio potencial de uma espcie extinta durante o ltimo ciclo glacial (i.e.,
10
11
existiu nesse perodo (i.e., sua distribuio realizada, pois para isso seria necessrio um
12
13
paleoclimticas em intervalos menores de tempo). Ainda assim, apesar das condies iniciais
14
influenciarem as predies dos modelos (Arajo & New 2007, Franklin 2009, Phillips et al.
15
2009), o desempenho estatstico dos ENMs foi avaliado usando dados de teste independentes
16
17
pela espcie foi testado e, por fim, os ENMs foram construdos utilizando a abordagem de
18
19
20
21
22
23
asseguram, portanto, que o mesmo vis de modelagem (se existir) ocorrer tambm nas
24
25
75
longo do tempo (i.e., retrao/expanso das reas climaticamente adequadas) independe dos
vieses de modelagem (que nesse caso ocorreriam em funo da qualidade do registro fssil) e
Para lidar com essa questo de forma analtica e direta, utilizou-se uma ANOVA
dimensional e ambos aninhados no componente tempo (ver detalhes sobre esse delineamento
hierrquico em Terribile et al. 2012). Esse teste analtico mostrou que, embora a incerteza
metodolgica (i.e., varincia a partir dos mtodos e AOGCMs) seja maior que a varincia nas
10
11
conseguiram capturar o efeito das mudanas climticas ao longo do ltimo ciclo glacial. Alm
12
disso, embora a incerteza metodolgica seja relativamente superior, em mdia, suas maiores
13
14
15
espcie sobreviveu entre o UMG e o Holoceno mdio. Dessa forma, o padro espacial das
16
incertezas indica que, embora com relativamente pequena magnitude, as mudanas climticas
17
afetaram, de fato, a espcie ao longo do tempo (ver texto abaixo). Acredita-se, portanto, que
18
19
20
21
22
23
fsseis do ltimo perodo glacial ao paleoclima do UMG e projetada para o Holoceno mdio
24
usando seis mtodos baseados apenas em dados de presena (Bioclim, distncia Euclidiana,
25
76
intertemporal (ver captulo 2). Usando o AOGCM CCM1 (o nico com simulao
paleoclimtica para 11.000 anos atrs; ver texto abaixo), todos os modelos foram aptos para
predizer pelo menos a metade dos registros fsseis de cerca de 11.000 anos atrs (dados de
permaneceram constantes ao longo do ltimo ciclo glacial. Esse teste a partir de dados
10
para validar as projees dos modelos (ver captulo 2). Ou seja, alm de indicar que as
11
12
intertemporais indicam ainda que os modelos calibrados com dados fsseis e simulaes
13
14
15
apresentaram valores de TSS (true skill statistics; Allouche et al. 2006) relativamente altos,
16
baseado na tcnica de amostragem conhecida como validao cruzada (75% treino; 25%
17
teste) com 50 repeties, indicando boa habilidade preditiva para cada um dos 30 modelos (6
18
19
20
21
22
Tabela 4.2. Medidas de TSS (true skill statistics) para os 30 modelos de Eremotherium (6 mtodos * 5
AOGCMs), com suas mdias e desvios padro ao longo dos mtodos (colunas) e AOGCMs (linhas).
CCSM
CNRM
MIROC
MPI
MRI
mdia
DP
23
BioClim
0,59
0,60
0,53
0,59
0,57
0,57
0,03
ENFA
0,57
0,60
0,56
0,58
0,58
0,58
0,01
Euclid
0,30
0,28
0,27
0,29
0,30
0,29
0,01
Gower
0,30
0,29
0,27
0,29
0,28
0,29
0,01
Mahal
0,30
0,31
0,28
0,31
0,29
0,30
0,01
GARP
0,26
0,27
0,25
0,26
0,25
0,26
0,01
mdia
0,39
0,39
0,36
0,39
0,38
0,38
0,01
DP
0,15
0,16
0,14
0,16
0,15
0,15
77
UMG e Holoceno mdio foram combinadas usando o critrio de consenso (Arajo & New
2007) e as incertezas preditivas foram analisadas conforme sugerido por Diniz-Filho et al.
(2009, 2010). Os mapas de incerteza para cada componente de modelagem, bem como sua
magnitude relativa, foram obtidos a partir da ANOVA hierrquica descrita acima, para a qual
valores de adequabilidade ambiental foram padronizados para cada modelo (isto , levados a
uma mesma escala de variao), uma vez que os algoritmos produzem ndices de
10
11
magnitude das incertezas preditivas dos modelos tambm foi avaliada usando uma ANOVA
12
fatorial bi-dimensional sem repeties (Zar 1999), em que a mudana de rea (em nmero de
13
parcelas de 0,5 x 0,5) foi utilizada como varivel dependente e os mtodos e AOGCMs
14
como fatores.
15
16
17
Uma questo conceitual importante nesse momento esclarecer por que o paleoclima
18
simulado apenas para perodos chave e como as predies dos ENMs em um perodo podem
19
ser extrapoladas para outros perodos. Isso faz sentido porque a megafauna sul-americana se
20
extinguiu no final do Pleistoceno/incio do Holoceno (~11.000 anos atrs) e aqui esto sendo
21
22
23
Os ciclos glaciais ocorrem em funo das mudanas cclicas nos parmetros orbitais
24
25
78
Como dito anteriormente, o UMG e o Holoceno mdio representam essas duas fases
a dinmica do clima mais complexa e variaes climticas ocorrem em cada uma dessas
7
12
Temperatura (oC)
11
10
9
1
0
Mdia
erro padro
-1
-2
6 ka
21 ka
126 ka
Perodo
9
10
11
12
13
14
15
Figura 4.1. Diferena na temperatura anual mdia em toda a regio neotropical entre os perodos interglaciais
(ltimo interglacial 126 ka e Holoceno mdio 6ka) e o UMG (21 ka; F2,12438 = 771, P < 0,001). Os dados de
temperatura anual mdia foram retirados do AOGCM CCM1.
16
17
18
parmetros orbitais da Terra (Randall et al. 2007). Dessa forma, a semelhana entre esses
19
20
preditiva das simulaes, se tornam uma sria limitao para que esses modelos simulem o
21
22
23
79
diferentes intervalos de tempo ao longo do ltimo ciclo glacial, o que tambm interfere
bastante no resultado dos modelos (Bonfils et al. 1998). Por essa razo, dentre outras, o
paleoclima simulado para perodos chave, como o UMG e Holoceno mdio, nos quais os
10
perodo para o qual normalmente no se tem simulaes paleoclimticas (mas veja texto
11
abaixo). preciso perceber, entretanto, que se o clima no mudou em grandes escalas dentro
12
dos perodos glacial e/ou interglacial a ponto de limitar as simulaes paleoclimticas, pode-
13
14
durante o intervalo de cada perodo por influncia dos efeitos climticos. Ou ainda, pode-se
15
esperar que os impactos climticos sobre as espcies da megafauna seriam melhor detectados
16
17
de cada um deles.
18
19
20
21
precipitao (espao ambiental) entre os trs perodos, bem como a rea de distribuio
22
potencial predita para a espcie. CCM1 uma verso antiga de AOGCMs (PMIP1, veja:
23
24
em
25
melhor
resoluo
temporal
entre
UMG
Holoceno
mdio
(ver
80
mdio do que entre estes e o UMG (Fig. 4.2a). Da mesma forma, a diferena entre a rea de
estimativa da rea de distribuio geogrfica das espcies for usada para representar a
magnitude dos efeitos climticos sobre as espcies da megafauna (como ser feito nos
captulos 5 e 6), o teste indica que as simulaes paleoclimticas para 11.000 e 6.000 anos
estimam o mesmo efeito tendo o UMG como referncia, ou seja, tanto faz usar um ou outro
10
11
30
1600
1500
10
rea
Temperatura (oC)
1700
20
0
-10
6 ka
11 ka
21 ka
-20
-30
1400
1300
1200
1100
Mdia
erro padro
1000
900
-40
200
12
13
14
15
16
17
18
19
20
21
22
23
600
1000
1400
1800
2200
Precipitao (mm)
2600
3000
6 ka
11 ka
21 ka
Perodo
Figura 4.2. Relao entre temperatura mdia e precipitao anual (A) e tamanho da rea de distribuio
potencial de Eremotherium (B) predita em toda a regio neotropical durante o ltimo ciclo glacial a partir do
AOGCM CCM1. Cada ponto em (A) indica uma clula de 0,5 de resoluo no Neotrpico. Note que tanto a
relao entre temperatura e precipitao quanto o tamanho da rea de distribuio so mais semelhantes entre os
perodos interglaciais (Holoceno mdio - 6 ka, transio Pleistoceno/Holoceno 11 ka ) do que destes com o
UMG (21 ka).
24
climticas de outro perodo s fazia sentido quando no existiam simulaes para o perodo
25
26
27
como mostrado acima para CCM1, a lgica da hiptese se perderia. Entretanto, como visto no
81
registro fssil e simulaes paleoclimticas (estas tambm variam em funo da incerteza nos
seus prprios modelos), e uma das formas de lidar com isso combinando vrias predies a
partir de diferentes mtodos e AOGCMs (ensemble solution, Arajo & New 2007). Nesse
(AOGCM CCM1), se torna impossvel combinar predies entre AOGCMs. Entretanto, como
discutido acima, o Holoceno mdio (tambm o UMG) um dos perodos chave para o qual
existem vrias simulaes paleoclimticas, cada qual de diferentes AOGCMs (veja todos os
10
11
12
13
14
15
DINMICA
16
DA DISTRIBUIO
POTENCIAL
DE
EREMOTHERIUM
17
18
ciclo glacial, combinada entre os 30 modelos possveis (6 ENMs * 5 AOGCMs; Fig. 4.3),
19
20
em rea quanto na sua localizao geogrfica, ao longo desse perodo. Durante o UMG, a
21
maioria dos modelos (consenso > 0,5) indica que a espcie estava amplamente distribuda por
22
toda a regio norte da Amrica do Sul, mas durante o Holoceno Mdio ela esteve distribuda
23
em uma rea relativamente restrita ao longo do litoral brasileiro, onde hoje existe a Mata
24
25
82
UMG
Holoceno mdio
Consenso:
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
2
3
4
5
6
7
8
Figura 4.3. Mapas de consenso (ensemble solution) da distribuio potencial de Eremotherium ao longo do
ltimo ciclo glacial. Os mapas de consenso mostram a proporo de modelos que predizem cada local (parcela
da grade) como adequado presena da espcie. Note a reduo e fragmentao da rea de distribuio de
Eremotherium durante o Holoceno mdio.
10
11
40% no mesmo perodo, sendo significativamente menor no Holoceno mdio que no UMG
12
13
14
ENMs durante o UMG e o Holoceno mdio reflete diretamente a rea cujas condies
15
climticas foram adequadas sobrevivncia da espcie em cada perodo. Sendo assim, uma
16
maneira de estimar o efeito das mudanas climticas sobre Eremotherium pode ser a partir da
17
diferena dessas reas entre o UMG e o Holoceno mdio, chamada ento de mudana de rea.
18
19
20
limiares so escolhidos arbitrariamente na maioria das vezes (captulo 2), uma reduo na
21
qualidade climtica dos ambientes disponveis para a espcie entre os dois perodos no
83
necessariamente seria refletida na mudana de rea predita pelos ENMs. Nesse caso, a
Outra possibilidade para avaliar o mesmo efeito sem estimar a rea de distribuio
problemas relacionados rea. Mesmo assim, preciso lembrar que as prprias estimativas
10
exemplo, mostram alta varincia nas estimativas de mudana de rea entre diferentes
11
AOGCMs (Tab. 4.3). Da mesma forma, os resultados da ANOVA hierrquica mostram que as
12
13
14
interpretada como o tamanho do efeito das mudanas climticas sobre a espcie analisada
15
(i.e., sobre sua adequabilidade climtica predita para cada um dos perodos), enquanto a
16
17
18
19
20
21
22
23
24
25
26
27
Tabela 4.3. Contribuio relativa de cada componente de modelagem (tempo, mtodos, AOGCMs e sua
interao) para a variabilidade das predies dos ENMs para Eremotherium. A coluna adequabilidade mostra a
proporo mediana e a amplitude da soma de quadrados a partir da ANOVA hierrquica calculada para cada
clula da gride cobrindo a regio neotropical. A terceira coluna indica a incerteza (soma de quadrados a partir da
ANOVA fatorial) sobre as estimativas de mudana de rea (diferena entre as reas de distribuio potencial
preditas para o UMG e Holoceno mdio). *Os resduos indicam justamente a interao entre os fatores
mtodo*AOGCM.
Componente
TEMPO
MTODO
AOGCM
Resduos*
28
Adequabilidade
mediana
mn.-mx
0,05
0 0,78
0,79
0,05 0,99
0,05
0 0,53
0,06
0,002 0,68
Mudana
de rea
21,7
66,6
11,7
84
(mesmo que parcial; ver texto abaixo) foi perfeitamente capturado usando a ANOVA
hierrquica.
magnitude relativa das varincias em torno das predies dos 30 modelos (6 mtodos * 5
AOGCMs), o padro espacial de suas incertezas tambm varia (Fig. 4.4). Apesar dos mtodos
concentra na poro sul do continente sul americano, regio nunca ocupada por
Eremotherium durante o ltimo ciclo glacial (Fig. 4.4b). Isso indica conflito entre os
10
extrapolar as predies alm das preferncias da espcie indicadas nos pontos de ocorrncia
11
(ver detalhes em Elith & Graham 2009). Ao contrrio, as maiores varincias relacionadas ao
12
componente tempo ocorrem na regio amaznica (Fig. 4.4a), indicando que, embora com
13
pequena proporo mediana, o efeito do clima foi predito para ocorrer justamente na regio
14
ocupada pela espcie. Esses resultados indicam que preciso analisar o padro espacial das
15
16
metodolgicos no contribuem com toda a incerteza preditiva como indicada pela proporo
17
18
19
magnitudes relativas em toda a rea de estudo. Conclui-se, entretanto, que o efeito climtico
20
potencial ou pelo menos uma estimativa parcial dele foi adequadamente acessada utilizando
21
22
predies (i.e., ensemble solution) usando diferentes mtodos e AOGCMs, como discutido
23
acima.
24
85
A - TEMPO
incerteza
B - MTODO
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
C - AOGCM
D - MTODO*AOGCM
1
2
3
4
5
Figura 4.4. Mapas de incerteza para cada componente de modelagem (tempo, mtodos, AOGCMs e a interao
mtodo*AOGCM) usado na soluo de consenso. A barra de escala mostra a proporo da soma de quadrados
obtida pela ANOVA hierrquica calculada para cada clula da gride cobrindo a regio neotropical.
6
7
Eremotherium, por si s, mostram claros efeitos das mudanas climticas sobre sua dinmica
10
de distribuio potencial ao longo do tempo e, sem dvida nenhuma, deve ser considerada um
11
12
13
14
15
energtica (ver Damuth 1981), as espcies de animais de grande porte, como Eremotherium,
86
devem ocupar reas mais extensas do que as espcies de pequeno/mdio porte para conseguir
os recursos suficientes para sua sobrevivncia (Kelt & Van Vuren 2001). Como consequncia,
o risco de extino se eleva abruptamente quando espcies de grande porte ficam restritas em
pequenas reas (Purvis et al. 2000, Payne & Finnegan 2007, Davies et al. 2009). O risco de
extino ainda maior quando essas espcies tm capacidade de disperso reduzida e baixas
taxas de crescimento populacional (Isaac 2009), elevada idade reprodutiva e amplo perodo
gestacional (Cardillo et al. 2005), como o caso da megafaunal em geral (Johnson 2002), e
10
11
Figura 4.5. reas de refgio para Eremotherium ao longo do ltimo ciclo glacial.
12
13
14
eleva rapidamente quando a rea de distribuio geogrfica de uma espcie declina por um
15
substancial perodo em resposta s mudanas climticas (Foote et al. 2007) porque suas
16
populaes podem atingir um tamanho menor que o mnimo vivel (Brown & Maurer 1987,
17
Brown 1995). No caso de um animal de grande porte, como Eremotherium, que deveria
18
87
energtico (regra de equivalncia energtica; veja Damuth 1981), pode-se predizer que
estocstico ter aumentado consideravelmente seu risco de extino (Blois et al. 2010).
importante lembrar sempre que os ENMs geram uma distribuio potencial (sobretudo
aqueles baseados apenas em presenas como os utilizados aqui) e que a distribuio realizada
pode ser consideravelmente menor, por efeitos de disperso e interaes biticas (ver
diagrama BAM no captulo 2), tornando ainda mais plausveis esses efeitos estocsticos
relacionados a pequenas populaes. Alm disso, de acordo com os critrios da IUCN para
10
11
12
13
14
15
fragmentadas B1).
16
17
longo do ltimo ciclo glacial devem ter sido um importante fator elevando o risco de extino
18
19
paradoxalmente, importante notar que as anlises mostram que ainda existiam ambientes
20
climaticamente favorveis sua sobrevivncia durante o Holoceno mdio (Fig. 4.3), pelo
21
menos como predito pela maioria dos modelos (consenso > 0.5). Isso sugere que outros
22
fatores alm das mudanas climticas relacionadas ltima glaciao devem ter contribudo
23
para sua extino. Alm disso, a prpria subcategoria Vulnervel da IUCN significa que,
24
25
entre o UMG e o Holoceno mdio, mas apenas seus efeitos no seriam suficientes para
88
extingui-la por completo. Embora reduzidas, as reas de refgio (Fig. 4.5), por exemplo,
seriam reas fonte (i.e., com alta adequabilidade climtica) contendo populaes refugiadas
viveis e que poderiam se expandir quando as condies climticas timas voltassem a existir
espcies durante os ciclos glaciais do Quaternrio (O'Regan et al. 2002, Peterson & Nyri
2007, Waltari et al. 2007, Carnaval et al. 2009, Collevatti et al. 2012) e seria esperado para
ocorrer tambm com a megafauna (Nogus-Bravo et al. 2008) entre o UMG e o Holoceno
10
Holoceno, justamente aps os humanos colonizarem a Amrica do Sul, provvel (ou pelo
11
12
conduziram suas populaes extino definitiva. Alm disso, existem evidncias empricas
13
14
15
espcie antes de sua extino (Politis & Messineo 2008, Dantas et al. 2012; mas veja uma
16
17
18
19
Pleistoceno ao invs de causas nicas (Cione et al. 2003, Koch & Barnosky 2006, Grayson
20
2007, Nogus-Bravo et al. 2008, Cione et al. 2009, Varela et al. 2010, Lorenzen et al. 2011,
21
Prescott et al. 2012). De acordo com Brook et al. (2008), a sinergia entre mltiplos agentes
22
23
normalmente empurram as populaes abaixo do tamanho mnimo vivel de modo que o risco
24
89
espcies em diferentes perodos e continentes (Koch & Barnosky 2006, Grayson 2007,
Lorenzen et al. 2011). Como predito por ENMs, as mudanas climticas afetaram muitas
espcies, mas, na maioria das vezes, elas no foram o fator decisivo da extino (Lima-
Ribeiro et al. em reviso(b), Martnez-Meyer et al. 2004, Nogus-Bravo et al. 2008, Varela et
al. 2010, Lorenzen et al. 2011). No caso de Eremotherium, as predies a partir dos ENMs
sugerem que as mudanas climticas aumentaram seu risco de extino por reduzir e
10
11
12
extino de Eremotherium ao longo do ltimo ciclo glacial pode ilustrar adequadamente que o
13
efeito aditivo entre mltiplas causas potencialmente mais ameaador sobrevivncia das
14
espcies que o efeito isolado de causas nicas. Esse efeito aditivo entre clima e Homem, bem
15
como a magnitude dos efeitos de cada um deles ser analisada nos captulos 5 e 6,
16
respectivamente.
90
Captulo 5
2
3
4
5
6
7
8
- Paul Martin -
10
11
12
No captulo anterior mostrou-se como modelos de nicho ecolgico podem ser teis
13
para auxiliar a compreenso do modo pelo qual mudanas climticas no passado recente
14
podem ter levado espcies extino pela reduo de sua rea de distribuio geogrfica ou
15
16
que a reduo de rea uma medida direta da magnitude do efeito climtico sobre as espcies
17
18
19
efeito da chegada do Homem. A partir dessa necessidade, nesse captulo ser explorado um
20
21
impacto da colonizao humana, por efeito de caa, sobre as espcies extintas da megafauna
22
sul-americana.
23
24
25
26
proposta ainda no sculo XIX, mas ganhou fora a partir dos trabalhos desenvolvidos por
27
28
Norte (Martin 1967, 1973). Paul Martin desenvolveu a hiptese de sobrematana por um
91
hab/km2 (ver Hamilton & Buchanan 2007 para uma anlise recente apoiando esse modelo de
posteriormente para outras regies do mundo (Martin 1984) e est baseada em diversas
evidncias e pressupostos (Surovell et al. 2005, Haynes 2007, 2009b). Em primeiro lugar,
como j discutido, haveria uma coincidncia entre as datas de chegada do H. sapiens nessas
10
regies e a extino da megafauna. Porm, ao contrrio do que ocorreu nos outros eventos de
11
12
13
extintas) nos diferentes continentes (apesar da aparente sincronia das mudanas climticas;
14
mas veja evidncias contrrias em Faith & Surovell 2009). Alm disso, a extino do final do
15
Pleistoceno est muito concentrada em animais de grande porte (usualmente mamferos, mas
16
tambm aves, principalmente na Austrlia e Nova Zelndia; ver exemplo em Rawlence et al.
17
2012) que, embora possuam maior sensibilidade ao clima, seriam alvo de caa (Haynes 2002).
18
De fato, como est claramente demonstrado pelos efeitos antrpicos recentes sobre a
19
20
diferentes formas (Brook et al. 2008). Nesse contexto, Marshall (1988) classificou os modelos
21
de sobrematana em trs tipos bsicos: 1. Frente de caa (Blitzkrieg), que o modelo original
22
de Paul Martin, no qual uma frente de expanso de caadores elimina a megafauna por caa
23
24
estabelecido em uma regio, ao desenvolver cada vez mais sua tecnologia de caa, eliminou a
25
megafauna que se j encontrava em declnio pelo efeito de mudanas climticas (Schuster &
92
Schule 2000, Nogus-Bravo et al. 2008, Haynes 2010, Lorenzen et al. 2011), e; 3.
povo Clvis (~15-14.000 anos atrs, ver Gilbert et al. 2008, Goebel et al. 2008, Dillehay et al.
2008, Rothhammer & Dillehay 2009, Waters et al. 2011a, 2011b, Reich et al. 2012), de modo
que a sincronia entre extino e sobrematana seria questionvel (Grayson & Meltzer 2002,
10
2003, 2004). Mas pode-se argumentar que essa presena humana anterior no deve ter tido
11
12
muito baixas (deixando inclusive poucas evidncias de sua presena) ou porque elas no
13
possuiriam tecnologia de caa eficiente contra grandes animais (Frisson 1998). De qualquer
14
15
ocupao humana mais antiga torna o cenrio de sobrematana ainda mais plausvel, uma vez
16
que haveria um tempo ainda maior para que as redues das populaes da megafauna
17
ocorressem, desencadeando extines mesmo com presses de caa menores (Haynes 2002,
18
Haynes 2010).
19
20
21
22
23
mastodontes), pelo menos na Amrica do Norte (Grayson 2001, Grayson & Meltzer 2002,
24
2003, 2004, Cannon & Meltzer 2004, mas ver Surovell et al. 2005, Surovell & Waguespack
25
2008, Haynes 2009a para diferentes interpretaes das mesmas evidncias). Entretanto, a
93
ao longo dos continentes, bem como a dinmica de extino em vrias ilhas (e.g., Caribe,
colonizao humana, tem dado fortes evidncias a favor da sobrematana (Haynes 2009a, mas
veja uma interpretao contrria em Grayson & Meltzer 2003). Alm disso, comeam a surgir
evidncias de caa multi-especfica anteriores aos povos Clvis e Folson, que possuiriam
tecnologia de caa mais avanada e datadas de forma robusta (Gilbert et al. 2008, Bement &
Carter 2010, Waters et al. 2011a, 2011b, Redmond et al. 2012). Por outro lado, tambm tm
aparecido evidncias de que, mesmo para os proboscdeos, o efeito de caa, alm de pequeno,
10
no coincidiria com perodos de declnio populacional (Ugan & Byers 2007, 2008). Para
11
12
13
colonizao humana em todas as ilhas (ver exemplo dos marsupiais na Tasmnia, Cosgrove et
14
al. 2010, mas veja uma interpretao diferente em Gillespie et al. 2012). Na verdade, todas
15
essas contradies de ideias e evidncias mostram que as extines Pleistocnicas foram bem
16
17
18
Paul Martin seja vlido (que os primeiros caadores eram especializados em grandes animais),
19
est claro que o mesmo efeito de seletividade ocorreu em outros grandes eventos de extino
20
(inclusive a extino no limite K/T; ver Jablonski 2004). Em princpio, a extino restrita a
21
grandes animais pode ser atribuda no s caa seletiva, mas tambm s prprias
22
23
24
mas muito variveis, esto muito sujeitas a eventos locais de extino. Entretanto, a extino
25
total desses organismos difcil em funo dos eventos constantes de re-colonizao (Brown
94
& Maurer 1987, 1989, Brown 1995). Ao contrrio, organismos de grande porte, com taxas de
crescimento mais baixas, mas estveis, tendem a ser, em princpio, mais resistentes a
catastrficos ocorrendo nessas escalas (mudanas climticas ou invaso rpida por uma
10
longo das grandes geleiras, teria eficincia tecnolgica para eliminar tantas espcies da
11
12
relativamente curto (Grayson & Meltzer 2002, em torno de 500-1000 anos, Grayson &
13
Meltzer 2003, Grayson & Meltzer 2004). Para avaliar essa questo, modelos
14
ecolgicos/demogrficos simples tm sido aplicados desde o incio dos anos 80, com
15
resultados ambguos que dependem bastante dos pressupostos e parmetros adotados em cada
16
modelo (Budyko 1967, Mosimann & Martin 1975, Alroy 2001, Brook & Bowman 2004, Yule
17
et al. 2009; mas veja uma anlise detalhada em Koch and Barnosky 2006).
18
19
chegada do H. sapiens e sua consequente interao com a megafauna. Esse modelo est
20
21
22
23
abundncia relativa e interaes competitivas das 41 presas potenciais dos caadores, obtidas
24
25
simulao de Alroy (2001) parte de uma pequena populao de H. sapiens, com 100
95
indivduos, crescendo a princpio com uma taxa de 1-2% ao ano, avanando em direo ao sul
do continente e caando, com diferentes eficincias, as diferentes presas ali presentes. A partir
dos diferentes resultados do modelo, conclui-se que, mesmo sob diferentes cenrios mais
aproximadamente ao tempo real estimado para tal. Alm disso, o modelo prev corretamente
a extino e/ou sobrevivncia de 33 das 41 espcies de presas (ver Yule et al. 2009 para uma
10
macroecolgico simples, proposto inicialmente por Diniz-Filho (2002, 2004), a fim de avaliar
11
12
13
seguir incorpora pelo menos dois avanos importantes em relao proposio original de
14
Diniz-Filho (2002, 2004), alm de uma parametrizao mais realista considerando a incerteza
15
16
17
18
19
20
nas
21
22
incerteza nos parmetros, buscando vrias de suas combinaes possveis. Esses dois avanos
23
24
25
grandes
plancies.
Em
segundo
lugar,
apresenta-se
aqui
uma
estratgia
96
esse aspecto possa parecer simples e bvio, a deficincia de dados maior do que o que se
pode suspeitar (mas ver Borrero 2008 para uma diferente interpretao) e as evidncias de
caa direta, por exemplo, no so to abundantes (Meltzer 1986, Grayson & Meltzer 2002,
Borrero 2009, mas ver Surovell & Waguespack 2008, Haynes 2009a para diferentes
controvrsia sobre a chegada do Homem (Waters & Stafford Jr. 2007, Goebel et al. 2008,
10
Gilbert et al. 2008, Dillehay et al. 2008, Rothhammer & Dillehay 2009, Waters et al. 2011a,
11
2011b). Alm disso, a questo no mais complexa do que a simples chegada do Homem,
12
mas tambm h dvidas sobre quando essa populao inicial (que deveria ser bastante
13
14
15
especializada em caa de grande porte (Cannon & Meltzer 2004, Surovell & Waguespack
16
17
18
consumidos pelos humanos, tanto de origem vegetal quanto de caa de menor porte (Gnecco
19
2003).
20
Para exemplificar o modo mais adequado de testar essa questo, preciso levantar na
21
22
datas, que grande e, alm disso, geograficamente varivel (Lima-Ribeiro & Diniz-Filho
23
2013). preciso fazer esse levantamento tanto para H. sapiens quanto para as espcies da
24
25
anterior). Outro aspecto mais srio que seria preciso considerar as datas disponveis mais
97
antigas e confiveis para indicar o tempo de chegada do Homem moderno em cada stio
arqueolgico e mais recentes possveis para indicar o tempo de extino da megafauna (ver
A partir desse contexto, entretanto, surge outro problema que pode ser resolvido
forem datados para um mesmo stio arqueolgico, maior o vis sobre as datas de chagada do
homem e de extino da megafauna estimadas pelo registro fssil. Dessa forma, essas datas
estimariam o tempo que uma espcie foi abundante em um determinado stio ou regio, ao
invs do tempo real de sua extino propriamente dita (Barnosky & Lindsey 2010). Por
10
outro lado, como o registro fssil se torna escasso (ou a probabilidade de fossilizao se torna
11
menor) medida que a populao declina, podemos assumir que as datas mais recentes para a
12
megafauna indicam, na verdade, o tempo que a espcie teve abundncia suficiente para
13
14
raciocnio se mantm, embora invertido, em relao aos registros de humanos. Ou seja, a data
15
mais antiga indicaria o tempo que a populao humana se tornou suficientemente abundante a
16
ponto de gerar algum impacto na megafauna, ao invs do tempo exato de colonizao daquele
17
stio.
18
Embora essa questo conceitual possa ser delineada de forma estatstica sem muitos
19
problemas, h ainda uma sria dificuldade de estabelecer as mais antigas datas de chegada do
20
21
norte e leste do continente e no Brasil Central, ver Lima-Ribeiro & Diniz-Filho 2013). Os
22
registros arqueolgicos com datas confiveis (tanto humanos quanto da megafauna) esto
23
24
tradicionalmente melhor estudadas por paleontlogos e arquelogos (ver Fig. 3.2). Contudo,
25
98
conjunto de registros fsseis disponveis para a Amrica do Sul e mostraram que, sob um
cenrio mais liberal, porm considerando os vieses de datao discutidos acima, as preguias
gigantes (como o Eremotherium, que ser usado como exemplo a seguir) coexistiram com os
Eremotherium, existem vrios registros para o Holoceno (i.e., mais recentes que a chegada do
Homem na Amrica do Sul), alm de evidncias de que o Homem caou e explorou esses
8
9
10
11
12
13
14
do tempo, suficiente para eliminar, por efeito de caa, uma dada presa de grande porte? Nesse
15
16
17
diferentes cenrios.
Uma vez que a coexistncia entre a ocupao humana inicial e um dado componente
18
19
pesquisadores a ordenar a grande complexidade dos sistemas ecolgicos e sua dinmica, tanto
20
21
22
estabelecer modelos parcimoniosos, ou seja, preciso construir modelos que sejam capazes
23
de auxiliar na compreenso de um dado fenmeno natural, mas, ao mesmo tempo, que sejam
24
suficientemente simples para que possam ser compreendidos e testados (Levins 1966, Hilborn
25
99
relao entre uma populao de presas e uma populao de caadores humanos (ver Quadro
5.1). Esse modelo construdo com o principal objetivo de demonstrar como sistemas
dinmicos simples (ver Gotelli 2008) e baseados em padres macroecolgicos gerais (ver
Brown 1995) podem ajudar a responder algumas questes bsicas sobre a extino da
todos os clculos abaixo e as simulaes para avaliar a incerteza dos parmetros encontra-se
no Apndice 2.
Equaes:
eq. 1
C = CI * H * 365
eq. 2
NR = (C / M)/A
eq. 3
Equao logstica para o crescimento populacional da presa em tempo discreto (mas veja eq.
5)
eq. 4
Relao macroecolgica entre tamanho corporal (M) e a taxa de crescimento populacional (r)
eq. 5
eq. 6
eq. 7
Equao logstica para o crescimento populacional humano em tempo discreto (mas veja eq.
10)
eq. 8
DF = (NR NR(N(t)/Kp)) * M * A
eq. 9
HR = mo * (DF/CI)
eq. 10
100
101
energticas mnimas de um ser humano e como a caa pode supri-las. Um indivduo adulto
necessita de 2.200 kcal dirias para se manter e, assumindo-se um valor nutricional mdio do
alimento igual a 3 kcal/g, chega-se concluso que o consumo mnimo de alimento deve estar
em torno de 733,3 g por dia (Campbell 1998, Alroy 2001). Note-se que esse valor o mnimo
vezes o seu peso por ano, algo como 3.500 g por dia para um ser humano com 65 kg
coletadores atuais, cada indivduo consume no mximo 1.780 g de carne por dia, provenientes
10
de vrias fontes (i.e., no apenas da megafauna), embora esse valor possa ser considerado
11
elevado para regies tropicais (e.g., Amaznia), onde o suprimento vegetal relativamente
12
mais abundante (Gnecco 2003, Rowcliffe et al. 2003). Esse valor seria prximo da quantidade
13
mxima de alimento consumida, considerando que praticamente toda a dieta seria baseada em
14
carne.
15
16
17
36% (embora possa chegar a 41%) das necessidades energticas supridas apenas pela caa de
18
19
nutrientes provenientes de outras fontes vegetais). O valor de 40% (e mesmo de 36% utilizado
20
por Alroy 2001) provavelmente muito elevado para caadores-coletores tropicais (Gnecco
21
2003, Rowcliffe et al. 2003), de modo que assume-se inicialmente que a carne da megafauna
22
representaria apenas 15-20% da dieta (metade da proporo assumida por Alroy 2001).
23
24
1.780 g de carne de diversas fontes por dia, significa um consumo de aproximadamente 300 g
25
de carne de megafauna por dia para cada indivduo humano. Ainda, para apenas uma nica
102
espcie de presa (dentre outras possveis), esse valor de consumo de carne pode ser
megafauna disponveis para caa na Amrica do Sul no final do Pleistoceno (ver Koch &
Barnosky 2006), isso significa um consumo individual (CI) de cerca de 10 g de carne por
proporo de carne na dieta proveniente de uma nica espcie da megafauna. Com base
nesses valores e nas necessidades nutricionais definidas acima, pode-se inicialmente definir
que a quantidade de carne proveniente de caa de grande porte (C, em gramas), necessria
10
11
C = CI * H * 365
eq. 1
12
13
14
uma nica presa, o valor de CI bastante pequeno (10 g, ~0.56% da dieta). Assumindo-se
15
ento que a carne de uma presa em particular compe uma pequena proporo da dieta e uma
16
populao humana inicial de apenas 100 indivduos, conclui-se que o consumo anual total
17
seria de
18
19
20
21
A partir desse valor, possvel estimar o nmero necessrio (ou, no caso, suficiente)
22
de presas de uma dada espcie da megafauna para manter a populao humana por um ano
23
(assumindo-se inicialmente que apenas uma espcie estaria disponvel para caa). Para tal,
24
preciso conhecer basicamente dois valores: a massa corprea da presa (M) e a proporo de
25
103
O tamanho do corpo uma das caractersticas ecolgicas mais importantes, pois ele
est relacionado a diversas funes ecolgicas e fisiolgicas (Peters 1983, Brown 1995, Smith
& Lyons 2011). Alm disso, tambm uma das caractersticas mais simples de se avaliar nos
corpo tem sido amplamente utilizado em ecologia como uma varivel indicadora (surrogate)
srie de fatores ecolgicos e culturais. Vrios tecidos da presa (e.g., ossos, tendes e pele) no
10
so boas fontes de alimento, embora essas partes possam, sem dvida, ser utilizadas para
11
outros fins (ver exemplos em Shea 2006). Outro aspecto importante a dificuldade de
12
13
haja evidncias de que os caadores do Pleistoceno mantivessem a carne congelada e/ou seca,
14
para aumentar seu tempo de utilizao, Frisson 1998, ver tambm as estratgias atuais nas
15
sociedades da regio temperada e de tundra em Campbell 1998). Alm disso, note-se que a
16
17
social em um grupo, podendo assim ganhar cada vez mais importncia quando essa fonte de
18
19
Pleistoceno), o que poderia em tese aumentar a mortalidade das presas mesmo com um
20
consumo per capita baixo. Isso, evidentemente, pode ser expresso no parmetro A (ver texto
21
22
estaria 100% associada alimentao (na prtica, a populao humana poderia matar mais
23
24
25
104
mdia 3.000 kg (Cartelle & De Iuliis 2006, Bargo et al. 2006). Em princpio, o nmero de
animais removidos da populao de presas (NR) por ano seria dado por
4
5
6
7
alimento, pelo menos 50% dessa massa ao longo do ano (Beaver 2007), seria preciso matar
10
11
12
eq. 2
13
14
onde o NR seria o nmero de presas retirado da populao por efeito da caa por ano (no
15
16
17
18
19
20
21
A dinmica das populaes biolgicas tem sido tradicionalmente modelada por uma
22
funo logstica, ou sigmide, que parte do princpio de que, medida que a populao
23
cresce, ela passa a sofrer efeitos dependentes da sua prpria densidade (i.e., competio por
24
25
perodo de crescimento rpido, ela passa a diminuir sua taxa real de crescimento e tende a
105
nmero mximo de indivduos que um dado ambiente consegue manter. Quando a populao
o equilbrio demogrfico.
5
6
Assim, o crescimento logstico de uma populao, em tempo discreto (a cada ano, por
exemplo), dado por
7
8
eq. 3
9
10
onde N(t+1) o tamanho da populao aps um ano, N(t) o tamanho da populao no tempo
11
12
populacional por ano, dada pela diferena entre natalidade e mortalidade nesse perodo, todos
13
14
idealizado cujo valor assume condies timas do ambiente, sendo tambm denominada
15
potencial bitico ou parmetro malthusiano (Gotelli 2008). Na prtica, medida que uma
16
17
valor de (1 N(t)/Kp) tende a zero, de modo que o nmero total de novos indivduos
18
19
exercer o seu potencial mximo de crescimento (definido a priori pelo valor de r). De fato, o
20
21
22
23
parmetros da equao logstica descritos acima (eq. 3). Entretanto, a taxa intrnseca de
24
25
106
conforme j discutido, existe uma relao macroecolgica entre tamanho do corpo e o valor
3
4
eq. 4
5
6
Obviamente, essa relao geral apenas uma aproximao e pode variar bastante nas
Entretanto, ela fornece uma estimativa inicial e, na verdade, a nica forma de estimar o
valor de r em organismos extintos. Por exemplo, para um animal de 3.000 kg, como o
10
Eremotherium, o valor de r estimado por essa equao de 0,018, ou seja, a populao deve
11
crescer a uma taxa de cerca de 1,8% ao ano. Esse valor consideravelmente elevado
12
(especialmente para um Xenarthra) e representa, de fato, uma taxa mxima potencial. Por
13
exemplo, assumindo-se o peso mdio de um ser humano em 65 kg, o r estimado seria igual a
14
7,4% ao ano, um valor bastante irreal considerando-se que o mximo observado nas
15
populaes atuais gira em torno de 2-3% (Cohen 1995a). Para populaes humanas do
16
Pleistoceno, Hern (1999) estima valores de r em torno de 0,03%, embora Belovsky (1988, ver
17
tambm Alroy 2001) sugiram e utilizem valores na ordem de 1%. De qualquer modo, os
18
valores estimados pela equao alomtrica (eq. 4) acima seriam, no mnimo, cerca de 7 vezes
19
mais elevados do que a taxa mxima realizada. Aplicando-se essa mesma correo taxa de
20
21
No caso de uma populao de animais de grande porte caados por humanos, seria
22
preciso incluir, na equao logstica, um termo que expresse a perda adicional de animais
23
causada pela atividade de caa, definida acima com base no consumo mnimo. Na verdade, a
24
caa aumenta a mortalidade e reduz o valor de r da presa, mas mais simples e didtico
25
utilizar a equao discreta (eq. 3) recorrente descrita acima e simplesmente subtrair, ao final
107
dela, o nmero de indivduos caados (eq. 2). Deste modo, o comportamento dinmico da
3
4
5
6
onde NR j foi definido como o nmero de presas removido da populao pelos caadores,
conforme suas necessidades energticas (eq. 2). Esse modelo, entretanto, ainda no
totalmente satisfatrio, pois nele o nmero de presas obtidas depende apenas das necessidades
humanas e no da prpria abundncia da espcie. Esse aspecto do modelo irreal, pois sabe-
10
se que a probabilidade de um animal ser caado depende em grande parte de sua abundncia,
11
por uma questo simplesmente oportunstica (ver Rowcliffe et al. 2003, Beaver 2007). Em
12
outras palavras, animais raros dificilmente seriam utilizados como uma fonte preferencial, ou
13
14
15
proporo N(t)/Kp, j discutida. Assim, podemos pensar que o valor de NR seria um valor
16
ideal, ou mximo, a ser caado para consumo humano, mas de fato o valor realizado seria
17
dado pelo valor de (NR * (N(t)/Kp)). Deste modo, medida que a presa se torna mais rara (ou
18
seja, a razo N(t)/Kp diminui), ela passa a ser cada vez menos importante na dieta dos
19
caadores.
20
21
em um dado tempo (NR=2), mas ao mesmo tempo a populao j est reduzida em 50% em
22
23
conseguiriam abater efetivamente apenas metade de suas necessidades (2 * 0,5) a partir dessa
24
presa. Note-se que essa reduo efetiva na caa deve ser interpretada no como consequncia
25
de uma deciso consciente dos caadores, mas simplesmente como funo da dificuldade
108
relativa de encontrar sua presa, que j se tornou rara. De qualquer modo, a diferena entre o
valor real necessrio e o valor realizado (NR NR*(N(t)/Kp)) representa um dficit real no
nmero de presas necessrio para fornecer a proporo D da dieta humana no tempo t (esse
5
6
Assim, a equao final que pode ser utilizada para modelar a dinmica da populao
de presas dada por
7
8
eq. 5
9
10
11
12
populacional por ano, todos para a populao da presa, e NR o nmero de presas removidas
13
14
Com essa equao, pode ser imaginado o seguinte cenrio inicial para a dinmica das
15
16
17
populao humana no continente. Para a densidade, pode-se usar a relao polinomial entre
18
tamanho do corpo e abundncia para herbvoros definida por Silva & Downing (1995: Tab. 1
19
20
21
eq. 6
22
23
onde a densidade DN dada em nmero de indivduos por km2 e a massa M em kg. Para um
24
Eremotherium, cuja massa corporal estimada em cerca de 3.000 kg, a densidade seria
25
portanto igual a 0,29 indivduos/km2. Outras equaes alomtricas para estimar a densidade
109
macroecolgico de Brown (1995), que gera um valor semelhante igual a 0,33 indivduos/km2.
Peters (1983) apresenta um equao que gera um valor muito mais elevado de 1,62
indivduos/km2. Com exceo desse ltimo valor, as estimativas para animais de grande porte
no so muito diferentes (mas ver captulo 6 para uma discusso dos efeitos de se utilizar
essas equaes). De qualquer modo, esses valores seriam o mximo terico da densidade em
anterior, pode-se assumir que esse valor seria a densidade na poca do ltimo mximo glacial
(UMG, ~ 21.000 anos atrs) nos locais onde a adequabilidade climtica mxima, decaindo
10
de forma Gaussiana (normal) medida que a adequabilidade se reduz a zero (Fig. 5.1). Com
11
12
13
(cada uma com resoluo de 0.5 x 0.5 latitude/longitude, portanto, uma rea de 55 x 55 km
14
ou 3025 km2 na altura do equador) e obter assim a abundncia total da espcie h 11.000 anos
15
16
Considerando que as condies climticas no perodo interglacial atual (e.g., entre 11.000 e
17
6.000 anos atrs) foram semelhantes em toda a Amrica do Sul e que a rea de distribuio
18
19
110
1
2
3
4
5
Figura 5.1. Exemplo da funo gaussiana da densidade em relao adequabilidade climtica durante o UMG
(21 ka). O valor da densidade populacional a rea sob essa curva, mas considerando o mximo de
adequabilidade h 21 ka.
abordagem mais robusta e necessria para as anlises de sensibilidade (ver prxima seo),
10
11
parmetro Kp seria fixo, j que apenas um AOGCM (CCM1, nesse caso) oferece simulaes
12
paleoclimticas para 11.000 anos. Assim, para os valores mdios de adequabilidade baseados
13
nos diversos ENMs e AOGCMs, uma abundncia total (Kp) de 1.200.000 indivduos ento
14
15
16
17
demogrfico e com uma populao inicial de 1.200.000 indivduos. Imagine-se que chega a
18
essa regio uma populao humana de 100 caadores que, conforme j definido, deve
19
consumir menos de um animal dessa espcie a cada 4 anos (para manter 0.56% de suas
111
fonte de alimento. Nesse caso, substituindo-se todos os valores na equao dinmica, tem-se
que
4
5
De modo que
8
9
10
populao original. A razo N(t)/Kp seria igual a 0,9999999, de modo que a populao ainda
11
pode crescer at atingir seu Kp. Com o arredondamento, apenas aps 3 anos de caa a
12
populao teria sido reduzida em um animal, mas o valor numrico comea lentamente a
13
diminuir em relao ao N inicial. Isso mostra que, em grandes escalas de tempo, a taxa de
14
15
nmero de indivduos removidos pela caa. Pelos parmetros do modelo, em princpio seria
16
correto imaginar que, ao longo de muitos anos, a populao ir decrescer cada vez mais at a
17
18
19
longo do tempo, o valor de N(t)/Kp diminui, criando assim a possibilidade de que a taxa de
20
0,25% possa ser exercida efetivamente. Deste modo, os novos acrscimos passam a
21
22
animais aps pouco mais de 2.000 anos e ento tende a se estabilizar nesse valor, encontrando
23
um novo ponto de equilbrio entre crescimento e remoo de indivduos pela caa (uma
24
reduo equilibrada de pouco menos de 100 indivduos no total). Na verdade, o que ocorre
112
valor de Kp. Mais uma vez, no parece haver razo para suspeitar de que as extines em
humana tambm cresce ao longo do tempo, de modo que a cada ano as necessidades absolutas
de carne aumentam. O NR, portanto, no um valor fixo e deve ser recalculado, aumentando
a cada ano. Pode-se modelar o crescimento populacional humano da mesma forma utilizando
10
11
12
eq. 7
13
14
15
populao humana, respectivamente. Pode-se assumir, por exemplo, uma taxa de crescimento
16
17
4.000.000 (Hern, 1999 estimou a populao mundial h 6.000 anos em cerca de 33.000.000
18
19
pelo simples efeito de rea; ver tambm Cohen 1995b). Com esses parmetros, pode-se
20
concluir que, aps 200 anos, a populao de caadores j seria de 731 pessoas, com um
21
consumo anual de pouco mais de 2,7 toneladas de carne de Eremotherium por ano,
22
23
24
indivduo humano consume em mdia 10g de carne dessa presa por dia e que os caadores
25
113
aps cerca de 3.500 anos, com a populao de caadores alcanando o Kh (Fig. 5.2A). Nota-
se, entretanto, que a populao de Eremotherium comea a declinar apenas aps 1.000 anos
rapidamente com o passar do tempo, devido ao aumento no consumo, mas depois declina
devido raridade da presa, causando assim um atraso na extino final (Fig. 5.2B). De fato, a
humano, mas aps cerca de 1.200 anos o nmero de presas removidas comea a decair,
10
mesmo com o aumento da populao humana, e chega a um valor muito baixo aps 2.000
11
12
mnimo vivel de, diga-se, 1.000 indivduos em todo o continente, aps cerca de 2.300
13
anos.
15
3000
500
1000
1500
2000
2500
1x10
2x10
3x10
Indivduos removidos
Tamanho populacional
4x10
14
500
1000
1500
2000
2500
Tempo (anos)
3000
11000
500
1000
1500
2000
2500
3000
11000
Tempo (anos)
16
17
18
19
Figura 5.2. (A) Tamanho da populao humana (linha contnua) e da presa (Eremotherium; linha tracejada) ao
longo do tempo e (B) nmero de indivduos de Eremotherium removidos da populao a cada ano por efeito de
caa.
20
21
extino da espcie em questo. Note-se que isso ocorre mesmo considerando valores
114
populao de presas mais lento do que o que realmente pode ter sido. Todavia, um modelo
Holoceno. Alm disso, embora o modelo no seja preciso (mas veja texto e anlise de
para espcies extintas, o que favorece sua aplicao para diferentes espcies extintas em
10
diferentes perodos e regies do mundo (i.e., o modelo compatvel com a proposta inicial
11
12
13
14
15
16
17
18
se, portanto, que medida que a populao de Eremotherium torna-se rara, a populao
19
humana passa a usar outras fontes de alimento, o que compatvel com o que sabemos sobre
20
21
recursos naturais em diferentes pocas e em diferentes partes do mundo (Charles 1997, Miotti
22
& Salemne 1999, Kusimba 1999, Rowcliffe et al. 2003, Stiner et al. 2008, Burnside et al.
23
24
115
presas, que pode ser convertido novamente em quilos de carne por ano (DF) a partir da massa
8
9
DF = (NR NR(N(t)/Kp)) * M * A
eq. 8
10
Se cada indivduo consome uma dada quantidade de carne por ano, ento o nmero de
11
pessoas que deixaro de se alimentar da carne desta presa especfica dado por DF / CI, onde
12
CI o consumo por pessoa por ano. Como essa carne representa uma poro pequena da dieta
13
dos indivduos, no vivel pensar que esse dficit de alimento ir gerar 100% de morte
14
dessas pessoas. Mas possvel introduzir mais um parmetro no nosso modelo, que
15
represente essa taxa de mortalidade adicional ligada diretamente escassez da presa (mo), de
16
modo que o nmero de indivduos removidos da populao humana (HR) em funo dessa
17
18
19
HR = mo * (DF/(CI*365))
eq. 9
20
21
22
23
24
25
eq. 10
116
dfict nutricional.
(j que HR = 0), de modo que a populao humana cresce conforme definido anteriormente.
Essa nova equao apresenta resultados interessantes e ligeiramente diferentes dos anteriores.
Se o parmetro mo for igual a apenas 0,5%, (ou seja, essa porcentagem de pessoas for
eliminada da populao humana pelo efeito do dficit nutricional especfico para a carne desta
10
presa), ento o tempo para extino eleva-se para mais de 8.800 anos (praticamente no se
11
12
anos atrs). A populao humana desloca sua capacidade de suporte para cerca de
13
1.200.000 indivduos, aps atingir um pico de quase 2.500.000 de indivduos (Fig. 5.3A). Se
14
mo = 0,75%, a presa se reduz para pouco mais de 60.000 indivduos, mas no se extingue, e a
15
populao humana e a populao de presa entram em equilbrio aps cerca de 4.000 anos de
16
interao.
18
19
20
2x10
0,5x10
1x10
1,5x10
0,5x10
1x10
1,5x10
Tamanho populacional
Tamanho populacional
2x10
17
2000
4000
6000
8000
Tempo (anos)
10000
2000
4000
6000
8000
10000
Tempo (anos)
Figura 5.3. (A) Tamanho da populao humana (linha contnua) e da presa (Eremotherium; linha tracejada) ao
longo do tempo, em um modelo incorporando o efeito da reduo do tamanho da presa na mortalidade da
117
1
2
3
4
populao humana (mo = 0.5%). (B) Dinmica mais complexa das oscilaes nos tamanhos populacionais
humano (linha cinza) e da presa (linha preta) quando eleva-se o parmetro mo a 1%. Note que as populaes no
se estabilizam em 11.000 anos de interao.
novo parmetro mo, ligando a densidade humana densidade da presa, abre a possibilidade
10
11
12
comportamento oscilatrio para a populao humana, que atinge um pico e depois forada a
13
14
15
16
com apenas uma presa, como apresentado acima, o valor de mo poderia ser fixado em zero, j
17
que seria possvel simplesmente passar a caar outra presa. Mas importante consider-lo sob
18
19
observado no final do perodo da sobrematana, quando a maior parte das espcies de presa
20
teria sido extinta. Em casos extremos, em modelos mais complexos e que incorporam uma
21
dependncia muito forte no sistema predador-presa, essa oscilao pode levar as populaes a
22
um colapso. importante notar tambm que uma reduo drstica da populao de presas
23
prevista neste ltimo modelo pode causar extino quando associada a outros fatores
24
25
26
118
primeiro momento, para fins de compreenso, possvel explorar pelo menos uma situao
mo=0), mas variou-se a taxa de crescimento populacional humano entre 0,5% e 2,5% ao ano.
Dessa forma, obtm-se uma funo potncia perfeita com o tempo de caa necessrio para
10
extino da presa (Fig. 5.4). Certamente, conforme observado por Alroy (2001), medida que
11
a populao humana cresce mais rapidamente, esse tempo diminui. Mas note-se que mesmo
12
com uma taxa de crescimento irrealisticamente elevada de 2,5% ao ano para uma populao
13
14
aproxima dos 500-1000 anos sugerido nos trabalhos originais propondo a hiptese de
15
4500
4000
3500
3000
16
0.005
17
18
19
20
0.010
0.015
0.020
0.025
Figura 5.4. Relao entre tempo para extino e taxa de crescimento populacional humano, no modelo para
Eremotherium.
119
Outro ponto relacionado que se o Homem tivesse chegado na Amrica h bem mais
tempo (digamos, durante o UMG, ~21.000 anos atrs) e o processo de caa tivesse sido
iniciado nessa poca, em principio pode-se pensar que a chance de extino aumenta.
distribuio do Eremotherium era cerca de 50% maior nessa poca, alm de maior
adequabilidade climtica mdia. Rodando-se o mesmo modelo acima, mas com uma
Eremotherium estaria extinta aps cerca de 10.000 anos. Embora a extino continue
10
11
12
os recursos computacionais disponveis atualmente para, ao invs de obter uma nica soluo
13
14
extino. Isso pode ser feito utilizando-se no um valor fixo para os parmetros, mas sim
15
assumindo-se uma distribuio ou amplitude de valores para cada parmetro. Alm disso,
16
17
18
19
Para alguns parmetros, a idia foi explorar a amplitude de valores possveis, como
20
realizado acima para a taxa de crescimento populacional. Em outros casos, foi possvel
21
22
23
climtica (Fig. 5.1), sendo que esta ltima foi definida pelos modelos de nicho ecolgico do
24
captulo anterior. Com base na varincia das estimativas de adequabilidade climtica preditas
25
120
ensemble solution), obteve-se uma abundncia mdia de 1.200.000, mas com uma grande
varincia, oscilando entre 600.000 e 3.000.000 de indivduos em todo o continente (com pico
reas de baixa adequabilidade; Fig. 5.1). Optou-se, ento, por variar o Kp nas simulaes entre
conforme os valores descritos na tabela 5.1, utilizando 5.000 simulaes, de modo que cada
7
8
9
10
11
Tabela 5.1. Variao de alguns parmetros utilizados para explorar o tempo de extino de Eremotherium, a
partir de 5.000 simulaes e utilizando-se, em cada uma delas, uma combinao aleatria dentro de seus
intervalos.
Parmetros*
min
max
Rp
0,001
0,01
Rh
0,005
0,02
Kp
600.000 3.000.000
Kh
1.000.000 4.000.000
mo
0,001
0,02
CI
5
250
12
13
14
* Os parmetros do modelo no apresentados aqui assumem o mesmo valor definido no exemplo detalhado
apresentado no texto.
15
16
tempos para extino assimtrica direta (Fig. 5.5, excluindo-se os casos de no-extino). O
17
tempo mediano para extino, quando esta ocorreu, foi de 1.618 anos. Em 15,1% destas
18
simulaes nas quais houve extino do Eremotherium, esta ocorreu em menos de 1.000 anos.
19
200
400
600
800 1000
121
Frequncia
2000
4000
6000
8000
10000
1
2
3
4
Fig. 5.5. Distribuio de frequncias dos tempos de extino para 2190 simulaes (de um total de 5000) nas
quais houve extino.
Nesse caso, possvel utilizar um modelo de regresso mltipla para avaliar os fatores
(parmetros) que melhor explicam o tempo de extino (Tab. 5.2). O modelo utilizado
explicou 71% da variao das taxas de extino (R2 = 0.71), com todas as variveis
10
negativos. O maior coeficiente positivo foi do efeito do dficit nutricional (mo), de modo que
11
12
pouco menor da capacidade de suporte da presa, tambm positivo, como esperado (i.e.,
13
maiores populaes iniciais retardam o tempo para extino). O efeito da taxa de crescimento
14
15
16
17
18
1
2
3
122
Tabela 5.2. Coeficientes padronizados (b) e testes t dos coeficientes da regresso mltipla do log(tempo de
extino) contra os parmetros nas simulaes.
Parmetros*
Beta
rp
rh
Kp
Kh
mo
CI
0,094
-0,548
0,431
-0,298
0,588
-0,579
Intervalo de
Confiana
0,071
-0,574
0,408
-0,321
0.562
-0,602
0,117
-0,523
0,455
-0,275
0,613
-0,555
5
6
apresentados pela regresso mltipla) pode ser feito simplesmente avaliando-se as mdias dos
parmetros para diferentes tempos de extino (Tab. 5.3). As mdias globais dos parmetros
nas simulaes correspondem aos valores mdios (intermedirios) apresentados na tabela 5.1,
10
mas a sua variao ilustrativa dos cenrios nos quais a extino rpida ocorreria
11
(sobrematana). Esse cenrio extremo (com tempo para extino < 1.000 anos) ocorre com
12
13
para populaes humanas no Pleistoceno, ver Hern 1999, Alroy 2001), quando a populao
14
inicial da presa era relativamente pequena (< 50% do Kp mximo) e a capacidade de suporte
15
16
muito pouco entre os diferentes cenrios (Tab. 5.1), j que seu efeito no tempo para extino
17
foi muito pequeno (Tab. 5.3). O parmetro de consumo individual de carne (CI), entretanto,
18
foi ainda bastante elevado nessa situao, implicando que seria preciso consumir 183 g da
19
presa/indivduo/dia (ou seja, 10,3% da dieta seria fornecida por essa nica presa), um valor
20
21
coletores durante o final do Pleistoceno na Amrica do Sul (Beaver 2007). Em nenhuma das
22
simulaes com esse consumo menor do que 10 g houve extino, em funo da combinao
23
123
1
2
3
4
Tabela 5.3. Valores mdios dos parmetros das simulaes para diferentes resultados, em termos de classes de
tempo de extino.
Parmetros
rp
rh
Kp
Kh
mo
CI
T > 11000
0,0058
0,0112
1.856.004
2.423.770
0,0135
113,3
T < 1000
0,00536
0,0172
1.266.680
2.955.940
0,00527
183,1
5
6
efeito curioso. Embora no se espera que a populao humana fosse afetada de forma
negativa pela escassez de uma determinada presa, esse cenrio de extino rpida seria
alcanado mesmo com uma taxa de mortalidade de 0.5% (Tab. 5.3). Para a presa no
10
extinguir, a taxa de mortalidade humana por dficit nutricional deveria ser maior que 1%, um
11
12
ambientes com alta diversidade de alimentos, como as regies tropicais na Amrica do Sul
13
(ver Gnecco 2003). importante lembrar, todavia, que esses cenrios de extino so
14
15
como eles so afetados pela combinao de todos os parmetros e no pelo efeito parcial de
16
cada um. Nesse sentido, o cenrio de extino rpida (< 1.000 anos), como proposto
17
originalmente por Paul Martin no final da dcada de 1960 (Martin 1967, 1973), embora
18
plausvel para uma srie de combinaes entre os parmetros, s seria possvel com
19
populaes pequenas da presa e, ao mesmo tempo, populaes humanas grandes, com altas
20
taxas de crescimento anual e elevado consumo individual de carne, porm baixas taxas de
21
22
23
124
rh < 0.015
mo < 0.008
0.01
CI < 150
mo < 0.01
Kp < 1.1e+06
0.01
CI < 136
rh < 0.016
0.04
Kp < 1.4e+06
0.20 0.90
Kp < 1.6e+06
CI < 92
Kh < 2.7e+06
0.02
Kh < 2e+06
0.01
0.94
0.10
1
2
3
4
5
6
7
8
9
10
0.06 0.95
0.09 0.83
Figura 5.6. rvore de regresso (Regression tree) mostrando diferentes combinaes dos parmetros do modelo
demogrfico e sua predio para o cenrio de extino. O cenrio extremo de extino (tempo para extino <
1.000 anos) mais provvel com alto rh (taxa de crescimento da populao humana), baixo mo (taxa de
mortalidade da populao humana por dficit nutricional), CI intermedirio (consumo individual de carne),
baixo Kp e alto Kh (capacidade de suporte do ambiente para a presa e humanos, respectivamente)(linha contnua
mais espessa). Entretanto, outras combinaes tambm so capazes de gerar extino rpida (linha contnua
fina). Esse cenrio extremo de extino muito pouco provvel sob todas as outras combinaes de parmetros
(linha tracejada).
11
12
13
MEGAFAUNA
14
15
plausibilidade dos cenrios de sobrematana, com resultados ambguos (Alroy 2001, Brook &
16
Bowman 2002, Brook & Bowman 2004, Brook & Bowman 2005, ver Whitney-Smith 2009,
17
Yule et al. 2009). Na realidade, mesmo um modelo simples como o apresentado acima (no
18
19
20
21
disso, no arcabouo conceitual de Levins (1966), o modelo apresentado acima pode ser
125
considerado como tendo elevada generalidade e um bom nvel de realismo nos seus
comportamento de uma dada espcie (e apresentar assim grande preciso). A preciso, nesse
caso, sacrificada pela baixa qualidade da informao que se tem das prprias espcies.
10
estratgia de varrer o espao dos parmetros em busca de solues mais realistas, tornam
11
esse modelo simples compatvel com a proposta inicial para testar a hiptese de
12
13
14
rapidamente.
15
16
17
parmetros das presas e dos caadores humanos, embora raramente os tempos de extino
18
para Eremotherium seriam to baixos quanto os propostos originalmente por Paul Martin no
19
final da dcada de 1960 (em torno de 500-1000 anos; Martin 1967, 1973). Ou seja, o cenrio
20
21
populaes iniciais das presas fossem baixas (i.e., Kp muito menores do que o estimado pelos
22
23
individual de carne (CI, por efeito de baixa biodiversidade - disponibilidade de outras presas -
24
25
cenrio no qual as populaes totais das presas fossem pequenas na poca presumvel da
126
chegada humana bastante plausvel se estas j estivessem sofrendo efeitos das mudanas
embora plausvel, no a opo mais parcimoniosa para explicar a maior parte dos cenrios
Assim, essa anlise refora a maior parte dos trabalhos recentes que sugere que
difcil invocar apenas uma nica causa para explicar as extines da megafauna no final do
Pleistoceno (ver Grayson 2007 para uma abordagem terico/conceitual sobre as causas das
extines Pleistocnicas, e Stewart 2008, Lorenzen et al. 2011, e Prescott et al. 2012 para
10
evidncias empricas sobre essa assertiva). O efeito da caa e de outros impactos antrpicos
11
indiretos, associados a uma reduo e alterao de habitats causada por mudanas climticas,
12
13
14
apenas uma espcie como exemplo neste captulo, foi possvel observar que sem o efeito do
15
16
17
18
durante o UMG.
19
20
21
22
objetivo avaliar o quanto das datas de ltimo registro das espcies da megafauna pode ser
23
explicado pelo modelo de simulao que combina tanto os efeitos das mudanas climticas
24
126
Captulo 6
4
5
6
7
8
9
10
11
12
13
Conforme discutido de forma mais detalhada no captulo 5, aps um longo debate que
14
se estendeu pelas dcadas de 1970-90 (e em alguns casos at hoje; ver sntese em Koch &
15
Barnosky 2006), a discusso sobre os impactos das mudanas climticas aps o UMG e da
16
17
magnitude relativa de seus efeitos, em diferentes partes do mundo (Prescott et al. 2012). As
18
19
20
importante ferramenta para apoiar as hipteses relativas aos efeitos climticos (e.g., Martnez-
21
Meyer et al. 2004, Nogus-Bravo et al. 2008, Lorenzen et al. 2011; ver tambm captulo 4).
22
23
sido utilizados h bastante tempo para estabelecer a plausibilidade dos efeitos antrpicos (ver
24
sntese em Koch & Barnosky 2006). Entretanto, foram feitas poucas tentativas (se que
25
26
seu poder de explicao sobre a extino da megafauna. Embora essa combinao seja difcil
27
28
exploradas a seguir.
127
DATAS DE EXTINO
efeitos climticos e antrpicos a partir dos modelos de nicho e demogrfico discutidos nos
captulos anteriores (Tab. 6.1). Essa apenas uma possibilidade de combinar os efeitos desses
dois
date"; ver Steadman et al. 2005, Barnosky & Lindsey 2010), obtidas a partir de um extenso
10
banco de dados disponvel em Lima-Ribeiro & Diniz-Filho (2013). Esse banco de dados foi
11
montado a partir de uma busca exaustiva por tais informaes usando mltiplas fontes e
12
critrios, tais como literatura cientfica, literatura cinza (teses, dissertaes, relatrios,
13
14
15
16
17
confiabilidade de sua datao, seguindo a classificao proposta por Barnosky & Lindsey
18
(2010: Tabela 1). Assim, quando disponveis, apenas os registros mais confiveis de cada
19
gnero foram utilizados. Acredita-se, portanto, que as datas utilizadas nas anlises abaixo
20
21
fatores
model-los.
Essas
datas
podem
ser
estimadas
pelos
registros
22
23
Homem Amrica do Sul (ver Dillehay et al. 2008, Rothhammer & Dillehay 2009), foram
24
utilizados apenas os gneros cujo registro mais recente no ultrapasse 15.000 anos atrs. O
25
1
2
3
4
5
6
128
Tabela 6.1. Dados bsicos utilizados para a anlise combinada dos efeitos de mudana climtica e sobrematana
sobre as datas de extino (DATA) da megafauna sul-americana, incluindo o nmero de registros de cada gnero
utilizado na modelagem (Registros), sua massa corprea, em kg, a diferena entre as reas de distribuio
potencial no UMG e Holoceno mdio (rea) obtidas a partir dos modelos de nicho e o tempo para extino (TE)
obtido pelo modelo de sobrematana assumindo uma rea constante (TEcte) e utilizando-se a adequabilidade
climtica (TEENM). Informaes detalhadas sobre DATA e Massa podem ser obtidas no Apndice 3.
7
Gneros
DATA
TEcte
TEENM
Antifer (=Paracerus)
11.600
100
146
1.629
709
Arctotherium
10.345
10
1.500
-472
1.155
851
Canis
9.030
65
544
2.400
1.090
Catonyx
9.960
16
600
123
1.356
924
Cuvieronius
11.990
28
5.000
-1878
962
546
Doedicurus
7.291
1.300
128
1.182
544
Dusicyon
2.980
13
14
-2308
3.551
1.189
Equus
10.290
23
400
-156
1.501
972
Eremotherium
11.340
59
3.000
-1811
1.038
602
Eutatus
10.000
145
-114
2.001
651
Glossotherium
12.240
13
1.500
-14
1.155
841
Glyptodon
8.490
28
2.000
-1478
1.103
694
Hemiauchenia
10.440
1.000
161
1.235
621
Hippidion
8.990
15
400
-1071
1.501
946
Hoplophorus
8.490
280
-414
1.660
925
Lestodon
13.500
4.000
1172
996
663
Macrauchenia
11.665
16
1.100
-353
1.216
873
Megatherium
7.750
43
3.800
-575
1.003
603
Mylodon
10.200
12
200
-191
1.816
1.027
Neochoerus
8.680
150
756
1.988
1.050
Nothrotherium
12.200
150
413
1.988
938
Palaeolama
10.300
10
1.000
-71
1.235
862
Pampatherium
10.000
15
150
-714
1.988
1.029
Propaopus
8490
14
47
-611
2.600
1.129
Scelidotherium (= Scelidodon)
7.550
11
850
-156
1.269
874
Sclerocalyptus
7.000
280
541
1.660
925
Smilodon
9.130
17
300
-643
1.629
984
86
6.000
-1065
935
576
Toxodon
45
1.100
-312
1.216
762
11.090
8
9
gnero Holmensina, por exemplo, cujo registro mais recente datado em 41.000 1,300 anos
10
atrs (AA-33647a; Jull et al. 2004), foi excludo das anlises porque os humanos certamente
11
no coexistiram com esses animais na Amrica do Sul, portanto, nenhum efeito antrpico
12
pode ser invocado como causa de sua extino (ver discusso sobre esse pressuposto de
129
2013). Essa data de extino (simplesmente DATA daqui para frente), em alguns casos
explorados em seguida.
correlacionada com a massa corprea das espcies (r = 0,51; P = 0,004; Fig. 6.1), de modo
que espcies maiores se extinguiram h mais tempo. Essas DATAs, entretanto, no esto
ver abaixo os problemas com o efeito de amostragem para comparao entre gneros).
10
14000
12000
DATA
10000
8000
6000
4000
r = 0,51, P = 0,004
2000
2
Massa (log)
11
12
13
14
Figura 6.1. Relao entre DATA (registro mais recente de cada gnero least appearance date) e a massa
corprea (em escala log) da megafauna sul-americana extinta no final do Pleistoceno/incio do Holoceno. O
ponto influente esquerda representado pelo gnero Ducysion.
15
16
DISTRIBUIO GEOGRFICA
17
18
no captulo 4 para Eremotherium, foram utilizados para obter a rea de distribuio geogrfica
19
130
tabela 6.1. importante notar que apenas os gneros com registros fsseis disponveis para
calibrar os modelos de nicho foram utilizados nas anlises. Os mapas de consenso foram
obtidos a partir de seis mtodos (Bioclim, distncia Euclidiana, distncia de Gower, Distncia
Mahalanobis, ENFA e GARP) e cinco AOGCMs (CCSM, CNRM, MIROC, MPI e MRI),
previamente discutidos nos captulos anteriores, e indicam a frequncia com que cada clula
da regio Neotropical foi predita como presena entre os 30 modelos no total (6 mtodos * 5
AOGCMs). Finalmente, a rea de distribuio geogrfica utilizada nas anlises abaixo (Tab.
6.1) foi obtida utilizando um limiar de deciso de 0,5 para truncar essas frequncias, ou seja,
apenas as clulas preditas por pelo menos metade dos modelos foram consideradas como
10
11
12
13
deles (19/29) sofreram reduo da distribuio geogrfica durante o ltimo ciclo glacial (Fig.
14
6.2). Essa mudana de rea tambm est altamente correlacionada (r = 0,88; P < 0,001) com a
15
16
17
modelos de nicho permitem concluir que a maior parte dos gneros sofreu redues
18
19
20
21
22
23
24
Aqui, por exemplo, o nmero de registros fsseis utilizados para calibrar os ENMs variou de
25
131
10
Frequncia
8
6
4
2
0
-2500
-2000
1
2
3
4
-1500
-1000
-500
500
1000
1500
rea
Fig. 6.2. Distribuio de frequncias da mudana na rea de distribuio geogrfica modelada entre o UMG e o
Holoceno mdio, para os 29 gneros da megafauna sul-americana mostrados na tabela 6.1. Nmeros negativos
indicam reduo de rea entre o UMG e o Holoceno mdio.
5
6
relativos da reduo de rea por efeito climtico e por efeito de sobrematana. Por exemplo,
embora no haja uma correlao significativa entre mudana de rea e DATA (em escala
10
11
12
13
14
15
o ltimo ciclo glacial, podendo ser tambm utilizada como uma expresso do efeito climtico
16
17
18
19
20
sobrematana, dada tambm a partir da densidade inicial das presas estimada pela
132
adequabilidade climtica modelada com ENMs para o UMG e para 11.000 anos atrs (este
para o exemplo aplicado Eremotherium. Embora essa avaliao possa ser utilizada para
adequabilidade climtica para estimar a densidade inicial das presas estima o efeito conjunto
das mudanas climticas e da sobrematana. Para que tal desdobramento seja efetivo, seria
climtica e da distribuio da espcie no UMG e Holoceno mdio. Assim, como uma tentativa
10
11
12
13
densidade dada pela equao alomtrica usando o tamanho (massa) do corpo por essa rea
14
constante. Assim, o tempo para extino (TE) definido por esse modelo no , de fato, um
15
tempo esperado real para a presa, como apresentado anteriormente para Eremotherium, mas
16
apenas uma varivel que sintetiza os efeitos antrpicos atuando nas espcies. Uma pequena
17
18
carne consumida de cada espcie em funo da riqueza total de espcies. Assim, medida que
19
uma espcie (ou gnero, nesse caso) se extingue, o esforo de caa (consumo de carne) se
20
redistribui igualmente entre as espcies que persistem (assume-se, portanto, que a proporo
21
de carne da megafauna consumida pelos humanos se mantm e que a extino de uma espcie
22
no diminui essa proporo). Mas, de qualquer modo, esse modelo multi-espcies apresenta
23
24
O tempo para extino (TE) esperado pelo modelo pode ser ento correlacionado
25
133
explicar a extino da megafauna, a expectativa que haja uma forte relao negativa entre
essas duas variveis (ou seja, gneros que se extinguiram h mais tempo DATA maior se
menor porte (ver Fig. 6.1). No obstante, uma aplicao inicial do modelo de sobrematana
para os 29 gneros, cujas densidades foram estimadas pela equao alomtrica de Silva and
Downing (1995) e com a rea constante de 2.000.000 km2, mostra uma correlao muito
10
elevada (r = 0,938) entre TE e massa corprea, porm positiva, ou seja, gneros de maior
11
porte levam mais tempo para se extinguir do que gneros de menor porte. Esse fato o oposto
12
13
estimado pelo modelo e a DATA (r = 0,45; P < 0,001; mas ver texto abaixo). Assim, curioso
14
que, embora o modelo de sobrematana explique a variao nas datas de extino dos
15
gneros, ele realiza essa predio de forma inversa (os valores de TE tambm variam pouco
16
17
O que explica essa inverso a equao alomtrica utilizada para estimar a densidade
18
das populaes e que termina por determinar o balano entre as taxas de crescimento
19
20
21
intrnseca de crescimento) quanto por efeito de caa. O nmero de indivduos mortos por
22
efeito de caa, por sua vez, funo da quantidade de carne que cada presa fornece dado sua
23
massa corporal. Embora a populao de uma espcie de pequeno/mdio porte cresa mais
24
25
134
de indivduos dessa espcie, j que so pequenos, quando comparada a uma espcie de maior
5
B 100
Densidade
Densidade (log)
90
limite superior
80
Brown (1995)
70
60
5
4
3
2
limite inferior
1
0
0
Massa (log)
1000
2000
3000
4000
5000
6000
Massa (kg)
Densidade (log)
C
4
Brown (1995)
2
1
0
-1
-2
9
7
8
9
10
11
10
11
12
13
14
15
Massa (log)
Figura 6.3. Relao macroecolgica entre densidade e massa corprea mostrando o envelope de restrio terico
(A) e as diferenas de densidades estimadas pelas equaes de Brown (1995) e Silva & Downing (1995) (B e C).
Em C, note que as duas equaes geram retas com inclinaes diferentes que se assemelham ao envelope de
restrio terico em A.
12
13
Por outro lado, a equao de Brown (1995), utilizada por Diniz-Filho (2002, 2004) e
14
que delimita o limite superior do envelope de restrio gerado pela relao entre densidade e
15
massa corprea (Fig. 6.3a), estima densidades muito superiores que a equao de Silva e
16
Downing (1995), especialmente para as espcies de pequeno porte (Fig. 6.3b). Por se tratar de
135
um envelope de restrio, essa diferena no aparece nas espcies de maior porte (ou a
pequeno/mdio porte. Para um animal de 3.000 kg, por exemplo, os modelos de Silva &
Downing (1995) e de Brown (1995) geram valores de densidade iguais a 0,29 e 0,33,
respectivamente. Entretanto, para um animal de 100 kg, a densidade estimada pela equao de
Brown (1995) quase uma ordem de magnitude superior quela estimada pela de Silva &
Downing (1995) e, para uma espcie de 10 kg, essa diferena ultrapassa uma ordem de
magnitude (Fig. 6.3b). A equao de Silva & Downing (1995) estima, assim, densidades mais
10
semelhantes entre espcies de pequeno e grande porte do que a equao de Brown (1995).
11
12
13
relao entre densidade e massa corprea (Fig. 6.3c). Assim, embora nos dois casos animais
14
15
abundncia entre animais de pequeno e grande porte muda muito pouco entre as duas
16
17
restrio (equao de Brown 1995) decresce muito mais rapidamente que o limite inferior
18
(equao de Silva & Downing 1995; ver inclinao das retas na Fig. 6.3c e interpretao do
19
envelope de restrio em Brown 1987 e 1995). Essa diferena suficiente para inverter o
20
21
22
extino (TE), embora altamente correlacionadas com o tamanho do corpo, conforme figura
23
6.4.
24
136
1700
3200
1600
1500
2600
1400
2400
1300
2200
1200
2000
Brown (1995)
Silva & Downing (1995)
1800
1100
1000
1600
1400
2800
cte
3000
TE
3400
900
0
1000
2000
3000
4000
5000
Massa (kg)
2
3
4
Figura 6.4. Relao entre TEcte estimado pelo modelo de sobrematana do capitulo 5 e massa corprea,
estimando-se as densidades a partir das equaes alomtricas de Brown (1995) e Silva & Downing (1995).
Brown (1995) passa a -0,65 (P < 0,001), um valor mais alto do que o obtido para a equao de
Silva & Downing (1995) e na direo esperada (ou seja, espcies maiores se extinguem
antes; Fig. 6.5). Essa relao, entretanto, bastante influenciada por Dusycion avus, para as
10
duas equaes, por apresentar um tempo para extino muito superior aos demais gneros.
11
12
Patagnia h cerca de 2.800 anos atrs, muito depois da grande onde de extino da
13
megafauna datada para o limite Pleistoceno/Holoceno (~11.000 anos atrs). Dessa forma, D.
14
avus no foi retirado das anlises, apesar de ser um ponto influente na relao TE vs. DATA
15
(Fig. 6.5), j que o modelo apresenta predies compatveis com a realidade. Os valores de
16
TEcte para esse modelo so tambm bem mais variveis quando comparados ao anterior,
17
18
Assim, embora as duas equaes expliquem razoavelmente bem a data de extino (DATA)
19
20
direo das extines. Alguns trabalhos discutem a possibilidade de que espcies de menor
137
14000
12000
DATA
10000
8000
6000
4000
2000
1000 1400 1800 2200 2600 3000 3400
1200 1600 2000 2400 2800 3200 3600
1
2
3
TE
cte
Figura 6.5. Relao entre DATA e tempo para extino (TEcte) estimado pelo modelo de sobrematana
utilizando-se a equao alomtrica de Brown (1995) para a densidade.
4
5
porte sejam, de fato, to sensveis a efeitos antrpicos e climticos quanto de grande porte
(Lyons et al. 2004, Cardillo et al. 2005, Blois et al. 2010, Terry et al. 2011), mas os padres
(ver Fig. 6.1). Como as duas equaes produzem padres semelhantes (mas com direes
inversas) nos modelos finais que sero apresentados a seguir, na ausncia de informaes
10
mais detalhadas sobre a abundncia e densidade para cada gnero, optou-se por utilizar as
11
12
13
14
15
geogrfica e o TEcte estimado pelo modelo de sobrematana com rea constante) para explicar
16
17
18
regresso mltipla (Tab. 6.2), obtm-se um coeficiente de determinao (R2) igual a 0,52
19
(F3,25 = 9,03; P < 0,001), com efeitos significativos tanto para sobrematana (coeficiente
138
padronizado igual a -0,53; P = 0,03) quanto para a mudana na rea de distribuio entre o
determinao para 0,49 e faz com que o coeficiente da varivel mudana de rea passe a ser
extino, de modo que quanto maior o impacto climtico sobre um gnero, mais antiga foi sua
extino (ou seja, mais rapidamente aps o UMG, conforme esperado por um efeito de
10
11
12
13
14
15
Tabela 6.2. Coeficientes da regresso mltipla utilizando TEcte e mudana de rea para estimar a DATA de
2
extino dos 29 gneros da megafauna sul-americana (R = 0,52; F3,25 = 9,03; P < 0,001).
Preditor
Intercepto
TEcte
rea
Registros
Beta
( erro padro)
9,54 0,15
-0,53 0,16
0,39 0,17
0,21 0,19
P
< 0,001
0,003
0,03
0,27
16
17
Uma regresso parcial (ver Legendre & Legendre 2012) foi utilizada para desdobrar os
18
efeitos das mudanas climticas e do modelo de sobrematana sobre as datas de extino dos
19
29 gneros da megafauna sul-americana (Fig. 6.6a). Como dito acima, o modelo global
20
21
22
23
indicando assim uma pequena sobreposio entre eles (de 3,8%). Consequentemente, o efeito
139
sobrematana foi igual a 7,4%. Existe, portanto, uma pequena tendncia de que espcies que
foram mais afetadas pelo efeito climtico tiveram tambm sua extino potencializada pela
chegada do Homem. Esses resultados so condizentes com que se tem discutido recentemente
Bravo et al. 2008). Entretanto, a magnitude dos impactos climticos e antrpicos varia entre
diferentes espcies (ver Lorenzen et al. 2011), o que pode explicar a baixa sobreposio entre
A
a:
7,4%
b:
3,8%
c:
38,3%
d:
50,5%
rea
TEcte
b:
8%
B
a:
11%
c:
21%
d:
60%
rea
TEcte
10
11
12
13
14
Figura 6.6. Coeficientes de determinao da regresso parcial utilizando TEcte e mudana de rea para estimar a
DATA de extino dos 29 gneros da megafauna sul-americana. TEcte foi obtido calculando a densidade das
presas a partir da equaes (A) de Brown (1995) e (B) de Silva & Downing (1995).
15
16
obtido pela equao alomtrica de densidade de Silva & Downing (1995), o coeficiente de
17
determinao da regresso mltipla passa a 0,40, mas com coeficientes mais balanceados
18
19
20
21
22
140
os 29 gneros extintos foi feita aplicando-se o modelo de sobrematana no com uma rea
constante, mas utilizando-se a rea de distribuio geogrfica predita pelos ENMs de cada
gnero, bem como a curva de abundncia estimada a partir das adequabilidades climticas no
Brown (1995) gerar resultados na direo esperada da relao entre tamanho corpreo e
tempo para extino (no qual as espcies maiores se extinguem mais rpido), essa equao
10
alomtrica gera um outro problema. Em funo dos valores de abundncia para as espcies de
11
pequeno/mdio porte serem muito elevados (conforme j discutido, quase 10 vezes maiores
12
do que os obtidos pelas equaes de Silva & Downing 1995), para vrios casos nos quais as
13
14
15
16
17
18
19
elevadas.
20
21
comprometem uma concluso direta sobre o balano entre os efeitos de sobrematana e das
22
mudanas climticas. De qualquer modo, embora o tempo para extino absoluto seja muito
23
24
25
141
apenas para fins de clculo, as abundncias das espcies foram obtidas utilizando-se os
(1995) para definir a densidade nos locais onde a adequabilidade climtica mxima e
seguir, elas foram divididas por 100, apenas para tornar mais rpido o tempo de simulao
(uma soluo equivalente seria aumentar o tempo indefinidamente). Outra soluo seria
indivduos) quase 10 vezes menor do que aquele estimado pela equao de Brown (1995).
10
11
comparativo entre as espcies. O TEENM final estimado por esse modelo est, como esperado
12
13
DATA de extino (r = -0,43; P = 0,02; Fig. 6.7), explicando, portanto, 18,6% da variao.
14
15
14000
DATA
12000
10000
8000
6000
4000
2000
500
700
600
16
17
18
19
900
800
1100
1000
1300
1200
ENM
TE
Figura 6.7. Relao entre DATA e o tempo de extino (TEENM) estimado pelo modelo de sobrematana com as
abundncias estimadas combinando-se a equao alomtrica e a adequabilidade climtica obtida pelos ENMs.
142
distribuio geogrfica por uma modelo de regresso mltipla, sugerem algo interessante. O
estimada pelos ENMs, de fato, bem menor do que o modelo de rea constante (18,6% em
relao a pouco mais de 40%), o que pode parecer estranho em um primeiro momento. Essa
comparao sugere que adicionar uma abundncia estimada a partir da rea de distribuio da
espcie resulta em um modelo menos explicativo do que um modelo assumindo uma rea
constante (algo em princpio irrealista) para todos os gneros. De fato, os valores de TE nos
10
dois modelos (com densidade em uma rea constante - TEcte - e considerando a variao de
11
adequabilidade dos modelos ENMs TEENM) esto relacionados de forma no-linear, mas
12
com uma elevada correlao (Spearman rS = 0,81), reforando que o efeito climtico durante
13
14
15
conflitantes, que, embora a rea modelada diminua entre o UMG e o Holoceno mdio para a
16
maioria dos 29 gneros, os ENMs possuem muitos erros devido aos vieses de amostragem do
17
18
19
20
21
22
23
Holoceno mdio, de modo que a diferena entre eles mostra um padro mais consistente de
24
25
anlises anteriores mostram que essa perda de rea no Holoceno mdio (corrigida pelo
143
dos gneros no Holoceno mdio, sua data de extino explicada em parte pelo efeito da
sobrematana, e o efeito adicional que melhora a explicao no dado pela rea em si, mas
predador-presa e ENMs, os resultados apresentados acima sugerem que, conforme tem sido
discutido recentemente (Koch & Barnosky 2006, Grayson 2007, Nogus-Bravo et al. 2008,
Lorenzen et al. 2011, Prescott et al. 2012), tanto o efeito da sobrematana quanto das
10
11
Sul.
144
Captulo 7
CONCLUSES
3
4
5
6
7
8
9
10
We can never know the complete truth because any knowledge about the
real world is based on (limited) data, because the methods to derive and
analyse real world data sets are subject to constraints and biases, and because
amount of data is limited by time and costs (however) Looking at models
from the perspective of optimising empirical work might () help to better
understand the system.
- Damaris Zurell -
11
12
O objetivo geral do livro foi mostrar uma srie de ferramentas que podem ser teis
13
14
15
16
17
e recentemente tm sido utilizados para avaliar os efeitos das mudanas climticas sobre a
18
19
20
demogrficas que tm sido utilizadas h bastante tempo para avaliar a plausibilidade do efeito
21
22
Esses modelos so, sem dvida nenhuma, um grande avano cientfico para avaliar as
23
24
Banks et al. 2008, Varela et al. 2010, Lorenzen et al. 2011). Entretanto, seus resultados tm
25
sido interpretados apenas de forma descritiva. Conforme j abordado nos captulos anteriores,
26
necessrio avaliar, de forma independente, a magnitude relativa dos efeitos de cada uma das
27
28
145
flutuaes extremas na temperatura em cada continente (Prescott et al. 2012; mas veja
partir de padres so comuns em ecologia, porm demonstram menor poder preditivo que
aquelas baseadas nos processos atuantes em cada etapa gerando os padres observados.
sucesso nas predies de extines futuras ainda necessrio considerar os processos atuantes
10
11
12
13
14
15
possvel explicar cerca de 50% da variao nessas datas. Os efeitos de mudana climtica e
16
sobrematana explicam, proporcionalmente, 11% e 42% dessa variao, com uma pequena
17
sobreposio entre eles. Esses valores, entretanto, so dependentes de uma srie de fatores e
18
19
estatstico amplo. A mensagem geral que possvel explicar uma boa parte da variao nas
20
datas de extino das espcies em funo dos efeitos combinados da chegada do Homem (i.e.,
21
22
23
pressupostos que foram adotados a fim de contornar as dificuldades geradas pela ausncia de
24
25
146
alomtrica utilizada para estimar a densidade das espcies a partir da sua massa corprea,
espcies quanto em termos de seus registros fsseis, no tempo e no espao. Ao mesmo tempo,
10
seria preciso melhorar as dataes e tentar entender essa variao em um contexto geogrfico
11
(em termos de como a distribuio geogrfica das espcies entrou em colapso e as levou
12
13
14
estimativa da distribuio geogrfica das espcies obtida a partir dos modelos de nicho. Uma
15
melhor qualidade dos dados poderia permitir a aplicao de mtodos mais sofisticados de
16
17
tais como disperso e interaes biticas, que permitam uma melhor aproximao da
18
19
tempo, seria preciso melhorar os dados de paleoclima (que tambm so, por sua vez,
20
21
com resoluo temporal mais fina (disponveis para um nmero maior de perodos
22
geolgicos). Assim, no seria preciso assumir uma relao entre intensidade de mudana
23
climtica (como feito no captulo 6) e o perodo que ocorreram, para diferentes espcies.
24
Note-se ainda que, mesmo nesse caso de uma melhoria na qualidade dos mapas de
25
147
exigiria uma melhor estimativa das abundncias das espcies, o que s pode ser feito a partir
de uma melhor compreenso de como essas abundncias variam nas espcies modernas.
espcies extintas, uma melhoria nos dados atuais poderia auxiliar na calibrao dos modelos
alomtricos.
Nesse contexto, dois aspectos importantes a serem melhorados nos modelos torn-
los espacialmente explcitos, como feito por Alroy (2001), e baseados em indivduos
('individual-based models'; DeAngelis & Gross 1991, Giacomini 2007). Entretanto, h uma
10
srie de dificuldades para que isso se torne uma realidade. Inicialmente, seria preciso que os
11
mapas de abundncia (obtidos a partir das adequabilidades produzidas pelos ENMs) fossem
12
13
controverso em modelagem de nicho, mas alguns trabalhos recentes mostram que possvel
14
15
utilizados (ver Trres et al. 2012). Isso permitira tambm levar em conta no s a perda total
16
de abundncia (como modelada aqui), mas tambm a fragmentao de habitats e seus efeitos
17
18
19
20
21
a estrutura etria das espcies e como as interaes (no caso, predao humana) interagem
22
com esse efeito. Note-se que isso tambm implica em um conhecimento melhor da ecologia e
23
aspectos da histria-de-vida (life history) das espcies atuais, a fim de calibrar os modelos
24
25
148
models), mas isso implica necessariamente em melhores dados para calibrar de forma realista
10
para que outros estudos utilizem melhores dados e problemas para resolver a questo da
11
extino da megafauna no Quaternrio tardio e entender como esse evento global foi
12
desencadeado a partir de processos que possam ser utilizados para predizer as extines
13
futuras. Essa compreenso importante sob o ponto de vista acadmico, mas ao mesmo
14
tempo pode trazer lies importantes em termos da conservao da fauna ainda existente, e
15
16
17
extintas (veja, por exemplo, Galetti 2004, Donlan et al. 2006, Guimares et al. 2008, Oliveira-
18
Santos & Fernandez 2009). Esse conhecimento critico para auxiliar nas tomadas de deciso
19
e minimizar os grandes impactos que a espcie humana est certamente causando na fauna
20
atual.
149
Referncias Bibliogrficas
2
3
4
Agenbroad LD, 2005. North American Proboscideans: Mammoths: The state of Knowledge,
2003. Quaternary International, 126-128: 73-92.
5
6
7
Allouche O, Tsoar A & Kadmon R, 2006. Assessing the accuracy of species distribution
models: prevalence, Kappa and the true skill statistic (TSS). Journal of Applied Ecology,
43: 1223-1232.
8
9
10
11
Anderson NJ et al., 2006. Linking palaeoenvironmental data and models to understand the
past and to predict the future. TRENDS in Ecology and Evolution, 21: 696-704.
12
13
Anderson RP, Lew D & Peterson AT, 2003. Evaluating predictive models of species'
distributions: Criteria for selecting optimal models. Ecological Modelling, 162: 211-232.
14
15
Arajo MB & Peterson AT, 2012. Uses and misuses of bioclimatic envelope modeling.
Ecology, 93: 1527-1539.
16
17
18
19
Arajo MB & Pearson RG, 2005. Equilibrium of species' distributions with climate.
Ecography, 28: 693-695.
20
21
Arajo MB et al., 2005. Reducing uncertainty in projections of extinction risk from climate
change. Global Ecology & Biogeography, 14: 529-538.
22
23
Arajo MB & Luoto M, 2007. The importance of biotic interactions for modeling species
distributions under climate change. Global Ecology and Biogeography, 16: 743-753.
24
25
Austin MP, 2002. Spatial prediction of species distribution: an interface between ecological
theory and statistical modelling. Ecological Modelling, 157: 101-118.
26
27
28
29
30
31
Banks WE et al., 2008b. Human ecological niches and ranges during the LGM in Europe
derived from an application of eco-cultural niche modeling. Journal of Archaeological
Science, 35: 481-491.
32
33
Bargo M, Iuliis G & Vizcano SF, 2006. Hypsodonty in Pleistocene ground sloths. Acta
Palaeontologica Polonica, 51: 53-61.
34
35
Barnosky AD et al., 2004. Assessing the causes of late Pleistocene extinctions on the
continents. Science, 306: 70-75.
36
37
38
Barnosky AD & Lindsey EL, 2010. Timing of Quaternary megafaunal extintion in South
America in relation to human arrival and climate change. Quaternary International, 217:
10-29.
150
1
2
Barnosky AD, 2008. Megafauna biomass tradeoff as a driver of Quaternary and future
extinctions. Proceedings of the Notional Academy of Sciences USA, 105: 11543-11548.
3
4
5
Barnosky AD, Carrasco MA & Graham RW, 2011a. Collateral mammal diversity loss
associated with late Quaternary megafaunal extinctions and implications for the future.
Geological Society, London, 358: 179-189.
6
7
Barnosky AD et al., 2011b. Has the Earth's sixth mass extinction already arrived? Nature,
471: 51-57.
8
9
Barve N et al., 2011. The crucial role of the accessible area in ecological niche modeling and
species distribution modeling. Ecological Modelling, 222: 1810-1819.
10
11
Beaver JE, 2007. Paleolithic Ungulate hunting: simulation and mathematical modeling for
archaeological inference and explanation. The University of Arizona: PhD thesis.
12
13
Begon M, Townsend CR & Harper JL, 2006. Ecology: from Individuals to ecosystems.
Oxford: Blackwell Publishing.
14
15
16
17
18
19
Belyea LR, 2007. Revealing the Emperor's new clothes: niche-based palaeoenvironmental
reconstruction in the light of recent ecological theory. The Holocene, 17: 683-688.
20
21
Bement LC & Carter BJ, 2010. Jake Bluff: clovis bison hunting on the southern plains of
North America. American Antiquity, 75: 907-933.
22
23
Blois JL, McGuire JL & Hadly EA, 2010. Small mammal diversity loss in response to latePleistocene climatic change. Nature, 465: 771-775.
24
25
Bonfils CJ, Lewden D & Taylor KE, 1998. Summary documentation of the PMIP models.
Available: http://pmip.lsce.ipsl.fr/docs/.Accessed 17 March 2012.
26
27
Borrero LA, 2008. Extinction of Pleistocene megamammals in South America: the lost
evidence. Quaternary International, 185: 69-74.
28
29
30
Borrero LA, 2009. The elusive evidence: the archeological record of the South American
extinct megafauna. In Haynes G (ed.). American megafaunal extinctions at the end of the
Pleistocene. Reno: Springer Science. p. 145-168.
31
32
Braconnot P et al., 2012. Evaluation of climate models using palaeoclimatic data. Nature
Climate Change, 2: 417-424.
33
34
35
Brook BW & Bowman DMJS, 2002. Explaining the Pleistocene megafaunal extinctions:
models, chronologies, and assumptions. Proceedings of the National Academy of
Sciences, 99: 14624-14627.
36
37
Brook BW & Bowman DMJS, 2004. The uncertain blitzkrieg of Pleistocene megafauna.
Journal of Biogeography, 31: 517-523.
151
1
2
Brook BW, Sodhi NS & Bradshaw CJA, 2008. Synergies among extinction drivers under
global change. TRENDS in Ecology and Evolution, 23: 453-460.
3
4
5
Brook BW & Bowman DMJS, 2005. One equation fits overkill: why allometry underpins
both prehistoric and modern body size-biased extinctions. Population Ecology, 47: 137141.
7
8
9
Brown JH & Maurer BA, 1987. Evolution of species assemblages: effects of energetic
constraints and species dynamics on the diversification of the North American avifauna.
The American Naturalist, 130: 1-17.
10
11
Brown JH & Maurer BA, 1989. Macroecology: the division of food and space among species
on continents. Science, 243: 1145-1150.
12
13
Budyko MI, 1967. On the causes of the extinction of some animals at the end of the
Pleistocene. Soviet Geography Review and Translation, 8: 783-793.
14
15
Bueno-Hernndez AA & Llorente-Bousquets JE, 2006. The other face of Lyell: historical
biogeography in his Principles of geology. Journal of Biogeography, 33: 549-559.
16
17
Burnside WR et al., 2012. Human macroecology: linking pattern and process in big-picture
human ecology. Biological Review, 87: 194-208.
18
19
Busby JR, 1986. Bioclimatic Prediction System (BIOCLIM) User's Manual Version 2.0.:
Australian Biological Resources Study Leaflet.
20
21
22
Busby JR, 1991. BIOCLIM - a bioclimate analysis and prediction system. In Margules CR &
Austin MP (eds.). Nature Conservation: Cost Effective Biological Surveys and Data
Analysis. Canberra: CSIRO. p. 64-68.
23
24
25
26
Cannon MD & Meltzer DJ, 2004. Early Paleoindian foraging: examining the faunal evidence
for large mammal specialization and regional variability in prey choice. Quaternary
Science Reviews, 23: 1955-1987.
27
28
Cardillo M et al., 2005. Multiple causes of high extinction risk in large mammal species.
Science, 309: 1239-1241.
29
30
Carnaval A & Moritz C, 2008. Historical climate modelling predicts patterns of current
biodiversity in the Brazilian Atlantic forest. Journal of Biogeography, 35: 1201.
31
32
Carnaval AC et al., 2009. Stability predicts genetic diversity in the Brazilian Atlantic Forest
Hotspot. Science, 323: 785-789.
33
34
35
Carpenter G, Gillison AN & Winter J, 1993. DOMAIN: A flexible modeling procedure for
mapping potential distributions of plants and animals. Biodiversity and Conservation, 2:
667-680.
36
37
38
152
1
2
3
Charles R, 1997. The exploitation of carnivores and other fur-bearing mammals during the
north-western european late upper palaeolithic and mesolithic. Oxford Journal of
Archaeology, 16: 253-276.
4
5
6
Cione AL, Tonni EP & Soibelzon L, 2003. Broken Zig-Zag: Late Cenozoic large mammal
and tortoise extinction in South America. Revista del Museo Argentino de Ciencias
Naturales "Bernardino Rivadavia", 5: 1-19.
7
8
9
10
Cione AL, Tonni EP & Soibelzon L, 2009. Did humans cause the Late Pleistocene-Early
Holocene mammalian extinctions in South America in a context of shrinking open areas?
In Haynes G (ed.). American megafaunal extinctions at the end of the Pleistocene. Reno:
Springer Science. p. 125-144.
11
12
Cohen J, 1995a. How many people can the earth support? New York: W. W. Norton &
Company.
13
14
Cohen J, 1995b. Population growth and earth's human carrying capacity. Science, 269: 341346.
15
16
17
Colinvaux PA, De Oliveira PE & Bush MB, 2000. Amazonian and neotropical plant
communities on glacial time-scales: the failure of the aridity and refuge hypothesis.
Quaternary Science Reviews, 19: 141-169.
18
19
20
Collevatti RG et al., 2012a. Recovering the demographical history of a Brazilian Cerrado tree
species Caryocar brasiliense: coupling ecological niche modeling and coalescent analyses
. Natureza & Conservao, 10: in press.
21
22
23
24
25
26
27
Colwell RK & Rangel TF, 2009. Hutchinson's duality: the once and future niche. Proceedings
of the Notional Academy of Sciences USA, 106: 19651-58.
28
29
30
Damuth J, 1981. Population-density and body size in mammals. Nature, 290: 699-700.
31
32
33
34
Davies AL & Bunting MJ, 2010. Applications of Palaeoecology in Conservation. The Open
Ecology Journal, 3: 54-67.
35
36
Davies TJ, Purvis A & Gittleman JL, 2009. Quaternary climate change and the geographic
ranges of mammals. The American Naturalist, 174: 297-307.
37
38
Davis AJ et al., 1998. Making mistakes when predicting shifts in species range in response to
global warming. Nature, 391: 783-786.
153
1
2
Davis MB, 1994. Ecology and paleoecology begin to merge. TRENDS in Ecology and
Evolution, 9: 357-358.
Dayton L, 2001. Mass extinctions pinned on Ice Age hunters. Science, 292: 1819.
4
5
De Marco P, Diniz-Filho JAF & Bini LM, 2008. Spatial analysis improves species
distributionmodelling during range expansion. Biology Letters, 4: 577-580.
6
7
De Marco PJr & Siqueira MF, 2009. Como determinar a distribuio potencial de espcies
sob uma abordagem conservacionista? Megadiversidade, 5: 65-76.
8
9
DeAngelis DL & Gross LJ, 1991. Individual-based models and approaches in ecology:
concepts and models. New York: Chapman and Hall.
10
11
12
13
14
15
Dillehay TD et al., 2008. Monte Verde: Seaweeds, food, and medicine and the peopling of the
Americas. Science, 325: 1287-1289.
16
17
18
19
Diniz-Filho JAF, 2004. Macroecological analyses support an overkill scenario for Late
Pleistocene extinctions. Brazilian Journal of Biology, 64: 407-414.
20
21
22
Diniz-Filho JAF et al., 2010. The three phases of the ensemble forecasting of niche models:
geographic range and shifts in climatically suitable areas of Utetheisa ornatrix
(Lepidoptera, Arctiidae). Revista Brasileira de Entomologia, 54: 339-349.
23
24
Diniz-Filho JAF et al., 2009. Partitioning and mapping uncertainties in ensembles of forecasts
of species turnover under climate change. Ecography, 32: 897-906.
25
26
27
28
Dormann CF et al., 2012. Collinearity: a review of methods to deal with it and a simulation
study evaluating their performance. Ecography, 35: early view.
29
30
31
32
33
Elith J, 2002. Quantitative methods for modeling species habitat: comparative performance
and an application to Australian plants. In Ferson S & Burgman M (eds.). Quantitative
Methods for Conservation Biology. New York: Springer-Verlag. p. 39-58.
34
35
Elith J & Graham CH, 2009. Do they? How do they? WHY do they differ? On finding
reasons for differing performances of species distribution models. Ecography, 32: 66-77.
36
37
38
Elith J & Leathwick JR, 2009. Species distribution models: ecological explanation and
prediction across space and time. Annual Review of Ecology, Evolution, and Systematics,
40: 677-697.
154
1
2
Elith J et al., 2011. A statistical explanation of MaxEnt for ecologists. Diversity and
Distributions, 17: 43-57.
3
4
Faith JT & Surovell TA, 2009. Synchronous extinction of North America's Pleistocene
mammals. Proceedings of the National Academy of Sciences, 106: 20641-20645.
5
6
Farber O & Kadmon R, 2003. Assessment of alternative approaches for bioclimatic modelling
with special emphasis on the Mahalanobis distance. Ecological Modelling, 160: 115-130.
7
8
9
Fiedel S, 2009. Sudden deaths: the chronology of terminal Pleistocene megafaunal extinction.
In Haynes G (ed.). American megafaunal extinctions at the end of the Pleistocene. Reno:
Springer Science. p. 21-38.
10
Field J & Fullagard R, 2001. Archaeology and Australian Megafauna. Science, 294: 7.
11
12
Fielding AH & Bell JF, 1997. A review of methods for the assessment of prediction errors in
conservation presence/absence models. Environmental Conservation, 24: 38-49.
13
14
Foote M et al., 2007. Rise and fall of species occupancy in Cenozoic fossil mollusks. Science,
318: 1131-1134.
15
16
17
18
Frisson G, 1998. Paleoindian large mammals hunters of the plains of North America.
Proceedings of the Notional Academy of Sciences USA, 95: 14576-14583.
19
20
Galetti M, 2004. Parks of the Pleistocene: recreating the cerrado and the Pantanal with the
megafauna. Natureza & Conservao, 2: 93-100.
21
22
Giacomini HC, 2007. Sete motivaes tericas para o uso da modelagem baseada no
indivduo em ecologia. Acta Amazonica, 37: 431-446.
23
24
Gilbert MTP et al., 2008. DNA from pre-Clovis human coprolites in Oregon, North America.
Science, 320: 786-789.
25
26
Gillespie R et al., 2012. Man and megafauna in Tasmania: closing the gap. Quaternary
Science Reviews, 37: 38-47.
27
28
29
30
Goebel T, Waters MR & O'Rourke DH, 2008. The Late Pleistocene dispersal of modern
humans in the Americas. Science, 319: 1497-1502.
31
32
33
34
35
36
37
155
1
2
Grayson DK & Meltzer DJ, 2002. Clovis hunting and large mammal extinction: a critical
review of the evidence. Journal of World Prehistory, 16: 313-359.
3
4
Grayson DK & Meltzer DJ, 2003. A requiem for North American overkill. Journal of
Archaeological Science, 30: 585-593.
5
6
Grayson DK & Meltzer DJ, 2004. North American overkill continued? Journal of
Archaeological Science, 31: 133-136.
Grayson D, 2001. Did human hunting cause mass extinction? Science, 294: 1459-1462.
8
9
10
11
Guimares PR, Galetti M & Jordano P, 2008. Seed Dispersal Anachronisms: Rethinking the
Fruits Extinct Megafauna Ate. PLoS ONE, 3: e1745.
12
13
Guisan A, Edwards TC & Hastie T, 2002. Generalized linear and generalized additive models
in studies of species distributions: setting the scene. Ecological Modelling, 157: 89-100.
14
15
Guisan A & Thuiller W, 2005. Predicting species distribution: offering more than simple
habitat models. Ecology Letters, 8: 993-1009.
16
17
Guisan A & Zimmermann NE, 2000. Predictive habitat distribution models in ecology.
Ecological Modelling, 135: 147-186.
18
19
Guthrie RD, 2003. Rapid size decline in Alaskan Pleistocene horse before extinction. Nature,
426: 169-171.
20
21
Guthrie RD, 2006. New carbon dates link climatic change with human colonization and
Pleistocene extinctions. Nature, 441: 207-209.
22
23
24
Hadly EA & Barnosky AD, 2009. Vertebrate fossils and the future of conservation biology. In
Dietl GP & Flessa KW (eds.). Conservation Paleobiology: using the past to manage for
the future. Lubbock, TX: The Paleontological Society. p. 39-59.
25
26
27
Hamilton MJ & Buchanan B, 2007. Spatial gradients in Clovis-age radiocarbon dates across
North America suggest rapid colonization from the north. Proceedings of the National
Academy of Sciences, 104: 15625-15630.
28
29
Hanberry BB, He HS & Dey DC, 2012. Sample sizes and model comparison metrics for
species distribution models. Ecological Modelling, 227: 29-33.
30
31
Haynes G, 2002. The catastrophic extinction of North American mammoths and mastodonts.
World Archaeology, 33: 391-416.
32
33
Haynes G, 2007. A review of some attacks on the overkill hypothesis, with special attention
to misrepresentations and doubletalk. Quaternary International, 169-170: 84-94.
34
35
Haynes G, 2009a. American megafaunal extinctions at the end of the Pleistocene. Reno:
Springer Science.
36
37
38
Haynes G, 2009b. Estimates of Clovis-Era megafaunal populations and their extinction risks.
In Haynes G (ed.). American megafaunal extinctions at the end of the Pleistocene. Reno:
Springer Science. p. 39-54.
156
1
2
3
4
Hern W, 1999. How many times has the human population doubled? Comparisons with
cancer. Population and Environment, 21: 59-80.
5
6
Hijmans RJ et al., 2005. Very high resolution interpolated climate surfaces for global land
areas. International Journal of Climatology, 25: 1965-1978.
7
8
Hijmans RJ & Graham CH, 2006. The ability of climate envelope models to predict the effect
of climate change on species distributions. Global Change Biology, 12: 2272-2281.
9
10
Hilborn R & Mangel M, 1997. The ecological detective: confronting models with data.
Princeton: Princeton University Press.
11
12
13
14
Holliday VT, 2000. The evolution of paleoindian geochronology and typology on the Great
Plains . Geoarchaeology: An International Journal, 15: 227-290.
15
16
Hortal J et al., 2008. Historical bias in biodiversity inventories affects the observed realized
niche of the species. Oikos, 117: 847-858.
17
18
Hutchinson GE, 1957. Concluding remarks. Cold Spring Harbor Symposia on Quantitative
Biology, 22: 415-427.
19
20
Isaac JL, 2009. Effects of climate change on life history: implications for extinction risk in
mammals. Endangered Species Research, 7: 115-123.
21
Jablonski D, 1999. The future of the fossil record. Science, 284: 2114-2116.
22
23
24
Jimnez-Valverde A & Lobo JM, 2007. Threshold criteria for conversion of probability of
species presence to either-or presence-absence. Acta Oecologica, 31: 361-369.
25
26
Jimnez-Valverde A, Lobo JM & Hortal J, 2008. Not as good as they seem: the importance of
concepts in species distribution modeling. Diversity and Distributions, 14: 885-890.
27
28
29
Johnson CN, 2002. Determinants of loss of mammal species during the Late Quaternary
'megafauna' extinctions: life history and ecology, but not body size. Proceedings of the
Royal Society B, 269: 2221-27.
30
31
32
33
Jull AJT et al., 2004. Radiocarbon dating of extinct fauna in the Americas recovered from tar
pits. Nuclear Instruments and Methods in Physics Research B, 223-224: 668-671.
34
35
Kelt DA & Van Vuren DH, 2001. The ecology and macroecology of mammalian home range
area. The American Naturalist, 157: 637-645.
36
37
Koch PL & Barnosky AD, 2006. Late Quaternary Extinctions: State of the Debate. Annual
Review of Ecology, Evolution, and Systematics, 37: 215-50.
157
1
2
Kusimba SB, 1999. Hunter-gatherer land use patterns in late stone age east Africa. Journal of
Antropological Archaeology, 18: 165-200.
Legendre P & Legendre L, 2012. Numerical ecology. 3rd ed. Oxford: Elsevier.
4
5
Levins R, 1966. The strategy of model building in population biology. In Sober E (ed.).
Conceptual Issues in Evolutionary Biology. Cambridge: MIT press. p. 18-27.
6
7
8
9
10
11
Lima-Ribeiro MS, Faleiro FAV & Silva DP, 2013. Current and historical climate signatures
to deconstructed tree species richness pattern in South America. Acta Scientiarum Biological Science (in press).
12
13
Lima-Ribeiro MS et al., Not as simple as it seems: a comment about the ghost climatic effects
on Pleistocene mammal extinctions. World Archaeology (in review).
14
15
16
17
18
19
20
21
22
Lima-Ribeiro MS et al., 2012b. Potential suitable areas of giant ground sloths dropped before
its extinction in South America: the evidences from bioclimatic envelope modeling.
Natureza & Conservao, 10: (in press).
23
24
25
Lima-Ribeiro MS & Diniz-Filho JAF, 2013. American megafaunal extinctions and human
arrival: an improved evaluation using a meta-analytical approach. Quaternary
International (in press).
26
27
28
29
Liu CR, White M & ewell G, 2009. Measuring the accuracy of species distribution models: a
review. In 18th World IMACS / MODSIM Congress. Cairns, Australia. p. 4241-4247.
30
31
Lobo JM et al., 2007. How does the knowledge about the spatial distribution of Iberian dung
beetle species accumulate over time? Diversity and Distributions, 13: 772-780.
32
33
34
Lobo JM, Jimnez-Valverde A & Real R, 2008. AUC: a misleading measure of the
performance ofpredictive distribution models. Global Ecology and Biogeography, 17:
145-151.
35
36
37
38
Lyell C, 1830. Principles of Geology: being an attempt to explain the former changes of the
Earth's surface, by reference to causes now in operation. London: John Murray.
158
1
2
Lyman RL, 2012. A warrant for applied palaeozoology. Biological Review, 87: 513-525.
4
5
Lyons SK, Smith FA & Brown JH, 2004. Of mice, mastodons and men: human mediated
extinction on four continents. Evolutionary Ecology Research, 6: 339-358.
6
7
8
Maguire KC & Stigall AL, 2009. Using ecological niche modeling for quantitative
biogeographic analysis: a case study of Miocene and Pliocene Equinae in the Great Plains.
Paleobiology, 35: 587-611.
9
10
Marshall LG, 1988. Extinction. In Myers AA & Giller PS (eds.). Analytical Biogeography.
London: Chapman & Hall. p. 219-254.
11
12
Martin PS, 1967. Prehistoric Overkill. In Martin PS & Wright Jr. HE (eds.). Pleistocene
extinction: the search for a cause. New Haven: Yale University Press. p. 75-120.
13
14
Martin PS, 1973. The discovery of America: the first Americans may have swept the Western
Hemisphere and decimated its fauna within 1000 years. Science, 179: 969-974.
15
16
17
Martin PS, 1984. Prehistoric Overkill: the global model. In Martin PS & Klein RG (eds.).
Quaternary Extinctions: A Prehistoric Revolution. Tucson: University of Arizona Press.
p. 354-403.
18
19
20
21
22
23
24
25
26
Meltzer DJ, 1986. Pleistocene overkill and the associational critique. Journal of
Archaeological Science, 13: 51-60.
27
28
29
30
Meltzer DJ & Mead JI, 1985. Dating late Pleistocene extinctions: theoretical issues, analytical
bias and substantive results. In Mead JI & Meltzer DJ (eds.). Environments and
extinctions: man in Late Glacial North America. Orono: Center for the Study of Early
Man, University of Maine. p. 145-174.
31
32
33
34
35
36
Miranda EE & Coutinho AC, 2004. Brasil Visto do Espao. Campinas: Embrapa
Monitoramento
por
Satlite.
Disponvel
em:
em:
<http://www.cdbrasil.cnpm.embrapa.br>. em: 25 out. 2012.
37
38
Mosimann JE & Martin PS, 1975. Simulating overkill by Paleoindians. American Scientist,
63: 304-313.
159
1
2
Nenzn HK & Arajo MB, 2011. Choice of threshold alters projections of species range shifts
under climate change. Ecological Modelling, 222: 3346-3354.
3
4
Nogus-Bravo D et al., 2008a. Climate change, humans, and the extinction of the Woolly
Mammoth. PLoS Biology, 6: 685-692.
5
6
Nogus-Bravo D, 2009. Predicting the past distribution of species climatic niches. Global
Ecology and Biogeography, 18: 521-531.
7
8
Nogus-Bravo D et al., 2008b. Climate change, humans, and the extinction of the woolly
mammoth. PLoS Biology, 6: 685-692.
9
10
Noy-Meir I, Wlaker D & Williams WT, 1975. Data transformations in ecological ordination.
II . On the meaning of data standardization. Journal of Ecology, 63: 779-800.
11
12
O'Regan HJ, Turner A & Wilkinson DM, 2002. European Quaternary refugia: a factor in
large carnivore extinction? Journal of Quaternary Science, 17: 789-795.
13
14
15
16
Pavoine S et al., 2009. On the challenge of treating various types of variables: application for
improving the measurement of functional diversity. Oikos, 118: 391-402.
17
18
19
Payne JL & Finnegan S, 2007. The effect of geographic range on extinction risk during
background and mass extinction. Proceedings of the Notional Academy of Sciences USA,
104: 10506-10511.
20
21
Pearce J & Ferrier S, 2000. Evaluating the predictive performance of habitat models
developed using logistic regression. Ecological Modelling, 133: 225-245.
22
23
Pearman PB et al., 2008. Niche dynamics in space and time. TRENDS in Ecology and
Evolution, 23: 149-158.
24
25
26
Pearson RG & Dawson TP, 2003. Predicting the impacts of climate change on the distribution
of species: are bioclimate envelope models useful? Global Ecology & Biogeography, 12:
361-371.
27
28
29
Pearson RG et al., 2007. Predicting species distributions from small numbers of occurrence
records: a test case using cryptic geckos in Madagascar. Journal of Biogeography, 34:
102-117.
30
31
32
33
Pereira RS & Siqueira MF, 2007. Algoritmo gentico para produo de conjuntos de regras
(GARP) . Megadiversidade, 3: 46-55.
34
35
Peters RH, 1983. The ecological significance of body size. Cambridge: Cambridge University
Press.
36
37
Peterson AT, 2009. Phylogeography is not enough: The need for multiple lines of evidence.
Frontiers in Biogeography, 1: 19-25.
160
1
2
Peterson AT & Nyri , 2007. Ecological niche conservatism and Pleistocene refugia in the
Thrush-like Mourner, Schiffornis sp., in the Neotropics. Evolution, 62: 173-183.
3
4
Peterson AT & Sobern J, 2012. Species distribution modeling and ecological niche
modeling: getting the concepts right. Natureza & Conservao, 10: 1-6.
5
6
Peterson AT et al., 2011. Ecological niches and geographic distributions. Oxford: Princeton
University Press.
7
8
9
10
Phillips SJ, Anderson RP & Schapire RE, 2006. Maximum entropy modeling of species
geographic distributions. Ecological Modelling, 190: 231-259.
11
12
13
Phillips SJ et al., 2009. Sample selection bias and presence-only distribution models:
implications for background and pseudo-absence data. Ecological Applications, 19: 181197.
14
15
Phillips SJ & Dudik M, 2008. Modeling of species distributions with Maxent: new extensions
and a comprehensive evaluation. Ecography, 31: 161-175.
16
17
18
Pitblado BL, 2011. A tale of two migrations: reconciling recent biological and archaeological
evidence for the Pleistocene peopling of the Americas. Journal of Archaeological
Research, 19: 327-375.
19
20
21
Politis G & Messineo P, 2008. The Campo Laborde site: New evidence for the Holocene
survival of Pleistocene megafauna in the Argentine Pampas. Quaternary International,
191: 98-114.
22
23
Prentice IC et al., 1992. A global biome model based on plant physiology and dominance, soil
properties and climate. Journal of Biogeography, 19: 117-134.
24
25
26
Prescott GW et al., 2012. Quantitative global analysis of the role of climate and people in
explaining late Quaternary megafaunal extinctions. Proceedings of the Notional Academy
of Sciences USA, 109: 4527-4531.
27
28
29
Prevosti FJ et al., 2011. Constraining the time of extinction of the South American fox
Dusicyon avus (Carnivora, Canidae) during the late Holocene. Quaternary International
doi:10.1016/j.quaint.2011.02.010.
30
31
Pulliam HR, 2000. On the relationship between niche and distribution. Ecology Letters, 3:
349-361.
32
33
Purvis A et al., 2000. Predicting extinction risk in declining species. Proceedings of the Royal
Society B, 267: 1947-1952.
34
35
36
37
Randall DA et al., 2007. Cilmate Models and Their Evaluation. In Solomon S et al. (eds.).
Climate Change 2007: The Physical Science Basis. Contribution of Working Group I to
the Fourth Assessment Report of the Intergovernmental Panel on Climate Change.
Cambridge, United Kingdom and New York, NY, USA: Cambridge University Press.
38
Raup DM, 1991. Extinction: bad genes or bad luck? Oxford: Oxford University press.
161
1
2
3
Rawlence NJ et al., 2012. The effect of climate and environmental change on the megafaunal
moa of New Zealand in the absence of humans. Quaternary Science Reviews,
http://dx.doi.org/10.1016/j.quascirev.2012.07.004.
4
5
6
Redmond BG et al., 2012. New evidence for Late Pleistocene human exploitation of
Jefferson's Ground Sloth (Megalonyx jeffersonii) from northern Ohio, USA. World
Archaeology, 44: 75-101.
Reed DH, 2004. Extinction risk in fragmented habitats. Animal Conservation, 7: 181-191.
8
9
Reich D et al., 2012. Reconstructing Native American population history. Nature, 488: 370374.
10
11
Reynolds PS, 2002. How big is a giant? The importance of method in estimating body size of
extinct mammals. Journal of Mammalogy, 83: 321-332.
12
13
Rothhammer F & Dillehay TD, 2009. The Late Pleistocene colonization of South America: an
interdisciplinary perspective. Annals of Human Genetics, 73: 540-549.
14
15
Rowcliffe JM, Cowlishaw G & Long J, 2003. A model of human hunting impacts in multiprey communities. Journal of Applied Ecology, 40: 872-889.
16
17
18
Rull V, 2010. Ecology and Palaeoecology: Two Approaches, One Objective. The Open
Ecology Journal, 3: 1-5.
19
20
21
22
23
24
25
26
Schuster S & Schule W, 2000. Anthropogenic causes, mechanisms and effects of Upper
Pliocene and Quaternary extinctions of large vertebrates. Oxford Journal of Archaeology,
19: 223-239.
27
28
Scott JM, Heglund PJ & Morrison ML, 2002. Predicting species occurrences: issues of
accuracy and scale. Washington, DC: Island Press.
29
30
Shea JJ, 2006. The origins of lithic projectile point technology: evidence from Africa, the
Levant, and Europe. Journal of Archaeological Science, 33: 823-846.
31
32
Silva M & Downing JA, 1995. The allometric scaling of density and body mass: a nonlinear
relationship for terrestrial mammals. American Naturalist, 145: 704-727.
33
34
Simberloff D, 1986. The proximate causes of extinction. In Raup DM & Jablonski D (eds.).
Patterns and processes in the history of life. Berlin: Springer. p. 259-276.
35
36
162
1
2
Smith FA & Boyer AG, 2012. Losing time? Incorporating a deeper temporal perspective into
modern ecology. Frontiers of Biogeography, 4: 26-39.
3
4
5
Smith FA & Lyons SK, 2011. How big should a mammal be? A macroecological look at
mammalian body size over space and time. Philosophical Transactions of the Royal
Society B - Biological Sciences, 366: 2364-2378.
6
7
Sobern J, 2007. Grinnellian and Eltonian niches and geographic distribution of species.
Ecology Letters, 10: 1115-23.
8
9
Sobern J & Nakamura M, 2009. Niches and distributional areas: Concepts, methods, and
assumptions. Proceedings of the Notional Academy of Sciences USA, 106: 19644-50.
10
11
Sobern J & Peterson AT, 2005. Interpretation of models of fundamental ecological niches
and species' distributional areas. Biodiversity Informatics, 2: 1-10.
12
13
Sobern J, 2010. Niche and area of distribution modeling: a population ecology perspective.
Ecography, 33: 159-167.
14
15
16
17
18
19
20
Stewart JR, 2008. The progressive effect of the individualistic response of species to
Quaternary climate change: an analysis of British mammalian faunas. Quaternary Science
Reviews, 27: 2499-2508.
21
22
23
Stiner MC et al., 2008. Modeling paleolithic predator-prey dynamics and the effects of
hunting pressure on prey 'choice'. In Bocquet-Appel J-P (ed.). Recent advances in
palaeodemography: data, techniques, patterns. Dordrecht: Springer.
24
25
26
Stockwell D & Peters D, 1999. The GARP modelling system: problems and solutions to
automated spatial prediction. International Journal of Geographical Information Science,
13: 143-158.
27
28
29
Stockwell DRB & Noble IR, 1992. Induction of sets of rules from animal distribution data: a
robust and informative method of data analysis. Mathematics and Computing Simulations,
33: 385-390.
30
31
Surovell TA & Waguespack N, 2008. How many elephant kills are 14? Clovis mammoth and
mastodon kills in context. Quaternary International, 191: 82-97.
32
33
34
Surovell TA & Waguespack N, 2009. Human prey choice in the Late Pleistocene and its
relation to megafaunal extinctions. In Haynes G (ed.). American megafaunal extinction at
the end of the Pleistocene. Reno: Springer Science. p. 77-105.
35
36
Surovell TA, Waguespack N & Brantingham PJ, 2005. Global archaeological evidence for
proboscidean overkill. Proceedings of the National Academy of Sciences, 102: 6231-6236.
37
38
Svenning JC & Skov F, 2004. Limited filling of the potential range in European tree species.
Ecology Letters, 7: 565-573.
163
1
2
Svenning JC & Skov F, 2007. Ice age legacies in the geographical distribution of tree species
richness in Europe. Global Ecology and Biogeography, 16: 234-245.
3
4
Swets JA, 1988. Measuring the accuracy of diagnostic systems. Science, 240: 1285-1293.
6
7
8
9
10
Taylor KE, Stouffer RJ & Meehl GA, 2012. An Overview of CMIP5 and the Experiment
Design. Bulletin of the American Meteorological Society, 93: 485-498.
11
12
Terribile LC et al., 2012. Areas of climate stability in the Brazilian Cerrado: disentangling
uncertainties through time. Natureza & Conservao, this issue:
13
14
15
Terry RC, Li C & Hadly E, 2011. A Predicting small-mammal responses to climatic warming:
autecology, geographic range, and the Holocene fossil record. Global Change Biology,
17: 3019-3034.
16
17
18
19
Thuiller W, 2004. Patterns and uncertainties of species' range shifts under climate change.
Global Change Biology, 10: 1-8.
20
21
22
23
24
Trres NM et al., 2012. Can species distribution modelling provide estimates of population
densities? A case study with jaguars in the Neotropics. Diversity and Distributions, 18:
615-627.
25
26
27
Ugan A & Byers D, 2007. Geographic and temporal trends in proboscidean and human
radiocarbon histories during the late Pleistocene. Quaternary Science Reviews, 26: 30583080.
28
29
30
Ugan A & Byers D, 2008. A global perspective on the spatiotemporal pattern of the Late
Pleistocene human and woolly mammoth radiocarbon record. Quaternary International,
191: 69-81.
31
32
33
34
35
36
Varela S et al., 2010. Were the Late Pleistocene climatic changes responsible for the
disappearance of the European spotted hyena populations? Hindcasting a species
geographic distribution across time. Quaternary Science Reviews, 29: 2027-2035.
37
38
39
Varela S, Rodrguez J & Lobo JM, 2009. Is current climatic equilibrium a guarantee for the
transferability of distribution model predictions? A case study of the spotted hyena.
Journal of Biogeography, 36: 1645-1655.
164
1
2
3
4
5
Warren DL, 2012. In defense of 'niche modeling'. TRENDS in Ecology and Evolution, 27:
497-500.
6
7
Waters MR & Stafford Jr. TW, 2007. Redefining the Age of Clovis: implications for the
peopling of the Americas. Science, 315: 1122-1126.
8
9
Waters MR et al., 2011a. The Buttermilk Creek Complex and the Origins of Clovis at the
Debra L. Friedkin Site, Texas. Science, 331: 1599-1603.
10
11
Waters MR et al., 2011b. Pre-Clovis Mastodon Hunting 13,800 Years Ago at the Manis Site,
Washington. Science, 334: 351-353.
12
13
14
15
16
17
18
19
Whittaker RJ, Willis KJ & Field R, 2001. Scale and species richness: towards a general,
hierarchical theory of species diversity. Journal of Biogeography, 28: 453-470.
20
Willis KJ & Whittaker RJ, 2002. Species diversity - scale matters. Science, 295: 1245-1248.
21
22
23
24
25
26
Wroe S & Field J, 2006. A review of the evidence for a human role in the extinction of
Australian megafauna and an alternative interpretation. Quaternary Science Reviews, 25:
2692-2703.
27
28
29
Yule JV et al., 2009. The puzzle of North America's Late Pleistocene megafaunal extinction
patterns: Test of new explanation yields unexpected results. Ecological Modelling, 220:
533-544.
30
Zar JH, 1999. Biostatistical analysis. 4th ed. New Jersey: Prentice Hall.
31
32
Zimmermann NE et al., 2010. New trends in species distribution modelling. Ecography, 33:
985-989.
165
APNDICES
Apndice
1.
Registro
fssil
de
Eremotherium
no
Neotrpico.
*
Os
registros
datados
para
perodos
glaciais
so
indicados
por
1,
aqueles
dos
perdos
glacial
e
interglacial
(Pleistoceno/Holoceno)
por
2
e
aqueles
datados
apenas
para
o
interglacial
por
3.
Os
registros
1
e
2
foram
utilizados
para
calibrar
os
modelos,
enquanto
aqueles
2
e
3
foram
usados
como
dados
de
teste
independentes.
Espcie
Stio
arqueolgico/paleontolgico
Longitude Latitude
Datao
-80.35
7.62
-89.17
13.78
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Eremotherium
-88.58
-86.63
-80.42
-76.23
-73.18
13.58
13.03
-3.73
-5.63
-10.57
-41.00
-40.83
-80.27
-78.33
-76.54
-73.51
-74.50
-69.68
-65.45
-74.40
-71.37
-68.04
-64.65
-57.84
-55.65
-49.28
-43.03
-42.09
-3.10
-10.67
-4.97
-1.24
0.90
4.04
7.82
9.81
7.27
-10.89
-9.15
-6.36
-10.19
-11.23
-2.68
-15.06
-12.13
-6.71
Pleistoceno
Pleistoceno
Pleistoceno
Pleistoceno
Pleistoceno
Pleistoceno
Pleistoceno
Pleistoceno
Pleistoceno
Pleistoceno
Pleistoceno
Pleistoceno
Pleistoceno
Pleistoceno
Pleistoceno
Pleistoceno
Pleistoceno
Pleistoceno
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Tipo
de
dado*
Referncia
(Pearson,
2005)
1
(Cisneros,
2005)
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
(Cisneros,
2005)
(Cisneros,
2005)
(Pujos
and
Salas,
2004)
(Pujos
and
Salas,
2004)
(Pujos
and
Salas,
2004)
(Dantas
and
Zucon,
2005)
(Lessa
et
al.,
1998)
(Nascimento,
2008)
(Nascimento,
2008)
(Nascimento,
2008)
(Nascimento,
2008)
(Nascimento,
2008)
(Nascimento,
2008)
(Nascimento,
2008)
(Nascimento,
2008)
(Nascimento,
2008)
(Nascimento,
2008)
(Nascimento,
2008)
(Nascimento,
2008)
(Nascimento,
2008)
(Nascimento,
2008)
(Nascimento,
2008)
(Nascimento,
2008)
166
Apndice 1. continuao.
Espcie
Stio
arqueolgico/paleontolgico
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Eremotherium
Longitude
Latitude
-41.54
-39.95
-36.37
-35.72
-35.92
-37.21
-40.69
-46.02
-43.08
-47.76
-52.18
-54.02
-90.60
-89.00
-88.10
-87.67
-85.80
-79.50
-40.92
-37.80
-5.17
-5.22
-5.91
-6.86
-8.50
-10.64
-20.34
-18.90
-22.48
-23.13
-24.47
-30.64
17.55
14.75
13.43
14.52
13.03
9.30
-14.77
-10.73
-65.32
-10.05
-79.00
-7.90
-40.30
-74.48
-10.50
-3.82
-48.03
-24.80
Datao
Pleistoceno
Pleistoceno
Pleistoceno
Pleistoceno
Pleistoceno
Pleistoceno
Pleistoceno
Pleistoceno
Pleistoceno
Pleistoceno
Pleistoceno
Pleistoceno
Pleistoceno
tardio
Pleistoceno
tardio
Pleistoceno
tardio
Pleistoceno
tardio
Pleistoceno
tardio
Pleistoceno
tardio
Pleistoceno
tardio
Pleistoceno
tardio
Pleistoceno
tardio
(27310
+-
200;
46310)
Pleistoceno
-
Lujaniano
(25000
+-
1000,
15000+-
500)
15900+-200
(15000+-
500);
23500+-200
(16100+-3900);
19800+-
300
(15800+-2000)
srie
U
idade
no
corrigida
(idade
corrigida)
13900
Pleistoceno
tardio/Holoceno
Tipo
de
dado*
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
Referncia
(Nascimento,
2008)
(Nascimento,
2008)
(Nascimento,
2008)
(Nascimento,
2008)
(Nascimento,
2008)
(Nascimento,
2008)
(Nascimento,
2008)
(Nascimento,
2008)
(Nascimento,
2008)
(Nascimento,
2008)
(Nascimento,
2008)
(Nascimento,
2008)
(Cisneros,
2005)
(Cisneros,
2005)
(Cisneros,
2005)
(Cisneros,
2005)
(Cisneros,
2005)
(Cisneros,
2005)
(Dantas
and
Tasso,
2007)
(Dantas,
2009)
(Nascimento,
2008)
1
(Pujos
and
Salas,
2004)
1
1
1
167
Apndice 1. continuao.
Espcie
Stio
arqueolgico/paleontolgico
-40.12
-11.53
-40.55
-11.18
-43.90
-19.63
-73.38
-0.60
-72.32
-10.15
-68.55
-8.05
-57.00
-15.33
-37.73
-5.62
-49.00
-24.63
Longitude Latitude
-42.50
-8.50
-56.00
-70.00
-80.80
-3.30
9.62
-2.20
Datao
Pleistoceno
tardio/Holoceno
Pleistoceno
tardio/Holoceno
(15.000
-
8.000)
Pleistoceno
tardio/Holoceno
(15.000
-
9000)
Pleistoceno
tardio/Holoceno
(21.000
-
10.000)
Pleistoceno
tardio/Holoceno
(21.000
-
10.000)
Pleistoceno
tardio/Holoceno
(21.000
-
10.000)
Pleistoceno
tardio/Holoceno
(21.000
-
10.000)
Pleistoceno
tardio/Holoceno
(21.000
-
10.000)
Pleistoceno
tardio/Holoceno
(21.000
-
8.000)
Pleistoceno
tardio/Holoceno
(48.000
-
10.000)
11340+-50
(Beta
-
sample
2)
10710
8680
+-
80
(ETH-20255)
Tipo
de
dado*
Referncia
(Ribeiro
and
Carvalho,
2009)
2
(Cartelle
and
Mahecha,
1984)
2
2
(Latrubesse
and
Franzinelli,
1995)
2
2
(Latrubesse
and
Franzinelli,
1995)
2
2
(Porpino
et
al.,
2004)
2
2
(Guern,
1991,
Guern
et
al.,
1996)
2
3
3
3
168
#eq.1
#eq.2
rp = 0.0025
Kp = 1200000
N <- Kp
tempo = 11000
#veja o grfico:
-- OBS: maximize completamente a janela da figura --
par(mfcol=c(1,1))
plot(1:tempo, N[1:tempo], ylim=c(1199850,1200000), col=
'brown4', xlab='Tempo (anos)', ylab='Tamanho populacional
(N)')
legend(7000, 1199950, legend= 'Eremotherium', lty= 1, lwd= 3,
pch=16, cex= 2, col= 'brown4', pt.bg= 'brown4', bty='n',
text.font= 3, text.col='black')
169
Apndice 2. Continuao.
arrows(x0= 1000, y0= 1199990, x1= 300, y1= 1200000, length= 0.15,
col= 'blue2')
legend(330, 1199992, legend= 'Kp inicial', bty='n',
text.col='blue2')
abline(h=1199903, v=2000, col='red3')
arrows(x0= 3500, y0= 1199930, x1= 2200, y1= 1199910, length=
0.15, col='green4')
legend(2000, 1199943, legend='"novo equilbrio demogrfico"',
bty='n', text.col='green4')
#eq.7
par(mfcol=c(1,2))
plot(1:tempo, H[1:tempo], ylim= c(0,4000000), type='l', lwd=3,
col='blue2', xlab='Tempo (anos)', ylab='Tamanho populacional
(N)', main= 'Fig. 5.2A')
arrows(x0=3000, y0= 3500000, x1= 2000, y1= 3900000, length= 0.1,
col='green4')
legend(2200, 3550000, legend= 'Kh', bty='n', text.col='green4')
lines(1:tempo, N[1:tempo], type='l', lty=3, lwd= 2, col='brown4')
170
Apndice 2. Continuao.
#mo = 0,5%
H = 100
rh = 0.01
Kh = 4000000
mo = 0.005
N <- Kp
NR <- (C/M)/A
for(t in 1:tempo){
C <- (CI*H[t]*365)/1000 #eq.1
NR[t] <- (C/M)/A #eq.2
N[t+1] <- (N[t] + (rp*N[t] * (1- (N[t]/Kp)))) NR[t]*(N[t]/Kp) #eq.5
DF <- (NR[t]- (NR[t]*(N[t]/Kp)))*M*A
HR <- mo*(DF/((CI/1000)*365))
H[t+1] <- H[t] + (rh*H[t] * (1-(H[t]/Kh))) - HR
}
#eq.7
171
Apndice 2. Continuao.
par(mfcol=c(1,2))
plot(1:tempo, H[1:tempo], ylim= c(0,2700000), type='l', lwd=3,
col='blue2', xlab='Tempo (anos)', ylab='Tamanho populacional
(N)', main= 'Fig. 5.3: mo = 0,5%')
lines(1:tempo, N[1:tempo], type='l', lty=3, lwd= 2, col='brown4')
legend(7000, 1500000, legend= c('predador', 'presa'), lwd=
c(3,2), lty= c(1,3), col= c('blue2', 'brown4'), text.col=
c('blue2', 'brown4'), bg= 'grey80')
arrows(x0= 8000, y0= 300000, x1= 8800, y1= 50000, length= 0.1,
col='red')
legend(6300,500000, legend= 'extino', bty='n', text.col='red')
172
Apndice
3.
Detalhes
sobre
a
massa
corprea
e
as
datas
de
extino
(last
appearance
data)
dos
29
gneros
da
megafauna
sul-america
extinta
no
final
do
Pleistoceno.
Famlia
Gnero
Massa
corprea
[kg]
300
[6]
1500
[9]
65
[6]
Data
de
extino
11600
190
10345
75
9030
240
Cervidae
Ursidae
Canidae
Antifer
(=Paracerus)
Arctotherium
Canis
Mylodontidae
Catonyx
600 [8]
9960 40
Gomphtheriidae
Cuvieronius
5000 [6]
11990 200
Glyptodontidae
Doedicurus
1300 [3,4]
7291 62
Canidae
Dusicyon
13 [6]
2980 40
Equidae
Equus
400 [6]
10290 130
Megatheridae
Eremotherium
3000 [9]
11340 50
Dasypodidae
Mylodontidae
Glyptodontidae
Camelidae
Equidae
Glyptodontidae
Mylodontidae
Macrauchenidae
Eutatus
Glossotherium
Glyptodon
Hemiauchenia
Hippidion
Hoplophorus
Lestodon
Macrauchenia
145
[6]
1500
[1,3,4,5]
2000
[6]
1000
[6]
400
[2,4]
280
[6]
4000
[6]
1100
[2,3,4]
10,0
ka
12240
110
8490
120
10440
100
8990
90
8490
120
15,5-11,5
ka
11665
50
Megatheridae
Megatherium
3800 [1,3,5]
7750 250
Mylodontidae
Mylodon
200 [7]
10200 400
Hydrochoeridae
Neochoerus
150
[6]
8680
80
Lab. - identificador
Referncia
173
Apndice 3. continuao.
Massa
corprea
[kg]
Data
de
extino
Lab. - identificador
Nothrotherium
150 [6]
12200 120
NZA-6984
1000
[6]
150
[6]
47
[6]
10310
30
10020
290
8490
120
UGAMS
7606
no
informado
GIF-10516
850 [1,5]
7550 60
LP-1407
Gliptodontidae
Paleolama
Pampatherium
Propaopus
Scelidotherium
(=
Scelidodon)
Sclerocalyptus
280 [6]
7,0 ka
---
Felidae
Smilodon
300 [3]
9130 150
BETA-174722
6000 [3,4]*
12980 85
SI-3316
1100 [3,4]
11090 40
BETA 218193
Famlia
Gnero
Megatheridae
Camelidae
Pampatheriidae
Dasypodidae
Scelidotheridae
Gomphtheriidae
Toxodontidae
Stegomastodon
(=Haplomastodon)
Toxodon
Referncia
(Czaplewski
&
Cartelle
1998,
Steadman
et
al.
2005)
(Mndez
et
al.
2011)
(Auler
et
al.
2006)
(Faure
et
al.
1999)
(Cruz
et
al.
2010)
(Borrero
2009)
(Neves
&
Pilo
2003,
Auler
et
al.
2006)
(Borrero
2009)
(Neves
et
al.
2007)
[1]
Bargo
MS
et
al.,
2000.
Limb
bone
proportions,
strength
and
digging
in
some
Lujanian
(Late
Pleistocene-early
Holocene)
Mylodontid
ground
sloths
(Bargo
et
al.
2000).
Journal
of
Vertebrate
Paleontology,
20:
601-610.
[2]
Faria
RA,
Blanco
RE
&
Christiansen
P,
2005.
Swerving
as
the
escape
strategy
of
Macrauchenia
patachonicaOwen
(Mammalia;
Litopterna).
Ameghiniana,
42:
751-760.
[3]
Faria
RA,
1996.
Trophic
relationship
among
Lujanian
Mammals.
Evolutionary
Theory,
11:
125-134.
[4]
Faria
RA,
Vizcano
SF
&
Bargo
MS,
1998.
Body
mass
estimations
in
Lujanian
(late
Pleistocene-early
Holocene
of
South
America)
mammal
megafauna.
Mastozoologa
Neotropical,
5:
87-108.
[5]
Vizcano
SF,
Bargo
MS
&
Cassini
GH,
2006.
Dental
occlusal
surface
area
in
relation
to
body
mass,
food
habits
and
other
biological
features
in
fossil
xenarthrans.
Ameghiniana,
43:
11-26.
[6]
Smith
FA
et
al.,
2003.
Body
mass
of
LAte
Quaternary
mammals.
Ecology,
84:
3403.
[7]
The
Paleobiology
database
(http://paleodb.org/)
[8]
Fundao
Museu
do
Homem
Americano
FUMDHAM
(www.fumdham.org.br)
[9]
Cartelle
C
&
De
Iuliis
G,
2006.
Eremotherium
laurillardi
(Lund)
(Xenarthra,
Megatheriidae),
the
Panamerican
giant
ground
sloth:
taxonomic
aspects
of
the
ontogeny
of
skull
and
dentition.
Journal
of
Systematic
Palaeontology,
4:
199-209.
*mdia
entre
referncias.
174
175
2
3
4
5
Auler AS et al., 2006. U-series dating and taphonomy of Quaternary vertebrates from
Brazilian caves. Palaeogeography, Palaeoclimatology, Palaeoecology, 240: 508-522.
DOI:10.1016/j.palaeo.2006.03.002
6
7
8
Borrero LA, 2009. The elusive evidence: the archeological record of the South American
extinct megafauna. In Haynes G (ed.). American megafaunal extinctions at the end of the
Pleistocene. Reno: Springer Science. p. 145-168.
9
10
Borrero LA et al., 1998. The Pleistocene-Holocene transition and human occupations in the
southern cone of South America. Quaternary International, 49/50: 191-199.
11
12
13
Cartelle C & Mahecha GAB, 1984. Pampatherium paulacoutoi, uma nova espcie de tatu
gigante da Bahia, Brasil (Ledentata, Dasypodidae). Revista Brasileira de Zoologia, 2: 229254.
14
15
16
17
18
19
20
21
Cisneros JC, 2005. New Pleistocene vertebrate fauna from El Salvador. Revista Brasileira de
Paleontologia, 8: 239-255.
22
23
24
Cruz LE et al., 2010. Radiocarbon date on megafauna from the late Pleistocene-early
Holocene of Crdoba province, Argentina: stratigraphic and paleoclimatic significance.
Revista Mexicana de Ciencias Geolgicas, 27: 470-476.
25
26
Czaplewski NJ & Cartelle C, 1998. Pleistocene Bats from Cave Deposits in Bahia, Brazil.
Journal of Mammalogy, 79: 784-803.
27
28
Dantas MAT & Tasso M, 2007. Megafauna do Pleistoceno final de Vitria da Conquista,
Bahia: taxonomia e aspectos tafonmicos. Scientia Plena, 3: 30-36.
29
30
Dantas MAT & Zucon MH, 2005. Sobre a ocorrncia de dois taxa pleistocnicos na fazenda
Tytoya, Poo Redondo, Sergipe. Scientia Plena, 1: 92-97.
31
32
33
34
35
Dillehay TD, 1997. Monte Verde, a Late Pleistocene settlement in Chile: the archaeological
context and interpretation. Washington, D.C. and London: Smithsonian Institution Press.
36
37
38
Faure M, Guern C & Parenti F, 1999. Dcouverte d'une mgafaune holocne la Toca do
Serrote do Artur (aire archologique de So Raimundo Nonato, Piau, Brsil): A gruta do
Serrote do Artur (rea arqueolgica de So Raimundo Nonato, Piau, Brasil): dataes
176
1
2
3
4
Ficcarelli G et al., 2003. A model for the Holocene extinction of the mammal megafauna in
Ecuador. Journal of South American Earth Sciences, 15: 835-845.
5
6
Garca A, 2003. On the coexistence of man and extinct Pleistocene megafauna at Gruta del
Indio (Argentina). Radiocarbon, 45: 33-39.
7
8
9
10
11
12
13
Guern C et al., 1996. The Pleistocene fauna of Piaui (Northeastern Brazil). Palaeoecological
and biochronological implications/A fauna pleistocnica do Piau (Nordeste do Brasil).
Relaes paleoecologicas e biocronolgicas. Fumdhamentos (Revista da Fundao do
Homem Americano), 1: 55-103.
14
15
16
Gutirrez MA & Martnez GA, 2008. Trends in the faunal human exploitation during the Late
Pleistocene and Early Holocene in the Pampean region (Argentina). Quaternary
International, 191: 53-68.
17
18
Hubbe A, Hubbe M & Neves W, 2007. Early Holocene survival of megafauna in South
America. Journal of Biogeography, 34: 1642-1646.
19
20
21
Koch PL & Barnosky AD, 2006. Late Quaternary Extinctions: State of the Debate. Annual
Review
of
Ecology,
Evolution,
and
Systematics,
37:
215-50.
DOI:
10.1146/annurev.ecolsys.34.011802.132415
22
23
24
Labarca RO & Lpez PG, 2006. Los mamferos finipleistocnicos de la formacin Quebrada
Quereo (iv regin chile): biogeografa, bioestratigrafa e inferencias paleoambientales.
Mastozoologa Neotropical, 13: 89-101.
25
26
27
28
29
30
Lessa G et al., 1998. Novos achados de mamferos carnvoros do Pleistoceno Final Holoceno em grutas calcrias do estado da Bahia. Acta Geolgica Leopoldensia, 21: 157169.
31
Long A & Martin PS, 1974. Death of American ground sloths. Science, 186: 638-640.
32
33
Martnez G, 2001. 'Fish-Tail' projectile points and megamammals: new evidencefrom Paso
Otero 5 (Argentina). Antiquity, 75: 523-528.
34
35
Mndez C, Jackson D & Seguel R, 2011. Equus and Palaeolama Direct 14C Ages at Las
Monedas Site, Semiarid North of Chile. Current Research in the Pleistocene, 28: 107-109.
36
37
38
39
177
1
2
3
4
Neves W, Hubbe A & Karmann I, 2007. New accelerator mass spectrometry (AMS) ages
suggest a revision of the electron spin resonance (ESR) Middle Holocene dates obtained
for a Toxodon platensis (Toxodontidae, Mammalia) from southeast Brazil. Radiocarbon,
49: 1411-1412.
5
6
Neves WA & Pilo LB, 2003. Solving Lund's dilemma: New AMS dates confirm that humans
and megafauna coexisted at Lagoa Santa. Research in the Pleistocene, 20: 57-60.
7
8
Pearson GA, 2005. Late Pleistocene megafaunal deposits on the Isthmus of Panama and their
paleoenvironmental implications. Caribbean Journal of Science, 41: 1-13.
9
10
11
Politis G & Messineo P, 2008. The Campo Laborde site: New evidence for the Holocene
survival of Pleistocene megafauna in the Argentine Pampas. Quaternary International,
191: 98-114. http://dx.doi.org/10.1016/j.quaint.2007.12.003,
12
13
14
Porpino KO, Santos MDFCF & Bergqvist LP, 2004. Registros de mamferos fsseis no lajedo
de Soledade, Apodi, Rio Grande do Norte, Brasil. Revista Brasileira de Paleontologia, 7:
349-358.
15
16
17
Prevosti FJ, Tonni EP & Bidegain JC, 2009. Stratigraphic range of the large canids
(Carnivora, Canidae) in South America, and its relevance to quaternary biostratigraphy.
Quaternary International, 210: 76-81.
18
19
20
Prevosti FJ et al., 2011. Constraining the time of extinction of the South American fox
Dusicyon avus (Carnivora, Canidae) during the late Holocene. Quaternary International
doi:10.1016/j.quaint.2011.02.010.
21
22
Pujos F & Salas R, 2004. A systematic reassessment and paleogeographic review of fssil
Xenarthra from Peru. Boletn del Instituto Francs de Estudios Andinos, 33: 331-377.
23
24
Ribeiro RdC & Carvalho IdS, 2009. Megafauna do Quaternrio tardio de Baixa Grande,
Bahia, Brasil. Anurio do Instituto de Geocincias - UFRJ, 32: 42-50.
25
26
27
28
29
30
31
Tonni EP et al., 2003. New radiocarbon chronology for the Guerrero Member of the Luj!an
Formation (Buenos Aires, Argentina): palaeoclimatic significance. Quaternary
International, 109-110: 45-48.
32
33
Velsquez H & Mena F, 2006. Bones distributions of Ungulados in the cueva Bao Nuevo-1
(XI regin, Chile): a first approach. Magallania, 34: 91-106.