Calibração dos modelos bioclimáticos
Por calibração entende-se o estudo das relações estatísticas entre a distribuição actual das espécies e o clima contemporâneo. Com base neste processo pode-se inferir a distribuição potencial actual e futura das espécies, ou seja, a distribuição das condições ambientais que permitem a ocorrência das espécies na ausência de outros impedimentos de carácter biológico e/ou social (p.e., dispersão limitada, presença de competidores, inaptidão do uso de solo). Porém, é sabido que os modelos de distribuição de espécies, também conhecidos como modelos bioclimáticos, produzem resultados que são, frequentemente, variáveis quando projectados no passado ou no futuro (Thuiller, Araújo et al. 2004; Araújo, Thuiller et al. 2006; Pearson, Thuiller et al. 2006). Uma forma de lidar com esta variabilidade é combinar os resultados individuais de cada um dos modelos utilizados de forma a produzir uma projecção de consenso (para uma revisão ver Araújo and New 2007). Estudos em áreas diferentes como sejam as ciências económicas, climáticas e biológicas têm demonstrado que as projecções de consenso são mais fiáveis que as projecções individuais que constituem o consenso (Araújo and New 2007). No caso dos modelos bioclimáticos, uma avaliação independente, recorrendo a dados de distribuição das aves no Reino Unido, permitiu comprovar, empiricamente, este postulado (Araújo, Whittaker et al. 2005).
Neste estudo, a distribuição potencial actual e futura das espécies foi modelada com a plataforma informática BIOENSEMBLES 1.0 (“Software for Computer Intensive Ensemble Forecasting of Species Distributions under Climate Change”), implementada em Delphi (Rangel, Diniz-Filho et al. 2009) e utilizando quatro estações de trabalho de 64 bits, com 16 CPU 3.2MZ e um total de 32 GB RAM. Esta plataforma informática foi programada no âmbito de um projecto científico liderado pelo coordenador deste estudo, Miguel Araújo e financiado pela Fundação BBVA (Diniz-Filho, Bini et al. 2009). A utilização da plataforma BIOENSEMBLES permitiu gerar um “ensemble” de modelos, a partir da simulação explícita de diferentes fontes de incerteza nos modelos. Em concreto, simularam-se:
Condições iniciais: Os dados sobre distribuição das espécies provêm de inventários nacionais e regionais, assim como de amostragens que são forçosamente incompletas. Lacunas nos dados, ou eventuais erros de identificação ou localização, podem ter consequências importantes na qualidade dos modelos. Como forma de quantificar a incerteza associada aos dados biológicos utilizámos uma variante do procedimento de “10-fold cross validation”. Esta metodologia consiste em segregar aleatoriamente os dados das espécies num grupo de calibração e avaliação, sendo que no caso vertente os dados de calibração incluiram 75% dos dados e os de avaliação 25%. Este processo é repetido 10 vezes de modo a permitir uma avaliação da sensibilidade dos modelos a diferentes partições dos dados. No caso vertente, além de se usar este método para avaliar os modelos, usou-se cada uma das 10 partições dos dados para gerar um modelo, fazer as respectivas projecções e deste modo gerar diferentes realizações de modelos no “ensemble”.
Classes de modelos: Estudos recentes demonstraram que a escolha do modelo bioclimático pode condicionar o diagnóstico sobre os impactes das alterações climáticas na distribuição das espécies. Por exemplo, Pearson, Thuiller et al. (2006) usaram 9 classes de modelos para estimar a distribuição actual potential e futura de um conjunto de plantas na África do Sul. Ao analisar os resultados, os autores verificaram que uma compração entre a distribuição potencial actual e futura de uma das espécies daria origem a estimativas, consoante os modelos bioclimáticos utilizados, que poderiam variar entre 92% de perda e 322% de aumento da distribuição potencial. Este padrão de variação entre modelos foi registado para as restantes plantas sul africanas estudadas assim como em estudos realizados com plantas Europeias (Thuiller 2004), répteis e anfíbios na Europa (Araújo, Thuiller et al. 2006) e Aves nidificantes no Reino Unido (Araújo, Whittaker et al. 2005). De forma a considerar, explicitamente, a incerteza associada ao uso de diferentes técnicas de modelação utilizaram-se sete técnicas de modelização neste estudos: “Generalized Linear models” (GLM) (McCullagh and Nelder 1989), “Random Forests” (RF), “Maximum Entropy” (MaxEnt) (Phillips, Anderson et al. 2006; Phillips and Dudík 2008), “Genetic Algorithm for Rule Prediction” (GARP) (Stockwell and Peters 1999), “Surface Range Envelope” (BIOCLIM) (Bubsy 1991), “Euclidian” (EUC) and “Mahalanobis” (MAHAL) distances (Tsoar, Allouche et al. 2007).
Parameterização dos modelos: Cada um dos sete modelos pode ser parameterizado de forma distinta e não existem regras universais, aplicáveis, a todas as circunstâncias. Um dos passos da parameterização que contribui para a variabilidade das projecções é o procedimento adoptado para seleccionar as variáveis climáticas no modelo final (para uma revisão ver Araújo and Guisan 2006). Uma possibilidade para estandardizar o processo de selecção de variáveis e assegurar a comparabilidade entre modelos seria “forçar” os modelos a utilizar as três variáveis seleccionadas (e.g., Fielding and Haworth 1995; Araújo and Williams 2000; Segurado and Araújo 2004). Neste estudo optou-se por generalizar uma abordagem inspirada nos procedimentos de “multimodel inference” (Burnham and Anderson 2002) e que consiste em explorar a totalidade das combinações factoriais das variáveis coonsideradas relevantes para explicar a distribuição das espécies de animais na Península Ibérica. No caso vertente e tendo em conta que se consideraram três variáveis climáticas (temperatura máxima do mês mais quente (A), temperatura mínima do mês mais frio (B), e precipitação total anual (C)), os modelos exploram as seis combinações possíveis de variáveis (i.e., A, B, C, AB, AC, BC) fazendo, para cada uma desta combinações, as correspondentes projecções das distribuições potenciais para o presente e para o futuro.
Climas futuros: Além das fontes de incerteza inerentes à qualidade dos dados biológicos e o procedimento de modelação das espécies utilizado, a modelação dos climas futuros contribui com uma fonte adicional de variabilidade que deve ser considerada de forma explícita nos estudos de impacte climático na biodiversidade (Beaumont, Hughes et al. 2008). No presente estudo, usaram-se diferentes combinações de modelos climáticos gerais (GCM na sigla Inglesa) e de cenários socioeconómicos: BAMBU (“Business as Might Be Usual”); GRAS (“Growth Applied Strategy”); e SEDGE (Sustainable European Development Goal”) (ver descrição dos cenarios na secção de dados e cenários climáticos). Em particular, usaram-se simulações climáticas provenientes dos GCM CSIRO2 (“Australian Commonwealth Scientific and Research Organization, version 2”), HadCM3 (“Hadley Centre Coupled Model, version 3”) e PCM (“Parallel Climate Model, version 1”). Para o cenário BAMBU, usaram-se as simulações provenientes dos três GCM considerados e para os restantes cenários usaram-se, unicamente, simulações do GCM HadCM3. Esta combinação particular de GCM-cenários tem como propósito oferecer um conjunto mínimo de simulações plausíveis que balize o espectro de incertezas sobre climas futuros. A combinação GCM-cenário usada neste estudo decorre das recomendações feitas pelo painel de climatólogos do projecto Europeu ALARM (http://www.alarmproject.net/alarm/).
Para cada combinação de condições iniciais (10) x classes de modelos (7) x parameterização de modelos (6) x GCM-cenário (3 + 1 + 1=4) obteve-se, para cada espécie, uma simulação de consenso com um nível de concordância de 50%. Por outras palavras, a mediana da curva de probabilidades obtida com o “ensemble” (Araújo and New 2007). Estas projecções de consenso foram calculadas para cada um dos horizontes temporais (2021-2050 e 2051-2080) e para cada um dos três cenários (BAMBU, GRAS, SEDGE) considerados. No total foram feitas 3360 projecções por espécie o que perfaz um total de XXX projecções.
Figura 1 – Modelos de riqueza potencial de anfíbios, répteis, aves e mamíferos com base num “ensemble” de 7 modelos bioclimáticos e um modelo de consenso.
Avaliação dos modelos bioclimáticos
Num cenário ideal os modelos deveriam ser validados recorrendo a dados independentes, por exemplo, com dados de distribuição de espécies no passado (Araújo and Rahbek 2006). No contexto do presente estudo tal não é possível pelo optámos por um processo de verificação de modelos, usando a técnica de “10-fold cross validation”. Com esta técnica, os dados originais são divididos, de forma aleatória, numa componente de calibração (75% dos dados) e avaliação (25% dos dados) mantendo-se a prevalência dos dados de calibração constante (i.e., a proporção de presenças e ausências é mantida constante em cada um dos conjuntos de dados usados para calibração). Este processo foi repetido 10 vezes permitindo avaliar a estabilidade dos modelos face a mudanças nas condições iniciais (i.e., dados de calibração). A verificação dos modelos foi feita recorrendo a duas medidas de ajuste dos modelos: o “True Skill Statistic” (TSS), que é uma versão melhorada do método de Kappa (Monserud and Leemans 1992) e que remove o efeito da prevalência no cálculo do ajuste dos modelos e a Área Debaixo da Curva (AUC) de ROC (Fielding and Bell 1997; Allouche, Tsoar et al. 2006).
Medidas de impacte climático sobre a biodiversidade
A avaliação dos impactes das alterações climáticas sobre a biodiversidade foi feita tendo em conta dois tipos de análise complementar. Em primeiro lugar, analisaram-se os resultados dos modelos de modo a produzir síntese para cada uma das espécies consideradas. Em particular, classificaram-se as espécies modeladas em espécies que “ganham” condições climáticas favoráveis à sua persistência, espécies que “perdem”, condições climáticas favoráveis à sua persistência, e espécies que mantêm condições “estáveis” no que respeita as condições climáticas para a sua persistência. Uma quarta categoria inclui as espécies cujas distribuições actuais observadas se sobrepõem de forma muito limitada com a distribuição potencial futura. Espécies nesta categoria poderão, teoricamente, estar assignadas a qualquer uma das categorias anteriores. Os critérios quantitativos que foram utilizados para classificas as espécies são os seguintes:
Categoria/ Critério
Estável/ Distribuição potencial futura ocupa uma área que difere da actual em menos de 30%
Ganha/ Distribuição potencial futura é 30% maior que a actual
Perde/ Distribuição potencial futura é 30% menor que a actual
Perde muito/Distribuição potencial futura é 30% menor que a actual
Não se sobrepõe/ Nível de sobreposição entre a distribuição potencial actual e futura é menor que 70%
Em segundo lugar, analisaram-se os padrões de “ganho” e “perda” ao nível geográfico, ou seja, analisando as alterações na distribuição potencial das espécies em cada uma das quadrículas 10km consideradas neste estudo. Esta análise teve por base duas abordagens complementares. A primeira abordagem consiste no cálculo de uma medida de “turnover” (T) de espécies nas quadrículas (e.g., Thuiller, Lavorel et al. 2005; Araújo, Thuiller et al. 2006). A medida de turnover é calculada com a seguinte fórmula:
T = (G+L)/(SR+G)
Onde G representa o número de espécies potencialmente ganhas numa dada quadrícula e horizonte temporal (assumindo que as espécies podem colonizar as novas áreas disponíveis de forma imediata e semqualquer tipo de constrangimentos biológicos ou espaciais), L representa o número de espécies que se perdem potencialmente e SR representa o número total de espécies estimadas nas condições de referência, ou seja, no tempo presente.
A segunda abordagem consiste numa análise visual dos padrões de ganho e perda de distribuição potencial recorrendo ao método de comparação de capas geográficas desenvolvido por Williams & Gaston (1998) e utilizado no contexto de estudos sobre os impactes climáticos na biodiversidade por Araújo, Cabeza et al. (2004) e por Araújo (2008). Esta metodologia tem como base a sobreposição de capas geográficas de riqueza potencial actual e futura, sendo que os gradientes de riqueza de cada uma das capas são representados com cores diferentes que se combinam entre si. No caso vertente, a capa inicial (presente) é representada em tons de azul e a capa que se soprepõe (futuro) é representada e tons de verde. Neste contexto as cores azuis representam perdas de riqueza no futuro; as cores a verde representam ganhos de riqueza; as cores em branco, cinzento e preto representam estabilidade dos valores de riqueza (branco = valores elevados estáveis; cinzento = valores intermédios; preto = valores baixos). Para melhor compreensão a figura XX representa graficamente a combinação de cores que se pode obter por via da sobreposição das capas de riqueza potencial presente e futura.
Proposta de medidas de adaptação
O número e tipo de medidas de adaptação necessários para assegurar a persistência das espécies num contexto de alterações climáticas pode ser extremamente elevado. O facto de os impactes das alterações climáticas não operarem de forma isolada mas interagirem com outros factores de ameaça contemporâneos torna a proposta desta medidas de adaptação um exercício complexo onde é necessário ponderar factores relacionados com a auto-ecologia das espécies, o seu estatuto de ameaça a nível internacional, e os mecanismos de ameaça que operam a nível das populações ibéricas no presente assim como os que se estimam poder operar no futuro. É claro que este nível de detalhe extravasa o âmbito deste estudo pelo que se optou por listar um conjunto de medidas de adaptação potencial para cada espécie com base nas medidas de impacte obtidas com base nos modelos realizados:
Medidas direccionadas para as espécies: Conservação de espécies ameaçadas pelas alterações climáticas. Nesta medida inclui-se a consideração, nos estudos que avaliam o estatuto nacional de ameaça dos diferentes taxa, espécies directamente afectadas pelas alterações climáticas ou afectadas de modo indirecto em virtude de interacções entre alterações do clima e outros factores de ameaça contemporâneos. Note-se que, actualmente, as listas vermelhas de vertebrados terrestres em Espanha e Portugal não consideram como critério de ameaça as alterações climáticas.
Medidas direccionadas para populações e habitats: Elaboração de planos nacionais ou Ibéricos de gestão de populações ou habitats prioritários ameaçados pelas alterações climáticas. Note-se que os planos actuais de conservação de populações e habitats não consideram as ameaças decorrentes das alterações climáticas previstas pelos diferentes modelos.