DOMAIN (Carpenter et. al. 1993)[1] é um método de modelagem de distribuição potencial de espécies proposto na década de 90. Os modelos de distribuição potencial ou de nicho, são uma maneira de prever a área de ocorrência de uma espécie no ambiente.

Essa previsão é feita partindo da premissa de que um conjunto de variáveis ambientais encontradas nos registros de uma dada espécie seriam representativos de sua tolerabilidade ambiental e, portanto, de sua distribuição no espaço. Para isso é utilizado um algoritmo que criará um envelope que se adequa aos dados dos registros. Esse envelope pode ser feito através da delimitação do maior e do menor valor da variável analisada, do tipo boxcar (Figura 1A) ou do mínimo polígono convexo (Figura 1B) entre os pontos do gráfico da variável, entre outras formas.

Alternativamente, o DOMAIN foi desenvolvido no intuito de obter resultados mais refinados (Figura 1C) em comparação aos métodos já propostos na época (BIOCLIM e HABITAT). Assim como os demais métodos de modelagem de distribuição potencial, DOMAIN usa dados ambientais para realizar suas predições. O modelo constrói, através de uma métrica de similaridade par-a-par, uma matriz de similaridade com variação continua, atribuindo graus de confiança à cada ponto do mapa em relação aos registros de ocorrência.

Objetivos

editar

Predizer através de um modelo flexível a distribuição potencial de espécies.

Premissas

editar
  • Registros ambientalmente mais próximos são mais similares;
  • A métrica da Distância Euclidiana é uma boa métrica para medir a distância entre dois pontos em um universo amostral;
  • É necessário ter dados da variável ambiental analisada para todos os pontos;
  • Os valores das variáveis ambientais devem ser normalizados na mesma escala;
  • Delimitação dos limites de tolerância para espécie podem ser definidos por conhecimentos prévios;
  • Testar diferentes limites podem melhorar a previsão da distribuição potencial.
  • Dados de ausência podem ser usados para delimitar limites de tolerância de forma não arbitrária.

Algoritmo

editar

O algoritmo utiliza a métrica de Gower (1971)[2] para mensurar a similaridade calculando a distância euclidiana par-a-par entre os registros. O uso da distância par-a-par permite um maior ajuste do envelope aos valores dos registos. Essa métrica equaliza a contribuição de cada uma das variáveis através da normalização dos seus valores dentro de uma escala comum. Os valores são limitados entre 0 e 1 para os pontos dentro do intervalo ambiental das ocorrências de espécies, e valores negativos para os lugares fora do intervalo.


Onde:

dab= Distancia entre dois pontos A e B;

P= Numero de variáveis (Dimensões Euclidianas);

K= Variável

Ak = Valor da variável no ponto A.

Bk= Valor da variável no ponto B.

A distância padrão é então subtraída de 1 para obter a similaridade complementar.


Onde:

RAB= Similaridade complementar entre A e B.

O valor de previsão é então a máxima similaridade que poderia ser obtida entre o local de interesse e o conjunto de ocorrências conhecidas da espécie.


Onde:

SA= Valor de similaridade do ponto A.

T= O valor de todos os pontos.

RTjA= Similaridade complementar do ponto A em relação a T.

Aplicações

editar

Assim como outros métodos de modelagem da distribuição potencial, DOMAIN pode ser utilizado para estimar a distribuição de espécies com fins de conservação, como modelagem de espécies ameaçadas e para avaliar abordagens teóricas sobre processos biogeográficos. Essas modelagens podem auxiliar no entendimento sobre a distribuição das espécies e suas respostas a mudanças nas condições ambientais, permitindo assim uma gestão eficaz dos recursos naturais. Além disso, a predição de possíveis áreas para ocupação por organismos invasores. Com o surgimento de novos métodos DOMAIN passou a ser menos utilizado.

Referencias

editar
  1. Carpenter, G., Gillison, A.N. & Winter, J. (1993). DOMAIN: a flexible modelling procedure for mapping potential distributions of plants and animals. Biodivers Conserv. 2: pp. 667-680
  2. Gower, J. C. (1971). A General Coefficient of Similarity and Some of Its Properties. Biometrics, Vol. 27, No. 4 pp. 857-871