1) O documento discute populações mínimas viáveis e avaliação da viabilidade populacional, focando em ferramentas como demografia e análise de viabilidade populacional.
2) Populações pequenas enfrentam maior risco de extinção devido à deriva genética, endogamia e perda de variabilidade genética.
3) Estudos estimam que o tamanho de população mínimo viável é aquele que tem 99% de chance de persistir por 1000 anos, considerando fatores estocásticos e genéticos.
2. Populações, Espécies e
Ecossistemas?
Foco em meta-populações e genética torna a
população e a espécies como níveis
dominantes da conservação
Porem os diretrizes da política tentam
manejar a escala de ecossistema?
– O manejo de espécies únicas é muito difícil e
caro?
– O manejo de ecossistemas é impreciso demais—
se construa os organismos vem?
– Necessidade de manejo de processos aos níveis
de paisagens e ecossistemas, suplementado pelo
manejo de espécies individuais (grão grosso e
fino)
3. Análise de Viabilidade de Populações
teoria e ferramentas
A conservação de populações enfoca o
tamanho populacional, a diversidade
genética, e habitat crítico
Os biólogos que enfocam a
conservação ao nível de população e
espécie
– Usam duas técnicas principais
4. O que é a Demografia?
- A demografia é a descrição e
previsão do crescimento populacional e
estrutura etária
- Inclua os fatores intrínsecos que
contribuem ao crescimento
populacional como a natalidade,
mortalidade, e taxas de imigração e
emigração
5. Demografia Fatores
Limitantes
Estrutura
Ambiente
Populacional
Reprodução e Depressão de
sobrevivência específicas endogamia
a idade
Eventos Taxa de
crescimento Variação
Estocásticos populacional
Genética
Tamanho efeito
da população Coeficiente
Levantar o de endogamia
tamanho
populacional
Probabilidade de extinção
6. A extinção aleatória é
maior em espécies que tem:
- Taxas baixas de natalidade, porque
essas espécies demoram mais para
recuperar de uma redução aleatória do
tamanho populacional
- Razões sexuais não iguais – quando
populações caiam abaixo de um número
crítico existe a possibilidade de desvios
de uma razão sexual igual o que resulta
num declínio da taxa de natalidade
7. Características Demográficas de
Espécies Sujeitas a Extinção
Potencial reprodutivo baixo
Idade tardia da primeira reprodução
Sobrevivência préreprodutia baixa
Razão sexual dos adultos a favor dos machos
Taxa de sobrevivência de fêmeas adultas baixa
Requerimento de áreas grandes
Exerce controle de acima por embaixo em teias
tróficas
Tempos longos de Recuperação
8. A extinção aleatória em aves
como função do tamanho
populacional
Jones, L. e J. Diamond. 1976. Short-term base studies of turnover in breeding
bird populations on the California Channel Islands. Condor 78:526-549.
60
10 pares reprodutivos – 39%
% * extintos
Extinções
30 10-100 pares – 10% extintos
*
* * 1000>pares – nenhuma extinção
0
* *
* * *
1 10 100 1000 10,000
Tamanho populacional
(número de pares)
9. Idéias da persistência da
população
O Homem, o caçador, descobriu que o tipo
de habitat é importante para a
distribuição e abundancia da presa
Os ecólogos também entendem que a
qualidade do habitat é importante
Com o começo da agricultura e criação de
gado, o Homem realizou que as razões
sexuais, idade dos indivíduos, e
características morfológicas são
importantes na reprodução.
10. Idéias da persistência da
população
A teoria da biogeografia insular demonstrou que a
quantidade de habitat é fundamental para a
sobrevivência de uma população (ainda com a presença
do melhor habitat mais em quantidade insuficiente
uma população não sobrevive)
Na década de 1990 ficou claro de que o padrão de
habitat era importante (teoria de meta-populações)
Além disso precisa não somente ter habitat bom
suficiente precisa ter um arranjo num padrão
apropriado
11. Estrutura
Quando uma população é viável?
Quando uma (meta)população é viável?
Usando sistemas de conhecimento para analisar
a viabilidade
Desenvolvimento de padrões
12. Técnica de População em
Declínio
Técnica da população em declínio
– Foco em populações ameaçadas que
demonstram uma tendência de cair,
independente do tamanho populacional
– Ênfase nos fatores ambientais que causaram
o declínio populacional
13. Técnica de População em
Declínio
Analise da viabilidade da população (APV)
Pesquisa dos habitats apropriado Aumento das
populações (re-introdução)
Dispersão
14. Previsão do Risco de Extinção em Populações
em Declínio
Usaram as filogenias completas dos carnívoros e
primatas contemporâneos.
Avaliaram quais atributos estão associados com
riscos altos de extinção.
Avaliação do risco de extinção a partir da Lista
Vermelha da IUCN.
(Purvis et al. 2000. Proc. Royal. Soc.
London B 267:1947-1952)
15. Estudo ce Caso: Declínio de
Melanerpes erythocephalus
Melanerpes erythocephalus
– Requerem fatores específicos do habitat
para sobreviver
– As populações entraram em declínio devido a
destruição do habitat
(a) A red-cockaded woodpecker perches at the
entrance to its nest site in a longleaf pine.
(b) Forest that can
(c) Forest that cannot sustain red-cockaded
sustain red-cockaded
woodpeckers has high, dense undergrowth that
woodpeckers has
impacts the woodpeckers’ access to feeding grounds.
low undergrowth.
16. Técnica de População em
Declínio
Numa pesquisa que incluía a construção de
cavidades de nidificação
– Grupos reprodutivos novos aparecerem nesse
locais
A base desse experimento
– Uma combinação de manutenção de habitat e
escavação de cavidades reprodutivas novas
permitiram a recuperação de uma espécie em
risco de extinção
17. Técnica de Populações
Pequenas
Os biólogos que usam essa técnica
– Pesquisam os processos que causam a
extinção de populações pequenas
18. A vórtice da extinção
Uma população pequena é sujeita a retro-
alimentação positiva
– Que forçam a população até uma vórtice de
extinção População
pequena
Deriva
Endogamia
genética
Reprodução
menor
Mortalidade
maior
Perda da
Variabilidade
Redução da genética
Aptidão
Individual e
Adaptação da
população
População
menor
19. O fator chave forçando a
vórtice da extinção
– É a perda da variação genética necessária
para permitir uma resposta evolutiva a
mudança ambiental
As populações pequenas podem entrar no vórtice
de extinção devido a perda da variabilidade
genética
20. 100% das populações com
menos de 50 indivíduos foram
extintas dentro de 50 anos
120 101+
100
% das populações
que persistem 80 16-30
51-100
60
40 31-50
20 1-15
0
10 20 30 40 50
Tempo (anos)
21. Populações Mínimas Viáveis
(PMV)
As vezes podemos calcular estimativas de Tamanhos Mínimas
de Populações Viáveis (PMVs)
PMV da sobrevivência a
largo prazol (N=500)
PMV da sobrevivência a
curto prazo (N=50)
Imagem de Campbell & Reece (2008) Biology 8th ed., Benjamin Cummings Pubs.
23. Populações Mínimas Viáveis
(PMV)
Os cientistas as vezes precisam coordenar suas
atividades alem das fronteiras de seu domínio
PMV para a sobrevivência a
largo prazo (N=500)
PMV para a sobrevivência a
curto prazo (N=50)
24. Tamanho Mínimo de uma
População Viável
Os cientistas as vezes precisam coordenar suas
atividades alem das fronteiras de seu domínio
…o que geralmente aumenta a complexidade da
tarefa
A população mínima viável (PMV)
– É o tamanho da população mínima em qual uma
espécie consegue sobreviver e manter seu
tamanho
25. Populações Mínimas Viáveis
(PMV)
Os cientistas tentam manter as populações nativas
acima do tamanho de população mínima viável (PMV)
abaixo do qual as populações serão extinta na futuro
próximo
As populações pequenas também são suscetíveis
especialmente a estocsticidade demográfica (o
componente aleatória da dinâmica populacional)
26. População Mínima Viável
(PMV):
Se uma população diminua mais do que a
PVM, precisa fornecer apoio a
populações reprodutivas:
1. Indivíduos podem não ser capazes de
encontrar pares reprodutivos
2. Endogamia pode resultar em
indivíduos fracos e mal formados
3. A diversidade genética pode ser
baixa demais para permitir a
adaptação as condições ambientais
novas.
27. O Efeito de Allee
também é importante
Onde as populações podem
ser não estáveis devido que
a estrutura social não
funcione uma vez que a
população é inferior a um
nível crítico
28. Exemplo de Efeito de Allee:
- As espécies animais que vivem em populações
dispersas no espaço podem ter problemas de
encontrar pares reprodutivos uma vez que a
densidade populacional cai abaixo de um nível
crítico
- Os animais sociais freqüentemente aumentam a
sobrevivência individual pela defesa em grupo
contra predadores e competidoras
- Alguns organismos aquáticos modificam o
ambiente ao liberar substancias que estimulam o
crescimento de membros da mesma espécie
30. O Efeito de Allee também
é importante
Efeito de Allee: interferência nos comportamentos
sociais críticos quando as populações decaim
demais o que resulta na extinção rápida por razões
não genéticas
Forrageio, defesa, e dormitórios em grupo
Redução da polinização, dificuldade de encontrar pares
reprodutivos
Resulta no declínio determinístico de populações
pequenas até a extinção
Difícil distinguir do declínio rápido até a extinção nas
simulações da estocasticidade demográfica (Lande
et al. 2003)
32. O Efeito de Allee também
é importante
As taxas de crescimento populacional podem ser negativas
– O tamanho inicial tem pouco impacto na extensão da longevidade de
uma população
Tempo a extinção tem relação de escala com a logaritmo natural da K
dividida pela r média (Lande 1993)
As espécies com uma fecundidade alta e sobrevivência anual baixa
têm mais probabilidade de demandar de populações maiores e
taxas anuais de crescimento maiores para sobreviver do que
espécies com fecundidades menores mas com maiores
sobrevivências (Sæther et al. 2005)
– Processos estocásticos maiores sobre esses tipos de espécies
invasoras
O tamanho populacional sozinho não é suficiente para determinar a
vulnerabilidade da espécie (Sæther et al. 2005)
– Também precisamos conhecer a tendência populacional (ou tendência
esperada baseada nos parâmetros populacionais) devido ao tempo de
retorno da perda específica de tamanho de populações
33. PMV
A luz dos efeitos de interação de
fatores genéticos e demográficos, qual
é o tamanho da população mínima para
assegurar a persistência, i.e., o que é o
Tamanho Mínimo de uma População
viável (PMV)?
Reed, D.H., et al. 2003. Estimates of minimum
viable population sizes for vertebrates and
factors influencing those estimates.
Biological Conservation 113:23-34
34. Populações Mínimas
Viáveis
Uma população de tamanho suficiente “para
sobreviver as calamidades de várias
perturbações”
– Mais do que sobreviver sobre as condições médias
“a menor população isolada com uma
probabilidade de 99% de não ser extinta em
1000 anos ao pesar dos efeitos da
estocasticidade demográfica, ambiental e
genética, e dos catástrofes naturais”
(Shaffer 1981)
35. PMV
- Mas, porque a disponibilidade de recursos para
conservação é finita e porque as decisões
políticas e administravas freqüentemente são
tomadas sem considerar as avaliações
específicas aos casos, as estimativas científicas
de tamanhos mínimos de populações viáveis e
áreas de habitat são essenciais.
- Com essa informação, tempo, recursos
financeiros e áreas de habitat podem ser
alocados de forma mais racional
36. PMV
- Usaram uma APV (Vortex) para estimar PMV
- Testara modelos de populações viáveis de 102
espécies de vertebrados (2 anfíbios, 28 aves, 1
peixe, 53 mamíferos, 18 repteis)
- Definiram uma população mínima viável como uma
população que tem uma probabilidade de
persistência de 99% durante 40 gerações
- Os modelos são compreensivos – incluem a
estrutura etária, catástrofes, estocasticidade
demográfica e ambiental, e endogamia
- As populações individuais são discretas e isoladas
(não tem configurações de fonte e destino)
37. PMV
- O variável principal manipulado foi a
capacidade média de suporte necessária para
uma probabilidade de 99% persistir por 40
gerações
- Permite o calculo do número de adultos
esperados numa população de tamanho Ni
(onde Ni =K)
- Saída da heterozigosidade pode ser usado
para calcular Ne para qualquer valor de K
(baseada na teoria genética)
40. Populações e o Azar
Como regra geral:
– A incerteza genética e demográfica são
importantes para viabilidade de populações
pequenas (50 - 250 indivíduos
reprodutivos)
– A incerteza ambiental é importante para
populações com 1,000 a 10,000 indivíduos
– As catástrofes naturais são importantes
para todo tamanho da população
41. Populações Ecologicamente Funcionais (PEFs)
A diminuir a densidade de uma espécie, também cai sua
“funcionalidade,” ou seja, suas interações com outras espécies
Alguns pesquisadores criticam o foco em PMVs,
argumentando que as PEFs são mais importantes, e
somente enfocam as PMVs se falha outras tentativas
Redford (1992) The Empty Forest
argumentou que uma floresta pode se aparentar como uma
floresta após de um incêndio depois de perder as aves e
mamíferos, mas sem as polinizadoras e dispersoras de
sementes as espécies de fundação da floresta (as
árvores) e os serviços de ecossistema correm riscos
Redford (1992) BioScience 42:412-422
42. Quando uma população é
viável?
Schaffer: probabilidade de pelo menos de
95% de sobreviver por 100 anos sem a
imigração
População Mínima Viável / Necessidades
Mínimas de Área
Específica a espécie
43. Exemplos reais:
Um dos casos melhor documentados do
tamanho mínimo viável de populações e
de Ovis canadensis, onde a
estocasticidade demográfica toma papel
principal na persistência de 122
populações
Berger, J. 1990. Persistence of
different- sized populations: an empirical
assessment of rapid extinctions in
bighorn sheep. Conservation Biology
4:91-98
44. O tamanho efetivo da
população
Uma estimativa com sentido de uma PMV
– Requer o pesquisador a determinar o
tamanho efetivo da população baseado no
tamanho reprodutivo de uma população
45. Dependência da Densidade
em Populações Pequenas
Estabelece um limite do tamanho máximo
– Uma população pode ser suficientemente
pequena para ficar em risco da extinção
ainda ao alcançar o tamanho máximo
Permite taxas maiores de crescimento em
tamanhos populacionais menores
– Efeito de Allele – dependência da densidade
positiva
– Depressão por endogamia
46. Perda e degradação
De Habitat
Estrutura Populacional Ambiente
Taxas de natalidade
Depressão
E sobrevivência
Por endogamia
específicas a idade
Impacto de Taxa de crescimento Variação
eventos genética
Ambientais Tamanho efetivo
aleatórios Coeficiente
Tamanho populacional De endogamia
Probabilidade
De Extinção
47. PMV
- Um tamanho da população mínima viável pode ser
definida como o menor tamanho requerido para uma
espécie ou população ter uma probabilidade específica
de persistência por um período específico de tempo
(Shaffer 1981, BioScience)
- Mas nos últimos anos, o concito de uma PMV foi
descartado por duas razões
1. Percepção de que existe muita especificidade taxonômica e
ambiental na dinâmica populacional
2. Uma ênfase maior na conservação de paisagens e ecossistemas
49. Historia de AVP
Existem em excesso de 30 AVPs
publicados
A base teórica da viabilidade populacional
ainda está em desenvolvimento
Ainda não existem modelos
suficientemente sofisticados
Não existem descrições da historia vital
ou dados para a maioria das espécies
50. Analise de Viabilidade da
População (AVP)
O que e uma AVP?
– Uma avaliação estruturada, sistemática e
compreensiva dos fatores que interagem
para colocar uma população ou espécie em
risco de extinção.
Por que realizar uma AVP?
– Para avaliar as ameaças a sobrevivência de
uma espécie para determinar a melhor
estratégia de intervenção antes do que um
declínio significante da população é
inevitável.
51. Definições Gerais
Migração
– Dispersão entre populações geograficamente distintas
Endogamia
– Redução das taxas reprodutivas e ou de sobrevivência
Deriva genética
– Perda da variabilidade genética e potencial de adaptação
Efeitos do fundador
– Variabilidade genética baixa devido aos efeitos de
amostragem
Tamanho efetivo da população (Ne)
– Perda da variabilidade genética devido as contribuições
reprodutivos não iguais
52. Analise da Viabilidade
de Populações
Síntese de conhecimento
sobre uma espécie, seu
ambiente, e as ações do
Homem num modelo da
dinâmica populacional
53. Analise de Viabilidade de Populações
Uma avaliação quantitativa do risco de extinção, quase
extinção, ou taxa projetada de crescimento de uma
população, sob as condições atuais ou aquelas esperadas
devido ao manejo proposto.
O primeiro uso de AVP foi por Mark
Shaffer (1978) para avaliar a viabilidade
da população de Ursus arctos em
Yellowstone. A APV desde então virou o
alicerce da biologia de conservação.
54. AVP
Uma avaliação sistemática dos fatores que
interagem que colocam uma população ou
espécie em risco de extinção
– Como caracterizar risco?
– Como examinar os fatores que se interagem
(Estocasticidade,antroprogenicos, genéticos,
habitat)?
– Quais são as vantagens e desvantagens dessa
técnica?
55. AVPs
Analise de viabilidade de população
(AVP):
– Uma analise compreensiva dos vários
fatores ambientais e demográficos que
afeita a sobrevivência de uma população,
usualmente aplicada a populações pequenas
em risco de extinção
– Pode ser computada usando Matrizes de
Leslie ou outros programas (como RAMAS,
Vortex, e outros.)
56. Analise da Viabilidade de
Populações (PVA)
“O uso de métodos quantitativos para
prever o status futuro de uma população
ou várias populações de interesse na
conservação” (Morris e Doak, 2006)
57. Por que quantificar o Risco
de Extinção?
Segundo a ESA, “vulnerável” implica “em risco
de extinção”
“O que constitua o “risco de extinção”?
(Thompson 1991)
– Exposição ou probabilidade de sofrer danos, dor
etc”
O risco pode encampar os eventos do futuro
Modelagem é necessário para prever o risco
– Uso para determinar quando atuar e a
probabilidade da ocorrência da extinção
58. Estimativa do Risco de
Extinção
Soulé (1987)
– “modelos são ferramentas para pessoas que
pensem, não muletas para pessoas que não
pensem.”
59. Estimativa do Risco de
Extinção
Modelagem matemática para determinar
– Tamanhos mínimos de populações viáveis
– A importância relativa das flutuações
ambientais, genéticas ou demográficas sobre
a sobrevivência da espécie
– Coletivamente conhecida como a Analise de
Viabilidade de Populações (AVP)
60. Estimativa do Risco de
Extinção
Define
– μ = lnλG = média
(aritmética) lnλt-x + …
lnλ0 / t
u > 0, λG >1, u < 0, λG <1
– < u, probabilidade
maior
– σ2 = variância da
média lnλG
> σ2, com pico maior
62. Extinções Reais
Sæther et al. 2005
– Examinaram as
correlações entre o
tempo simulado a
extinção e parâmetros
populacionais e de
estocasticidade para 38
populações de 18
espécies de aves
Examinaram as AVPs das
aves e analisaram o que
estava associada com os
tempos previstos de
sobrevivência
64. A extinção do Ectopistes migratorius
Provavelmente era a ave mais
abundante da América do Norte.
A população continental era estimada
em 6 bilhões, o que representou entre
25 e 40% de todas as aves da América
do Norte.
Em 1866, uma nuvem de aves passou no
sul de Ontário que era de 2 km de
largura e 625 km de comprimento, e
demorou 14 horas para passar o mesmo
ponto.
A última Ectopistes migratorius, Martha, morreu em 1914.
A extinção da espécie foi atribuída ao excesso de caça, perda de habitat
florestal, e taxas baixas de reprodução
65. (Purvis et al. 2000. Proc. Royal. Soc. London B 267:1947-1952)
Risco de Extinção
Risco atual para Mamíferos
Risco Previsto • Previsores mais importantes
1) Nível trófico elevado
2) densidade populacional baixa
3) “historia vital lenta”
4) Amplitude geográfica pequena
• Atributos chaves explicaram 50%
Risco Latente da variação do risco de extinção.
• A variação restante explicada por
fatores antropogenicos que
impactam o risco de forma
independente da biologia da
espécie.
66. Hotspots de Riscos Latentes de Extinção
(Cardillo et al. 2006. PNAS 103:4157-4161)
67. Riscos de Extinção para Vertebrados
Número em % em perigo
perido em 2008
Descritas Avaliadas
Peixes 1275 4% 37%
Anfíbios 1905 30% 30%
423 5% 31%
Repteis
1222 12% 12%
Aves
Mamíferos 1141 21% 21%
(Fonte: IUCN Red List 2008)
68. As taxas atuais de extinção são maiores do
que as taxas de fundo?
A maioria dos ecólogos concorda que as taxas atuais são
relativamente altas devido principalmente as atividades
do Homem
Porém, não existe
concordância sobre a
magnitude do período
atual de extinções,
Alguns igual o período
atual com as extinções
historicas em massa;
outros pensam que as
previsões estão super
estimadas.
69. Problemas de avaliar as taxas atuais e
futuras de extinção
Não sabemos a magnitude do número de
espécies existentes (tal vez 6 a 20 milhões mas
somente 1.5 milhão descritas)
Extinções de certos grupos são bem documentadas (mamíferos, aves)
mas não em outros (insetos, plantas).
Os níveis de extinção do fundo são estimados do registro fóssil com um
grau grande de incerteza.
As previsões futuras podem super estimar a perda de espécies
porque as espécies mais suscetíveis aos impactos humanos podem
ser perdidas antes do que as outras.
71. Atributos que podem aumentar o risco da extinção
•Especialista de Habitat
•Sobreposição de Habitat com o Homem
•Sensível a perturbação
•Capacidade limitada de dispersão
•Rara — densidade populacional baixa, amplitude geográfica limitada
•Capacidade de taxa baixa de crescimento (restrições da historia vital)
•Tamanho corporal grande
•Espécies de interesse de exploração
•Níveis tróficos superiores
72. Quando a Extinção
retira Populações, os
Parâmetros mudam
O tempo de retorno antes de que
ocorrem mudanças nos
parâmetros determinísticos (r e
K)
As populações com a
estocasticidade ambiental são as
primeiras a desaparecer
A estocasticidade demográfica não
correlaciona com perdas até que
somente ficam poucas populações
Os aspectos determinísticos da
população (r e K) também mudam
e ficam mais correlacionadas com
os parâmetros estocásticos ao
andar a extinção
– Taxas elevadas de crescimento e
tamanhos populacionais grandes
caracterizam as últimas
populações a serem extintas
73. Correlatos da Extinção
(Jones et al. 2003)
•Comparou aspetos de
espécies de morcegos
seguras, vulneráveis, e
extintos com outros
mamíferos do mundo
•25% de ~1000 espécies
são extintas ou
vulneráveis
•Megachiroptera com
maiores efeitos
•4% extintas
•Amplitude pequena foi o
previsor mais importante
do risco. Razão baixa de
aspeto da asa (~
comprimento / largura)
também foi importante
(vôo menos eficiente)
74. E(T) pode ter erros
(Boyce 1992)
Algumas populações nas
Moda simulações sempre
levam muito tempo
Mediana
para chegar a extinção
Freqüência
E(T) – E(T) ou o tempo médio a
extinção é assim
sempre maior do que a
Skew positivo moda ou mediana
– Assim, E(T) super-
Tempo a Extinção estima a probabilidade
de sobrevivência
75. Caracterização de Risco
Probabilidades de Extinção e Persistência
– Extinção, limiar de manejo, ou quase extinção
– Time frame (exemplo, a probabilidade que a
tamanduá bandeira persistirá para os próximos 100
anos is 0.30)
Tempo médio a extinção
Exemplo> Se a probabilidade de persistência
para 10 anos (P10) = 0.8, qual é a probabilidade
média de persistência?
– Probabilidade de persistência para 1 ano (P1) =
0.81/10 = 0.9779
– A probabilidade média de persistência = 1/-
ln(0.9779) = 45 anos
76. Como?
Regras Gerais
A base de contagens
– Geralmente a base de censos
Modelos Demográficos
– Geralmente modelos de matriz
– Modelos determinísticos
– Modelos estocásticos
77. Regras Gerais
Meta é proporcionar um número mágico acima
do qual as populações não correm riscos, mais
embaixo desse número enfrentam um risco
elevado de extinção.
Regra de 50/500 (Franklin 1980)
– Ne de 50 é uma meta de curto prazo para prevenir a
depressão endogâmica
Corresponde a 1% de endogamia por geração (metade da
máxima tolerada pelos criadores de animais domésticos)
– Ne de 500 é uma meta de largo prazo que balanceara
a variação genética criada pela mutação com a perda
pela deriva genética
(Thompson 1991)
78. Regras Gerais
O biólogo E. O. Wilson da Universidade de
Harvard identificou o Clube das Cem
Batidas Cardíacas
– As espécies com
menos de 100
indivíduos ficam
somente a 100
batidas cardíacas
da extinção
79. Regra de 50/500 é Ainda Usada!
Problemas
– Como converter N em Ne?
10% para peixes, 25-33% para os demais????
– È consenso geral que para obter uma Ne de
vários centenas precisa de um censo
populacional de 1000 - 10,000
– Corresponde a uma “população genérica
mínima viável”
80. Analise de Viabilidade da
População (AVP)
A analise de viabilidade de populações (AVP)
– Prevê que a probabilidade de sobrevivência de
uma população durante um intervalo temporal
– Incorpora a PMV de uma população
81. Analise de Viabilidade de
Populações (AVP)
Procura uma relação entre o tamanho
populacional e a probabilidade de
extinção
– Não precisa calcular a PMV
– procura determinar a probabilidade de que
uma população persistira por algum
intervalo arbitrário de tempo (Boyce 1992)
– Combina todas as fontes de estocasticidade
e crescimento populacional determinístico
em um modelo único (usualmente requer a
simulação por computador).
82. Analise de Viabilidade de
Populações (AVP)
AVP é o processo da síntese da informação
sobre uma população ou espécie, e o
desenvolvimento do melhor modelo possível
para a dinâmica do tamanho populacional
(Boyce 1992)
– Aprender o que não sabemos
– A analise de sensibilidade indica quais parâmetros
podem ser influenciais
– Sugere os pontos de partida de manejo que devem
ser monitorizados e ajustados no manejo
adaptativo
83. Passos de AVP (Boyce 1992)
Projetar a demografia das populações no
tempo
– basicamente simula tabelas de vida se a
estrutura etária é necessária
Prever a viabilidade no tempo
– Afeitado pelo modelo da demografia e a
incorporação de estocasticidade
erros aumentam para projeções de períodos
temporais maiores
84. Modelos de Analise da Viabilidade
de Populações
Uso de modelos de simulação da dinâmica
populacional para:
– simular (imitar) historia vital, fatores externos,
tendências, ações de manejo
– projetar as trajetórias
futuras possíveis
– testar ações propostas de
conservação
85. Modelos de Analise da Viabilidade
de Populações
Uso de modelos de simulação para:
– recolher tanta informação como possível
– assistir lidar com a incerteza
– guiar enfocar nas ameaças possíveis e ações
possíveis
– proporcionar um fórum independente para testar
idéias (modelo de computador como o público
refletivo perfeito)
– tornar o planejamento uma ciência de previsão
– proporcionar um marco para incorporar dados novos
– proporcionar uma maneira para a formação e
fiscalização de politicas
86. Baseado em Contagens
Censo, Estimativas de Abundancia ou
Densidade
– Determinístico
Modelos logísticos ou exponenciais
– Estocástico
Incorpora a variância de processo
87. Técnicas de AVP
Contagem
– Usa dados de levantamentos
– Premissa é que todos os indivíduos são
idênticos
Contagens — serie temporal de dados de
‘levantamentos’
– Contagem incorporando a dependência da
densidade estocástica; não espacial
88. Tipos de Modelos de AVP
Demográfica
– Incorpora informação sobre as taxas vitais
– Pode incluir a estrutura populacional
Demográficos — considerar explicitamente a
estrutura da população (idade ou estágio); não
espacial
89. Técnicas de AVP
(Beissinger e Westphal 1998)
Modelos Determinísticos de Populações Únicas
– Estrutura etária ou por estágio, idade da primeira
reprodução, e sobrevivência e fecundidade
específicas a idade ou estágio
Modelos Estocásticos de Populações únicas
– Todo o anterior + variância da fecundidade e
sobrevivência, capacidade de suporte, existência da
dependência da densidade, variância da capacidade
de suporte, freqüência e magnitude dos
catástrofes, covariância entre as taxas
demográficas
90. Premissas dos Modelos
Simples de AVP
Nenhuma dependência da densidade
Nenhuma estocasticidade demográfica
Nenhuma tendência ou correlação na
variação ambiental
A variação ambiental é moderada
Contagens de censos representam a
população inteira
91. Estocasticidade
Estocasticidade Demográfica
– Eventos aleatórios de sobrevivência e
reprodução individuais que são
independentes entre os indivíduos da
população
Estocasticidade ambiental
– Flutuação temporal da sobrevivência e
reprodução que ocorre simultaneamente
entre todos os membros da população
– Eventos extremos conhecidos como
catástrofes
92. Modelagem da Extinção é fácil
com o Modelo Determinístico
O tempo a extinção é
Crescimento Determinístico
(Exponencial) facilmente calculada
K
– y=mx+b, onde b=K,
Tangente = r m=r e depois
Ln N resolver y = 1
(extinção
funcional)
– tempo (y) = -lnK/r
Tempo
93. Determinístico versus
Estocastico
Média geométrica versus
aritmética
Mudanças estocásticas
– Previsões divergem no
tempo
– Distribuição final com
skew
– Diverge da média
aritmética
Centrada na média
geométrica para n grande
Ainda assim algumas
ficam extintas
94. Tipos Principais de AVP
1. Modelos Determinísticos de Populações Únicas
como, modelo de matriz de estrutura etária usando valores vitais médios
2. Modelos Estocásticos de Populações Únicas
•como, modelo de estrutura etária com a Estocasticidade ambiental e
demográfica
•Produz resultados probabilísticos
•Tipo mais comum de AVP
3. Modelos de Meta-populações
•Inclui a estrutura espacial por via da dispersão entre populações locais
•Duas formas: Modelos de ocupação de manchas, Modelos detalhados de
vários locais
4. Modelo Espacialmente explicito a base do indivíduo (IBM)
•Localização, movimentação, reprodução, e mortalidade de cada indivíduo
•Precisa muitos dados; problemas de testar com dados de campo
95. AVPs Demográficas
Em espécies de vida larga não todos os
indivíduos não são iguais
Existe a necessidade de registrar
explicitamente as diferencias em crescimento,
sobrevivência e reprodução com a idade
O uso de modelos populacionais de matriz para
prever o crescimento populacional futuro
Baseadas na sobrevivência, crescimento e
reprodução de indivíduos diferentes na
população
96. AVPs Demográficas
Pesquisa usando indivíduos marcados e
medir o crescimento, sobrevivência e
reprodução durante vários anos
Classifiquem os indivíduos em estágios de
tamanho ou idade (não conhecido para
muitas espécies)
Os estágios dependem da espécie (como:
juvenil novo, juvenil velho, adulto jovem,
adulto reprodutivo, adulto reprodutivo
velho)
Estimativas das taxas vitais para cada
estágio
97. Técnicas de AVP
Espacialmente explícitas
– Incorpora migração e colonização
Modelos espaciais implícitos; (exemplos, modelos
de função de incidência)
Estruturados espacialmente — modelos a base
de manchas ou meta-populações
Modelos de Meta-populações
– Requerimentos dos modelos anteriores +
cálculos dos variáveis anteriores por
população, distancia entre as populações,
dispersão entre as populações (número,
idade, timing, dependência da densidade)
mortalidade durante a dispersão
98. Componentes Estruturais de
Modelos de AVP
Estocasticidade (variação aleatória ou
sistemática das taxas demográficas)
Dependência da densidade (as taxas
demográficas são funções do tamanho da
população)
Tempos de retorno (respostas demográficas a
mudanças das condições ambientais e de
recursos)
Estrutura populacional (as taxas demográficas
variam sistematicamente por idade ou estágio)
Estrutura geográfica (a distribuição espacial das
populações ao largo de uma paisagem)
99. Componentes de uma AVP
Modelo básica de dinâmica populacional
(obrigatório)
Variação demográfica (para populações
pequenas)
Variação ambiental (tempo e espaço)
Heterogeneidade individuo
Variação genética
Dinâmica do sistema (mudanças de paisagem)
Funções que ligam a demografia ao habitat
Espaço
100. Modelo Mais Complexo de
AVP
Meta-população espacialmente explicita
– Todas as demandas anteriores de dados +
localização das populações, movimentos
entre as manchas, mudanças das manchas no
tempo, habitat ao redor da machas vizinhas
– A base do indivíduo; espacialmente
explícitos
101. Requerimentos dos Dados
Demografia ou tamanho populacional em cada local
– Qual premissa usamos na falta de dados?
Correlações espaciais entre os variáveis ambientais
– Correlações negativas: tipos diferentes de habitat?
– Correlações positivas: puxadores ambientais, tendência de
diminuir com distancia
Taxas de dispersão entre os locais
– Fatores que influenciam a emigração e imigração
– Mortalidade de dispersão
– Comportamento na “matriz” (não habitat)
– A probabilidade de conexão com tendência de diminuir com
distancia
102. Requerimentos dos Dados
Sistemas de
Conhecimento
Meta-população
Aumento dos (Varias locais
Requerimentos detalhados)
De Dadio
População Única
Estocástica
População Única
Determinística
Aumento de Realismo
103. Quantificando a correlação
ambiental
Correlação nas taxas de crescimento
populacional
Correlação nas taxas vitais
Correlação nos variáveis climáticos
Extensão espacial de eventos
catastróficos
104. Estimando o Crescimento
Populacional
As taxas vitais determinam a taxa de crescimento
populacional
O tamanho populacional no tempo “t” é Nt
O tamanho populacional em algum tempo no futuro (o
próximo ano) “t+1” é Nt+1
Assim a relação (crescimento ou declínio) da população
se expressa como Nt+1=λtNt
λ descreve a taxa anual de crescimento populacional (de
um ano para o próximo)
Se λ > 1, a população cresce, se λ < 1 a população diminua,
e se λ = 1 a população é estável
Para algumas espécies, estimar λt = Nt+1/Nt
Mis de somente estimar mudança no tempo
105. Fontes da Variação do Crescimento
Populacional
O crescimento populacional, λ, pode ser
influenciado por vários fatores que
podem influenciar as previsões do
tamanho populacional futuro
– Estocasticidade ambiental (flutuações
aleatórias)
– Catástrofes e bonanzas ambientais
(perturbações grandes)
– Estocasticidade demográfica (variação
aleatória das taxas vitais)
106. Fontes da Variação do Crescimento
Populacional
Se a taxa de crescimento populacional, λ, era
igual cada ano, a previsão do crescimento
populacional seria fácil
A variação espacial entre as populações ocorre
Muitos fatores espaciais e temporais mudam o
crescimento populacional
O aumento da variação no crescimento entre
anos, ainda se a média de largo prazo é a
mesma, tem efeitos adversos
107. Fontes da Variação do Crescimento
Populacional
Um dos resultados chaves dos modelos de
população é que a variação do
crescimento populacional diminua
Ainda se a taxa média de crescimento
(média aritmética) é igual, o aumento da
variação resulta numa taxa de
crescimento menor (média geométrica)
108. Médias Aritméticas e Geométricas
do Crescimento
Imagine uma população na qual Nt+1=λtNt
onde λt = {0.86 com uma probabilidade
de ½, 1.16 com uma probabilidade de ½
A média aritmética das duas λ’s é 1.01 que
seria o caso para o crescimento
determinístico
Começando com 100 indivíduos e a
população dura 500 gerações então N500
= N0 (1.01)500 = 14,477
109. Médias Aritméticas e Geométricas
do Crescimento
O crescimento populacional é sujeito a
estocasticidade ou a variação aleatória
Imagine a mesma população (100 indivíduos após
500 gerações) com uma taxa de crescimento
que varia estocasticamete (aleatoriamente)
em ou 1.16 ou 0.86
Quando ambas taxas de crescimento são
aproximadamente prováveis (ao redor de 250
gerações com taxas altas e baixas de
crescimentos, o tamanho populacional após
500 gerações é N500 ~ N0 (1.16)250 x (0.86)250
= 54.8
A adição da variação a crescimento populacional,
λ, usualmente reduz o crescimento
populacional
110. Médias Geométricas Estocásticas
do Crescimento
Taxa Estocástica de Crescimento Populacional l
Morris e Doak
(2002)
Desvio Padrão de l
111. Variação da Taxa de
Crescimento Populacional
A adição da variação a taxa de
crescimento populacional terá
conseqüências
Tornará as future previsões futuras do
crescimento populacional mais ariscadas
Também implica um aumento da
probabilidade de extinção (ou também
de abundancia populacional elevada)
112. Crescimento Populacional e Previsão
Desvio Padrão = 0,05
Porcentagem das Populações
Desvio Padrão = 0,10
Desvio Padrão = 0,20
Tamanho populacional
113. 5 Anos na frente
Porcentagem da População
20 Anos na frente
100 Anos na frente
Tamanho populacional
Harding et al.
2001
114. Outras Fontes de Variabilidade
A variabilidade espacial das taxas demográficas
também tem conseqüências significantes
sobre a sobrevivência populacional
As taxas vitais usualmente variam entre locais
O grau de correlação entre locais (variabilidade
espacial e temporal) afeita substancialmente o
resultado
Se um ano ruim para uma população coincide com
um ano ruim para outra população reduz a
viabilidade populacional
Se um ano ruim para uma população coincide com
anos bons para outras populações, isso
melhora a viabilidade
115. Erros de Observação ou Falta
de Dados
Erros de Observação
– Estudar os melhores habitats
– Mais fácil encontrar e marcar as plantas mais
saudáveis (mais fáceis de encontrar) ou animais
menos saudáveis (mais fáceis de coletar)
– Dificuldade de encontrar ou avistar os organismos
– Estimativas serão mais variáveis e assim mais
pessimistas
Dependência da densidade
– A dependência da densidade negativa (taxas
reduzidas de crescimento com aumento da
densidade)
– A dependência da densidade positiva (Efeitos de
Allee, diminuição de crescimento com o declínio da
densidade)
116. Medição da Viabilidade
Populacional
As populações com <100 indivíduos são sujeitas a
processos adicionais (endogamia,
estocasticidade demográfica) que complicam
as projeções simples de populações
Os biólogos de conservação tipicamente estimam
o tempo até um limiar “quase extinto”
As métricas freqüentemente são calculadas
– Probabilidade de quase extinção até um tempo
predeterminado
– Probabilidade da existência de quase extinção
– Tempo médio até a extinção
118. Quantificando a dispersão
Dados de marcação e recaptura
– Examine a distribuição das distancias
movidas
Observações do Comportamento
– Modelos de movimentação (como caminhada
aleatória) permitam a extrapolação de
medidas de tempo curto
Dados genéticos
– Declínio na similaridade genética com
distancia
120. Efeitos do Padrão Espacial,
Quantidade de Habitat e Dispersão
sobre a Persistência
Procura
E
Probabilidade de Persistência
M
B
0 0.25 0.50 0.75
Habitat Apropriado
121. Cenários
Populações Independentes
Ilha-Continente
– Um local altamente viável
– Outros locais dependem da imigração do local
“continente”
Arquipélago
– Todos os locais com viabilidade moderada, alguma
dispersão
Meta-população
– Extinção local freqüente
– Re-colonização por dispersores freqüente
122. Terminologia para AVP
espacial
Local: mancha discreta de habitat que tem a
potencialidade de manter a espécie
População Local: grupo de indivíduos que morem
em um local
População Global (Multi-Loco): indivíduos que
morem em todos os locais
Meta-população: população multi-loco
caracterizada pela extinção e re-colonização
freqüentes
123. Quando uma meta-população
é viável?
Probabilidade da extinção menor do que
5% em 100 anos
Todas as (sub)populações não são
ocupadas
Probabilidade de ocorrência é 95% em
uma sub-população -> meta-população é
viável
124. Taxas Vitais
Como a maioria das analises demográficas, AVPs
enfocam os processos chaves de mortalidade e
natalidade
Os modelos mais simples ignoram a imigração e a
emigração (mais os modelos mais complexos podem
incluir populações múltiplas com a migração)
Sobrevivência
– Tipicamente refere a persistência numa classe ou estágio
(classe etária)
Crescimento
– Tipicamente refere a passagem de umma classe etária a
outra
Reprodução
– Tipicamente refere aos números de proles por indivíduo
(usualmente as fêmeas)
125. Premissas
Média e variância de λ constantes
– Nenhuma dependência da densidade
– Nenhuma estocasticidade demográfica
– Nenhuma tendência ambiental
As condições ambientais não são
correlacionadas
A variação ambiental é relativamente
pequena
Um censo é um censo
126. A Base da Contagem
Generalizada
Dependência da Densidade
Estocasticidade Demográfica
Ambientes Correlacionados
Catástrofes
Bonanzas
127. A Incerteza do Futuro
Qualquer dessas trajetórias pode representar o
futuro da população. A distribuição dos resultados
refletia as previsões.
300
250
Population Size
200
150
100
50
0
0 20 40 60 80 100
Year of Simulation
128. Estocasticidade Demográfica
Precisa variâncias em taxas para
incorporar
Aumenta do limiar de quase extinção para
minimizar os efeitos
Efeitos aumentados da estocasticidade
ambiental com a estocasticidade
demográfica
130. Auto-correlação
Ambiental
Auto-correlação positiva
– Aumenta o risco de extinção nos modelos
independentes da densidade
– Complicada para modelos dependentes da
densidade
Auto-correlação negativa rara ou inexiste
134. O efeito de fatores demográficos de
importância a sobrevivência de
populações pequenas
- Estocasticidade demográfica
- Estocasticidade ambiental
- Efeito de Allee
135. Analise da Viabilidade de
Populações
AVP é o uso de métodos quantitativos para
prever o status futuro provável de uma
população ou coleção de populações
“Status Futuro:”
– Tamanho limiar da população (tal vez zero)
– Tendências do tamanho populacional
“o uso de métodos quantitativos para prever o status
futuro provável de uma população ou coleção de
populações”
(Morris e Doak, apúd Groom et al. 2006)
136. Estocasticade Demográfica:
Variação Demográfica Aleatória
- Ocorre porque, em qual instante, os
indivíduos de uma idade ou estágio de
desenvolvimento têm probabilidades de
sobrevivência e reprodução, as taxas
vitais.
- Se esses ocorrem de forma
independente a cada indivíduo, a
estocasticidade demográfica produz
variâncias de amostragem das taxas
vitais inversamente proporcional ao
tamanho populacional
137. Estocasticade Demográfica:
Variação Demográfica Aleatória
Em qualquer população, os indivíduos não geralmente
produzem um número médio de proles – alguns não
tem proles, outros menos da média, e outros mais
da média
Se o tamanho populacional é grande a média
proporciona uma descrição precisa da população
Mas, uma vez que o tamanho populacional fica
inferior a um tamanho (seja 50 indivíduos), a
variação individual das taxas de mortalidade e
natalidade produzem flutuações aleatórias do
tamanho populacional
138. Estocasticade Demográfica:
Variação Demográfica Aleatória
Variância de amostragem de . .
taxas vitais . .
.. .
. ..
Tamanho populacional
- Se o tamanho populacional tende cair, então a população
resultante será ainda mais suscetível as flutuações demográficas na
próxima geração, possivelmente terminando na extinção
139. Modelos que Incorporam a
Estocasticidade
A taxa de crescimento de uma população
não é constante no tempo e a extinção
é essencialmente um evento aleatório
(Dennis et al. 1991)
– Ainda as populações em ambientes que são
apropriadas para o crescimento podem ser
extintas devido as perturbações
estocásticas (Shaffer 1981)
140. Modelos que incorporam a
estocasticidade
– Populações em ambiente que são
favoráveis ao crescimento podem ser
extintas devido a perturbações
estocásticas (Shaffer 1981)
Tipos de estocasticidade
– demográfica, ambiental (escala grande =
catástrofe), genética
141. Estocasticidade e
tempos a extinção em
Modelos Simples
a ( N 1)
1 e
k
ln K r
T (K ) dN , onde a 2
r1 N r V1
A formula de Lande (1993) para o tempo a
extinção usando a capacidade de suporte e
somete a estocasticidade demográfica
142. Estocasticade Ambiental:
Variação Ambiental Aleatória
Distinta a estocasticidade demográfica, a estocasticidade
ambiental são as mudanças temporais das taxas vitais que
afeita todos os indivíduos de um estágio ou idade de forma
igual; as variâncias de amostragem das taxas vitais são
independentes do tamanho populacional
Por isso, e porque a maioria das populações sofrem
flutuações substanciais devido a mudanças de clima e as
abundancias das espécies que interagem, a
estocasticidade ambiental geralmente é considerada
dominar a estocasticidade demográfica em populações
com mais de 100 indivíduos
145. AVP espacial na prática
Sem dados demográficos ou de censo de todos os locais
Sem boas estimativas de dispersão
Sem estimativas quantitativas da correlação espacial
Sem informação sobre a localização, tamanho, e
qualidade relativa dos locais
Para um bom exemplo, consulte
– Akçakaya, HR, & JL Atwood. 1997. A habitat-based
metapopulation model of the California Gnatcatcher.
Conservation Biology 11:422—434.
– http://www.blackwell-synergy.com/links/doi/10.1046%2Fj.1523-
1739.1997.96164.x
146. Métodos Distintos para
Análise da Viabilidade
• reais
• específicos Modelos
estatísticos
Modelos de meta-
populações
Sistemas de
• simplificados
• gerais conhecimento
147. Por que Sistemas de
Conhecimento?
Conceitos ‘simples’
Dados empíricos -> 100 anos
Modelos dinâmicos
– complexos
– Muitas simulações para uma analise devido
aos processos estocásticos
148. Modelos Dinâmicos
(METAPHOR)
Espacial; (sub)populações diferentes
Processos demográficos; Modelo BIDE*
Processos ambientais
Estocástico
Usam probabilidade de ocorrência para
calibração e validação
*N(t+1) = N(t) + [Nascimento] + [Imigração] - [Morte] -
[Emigração]
149. Desenvolvimento de
Padrões de Viabilidade
METAPHOR
Mapa do
Habitat SIG Botarus stellarus:
• nascimento
• imigração
• morte
• emigração O modelo
•Efeitos estocásticos
população
40
30
20 Padrão da
10 ‘mancha chave’ Bittern:
0
0 1 2 3 4 5 6 20 fêmeas reprodutivas
imigração
150. Viabilidade de (sub)populações -
> 95% ocorrência de Botarus stellarus
Tamanho populacional
40
30
20
10
0
0 1 2 3 4 5 6
imigração
151. Manchas ocupadas e vazias durante 5
anos por Botarus stellarus
0 anos
1 ano
2 anos
>2 anos
1.00
presencia
0.75
0.50
0.25
0.00
10 8
8 9
6 7
log da área
4 6
2 5
0
-2 3
4 conectividade
-4 2
152. Manchas Chaves
Têm extinções locais raras
Apóiam a rede de habitar com imigrantes
e são específicas a espécie
153. Padrões de Manchas
Chaves
MC
Vida longa / aves e 20
mamíferos grandes
Vida intermédia 40
Aves e mamíferos
Vida curta / aves 100
e mamíferos pequenos
154. AVP e populações
grandes
As populações não exibem um declínio
constante
Número de
A
indivíduos na
população
B
Tempo
Compare A e B
155. AVP e populações
grandes
Sob algumas condições as populações
exibem uma resposta de limiar =
mudanças populacionais dramáticas em
pouco tempo
Os limiares são de previsão difícil
156. AVP e populações grandes
Premissas
1) Na população os juvenis migram se
encontram habitat apropriado para
sobreviver
Limiar
2) Habitat próximo a agricultura menos
apto, menos alimento, e pesticidas
% habitat
3) Reprodução menor na proximidade apropriado
da agricultura ocupado
4) Quando % agricultura aumenta, a
reprodução cai
5) Na reprodução = mortalidade,
habitat apropriado decai % paisagem agrícola
rapidamente
157. AVPs Formam a Base do
Manejo Adaptativo de
Populações Naturais
Previsão Estimativas
Modelos Status Monitoramento
de AVP Populacional
Revisões
158. Simplificação da AVP
demográfica
Crie um gráfico do ciclo de vida
Se tem dados de vários anos:
Transforme o gráfico numa – Calcule log lS
matriz de transição – Use simulações para
estimar o risco de
Estime os parâmetros para extinção
matrizes específicas ao ano – Use análise de
(se disponível) e medias sensitividade de l1 para
orientar as explorações
dos efeitos da mudança de
Para a matriz media: várias taxas vitais sobre o
– Calcule l1 risco de extinção
– Calcule CI de l1
– Calcule as sensitividades de Se a população é pequena:
l1 as taxas vitais – Crie modelos com
estocasticidade
demográfica (com ou sem
estocasticidade ambiental)
159. AVPs Formam a Base do
Manejo Adaptativo de
Populações Naturais
Tomada de decisões para o planejamento:
1. Avaliação de espécies solitárias
– PVA: analise da viabilidade de (meta) populações
– A dinâmica específica a espécie e os requisitos de
habitat
– Estima o risco de (quase) extinção
– Ordenamento de alternativas de manejo
– As espécies são tratadas como indicadores da
biodiversidade
– Poucos estudos avaliam espécies múltiplas
160. AVPs Formam a Base do
Manejo Adaptativo de
Populações Naturais
A tomada de decisões:
2. Avaliações de espécies múltiplas: sistema
de manchas
– compreensividade: incorpora todos os
atributos
– representatividade: captura boa da variação
de cada atributo
– adequação: uma medida da persistência
substitutos são usados para o risco de
extinção
161. Introdução
Objetivos
1. Qual é o impacto da
dinâmica fluvial sobre
a persistência ou a
viabilidade de espécies
múltiplas?
2. Qual é a configuração
espacial ótima das
manchas que
minimizará a
probabilidade de
extinção de espécies
múltiplas?
162. Padrões Mínimas de Meta-
populações Viáveis
MC PMV PMV PMV
+MC -MC
Vida longa / aves 20 30 80 120
E mamíferos grandes
Vida intermédia 40 60 120 200
Aves e mamíferos
Vida curta / aves e 100 150 150 200
Mamíferos pequenos
163. Fases da pesquisa
Fase I
– Seleção de espécies
– Desenvolvimento de modelos de aptidão de habitat
para essas espécies
– Desenvolvimento de modelos de analise da viabilidade
populacional
– Aplicação de cenários da paisagem aos modelos de
AVMP
Fase II
– Identificação das configurações espaciais ótimas
para a dinâmica da terra e minimização do risco das
espécies selecionadas
167. Fase I: seleção de espécies
Critérios da seleção de espécies
– longevidade/fecundidade/taxa de
crescimento
– Capacidade de dispersão
– Variação natural
– Extensão de ocorrências na área de estudo
– Resposta a perturbação
170. Para cada espécie
Reconhecimento
Dados da SIG Mapa de manchas Estrutura
Paisagem da Das manchas
IAH
Estudos de campo
Modelo da Modelo
Dados espacial da
População
demográficos metapopulação
Experimentos
Analise de Analise
Sensitividade De Riscos
PVA
171. Fase I: mapas de aptidão do
habitat
Descreve a relação entre variáveis ambientais e a
probabilidade de observar uma espécie.
– Modelos de regressão logística
– Decisão de expertos
173. Estrutura das manchas
•Distancia da vizinhança
•Limiar de aptidão do habitat
•Função da distancia de dispersão
( Dij ( c / b ) )
M ij a e
174. Analise da viabilidade de
(meta) populações
Uma metapopulação é um conjunto
de populações locais
conectadas por indivíduos que
migram.
Essa técnica ocorre de várias
formas:
– Modelos de ocupação (como o
modelo de função de incidencia,
regressão logística da
metapopulação)
– Modelos de metapopulaçoes
estruturadas
175. Analise da viabilidade de
(meta) populações
Desenvolver um modelo determinístico
Adicionar elementos estocásticos para
representar as incertezas
Adicionar premissas sobre as dependências
Usar o modelo estocástico para estimar a
distribuição da probabilidade dos riscos de
extinção
Calibrar os modelos
Conduzir uma analise de sensitividade e avaliar
os cenários de manejo
Monitorar, avaliar e atualizar o modelo
176. Analise da viabilidade de
(meta) populações
Estrutura etária ou de estágio de cada população
Taxas vitais: probabilidades de transição
Dependência de densidade das taxas vitais
– Logístico ou Ricker
– Beverton-Holt
– Teto
– Efeito de Allee
As capacidades de suporte das populações
Dinâmica do habitat, recuperação do habitat após
perturbação
Incêndios estocásticos
Variabilidade; estocasticidade demográfica e ambiental
Correlações espaciais entre as populações
177. Dinâmica do habitat
Habitat deve mudar no futuro
queima e corte da cana e depois replantio
178. Cenários de manejo
5 cenários de manejo
– Cenário 0: sem perturbação
– Plano tático (10 meses)
– Plano estratégico (20 meses)
180. Fase II: otimização de metapopulações de
espécies múltiplas
Otimizar as metapopulações de espécies múltiplas usando a (quase)
extinção como medida de adequação
Examinar as implicações e sensitividades da dinâmica de espécies
múltiplas com técnicas teóricas de tomada de decisão
181. Funções objetivas
Para um orçamento fixo, minimize
Perda bruta de espécies
Min ∑ pi (x) para todas as i espécies
Probabilidade de qualquer espécie seja extinta
Min 1 – Π (1 – pi (x) ) para todas as i espécies
Diferencia ponderada
4 pi ( x )2 4 pi ( x )3 4 pi (1)2 4 pi (1)3
Min pi ( x ) pi (1) 2 3 i
2 3
Razão
Min ∑ (pi(x) / pi(1)) para todas as i espécies
pi (x) é o risco de extinção da espécie i com o cenário x
pi (1) é o risco de extinção da espécie i no melhor cenário
182. Fase II: otimização de metapopulações de
espécies múltiplas
Otimizar a função Função objetiva
objetiva Meta ≈ filosofia
Função de riscos de extinção da
metapopulação
Riscos de extinção: Por exemplo para um orçamento fixo
modelo de metapopulações minimizar as extinções totais esperadas
Min ∑ pi(x) para todas as i espécies
A paisagem da perspectiva da espécie
ou seja a quantidade e configuração de habitat
A tomada de decisões para várias espécies ao mesmo tempo
= compromisso
A base da persistência P0 (t ) 1 e t / Tm
183. Limites da AVP
Somente produz resultados comparáveis aos
dados de entrada!
Depende do realismo da lógica do modelo!
Necessidade de muitos dados demográficos
(geralmente não disponíveis)
As projeções a largo prazo implicam que a
estabilidade de habitat e outros fatores
ficam iguais (geralmente não é o caso no
mundo real)
184. Limitações da Analise de
Viabilidade de Populações (AVP)
Premissas simples
– Mas os modelos não devem simplificar!
Não devem ser usados exclusivamente para decisões
absolutas de manejo
Ignore ecologia e enfocam na estocasticidade,
especialmente a genética
– Necessidade de incorporar habitat e a estrutura
espacial de populações
– Efeitos de outras espécies (interações bióticas)
Necessidade de lidar com as interações entre os
vários vórtices
185. Perigos do uso de poucos variáveis
Os cálculos das primeiras AVPs e PMVs eram
rápidas e resultaram em considerações
genéricas
– Resultaram na regra de 50, 500 (Franklin 1980, Soule e Wilcox
1980)
– Ne >50 necessária para a sobrevivência de curto prazo (evitar a
endogamia)
– Ne>500 necessária para a sobrevivência de largo prazo (capacidade de
evoluir em ambientes mutantes)
Algumas estratégias de conservação eram realizadas para
manter 500 indivíduos reprodutivos
– Lande (1988) argumentou que isso resultaria na extinção porque
a capacidade de dispersão em habitats fragmentados não
acontece
186. Criticas das AVPs: Os modelos são Reais?
Qualidade baixa dos dados
•Requerimentos de dados ainda para modelos determinísticos não são
triviais
•Estimativas boas das médias (e variâncias) das taxas vitais são difíceis
obter para espécies raras
•Dispersão é muito difícil estimar com certeza
Forma da dependência da densidade não conhecida
Padrões de estocasticidade ambiental podem mudar no futuro
•Eventos catastróficos podem alterar dramaticamente os riscos de
extinção
Programas “de lata”
•Permitam usuários não treinados conduzir AVP sem conhecimento bom
•Programas diferentes podem produzir resultados diferentes com os
mesmos dados
Modelos não validados com dados de campo
187. Teste da AVP
•Avaliação extensiva de AVP usando dados de 21 estudos de largo prazo
•Usou a primeira metade dos dados para desenvolver e parameterizar os
modelos usados; a segunda metade foi usado para testar a precisão das
previsões de AVP.
•A precisão avaliada ao comparar o risco de quase extinção com as projeções
de tamanho populacional com a realidade.
•Ajuste bom entre as previsões do modelo e os resultados reais.
•Os tamanhos populacionais atuais caíram dentro dos limites previstos por
simulações estocásticas.
“AVP é a melhor ferramenta que temos atualmente para estimar o risco
de extinção, e as alternativas são subjetivas, menos rigorosas, e com
maior probabilidade de fazer previsões mais pobres”
Brooks, BW et al. 2000. Predictive accuracy of population
viability analysis in conservation biology. Nature
404:385-387.
188. Critica de Brook et al.1
•Argumentaram que as conclusões de Brook et al. eram fortes demais e
eram resultado de viés dos estudos escolhidos para a analise.
•Somente usaram estudos de largo prazo com dados de alta qualidade e essas
condições são as exceções para populações de espécies vulneráveis.
•Sugeriram que a AVP somente será precisa na previsão da probabilidade de
extinção se os dados são extensivos e confiáveis e se as taxas vitais estimadas
são prováveis de serem aplicadas no futuro.
“AVPs podem ser uteis para comparar as conseqüências de estratégias
distintas de manejo ou conservação. Mas, duvidamos a afirmação geral
de que elas podem ser precisas em sua capacidade de prever o status
futuro de populações silvestres”
Coulson et al. 2001. The use and abuse of population viability analysis. TREE 16:219-221.
189. Recomendações Gerais para o uso de AVP
Uma AVP deve ser tratada como um modelo. A validez dos modelos deve ser
testada com dados independentes de campo e a AVP deve depois ser
ajustada.
Avalie as taxas relativas e não absolutas de extinção ou crescimento.
Não enfoque num valor único de uma AVP. Os modelos não têm precisão
suficiente para fazer previsões precisas.
Incluir uma analise de incerteza de sentido amplo (estimativas das taxas
vitais, estrutura do modelo e premissas).
Compare as projeções de prazo curto com as de prazo longo.
“Todo modelo e
errado, mas alguns
modelos são uteis”
190. Melhores apostas para a
conservação
Criar populações múltiplas: catástrofes
solitárias não podem eliminar todas
Aumentar o tamanho de cada população de
forma que os fatores ambientais,
genéticos e demográficos se tornam
menos perigosos (impossível fazer?)
191. Melhores apostas para o
futuro
A APV não pode ser realizada para toda espécie
Identifica espécies indicadoras do sistema
natural (espécies indicadoras ou chaves)
A AVP para essas espécies proporciona os
requerimentos de área para outras espécies
que usam o mesmo sistema
Esses indicadores provavelmente serão os
carnívoros de topo: vida longa, reprodução
lenta, corpo grande
192. Populações, Espécies e
Ecossistemas?
Foco em meta-populações e genética torna a
população e a espécie como níveis
dominantes da conservação
Porem os diretrizes da política tentam
manejar a escala de ecossistema!
– O manejo de espécies únicas é muito difícil e
caro?
– O manejo de ecossistemas é impreciso demais—
se construa os organismos vem?
– Necessidade de manejo de processos aos níveis
de paisagens e ecossistemas, suplementado pelo
manejo de espécies individuais (grau grosso e
fino)
193. Conclusões
A estocasticidade ambiental é mais provável
causar a extinção do que a estocasticidade
demográfica
– Se as populações suficientemente maiores (Ne
~100, mas varia de 10 a 1000, dependendo da
espécie)
– O efeito demográfico é dependente
inversamente de N, mas o efeito ambiental é
independente da densidade
A extinção com a estocasticidade ambiental é
menos provável quando a taxa média per
capita de crescimento > variação do
crescimento
194. Mais Dados Ajudam?
Sim, pode estimar a variação na
demografia
– A variância tende de aumentar com o
tamanho da amostra até um limiar. (Boyce
1992)
Insetos >8 anos
Aves e mamíferos em até 30 a 40 anos
195. Se você vai fazer muitas
análises demográficas…
Aprende usar Matlab ou R
Leia o texto de Caswell:
– Caswell, H. 2001. Matrix Population Models:
Construction, Analysis, and Interpretation.
Sinauer Press, 722 pp.
196. Conclusões
- Os programas de conservação devem ser
delimitados para conservar habitat capaz de
suportar um mínimo de 7,000 vertebrados
adultos
- Nenhuma diferencia no tamanho populacional de
adultos existem em qualquer comparação
- Independente da estratégia de manejo, é precisa
ter populações viáveis de qualquer espécie alvo-
especialmente para espécies guarda-chuva que
podem proteger outras espécies
197. Leitura Recomendada
Livros
Analysis and Management Revistas
of Animal Populations Biodiversity and
(2002; Williams et al.) Conservation
Population Viability Biological Conservation
Analysis (2002; Conservation Biology
Beisinger e McCullough,
eds.) Ecological Applications
Quantitative Methods for Ecology and Society
Conservation Biology Endangered Species
(2000; Ferson e UPDATE
Burgman, eds.) Journal of Wildlife
Species Conservation and Management
Management: Case Natural Resource
Studies (2004; Modeling
Akcakaya et al., eds.)
198. Referencias
Boyce, MS. 1992. Population viability analysis. Annual Review of
Ecology and Systematics. 23:481-506.
Dennis, B. Munholland, PL, e Scott, JM. 1991. Estimation of growth
and extinction parameters for endangered species. Ecol. Monogr.
61:115-143.
Drake, J.M. e D.M. Lodge. 2004. Effects of environmental
variability on extinction and establishment. Ecology Letters
7:26-30.
Jones, K.E., A. Purvis, and J.L. Gittleman. 2003. Biological
correlates of extinction risk in bats. American Naturalist
161:601-614.
Lande, R. 1988. Genetics and demography in biological conservation.
Science 241:1455-1460.
Lande, R. Engen, S., e B-E Sæther. 2003. Stochastic population
dynamics in ecology and conservation. Oxford University Press.
Leigh, E. G. Jr. 1981. The average lifetime of a population in a
varying environment. J. Theor. Biol. 90:213-239.
199. Referencias
Mann, C. C., e M. L. Plummer. 1999. A species’ fate, by the numbers.
Science 284:36-37.
Soule, M. E. 1987. Where do we go from here? In M. E. Soule (editor),
Viable populations for conservation. P. 175-183. Cambridge
University Press, Cambridge.
Sæther, B-E, et al. 2005. Time to extinction of bird populations.
Ecology 86:693-700.
Shaffer, ML. 1981. Minimum population sizes for species conservation.
Bioscience 31:131-134.
Schoener, T.W., Clobert, J., Legendre, S., deD. A. Spiller. 2003. Life-
history models of extinction: a test with island spiders. American
Naturalist 162:558-573.
Simberloff, D. 1988. The contribution of population and
community biology to conservation science. Ann. Rev. Ecol.
Syst. 19:473-511
Thompson, G.G. 1991. Determining minimum viable populations
under the endangered species act. NOAA Technical
Memorandum NMFS F/NWC-198.
Notas do Editor
PVAs try to take into account the relevant aspects of Population Biology that we have discussed in this course (especially including demographics and population dynamics, but also at times including population genetics).
Note that managers strive to drive introduced and invasive species below their MVPs.
Conner, Richard N. 1988. Wildlife populations: Minimally viable or ecologically functional? Wildlife Soc. Bull. 16:80-84. Redford, Kent H. 1992. The empty forest. BioScience 42:412-422.
Regarding the technical tools we bring to a PHVA workshop, at the center of a PHVA workshop is usually a kind of analysis called PVA.
PVAs try to take into account the relevant aspects of Population Biology that we have discussed in this course (especially including demographics and population dynamics, but also at times including population genetics).
PVA models are useful tools. They allow us to simulate … in order to …
But these are the real values of PVA models …
It isn’t easy to deal with uncertainty in our conservation planning or in any part of our lives, but the reality is that the fates of wildlife populations are inherently uncertain due to a number of factors I should point out, however, that there is one way that we can and often do remove the uncertainty regarding the future of a wildlife population: If the habitat is all destroyed, we can be certain that the population will disappear.
Lande, R. 1987. Extinction thresholds in demographic models of territorial populations. Am. Nat.130:624-635.
Traditionally there have been two main approaches for dealing with this issue of competing demands between forestry and conservation. Firstly the single species approach whereby the persistence of a species is assessed Population viability analysis (PVA) provides a method for assessing the extinction risk of species. It involves an assessment of the risk of extinction or quasi extinction given species specific attributes (such as species demographic rates) and any perceived threats. IT results in a probability of extinction or quasi-extinction Which allows comparison of management or planning decisions PVA is intrinsically a single-species approach to conservation, a method demonstrated to be inadequate for the protection of species other than the target taxon. Most applications of PVA have considered only one species A comparison of alternative management options is straight forward when one species is of concern; however there is little literature about how information on extinction risks for many species should be use to inform decisions.
The study area is situated in the northeast of Tasmania within the Bass District. It has an area of approximately 1 million hectares (ha) with 61% as either native forest or existing plantations on public and private lands. The Bass District ranges in elevation from the coast (0m) up to the northeast highlands, dominated by Ben Lomond (1,572m above sea level) in the southwest corner of the district. The average annual rainfall ranges from 500-1,800mm with temperatures ranging from an average minimum of –2º to 5.5ºC to an average maximum between 12.2º to 24º C. There is a wide range of forest types from the coast to the northeast highlands. Forest types along the coast consist of Eucalyptus pauciflora and Eucalyptus viminalis. Inland and along dry ridges, forests are dominated by E. amygdalina and E. obliqua, with an understorey of heath and shrubs. Wet forests and mixed forests are predominantly E. regnans, E. obliqua and E. delegatensis, with understoreys of shrubs, ferns, grasses or trees such as Acacia melanoxylon (blackwood), Atherosperma moschatum (sassafras) and Nothofagus cunninghamii (myrtle). In the highlands tree-dominated vegetation is absent above 1,100m. Below this elevation forests are predominantly mixed forest of Eucalyptus delegatensis with Nothofagus cunninghamii . Rainforests are found in humid fire-shadow environments in deep gullies and on upland hills and plains and are dominated by sassafras and myrtle. Other vegetation types in the area are wetland communities, various heaths, buttongrass moorlands, scrub and native grasslands.
Converting areas to plantation involves the harvesting of all native forest and then windrowing (piling up of debris) and furrowing (ploughing a trench) of the site prior to planting of seedlings. Another silviculture treatment is selective logging but this is not an option in the North east and often has the same impact as clearfelling.
Three plants were chosen Nothofagus cunninghamii epiphyte liverwort Stag beetle
HSMs describe the relationship between environmental variables and the likelihood of observing the species of interest. Where data were available for the selected species, HSMs were developed using logistic regression. These maps represent the gross area of suitable habitat available to each individual target species throughout a management time horizon, together with an assessment of the relative quality of habitat within its geographic limits. HSMs provided critical information for the delineation of habitat patch structure used in later analyses. In a few instances, HSMs were developed directly from a single mapped layer modified by expert judgement ( e.g. , for Myrtle, Chapter 4). ArcView and ARC INFO were used to generate a grid of predictions for species density. A HSI model for a given species and area of land represents a conceptual model that relates each measurable variable of the environment to the suitability of a site for the species, scaled from 0 (for unsuitable habitat) to 1 for optimum conditions (Burgman et al. 2001). Each explanatory variable is represented by a single suitability index (SI). HSIs may be applied to any species for which there is expert judgement because they do not require observation data for fitting response shapes. This makes HSIs very flexible and has led to their wide application in conservation management (Gray et al. 1996; Reading et al. 1996; Breininger et al. 1998). However, estimates of the uncertainty in the species response shapes and the predictions derived from HSI models are necessarily subjective, though recent advances in eliciting uncertainty estimates using fuzzy logic may provide coherent uncertainty estimates (Burgman et al. 2001).
Neighbourhood distance is used to identify nearby cells that belong to the same patch. This may represent the foraging distance. Habitat suitability threshold is the minimum HS value below which the habitat is not suitable for reproduction or survival, although individuals may disperse or migrate through habitat that has a lower HS than this threshold. The patch-recognition process identifies clusters of sutiable cells in a map. Suitable cells (as defined by the HS threshold that are separated by a distance less than or equal to the neighbourhood distance are regarded as being in the same patch.. Thus neighbourhood distance determines the spatial separation above which suitable (or clusters of suitable cells) are considered to belong to separate patches. A small neighbourhood distance means that the species perceives the landscape as more patchy. Also a higher HS threshold will result in a greater number of smaller patches. These patches are then lnked through a dispersal function which is modeled by specifying the proportion of individuals that move from each population to each other every time step. The dispersal rate was modeled as a function of the distance between source and target populations. Dispersal-distance function can be used to specify the dispersal rates between two populations as a function of the distance between them. This has been modelled as a negative exponential.
Local populations usually inhabit isolated patches of resources, and the degree of isolation may vary depending on the distance among patches Levins (1969) described the first occupancy model, which predicts the deterministic temporal change in the number of occupied patches within a metapopulation framework. This model assumes that all patches are identical in habitat quality and are connected in a similar fashion. Several authors have modified this approach to include more realism, as habitat patches typically differ in size, quality, location and connectivity (Sjögren-Gulve and Ray 1996; Hanski 1999). These types of models require data regarding the presence or absence of a species in habitat patches, the geographic location of a patch and the habitat quality. Two general types of occupancy models are: the incidence function model (IFM) (Hanski 1999) and the logistic regression metapopulation model (LRM). Occupancy models do not use any demographic information regarding the species in question or variation in local population size. They may be more advantageous when demographic data are difficult to obtain and for answering question regarding patch occupancy or patch extinction (Akçakaya and Sjögren-Gulve 2000). Structured models: Structured models include demographic information that may have important implications for population viability (Akçakaya and Sjögren-Gulve 2000; Brigham and Thomsom 2003). Individuals in a population may have varying survival and reproductive rates depending on their age or life stage. In structured models, the population is divided into either age or stage classes that differ in survival or reproductive rates (i.e., vital rates) (Burgman et al. 1993). Equations that describe the transition of individuals from one stage to another are often summarized in a matrix, known as a transition matrix or Leslie matrix (Leslie 1966; Caswell 2001). Stochasticity can be added through specifying standard deviations for mean vital rates and selecting random variables from probability distributions. Structured models can include density dependence affects as well other features such as changes in habitat quality over time, modelled as a change in carrying capacity. This technique has more flexibility than diffusion approximations as they can account for differences in the structure of the population providing more biological reality (Akçakaya and Sjögren-Gulve 2000). They are useful because they can identify particular stages of the species that may have more influence over the population dynamics. This added flexibility comes with costs, as more parameters are required that may be difficult to estimate, resulting in potentially more uncertain outcomes. This modelling technique can incorporate the age or stage structure of the species as well as track dispersal and the environmental correlations between the spatial arrangement of the patches and the correlation of the vital rates within and between patches. They differ from occupancy models in that they incorporate the internal dynamics of each patch. They are more flexible than occupancy models as they can incorporate several biological factors that may affect persistence as well as representing spatial structure. They can predict the risk of extinction of local populations or the entire metapopulation based on the biological process of the species rather than the dynamics of the habitat patches (Akçakaya and Sjögren-Gulve 2000). Individual based models (IBM) are a modelling approach where each individual in the population is treated as a discrete unique entity (Grimm 1999). The model tracks the behavior and fate of each individual. This includes the location, size, sex, physiological stage, when an individual disperses, reproduces and dies (Akçakaya and Sjögren-Gulve 2000). IBMs can function as metapopulation models or single population models (DeAngelis and Gross 1992). Their advantage over structured models is their flexibility in that they can include important features of individuals (i.e., individual variability), social structure, mating systems and genetic factors more easily than other modelling methods (Akçakaya and Sjögren-Gulve 2000). However, they are highly data intensive and require detailed information about the species dynamics. The modelling approaches outlined here vary substantially in their data requirements, flexibility and their application to conservation questions. The choice of any of these modelling approaches requires a trade-off between realism and practicality, based on the available data for the species, the question at hand, the expertise of the modeller and the cost of developing the model (time and resources) (Akçakaya and Sjögren-Gulve 2000). The choice of model should be appropriate for the species life history and the quality data available (Coulson et al. 2001).
I’ll just briefly describe our two objective functions. First, very basic adding of extinction risks across the species, which equates to the expected net species loss, or expected number of extinctions. The objective function value is therefore simple linear function of the extinction risks of the species, and all levels of extinction risk are treated equally. The second looks at the relative loss. That means that we compare the proposed scenario, the reserve system of 4 of the 6 patches, with the possible best case scenario, which would be to reserve all the patches. We then try to minimise this difference, to try and approach the best possible situation for the species. In addition to that, we have added some emphasis to different levels of extinction risk. We want to prevent safe species from becoming threatened, and we want to ensure that endangered species don’t go extinct. Therefore our objective function value is more sigmoidal, and rises rapidly for greater penalty at low and at high extinction risks. Net species loss The most obvious and most readily translatable conservation objective is to minimise the number of extinctions. This corresponds very well with general statements such as to “maximise biodiversity conservation outcomes” (Commonwealth of Australia 1999a). This objective function has been used by Hof and Raphael (1993), where the number of viable species was maximised, and by Araújo and Williams (Araújo & Williams 2000; Williams & Araújo 2000) to assess outputs of different algorithms by maximising the mean persistence probability. If the objective function is to minimise the summed extinction risk across all species, we gain the optimal solution with the lowest net species loss: Here, all degrees of extinction risk are treated equally. The result is that some species may be sacrificed for others, and the cheapest way to increase success will be taken. Some species may have no improvement in extinction risk. Hof and Raphael (1993) found that this was the case, resulting in a roughly bimodal distribution, where some species had high extinction risks, but others were essentially safe. The equitable treatment of the species means that for each added reserve, the improvement may be taken from anywhere, irrespective of the species’ current extinction risk: if a species has its risk reduced from 0.2 to 0.1, it is of equal benefit to the objective function as another species going from, 0.8 to 0.7. Any species going extinct The most evident joint probability to use, which also corresponds to a common conservation goal, is to minimise the likelihood of one or more species becoming extinct. This is the same as maximising the probability that none of the species go extinct. Hof and Raphael found that using joint probabilities resulted in a normal distribution of extinction risks across the species concerned, meaning that few species were at high risk, but few species were made very safe. This contrasts strongly with the bimodal distribution of minimising net expected species loss. It is due to the heavy impact of a high probability of extinction, because of the multiplicative, rather than additive, nature of the objective function. Weighted difference Another approach to minimising the difference is to abandon an equitable linear approach, and place emphasis on certain risk categories, though more selectively than using a ratio. In this case we assume that we would prefer to maintain non-threatened species as secure, while also preventing highly threatened species from moving even closer to extinction. In order to do this we require a sigmoidal shape, with sharper rates of increase at each end of the function. This function was derived from the second derivative of the logistic growth function. The justification for such an objective function lies in attempting to maintain safer species while also preventing more threatened species from becoming extinct. If species can be maintained at secure levels readily and cheaply, hopefully maintaining species assemblages and ecosystem function, then this is a very good achievement for conservation and ecosystem management. Triage approach argues that we should not spend all our money on most likely doomed species. However, the idea of abandoning high threat species to their fate where the expense is too great is abhorrent to many. This method allows us to identify and emphasise threatened species provided it does not absorb our entire budget, instead allowing for prudent spending where more benefit may be gained for more and safer species. Ratio Alternatively, the ratio of the proposed extinction risk and the baseline extinction risk can be measured, assessing the proportional increase in extinction risk. We can minimise the ratio of the proposed scenario and the best case scenario. Where there is no difference, the ratio is equal to 1, and augments as the proposed action has an increasingly detrimental effect. It is assumed that the best case scenario p (1) will always be lower than p ( x ).
The way that we are approaching this problem is to look at methods for optimising metapopulations. Optimise objective function simulated annealing search algorithm Objective function: Conservation goal ≈ philosophy – our objective function differs from a traditional reserve selection objective function in that it is a function of extinction risk, not of representation. We estimate the Extinction risks using a metapopulation model Therefore … Landscape from species’ perspective i.e. amount and configuration of habitat Decision-making for many species concurrently, which means making a compromise across the species that we are considering. Importantly, we are then optimising the currency of conservation, persistence, rather than a surrogate for it. Emily has looked at a simple simplified landscape and looked at a few speices. Some overlap of distribution, but opposing. Budget of 4 patches 15 alternative reserve solutions of 4 patches that we rank. We want to know, how does this ranking, and therefore our best solution, change as you alter your conservation goal, you objective function? And as your species have increasingly different needs? Would our decision be robust? The objective functions based on extinction risk give us a compromise reserve solution, which is usually a good solution, for both or all species, though not the best solution. Sometimes they decide to sacrifice one species over the other though, and this depends on your objective function, and therefore your conservation goal. Therefore you need to think about it and define it carefully. The result also depends on the balance of the extinction probabilities. However, importantly, even though the objective functions represent different conservation goals and philosophies, and though they do disagree sometimes, most of the time they tend to agree, at least in the general rank orders. This is comforting that much of the time your decision will be robust.