| dc.description.abstract |
Espécies exóticas invasoras causam impactos substanciais sobre o meio ambiente, a saúde pública e a produção de alimentos. Nesse contexto, a identificação de áreas de maior risco de introdução e estabelecimento de espécies com potencial invasor é fundamental para o desenvolvimento e implementação de medidas preventivas. Essa informação é particularmente importante para insetos-praga, cuja dispersão para ambientes além da sua ocorrência natural tem aumentado nas últimas décadas devido principalmente à intensificação do comércio internacional e à ampla disponibilidade de recursos proporcionados pelos monocultivos. Este é o caso de Spodoptera litura (Fabricius, 1775), uma espécie polífaga originária do sudeste da Ásia e que atualmente ocorre na África, Oceania e sul da Europa. Dessa forma, o presente projeto tem como objetivo principal avaliar o risco de invasão biológica de S. litura no Brasil por meio a integração de dados sobre a adequabilidade ambiental, a probabilidade de introdução e as vias de acesso em aeroportos e portos marítimos. Além disso, considerando que diversas culturas utilizadas como hospedeiras de S. litura são cultivadas no Brasil, nossa análise dará especial enfoque para os riscos de introdução de S. litura em áreas produtoras de arroz, café, cana de açúcar, citros e soja no país. A adequabilidade ambiental foi estimada com modelo de distribuição de espécie utilizando o algoritmo MaxEnt. Foram gerados 40 modelos com diferentes funções de transformação das covariáveis (Feature Classes) e valores de regularização. O processo de seleção do melhor modelo foi baseado no Critério de Informação de Akaike corrigido (AICc). O desempenho do modelo selecionado foi avaliado pela Área Sob a Curva (AUC), o True Skill Statistics (TSS), e o Índice Contínuo de Boyce (CBI). Os resultados finais consistem em mapas de adequabilidade climática contínua, variando de inadequado a altamente adequado. Além disso, serão geradas curvas de resposta para entender como as variáveis ambientais influenciam a espécie estudada. Em resumo, o estudo explora a seleção de modelos adequados usando o MaxEnt e avaliar sua eficiência na previsão de áreas invadidas, considerando várias métricas de desempenho. |
pt_BR |
