Delimitación de Áreas de Endemismo A Través de La Interpolación de Kernel

Página 1
ARTÍCULO DE INVESTIGACIÓN
Delimitando Áreas de Endemismo a través del Kernel
Interpolación
Ubirajara Oliveira * , Antonio D. Brescovit , Adalberto J. Santos

1 2 1
1 Departamento de Zoología, Universidad Federal de Minas Gerais, Belo Horizonte, Minas Gerais, Brasil
2 Laboratorio Especial de Empresas Zoológicas, Instituto Butantan, São Paulo, São Paulo, Brasil
4 ubiologia@yahoo.com.br
Resumen
Proponemos un nuevo enfoque para la identificación de áreas de endemismo, la Interacción Geográfica

Polación de endemismo (GIE), basada en la interpolación espacial del núcleo. Este método difiere de
Otros en ser independientes de las celdas de la cuadrícula. Este nuevo enfoque se basa en estimar la
solapamiento entre la distribución de especies a través de una interpolación de centroides de kernel
ACCESO ABIERTO Distribución de especies y áreas de influencia definidas a partir de la distancia entre el centroide.
Cita: Oliveira U, Brescovit AD, Santosy AJ
el punto más lejano de ocurrencia de cada especie. Utilizamos este método para delimitar áreas.
(2015)
Delimitando áreas de endemismo a través
Del deendemismo de las arañas de Brasil. Para evaluar la efectividad de GIE, analizamos la
Polación. PLoS ONE 10 (1): e0116673. doi: 10.1371
mismos /
datos utilizando Parsimony Analysis of Endemism y NDM y compararon las áreas de identidad
journal.pone.0116673
tificado a través de cada método. Los análisis utilizando GIE identificaron 101 áreas de endemismo de
Editor académico: Matjaž Kuntner, científico
Las arañas en Brasil GIE demostró ser eficaz en la identificación de áreas de endemismo en
Centro de búsqueda, Academia de Ciencias de Eslovenia y
Artes, ESLOVENIA Escalas, con bordes difusos y soportados por más especies sinendémicas que en las otras.
metodos Las áreas de endemismo identificadas con GIE fueron generalmente congruentes con aquellas
Recibido: 21 de agosto de 2014
identificados para otros grupos taxonómicos, lo que sugiere que los procesos comunes pueden ser responsables
Aceptado: 12 de diciembre de 2014 El origen y mantenimiento de estas unidades biogeográficas.
Publicado: 22 de enero de 2015
Derechos de autor: © 2015 Oliveira et al. Esta es una acción abierta
Artículo distribuido bajo los términos de la
Licencia de atribución de Creative Commons lo que permite
Uso, distribución y reproducción sin restricciones
Introducción en cualquier
medio, siempre que el autor original y la fuente sean
acreditado La identificación de áreas de endemismo es una tarea fundamental de la biogeografía, ya que
se consideran unidades básicas para estudios biogeográficos históricos [ 1 ], así como para la definición
Declaración de disponibilidad de datos: todos los datos relevantes son
de prioridades
dentro del papel y sus archivos de información de conservación [ 2 ]. Sin embargo, la delimitación de áreas de endemismo es frecuentemente
de apoyo.
ficticio, principalmente porque las especies no responden exactamente de la misma manera a factores que podrían limitar
Financiamiento: Este estudio fue patrocinado por un (por
su distribución FAPEMIG.
ejemplo, [ 3 ]). Como consecuencia, los rangos de distribución de especies del mismo
y becas de posgrado CAPES a la UO y por
Las
becas de búsqueda de CNPq (301776 / 2004-0) yáreas no se superponen perfectamente, y los bordes de las áreas de endemismo pueden ser difusos [ 4 - 6 ].
FAPESP (2011 / 50689-0) a ADB; y CNPq La variabilidad en la superposición de los rangos de distribución de especies ha influido no solo en la
concepto de
(475179 / 2012-9, 308072 / 2012-0), FAPEMIG áreas de endemismo, sino también los métodos propuestos para su delimitación [ 6 ]. Alabama-
(PPM-
00335-13) y el Instituto Nacional de Ciencia
Aunquey la Tecno-
primera definición formal de áreas de endemismo enfatizó la congruencia completa
logia dos Hymenoptera Parasitóides dadeRegião
límites de rango de especies [ 1 ], pronto se hizo evidente que esta situación sería extremadamente rara
Sudeste Brasileira ( http://www.hympar.ufscar.br/ ) a
En lapapel
naturaleza y, en consecuencia, no debe ser un requisito previo para la delimitación de áreas de endemismo
AJS. Los financiadores no tuvieron ningún en el diseño del estudio, datos
El 7 ]. Porolopreparación.
Recopilación y análisis, decisión de publicación tanto, tanto la definición como la delimitación de las áreas de endemismo deben tener en cuenta
Ración del manuscrito. El grado de superposición entre rangos de especies. Platnick [ 8 ] propuso resolver este problema por
PLOS UNO | DOI: 10.1371 / journal.pone.0116673 22 de enero de 2015 1/18
Página 2
Interpolación geográfica del endemismo

Intereses en competencia: los autoresModificar
han declarado
el concepto original de área de endemismo, que debe considerarse como el área
Que no existen intereses en competencia.
dentro de los límites de dos o más rangos de especies mínimamente congruentes. Linder [ 9 ] propuso una
definición más inclusiva, en la que las áreas de endemismo se consideran la suma de máxima
Rangos de distribución congruentes de dos o más especies. El hecho de que las especies no se ajusten a
exactamente las mismas áreas de distribución tiene implicaciones importantes no solo en la definición de áreas
de endemismo, pero principalmente en su delimitación, ya que requeriría métodos para evaluar
Cuantitativamente la superposición de rangos de especies. Varios algoritmos han sido propuestos recientemente.
y la mayoría de ellos son básicamente métodos para agrupar unidades geográficas más pequeñas, generalmente cuadrícula
Celdas dispuestas sobre mapas. Un enfoque simple adoptado por algunos autores es la medición de
similitud entre las celdas de la cuadrícula, basada en el número de especies compartidas, usando la simulación de Jaccard
índice de laridad (por ejemplo, [ 9 ]), seguido de la agrupación y delimitación de áreas de endemismo basadas en
Un umbral arbitrario de similitud. Sin embargo, el método más utilizado para agrupar celdas de grillas es
una adaptación del análisis cladístico, el Análisis de parsimonia del endemismo (PAE), que identifica
fies áreas de endemismo utilizando una matriz de datos con celdas de cuadrícula dispuestas en un mapa de distri-
Butión como terminales y especies como caracteres [ 10 ]. Los árboles resultantes del análisis de parsimonia.
De la matriz se arraigan en un área hipotética donde todas las especies están ausentes. Areas de
el endemismo se identifica en el árbol de consenso estricto como clados respaldados por al menos dos
especies ic
Desde las modificaciones propuestas por Morrone [ 10 ], El PAE ha sido ampliamente utilizado, pero también
Muy criticado, como herramienta para la delimitación de áreas como el endemismo [ 11 ]. Aunque PAE es el
método más utilizado para la identificación de áreas de endemismo, muchos autores han planteado
preguntas sobre su eficiencia, especialmente en relación con el uso de una raíz hipotética, todo cero,
lo que podría llevar a agrupar áreas que tienen menos especies juntas [ 12 ]. Por otra parte, los
El manejo del PAE para identificar áreas de endemismo puede ser insatisfactorio, principalmente porque puede
Áreas disjuntas basadas en especies ampliamente distribuidas [ 13 - 15 ]. Algunas modificaciones han sido
propusieron evitar estas deficiencias (p. ej., [ 16 , 17 ]), pero no se han utilizado ampliamente.
Los problemas identificados en el uso de PAE estimularon la propuesta de cuantificación alternativa.
Métodos tivos para la delimitación de áreas de endemismo. Dos de esos métodos, Área de clado anidado.
Análisis [ 17 ] y NDM [ 5 , 14 ] difieren notablemente de otros métodos al agrupar celdas de
de acuerdo con el número de especies compartidas de una manera espacialmente explícita.
yMétodos
PAE creacomo el análisis
grupos de de
de celdas cluster.
cuadrícula en diagramas en forma de árbol que deben interpretarse y proyectarse
en un mapa Esos métodos recientes delimitan grupos de células (no necesariamente adyacentes) directamente en
El mapa, que facilita mucho la interpretación de sus resultados.
Todos los métodos propuestos hasta ahora utilizan celdas de cuadrícula como unidades básicas.
Una advertencia
el tamaño de este procedimiento
de los cuadrantes utilizados comoes unidades
que espaciales puede afectar los resultados de PAE [ 18 ], NDM [ 5] , 14 ], y
Posiblemente de cualquier otro método similar. Por otra parte, las celdas de la cuadrícula vecinas se pueden agrupar porque
de una especie que ocurre en el borde de una célula, incluso si esas células son diferentes en su composición.
cación Debido a estos problemas, Morrone y Escalante [ 18 ] argumentan que el uso de 'algo más
Las áreas naturales pueden ayudar a comprender sus relaciones históricas / ecológicas. Además,
Crother y Murray [ 6 ] argumentan que las áreas de endemismo, como unidades naturales, deben presentar un aspecto borroso
Bordes, algo que no podría ser fácilmente representado por métodos dependientes de grillas.
Dados los problemas de los métodos utilizados actualmente para identificar áreas de endemismo,
proponer un nuevo enfoque basado en la cuantificación de la co-ocurrencia de especies, ponderado
Por la distancia entre los puntos de distribución de los registros. A diferencia de todos los métodos ya propuestos.
(por ejemplo, [ 5 , 10 , 17 ]), este nuevo enfoque no depende de las celdas de la cuadrícula, permite el uso de ocurrencias
renciar datos con huecos y delimita áreas de endemismo con bordes difusos. En este estudio describimos
Este método y aplicarlo a una base de datos de arañas de Brasil. Adicionalmente, la eficacia de este
El nuevo método se compara con dos métodos comúnmente utilizados para delimitar áreas de endemismo, PAE
y NDM.
Página 3
Materiales y métodos
Interpolación geográfica de endemismo (GIE)
Proponemos el uso de una función de interpolación del kernel, un método comúnmente utilizado en Geograph-
Sistemas de información ic (GIS) analizados e implementados en varios software GIS, para delimitar
Áreas de endemismo. Este método de interpolación se basa en la definición de áreas circulares de
La fluidez en torno a las ocurrencias puntuales de un fenómeno. Dentro del área de influencia, que es usualmente
definida por el usuario, la influencia del fenómeno disminuye desde el punto hasta el
Límites según una función gaussiana [ 19 ]. Por ejemplo, en un estudio epidemiológico de Ra-
En China, el área de influencia alrededor de cada sujeto infectado reportado se definió como el
rango de movimiento del sujeto, reflejando la probabilidad de transmisión [ 20 ]. La función de densidad del núcleo.
La población estima la densidad de ocurrencia del fenómeno en función de la superposición de las áreas.
de influencia [ 19 ]. Así, los resultados se resumen en un mapa, expresado como una superficie que indica
indica los valores estimados de densidad puntual. En el método propuesto aquí, la superposición distributiva
entre especies se estima a través de la distancia entre los centroides de cada especie distribuida
rango de la Este método puede aplicarse para identificar áreas de endemismo a través de los siguientes
secuencia de procedimientos:
1. Dado un conjunto de puntos de ocurrencia, se estima el centroide de la distribución de cada especie

a través de la media aritmética de la latitud y longitud de sus puntos ( Fig. 1a ).
2. La distancia entre el centroide y su punto más lejano de ocurrencia se mide para cada
especies ( Fig. 1b ), y este valor se utiliza para clasificar las especies en categorías de tamaño de rango
( Fig. 1c ). La definición de estas categorías es necesaria para definir el área de influencia de la
centroide, como se describe a continuación, que es un requisito para la estimación del índice de kernel [ 19 ].
3. Para cada categoría se define un valor de un radio alrededor del centroide, para delimitar un círculo.
Área de influencia cúbica de cada rango de especies ( Fig. 1d ). Este valor puede ser establecido a través de
el valor máximo de la distancia entre el centroide y el punto más lejano de cada categoría.
Por ejemplo, en este estudio todas las especies con hasta 100 km de distancia entre el centroide
y el punto más lejano se agrupó en la misma categoría, y este valor se definió como el
Radio alrededor del centroide de todas las especies en la categoría. El área de influencia de cada especie.
cies es una generalización de su rango de distribución, y por lo tanto debe definirse de manera tan realista como
posible. Agrupar especies con rangos de distribución de diferente tamaño (por ejemplo, especies con hasta
50 km junto con aquellos hasta 200 km de distancia máxima entre el centroide y su
punto más lejano) podría resultar en la sobreestimación del rango de las especies más restringidas.
4. Para cada categoría, la superposición entre las áreas de influencia de la especie ( Fig. 1d ) es esti-
acoplado por el algoritmo del núcleo. El área de influencia de cada especie se expresa como un valor.
que disminuye desde el centroide hasta los límites del área circular de acuerdo con un gaussiano
función Fig. 1e ). La superposición entre las áreas de influencia se estima a través de la suma.
de los valores de la parte superpuesta, lo que resulta en el índice de kernel (k). En consecuencia, el
El índice de kernel varía espacialmente de acuerdo con la suma de los valores de cada área de influencia,
generando una serie de curvas gaussianas superpuestas ( Fig. 1e, f ). Estas curvas son rasterizadas,
generando un mapa de densidad de superposición de áreas de influencia de especies ( Fig. 1f ), y la ker-
El índice nel es un indicador del grado de superposición de la distribución de especies.
5. Los resultados de los pasos 3 y 4 pueden expresarse por separado para cada categoría o reunirse en un
Mapa de consenso de las áreas de endemismo ( Figura 2 ). La variación espacial del índice de kernel puede
mostrarse con tonos de color o con isolinas (curvas de nivel) que representan valores iguales de
índice ( fig. 2 ). La última opción es útil para mostrar la jerarquía entre las áreas de endemismo.
Página 4

Figura 1. Implementación paso a paso del análisis de Interpolación Geográfica de Endemismo (GIE). a: se estima un centroide para los puntos de ocurrencia
de cada especie. b: Para cada especie, se mide la distancia entre el centroide y su punto más lejano. c: las especies se organizan en grupos, de acuerdo a
La distancia medida en el paso b. d: esta distancia se utiliza para definir un área circular de influencia alrededor de cada centroide de especie.
posible cuantificar lalosuperposición
Este procedimiento hace entre áreas de distribución entre especies. e: se mide el grado de superposición entre las áreas de influencia de las especies
De acuerdo con una función gaussiana alrededor de cada centroide de especie.
convertido
f: La densidad de las especies en cada árealadefunción
en curvas interpoladas usando de interpolación
superposición, ponderadadelpor
núcleo (a la de
el grado izquierda). Estas curvas
superposición, es se pueden rasterizar para mostrar en los mapas.
doi: 10.1371 / journal.pone.0116673.g001
Página 5
Figura 2. Áreas de endemismo de arañas en Brasil, identificadas mediante GIE. Las áreas sombreadas indican las áreas
de endemismo, las líneas discontinuas indican las áreas principales de endemismo delimitadas según el índice de kernel. los
Insertar muestra los biomas brasileños, discutidos en el texto.
Para realizar estos procedimientos, un software que calcula el área de influencia de cada especie,
así como una caja de herramientas de ArcGIS para implementar el método descrito anteriormente, están disponibles en el
Archivo S1 en la información de apoyo.
Aplicando GIE a las arañas brasileñas

Aplicamos el método descrito anteriormente para delimitar áreas de endemismo de arañas en Brasil usando
una base de datos de todos los registros de distribución publicados de especies descritas entre 1767 y 2013
y dos bases de datos en línea: GBIF [ 21 ] y speciesLink [ 22 ]. La base de datos incluye 3,425 especies.
distribuidos en 25,072 registros (es decir, al menos un individuo de una especie recolectada) y 3,787
localidades Alrededor
2 y 15 registros, el 10%del 40%
tuvo de las
entre 16 especies estaban
y 60 registros representadas
y solo solo
el 2% de las por registros
especies mostróúnicos,
más el 45% tenía entre
de 100 registros ( S1 Fig. ). Todas las coordenadas reportadas en la literatura y bases de datos en línea fueron
verificado usando el software ArcGIS y las capas vectoriales de las fronteras políticas de Brasil para
Termine si realmente se ajustan a los municipios y estados mencionados en los datos originales.
De estos, el 59% de los registros se encontraban en las coordenadas correctas. Los registros que presentaron
Las coordenadas rectas fueron georreferenciadas, así como los registros que no tenían coordenadas originalmente
Página 6
informó La georreferenciación se basó en boletines y bases de datos en línea, y el 32% de los reco-
Los ords fueron georreferenciados en localidades específicas y solo el 8% fueron georreferenciados por la ubicación de
la Municipalidad. La taxonomía de especies sigue a Platnick [ 23 ], y las especies consideradas nomina
dubia fueron excluidos de los análisis. Estos mismos registros y especies fueron utilizados en la
Análisis parativo con PAE y NDM. Para su análisis a través de GIE las especies fueron clasificadas en
Nueve grupos, según la distancia entre el centroide y el punto más lejano: hasta 50
km, 51–200 km, 201–400 km, 401–600 km, 601–800 km, 801–1,000 km, 1,001–1,500 km,
1,501–2,000 km y entre 2,001 y 3,299 km. Dado que la definición de estas clases puede afectar
el número y la ubicación de las áreas de endemismo, repetimos el análisis con otras dos categorías
Esquemas de egorización: una clasificación más inclusiva con cinco categorías (hasta 50 km, 51-400
km, 401–600 km, 601–800 km, 801–3,299 km) y otros menos inclusivos, con 18 categorías (hasta
a 25 km, 26–50 km, 51–100 km, 101–200 km, 201–300 km, 301–400 km, 401–500 km,
501–600 km, 601–700 km, 701–800 km, 801–900 km, 901–1,000 km, 1,001–1,300 km,
1,301–1,600 km, 1,601–1,750 km, 1,751–2,000 km, 2,001–2,500 km, 2,501–3,299 km). A com
Para los resultados, utilizamos la correlación de Pearson. Para generar el mapa de consenso de las áreas de
mism, los valores del índice de kernel de cada categoría se estandarizaron entre 0 y 1 antes de
ensamblando los mapas. El número de registros de una especie puede afectar la posición de su distribución
centroide internacional, lo que influye en la estimación de la superposición entre las especies en GIE.
Estimamos este efecto mediante un procedimiento de rarefacción, en el que eliminamos al azar 10,
20 y 30% de los puntos de ocurrencia y midió la desviación media de los centroides de la
Especies en 100 aleatorizaciones.
El análisis con PAE se basó en una matriz de presencia / ausencia de especies de arañas sobre una cuadrícula
con 168 celdas de 2 × 2 °, cubriendo completamente el territorio brasileño ( Archivo s2 ). Como el tamaño de la rejilla.
las células pueden influir en los resultados, probamos varios tamaños de células (0.5 ° a 5 °) y utilizamos el tamaño que al-
Disminuyó la identificación de más áreas de endemismo. La matriz fue analizada a través de la
ware TNT [ 24 ], basado en veinte árboles generados por secuencias de adición aleatoria, seguido de
Intercambio de Rama TBR, reteniendo 20 árboles por réplica. Los árboles más cortos obtenidos fueron sub-
Se asignó una ronda adicional de TBR para asegurar que se encontrara el óptimo global. Los arboles obtenidos
estaban enraizados en una celda hipotética con todos los taxones ausentes. Las áreas de endemismo fueron delimitadas.
de clados apoyados inequívocamente por al menos una ocurrencia de especies no homoplásticas,
Identificado en el árbol de consenso estricto.
La misma base de datos fue analizada por NDM utilizando el programa VNDM [ 25 ] (matriz en
Archivo S3 ), con 2x2 ° celdas. Los factores de búsqueda se configuraron para retener áreas con puntajes iguales o superiores
ya uno
presentando una o más especies endémicas. La búsqueda se repitió 100 veces, manteniendo
lapeado de áreas solo si el 90% de las especies en cada área son únicas. No utilizamos ningún parámetro.
Asumir la presencia de la especie en lugares donde no haya sido registrada. Los resultados
fueron resumidos a través del procedimiento “áreas flexibles flexibles de endemismo”, reuniendo
áreas que comparten al menos el 40% de sus especies endémicas (para más detalles, ver [ 26 ]).
Los resultados obtenidos en GIE se compararon con los resultados de PAE y NDM a través de
número de especies sinendémicas (especies endémicas que aparecen juntas en un área determinada) que
Áreas portadas de endemismo espacialmente congruentes entre los métodos. En estos casos, consideramos
que las áreas identificadas con el mayor número de especies endémicas deberían indicar un mejor ajuste entre
Entre los límites del área de endemismo y la distribución de sus especies. También com-
Se redujo el número de áreas identificadas y se evaluó visualmente la superposición entre las áreas generadas
por cada método. Tanto NDM como GIE muestran índices para cuantificar el soporte de cada área de en-
demismo, por lo que analizamos la correlación entre la puntuación de las áreas obtenidas a través de estos
Métodos que utilizan el análisis de correlación de Pearson en el pasado 1.95 [ 27 ]. Este análisis se basó en valores.
de celdas de la cuadrícula de NDM, por lo que la misma cuadrícula se superpuso al mapa de consenso GIE y 10
Se utilizaron puntos para estimar el valor promedio del índice de kernel para cada celda.
Página 7
Resultados
Identificamos 101 áreas de endemismo de arañas en Brasil (Figs. 2 y Tabla S2 y S1 ), cada una
apoyados por un mínimo de una y un máximo de 400 especies endémicas ( Serra do Mar en
Fig. 2 y área A4 en S2 Fig. ). Todas las áreas están bien separadas geográficamente, con límites claros.
entre ellos. El este de Brasil, incluyendo el Bosque Atlántico y la Pampa, se divide en cuatro
Áreas principales de endemismo, subdivididas en 17 áreas más pequeñas. Estas áreas tienen entre 1 y
400 especies endémicas. La mayor discontinuidad observada entre las áreas de endemismo de esta re-
gion se encuentra alrededor del río Doce ( Fig. 2 ). La región amazónica tiene 46 áreas de endemismo,
cada una contiene de una a 46 especies endémicas ( Fig. 2 y S2 Fig. ) Estas áreas son relativamente
Pequeñas islas aisladas, en su mayoría alineadas a lo largo del río Amazonas ( Fig. 2 ). En cuanto a otros brasileños
biomas, identificamos 19 áreas de endemismo en el Cerrado, cinco en el Pantanal y siete en el
La Caatinga.
Los resultados del GIE utilizando diferentes esquemas de categorización mostraron poca variación en el
Principales áreas de endemismo identificadas. Esto fue demostrado por la alta correlación entre
Los mapas de los tres análisis de GIE (r> 0.91, S3 Fig. ). La diferencia más notable es
Entre los tres análisis se encuentra la presencia de micro áreas de endemismo en el análisis de 18 clases.
( S3 Fig. ). Con respecto al efecto de los puntos faltantes en la estimación del centroide de especies, la
El procedimiento de facción mostró que la mayoría de los centroides de especies se movían a menos de 50 km en promedio.
Cómo-
Sin embargo, el número de especies cuyos centroides se movieron en promedio más de 50 km aumenta
con el número de puntos faltantes ( S4 Fig. ). Además, la variación en el movimiento del centroide
entre las réplicas de rarefacción fue relativamente baja. Más del 50% de las especies mostraron varianza.
entre las repeticiones de rarefacción por debajo de 50 km, independientemente de la proporción de puntos faltantes
( S4 Fig. ).
El análisis de PAE resultó en 99,999 árboles igualmente parsimoniosos con 9,508 pasos, resultando
en un árbol de consenso estricto mal resuelto ( Fig. 3 , S5 Fig. Para más detalles). Doce áreas de
el endemismo en el árbol de consenso tiene dos o más celdas de la cuadrícula y 102 cuadrícula no agrupada
Células con una o más especies endémicas ( fig. 3 ). El Bosque Atlántico incluía seis áreas principales
de endemismo, cuatro de estos dentro de la Serra do Mar de GIE ( Fig. 3 ). Identificamos cinco áreas principales de
El endemismo en el Amazonas, uno de ellos bastante congruente con Içá y Tefé de GIE . Tres de estos
Áreas reunidas de células disjuntas.
El análisis de NDM identificó 384 áreas candidatas de endemismo, que se resumen en
106 áreas de consenso [ 26 ] (ver Apéndice S1 ). Estas áreas comprendieron puntajes entre 2 y 49.79
e incluye entre dos y 155 especies sinendémicas. Las mayores áreas continuas de con-
sensus identificados fueron similares a las áreas delimitadas con GIE ( Fig. 4 ), como Serra do Mar + Sul,
Bahía, Nordeste, Pantanal + Guimarães, Tefé + Içá, Manaus y Pará . Adicionalmente, 76 áreas.
de endemismo se formaron por grupos de celdas de cuadrícula desunidas ( Apéndice S1 ). Sin embargo, estas áreas
tuvo puntuaciones bajas. Las puntuaciones NDM y GIE se correlacionaron positiva y significativamente (r = 0,63,
p <0,01).
Discusión
Identificación de áreas de endemismo por interpolación geográfica de
Endemismo (gie)
GIE permite la identificación de áreas de endemismo en escalas múltiples y con bordes difusos,
que es consistente con el concepto actual de áreas de endemismo [ 5 , 6 , 14 ]. Esto es posible
Causa GIE utiliza la interpolación de los centroides de distribución de especies para estimar la distribución
se superponen entre ellos. Los métodos tradicionalmente utilizados para la delimitación de áreas de endemismo.
(por ejemplo, [ 5 , 10 , 17 ]) se basan en el trazado de la aparición de especies en celdas de la cuadrícula. Este procedimiento
es
Página 8

Figura 3. Áreas de endemismo de arañas en Brasil identificadas utilizando PAE. a: Áreas de endemismo de arañas en Brasil identificadas mediante PAE,
las isolinas dea las áreas de endemismo de GIE representadas en la Fig. 2 . Los polígonos de colores indican áreas de endemismo compuestas por más de una celda
superpuestas
los cuadrantes gris
de cuadrícula, indican áreas que estaban restringidas a una celda de cuadrícula única, no agrupada.
oscuro
conjunto de datos
b: cladograma de toda lade
de consenso araña.
PAE obtenido a través del análisis de parsimonia de
mapa);
Las ramaslas coloreadas
ramas terminales
indicangrises
áreasindican áreas que
de endemismo estaban por
formadas restringidas a una
más de dos solade
celdas celda, no agrupada;
cuadrícula (los mismos colores que la ubicación correspondiente en el mapa).
áreas de endemismo
Las ramas terminalesdebido
blancasa indican
la ausencia de al
celdas demenos una especie
la cuadrícula que noendémica.
se formaron
basado en la lógica booleana, en la que la presencia de un único punto de ocurrencia de una especie en una
la celda de la cuadrícula se interpreta como si la especie apareciera en toda la celda (incluso si la especie aparece exactamente
sobre un borde de la celda). Por lo tanto, la superposición entre dos especies se considera completa cuando
co-ocurren en la misma celda, incluso cuando están representados por un solo punto por especie, en
Bordes opuestos de la celda ( fig. 5 ). GIE resuelve este problema ponderando la extensión de la superposición por
La proximidad de los centroides de distribución de especies varía según el área de influencia de las especies.
El área de influencia está representada por una curva gaussiana con valores que disminuyen desde el
centroide Así, cuando se suman las áreas de influencia, los sitios con alto grado de superposición
Entre las distribuciones de especies se mostrarían valores más altos del índice de kernel. El resultado
Las áreas más extensas de endemismo abarcan los puntos de ocurrencia con mayor precisión, evitando
Las izaciones se realizan mediante celdas de grillas.
Otro problema con otros métodos de delimitación de áreas de endemismo es la elección de
El tamaño de las celdas de la cuadrícula.
El uso
18 ],de
unceldas de cuadrícula
problema pequeñasocurra
que posiblemente puedeendificultar el agrupamiento
otros métodos basados endecuadrículas
celdas en PAE
[ 5 ], ya que las células más pequeñas
se recuperan
duce la posibilidad de superposición de especies ( Fig. 5a, d ). Además, los métodos que utilizan celdas de la cuadrícula son
Limitado en escala por el tamaño de las celdas. Esta limitación se produce porque no es posible
Página 9

Figura 4. Áreas de endemismo de arañas en Brasil identificadas utilizando NDM. Mapa que muestra algunos contiguos
Áreas de consenso de endemismo identificadas por el análisis NDM, indicadas por colores.
Figura 5. Los problemas de usar celdas de la cuadrícula para delimitar áreas de endemismo, ilustradas por un ejemplo hipotético. a: Puntos de ocurrencia
tres
de especies (ilustradas por diferentes símbolos) superpuestas por una cuadrícula de células grandes.
Las celdas resaltadas),
La presencia se interpreta
de un punto como
de ocurrencia si la especie
dentro estuviera
de una celda, presente
incluso enbordes
en sus toda la(como
celda.en
sobrestimado
b: Como consecuencia, las áreas de endemismo delimitadas de la cuadrícula son
Distribución de especies.
c: la optimización GIE, que no depende de las celdas de la cuadrícula, estima las áreas de endemismo con contornos más cercanos a la superposición real entre
Entre la distribución
d: el uso de las con
de una cuadrícula especies.
celdas más pequeñas podría generar áreas más realistas de endemismo, pero hace que sea más difícil detectar la superposición
Página 10
identificar un área de endemismo en una escala más pequeña que el tamaño de la celda de la cuadrícula, ya que esta es la
Unidad básica de análisis. Esto podría resolverse utilizando celdas más pequeñas, pero eso podría reducir el
se superponen entre las distribuciones de especies hasta un punto en el que no habrá agrupación de células.
GIE no tiene tal limitación, ya que el tamaño de las áreas de endemismo depende principalmente de la especificación
Datos de distribución de datos. Sin embargo, para implementar un análisis GIE, el usuario debe definir áreas de
fluencia alrededor de los centroides a través de la delimitación de categorías de área de distribución.
Aunque esta decisión podría afectar el resultado del análisis, demostramos aquí que, al menos,
Para la base de datos analizada en este estudio, el número de clases no cambió significativamente el
Número y configuración de las áreas de endemismo ( S3 Fig. ). Vale la pena mencionar que el
La elección de un esquema de categorización para las áreas de distribución de especies es diferente de elegir el
tamaño de celda de la cuadrícula en un aspecto fundamental, que es el hecho de que el análisis GIE puede abarcar
Varias clases de tamaño, conformes a las áreas de distribución de especies. Análisis con métodos basados.
en grillas solo se pueden ejecutar con el mismo tamaño de celda para todas las especies, tanto estrechamente endémicas como
ampliamente distribuido. Por otro lado, la categorización empleada en el GIE aumenta la
probabilidad de detectar coexistencia máxima entre especies dentro de cada clase de tamaño, antes de
Resumen de resultados globales en un mapa de consenso. Recomendamos que los futuros usuarios exploren
diferentes esquemas de categorización de distribución de especies, para evaluar el efecto de esta decisión en
sus resultados
El uso de celdas de cuadrícula también puede ser particularmente sensible a los problemas de georreferenciación, ya que inc
Un pequeño error en las coordenadas geográficas puede mover un punto de ocurrencia a una celda diferente.
En GIE este problema es menos grave, ya que los registros de ocurrencia de la especie se resumirán.
los centroides, por lo que un error en un punto de ocurrencia no cambiará drásticamente la posición
cación del centroide. Sin embargo, la posición del centroide en un mapa depende de la
número y posición de los puntos de ocurrencia, y por lo tanto pueden verse afectados por la deficiencia de muestreo.
El procedimiento de rarefacción implementado en la base de datos de arañas brasileñas demostró que
la eliminación de puntos de ocurrencia causa un desplazamiento moderado del centroide para la mayoría de las especies
( S4 Fig. ). Teniendo en cuenta la escala espacial de este análisis, en el que la mayoría de las áreas de endemismo han
cientos de kilómetros ( Figura 2 ), no nos parece que un cambio moderado en los centroides de las especies
Cambiaría significativamente la configuración de las áreas de endemismo obtenidas. Sin embargo,
el efecto de la deficiencia de muestreo debe evaluarse cuantitativamente no solo para el GIE, sino
También para todos los demás métodos de delimitación de áreas de endemismo. Hasta que este aspecto importante es
evaluados, los usuarios de GIE (u otros métodos) deberían considerar restringir su análisis a
Cies con un número mínimo de registros de distribución.
Otro aspecto interesante de GIE es que muestra directamente en el mapa áreas más pequeñas de en-
Demismo contenido en áreas más inclusivas de endemismo (la analogía de las muñecas rusas anidadas de
Crother y Murray [ 6 ]), manteniendo la jerarquía entre estas áreas. La definición de ópera
Las áreas nacionales de endemismo, sea cual sea el objetivo, es una cuestión de escala espacial [ 28 ]. Por ejemplo,
En los resultados de este estudio, las áreas de Manaus, Nordeste y Serra do Mar contienen áreas más pequeñas.
dentro de sus límites ( Figura 2 ), que podrían tratarse como áreas independientes de endemismo
De acuerdo
que con lossobre
debe definirse objetivos del estudio.
las áreas difusas Diferentes estudios
del endemismo. GIErequieren áreas
permite que secon bordes
haga de unabien definidos,
manera más
Manera objetiva y reproducible utilizando isolines. Otros métodos, como el PAE, también permiten
Distribución de áreas de endemismo en escalas múltiples [ 6 ]. Sin embargo, en GIE esta es una consecuencia directa
la distribución espacial de las especies, mientras que en PAE esto es resultado del número
Especies sinendémicas en células de la rejilla.
Los resultados obtenidos por PAE y GIE en el presente estudio difirieron principalmente en la forma de
las áreas de endemismo y el número de especies endémicas identificadas en cada área, mientras que el NDM
los resultados fueron relativamente similares a los de GIE. Algunas áreas de endemismo identificadas con GIE
emergió de PAE como una sola celda de cuadrícula (celdas grises en la Fig. 3 ). Por ejemplo, las zonas de Pantanal.
Página 11
y Nordeste estuvieron representados por más de tres celdas no agrupadas en PAE. Adicional-
Por lo tanto, tanto PAE como NDM no pudieron identificar el área de Piauí , porque los puntos de ocurrencia de la
Las especies presentes en esa zona están separadas en diferentes células. NDM tampoco logró identificar otros
áreas, como Roraima y Acre , probablemente porque tuvieron puntuaciones bajas en el análisis, lo que resultó en
Su exclusión del consenso. Así, en comparación con otros métodos GIE fue capaz de identificar
áreas de endemismo con más especies sinendémicas y resultados con mayor espacio espacial
resolución.
Otra característica importante de GIE es la posibilidad de analizar por separado los datos de
cia con diferentes extensiones de distribución, lo que permite delimitar áreas de endemismo en diferentes
escalas espaciales ferentes. Esto podría ser importante porque las especies más restringidas pueden tener áreas de
endemismo localizado con solapamiento parcial con los estimados para especies ampliamente distribuidas.
Los resultados obtenidos del análisis de diferentes categorías de tamaño de rango pueden resumirse
A través de diferentes procedimientos, de acuerdo a objetivos específicos de investigación. Por ejemplo, en este
Las especies estudiadas se dividieron en siete categorías según el grado de su distribución (esti-
apareados por la distancia entre el centroide y el punto más lejano de ocurrencia), y luego el
Los resultados se resumieron en un mapa de consenso. El mapa de consenso puede ser generado por sumas
ming los valores del índice de kernel de diferentes escalas espaciales, pero este procedimiento da más
Peso a escalas con más especies. Esto se puede evitar estandarizando los valores de ker-
Índice nel entre 0 y 1 en cada categoría de tamaño de rango antes de reunir el consenso, como se hace
en este estudio. Sin embargo, después de la estandarización, es posible insertar un factor de multiplicación para
Peso de una escala considerada más relevante o fiable. Estas estrategias no cambiarán significativamente
Las isolinas de las áreas resultantes del endemismo, pero pueden cambiar la diferencia en los valores de
Índice de kernel entre niveles dentro de la misma área de endemismo. Así, algunas zonas pueden ser más
Es evidente que otros, según el criterio de consenso. Este índice puede ser usado como un objeto
Criterio tivo para definir un umbral para la delimitación de áreas operativas. Además, el
La elección de los criterios de consenso puede ser particularmente importante en algunas situaciones, como en la definición
de prioridades de conservación. En estos casos, puede ser interesante destacar las escalas que presentan
Especies con distribución más restringida.
Como se describió anteriormente, la estimación de la superposición entre los rangos de distribución de especies
a través del índice del núcleo requiere una generalización de cada rango de distribución de especies en un circuito
Larga área de influencia alrededor del centroide. Este procedimiento no sería una limitación importante, ex-
en el caso de especies cuyos puntos de distribución describen un polígono alargado y / o
Especies con distribuciones desunidas. En estos casos, el área de influencia circular incluiría
áreas extensas sin registros de distribución reales, y la superposición con áreas de otras especies de
La influencia sería sobreestimada. Las especies con distribución alargada no necesariamente representan
Resentir un problema, como lo demuestran los resultados de nuestro análisis de las arañas brasileñas. Nuestros datos-
base incluye especies con distribución alargada que fueron ensambladas en áreas alargadas de
endemismo ( S6 Fig. ). Una situación potencialmente problemática, no observada en nuestros datos, sería
Especies con distribución alargada y perfectamente congruente. En ese caso, el GIE
definir correctamente un área de endemismo para estas especies, pero se representaría incorrectamente como un
zona circular. Aunque suponemos que este sería un patrón raro, debería ser evaluado por
usuarios de tura. Las especies de distribución alargada pueden ser comunes en algunas situaciones específicas, como en
Taxones restringidos a cadenas montañosas o ríos. En situaciones como éstas, los mapas con estimados.
Las áreas de endemismo se pueden recortar de acuerdo con los hábitats de interés, eliminando áreas con
Se superponen, pero sin registros de distribución. Sin embargo, parece que no hay una solución aparente para
casos de especies continentales con polígonos de distribución alargada, sin un hábitat asociado
hacer encaje. Por lo tanto, los usuarios deben evaluar si los polígonos de distribución de especies son predominantemente elona
cerrada antes de usar el GIE. Esto se puede hacer usando una función disponible en la caja de herramientas de ArcGis
en el archivo S1

Pagina 12
Con respecto a las especies con distribución desunida, una posible solución sería tratar cada grupo
ter de puntos de distribución por separado, calculando un centroide para cada uno. En estos casos, es posi-
Es posible que las mismas especies contribuyan a apoyar diferentes áreas de endemismo. Sobre el
Por otro lado, vale la pena mencionar que el diagnóstico de una distribución de especies como desunión podría ser
particularmente difícil, considerando la posibilidad de que las brechas de muestreo puedan crear una falsa separación
apariencia. Por lo tanto, se recomienda que la forma de los rangos de distribución de la especie
de interés ser examinado antes del análisis con el GIE, para tratar con especies con distribución
Rangos que no podrían generalizarse de manera confiable como área de influencia circular.
Los resultados de este estudio sugieren que GIE es un método consistente con las expectativas teóricas.
Con respecto a las áreas de endemismo, identificándolas en múltiples escalas y sin celdas.
En este estudio, GIE fue más eficiente que PAE y NDM, identificando áreas apoyadas por más
Especies endémicas y con límites que se ajustan mejor a la distribución de las especies. Además, GIE
es simple y fácil de implementar usando software comercial tradicional como ArcGIS o gratuito
software como Quantum GIS (disponible en: http://www.qgis.org/en/site/ ). Proporcionamos en S1 File a
caja de herramientas construida para ArcGIS que permite la identificación rápida de áreas de endemismo desde un geor-
base de datos eferenced.
Áreas de endemismo de las arañas de Brasil.

En este estudio, identificamos con éxito un gran número de áreas de endemismo para las arañas en Brasil.
zil, algunos de ellos apoyados por muchas especies sinendémicas. Adicionalmente, como se enfatizará.
A continuación, las áreas de endemismo identificadas fueron consistentes con las propuestas para otros taxones.
El 29 - 31 ], lo que indica que este patrón es probablemente general para varios grupos taxonómicos. Esto es
plausible, ya que el proceso de especiación en diferentes grupos puede verse influido por factores comunes.
torsiones en estas áreas [ 32 - 35 ].
La costa de Brasil, incluida la Selva Atlántica y parte de la transición entre
Este bioma y un bioma de pastizales del sur (la Pampa), se dividieron en cuatro áreas principales de
endemismo Sus límites fueron consistentes con los observados en otros estudios que delimitaron áreas de
endemismo [ 29 - 31 , 36 ] y filogeográfico [ 33 , 34 , 37 - 43 ] y biogeograficas descriptivas.
Estudios [ 44 , 45 ] con diferentes grupos taxonómicos. Esta congruencia puede indicar que
Los procesos pueden estar limitando varios linajes de organismos, a nivel de especie o población, a estos
áreas Estas áreas de endemismo están separadas por brechas que no tienen registros de especies endémicas,
pero solo las especies de arañas con rangos de distribución superiores a 300 km, que está por encima del
tud de las áreas de endemismo de la selva atlántica. Los biomas de la costa oriental de Brasil.
Son los más conocidos por su fauna de araña. Esta región incluye el mayor número de especies
der los registros de ocurrencia dentro de Brasil, y compone un tramo continuo de muestras relativamente bien
localidades comprometidas [ 46 ]. Por lo tanto, la discontinuidad entre las áreas de endemismo no representa
muestra artefactos, pero posiblemente está relacionado con factores naturales que limitan la distribución de la araña.
Algunos estudios sugieren que los ríos actúan como barreras de dispersión en la costa brasileña (por ejemplo, [ 38 ]).
Dos ríos principales que fluyen hacia la costa de Brasil, el sureste del río Doce y el noreste
En el río São Francisco, ambos sugeridos anteriormente como barreras de dispersión, marcan grandes brechas entre
Entre las áreas de endemismo de la selva atlántica. Sin embargo, como la mayoría de las arañas tienen alto
capacidad de dispersión por globo [ 47 ], es poco probable que estos ríos realmente representen
Persales barreras para estos animales. Por otro lado, estas brechas coinciden con la inestabilidad climática.
áreas donde el bosque probablemente se retrae durante el último máximo glaciar [ 34 ]. Esta sugerencia
que las áreas de endemismo del bosque atlántico observadas en este estudio están relacionadas con los refugios forestales,
que fueron estables durante las oscilaciones climáticas pasadas (ver [ 34 , 40 , 48 , 49 ]).
Los resultados de este estudio también identificaron áreas anidadas de endemismo en la costa brasileña. por
Por ejemplo, la Serra do Mar incluye varias áreas más pequeñas en una escala espacial más pequeña, tanto
Página 13
consistente con estudios basados en otros taxones [ 39 , 41 , 50 ]. La divergencia entre estas áreas es
probablemente relacionado con eventos geomorfológicos y neotectónicos terciarios [ 51 ]. En un espacio más grande.
escala, la Serra do Mar está conectada al área Sul , una conexión biogeográfica que también se
esbozado para especies de primates [ 52 ]. Aunque el Sul abarca parte de la Pampa, está centrado.
en el ecotono entre este bioma y la selva atlántica, que puede relacionarse con la gran
Número de especies comunes entre estas áreas.
A diferencia del Bosque Atlántico, otros biomas brasileños muestran grandes deficiencias en la araña
muestreo [ 46
Delimitado de ].manera
Esto dificulta la interpretación
incorrecta dedebido
en este estudio, las discontinuidades entre generalmente
a que estas brechas áreas de ende-coinciden con áreas de muestra defic
Por ejemplo, se identificaron áreas de endemismo en el Amazonas, algunas de ellas relativamente bien
soportado. Sin embargo, los límites de estas áreas deben tomarse con precaución, dado que la
neumático Amazon tiene una baja densidad de puntos de aparición de especies y una concentración histórica de
Esfuerzo de muestreo principalmente en regiones pequeñas [ 46 ]. Un problema similar se observó para el Amazonas
plantas [ 53 , 54 ] y se sugirió que esto podría conducir a la identificación de áreas falsas de en-
Demismo que en realidad representa muestras de puntos calientes [ 53 ]. Sin embargo, la gran cantidad de arañas
especies únicas para cada una de las áreas delimitadas aquí, y el pequeño número de especies compartidas
entre ellos, es un fuerte indicio de la existencia de áreas de endemismo en estas regiones, ya que
áreas relativamente cercanas como Içá, Tefé, Manaus, Santarém y Pará tienen una gran cantidad de synen-
especies demicas. Por otro lado, el sesgo de muestreo en el Amazonas puede evitar la identificación
las áreas de endemismo en regiones pobremente muestreadas, así como la identificación de las
Límites entre las áreas ya identificadas. Por lo tanto, los límites de los actuales
Las áreas nizadas pueden sufrir cambios importantes con la adición de nueva información sobre la distribución de especies.
Butión, que se puede obtener con un esfuerzo de muestreo futuro en regiones poco exploradas.
A pesar del muestreo incompleto, las áreas amazónicas de endemismo identificadas en este
los estudios son parcialmente congruentes con las áreas propuestas en otros estudios [ 52 , 55 , 56 ]. Áreas de GIE
Acre, Tefé y Pará están contenidos dentro de los límites de de Cracraft [ 56 ] Inambari, Imemberi
y Xingu, respectivamente. Además, el área de Pará coincide parcialmente con el área de Belém [ 56 ].
Sin embargo, las áreas de GIE Manaus y Santarém están ubicadas en los límites de tres áreas de
endemismo propuesto anteriormente [ 55 , 56 ]. Esta incongruencia está probablemente relacionada con el hecho de que
ers, que generalmente se sugieren como las principales barreras que delimitan las áreas amazónicas de endemismo,
no podría ser una barrera de dispersión efectiva para la mayoría de las arañas, como se mencionó anteriormente.
sin hipótesis
La embargo,de el los ríos como barreras postula que la contracción del bosque cuaternario condujo a la
patrones de renta del endemismo, que fueron mantenidos por ríos que operan como contemporáneos
barreras de dispersión [ 57 ]. Así, incluso si los ríos no son barreras efectivas para las arañas, es posible que
Su distribución fue influenciada por estas contracciones forestales impulsadas por el clima. Además, estos
Las áreas son en parte congruentes con los eventos geológicos que ocurrieron en el Mioceno en el
cuenca zon ([ 58 - 60 ] y sus referencias). Sin embargo, dado que estos eventos son muy antiguos, y
siderando arañas de alta capacidad de dispersión, es difícil determinar si estos eventos podrían
Han dado forma a los patrones de distribución actuales de la araña. En resumen, estos resultados sugieren que
Los factores históricos o ecológicos influyen en la distribución de las arañas en la Amazonia, pero una
la comprensión completa de esto dependería de un mayor esfuerzo de muestreo, así como de la filogenética,
Estudios filogeográficos y posiblemente de historia natural sobre especies de arañas amazónicas.
La interpretación de nuestros resultados sobre biomas de bosques no húmedos de Brasil se ve obstaculizada por la
Escasez de muestreo de arañas en estas zonas. Estos biomas se componen de una gran sabana (la
Cerrado), un pantano de tierras bajas (Pantanal) y un bosque tropical estacionalmente seco (Caatinga). los
Las áreas de endemismo delimitadas en estos biomas coinciden con puntos altamente muestreados, rodeados
por grandes brechas de muestreo [ 46 ]. Además, a diferencia de las áreas amazónicas de endemismo, las áreas
Limitados en estos biomas están sustentados por pocas especies exclusivas. El Cerrado principales áreas de en-
El demismo coincide con los límites de las áreas florísticas propuestas por Bridgewater et al. [ 61 ], que son
Página 14
Basado en la similitud florística. Sin embargo, como hay grandes brechas en el esfuerzo de muestreo en el Cerrado,
Se necesitan más muestras y estudios biogeográficos para una descripción completa de sus datos biogeo-
estructura grafica. El Pantanal mostró áreas más pequeñas de endemismo, con pocas especies exclusivas.
En una zona de transición con el Cerrado. Este bioma es considerado como relativamente homogéneo,
albergan pocas especies endémicas [ 62 ]. Aunque nuestros resultados podrían sugerir un Cerrado sur
En el área del endemismo del Pantanal, creemos que se necesitan más datos para entender la composición.
de este bioma. Esta recomendación puede extenderse a la Caatinga, que se encuentra entre las menos
er biomas brasileños conocidos [ 63 ], incluyendo su fauna de araña [ 46 ].
En conclusión, a pesar de las deficiencias de muestreo, identificamos varias áreas de endemismo para
En Brasil, la mayoría de ellos congruentes con las unidades biogeográficas obtenidas para otras taxonomías.
grupos Esto también indica que, a pesar de las supuestas capacidades de alta dispersión de algunos
grupos [ 47 , 64 ], las arañas, especialmente aquellas con menor capacidad de dispersión, pueden ser influenciadas por
Factores históricos y ecológicos, que muestran diversos grados de endemismo [ 65 - 67 ]. Así, pueden ser
Utilizados como modelos biogeográficos. El nuevo método introducido en este estudio (GIE) demostró
ser eficaz en la identificación de áreas de endemismo en escalas múltiples y con bordes difusos, lo que
es consistente con la forma en que se espera que ocurran en la naturaleza [ 6 ]. Finalmente, este método fue también
útil para identificar posibles problemas de muestreo, que a menudo podrían ser menos notables en otros
metodos
información de soporte
Apéndice S1. NDM áreas de endemismo. Áreas de consenso de endemismo identificadas por NDM
Para las arañas en Brasil, y sus especies de apoyo y puntuaciones.
(PDF)
Archivo S1 . Software para la identificación de áreas de endemismo por el método GIE. Caja de herramientas de ArcGIS
para la interpolación geográfica de endemismo (GIE) y el software “Distancia geográfica para
GIE ”, para calcular la distancia entre el centroide y el punto más lejano de ocurrencia para cada
especies.
(CREMALLERA)
Archivo S2 . Matriz utilizada para el análisis de PAE.
(SS)
Archivo S3 . Matriz utilizada para el análisis de NDM.
(XYD)
S1 Fig . Número de registros por especie en la base de datos de arañas brasileñas.
(TIF)
S2 Fig . Áreas de endemismo de arañas de Brasil, identificadas por GIE en diferentes escalas espaciales.
El texto en negro indica el código de área en la Tabla S1 . Los números blancos indican el número de
Especies demicas en cada area de endemismo.
(TIF)
S3 Fig . Áreas de endemismo de arañas de Brasil identificadas por GIE utilizando diferentes rangos de tamaño
Esquemas de categorización. a: con cinco clases de rango de tamaño; b: nueve clases de tamaño de rango yc: 18
Clases de tamaño de rango. Los números indican la correlación de Pearson (r) entre los mapas.
(TIF)
S4 Fig . Desplazamiento del centroides en el análisis de la rarefacción del punto de aparición. Gráficos en el
La misma línea representa los resultados de los análisis que eliminaron el 10, 20 y 30% de los registros de especies. Barras azu
indicar la distribución de frecuencia de las especies en clases de desplazamiento medioide medio dentro de
Página 15
100 réplicas de rarefacción. Las barras rosadas indican la distribución de frecuencia de especies en clases de
Anciación del desplazamiento centroide.
(TIF)
S5 Fig. Árbol del análisis PAE de arañas de Brasil. Los números indican especies endémicas dentro de
Celdas de cuadrícula (terminales) y grupos de celdas de cuadrícula (ramas). los colores son los mismos que en la Fig. 3 .
Ramas blancas corresponden a terminales sin especies exclusivas.
(TIF)
S6 Fig . Ejemplos de áreas alargadas de endemismo en GIE. Áreas alargadas de endemismo iden-
Tificado por GIE para arañas en Brasil. Las especies indicadas por símbolos presentan distribución alargada.
(TIF)
Tabla S1. Especies sinendémicas de áreas de endemismo en el análisis GIE. Especies sinendémicas de
arañas que soportan cada área de endemismo, como se muestra en S2 Fig.
(DOCX)
Expresiones de gratitud
Nos gustaría agradecer a Ricardo de Oliveira por su ayuda en la construcción del software Distancia de Centroid,
que está disponible en el material complementario que acompaña a este documento. También somos particu-
Muy agradecido a Ana Clara Mourão Moura, Bárbara T. Faleiro, Eduardo L. Borba, Felipe SF
Leite, Guilherme HF Azevedo, Ivan F. Magalhães, Leonardo S. Carvalho, Marina D. Miranda,
Paulo De Marco Jr y Rodrigo P. Dutra por innumerables discusiones, intercambio de ideas y críticas.
Lecturas periódicas de las primeras versiones del manuscrito. El manuscrito presentado fue significativamente
mejorado por el editor de Plos One, Matjaż Kuntner, Brian Crother y dos árbitros anónimos.
TNT estuvo disponible de forma gratuita a través del patrocinio de la Sociedad Willi Hennig ( http: //
www.cladistics.org/tnt.html ). Este estudio es parte de la tesis de maestría de U. Oliveira en “Ecologia
Programa de postgrado Conservación y Manejo de Vida Silvestre en la UFMG.
Contribuciones de autor
Concebido y diseñado los experimentos: UO ADB AJS. Realizó los experimentos: UO. Ana-
Lyzed los datos: UO. Reactivos aportados / materiales / herramientas de análisis: UO ADB AJS. Escribió el
Papel: UO ADB AJS. Diseñé el software utilizado en el análisis: UO.
Referencias
1 . Nelson G, Platnick NI (1981) Sistemática y biogeografía: cladística y vicariedad. Nueva York: Co-
2 . prensa universitaria
Crisci JV, Katinas L,de lumbia.P (2003) Biogeografía histórica: una introducción. Harvard Un.
Posadas
Cambridge.
3 . Lorenzen ED, Nogués-Bravo D, Orlando L, Weinstock J, Binladen J, et al. (2011) especies específicas
Patrocinadores de la megafauna del Cuaternario tardío al clima y los humanos. Nature 479: 359–364. doi: 10.1038 /
nature10574 PMID: 22048313
4 . Axelius B (1991) Áreas de Distribución y Áreas de endemismo. Cladistics 7: 197–199. Doi: 10.1111 / j.
1096-0031.1991.tb00032.x
5 . Szumik CA, Cuezzo F, Goloboff PA, Chalup AE (2002) Un criterio de optimidad para determinar áreas de en-
el demismo Biología sistemática 51: 806–816. doi: 10.1080 / 10635150290102483 PMID: 12396592
6 . Crother BI, Murray CM (2011) Ontología de áreas de endemismo. Revista de biogeografía 38:
1009-1010. doi: 10.1111 / j.1365-2699.2011.02483.x
7 . Harold AS, Mooi RD (1994) Áreas de endemismo: definición y criterios de reconocimiento. Biología sistemática
43: 261–266. doi: 10.1093 / sysbio / 43.2.261
8 . Platnick NI (1991) Sobre áreas de endemismo. Botánica sistemática australiana 4: sin numeración.
Página 16
9 . Linder HP (2001) En áreas de endemismo, con un ejemplo de African Restionaceae. Sistemático

Biología 50: 892–912. doi: 10.1080 / 106351501753462867 PMID: 12116639
10 . Morrone JJ (1994) Sobre la identificación de áreas de endemismo. Biología sistemática 43: 438–441. doi
10.1093 / sysbio / 43.3.438
11 . Nihei SS (2006) Conceptos erróneos sobre el análisis de parsimonia de la endemicidad. Revista de biogeografía 33:
2099–2106. doi: 10.1111 / j.1365-2699.2006.01619.x
12 . Rosen BR (1988) De los fósiles a la historia de la tierra: biogeografía histórica aplicada. En: Myers AA, Giller PS,
editores Biogeografía analítica: un enfoque integrado para el estudio de la distribución animal y vegetal
las Londres. pp. 437–481.
13 . García-Barros E, Guerrea P, Luáñez MJ, Cano JM, Munguira ML, et al. (2002) Análisis de parsimonia de en-
Demicidad y su aplicación a las distribuciones geográficas de animales y plantas en la región ibero-balear.
(Mediterráneo occidental). Diario de Biogeografía 29: 109-125. doi: 10.1046 / j.1365-2699.2002.
00653.x
14 . Szumik C, Goloboff P (2004) Áreas de endemismo: un criterio de optimalidad mejorado. Biología sistemática
53: 968–977. doi: 10.1080 / 10635150490888859 PMID: 15764564
15 . Moline PM, Linder HP (2006) Datos de entrada, métodos analíticos y biogeografía de Elegia (Restiona-
ceae). Diario de Biogeografía 33: 47–62. doi: 10.1111 / j.1365-2699.2005.01369.x
16 . Porzecanski AL, Cracraft J (2005) Análisis Cladístico de distribuciones y endemismo (CADE): usando datos crudos
Distribuciones de aves para desentrañar la biogeografía de las tierras áridas de América del Sur. Diario de Biogeog-
raphy 32: 261-275. doi: 10.1111 / j.1365-2699.2004.01138.x
17 . Deo AJ, DeSalle R (2006) Áreas anidadas de análisis de endemismo. Revista de biogeografía 33:
1511-1526. doi: 10.1111 / j.1365-2699.2006.01559.x
18 . Morrone JJ, Escalante T (2002) Análisis de parsimonia de endemicidad (PAE) de mamás terrestres mexicanas
mals en diferentes unidades de área: cuando el tamaño importa. Diario de Biogeografía 29: 1095–1104. doi: 10.1046 /
j.1365-2699.2002.00753.x
19 . Bailey TC, Gatrell AC (1995) Análisis interactivo de datos espaciales. Nueva York: Longman Scientific.
20 . Guo D, Zhou H, Zou Y, Yin W, Yu H, et al. (2013) Análisis geográfico de la distribución y difusión de
rabia humana en China desde 2005 hasta 2011. PloS one 8: e72352. doi: 10.1371 / journal.pone.0072352
PMID: 23991098
21 . GBIF — Facilidad de Información de Biodiversidad Global. Disponible en: http://www.gbif.org/ . Accedido el 13 de
diciembre deDisponible:
22 . Specieslink. 2014. http://splink.cria.org.br/ . Accedido el 13 de diciembre de 2014.
23 . Platnick NI (2013) The world spider catalog, versión 14.0. Museo Americano de Historia Natural. Aprovechar-
capaz: http://research.amnh.org/iz/spiders/catalog_14.0/index.html . Accedido el 13 de diciembre de 2014.
24 . Goloboff PA, Farris JS, Nixon KC (2008) TNT, un programa gratuito para el análisis filogenético. Cladistics 24:
774–786. doi: 10.1111 / j.1096-0031.2008.00217.x
25 . Goloboff PA (2005) NDM / VNDM ver. 2.5. Programas para la identificación de áreas de endemismo. Los programas
y documentación disponible en www.zmuc.dk/public/phylogeny/endemism . Accedido el 13 de diciembre de 2014.
26 . Aagesen L, Szumik C, Goloboff P (2013) Consenso en la búsqueda de áreas de endemismo. Diario de
Biogeografía 40: 2011-2016. doi: 10.1111 / jbi.12172
27 . Hammer Ø, Harper DAT, Ryan PD (2001) PASADO: Paquete de software de estadísticas paleontológicas para educa
Análisis de datos y datos. Palaeontologia electronica 4: 1–9.
28 . Peterson TA, Watson DM (1998) Problemas con las definiciones de área del endemismo: los efectos de espacial
escalada. Diversidad y distribuciones 4: 189–194. doi: 10.1046 / j.1472-4642.1998.00021.x
29 . Costa LP, Leite YLR, da Fonseca GaB, da Fonseca MT (2000) Biogeografía del bosque sudamericano
Mamíferos: endemismo y diversidad en el bosque atlántico1. Biotropica 32: 872. doi: 10.1646 / 0006-3606
(2000) 032% 5B0872: BOSAFM% 5D2.0.CO; 2
30 . Silva JMC, Sousa MC, Castelletti CHM (2004) Áreas de endemismo para aves paseriformes en el Atlántico para:
es, América del Sur. Ecología global y biogeografía 13: 85–92. Doi: 10.1111 / j.1466-882X.2004.
00077.x
31 . Sigrist MS, Carvalho CJB (2008) Detección de áreas de endemismo en dos escalas espaciales utilizando Parsimony
Análisis de endemicidad (PAE): la región neotropical y el bosque atlántico. Biota Neotropica 8:
33–42. doi: 10.1590 / S1676-06032008000400002
32 . Hubert N, Renno JF (2006) Biogeografía histórica de peces de agua dulce de América del Sur. Diario de
Biogeografía 33: 1414-1436. doi: 10.1111 / j.1365-2699.2006.01518.x
33 . Moraes-Barros N, Silva JAB, Miyaki CY, Morgante JS (2006) Filogeografía comparativa del Atlántico
El perezoso endémico del bosque de tic (Bradypus torquatus) y el perezoso de tres dedos extendido (Bradypus variega-
tus) (Bradypodidae, Xenarthra). Genetica 126: 189–198. doi: 10.1007 / s10709-005-1448-x PMID:
16502095
Página 17
34 . Carnaval AC, Moritz C (2008) El modelado histórico del clima predice patrones de la biodiversidad actual en el
Bosque atlántico brasileño. Diario de Biogeografía 35: 1187–1201. doi: 10.1111 / j.1365-2699.2007.
01870.x
35 . Gamble T, Colli GR, Rodrigues MT, Werneck FP, Simons AM (2012) Filogenia y diversidad críptica en
geckos (Phyllopezus; Phyllodactylidae; Gekkota) de biomas abiertos de América del Sur. Filo Molecular
Genética y evolución 62: 943-953. doi: 10.1016 / j.ympev.2011.11.033 PMID: 22182991
36 . Löwenberg-Neto P, Carvalho CJB (2009) Áreas de endemismo y diversificación espacial de Muscidae
(Insecta: Diptera) en las regiones andina y neotropical. Diario de Biogeografía 36: 1750–1759.
doi: 10.1111 / j.1365-2699.2009.02112.x
37 . Costa LPP (2003) El puente histórico entre la Amazonía y la Selva Atlántica de Brasil: un estudio
de filogeografía molecular con pequeños mamíferos. Diario de Biogeografía 30: 71–86. Doi: 10.1046 / j.
1365-2699.2003.00792.x
38 . Pellegrino KCM, Rodrigues MT, Waite AN, Morando M, Yassuda YY, et al. (2005) Filogeografía y
límites de especies en el complejo Gymnodactylus darwinii (Gekkonidae, Squamata): estructura genética
Cides con sistemas fluviales en el bosque atlántico brasileño. Revista Biológica de la Sociedad de Linnean 85:
13-26. doi: 10.1111 / j.1095-8312.2005.00472.x
39 . Cabanne GS, D'Horta FM, Sari EHR, Santos FR, Miyaki CY (2008) Filosofía nuclear y mitocondrial
Grafía del bosque atlántico endémico Xiphorhynchus fuscus (Aves: Dendrocolaptidae): biogeografía
y las implicaciones sistemáticas. Filogenética molecular y evolución 49: 760-773. Doi: 10.1016 / j.
ympev.2008.09.013 PMID: 18849002
40 . Carnaval AC, Hickerson MJ, Haddad CFB, Rodrigues MT, Moritz C (2009) La estabilidad predice la distribución genétic
La diversidad en el hotspot del bosque atlántico brasileño. Science 323: 785–789. doi: 10.1126 / science.1166955
PMID: 19197066
41 . Brunes TO, Sequeira F, Haddad CFB, Alexandrino J (2010) Gen y árboles de especies de un Neotropical
Grupo de ranas arborícolas: diversificación genética en el bosque atlántico brasileño y el origen de un poliploide.
especies. Filogenética molecular y evolución 57: 1120-1133. doi: 10.1016 / j.ympev.2010.08.026
PMID: 20813192
42 . Thomé MTC, Zamudio KR, Giovanelli JGR, Haddad CFB, Baldissera FA, et al. (2010) Filogeografía de
Sapo endémico y persistencia post-pliocena del bosque atlántico brasileño. Filogenia molecular
y evolución 55: 1018-1031. doi: 10.1016 / j.ympev.2010.02.003 PMID: 20139019
43 . Fouquet A, Loebmann D, Castroviejo-Fisher S, Padial JM, Orrico VGD, et al. (2012) Desde la Amazonia hasta
El bosque atlántico: la filogenia molecular de las ranas Phyzelaphryninae revela una diversidad inesperada y una
Patrón biogeográfico sorprendente que enfatiza los desafíos de conservación. Filogenética molecular y evo-
Lution 65: 547–561. doi: 10.1016 / j.ympev.2012.07.012 PMID: 22842094
44 . Soderstrom TR, Judziewicz EJ, Clark LG (1988) Patrones de distribución de bambúes neotropicales. En:
Vanzolini PE, Heyer WR, editores. Actas de un taller sobre patrones de distribución neotropical. Rio
de Janeiro: Academia Brasileira de Ciências. pp. 121-157.
45 . Tyler H, Brown KSJ, Wilson K (1994) Mariposas de cola de golondrina de las Américas. Un estudio en biología.
Nomica, diversidad ecológica, biosistemática y conservación. Gainesville, FI: Editores científicos.
46 . Oliveira U (2011) Diversidade y Biogeografia de Aranhas do Brasil: Esforço Amostral, Riqueza Poten-
Cial y Áreas de Endemismo Universidad Federal de Minas Gerais. Disponible: http: // www.
bibliotecadigital.ufmg.br/dspace/handle/1843/BUOS-8MYHSA . Accedido el 13 de diciembre de 2014.
47 . Bell JR, Bohan DA, Shaw EM, Weyman GS, Hri W, et al. (2005) Dispersión en globo usando seda: mundo.
Fauna, filogenias, genética y modelos. Boletín de investigación entomológica 95: 69-114. doi: 10.
1079 / BER2004350 PMID: 15877859
48 . Cabanne GS, D'Horta FM, Meyer D, Silva JMC, Miyaki CY (2011) Evolution of Dendrocolaptes platyros-
tris (Aves: Furnariidae) entre el corredor abierto de vegetación de América del Sur y el bosque atlántico.
Revista biológica de la Sociedad de Linnean 103: 801–820. doi: 10.1111 / j.1095-8312.2011.01678.x
49 . Porto TJ, Carnaval AC, da Rocha PLB (2013) Evaluación de modelos de refugios forestales utilizando la distribución de e
Modelos de modelo, relleno e inclusión: un estudio de caso con 14 especies brasileñas. Diversidad y Distribución
19: 330–340. doi: 10.1111 / j.1472-4642.2012.00944.x
50 . Silva SM, Moraes-Barros N, Ribas CC, Ferrand N, Morgante JS (2012) Dividir para conquistar: un patrón complejo
Tern de biodiversidad representada por componentes de vertebrados en el bosque atlántico brasileño. Revista biologica
nal de la Sociedad de Linnean 107: 39–55. doi: 10.1111 / j.1095-8312.2012.01919.x
51 . Saadi A (1993) Neotectônica da plataforma brasileira. Geonomos 1: 1–15.
52 . Goldani A, Carvalho GS, Bicca-Marques JC (2006) Patrones de distribución de primates neotropicales (Platyr-
rhini) basado en el análisis de parsimonia de endemicidad. Revista Brasileña de Biología 66: 61–74. doi: 10.
1590 / S1519-69842006000100009 PMID: 16680307
Página 18
53 . Nelson BW, Ferreira CAC, da Silva MF, Kawasaki ML (1990) Centros de endemismo, refugios y botánicos
Densidad de la colección en la amazonia brasileña. Nature 345: 714–716. doi: 10.1038 / 345714a0
54 . Hopkins MJG (2007) Modelando la biodiversidad vegetal conocida y desconocida de la cuenca del Amazonas. Jour-
nal de Biogeography 34: 1400–1411. doi: 10.1111 / j.1365-2699.2007.01737.x
55 . Haffer J (1985) Zoogeografía aviar de las tierras bajas neotropicales. En: Buckley MS, Foster ES, Morton
RS, Buckley FG, editores. Ornitología neotropical. Washington DC: Monografías ornitológicas. páginas.
113–146.
56 . Cracraft J (1985) Biogeografía histórica y patrones de diferenciación dentro de la aviación sudamericana.
Fauna: áreas de endemismo. Monografías ornitológicas: 49–84. doi: 10.2307 / 40168278
57 . Haffer J, Prance GT (2002) Impulsos climáticos en la evolución de la Amazonía durante el Cenozóico: sobre
a teoria dos Refúgios da diferenciação biótica. Estudos Avançados 16: 175–206.
58 . Räsänen ME, Salo JS, Jungnert H, Pittmantt LR (1990) Evolution of the Western Amazon Lowland Re-
Vida: impacto de la dinámica andina. Terra Nova: 320-332.
59 . Räsänen ME, Linna AM (1996) Respuesta: depósitos de mioceno en la cuenca del Amazonas. Ciencia
(Nueva York, NY) 273: 124-125. doi: 10.1126 / science.273.5271.124 PMID: 17744565
60 . Hoorn C (1993) Incursiones marinas y la influencia de la tectónica andina en el depósito del Mioceno.
Historia de la amazonia noroccidental: resultados de un estudio palynostratigraphic. Paleogeografia, Paleocli
Matología, paleoecología 105: 267–309. doi: 10.1016 / 0031-0182 (93) 90087-Y
61 . Bridgewater S, Ratter JA, Ribeiro JF (2004) Patrones biogeográficos, b-diversidad y dominio en el
bioma cerrado de brasil. Biodiversidad y Conservación 13: 2295–2318. doi: 10.1023 / B: BIOC.
0000047903.37608.4c
62 . Harris MB, Tomas W, Mourão G, Da Silva CJ, Guimarães E, et al. (2005) Safeguarding the Pantanal Wet-
Tierras: Amenazas e Iniciativas de Conservación. Biología de la conservación 19: 714–720. doi: 10.1111 / j.1523-
1739.2005.00708.x
63 . Santos JC, Leal IR, Almeida-Cortez JS, Fernandes GW, Tabarelli M (2011) Caatinga: la negligencia científica
Península experimentada por un bosque tropical seco. Tropical Conservation Science 4: 276–286.
64 . Duffey E (1997) Dispersión aérea en arañas. En: Selden PA, editor. Actas del XVII Europeo.
Coloquio de Arachnology. Edimburgo.
65 . Posadas P, DRM Esquivel, Crisci JV (2008) Uso de medidas de diversidad filogenética para establecer prioridades en
Conservación: un ejemplo del sur de Sudamérica. Biología de la conservación 15: 1325-1334. doi
10.1111 / j.1523-1739.2001.99404.x
66 . Ferretti N, González A, Pérez – Miles F (2014) Identificación de áreas prioritarias para la conservación en Argen-
Tina: conocimientos cuantitativos biogeográficos de las arañas mygalomorph (Araneae: Mygalomorphae). Jour-
Conservación de insectos. doi: 10.1007 / s10841-014-9718-5
67 . Gillespie RG (2013) Biogeografía Desde los patrones de prueba hasta la comprensión de los procesos en arañas y
arácnidos. En: Penney D, editor. Investigación de arañas en las tendencias y perspectivas del siglo XXI. Hombre-
Chester: Siri Scientific Press. pp. 154–185.

Delimitación de Áreas de Endemismo A Través de La Interpolación de Kernel

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Delimitación de Áreas de Endemismo A Través de La Interpolación de Kernel

Transféré par

Droits d'auteur :

Formats disponibles

Página 1

Ubirajara Oliveira * , Antonio D. Brescovit , Adalberto J. Santos

Proponemos un nuevo enfoque para la identificación de áreas de endemismo, la Interacción Geográfica

PLOS UNO | DOI: 10.1371 / journal.pone.0116673 22 de enero de 2015 1/18

Interpolación geográfica del endemismo

PLOS UNO | DOI: 10.1371 / journal.pone.0116673 22 de enero de 2015 2/18

Interpolación geográfica del endemismo

1. Dado un conjunto de puntos de ocurrencia, se estima el centroide de la distribución de cada especie

PLOS UNO | DOI: 10.1371 / journal.pone.0116673 22 de enero de 2015 3/18

Interpolación geográfica del endemismo

PLOS UNO | DOI: 10.1371 / journal.pone.0116673 22 de enero de 2015 4/18

Interpolación geográfica del endemismo

Aplicando GIE a las arañas brasileñas

PLOS UNO | DOI: 10.1371 / journal.pone.0116673 22 de enero de 2015 5/18

Interpolación geográfica del endemismo

PLOS UNO | DOI: 10.1371 / journal.pone.0116673 22 de enero de 2015 6/18

PLOS UNO | DOI: 10.1371 / journal.pone.0116673 22 de enero de 2015 7/18

Interpolación geográfica del endemismo

PLOS UNO | DOI: 10.1371 / journal.pone.0116673 22 de enero de 2015 8/18

Interpolación geográfica del endemismo

PLOS UNO | DOI: 10.1371 / journal.pone.0116673 22 de enero de 2015 9/18

Interpolación geográfica del endemismo

PLOS UNO | DOI: 10.1371 / journal.pone.0116673 22 de enero de 2015 10/18

Interpolación geográfica del endemismo

PLOS UNO | DOI: 10.1371 / journal.pone.0116673 22 de enero de 2015 11/18

Interpolación geográfica del endemismo

Áreas de endemismo de las arañas de Brasil.

PLOS UNO | DOI: 10.1371 / journal.pone.0116673 22 de enero de 2015 12/18

Interpolación geográfica del endemismo

PLOS UNO | DOI: 10.1371 / journal.pone.0116673 22 de enero de 2015 13/18

Interpolación geográfica del endemismo

PLOS UNO | DOI: 10.1371 / journal.pone.0116673 22 de enero de 2015 14/18

Interpolación geográfica del endemismo

PLOS UNO | DOI: 10.1371 / journal.pone.0116673 22 de enero de 2015 15/18

Interpolación geográfica del endemismo

9 . Linder HP (2001) En áreas de endemismo, con un ejemplo de African Restionaceae. Sistemático

Interpolación geográfica del endemismo

PLOS UNO | DOI: 10.1371 / journal.pone.0116673 22 de enero de 2015 17/18

Interpolación geográfica del endemismo

PLOS UNO | DOI: 10.1371 / journal.pone.0116673 22 de enero de 2015 18/18

Vous aimerez peut-être aussi