A quantitative approach to species occupancy across communities: the co-occurrence-occupancy curve

Este artigo propõe a curva de co-ocorrência-ocupação e o Índice de Associação de Espécies (SAI) como ferramentas quantitativas para avaliar a tendência de co-ocorrência entre espécies independentemente de sua frequência geral, utilizando modelos nulos e dados de florestas tropicais e costas rochosas mediterrâneas para validar a abordagem.

O essencial

Imagine que você está organizando uma grande festa em várias casas diferentes de um bairro. Você tem uma lista de todos os convidados (as espécies) e sabe em quais casas cada um apareceu (os sítios ou habitats).

A pergunta que os cientistas deste artigo querem responder é: "Quem realmente gosta de quem na festa?"

Muitas vezes, achamos que duas pessoas são amigas só porque aparecem juntas em várias festas. Mas e se elas só estiverem juntas porque são super populares e vão a todas as festas? Ou se uma delas é tão tímida que só vai a uma festa, e por acaso encontra a outra lá?

Este artigo cria uma nova maneira de medir essas "amizades" (ou co-ocorrências) de forma justa, separando quem é popular de quem realmente tem uma conexão especial.

Aqui está a explicação simples, passo a passo:

1. O Problema: A "Popularidade" Engana

Se você tem um convidado chamado "João" que vai a 100 festas, e uma convidada "Maria" que vai a apenas 1 festa, é muito provável que João e Maria estejam juntos naquela única festa de Maria. Isso não significa que eles são melhores amigos do que João e "Pedro" (que vai a 90 festas).

Na ecologia, isso acontece o tempo todo. Espécies muito comuns (como árvores em uma floresta ou algas na praia) aparecem em muitos lugares. Espécies raras aparecem em poucos. Se você apenas contar quantas vezes elas aparecem juntas, as espécies comuns parecerão ter "muitos amigos", mesmo que seja apenas por acaso.

2. A Solução: A "Curva de Co-ocorrência" (O Mapa da Festa)

Os autores criaram um gráfico chamado Curva de Co-ocorrência-Ocupação (ou "Curva M").

• Eixo X (Onde você está): Mostra o quão popular é a espécie (quantas casas ela visitou).
• Eixo Y (Com quem você está): Mostra com quantas outras espécies ela apareceu junto.

A ideia é traçar uma linha de "esperança". Se as pessoas se misturassem totalmente ao acaso (como se ninguém tivesse preferências), a linha seguiria um formato previsível: quanto mais popular você é, mais pessoas você encontra.

3. A Grande Inovação: O "Índice de Associação" (SAI)

Aqui está a mágica. Os autores criaram uma régua chamada Índice de Associação de Espécies (SAI). Pense nele como um "Termômetro de Amizade Real".

• Como funciona: O SAI compara o que aconteceu de verdade com o que a "festa aleatória" previa.
• Ponto Zero: Se a espécie se comporta exatamente como esperado pelo acaso, o índice é zero.
• Ponto Alto (Positivo): Se a espécie aparece com outras mais do que o acaso permitiria, ela tem um índice alto. Isso sugere que elas "gostam" de estar juntas (talvez uma proteja a outra, ou precisem da mesma coisa).
• Ponto Baixo (Negativo): Se a espécie aparece com outras menos do que o esperado, ela tem um índice baixo. Isso pode significar que elas evitam uma à outra (competição) ou que ocupam nichos muito diferentes.

A vantagem: O SAI permite comparar um "gigante" (espécie comum) com um "anão" (espécie rara) na mesma escala. Você descobre se o anão é realmente solitário ou se ele só não tem amigos porque ninguém vai às festas dele.

4. Os Exemplos Reais (As Duas Festas)

Os autores testaram essa ideia em dois lugares muito diferentes:

1. Floresta Tropical (Barro Colorado, Panamá): Eles olharam para árvores. A maioria das árvores se comportou como se estivessem apenas "aleatoriamente" misturadas na floresta (o que faz sentido, já que essa floresta é famosa por teorias neutras). Mas, algumas árvores com características específicas (como madeira muito densa) mostraram padrões diferentes, sugerindo que a forma como crescem e sobrevivem afeta com quem elas "vivem".
2. Costas Rochosas do Mediterrâneo: Eles olharam para organismos que vivem nas pedras do mar (algas, caracóis, etc.). Aqui, eles encontraram que algumas espécies que vivem em ambientes muito simples (como perto de areia) tinham "amigos" menos diversos do que o esperado. Já os "oportunistas" (aqueles que se adaptam a tudo) tinham muitos amigos, como previsto.

5. Por que isso é importante?

Antes, para entender quem vive com quem, os cientistas precisavam de dados complexos sobre o DNA, o comportamento e a história de cada animal. Isso é difícil e caro.

Com essa nova abordagem, eles dizem: "Olhe apenas para onde as espécies aparecem. Se elas fogem do padrão aleatório, há algo interessante acontecendo lá."

É como se você entrasse em uma festa sem saber o nome de ninguém, mas apenas observando quem está perto de quem, você pudesse dizer: "Olha, aquele grupo ali parece ter uma conexão especial, e aquele outro grupo parece estar evitando o resto da sala."

Resumo em uma frase

Este artigo criou uma "régua inteligente" que nos permite saber se duas espécies realmente se gostam (ou se evitam), separando essa conexão real da simples coincidência de serem populares ou raras.

Resumo técnico

Título: Uma Abordagem Quantitativa para a Ocupação de Espécies em Comunidades: A Curva de Co-ocorrência-Ocupação

1. O Problema

A ecologia de comunidades tradicionalmente depende de modelos "top-down" que exigem dados extensos sobre traços individuais, interações e mecanismos de dispersão para prever a estrutura das comunidades. Embora esses modelos possam ser preditivos, eles frequentemente falham em elucidar os mecanismos causais subjacentes aos padrões observados.
Um aspecto fundamental, mas frequentemente negligenciado, é a relação entre a frequência de ocorrência de uma espécie (sua ocupação total em vários sítios) e a sua tendência a co-ocorrer com outras espécies.

• O Desafio: Espécies comuns tendem a co-ocorrer com mais espécies simplesmente porque estão presentes em mais locais, enquanto espécies raras co-ocorrem com menos. Isso cria um viés onde a "força de associação" é confundida com a "frequência de ocorrência".
• A Lacuna: Não existe uma métrica padronizada que permita comparar a propensão de espécies com ocupações muito diferentes a se associarem, nem uma linha de base clara (nula) para distinguir se as associações observadas são devidas a processos estocásticos (aleatórios) ou a interações biológicas/filtros ambientais.

2. Metodologia

Os autores desenvolveram uma abordagem "bottom-up" baseada em dados de presença/ausência em uma rede de sítios.

• Definição da Curva M (Empírica):

  • Definem a Curva de Co-ocorrência-Ocupação (ou Curva M).
  • Eixo X: Ocupação global da espécie ($f_i = N_i / N$), onde $N_i$ é o número de sítios onde a espécie $i$ está presente e $N$ é o número total de sítios.
  • Eixo Y: Força de associação, definida como o número de espécies distintas com as quais a espécie focal co-ocorre em pelo menos um sítio.
  • A métrica é padronizada para a "força de associação relativa" ($a_i$), dividindo o número de co-ocorrências pelo número máximo potencial de associações ($S-1$).

• Modelo Nulo (Hipótese de Base):

  • Assumem independência entre espécies e equivalência de sítios (distribuição aleatória).
  • Derivam analiticamente a distribuição esperada do número de co-ocorrências ($A_i$) para uma espécie dada sua ocupação ($N_i$) e a ocupação das outras $S-1$ espécies.
  • Utilizam a probabilidade de co-ocorrência baseada no modelo de Veech (2013) para calcular a probabilidade de duas espécies co-ocorrerem em pelo menos um sítio.

• Índice de Associação de Espécies (SAI - Species Association Index):

  • Para corrigir o viés da ocupação, os autores propõem o SAI, um escore-z padronizado:
    $$s_i = \frac{A_i - \langle A_i \rangle}{\sqrt{Var(A_i)}}$$
  • Onde $A_i$ é o número observado de co-ocorrências, $\langle A_i \rangle$ é o valor esperado sob o modelo nulo e $Var(A_i)$ é a variância da distribuição.
  • Um SAI positivo indica co-ocorrência mais frequente que o esperado (associação positiva); um SAI negativo indica co-ocorrência menos frequente (associação negativa ou segregação).

• Generalização Teórica:

  • Estenderam o modelo para considerar dinâmicas de colonização-extinção e distribuições de ocupação genéricas (ex: Distribuição Beta), permitindo prever a curva teórica sem fixar a ocupação de cada espécie, mas sim a distribuição de probabilidade de ocupação.

3. Contribuições Principais

1. Definição da Curva M: Formalização de um padrão de nível de comunidade que relaciona ocupação e co-ocorrência, anteriormente não explorado sistematicamente.
2. O Índice SAI: Criação de uma métrica robusta que desacopla a frequência de ocorrência da tendência de associação, permitindo comparações justas entre espécies raras e comuns.
3. Linha de Base Nula Analítica: Derivação matemática da expectativa de co-ocorrência sob neutralidade, fornecendo um benchmark testável para detectar desvios causados por filtros ambientais ou interações bióticas.
4. Framework Unificado: Integração de modelos de ocupação estocástica (colonização-extinção) com a análise de co-ocorrência.

4. Resultados

Os autores aplicaram o método em dois sistemas contrastantes:

• Comunidade de Costas Rochosas do Mediterrâneo (MMH):

  • A maioria das espécies seguiu o modelo nulo.
  • Desvios: Espécies de habitats simplificados (ex: perto de areia ou formando crostas não colonizáveis) apresentaram SAI baixo (co-ocorreram menos que o esperado). Espécies oportunistas, epibiontes ou com mobilidade relativa apresentaram SAI alto.
  • Espécies características de outros níveis da zona litorânea (fora do habitat mediolitoral definido) mostraram os maiores desvios, ajudando a delimitar os limites da comunidade.

• Floresta Tropical de Barro Colorado Island (BCI):

  • O padrão geral seguiu o modelo nulo, consistente com a teoria neutra que inspira este sistema.
  • Desvios: O índice de associação mostrou variabilidade explicada por trade-offs demográficos. A associação dependia de dois eixos: sobrevivência-crescimento e estatura-recrutamento (modulado pela densidade da madeira).
  • Espécies com alta densidade de madeira e estratégias de recrutamento específicas mostraram padrões de associação distintos.

• Validação Teórica: As curvas empíricas (Curva M) alinharam-se bem com as curvas esperadas derivadas analiticamente (Equações 14 e 15), validando a abordagem de usar distribuições de ocupação (como a Beta) para prever a relação co-ocorrência-ocupação.

5. Significância e Implicações

• Novo Paradigma Analítico: O trabalho transforma a análise de co-ocorrência de uma simples busca por interações diretas para um framework estatístico robusto que separa efeitos de frequência (ocupação) de efeitos de associação real.
• Diagnóstico de Mecanismos: O SAI permite identificar quais espécies são "sociais" (engenharias de ecossistema, epibiontes, oportunistas) e quais são "solitárias" (especialistas em habitats simplificados), independentemente de quão comuns ou raras sejam.
• Teste de Neutralidade: Oferece um benchmark quantitativo transparente para testar desvios da neutralidade. Se uma espécie se desvia significativamente da Curva M esperada, isso sugere a atuação de filtros ambientais fortes ou interações bióticas específicas.
• Aplicabilidade: A metodologia é aplicável a qualquer sistema com dados de presença/ausência em múltiplos sítios, desde comunidades microbianas até florestas tropicais, desde que os sítios compartilhem condições abióticas e estrutura trófica semelhantes (metacomunidade horizontal).

Em resumo, o artigo fornece uma ferramenta matemática e conceitual essencial para "limpar" o ruído da frequência de ocorrência nos dados de co-ocorrência, revelando padrões estruturais subjacentes na montagem de comunidades ecológicas.