Para que um táxon seja incluído em qualquer uma das categorias de ameaça, basta que atenda a um dos critérios. No entanto, ele deve ser avaliado em relação a todos os critérios possíveis, de acordo com a disponibilidade de dados, e a listagem deve indicar todos os critérios aplicáveis à categoria de ameaça mais elevada.
Apenas os critérios relativos à categoria mais alta de ameaça para a qual o táxon se qualifica devem ser listados.
Por exemplo, se um táxon atende aos critérios \(A\), \(C\) e \(D\) nas categorias VU e EN, e apenas ao critério \(A\) na categoria CR, então somente o critério \(A\), atendido na categoria CR, deve ser listado, por se tratar da categoria mais elevada de ameaça.
Ainda assim, recomenda-se que os avaliadores documentem também os critérios sob os quais o táxon se enquadra em categorias de menor ameaça, pois essas informações são fundamentais para o planejamento de ações de conservação e recuperação da espécie.
Diretrizes para Documentação de Ameaça
Os critérios têm como objetivo detectar sintomas de risco, e não suas causas (Mace et al. 2008). Em outras palavras, buscam identificar os padrões das ameaças, independentemente dos processos que deram origem a esses padrões objetivos.
Os critérios são aplicáveis a qualquer processo de ameaça que resulte em sintomas como declínio populacional, tamanhos populacionais pequenos e pequenas distribuições geográficas.
Vide abaixo o esquema de classificação das ameaças da IUCN:
Threats Classification Scheme
1 Residential & commercial development
1.1 Housing & urban areas
1.2 Commercial & industrial areas
1.3 Tourism & recreation areas
2 Agriculture & aquaculture
2.1 Annual & perennial non-timber crops
2.1.1 Shifting agriculture
2.1.2 Small-holder farming
2.1.3 Agro-industry farming
2.1.4 Scale Unknown/Unrecorded
2.2 Wood & pulp plantations
2.2.1 Small-holder plantations
2.2.2 Agro-industry plantations
2.2.3 Scale Unknown/Unrecorded
2.3 Livestock farming & ranching
2.3.1 Nomadic grazing
2.3.2 Small-holder grazing, ranching or farming
2.3.3 Agro-industry grazing, ranching or farming
2.3.4 Scale Unknown/Unrecorded
2.4 Marine & freshwater aquaculture
2.4.1 Subsistence/artisanal aquaculture
2.4.2 Industrial aquaculture
2.4.3 Scale Unknown/Unrecorded
3 Energy production & mining
3.1 Oil & gas drilling
3.2 Mining & quarrying
3.3 Renewable energy
4 Transportation & service corridors
4.1 Roads & railroads
4.2 Utility & service lines
4.3 Shipping lanes
4.4 Flight paths
5 Biological resource use
5.1 Hunting & collecting terrestrial animals
5.1.1 Intentional use (species being assessed is the target)
5.1.2 Unintentional effects (species being assessed is not the target)
5.1.3 Persecution/control
5.1.4 Motivation Unknown/Unrecorded
5.2 Gathering terrestrial plants
5.2.1 Intentional use (species being assessed is the target)
5.2.2 Unintentional effects (species being assessed is not the target)
5.2.3 Persecution/control
5.2.4 Motivation Unknown/Unrecorded
5.3 Logging & wood harvesting
5.3.1 Intentional use: subsistence/small scale (species being assessed is the target [harvest]
5.3.2 Intentional use: large scale (species being assessed is the target)[harvest]
5.3.3 Unintentional effects: subsistence/small scale (species being assessed is not the target)[harvest]
5.3.4 Unintentional effects: large scale (species being assessed is not the target)[harvest]
5.3.5 Motivation Unknown/Unrecorded
5.4 Fishing & harvesting aquatic resources
5.4.1 Intentional use: subsistence/small scale (species being assessed is the target)[harvest]
5.4.2 Intentional use: large scale (species being assessed is the target)[harvest]
5.4.3 Unintentional effects: subsistence/small scale (species being assessed is not the target)[harvest]
5.4.4 Unintentional effects: large scale (species being assessed is not the target)[harvest]
5.4.5 Persecution/control
5.4.6 Motivation Unknown/Unrecorded
6 Human intrusions & disturbance
6.1 Recreational activities
6.2 War, civil unrest & military exercises
6.3 Work & other activities
7 Natural system modifications
7.1 Fire & fire suppression
7.1.1 Increase in fire frequency/intensity
7.1.2 Suppression in fire frequency/intensity
7.1.3 Trend Unknown/Unrecorded
7.2 Dams & water management/use
7.2.1 Abstraction of surface water (domestic use)
7.2.2 Abstraction of surface water (commercial use)
7.2.3 Abstraction of surface water (agricultural use)
7.2.4 Abstraction of surface water (unknown use)
7.2.5 Abstraction of ground water (domestic use)
7.2.6 Abstraction of ground water (commercial use)
7.2.7 Abstraction of ground water (agricultural use)
7.2.8 Abstraction of ground water (unknown use)
7.2.9 Small dams
7.2.10 Large dams
7.2.11 Dams (size unknown)
7.3 Other ecosystem modifications
8 Invasive & other problematic species, genes & diseases
8.1 Invasive non-native/alien species/diseases
8.1.1 Unspecified species
8.1.2 Named species
8.2 Problematic native species/diseases
8.2.1 Unspecified species
8.2.2 Named species
8.3 Introduced genetic material
8.4 Problematic species/diseases of unknown origin
8.4.1 Unspecified species
8.4.2 Named species
8.5 Viral/prion-induced diseases
8.5.1 Unspecified “species” (disease)
8.5.2 Named “species” (disease)
8.6 Diseases of unknown cause
9 Pollution
9.1 Domestic & urban waste water
9.1.1 Sewage
9.1.2 Run-off
9.1.3 Type Unknown/Unrecorded
9.2 Industrial & military effluents
9.2.1 Oil spills
9.2.2 Seepage from mining
9.2.3 Type Unknown/Unrecorded
9.3 Agricultural & forestry effluents
9.3.1 Nutrient loads
9.3.2 Soil erosion, sedimentation
9.3.3 Herbicides & pesticides
9.3.4 Type Unknown/Unrecorded
9.4 Garbage & solid waste
9.5 Air-borne pollutants
9.5.1 Acid rain
9.5.2 Smog
9.5.3 Ozone
9.5.4 Type Unknown/Unrecorded
9.6 Excess energy
9.6.1 Light pollution
9.6.2 Thermal pollution
9.6.3 Noise pollution
9.6.4 Type Unknown/Unrecorded
10 Geological events
10.1 Volcanoes
10.2 Earthquakes/tsunamis
10.3 Avalanches/landslides
11 Climate change & severe weather
11.1 Habitat shifting & alteration
11.2 Droughts
11.3 Temperature extremes
11.4 Storms & flooding
11.5 Other impacts
12 Other options
12.1 Other threat
Esquema de Classificação de Ameaças (tradução do inglês)
1. Desenvolvimento residencial e comercial
1.1 Habitação e áreas urbanas
1.2 Áreas comerciais e industriais
1.3 Áreas de turismo e recreação
2. Agricultura e aquicultura
2.1 Culturas anuais e perenes não madeireiras
2.1.1 Agricultura itinerante
2.1.2 Agricultura de pequenos produtores
2.1.3 Agricultura agroindustrial
2.1.4 Escala desconhecida/não registrada
2.2 Plantações de madeira e celulose
2.2.1 Plantações de pequenos produtores
2.2.2 Plantações agroindustriais
2.2.3 Escala desconhecida/não registrada
2.3 Pecuária e criação de animais
2.3.1 Pastoreio nômade
2.3.2 Pastoreio, criação ou agricultura de pequenos produtores
2.3.3 Pastoreio, criação ou agricultura agroindustrial
2.3.4 Escala desconhecida/não registrada
2.4 Aquicultura marinha e de água doce
2.4.1 Aquicultura de subsistência/artesanal
2.4.2 Aquicultura industrial
2.4.3 Escala desconhecida/não registrada
3. Produção de energia e mineração
3.1 Perfuração de petróleo e gás
3.2 Mineração e extração de pedras
3.3 Energia renovável
4. Corredores de transporte e serviços
4.1 Estradas e ferrovias
4.2 Linhas de utilidades e serviços
4.3 Rotas de navegação
4.4 Rotas aéreas
5. Uso de recursos biológicos
5.1 Caça e coleta de animais terrestres
5.1.1 Uso intencional (espécie avaliada é o alvo)
5.1.2 Efeitos não intencionais (espécie avaliada não é o alvo)
5.1.3 Perseguição/controle
5.1.4 Motivação desconhecida/não registrada
5.2 Coleta de plantas terrestres
5.2.1 Uso intencional (espécie avaliada é o alvo)
5.2.2 Efeitos não intencionais (espécie avaliada não é o alvo)
5.2.3 Perseguição/controle
5.2.4 Motivação desconhecida/não registrada
5.3 Extração de madeira e produtos florestais
5.3.1 Uso intencional: subsistência/pequena escala (espécie avaliada é o alvo)
5.3.2 Uso intencional: grande escala (espécie avaliada é o alvo)
5.3.3 Efeitos não intencionais: subsistência/pequena escala (espécie avaliada não é o alvo)
5.3.4 Efeitos não intencionais: grande escala (espécie avaliada não é o alvo)
5.3.5 Motivação desconhecida/não registrada
5.4 Pesca e extração de recursos aquáticos
5.4.1 Uso intencional: subsistência/pequena escala (espécie avaliada é o alvo)
5.4.2 Uso intencional: grande escala (espécie avaliada é o alvo)
5.4.3 Efeitos não intencionais: subsistência/pequena escala (espécie avaliada não é o alvo)
5.4.4 Efeitos não intencionais: grande escala (espécie avaliada não é o alvo)
5.4.5 Perseguição/controle
5.4.6 Motivação desconhecida/não registrada
6. Intrusões humanas e perturbações
6.1 Atividades recreativas
6.2 Guerra, distúrbios civis e exercícios militares
6.3 Trabalho e outras atividades
7. Modificações nos sistemas naturais
7.1 Fogo e supressão de fogo
7.1.1 Aumento na frequência/intensidade do fogo
7.1.2 Redução na frequência/intensidade do fogo
7.1.3 Tendência desconhecida/não registrada
7.2 Barragens e gestão/uso da água
7.2.1 Captação de água superficial (uso doméstico)
7.2.2 Captação de água superficial (uso comercial)
7.2.3 Captação de água superficial (uso agrícola)
7.2.4 Captação de água superficial (uso desconhecido)
7.2.5 Captação de água subterrânea (uso doméstico)
7.2.6 Captação de água subterrânea (uso comercial)
7.2.7 Captação de água subterrânea (uso agrícola)
7.2.8 Captação de água subterrânea (uso desconhecido)
7.2.9 Pequenas barragens
7.2.10 Grandes barragens
7.2.11 Barragens (tamanho desconhecido)
7.3 Outras modificações dos ecossistemas
8. Espécies invasoras e outros organismos problemáticos, genes e doenças
8.1 Espécies/doenças invasoras exóticas/alóctones
8.1.1 Espécies não especificadas
8.1.2 Espécies nomeadas
8.2 Espécies/doenças nativas problemáticas
8.2.1 Espécies não especificadas
8.2.2 Espécies nomeadas
8.3 Material genético introduzido
8.4 Espécies/doenças problemáticas de origem desconhecida
8.4.1 Espécies não especificadas
8.4.2 Espécies nomeadas
8.5 Doenças virais/priónicas
8.5.1 “Espécies” (doenças) não especificadas
8.5.2 “Espécies” (doenças) nomeadas
8.6 Doenças de causa desconhecida
9. Poluição
9.1 Efluentes domésticos e urbanos
9.1.1 Esgoto
9.1.2 Escoamento superficial
9.1.3 Tipo desconhecido/não registrado
9.2 Efluentes industriais e militares
9.2.1 Vazamentos de óleo
9.2.2 Vazamentos de mineração
9.2.3 Tipo desconhecido/não registrado
9.3 Efluentes da agricultura e silvicultura
9.3.1 Carga de nutrientes
9.3.2 Erosão do solo, sedimentação
9.3.3 Herbicidas e pesticidas
9.3.4 Tipo desconhecido/não registrado
9.4 Lixo e resíduos sólidos
9.5 Poluentes atmosféricos
9.5.1 Chuva ácida
9.5.2 Névoa fotoquímica (smog)
9.5.3 Ozônio
9.5.4 Tipo desconhecido/não registrado
9.6 Excesso de energia
9.6.1 Poluição luminosa
9.6.2 Poluição térmica
9.6.3 Poluição sonora
9.6.4 Tipo desconhecido/não registrado
10. Eventos geológicos
10.1 Vulcões
10.2 Terremotos/tsunamis
10.3 Avalanches/deslizamentos
11. Mudanças climáticas e eventos climáticos severos
11.1 Mudança e alteração de habitat
11.2 Secas
11.3 Extremos de temperatura
11.4 Tempestades e inundações
11.5 Outros impactos
12. Outras opções
12.1 Outras ameaças
Aplicação dos Critérios
O pacote ConRDalby & Lima, 2023 para é uma ferramenta desenvolvida para auxiliar na avaliação preliminar do status de conservação de espécies, seguindo os critérios da Lista Vermelha da IUCN.
Criado por Gilles Dauby e Renato A. F. de Lima, o ConR permite análises em larga escala, facilitando o processamento de dados de múltiplas espécies simultaneamente.
Executar os exemplos trazidos pelo ConR é uma ótima maneira de simular a aplicação dos critérios.
Critério A
O critério A foi estabelecido para investigar o risco de extinção associado à táxons que sofreram redução populacional significativa no passado próximo, ou que sofrerão redução populacional projetada no futuro próximo.
Objetivamente, o critério A baseia-se exclusivamente em parâmetros relacionados à redução do tamanho populacional verificada ao longo de uma determinada escala temporal.
A lógica subjacente ao critério A é que todas as espécies têm igualmente maior probabilidade de extinção quando a taxa de declínio populacional é alta.
Se a causa do declínio não é interrompida, a população será extinta, independentemente do tamanho populacional. Mesmo que uma população não esteja atualmente em declínio, a mesma ameaça pode voltar a afetá-la no futuro. Se um certa ameaça é capaz de causar um declínio acentuado, o mesmo declínio pode ocorrer como resposta a essa ameaça.
O critério A considera apenas a redução, pois quando uma população está diminuindo a uma taxa substancial, o risco de extinção é mais sensível à taxa de declínio do que ao tamanho da população.
Existem muitos exemplos de espécies abundantes que se tornaram extintas ou quase extintas. Essas espécies poderiam ter sido identificadas como ameaçadas apenas por um critério baseado apenas em declínios
Assim, tanto do ponto de vista prático quanto teórico, é necessário ter um critério baseado apenas na taxa de declínio, além de um que se baseie tanto no tamanho da população quanto na taxa de declínio (critério C).
Exercício de simulação
# Instala o ConR se não tiver instaladoif (!requireNamespace("ConR", quietly =TRUE)) {install.packages("ConR")}# Carrega o pacote ConRlibrary(ConR)data(example_criterionA)criterion_A(example_criterionA,years =seq(1970, 2000, by =2),assess.year =2000,project.years =seq(2002, 2030, by =2),subcriteria =c("A1", "A2", "A3", "A4"),generation.time =10)
tax assessment.year assessment.period assessment.pop.sizes
1 species 1 2000 1970-2000-2030 10000-6700-4000
2 species 2 2000 1970-2000-2030 10000-6955-3475
3 species 3 2000 1970-2000-2030 10021-7053-3958
4 species 4 2000 1970-2000-2030 9910-6539-4312
5 species 5 2000 1970-2000-2030 9959-7384-3166
6 species 6 2000 1970-2000-2030 9991-7070-6375
reduction_A12 reduction_A3 reduction_A4 category_A category_A_code A1
1 33.00000 40.298507 57.88382 EN A4 LC or NT
2 30.45000 50.035945 43.78145 EN A3 LC or NT
3 29.61780 43.882036 41.67952 VU A3+A4 LC or NT
4 34.01615 34.057195 33.44988 VU A2+A3+A4 LC or NT
5 25.85601 57.123510 53.17919 EN A3+A4 LC or NT
6 29.23631 9.830269 31.31467 VU A4 LC or NT
A2 A3 A4
1 VU VU EN
2 VU EN VU
3 LC or NT VU VU
4 VU VU VU
5 LC or NT EN EN
6 LC or NT LC or NT VU
Mesmos dados e opções, mas assumindo comprimentos de geração diferentes para cada táxon:
# Instala o ConR se não tiver instaladoif (!requireNamespace("ConR", quietly =TRUE)) {install.packages("ConR")}# Carrega o pacote ConRlibrary(ConR)data(example_criterionA)criterion_A(example_criterionA,years =seq(1970, 2000, by =2),assess.year =2000,project.years =seq(2002, 2030, by =2),subcriteria =c("A1", "A2", "A3", "A4"),generation.time =c(2, 5, 10, 15, 30, 50) # comprimentos de geração diferentes)
Computing the predictions based on population trends...
|
| | 0%
|
|============ | 17%
|
|======================= | 33%
|
|=================================== | 50%
|
|=============================================== | 67%
|
|========================================================== | 83%
|
|======================================================================| 100%
tax assessment.year assessment.period assessment.pop.sizes
1 species 1 2000 1990-2000-2010 9100-6700-4600
2 species 2 2000 1985-2000-2015 7661.9-6955-7879.4
3 species 3 2000 1970-2000-2030 10021-7053-3958
4 species 4 2000 1955-2000-2045 11959.1-6539-3564.8
5 species 5 2000 1910-2000-2090 10028-7384-6644.1
6 species 6 2000 1850-2000-2100 9991-7070-7004.5
predictive.model reduction_A12 reduction_A3 reduction_A4 category_A
1 <NA> 26.373626 31.3432836 32.908163 VU
2 quadratic 9.226171 -13.2911574 8.051296 LC or NT
3 <NA> 29.617803 43.8820360 41.679518 VU
4 exponential 45.321972 45.4840190 45.926573 VU
5 general_logistic 26.366175 10.0203142 33.744515 VU
6 general_logistic 29.236313 0.9264498 29.891903 LC or NT
category_A_code A1 A2 A3 A4
1 A3+A4 LC or NT LC or NT VU VU
2 A1+A2+A3+A4 LC or NT LC or NT LC or NT LC or NT
3 A3+A4 LC or NT LC or NT VU VU
4 A2+A3+A4 LC or NT VU VU VU
5 A4 LC or NT LC or NT LC or NT VU
6 A1+A2+A3+A4 LC or NT LC or NT LC or NT LC or NT
Avaliando se três espécies brasileiras de plantas (Araucaria angustifolia, Euterpe edulis e Paubrasilia echinata) sofreram redução populacional nas últimas 3 gerações (Subcritério A2), e em que grau, com base em estimativas de tamanho populacional ao longo do tempo.
# Instala o ConR se não tiver instaladoif (!requireNamespace("ConR", quietly =TRUE)) {install.packages("ConR")}# Carrega o pacote ConRlibrary(ConR)# Vetor com os nomes das espécies a serem avaliadasspp <-c("Araucaria angustifolia", "Euterpe edulis", "Paubrasilia echinata")# Define o número de espécies (número de linhas na matriz futura)nrows <-length(spp)# Carrega dados de exemplo do pacote ConRdata(example_tutorial)# Extrai a tabela de tamanhos populacionais do conjunto de dadospop.sizes <- example_tutorial$population.sizes# Visualiza as primeiras linhas dos dados de tamanho populacionalhead(pop.sizes)
# Estima os tamanhos populacionais para os anos ausentes, com base nas tendênciasest.pop.sizes <-pop.decline(pop.sizes[, -1], # Remove a primeira coluna (nomes dos táxons)taxa = spp, # Vetor de nomes das espéciesoutput ="predictions", # Solicita as previsões de tamanhoshow_progress =FALSE) # Não exibe a barra de progresso# Extrai os anos dos dados previstos (serão usados como nomes das colunas)new.years <- est.pop.sizes[[1]][[1]]$years# Define o número de colunas da matriz (um para cada ano previsto)ncols <-length(new.years)# Cria uma matriz vazia com os nomes das espécies nas linhas e anos nas colunasmean.pop <-matrix(NA, ncol = ncols, nrow = nrows, dimnames =list(spp, new.years))# Preenche a matriz com os tamanhos populacionais previstos para cada espéciefor (i inseq_along(spp)) { mean.pop[i, ] <- est.pop.sizes[[1]][[i]]$predicted}# Converte a matriz em data frame e adiciona uma coluna com os nomes das espéciesmean.pop <-cbind.data.frame(tax = spp, mean.pop, row.names =NULL)# Define o ano da avaliação (ano de referência para projeções e status)assess.year <-2018# Define os comprimentos de geração (em anos) para cada espéciegen.length <-c(40, 65, 50)# Define os níveis de exploração (percentual de redução populacional por extração/uso)harvest <-c(10, 10, 10)# Executa a avaliação do Critério A da IUCN (subcritério A2)critA <-criterion_A(x = mean.pop, # Dados de população ao longo do tempoassess.year = assess.year, # Ano de avaliaçãoproject.years =NULL, # Sem projeções adicionais para o futurosubcriteria =c("A2"), # Subcritério A2: redução passadageneration.time = gen.length, # Comprimento de geração para cada espécieexploitation = harvest, # Pressão de exploração estimadashow_progress =FALSE# Não exibe barra de progresso)
Computing the predictions based on population trends...
critA
tax assessment.year assessment.period
1 Araucaria angustifolia 2018 1898-2018
2 Euterpe edulis 2018 1823-2018
3 Paubrasilia echinata 2018 1868-2018
assessment.pop.sizes predictive.model reduction_A12 A2 category_A_code
1 2120650998.8-1099358943.6 general_logistic 58.15937 EN A2
2 4126234833.8-1583280432.9 general_logistic 71.62893 EN A2
3 24738456.3-5273099.4 general_logistic 88.68461 CR A2
basis_d
1 Extra reduction: 10%; different ranking
2 Extra reduction: 10%; no change in ranking
3 Extra reduction: 10%; different ranking
Critério B
O critério B foi estabelecido para investigar o risco de extinção associado à táxons que apresentam distribuição restrita e/ou especificidade de habitat expressos através de seus valores de EOO e AOO. E que além disso, também apresentam pelo menos duas das três condições ((a), (b) e (c)). Se apenas uma condição é atendida, não é possível categorizar o táxon sob o criterio B. Essas condições referem-se a fragmentação severa ou número de situações de ameaças, declínio contínuo observado, estimado ou projetado em EOO, AOO, área, extensão e/ou qualidade do habitat, no número de situações de ameaça ou e no número de indivíduos maduros.
A condição (a) requer fragmentação severa e/ou número limitado de situações de ameaças. A IUCN recomenda que os avaliadores especifique explicitamente em sua documentação:
Se o táxon está gravemente fragmentado; e
O número de localizações condicionadas à ameaça.
A condição (c) requer que a flutuação seja extrema em qualquer dos parâmetros (subcondições):
(i) EOO;
(ii) AOO;
(iii) número de situações de ameaças ou subpopulações; e
(iv) número de indivíduos maduros.
# Instala o ConR se não tiver instaladoif (!requireNamespace("ConR", quietly =TRUE)) {install.packages("ConR")}# Carrega o pacote ConRlibrary(ConR)data(example_tutorial)occs <- example_tutorial$occurrenceshead(occs, 2)
tax EOO AOO locations nbe_unique_occs category_B
1 Araucaria angustifolia 2346359 1484 323 415 LC or NT
2 Euterpe edulis 2943122 1856 372 510 LC or NT
3 Paubrasilia echinata 2685739 372 79 108 EN
category_B_code subpop severe_frag issue_aoo issue_eoo issue_locations
1 <NA> 6 FALSE NA NA NA
2 <NA> 3 FALSE NA NA NA
3 B2ab 2 TRUE NA NA NA
main_threat
1 <NA>
2 <NA>
3 <NA>
Critério C
O critério C foi estabelecido para investigar o risco de extinção associado a táxons que apresentam população global pequena e em declínio. Assim, o número de indivíduos maduros da população global é uma informação fundamental para acessar esse critério, que também demanda dados sobre declínio contínuo no número de indivíduos maduros em um dado tempo ou número de geração na qual o declínio de indivíduos maduros foi verificado.
Além disso, o número de indivíduos maduros em cada subpopulação (valor absoluto N), a proporção (%) de indivíduos maduros situadas em uma dada subpopulação conhecida de um táxon específico e flutuações extremas no número de indivíduos maduros completam o conjunto de subcritérios que caracterizam o critério C.
# Instala o ConR se não tiver instaladoif (!requireNamespace("ConR", quietly =TRUE)) {install.packages("ConR")}# Carrega o pacote ConRlibrary(ConR)# Vetor com os nomes das espécies a serem avaliadasspp <-c("Araucaria angustifolia", "Euterpe edulis", "Paubrasilia echinata")# Define o número de espécies (número de linhas na matriz futura)nrows <-length(spp)# Carrega dados de exemplo do pacote ConRdata(example_tutorial)occs <- example_tutorial$occurrences # Dados de ocorrência geográfica das espécies# Extrai a tabela de tamanhos populacionais do conjunto de dadospop.sizes <- example_tutorial$population.sizes# Visualiza as primeiras linhas dos dados de tamanho populacionalhead(pop.sizes)
# Estima os tamanhos populacionais para os anos ausentes, com base nas tendências observadasest.pop.sizes <-pop.decline(pop.sizes[, -1], # Remove a primeira coluna (nomes das espécies)taxa = spp, # Vetor de nomes das espéciesoutput ="predictions", # Solicita previsões de tamanho populacionalshow_progress =FALSE) # Não exibe barra de progresso# Extrai os anos dos dados previstos (esses serão os nomes das colunas da matriz)new.years <- est.pop.sizes[[1]][[1]]$years# Define o número de colunas da matriz (um para cada ano previsto)ncols <-length(new.years)# Cria uma matriz vazia com as espécies como linhas e os anos como colunasmean.pop <-matrix(NA, ncol = ncols, nrow = nrows, dimnames =list(spp, new.years))# Preenche a matriz com os valores de tamanho populacional previstos para cada espéciefor (i inseq_along(spp)) { mean.pop[i, ] <- est.pop.sizes[[1]][[i]]$predicted}# Converte a matriz em um data frame e adiciona uma coluna com os nomes das espéciesmean.pop <-cbind.data.frame(tax = spp, mean.pop, row.names =NULL)# --------------------------# CÁLCULO DE SUBPOPULAÇÕES# --------------------------# Calcula o raio médio de dispersão das ocorrências para estimar a separação entre subpopulaçõesradius <-subpop.radius(XY = occs[, c(1:3)], # Dados espaciais: táxon, longitude, latitudequant.max =0.9) # Usa o percentil 90 para definir o raio# Usa os raios calculados para estimar o número de subpopulações por espéciesub <-subpop.comp(XY = occs[, c(1:3)],resol_sub_pop = radius[, c("tax", "radius")],show_progress =FALSE)# --------------------------# PARÂMETROS PARA O CRITÉRIO C# --------------------------# Define o ano da avaliaçãoassess.year <-2018# Define o ano mais recente com dados confiáveisrecent.year <-2000# Comprimento da geração (em anos) para cada espéciegen.length <-c(40, 65, 50)# Proporção de indivíduos maduros na população de cada espéciep.mature <-c(0.4485, 0.3028, 0.4143)# Correção aplicada ao declínio populacional para espécies de sucessão precoceearly.sucession <-c(0.9, 1, 1)# --------------------------# CÁLCULO DO TAMANHO DE CADA SUBPOPULAÇÃO# --------------------------# Identifica a coluna referente ao ano da avaliação (2018) no data frameid.assess <-which(names(mean.pop) %in% assess.year)# Junta os tamanhos populacionais do ano da avaliação com o número de subpopulaçõesdf <-merge(data.frame(tax = spp, "2018"= mean.pop[, id.assess]), sub)# Cria uma lista onde cada elemento representa as subpopulações de uma espécie# Cada subpopulação recebe um valor igual (dividindo a população total pelo número de subpopulações)subpop.sizes <-vector("list", dim(sub)[1])names(subpop.sizes) <- sub$taxfor (i inseq_along(subpop.sizes)) { subpop.sizes[[i]] <-rep(df$X2018[i] / df$subpop[i], df$subpop[i])}# --------------------------# APLICA O CRITÉRIO C DA IUCN# --------------------------# Executa a avaliação de risco com base no Critério C (população pequena e em declínio)critC <-criterion_C(x = mean.pop, # Tamanhos populacionais ao longo dos anosassess.year = assess.year, # Ano da avaliaçãoproject =FALSE, # Não projeta tendências futurasrecent.year = recent.year, # Ano mais recente considerado confiávelsubcriteria =c("C1", "C2"), # Subcritérios C1 e C2generation.time = gen.length, # Comprimento da geração por espécieprop.mature = p.mature, # Proporção de indivíduos madurossubpop.size = subpop.sizes, # Tamanhos das subpopulaçõescorrection = early.sucession, # Correção aplicada ao declínioshow_progress =FALSE)
Computing the estimated continuing decline (subcriteria C1)...
critC
tax assessment.year assessment.period assessment.pop.sizes
1 Araucaria angustifolia 2018 1898-2018 951111973-493062486
2 Euterpe edulis 2018 1823-2018 1249423908-479417315
3 Paubrasilia echinata 2018 1868-2018 10249142-2184645
predictive.model assess.pop.size any.decline cont.decline reduction_3gen
1 general_logistic 493062486 Decreasing Decreasing 43.34343
2 general_logistic 479417315 Decreasing Decreasing 61.62893
3 general_logistic 2184645 Decreasing Decreasing 78.68461
reduction_2gen reduction_1gen reduction_obs max.subpop.size
1 36.55305 19.58270 Correction of 0.9 183226491
2 61.31051 50.64303 No correction applied 527760144
3 78.00002 62.27580 No correction applied 2636550
prop.subpop.size mean.fluctuation alternance C1 C2 category_C
1 16.66667 0.04 52.94 LC or NT LC or NT LC or NT
2 33.33333 0.06 52.94 LC or NT LC or NT LC or NT
3 50.00000 0.10 52.94 LC or NT LC or NT LC or NT
category_C_code
1
2
3
Critério D
O critério D se destina a avaliar táxons que possuam populações muito pequenas ou restritas. Para acessar esse critério, são necessários dados referentes ao número de indivíduos maduros (D ou D1) ou então, a espécie precisa apresentar AOO restrita (AOO < 20 km²) ou pequeno número de situções de ameaça (menor ou igual a 5), além de incidência de ameaça plausível que irá levá-la a uma categoria de ameaça mais restritiva (CR ou EX) no futuro próximo (VU D2).
# Instala o ConR se não tiver instaladoif (!requireNamespace("ConR", quietly =TRUE)) {install.packages("ConR")}# Carrega o pacote ConRlibrary(ConR)# Proporção de indivíduos maduros na população para cada espéciep.mature <-c(0.4485, 0.3028, 0.4143)# Vetor com os nomes das espécies a serem avaliadasspp <-c("Araucaria angustifolia", "Euterpe edulis", "Paubrasilia echinata")# Número de espéciesnrows <-length(spp)# Carrega dados de exemplo do pacote ConRdata(example_tutorial)occs <- example_tutorial$occurrences # Dados de ocorrência das espécies# Extrai a tabela de tamanhos populacionais do conjunto de dadospop.sizes <- example_tutorial$population.sizes# Visualiza as primeiras linhas dos dados de tamanho populacionalhead(pop.sizes)
# Estima os tamanhos populacionais ao longo dos anos, com base em tendências temporaisest.pop.sizes <-pop.decline(pop.sizes[, -1], # Remove a primeira coluna (nomes dos táxons)taxa = spp, # Vetor com nomes das espéciesoutput ="predictions", # Solicita apenas as previsões de tamanhoshow_progress =FALSE) # Desativa exibição de progresso# Extrai os anos incluídos nas previsões (serão usados como nomes das colunas)new.years <- est.pop.sizes[[1]][[1]]$years# Número de colunas da matriz final (corresponde ao número de anos previstos)ncols <-length(new.years)# Cria uma matriz para armazenar os tamanhos populacionais médios para cada espécie e anomean.pop <-matrix(NA, ncol = ncols, nrow = nrows, dimnames =list(spp, new.years))# Preenche a matriz com os valores previstosfor (i inseq_along(spp)) { mean.pop[i, ] <- est.pop.sizes[[1]][[i]]$predicted}# Converte a matriz em data frame e adiciona a coluna com os nomes das espéciesmean.pop <-cbind.data.frame(tax = spp, mean.pop, row.names =NULL)# Seleciona os tamanhos populacionais para o ano da avaliação (coluna 18 corresponde ao ano de 2018)pop.sizes.assess <- mean.pop[[18]]# Calcula a Área de Ocorrência (AOO) usando uma malha de 2 km x 2 km e 30 repetiçõesAOO <-AOO.computing(occs[, c(1:3)],cell_size_AOO =2,nbe.rep.rast.AOO =30,show_progress =FALSE)# Calcula o número de localidades (locations), baseado em critérios espaciais definidos pela IUCNlocs <-locations.comp(occs[, c(1:3)],nbe_rep =30,cell_size_locations =10,rel_cell_size =0.05,id_shape ="NAME",method_polygons ="no_more_than_one",show_progress =TRUE)
# Avalia o Critério D da IUCN, considerando população, AOO e número de localidadescritD <-criterion_D(pop.size = pop.sizes.assess, # Tamanho da população no ano de avaliaçãoname_sp = mean.pop[[1]], # Nomes das espéciesAOO = AOO$aoo, # Área de Ocorrência estimadan.Locs = locs$locations$locations, # Número de localidadesprop.mature = p.mature, # Proporção de indivíduos madurossubcriteria =c("D", "D2"), # Subcritérios a serem avaliadosAOO.threshold =20, # Limite de AOO (em km²) para subcritério D2Loc.threshold =5# Limite de localidades para subcritério D2) critD
tax pop.size AOO Numb.Locations D D2.Loc
1 Araucaria angustifolia 499755414 1496 324 LC or NT LC or NT
2 Euterpe edulis 485891858 1860 370 LC or NT LC or NT
3 Paubrasilia echinata 2237789 376 79 LC or NT LC or NT
D.AOO category_D category_D_code
1 LC or NT LC or NT
2 LC or NT LC or NT
3 LC or NT LC or NT
Mace, Georgina M., Nigel J. Collar, Kevin J. Gaston, Craig Hilton‐Taylor, H. Resit Akçakaya, Nigel Leader‐Williams, E. J. Milner‐Gulland, Simon N. Stuart, e Jonathan E. M. and Baillie. 2008. «Quantification of Extinction Risk: IUCN’s System for Classifying Threatened Species». Conservation Biology 22 (6): 1424–42. https://doi.org/10.1111/j.1523-1739.2008.01044.x.