Modelos de ocorrência e abundância de espécies são importantes ferramentas para a elaboração de estrategias para a conservação da biodiversidade. Nestes artigos aplicamos, pela primeira vez, modelos de distribuição e abundância no entorno de uma Usina Hidroelétrica no Sul do Brasil, com o objetivo de mostrar possíveis aplicações destas técnicas no planejamento de ações de coleta e conservação, in situ e ex situ, destas espécies. Nossos objetivos secundários foram (i) modelar a ocorrência e abundância de plantas em um trecho da bacia do rio Pelotas e (ii) verificar o efeito da detectabilidade em modelos de ocorrência. Para tanto dividimos a tese em dois capítulos e cinco questões. No primeiro capítulo procuramos responder as seguintes questões: (1) existe relação entre a probabilidade de ocorrência e a abundância observada? (2) Modelos baseados na abundância são melhores para predizer a ocorrência de espécies do que modelos baseados apenas na ocorrência das espécies? No segundo capítulo, tentamos responder se (3) amostragens exaustivas, com presenças e ausências bem descritas, produzem modelos de ocorrência mais precisos? (4) Se a relação entre a ocorrência da espécie e as variáveis ambientais que descrevem sua distribuição é alterada de acordo com a detectabilidade? (5) Qual o impacto de falsos zeros na área ocupada estimada para a espécie? O trabalho foi realizado no entorno da UHE Barra Grande, erguida no rio Pelotas, entre os Estados de Santa Catarina e Rio Grande do Sul. Localizada na bacia do rio Pelotas, seu reservatório ocupa uma área de aproximadamente 90 km2 e seu entorno perfaz uma área aproximada de 4.600 km2, onde amostramos 388 parcelas georreferenciadas (10 x 50 m) distribuídas aleatoriamente. Em cada parcela contamos o número de indivíduos de nove espécies arborescente com altura ≥ 1,5 m. No primeiro artigo, modelamos, utilizando modelos lineares generalizados (GLM), a distribuição e abundância das nove espécies estudadas em relação a 15 variáveis ambientais, e demonstramos que modelos de ocorrência são mais precisos do que modelos de abundância. Demonstramos também que a probabilidade de ocorrência é positivamente correlacionada com a abundância observada, o que abre a possibilidade de utilizarmos a probabilidade de ocorrência como um indicador da abundância das espécies. No segundo capítulo, verificamos o impacto de falhas de detecção em modelos de distribuição de espécies, utilizando como espécie modelo A. angustifolia. Simulamos o impacto de falsos zeros na precisão dos modelos, na seleção das variáveis resposta (variáveis ambientais) e nas estimativas de área ocupada pela espécie. A redução da detectabilidade ocasionou alterações tanto na precisão dos modelos quanto na área estimada de ocorrência e nas variáveis ambientais que explicam a ocorrência de A. angustifolia. A área ocupada não apresentou padrão bem definido, porém mostrou tendência de elevação de acordo com a diminuição da detectabilidade, elevando com isso o erro de comissão dos modelos. A precisão dos modelos (AUC e correlação entre probabilidade de ocorrência e abundância observada), apresentou queda em relação ao redução da detectabilidade, enquanto apenas uma variável ambiental foi incluída em todos os modelos (pH do solo). Existe um grande possibilidade de uso destas técnicas como informação básica para planos de conservação, monitoramento e manejo da biodiversidade no entorno de empreendimentos hidroelétricos, porém, para que possamos tirar inferências fortes sobre as espécies e ecossistemas em questão, devemos observar sempre a necessidade de levar em conta os impactos da detecção imperfeita das espécies. / Species occurrence and abundance models are important tools in the development of biodiversity conservation strategies. This study presents, for the first time, the application of distribution and abundance models in the environment surrounding a hydropower dam in southern Brazil. The aim is to demonstrate the possible application of these techniques in planning collection and conservation strategies of the species inhabiting the area, in situ and ex situ. We also aimed at (i) modeling the occurrence and abundance of plants in a section of the Pelotas River basin and (ii) verifying the effect of detectability in occurrence models. This thesis was therefore divided into two chapters and five questions. The first chapter is an attempt to answer the following questions: (1) Is there a relationship between occurrence probability and abundance? (2) Are models based on abundance better to predict the occurrence of species as compared to models that utilize only species occurrence? The second chapter addresses the questions: (3) Do exhaustive sampling procedures, with well-sampled presences and absences, lead to more accurate occurrence models? (4) Does detectability influence the relationship between species occurrence and environmental variables? (5) What is the impact of false zeros in the estimated area occupied by one given species? This study was conducted in the area surrounding the hydropower plant “Barra Grande”, in the Pelotas River, on the border of the Rio Grande do Sul and Santa Catarina states. Located in the Pelotas River basin, the dam occupies an area of approximately 90 km². The surrounding area accounts for 4,600 km², where 388 plots with 10 x 50 m were randomly distributed and georeferenced. In each plot, individuals of nine selected tree species taller than 1.5 m were surveyed. In the first paper, we modeled the distribution and abundance of the species studied using generalized linear models (GLMs), utilizing 15 environmental variables. Occurrence models were proved to be more accurate than abundance models. The positive correlation between occurrence probability and observed abundance was also demonstrated, which opens the possibility to utilize occurrence probability as an indicator of species abundance. The second chapter reports the impact of failures in detection in species distribution models, using A. angustifolia as model species. We simulated the impact of false zeros in model accuracy, in the selection of response variables (environmental variables) and in estimates of the area occupied by A. angustifolia. The decrease in detectability caused changes in both model accuracy and in the environmental variables that explain the occurrence of A. angustifolia. The area occupied did not have a well-defined pattern, though it showed a trend towards elevation, in accordance with the decrease in detectability, thus raising the commission error in the model. The accuracy of models (AUC and correlation between occurrence probability and observed abundance) decreased with the decrease in detectability, while only one environmental variable was included in all models (soil pH). These techniques offer great potential in the collection of essential information in biodiversity conservation, monitoring and managements strategies in hydropower projects. However, robust inferences about species and ecosystems in question can only be drawn considering the need to evaluate the impact caused by defective species detection.

Modelos de ocorrência e abundância de espécies são importantes ferramentas para a elaboração de estrategias para a conservação da biodiversidade. Nestes artigos aplicamos, pela primeira vez, modelos de distribuição e abundância no entorno de uma Usina Hidroelétrica no Sul do Brasil, com o objetivo de mostrar possíveis aplicações destas técnicas no planejamento de ações de coleta e conservação, in situ e ex situ, destas espécies. Nossos objetivos secundários foram (i) modelar a ocorrência e abundância de plantas em um trecho da bacia do rio Pelotas e (ii) verificar o efeito da detectabilidade em modelos de ocorrência. Para tanto dividimos a tese em dois capítulos e cinco questões. No primeiro capítulo procuramos responder as seguintes questões: (1) existe relação entre a probabilidade de ocorrência e a abundância observada? (2) Modelos baseados na abundância são melhores para predizer a ocorrência de espécies do que modelos baseados apenas na ocorrência das espécies? No segundo capítulo, tentamos responder se (3) amostragens exaustivas, com presenças e ausências bem descritas, produzem modelos de ocorrência mais precisos? (4) Se a relação entre a ocorrência da espécie e as variáveis ambientais que descrevem sua distribuição é alterada de acordo com a detectabilidade? (5) Qual o impacto de falsos zeros na área ocupada estimada para a espécie? O trabalho foi realizado no entorno da UHE Barra Grande, erguida no rio Pelotas, entre os Estados de Santa Catarina e Rio Grande do Sul. Localizada na bacia do rio Pelotas, seu reservatório ocupa uma área de aproximadamente 90 km2 e seu entorno perfaz uma área aproximada de 4.600 km2, onde amostramos 388 parcelas georreferenciadas (10 x 50 m) distribuídas aleatoriamente. Em cada parcela contamos o número de indivíduos de nove espécies arborescente com altura ≥ 1,5 m. No primeiro artigo, modelamos, utilizando modelos lineares generalizados (GLM), a distribuição e abundância das nove espécies estudadas em relação a 15 variáveis ambientais, e demonstramos que modelos de ocorrência são mais precisos do que modelos de abundância. Demonstramos também que a probabilidade de ocorrência é positivamente correlacionada com a abundância observada, o que abre a possibilidade de utilizarmos a probabilidade de ocorrência como um indicador da abundância das espécies. No segundo capítulo, verificamos o impacto de falhas de detecção em modelos de distribuição de espécies, utilizando como espécie modelo A. angustifolia. Simulamos o impacto de falsos zeros na precisão dos modelos, na seleção das variáveis resposta (variáveis ambientais) e nas estimativas de área ocupada pela espécie. A redução da detectabilidade ocasionou alterações tanto na precisão dos modelos quanto na área estimada de ocorrência e nas variáveis ambientais que explicam a ocorrência de A. angustifolia. A área ocupada não apresentou padrão bem definido, porém mostrou tendência de elevação de acordo com a diminuição da detectabilidade, elevando com isso o erro de comissão dos modelos. A precisão dos modelos (AUC e correlação entre probabilidade de ocorrência e abundância observada), apresentou queda em relação ao redução da detectabilidade, enquanto apenas uma variável ambiental foi incluída em todos os modelos (pH do solo). Existe um grande possibilidade de uso destas técnicas como informação básica para planos de conservação, monitoramento e manejo da biodiversidade no entorno de empreendimentos hidroelétricos, porém, para que possamos tirar inferências fortes sobre as espécies e ecossistemas em questão, devemos observar sempre a necessidade de levar em conta os impactos da detecção imperfeita das espécies. / Species occurrence and abundance models are important tools in the development of biodiversity conservation strategies. This study presents, for the first time, the application of distribution and abundance models in the environment surrounding a hydropower dam in southern Brazil. The aim is to demonstrate the possible application of these techniques in planning collection and conservation strategies of the species inhabiting the area, in situ and ex situ. We also aimed at (i) modeling the occurrence and abundance of plants in a section of the Pelotas River basin and (ii) verifying the effect of detectability in occurrence models. This thesis was therefore divided into two chapters and five questions. The first chapter is an attempt to answer the following questions: (1) Is there a relationship between occurrence probability and abundance? (2) Are models based on abundance better to predict the occurrence of species as compared to models that utilize only species occurrence? The second chapter addresses the questions: (3) Do exhaustive sampling procedures, with well-sampled presences and absences, lead to more accurate occurrence models? (4) Does detectability influence the relationship between species occurrence and environmental variables? (5) What is the impact of false zeros in the estimated area occupied by one given species? This study was conducted in the area surrounding the hydropower plant “Barra Grande”, in the Pelotas River, on the border of the Rio Grande do Sul and Santa Catarina states. Located in the Pelotas River basin, the dam occupies an area of approximately 90 km². The surrounding area accounts for 4,600 km², where 388 plots with 10 x 50 m were randomly distributed and georeferenced. In each plot, individuals of nine selected tree species taller than 1.5 m were surveyed. In the first paper, we modeled the distribution and abundance of the species studied using generalized linear models (GLMs), utilizing 15 environmental variables. Occurrence models were proved to be more accurate than abundance models. The positive correlation between occurrence probability and observed abundance was also demonstrated, which opens the possibility to utilize occurrence probability as an indicator of species abundance. The second chapter reports the impact of failures in detection in species distribution models, using A. angustifolia as model species. We simulated the impact of false zeros in model accuracy, in the selection of response variables (environmental variables) and in estimates of the area occupied by A. angustifolia. The decrease in detectability caused changes in both model accuracy and in the environmental variables that explain the occurrence of A. angustifolia. The area occupied did not have a well-defined pattern, though it showed a trend towards elevation, in accordance with the decrease in detectability, thus raising the commission error in the model. The accuracy of models (AUC and correlation between occurrence probability and observed abundance) decreased with the decrease in detectability, while only one environmental variable was included in all models (soil pH). These techniques offer great potential in the collection of essential information in biodiversity conservation, monitoring and managements strategies in hydropower projects. However, robust inferences about species and ecosystems in question can only be drawn considering the need to evaluate the impact caused by defective species detection.

Modelos de ocorrência e abundância de espécies são importantes ferramentas para a elaboração de estrategias para a conservação da biodiversidade. Nestes artigos aplicamos, pela primeira vez, modelos de distribuição e abundância no entorno de uma Usina Hidroelétrica no Sul do Brasil, com o objetivo de mostrar possíveis aplicações destas técnicas no planejamento de ações de coleta e conservação, in situ e ex situ, destas espécies. Nossos objetivos secundários foram (i) modelar a ocorrência e abundância de plantas em um trecho da bacia do rio Pelotas e (ii) verificar o efeito da detectabilidade em modelos de ocorrência. Para tanto dividimos a tese em dois capítulos e cinco questões. No primeiro capítulo procuramos responder as seguintes questões: (1) existe relação entre a probabilidade de ocorrência e a abundância observada? (2) Modelos baseados na abundância são melhores para predizer a ocorrência de espécies do que modelos baseados apenas na ocorrência das espécies? No segundo capítulo, tentamos responder se (3) amostragens exaustivas, com presenças e ausências bem descritas, produzem modelos de ocorrência mais precisos? (4) Se a relação entre a ocorrência da espécie e as variáveis ambientais que descrevem sua distribuição é alterada de acordo com a detectabilidade? (5) Qual o impacto de falsos zeros na área ocupada estimada para a espécie? O trabalho foi realizado no entorno da UHE Barra Grande, erguida no rio Pelotas, entre os Estados de Santa Catarina e Rio Grande do Sul. Localizada na bacia do rio Pelotas, seu reservatório ocupa uma área de aproximadamente 90 km2 e seu entorno perfaz uma área aproximada de 4.600 km2, onde amostramos 388 parcelas georreferenciadas (10 x 50 m) distribuídas aleatoriamente. Em cada parcela contamos o número de indivíduos de nove espécies arborescente com altura ≥ 1,5 m. No primeiro artigo, modelamos, utilizando modelos lineares generalizados (GLM), a distribuição e abundância das nove espécies estudadas em relação a 15 variáveis ambientais, e demonstramos que modelos de ocorrência são mais precisos do que modelos de abundância. Demonstramos também que a probabilidade de ocorrência é positivamente correlacionada com a abundância observada, o que abre a possibilidade de utilizarmos a probabilidade de ocorrência como um indicador da abundância das espécies. No segundo capítulo, verificamos o impacto de falhas de detecção em modelos de distribuição de espécies, utilizando como espécie modelo A. angustifolia. Simulamos o impacto de falsos zeros na precisão dos modelos, na seleção das variáveis resposta (variáveis ambientais) e nas estimativas de área ocupada pela espécie. A redução da detectabilidade ocasionou alterações tanto na precisão dos modelos quanto na área estimada de ocorrência e nas variáveis ambientais que explicam a ocorrência de A. angustifolia. A área ocupada não apresentou padrão bem definido, porém mostrou tendência de elevação de acordo com a diminuição da detectabilidade, elevando com isso o erro de comissão dos modelos. A precisão dos modelos (AUC e correlação entre probabilidade de ocorrência e abundância observada), apresentou queda em relação ao redução da detectabilidade, enquanto apenas uma variável ambiental foi incluída em todos os modelos (pH do solo). Existe um grande possibilidade de uso destas técnicas como informação básica para planos de conservação, monitoramento e manejo da biodiversidade no entorno de empreendimentos hidroelétricos, porém, para que possamos tirar inferências fortes sobre as espécies e ecossistemas em questão, devemos observar sempre a necessidade de levar em conta os impactos da detecção imperfeita das espécies. / Species occurrence and abundance models are important tools in the development of biodiversity conservation strategies. This study presents, for the first time, the application of distribution and abundance models in the environment surrounding a hydropower dam in southern Brazil. The aim is to demonstrate the possible application of these techniques in planning collection and conservation strategies of the species inhabiting the area, in situ and ex situ. We also aimed at (i) modeling the occurrence and abundance of plants in a section of the Pelotas River basin and (ii) verifying the effect of detectability in occurrence models. This thesis was therefore divided into two chapters and five questions. The first chapter is an attempt to answer the following questions: (1) Is there a relationship between occurrence probability and abundance? (2) Are models based on abundance better to predict the occurrence of species as compared to models that utilize only species occurrence? The second chapter addresses the questions: (3) Do exhaustive sampling procedures, with well-sampled presences and absences, lead to more accurate occurrence models? (4) Does detectability influence the relationship between species occurrence and environmental variables? (5) What is the impact of false zeros in the estimated area occupied by one given species? This study was conducted in the area surrounding the hydropower plant “Barra Grande”, in the Pelotas River, on the border of the Rio Grande do Sul and Santa Catarina states. Located in the Pelotas River basin, the dam occupies an area of approximately 90 km². The surrounding area accounts for 4,600 km², where 388 plots with 10 x 50 m were randomly distributed and georeferenced. In each plot, individuals of nine selected tree species taller than 1.5 m were surveyed. In the first paper, we modeled the distribution and abundance of the species studied using generalized linear models (GLMs), utilizing 15 environmental variables. Occurrence models were proved to be more accurate than abundance models. The positive correlation between occurrence probability and observed abundance was also demonstrated, which opens the possibility to utilize occurrence probability as an indicator of species abundance. The second chapter reports the impact of failures in detection in species distribution models, using A. angustifolia as model species. We simulated the impact of false zeros in model accuracy, in the selection of response variables (environmental variables) and in estimates of the area occupied by A. angustifolia. The decrease in detectability caused changes in both model accuracy and in the environmental variables that explain the occurrence of A. angustifolia. The area occupied did not have a well-defined pattern, though it showed a trend towards elevation, in accordance with the decrease in detectability, thus raising the commission error in the model. The accuracy of models (AUC and correlation between occurrence probability and observed abundance) decreased with the decrease in detectability, while only one environmental variable was included in all models (soil pH). These techniques offer great potential in the collection of essential information in biodiversity conservation, monitoring and managements strategies in hydropower projects. However, robust inferences about species and ecosystems in question can only be drawn considering the need to evaluate the impact caused by defective species detection.