Using Ecological-Niche Modeling as a Conservation Tool for Freshwater Species: Live-Bearing Fishes in Central Mexico

Streszczenie:

" Modelowanie nisz ekologicznych jest ważnym narzędziem w ocenie ochrony gatunków lądowych; jednak jego zastosowanie w środowiskach wodnych zostało dotychczas słabo zbadane. Goodeiny to monofiletyczna grupa żyworodnych ryb słodkowodnych dobrze znana w środkowym Meksyku, obejmująca 41 gatunków w 19 rodzajach. Ze względu na liczne zagrożenia dla bioróżnorodności w tym regionie, goodeiny stanowią doskonały model do testowania nowych podejść do ochrony. Oceniliśmy stan ochrony goodein (37 gatunków), bazując na ich potencjalnym rozmieszczeniu przewidywanym przez modele nisz ekologicznych generowane za pomocą algorytmu genetycznego do przewidywania reguł (GARP). Przewidywania rozmieszczenia sprawdziły się dobrze w przypadku sześciu z ośmiu gatunków, dla których dostępne były wystarczające dane do obliczenia pola pod krzywą (AUC) na wykresach ROC. Obszerne badania terenowe przeprowadzone w ostatnich latach w większości przypadków potwierdziły przewidywania modeli. Bogactwo gatunkowe wykazywało układ zagnieżdżony, w którym liczba gatunków wzrastała w kierunku centrum zasięgu grupy. Na poziomie dorzeczy najwięcej gatunków (11) stwierdzono w dorzeczu rzeki Ameca, głównie z powodu wysokiej liczby gatunków mikroendemicznych (6). Działalność człowieka w zbiornikach wodnych (np. intensywna akwakultura) i zlewniach (np. rolnictwo, hodowla, przemysł) poważnie zaszkodziła większości goodein z powodu szkodliwego wpływu zanieczyszczeń i introdukcji gatunków obcych, takich jak karpie (Cyprinus carpio, Ctenopharingodon idella) i tilapie (Oreochromis spp.). Nasze wyniki rysują pesymistyczny obraz długoterminowego przetrwania wielu goodein w ich naturalnym środowisku, a realistyczne działania ochronne są złożone i wymagają natychmiastowej ochrony określonych obszarów, które zidentyfikowaliśmy. Modelowanie niszy ekologicznej jest odpowiednim narzędziem do oceny ochrony gatunków słodkowodnych, ale dostępność informacji o środowisku wodnym (np. temperatura, prędkość wody, pH, stężenie tlenu) poprawiłaby dokładność prognoz rozmieszczenia. "