Pesquisadores da Universidade Federal de Mato Grosso (UFMT) participaram de um estudo global para avaliar a prevalência e abundância de espécies de árvores em florestas tropicais na América do Sul, África e Ásia. A principal descoberta aponta que aproximadamente 1 mil espécies (2,24% das 47 mil espécies de árvores tropicais conhecidas) compõem metade das 800 bilhões de árvores tropicais existentes no mundo.
“O estudo foi coordenado pelo professor Declan Cooper, da Universidade de Londres, e investigou os padrões de abundâncias de espécies de árvores comuns usando dados de inventário de mais de 1 milhão de árvores com diâmetro de tronco superior à 10cm, em 1.568 locais diferentes em florestas tropicais da Amazônia, África e do Sudeste Asiático”, afirmou o professor Domingos Rodrigues, da UFMT Campus de Sinop, que participou da pesquisa.
De acordo com Domingos, ele e o restante da equipe ligada à UFMT foram responsáveis por coletar os dados de árvores em 35 locais (plots) de 1 hectare na região da Amazônia Mato-Grossense. Basicamente, identificar e catalogar todas as árvores com tronco superior a 10cm nesses plots. O mesmo foi feito em outras regiões da Amazônia, bem como da África e do Sudoeste Asiatico, totalizando dados de mais de 1 milhão de árvores, que foram tratados estatisticamente para alcançar o resultado divulgado.
“Um padrão dos estudos ecológicos é que as comunidades biológicas são formadas por poucas espécies abundantes e muitas espécies raras, como foi visto nos nossos dados. Entretanto, nossa pesquisa é inédita porque mostra o quão abundante são essas espécies comuns e como podemos realizar estudos com elas para acelerar nosso conhecimento da floresta”.
A partir desses resultados, o estudo aponta que é possível mudar a forma como modelos florestais são construídos, focando na dinâmica dessas espécies “hiperdominantes”, uma vez que elas representam a imensa maioria das árvores em uma floresta tropical.
“Modelos são usados para prever o comportamento das florestas em resposta a diferentes fatores, como mudanças climáticas, estocagem de carbono, regulação de chuvas, desmatamento, entre outros. Esses modelos são importantes para a gestão das florestas, pois podem ajudar a identificar áreas que são mais vulneráveis a esses fatores e a desenvolver estratégias para proteger essas áreas. Com esse conhecimento, podemos ter modelos mais precisos e confiáveis, o que é essencial para a gestão eficaz das florestas”.
Outra descoberta importante do estudo é sobre o impacto antropológico na dinâmica das florestas tropicais. Os dados de prevalência/abundância de espécies comuns manteve-se constante nas três regiões, diferente do que era esperado considerando que América, África e Ásia tiveram históricos da presença de civilizações e ocupação dos espaços muito diferentes entre si.
“Nossos resultados sugerem que o impacto antropológico nas florestas tropicais é relativamente menor do que se pensava anteriormente. Os padrões quase idênticos de diversidade de árvores e a proporção semelhante na distribuição de espécies comuns entre as regiões sugerem que mecanismos biológicos influenciam a montagem da comunidade arbórea produzindo uma proporção consistente de espécies comuns em todos os continentes analisados. Mas nós não sabemos ainda quais mecanismos biológicos são responsáveis por esses resultados”.
Os dados coletados pela UFMT fazem parte do Programa de Pesquisa em Biodiversidade (PPBio) no sul da Amazônia desde 2009. Estes fomentam diferentes bases de conhecimento sobre florestas tropicais, como a ATDN (Rede de Diversidade de Árvores da Amazônia) e Rainfor (Rede Amazônica de Inventários Florestais) que auxiliam no entendimento dos processos ecossistêmicos e no conhecimento da estrutura e composição da flora amazônica.
Também fizeram parte da pesquisa a professora da UFMT de Sinop Flávia Rodrigues Barbosa, a pesquisadora Janaina Noronha (egressa do Doutorado do Programa de Pós-graduação em Ecologia e Conservação da Biodiversidade) e Raniellen Carpanedo (mestranda do Programa de Pós-Graduação em Ciências Ambientais da UFMT-Sinop).
