Translating a Species Distribution Model into Management Recommendations for an at-Risk Lichen

Abstract

ABSTRACT Species distribution models are powerful tools on their own for the management of rare and at-risk species, but their utility as such can be limited if their accuracy is low, or if management policies are applied without consideration of the structure of the data. We tested the accuracy of a MaxEnt species distribution model for white-rimmed shingle lichen (Fuscopannaria leucosticta) in New Brunswick, Canada, and proposed an additional decision support-tool that matches the species probability of occurrence (PO) to possible management actions. The model was tested using two years of new field observations. Classification trees were used to define four groups across the range of PO values. Chi-squared tests were used to test the accuracy of predictions in each class. The model was found to accurately predict occurrences in very low and moderate classes, but underpredicted occurrences in low and high classes. We recommend using similar, data-driven support tools in the conservation decision-making process to minimize losses of the species and maximize efficacy of management. RÉSUMÉ Les modèles de répartition des espèces sont des outils puissants de gestion des espèces rares et en péril, mais leur utilité à ce titre peut être limitée si leur précision est faible ou si les politiques de gestions sont appliquées sans considération de la structure des prédictions. Nous avons évalué la précision d'un modèle de répartition MaxEnt pour la fuscopannaire à taches blanches (Fuscopannaria leucosticta) au Nouveau-Brunswick, Canada, et nous proposons un outil d'aide à la décision qui fait correspondre la probabilité d'occurrence aux procédures de gestion possibles. Le modèle a été testé en utilisant deux ans de nouvelles observations terrain. Des arbres de classification ont été utilisés pour définir quatre groupes parmi la gamme de valeurs de probabilité d'occurrence. Des tests du khi carré ont été utilisés afin d'évaluer la précision des prédictions dans chaque groupe. Le modèle a prédit avec précision les occurrences dans les classes très faibles et modérées, mais a sous-estimé les occurrences dans les classes basses et élevées. Nous recommandons d'utiliser des outils similaires, basés sur des données, dans le processus de prise de décision en matière de conservation pour minimiser les pertes et maximiser l'efficacité de gestion.