11A.Dissertacao Daniel Da Silva Costa.Pdf

INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA – INPA

PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIAS BIOLÓGICAS (BOTÂNICA

NYCTAGINACEAE JUSS. OCORRENTES NA AMAZÔNIA BRASILEIRA: UMA ABORDAGEM INTEGRADA PARA A DELIMITAÇÃO DE ESPÉCIES

DANIEL DA SILVA COSTA

Manaus, Amazonas Setembro, 2020 2

DANIEL DA SILVA COSTA

NYCTAGINACEAE JUSS. OCORRENTES NA AMAZÔNIA BRASILEIRRA: UMA ABORDAGEM INTEGRADA PARA A DELIMITAÇÃO DE ESPÉCIES

ORIENTADOR: MÁRIO HENRIQUE TERRA ARAUJO

Dissertação apresentada ao Instituto Nacional de Pesquisas da Amazônia como parte dos requisitos para obtenção do título de Mestre em Ciências Biológicas, área de concentração Botânica.

Manaus, Amazonas Setembro, 2020 3

C837n Costa, Daniel da Silva

Nyctaginaceae Juss. ocorrentes na Amazônia central: uma abordagem integrada para a delimitação de espécies / Daniel da Silva Costa; orientador Mário Henrique Terra-Araujo - - Manaus:[s.l], 2018. 92 f.

Dissertação (Mestrado - Programa de Pós Graduação em Botânica) -- Coordenação do Programa de Pós-Graduação, INPA, 2018.

1. Morfometria, 2. NIR, 3. Caryophyllales, 4. Amazônia

CDD: 580

Sinopse: Neste trabalho, diferentes abordagens utilizando dados morfológicos e espectrais foram aplicadas as espécies de Nyctaginacea Juss. registradas para a Amazônia, com o intuito de avaliar a delimitação de espécies, expor suas fragilidades e buscar uma melhor resolução para as espécies.

Palavras-chave: Morfometria, NIR, Caryophyllales, Amazônia.

AGRADECIMENTOS

Ao Instituto Nacional de Pesquisas da Amazônia (INPA) e ao Programa de Pós-Graduação em Botânica (PPG-Botânica) pela infraestrutura cedida e pela oportunidade.

Ao Conselho Nacional de Desenvolvimento Científico e Tecnológico pela concessão da bolsa de mestrado (CNPq processo 130954/2018-7)

Aos curadores Ana Odete Santos Vieira (FUEL), Ana Cristina Ramos de Souza (HFSL), Helena Joseane Souza (IAN), Michael Hopkins (INPA), Pedro Viana (MG) e Rafaela Forzza (RB) e aos membros de suas equipes pelos empréstimos e por me receber em suas instituições.

Ao meu orientador Dr. Mário Terra-Araújo, pelo tempo e paciência que teve durante os anos do mestrado.

Ao Dr. Alberto Vicentini pela ajuda, paciência e suporte tanto nas análises quanto nas ideias que colaboraram para que este trabalho fosse concluído da maneira mais sólida e coerente possível.

A Elson Felipe Rossetto por todas as conversas e ideias sobre que tivemos sobre a taxonomia de Nyctaginaceae.

Aos membros da minha banca de qualificação Eduardo Prata, Flavia Durgante e Fernanda Cabral por terem aceitado o convite, pelas críticas e sugestões fornecidas.

A Ricardo Perdiz por eventualmente fornecer amostras é imagens além da ajuda durante com a dissertação.

A todos meus amigos que estiveram comigo durante estes anos e me ajudaram e apoiaram sempre que precisei.

A minha companheira de vida, que me ajudou, apoiou e principalmente me aturou em todos os momentos que mais precisei.

A todos vocês meu muito obrigado.

RESUMO

Nyctaginaceae Juss., é uma família de distribuição pantropical, inserida na ordem Caryophyllales, caracterizada pela presença do antocarpo, uma estrutura derivada do fruto tipo aquênio e da região basal do cálice. A família atualmente é dividida em sete tribos, entre elas está a tribo Pisonieae Meisn., caracterizada pelos indivíduos lenhosos, com inflorescências em cimas paniculadas, corimbos ou glomérulos, flores perfeitas ou imperfeitas, dioicas, estames exsertos ou inclusos e embrião reto, considerado a sinapomorfia da tribo, contrastando com os embriões curvos das demais tribos. A tribo Pisonieae compreende seis gêneros com aproximadamente 150 espécies, todos os seus representantes têm distribuição restrita aos Neotrópicos, com exceção do gênero Pisonia L., cuja distribuição estende-se a áreas tropicais excedendo o continente americano. Dentre os gêneros de maior destaque para a Amazônia estão Guapira Aubl. e Neea Ruiz & Pav., tanto por serem os com maior número de espécies, como também pela grande dificuldade no estabelecimento de limites entre suas espécies. Por mais de dois séculos desde a descrição de ambos os gêneros, seus espécimes são notáveis pela dificuldade de identificação. Dois pontos já foram apontados como principais responsáveis por estas dificuldades: 1) amostragem desproporcional de plantas estaminadas e pistiladas presentes nos acervos dos herbários; e 2) a aparente facilidade com que os periantos sofrem alterações. Desta forma, o objetivo deste estudo foi testar por meio de evidencias morfológicas e espectrais os limites estabelecidos para as espécies de Nyctaginaceae ocorrentes na região amazônica, seguindo três modelos de classificação diferentes (e.g. modelo de classificação atual, a posteriori e cognitivo), além de comparar a distribuição geográfica obtida com os três modelos. Foram coletados mais de 100 caracteres morfológicos e mais de 3000 espectros de 561 amostras correspondentes a 16 das 19 espécies reconhecidas para bioma amazônico e testados por meio de análises discriminantes. Os resultados mostraram que três das espécies em sua circunscrição atual é apoiada por ambos os conjuntos de dados. Com base em nossa classificação cognitiva, 16 espécies foram discriminadas tanto com bases morfológicas quanto expectais.

Palavras-chaves: Morfometria, Taxonomia, NIRS, Caryophyllales, Amazônia 8

ABSTRACT

Nyctaginaceae Juss. is an family of pantropical distribution, including in the order Caryophyllales, characterized by the presence of anthocarp, a structure derived from the achene type fruit and the basal region of the calyx. The family is currently divided into seven tribes, one of which is the Pisonieae Meisn. tribe, characterized by the woody habit, with inflorescences on panicles, corymbs or glomeruli, perfect or imperfect flowers, dioecious, stamens included or exserted and straight embryo, considered a synapomorphy of the tribe, contrasting with the curved embryos of the other tribes. The Pisonieae tribe comprises six genera with approximately 150 species, and all of its representatives have a restricted distribution to the Neotropics, except for the genus Pisonia L., whose distribution extends to tropical areas exceeding the Americas Among the most diversified genera in the Amazon are Guapira Aubl. and Neea Ruiz & Pav., both because they are the ones hold the largest number of species, but also because of the great difficulty in establishing limits between their species. For more than two centuries since the description of both genera, their specimens are notable for the difficulty of identification. Two points have already been indicated out as the main responsible for these difficulties: 1) disproportionate sampling of staminate and pistillate plants in the herbarium collections; and 2) the apparent easiness with the periant ones changes. Thus, the goal of this study was to test, through morphological and spectral evidence, the limits established for Nyctaginaceae species occurring in the brazilian Amazon region, following three different classification models (e.g. current, a posteriori and cognitive classification model), in addition to compare the geographic distribution obtained with the three models. More than 100 morphological characters and more than 3000 spectra were collected from 561 samples corresponding to 16 of the 19 species recognized for the Amazon and tested through discriminant analyzes. The results showed that neither species in its current constituency is supported by both dataset. Based on our cognitive classification, 16 species were discriminated with both morphological and spectral databases.

Keywords: Morphometry, Taxonomy, NIRS, Caryophyllales, Amazonia 9

SUMÁRIO

INTRODUÇÃO GERAL ...... 13

Objetivo ...... 17

ORGANIZAÇAO DA DISSERTAÇÃO ...... 18

CAPÍTULO 1 ...... 19

Introdução ...... 21

Material e Métodos ...... 22

Conceito de espécie adotado ...... 22

Material amostrado ...... 22

Dados morfológicos ...... 23

Dados espectrais ...... 24

Análise dos dados ...... 24

Testando as circunscrições atuais das espécies ...... 24

Testando uma classificação cognitiva ...... 25

Testando uma classificação a posteriori ...... 25

Validando grupos ...... 26

Resultados ...... 26

Testando as circunscrições atuais das espécies ...... 26

Testando uma classificação cognitiva ...... 26

Testando uma classificação a posteriori ...... 26

Validando grupos ...... 27

Discussão ...... 27

Conclusão ...... 30

Referências ...... 30

CAPÍTULO 2 ...... 64 10

Introdução ...... 65

Material e métodos ...... 66

Tratamento taxonômico ...... 67

Referências ...... 69

LISTA DE TABELAS

CAPÍTULO 1

Tabela 1. Relação das tribos por gêneros e número de espécies pertencentes a cada gênero (Douglas & Spellenberg 2010)...... 38

Tabela 2. Relação de espécies e números de amostras de Nyctaginaceae ocorrentes na Amazônia com base nas determinações provenientes dos herbários...... 39

Tabela 3. Resultado dos três modelos discriminantes para cada tipo de dado analisado de acordo com as determinações provenientes dos herbários. Tipo de dado: MOR (matrizes de distância morfológica de Gower), NIR (valor espectral médio por espécime); SVM: modelo Support vector machine; BAYES: modelo Bayes; LDA: modelo Análise discriminante linear...... 40

Tabela 6. Relação entre morfotipos estabelecidos na classificação cognitiva e nomes de espécies validas com e padrões morfológicos que foram utilizados para definir os morfotipos...... 44 11

CAPÍTULO 2

Tabela 1. Comparações morfológicas entre Neea rubescens e espécies semelhantes. As descrições de N. hermaphrodita e N. ovalifolia são baseadas no trabalho de Furlan & Giulietti (2014)...... 71

LISTA DE FIGURAS

CAPÍTULO 1

Figura 1. Comparação entre o stress causado e a quantidade de eixos (dimensões) necessários (K) para a NMDS de acordo com análises das variáveis morfológicas...... 47

Figura 2. NMDS dos dados morfológicos coletados para os espécimes de Nyctaginaceae da Amazônia. 1: dados morfológicos referente aos caracteres comumente abordados na literatura, cores referentes a determinações de herbário e símbolos referentes a distribuição (círculos representaram espécies com ampla distribuição, enquanto os quadrados foram utilizados para representar, espécies restritas a um determinado bioma)...... 47

Figura 3. Matrizes de confusão com os resultados da validação cruzada (LOO) utilizando dados morfológicos e espectrais nos três diferentes modelos, de acordo a classificação cognitiva. 1: modelo SVM com dados morfológicos, 2: modelo SVM com dados espectrais, 3: modelo BAYES com dados morfológicos, 4: modelo BAYES com dados espectrais, 5: modelo LDA com dados morfológicos e 6: modelo LDA com dados espectrais...... 49

Figura 4. Relação entre os valores de acurácia espectral e os agrupamentos (K) gerados com base na análise de agrupamento gerado pela matriz de distância morfológica utilizando o índice de Gower...... 50

Figura 5. Relação entre os valores de acurácia combinado dados morfológicos e espectrais e as classificações (K) propostas neste trabalho (cognitivo: classificação cognitiva; grp_k: classificação a posteriori)...... 50

Figura 6. Matrizes de confusão com os resultados da validação cruzada (LOO) utilizando dados morfológicos e espectrais nos três diferentes modelos, de acordo a classificação dos 12

herbários. 1: modelo SVM com dados morfológicos, 2: modelo SVM com dados espectrais, 3: modelo BAYES com dados morfológicos, 4: modelo BAYES com dados espectrais, 5: modelo LDA com dados morfológicos e 6: modelo LDA com dados espectrais...... 52

Figura 7. Análise de agrupamento gerado pela matriz de distância morfológica utilizando o índice de Gower, onde foram plotados os grupos a posteriori e os caracteres morfológicos categóricos de todos os espécimes...... 57

Figura 8. Matrizes de confusão com os resultados da validação cruzada (LOO) utilizando dados morfológicos e espectrais nos três diferentes modelos, de acordo a classificação a posteriori. 1: modelo SVM com dados espectrais, 2: modelo BAYES dados espectrais, 3: modelo LDA com dados espectrais...... 58

Figura 9. Análise de agrupamento gerado pela matriz de distância morfológica utilizando o índice de Gower, onde foram plotados os caracteres que ocorrem morfológicos categóricos que definiram cada agrupamento...... 63

Capítulo 2

Figura 1. Holótipo de Neea rubescens (Ramos et al. 943, INPA!, NY!, Barcoding: NY2225527)...... 72

Figura 2. Porções terminais das inflorescências (A e C) e flores estaminadas (A) e pistiladas (D) em N. rubescens. (fotos do holótipo e parátipo; escala: 2 mm)...... 73

Figura 3. Distribuição conhecida de Neea rubescens (losangos vermelhos) e as duas espécies morfologicamente relacionadas, N. ovalifolia (quadrados cinzas) e N. hermaphrodita (círculos pretos)...... 74

Figura 4. A matriz de confusão resultante da análise de classificação de espécies aplicada às variáveis espectrais por meio de um classificador Linear Discriminant Analysis (LDA). Os nomes das espécies observadas são apresentados em linhas, enquanto nomes preditos são dados em colunas. Portanto, os valores na diagonal são previsões corretas, e os valores fora da diagonal são previsões erradas...... 75 13

INTRODUÇÃO GERAL

A região neotropical (do México ao sul da América do Sul e incluindo as Índias Ocidentais) é uma das regiões mais ricas em espécies da Terra (Antonelli et al., 2018). Essa extensa região compreende inúmeros biomas e habitats diferentes (e.g., florestas sazonalmente secas, zonas áridas, campos de alta altitude, sistemas de montanhas jovens e velhas e extensas florestas tropicais, como a Mata Atlântica e a Floresta Amazônica; Antonelli et al. 2018). Inserido nessa região estão as florestas Amazônicas, um conjunto de florestas que se distribui por nove países da América do Sul e se estende pelas bacias dos rios Amazonas, Costa Norte Atlântica, além das bacias hidrológicas do Tocantins e do Atlântico Ocidental (Cardoso et al., 2017). Nas floresta amazônicas as estimativas atuais variam entre 6.727 a 16.000 espécies, porém debates a cerca destes números ainda permanecem em aberto, uma vez que a amostragem das plantas é escassa (Hopkins, 2007), e complexos de espécies são mais comuns do que se imaginava e presentes em diversas famílias botânicas, como Burseraceae (Fine et al., 2014, Damaso et al., 2019), Lauraceae (Vicentini, 1999) e Rubiaceae (Vicentini, 2007, 2016; Prata et a., 2018), porém estas estimativas podem ainda ser consideradas conservadoras. Complexos de espécies são grupos onde os limites entre as espécies não estão totalmente claros, podendo estes serem gerados por fatores como: baixa amostragem, ampla distribuição geográfica, variação morfológica críptica e polimorfismo ancestral compartilhado (Grube & Kroken, 2000; Prata et al., 2018), e mais do que desafios para a catalogação da diversidade, complexos de espécies evidenciaram a fragilidade de sistemas com um único caráter definidor( e.g. morfologicamente distintas, monofileticamente reciprocas ou isoladas reprodutivamente). Até o momento, a grande maioria dos esforços para o reconhecimento/ resolução dos complexos de espécies é voltada para grupos mais dominantes da flora amazônica (i.e., Burseraceae, Rubiaceae), enquanto diversos outros grupos menos representativos, oriundos de famílias menores e pobremente amostradas em inventários florestais, ainda permanecem pouco estudados. Um destes exemplos é a família Nyctaginaceae Juss., que possui entre 300- 450 espécies divididas em 34 gêneros (Douglas & Spellenberg, 2010; Stevens, 2001). Seus representantes possuem hábito variável, abrangendo desde árvores de 20 m de altura a arbustos de pequeno porte, a ervas ou lianas, raramente com espinhos no caule (e.g., Pisonia L. e Bougainvillea Comm. ex Juss.) (Bittrich & Kühn, 1993; Burguer 1983). 14

As folhas são simples, alternas ou oposta a sub-opostas com pares desiguais em sua maioria, sem estipulas. As inflorescências são cimosas (e.g., Guapira, Neea e Pisonia), paniculadas ou racemosas (e.g., Bougainvillea) os indivíduos são monóicos ou dioicos com flores vistosas ou não, usualmente monoclamídeas, bissexuais ou raramente unissexuais, actinomorfas, perianto (3-)5(-8) - mero, petaloide, estames inclusos (e.g., Neea) ou exsertos (e.g., Guapira e Pisonia) e ovário supero. Os frutos são comumente denominados de antocarpo (Bittrich & Kühn, 1993; Burger 1983; Furlan & Giulietti, 2014; Furlan, 2004), formados por um espessamento da porção basal das sépalas, em que comumente a porção superior do tubo do cálice é persistente sobre a parte maior do antocarpo. O antocarpo é carnoso ou coriáceo, indeiscente, com pericarpo discreto. As sementes possuem um embrião reto e curvo, com endosperma escasso (Bittrich & Kühn 1993). Seus espécimes são amplamente distribuídas pelo globo, ocorrendo tanto em regiões tropicais quanto em subtropicais, os dois grandes centros de distribuição são reconhecidos para a família, as zonas áridas da América do Norte e a região neotropical (Douglas & Manos, 2007; Douglas & Spellenberg, 2010; Marchioretto et al., 2011). Na região neotropical ocorrem os gêneros arborescente Bougainvillea, Guapira, Neea e Pisonia, além dos gêneros herbáceos Colignonia Endl. (restrito a região andina) e Salpianthus Bonpl. (Douglas & Manos, 2007). Nos Neotrópicos os países com maior diversidade são Brasil (ca. 60 spp.), Venezuela (ca. 40 spp.), Bolívia (ca. 40 spp.), Colômbia (ca. 20 spp.) e Peru (ca. 20 spp.) (Grandtner & Chevrette, 2013), contudo, estes números de diversidade podem ser considerados insertos, uma vez que uma grande revisão não é feita a muitos anos. No Brasil são reconhecidas 63 espécies distribuídas em nove gêneros, destes gêneros quatro são endêmicos (Andradea Allemão, Belemia Pires., Leucaster Choisy e Ramisia Glaz. ex Baill.) da floresta atlântica do Sudeste. Mirabilis L. e Boerhavia L. são compostos por espécies consideradas naturalizadas, de ampla dispersão no mundo. Reichenbachia Spreng. ocorre no Brasil em áreas de Mato Grosso do Sul próximas da fronteira do Brasil com Bolívia e Paraguai. Os gêneros Guapira Aubl., Bougainvillea Comm. ex Juss., Neea Ruiz & Pav. e Pisonia L., são os mais ricos em espécies e estão distribuídos por diversas regiões do Brasil. Destes nove gêneros, apenas Guapira e Neea tem ocorrência natural nas florestas amazônicas, contudo, segundo Furlan & Giulietti (2014), Guapira apresenta distribuição peri-amazônica com ocorrência no norte, oeste e sudoeste da Amazônia. Já, Neea tem uma maior frequência nas florestas amazônicas seus espécimes são encontrados em todos os diferentes habitats destas florestas (e.g. campinas, campinaranas, florestas de terra-firme, florestas de várzea, florestas de igapó) (Flora do Brasil, 2020). 15

Juntamente com outras 37 famílias, Nyctaginaceae está posicionada em Caryophyllales, na linhagem das Caryophyllales-núcleo (Stevens, 2001; Hernández-Ledesma et al., 2015), posicionamento este, sustentado por caracteres moleculares e morfológicos (e.g., perianto uniseriado derivado do cálice, sendo assim, sem a formação de uma corola verdadeira, e um fruto especializado denominada de antocarpo, no qual o ovário é envolvido por uma estrutura derivada da porção inferior do cálice) (Levin 2000, Rossetto et al. 2018). Um dos primeiros estudos filogenéticos feitos na ordem evidenciou uma estreita relação de Nyctaginaceae com Sarcobataceae e Phytolaccaceae (Downie et al., 1997). Porém, atualmente essa conformidade foi alterada e Sarcobataceae é apontada como proximamente relacionada a Agdestidaceae, enquanto Nyctaginaceae seria mais próxima a Petiveriaceae, relação esta sustentada por dados moleculares e por um único caráter morfológico, o gineceu com um único carpelo (Stevens 2001, Cuénoud et al. 2002, Hilu et al. 2003, Douglas & Manos 2007, Brockington 2009, Schäferhoff et al. 2009, Soltis et al. 2011, Hernández-Ledesma et al. 2015, Walker et al. 2018). Em relação as classificações supragenéricas, Choisy (1849), que realizou a primeira ampla revisão na família, e com base na presença e forma dos invólucros florais estabeleceu três tribos, tribo Bougainvilleae, Boerhaavieae e Mirabileae. Posteriormente, com base em características dos frutos e embriões Bentham & Hooker (1880) reconheceram as tribos Pisonieae, Leucastereae e Mirabilieae. Alguns anos depois, Heimerl (1934) reconheceu cinco tribos: Mirabileae, Colignonieae, Boldoeae, Pisonieae e Leucastereae. Bittrich & Kühn (1993) acrescentando novamente caracteres dos invólucros, frutos e pólen propuseram nova classificação, reconhecendo a partir deste momento seis tribos e quatro subtribos: tribo Abronieae, tribo Boldoeae, tribo Bougainvilleeae, tribo Leucastereae, tribo Nyctagineae (a qual estão as subtribos Colignoniinae, Boerhaviinae, Nyctagininae e Phaeoptilinae) e Pisonieae. Atualmente são aceitas sete tribos monofiléticas (Boldoeae Heimerl, Bougainvilleeae Choisy, Caribeeae Douglas & Spellenb., Colignonieae Standl., Leucastereae Benth. & Hook., Nyctagineae Horan., e Pisonieae Meisn) (Douglas & Spellenberg, 2010), porém as relações infragenéricas de algumas tribos ainda não estão totalmente claras, como no caso da tribo Pisonieae, onde na última análise filogenética, os dois gêneros mais diversos (Guapira Aubl. e Neea Ruiz & Pav.), se mostraram grupos parafilético e dois dos caracteres principais que diferenciam os gêneros (i.e., estames inclusos em Neea vs. estames exsertos em Guapira e antocarpos carnosos em Neea vs. antocarpos secos em Guapira) se mostraram como plesiomorficos (Rossetto et al. 2018). 16

Dentre os estudos taxonômicos existentes no Brasil destacam-se os trabalhos de Schmidt (1872), Reitz & Klein (1970), Souza et al. (2010), Marchioretto et al. (2011) e Furlan & Giulietti (2014). Este último, foi o trabalho mais abrangente realizado nos últimos anos, apresentando o tratamento taxonômico da tribo Pisonieae no Brasil. Neste trabalho (i.e., Furlan & Giulietti (2014), 56 espécies foram sinonimizadas em 22 espécies, no entanto, as flores de perianto simples, que tem facilidade em ser modificado em resposta às pressões de polinização e dispersão, além da escassez de exemplares completos destes indivíduos dioicos, fazem com que o reconhecimento ou mesmo a delimitação dos espécimes da família continue por ser uma tarefa complexa (Douglas & Manos 2007, Douglas & Spellenberg 2010). Com base em todos os problemas nos quais as espécies de Nyctaginaceae estão envoltas (i.e., baixa amostragem, longo e confuso histórico taxonômico, relações infragenéricas pouco claras e ampla distribuição) é possível observar que a família atende a praticamente todos os critérios citados por Grube & Kroken (2000) que definem grupos complexos, fazendo de Nyctaginaceae um bom modelo para a implementação de abordagens de delimitação de espécies. Dessa forma, no presente estudo, foram usados dados morfológicos e espectrais para testar a taxonomia das espécies de Nyctaginaceae ocorrentes na Amazônia e avaliar como a atual circunscrição das espécies se comportariam quando confrontadas com mais de uma fonte de evidência. 17

Objetivo

Geral

Testar as circunscrições atuais das espécies de Nyctaginaceae na Amazônia brasileira através de uma abordagem integrativa de dados espectrais e morfológicos.

Específico

- Postular diferentes modelos de classificação para as espécies;

- Testar os diferentes modelos de classificação através de uma abordagem integrativa de dados espectrais e morfológicos. 18

ORGANIZAÇAO DA DISSERTAÇÃO

A dissertação é composta por dois capítulos na forma de artigos científicos.

O primeiro capítulo apresenta uma discussão sobre o uso de dados morfológicos e espectrais para testar a atual circunscrição as espécies de Nyctaginaceae da Amazônia, estruturado segundo as normas da revista Botanical Review. O manuscrito foi estruturado da seguinte forma: (1) introdução, trazendo uma discussão breve sobre conceitos de espécies, múltiplas abordagens para a delimitação destas e finalizando com a introduzindo a família Nyctaginaceae como um estudo de caso; (2) materiais e métodos; (3) apresentação dos resultados, incluindo gráficos e tabelas; (4) discussão acerca da atual circunscrição e perspectivas sobre as espécies; (5) Conclusão (6) referências bibliográficas citadas ao longo do trabalho.

O segundo capítulo apresenta uma nova espécie do gênero Neea para a Amazônia Central, estruturado segundo as normas da revista Phytotaxa. O manuscrito foi estruturado da seguinte forma: (1) introdução, trazendo uma discussão sobre o gênero Neea, sua diversidade e distribuição; (2) materiais e métodos; (3) apresentação das descrição taxonômica, incluindo figuras e tabelas; (4) discussão comparando o novo taxon descrito com as espécies morfologicamente mais próximas; (5) etimologia do epiteto; (6) distribuição; (7) fenologia; (8) resultados da análise discriminante dos dados espectrais utilizados como fonte adicional de evidencia para a circunscrição deste novo taxon; (6) referências bibliográficas citadas ao longo do trabalho. 19

CAPÍTULO 1

DA SILVA COSTA, D.; VICENTINI, A; TERRA-ARAUJO, M.H.; Combinando evidências morfológicas e espectrais para a delimitação de espécies de Nyctaginaceae na Amazônia brasileira. Manuscrito formatado para The Botanical Review.

*Manuscrito ainda não traduzido para a versão em inglês. 20

Combinando evidências morfológicas e espectrais para a delimitação de espécies de Nyctaginaceae na Amazônia brasileira

Daniel da Silva Costa*; Alberto Vicentini; Mário H. Terra-Araujo.

Programa em Botânica, Instituto Nacional de Pesquisas da Amazônia, Av. André Araújo, 2936, Petrópolis, CEP 69060-001, Manaus Amazonas, Brasil.

* Correspondência do autor. E-mail: [email protected]

Abstract.— Approaches that are based on the use of more than one source of evidence to define / test groups have proven to be effective in exposing weaknesses and / or elucidating groups, where interspecific limits are not entirely clear. Following these new approaches, in this study, statistical procedures are combined with morphological and spectral data in order to test the current circumscription of species occurring in the Amazon of the Nyctaginaceae family. Our results indicate that none of the representatives of Nyctaginaceae in its current constituency can be discriminated by morphological and spectral bases. After reevaluation and insertion of new morphological characters, eleven valid species were discriminated by morphological and spectral bases, in addition to these species, three names previously considered as synonyms were discriminated and two new species were recognized.

Keywords.— Morphometry, NIR, caryophyllales, Amazon rainforest.

Resumo —Abordagens que tem como base a utilização de mais de uma fonte de evidência para definir/testar grupos têm se provado eficientes para expor fragilidades e/ou elucidar grupos, onde os limites interespecíficos não estão totalmente claros. Seguindo estas novas abordagens, neste estudo, procedimentos estatísticos são combinados a dados morfológicos e espectrais com o intuito de testar a atual circunscrição das espécies ocorrentes na Amazônia da família Nyctaginaceae. Nossos resultados apontam que nenhum dos representantes de Nyctaginaceae em sua atual circunscrição podem ser discriminadas por bases morfológicas e espectrais. Após reavaliação e inserção de novos caracteres morfológicos, onze espécies válidas foram discriminadas por bases morfológicas e espectrais, além destas espécies, três nomes anteriormente tidos como sinônimos foram discriminados e duas novas espécies foram reconhecidas.

Palavras-chave.— Morfometria, NIR, Caryophyllales, Amazônia.

Introdução

Para diversos pesquisadores, o conceito de espécies talvez seja um dos temas de maior interesse, pois espécies podem ser entendidas como a “unidade” pela qual a diversidade pode ser mensurada. Porém dependendo dos conceitos/ critérios utilizados para reconhecer esta unidade, diferentes resultados sobre o número de representantes ou limites geográficos podem ser obtidos. Tendo como exemplo, Agapow et al., (2004), buscaram determinar até que ponto diferentes metodologias chegaram a diferentes limites e discutir as implicações para a prática de estudos da biodiversidade, após a comparação entre o número de espécies consideradas válida de diferentes grupos (e.g. bactérias, animais e plantas) com base na adoção de um conceito não filogenético (conceito biológico de espécie) e um conceito filogenético de espécie, observaram uma diminuição próxima a 50% (48.7%) no número de espécies quando considerado o conceito biológico de espécie em comparação ao conceito filogenético. Diante das implicações da adoção de um único critério em detrimento de outro, o campo da taxonomia vem se movendo em direção a uma linha mais integrativa, que leva em consideração diferentes linhas/ fontes de evidência para delimitar espécies (Dayrat, 2005; Esquerre et al., 2019). A implementação desta abordagem integrativa mostrou-se eficaz quando aplicada a diversos grupos de organismos, por exemplo, com base em dados genéticos, ecológicos e morfológicos, Perez & Borges-Martins (2019) reconheceram quatro espécies anteriormente agrupadas em duas do gênero Amphisbaena Linnaeus, 1758 (Amphisbaenidae); Ruiz-Sanchez & Sosa (2010) também utilizando dados genéticos, ecológicos e morfológicos, reconheceram sete espécies de Otatea (McClure & E.W. Sm.) C.E. Calderón & Soderstr. (Poaceae), que anteriormente eram entendidas como quatro espécies; Pan et al., (2019) reconheceram cinco espécies crípticas anteriormente tratadas como uma única espécie (Pachyhynobius shangchengensis Fei), com base em dados genéticos e ecológicos. Os estudos citados acima utilizaram como fonte definidora das espécies, dados genéticos. Entretanto, os altos custos para a obtenção de marcadores, ainda é obstáculos que dificulta o acesso de muitos pesquisadores (Durgante et al., 2013). Dados morfológicos em contrapartida, são informações que estão sempre à disposição dos pesquisadores em coleções e, apesar de poderem fornecer conclusões imprecisas por estarem refletindo plasticidade fenotípica (Esteves & Vicentini 2013), continuam sendo utilizados para a postulação de novas espécies e delimitação de táxons, de fato mesmo abordagens moleculares, precisam de abordagens taxonômicas e morfológicas para delimitação de espécies (Cope et al., 2012; Pierre et al., 2014; Möller et al., 2007; Pedersen, 2010). Outra ferramenta que vem sendo utilizada com frequência para reconhecimento e entendimento de complexos taxonômicos na Amazônia, é a espectroscopia no infravermelho próximo (NIR- Near-infrared spectroscopy) (Terra-Araujo et al., 2012; Durgante et al., 2013; Esteves & Vicentini, 2013; Prata et al., 2018). Dados espectrais são obtidos através da irradiação de uma luz que possui os comprimentos de onda do infravermelho médio (entre 690 a 3.000 nm) sobre a superfície de uma estrutura (e.g. folha, ramos, troncos) e a diferença entre os valores recebidos e emitidos demonstra a quantidade absorvida pelo material analisado, consequentemente, as espécimes que possuem espectros relativamente próximos são classificadas como pertencentes ao mesmo grupo (Kaye, 1954; Ponzoni, 2002; Workman Jr & Weyer, 2007; Durgante et al., 2013). O crescente uso desta metodologia também se dá pela sua praticidade, pois tem aplicação universal em moléculas que possuem ligações CH, NH, OH, CC ou SH, os espécimes não precisam de tratamento prévio e, está técnica não se mostra invasiva ou destrutiva. Não são gerados resíduos sólidos, líquidos ou gasosos, além da rapidez com que um grande número de espectros pode ser obtido (Pasquini, 2003; Munck, 2007; Rodríguez- 22

Fernández et al., 2011). Dados espectrais em conjunto com dados morfológicos têm apresentado bons resultados na identificação em nível de espécie, com uma acurácia superior a 75% (Durgante et al., 2013; Lang et al., 2015). Em regiões altamente diversas como a região amazônica, onde existem inúmeras lacunas de conhecimento, com áreas pouco amostradas (Hopkins, 2007) e com várias famílias ou gêneros que carecem de especialistas e/ou tratamentos mais aprofundados (e.g., Rinorea Aubl. (Hekking, 1988), Heisteria Jacq. (Sleumer, 1984)), inúmeras famílias botânicas poderiam ser utilizadas como modelo para a implementação desta abordagem integrativa. Nyctaginaceae Juss., é uma família Pantropical com ca. 50 espécies (Flora do Brasil, 2020), como ampla distribuição geográfica e com inúmeras espécies com limites taxonômicos não muito claros (Rossetto et al., 2018). E mesmo seus espécimes correspondendo a um componente discreto em grande parte dos inventários amazônicos. Citando como exemplo as Parcelas Permanentes (PPs) do Projeto Dinâmica Biológica de Fragmentos Florestais (PDBFF), para Nyctaginaceae foram registradas 2.096 árvores, enquanto para Lecythidaceae foram registradas 29.216 árvores (inseridas em 78 espécies), e para Sapotaceae há 21.228 árvores (inseridas em 203 espécies) (PDBFF, botânicaamazonica.wiki 2018). Entretanto, apenas 34% dos indivíduos de Nyctaginaceae das PPs possuem nomes formais, enquanto os outros 66% permanecem como morfotipos. A família tem suporte moderado para seu monofiletismo (bootstrap ≥ 70) (Douglas & Manos, 2007), porém suas relações intragenéricas não são totalmente claras, com dois dos maiores gêneros (tribo Pisonie: Guapira Aubl. e Neea Ruiz & Pav.) não correspondendo a clados (Rosseto et al., 2018; Hayward & Horton, 2014). A taxonomia de Nyctaginaceae é confusa e por várias vezes dita como inconsistente. As metodologias usadas para delimitação/ identificação de espécies (e.g. morfometria e NIR) tem-se provado úteis na resolução, reconhecimento e entendimento de complexos taxonômicos e grupos com uma taxonomia confusa (e.g., complexos Pagamea guianensis Aubl.; Prata et al., 2018; P. coriacea Spruce ex Benth.; Esteves & Vicentini, 2013), principalmente quando combinados. Neste estudo, as atuais circunscrições das espécies de Nyctaginaceae ocorrentes na região Amazônica foram testadas por meio de análises multivariadas utilizando dados morfológicos e espectrais.

Material e Métodos

Conceito de espécie adotado

Em nosso estudo adotamos o conceito proposto por Queiroz (1998), que entende espécies como linhagens metapopulacionais e, que evoluem de maneira independente. Neste âmbito, as linhagens podem não ser morfologicamente diferentes, reciprocamente monofiléticas, com diferentes preferências ecológicas ou isoladas reprodutivamente para serem entendidas como tal. De fato, estas características são alcançadas independentemente em diferentes momentos ao longo da história evolutiva do grupo (de Queiroz, 2007). Portanto, qualquer informação que forneça evidências de separação entre as linhagens é relevante para inferir os limites interespecíficos.

Material amostrado

Para a seleção do material, implementamos buscas em coleções botânicas online através das plataformas reflora (REFLORA, 2017) e Specieslink (http://splink.cria.org.br/), e por meio destas bases obtivemos dados dos herbários contendo os registros de Nyctaginaceae ocorrentes na Amazônia (incl. Brasil, Bolívia, Colômbia, Equador, Guiana, Guiana Francesa, Peru, Suriname e Venezuela). A partir destes dados selecionamos 561 exsicatas, provenientes dos herbários HFSL, IAC, IAN, IECOS, INPA, MG, RB e UEL (acrônimos segundo Thiers, 2019) (Tab. 7, material suplementar). Para a seleção dos espécimes adotamos os seguintes critérios: 1) estado de conservação, selecionando exsicatas com folhas, flores e frutos em bom estado de conservação; 2) quanto a distribuição, descartando espécimes com georreferenciamento incerto e que não continham informações necessárias para que este fosse realizado posteriormente. Estas exsicatas foram acessadas por meio de consultas locais ou através de empréstimos. Aditivamente, realizamos atividades de campo para obtenção de imagens de espécimes férteis e averiguação da diversidade local de Nyctaginaceae. As atividades foram realizadas nas seguintes áreas: 1) nas PPs do Projeto Dinâmica Biológica de Fragmentos Florestais - PDBFF, BR174, 60 km ao Norte da cidade de Manaus; 2) na área da Reserva de Desenvolvimento Sustentável (RDS) Rio Negro, localizada no baixo rio Negro; 3) Reserva Florestal Adolpho Duke - RFAD, sendo as três selecionadas por exibirem gradientes de vegetação diversos e serem áreas de fácil acesso.

Dados morfológicos

Os caracteres morfológicos considerados paras as análises foram escolhidos de acordo com os trabalhos de Standley (1937a, 1937b), Steyermark (1987) e Furlan & Giulietti (2014), que consideram os dados dos pecíolos (dimensões, tipos e densidade dos tricomas), folhas (dimensões, filotaxia, formato, tipos e densidade dos tricomas), inflorescências (dimensões, formato, inserção, tipos e densidade dos tricomas), bractéolas (dimensões, formato, densidade de tricomas), perianto estaminado (dimensões, formato, tipos e densidade dos tricomas), perianto pistilado (dimensões, formato, tipos e densidade dos tricomas),infrutescência (dimensões, inserção, tipos e densidade dos tricomas), antocarpos (dimensões) e cúpula (dimensões) para o reconhecimento das espécies. Caracteres da arquitetura foliar adicionais foram obtidos a partir de observações preliminares, e as terminologias, seguiram definições propostas por Ellis et al., (2009). As medidas foram tomadas unicamente de amostras herborizadas e com o auxílio de um paquímetro digital (digital absolute aos). Os caracteres foram mensurados em no máximo cinco e no mínimo em três estruturas (e.g. folhas, flores, frutos) por amostras. Foram mensuradas 96 variáveis qualitativas e 23 variáveis quantitativas (Tab. 8, material suplementar). Organizamos as medições das amostras em uma única planilha de dados, é as utilizamos de duas formas: 1) os 85 caracteres diagnósticos utilizados na circunscrição atual das espécies (aqui nomeados de caracteres usuais) foram selecionados para serem transformados em uma matriz de dissimilaridade morfológica utilizando o índice de Gower (1971). Esta matriz de distância foi calculado por meio da função daisy do pacote Cluster (Maechler et al., 2018), a função daisy foi escolhida devido a sua capacidade de lidar com vários tipos de variáveis (nominal, ordinal, binário simétrico), mesmo quando tipos diferentes ocorrem no mesmo conjunto de dados (Kaufman e Rousseeuw, 1990). Essa matriz foi então apresentada em uma NMDS (Non-metric Multidimensional Scale) (Kruskal, 1964) para que fosse possível observar, com base nas variáveis morfológicas se haveria a separação dos grupos; 2) foi checada a correlação de Pearson entre as variáveis para verificar a dependência 24

entre elas, as correlações ≥ 80% foram eliminadas. Os caracteres morfológicos não correlacionados, foram utilizados para a produção de uma nova matriz de dissimilaridade morfológica, semelhante a empregada anteriormente. Em uma NMDS (Kruskal, 1964), plotamos os valores de estresse dos dados e os índices mais baixos de estresse indicaram a quantidade de dimensões necessárias que a análise deve conter, em nosso caso contendo 60 eixos (Fig. 1). Esta abordagem foi utilizada para obter uma matriz morfológica pela qual os grupos, poderiam ser testados frente a morfologia. Esta metodologia teve como base os trabalhos de Mikkelsen & Seberg (2001), Moeller et al., (2007) e Carvalho & Terra-Araujo (2017).

Dados espectrais

Para a coleta dos espectros, seguimos a metodologia proposta por Durgante et al., (2013), três folhas por amostra foram selecionadas e, para cada folha foram tomadas duas leituras, sendo uma da face adaxial e outra da face abaxial. Cada espectro consiste em 1557 valores de absorvância no infravermelho próximo amostrados em intervalos de 4 cm-1 para comprimentos de onda de 4000 a 10.000 nm de folhas secas. Para coleta dos dados espectrais, um corpo negro (EVA) foi colocado sobre a folha no ponto de tomada das leituras para evitar a dispersão da luz. O ponto de tomada das leituras foi padronizado para a região da porção média do limbo. Para a coleta dos espectros foi utilizado um espectrofotômetro da Thermo Fisher Scientific, modelo Antaris II disponível no herbário do INPA. Para minimizar as variações intra-individuais foram utilizados os valores dos espectros médios por indivíduo (Durgante et al., 2013; Lang et al., 2015, Prata et al., 2018).

Análise dos dados

Para a análise de dados propusemos três tipos de classificações para teste, a primeira é proveniente das determinações de herbário (denominada de classificação herbário), a segunda foi gerada com base numa classificação cognitiva das amostras (denominado de classificação cognitiva), enquanto a terceira é decorrente de abordagens estatísticas que não envolveu as percepções dos autores pelas espécies (denominada de classificação a posteriori).

Testando as circunscrições atuais das espécies

A fim de avaliar a atual circunscrição de Nyctaginaceae na Amazônia, dos 561 espécimes, selecionamos os que continham identificações a nível de espécies (263 ind.). Sendo assim, 16 das 19 espécies reconhecidas foram utilizadas para análise (Tab. 2), é válido apontarmos que o todas as determinações a nível específico foram consideradas como um reflexo a atual circunscrição das espécies. Essa classificação foi testada por três modelos; SVM (Support Vector Machine) (Vapnik, 2013), Bayes (Carlin & Louis, 2000) e LDA (Linear Discriminant Analysis) (Balakrishnama & Ganapathiraju, 1998) realizada por validação cruzadas (leave one out), utilizando tanto dados morfológicos (matriz de dissimilaridade produzida no segundo passo descrito no tópico dos dados morfológicos) e espectrais (valores médios dos espectros dos indivíduos descrito no tópico dos dados espectrais) (Durgante et al., 2013, Prata et al., 2018). 25

Testando uma classificação cognitiva

A diferenciação dos morfotipos foi feita de maneira cognitiva, porém utilizamos como base, os seguintes caráteres: grau de pubescências das folhas na face abaxial, distâncias e ângulos das nervuras secundarias, formas das nervuras terciarias, grau de pubescência, forma e disposição dos ramos secundários da inflorescência e forma e pubescência dos periantos das estaminados. Desta maneira, seis morfotipos foram atribuídos à espécimes do gênero Guapira e 19 foram atribuídos aos espécimes do gênero Neea. Esta classificação foi submetida aos três modelos discriminantes descritos anteriormente (e.g. SVM, BAYES e LDA) realizada por validação cruzadas (leave one out), utilizando tanto dados morfológicos e espectrais (Durgante et al., 2013, Prata et al., 2018).

Testando uma classificação a posteriori

A segunda etapa de análise de dados se baseou na exploração dos dados morfológicos, e teve como objetivo agrupar os espécimes de acordo com as variáveis morfológicas coletadas. Para isto, realizamos uma análise de agrupamento hierárquico com o método de variância mínima de Ward.D2 a partir de uma matriz de distância morfológica de Gower. Esta matriz de distância foi obtida através da função daisy do pacote cluster (Maechler et al., 2018), devido a sua capacidade de lidar com diversos tipos de variáveis (nominais, ordinais, binárias assimétricas e escala proporcional) (Struyf et al., 1997). O algoritmo Ward.D2 foi escolhido por definir grupos de forma que a soma dos quadrados dentro do grupo seja minimizada (Borcard et al., 2018), para a análise de agrupamento foi utilizada a função hclust do pacote Stats (R Core Team, 2018). Para que os agrupamentos formados possuíssem apoio estatístico, e para medir o grau de suporte de cada um dos agrupamentos produzidos, foi utilizada a função clustboot do pacote Fpc (Hennig, 2019) estabelecendo o parâmetro k para variar de 2 a 40 agrupamentos. Em seguida, foi avaliada da estabilidade em cada agrupamento do dendrograma gerado, com base no número de vezes em que o agrupamento foi formado em 1000 repetições. Os resultados desta análise foram então submetidos a um processo de seleção de modelos, implementada por meio do pacote Caret (Kuhn et al., 2019), utilizando validação cruzada, estabelecida pelo parâmetro method=LOOCV, tendo como base os dados espectrais. (botanicaamazonica. wiki). A seleção do agrupamento como grupo de teste (aqui denominada “classificação a posteriori") foi dada pelo valor de acurácia fornecido na análise anterior, selecionando o agrupamento (aqui denominado K) anterior ao maior ponto de diminuição do valor de acurácia. Em seguida, cada grupo foi submetido novamente aos três modelos discriminantes descritos anteriormente (e.g. SVM, BAYES e LDA) realizada por validação cruzadas (leave one out), utilizando tanto dados morfológicos e espectrais (Durgante et al., 2013, Prata et al., 2018). Todas as análises foram realizadas no programa R (R core Team 2018) e as rotinas de programação estão disponíveis em: http://www.botanicaamazonica.wiki.br. 26

Validando grupos

Para interpretação dos modelos de classificação gerados, foi implementado o mesmo processo de validação adotado anteriormente, onde as classificações foram novamente submetidas ao processo de seleção de modelos, implementada por meio do pacote Caret (Kuhn et al., 2019), utilizando validação cruzada, tendo como base uma combinação dos dados morfológicos (matriz de NMDS citada anteriormente nos dados morfológicos) e espectrais (matriz contendo os espectros médios citada anteriormente nos dados espectrais), e de acordo com o resultado desta análise o grupo com maior valor de acurácia foi considerado válido.

Resultados

Testando as circunscrições atuais das espécies

Quando plotados na NMDS os 85 caracteres usuais, pode se observar, que não foi possível visualizar padrões concisos na distribuição dos caracteres (Fig. 2). Os resultados das análises discriminantes morfológicas indicaram o modelo LDA com a maior porcentagem de predição correta (SVM: 55.9%; BAYES: 51.3%; LDA: 59%). Baseado neste modelo (i.e., LDA) três das dezesseis espécies testadas obtiveram predições corretas acima 70%, enquanto nos demais, as predições variaram entre 20-60% (Tab. 3). Quanto aos resultados das análises espectrais, novamente o modelo LDA obteve uma maior porcentagem de predição correta (SVM:20.7%; BAYES: 7.7%; LDA: 48.3%), porém, nenhuma das espécies obteve predições próximas ou acima de 70% (Tab. 3).

Testando uma classificação cognitiva

De acordo com os resultados das análises discriminantes utilizando os dados morfológicos, o modelo SVM obteve as maiores porcentagens de predição correta, porém, os três modelos obtiveram predições próximas entre si (respectivamente SVM: 73.4; BAYES: 68.6; LDA: 70.8). Seguindo o modelo SVM, onze morfotipos obtiveram predições superiores a 70%, já o modelo BAYES, nove morfotipos obtiveram predições superiores a 70% e, de acordo com o modelo LDA, 11 morfotipos obtiveram predições superiores a 70% (Tab. 4). Com relação as análises discriminantes, aplicando os dados espectrais, o modelo LDA se mostrou o modelo com o melhor desempenho (SVM: 32.1; BAYES: 12.3; LDA: 67). Neste modelo, dez morfotipos alacaram 70% de predições corretas (Tab. 5). A comparação entre os valores das análises discriminantes conduzidas aqui sugere que 12 dos morfotipos testados nesta classificação são apoiados tanto por dados morfológicos quanto por dados espectrais (Fig. 3).

Testando uma classificação a posteriori

Com relação a classificação a posteriori, de acordo com os valores de acurácia provenientes da análise de seleção de modelos (Fig. 4), pode se observar que as maiores quedas nos valores de acurácia ocorreram entre os k11 e k20 (respectivamente, agrupamento suportando uma classificação com 11 e 20 grupos). Desta forma, foi selecionado o k16, devido ao maior valor de acurácia (47%) com classificação a posteriori. De acordo com esta classificação, seis grupos obtiveram bootstrap superior a 70% (variando entre 70-100, respectivamente os Morfo_15, Morfo_16 ,Morfo_6 ,Morfo_9, Morfo_7 e Morfo_14), oito obtiveram bootstrap superior a 20% (variando de 20-45%, Morfo_3, Morfo_8, Morfo_2, Morfo_11, Morfo_1, Morfo_13, Morfo_10 e Morfo_5) e em dois grupos estes valores foram inferiores a 10% (Morfo_4 e Morfo_12). De acordo com resultados das análises discriminantes espectrais, o modelo LDA obteve melhor desempenho em comparação com os demais (SVM: 37.4 %; BAYES: 13%; LDA: 47.2%). Para este modelo, seis grupos obtiveram porcentagens de predições corretas superiores a 50%, sete obtiverem predições superiores a 20% e em quatro grupos as porcentagens de predições não alcançaram 10% (Tab. 5).

Validando grupos

Após a análise de seleção de modelo ser novamente implementada, agora combinando os dados morfológicos e espectrais, para as classificações propostas aqui (respectivamente a classificação cognitiva e a posteriori, esta última denominada grp_k), observou-se que a classificação cognitiva obteve um maior valor de acurácia (78%) (Fig. 5).

Discussão

Referente aos agrupamentos da NMDS dos dados morfológicos(Fig. 2), adotamos esta forma de representação, pois seria esperado que espécies com ampla distribuição poderiam apresentar em uma análise de agrupamento como uma NMDS padrões menos agregados de pontos, enquanto espécies com distribuições restritas apresentariam agrupamentos mais definidos. Porém, como dito anteriormente nenhum padrão pode ser observado, tal resultado conduz nosso entendimento a um ponto que trabalhos taxonômicos clássicos, abordando variáveis morfológicas comuns, podem não fornecer resultado satisfatórios quando todos os representantes amazônicos estão presentes. Com base nos resultados das análises discriminantes da classificação proveniente dos herbários, a morfologia foi capaz de discriminar apenas três espécies com altas porcentagens de predição correta (predições superiores a 70%; respectivamente, G. hirsuta, N. duckei e N. hermaphrodita). Porém, com dados espectrais nenhuma das espécies alcançou tais valores de predição. Dados espectrais tem sido utilizado cada vez com mais frequência pela sua capacidade de discriminação de espécies (Durgante et al., 2013; Lang et al., 2015) e até mesmo subespécies (Prata et al., 2018), quando aliada um elevado grau de diferenciação entre as amostras. De acordo com os valores das porcentagens de acerto totais das análises discriminantes, é possível perceber que a atual circunscrição ainda exibe grandes fragilidades nas determinações interespecíficas. Uma vez que com exceção de três espécies, todas as demais espécies obtiveram inúmeros espécimes preditos incorretamente (Fig. 6). Examinando o dendrograma utilizado para a construção da classificação a posteriori, foi possível observar que com exceção de quatro agrupamentos (morfo-1, morfo-5, morfo-14 28

e morfo-16), todos os demais compreenderam amostras que apresentam variabilidade significativa em seus caracteres reprodutivos, tendo como exemplo, o morfo-3 foi composto por espécimes com pedicelos das inflorescências sub opostos, opostos e alternos e flores estaminadas de perianto campanulado, elíptico, elíptico-tubular, elíptico-urceolado e urceolado (Fig. 7). A circunscrição de espécies com tal variação em seus caracteres reprodutivos nunca foi abordada em nenhum tratamento taxonômico para Nyctaginaceae, sendo assim, este nos parece ser a explicação do elevado número de grupos preditos incorretamente (Fig. 8), pois como dito anteriormente, a capacidade de discriminação de dados espectrais estão diretamente ligadas as boas determinações dos espécimes, ou seja, se faz necessário um conjunto de amostras corretamente identificadas para que seja possível realizar a discriminação dos espécimes, o que não foi possível obter para este modelo de classificação (Durgante et al., 2013; Lang et al., 2015). Um resultado semelhante foi apresentado por Matta et al., (2015), que com base em um conjunto de dados morfológicos e espectrais combinados postularam hipóteses de espécies gênero Aniba Aubl. (Lauraceae). Neste trabalho os autores também utilizaram os dados morfológicos para a produção das propostas de espécie (ou seja, não utilizaram uma classificação a priori), porém não obtiveram uma distinção satisfatória para as espécies, novamente devido à ausência de um conjunto de amostras corretamente identificadas. Em relação aos quatro agrupamentos citados anteriormente, é valido ressaltar que apesar desta abordagem não envolver a atribuição de nomes de espécies ou mesmo, onde não são atribuídos os nomes das amostras que compõem cada agrupamento, com base na combinação de caracteres foi possível perceber que tais agrupamentos correspondiam a nomes de espécies efetivamente publicados, sendo estas N. hermaphrodita (correspondente ao morfo-1), G. hirsuta (correspondente ao morfo-5), N. parviflora (correspondente ao morfo- 14) e N. ovalifolia (correspondente ao morfo-16) (Fig. 7). Com exceção de Neea parviflora, as espécies citadas anteriormente (G. hirsuta, N. hermaphrodita e N. ovalifolia) foram as espécies que obtiveram os maiores valores de predição correta com base nos dados morfológicos no modelo de classificação de herbário, o que poderia justificar a recuperação destas espécies nas análises de agrupamento, contudo, seguindo esta classificação, os valores de predição com base espectral foram ainda mais baixos (Tab. 5). Estas baixas predições podem ser explicadas, novamente pela distribuição inconsistente dos caracteres reprodutivos, citando como exemplo, o estado de caráter perianto elíptico foi presente em cinco outros agrupamentos (morfo-3, morfo-8, morfo-9, morfo-15 e morfo-16), novamente tornando os grupos inconsistentes. Para explicar esta distribuição dos caracteres morfológicos dentro do dendrograma, duas hipóteses nos parecem aceitáveis: H1 - seria relacionada a nosso conjunto de dados, assim sendo, nosso conjunto de dados foi insuficiente hábil para diferenciar grupos; enquanto que a segunda hipótese H2 - é referente a radiação rápida das espécies em Nyctaginaceae, abordada anteriormente por Douglas & Manos (2007) e Rossetto et al., (2018), desta forma, a grande variabilidade encontrada nos espécimes foi gerada em decorrência da rápida radiação das espécies do grupo. Com base na Figura 9, onde foram plotados os caracteres qualitativos que diferenciaram cada agrupamento, pode se constatar que variáveis reprodutivas só possuíram influencia na formação de pequenos agrupamentos próximos aos terminais dos dendrograma, desta forma nos parece mais plausível que a primeira hipótese seja mais condizente para explicar os resultados encontrados para a classificação a posteriori, uma vez que nosso conjunto de dados ainda não é suficiente para identificar distinções dentro das espécies. A segunda hipótese seria mais alinhada com os resultados da classificação cognitiva. A rápida radiação das espécies de Nyctaginaceae foi anteriormente abordada por Douglas & Manos (2007) e Rossetto et al., (2018) para explicar as relações filogenéticas dentro da tribo 29

Pisonieae (clado em que estão incluídos Guapira e Neea). A existência deste tipo de radiação já foi observada em diversos outros grupos (e.g. Inga, Fabaceae) (Richardson et al., 2001) e resulta em espécies com morfologias altamente diversas e adaptadas aos seus habitats locais (Sun et al., 2012), desta forma, seguindo esta hipótese é o evento de rápida radiação poderia ter gerado variações dentro das espécies, que se ocorreram em um período curto de tempo, como no caso do gênero Inga abordado por Richardson et al., (2001) (~3.5 Ma), seria esperado populações com limites muito discretos entre os grupos, podendo assim ser um indicativo da existências de complexos de espécies. É valido inferir que a adoção de uma hipótese não necessariamente invalida a outra, uma vez que, grande parte as espécies de Nyctaginaceae ocorrentes na Amazônia, foram descritas por uma quantidade reduzida de amostras, que pode acarretar um entendimento incerto sobre as certas características das espécies (e.g. variação morfológica, preferencias de habitats e/ou distribuição geográfica). É com a inserção análises morfológicas mais profundas amostrando uma maior quantidade de amostras os limites entres os grupos poderiam desaparecer. Com relação ao modelo de classificação cognitivo, após reavaliação de caracteres já utilizados na separação das espécies (e.g., grau de pubescência das folhas, cor dos tricomas, formato do perianto das flores estaminadas) somado a caracteres adicionais até então não utilizados (ângulo das nervuras secundárias, forma das nervuras terciarias, disposição dos eixos das inflorescências) (Tab. 6), G. hirsuta, G. venosa, N. duckei, N. floribunda, N. hermaphrodita, N. laxa, N. obovata, N. oppositifolia, N. ovalifolia, N. parviflora, N. robusta e N. virens alcançaram uma melhor distinção entre seus espécimes. A espécie Neea altissima, atualmente sinônimo de N. oppositifolia foi considerada como válida, e diferenciada de N. oppositifolia com base no padrão das nervuras terciarias e disposição dos eixos das inflorescências (Tab. 6), e em nossas análises foi discriminada por ambas as bases (Tab. 4). N. krukovii foi diferenciada de seu sinônimo N. madeirana pelo grau de pubescência das folhas, ângulo das nervuras secundárias e disposição dos pedicelos das inflorescências (Tab. 6), e obteve melhor desempenho nas análises discriminantes espectrais, porém pouco apoio com bases morfológicas (Tab. 4), contudo o baixo número de amostras férteis disponíveis para esta espécie pode ser uma explicação para esses baixos valores morfológicos, mas devido ao alto suporte espectral associada aos caracteres distintos que N. krukovii apresentou de N. madeirana, consideramos que seria apropriado o reestabelecimento desta. Com relação a Neea duckei e N. virens (representadas pelos morfotipos Neea_sp3 e Neea_sp19), o baixo número de espécimes amostrados, dificultaram uma decisão mais direta sobre a sustentação destas espécies (como discutido anteriormente), porém ambas espécies possuem um conjunto de características diagnosticas tão raro dentro da família (respectivamente, folhas alternas com flores de perianto tubular e folhas de base cordada e flores com perianto elíptico) que torna plausível a hipótese que em um cenário onde mais exemplares destas espécies fossem analisados, estas seriam suportadas por ambos os dados. Em relação a Neea verticillata, representantes amazônicos desta espécie não foram encontrados nas coleções analisadas, todas as amostras analisadas correspondiam a exemplares provenientes da Mata Atlântica, que apresentavam maior similaridade com o tipo e a descrição de N. glaziovii, visto que o holótipo de N. verticillata (Pavon, s.n) apresenta pedicelos das inflorescências com eixos alternos, enquanto que todos os espécimes analisados apresentaram pedicelos das inflorescências com eixos sub opostos. Apesar deste morfotipo não ter sido apoiado pelos dados espectrais, semelhante a N. duckei e N. virens, o número de espécimes pertencentes a este morfotipo foi inferior a dez amostras, o que pode justificar tal resultado. Contudo, as diferenças morfológicas entre os espécimes analisados aqui, o 30

holótipo de N. verticillata, além do não reconhecimento a nenhum espécime similar na região amazônica, deixa incerta esta sinonimização. Dos dois morfotipos, correspondentes a espécimes indeterminados até então, Neea_sp17, é conhecida para região Amazônica, ocorrendo próximo a Manaus no estado do Amazonas, nas áreas pertencentes a reserva Ducke e nas PPs do projeto PDBFF, apesar de apresentarem quase que todos os estados de caráter categóricos semelhantes a Neea duckei (e compartilhar com esta espécie o estado de caráter base cordada), e não possuir espécimes férteis amostrados, diferenças quantitativas (comprimento e largura das folhas) a diferenciaram de N. duckei e das demais espécies; com base nos valores discriminantes morfológicos e espectrais (Tab. 4) nos parece válido inferir que este morfotipo se trate de uma espécie até então não registrada, porém como afirmado anteriormente nenhum espécime fértil correspondente a este morfotipo foi amostrado, mostrando que ainda é necessário maior investimento de coleta para este espécime. Neea_sp18, foi outro morfotipo reconhecido unicamente neste trabalho, restrita a porção leste da Amazônia, e diferente do morfotipo anterior (Neea_sp17), espécimes férteis foram encontrados nas coleções analisadas, identificado como Neea ovalifolia, provavelmente por também apresentar nervuras intersecundárias com menos de um centímetro de distância das secundárias em ângulos quase que perpendiculares. Porém, por meio do formato das inflorescências e do perianto das flores estaminadas (Tab. 6) ambas as espécies foram diferenciadas.

Conclusão

Neste trabalho evidenciamos as limitações que abordagens taxonômicas clássicas podem apresentar para os representantes amazônicos de Nyctaginaceae, e como a utilização de diferentes fontes de evidência (e.g. morfológicas e espectrais) combinadas com abordagens estatísticas podem ser uma alternativa viável para avanços em grupos com uma taxonomia confusa. Com base neste estudo, também percebemos que algumas questões chave para elucidar a diversidade de Nyctaginaceae ainda permanecem incertas como, a rápida radiação abordada anteriormente nos parece ser uma destas questões, a implementação de uma robusta análise genômica com marcadores que aceitem alta variabilidade em diversas populações de espécies, associados a estudos de biogeografia pode constituir boas alternativas para futuras pesquisas que poderiam trazer uma melhor resolução ao grupo. Das 16 espécies que consideramos como válidas, onze são referentes a nomes oficiais que necessitam passar por alterações em sua circunscrição (Guapira venosa, Neea duckei, N. floribunda, N. hermaphrodita, N. laxa, N. obovata, N. oppositifolia, N. ovalifolia, N. parviflora, N. robusta e N. virens), duas se tratam de espécies novas pertencentes ao gênero Neea ocorrentes na Amazônia Central, N. rubescens e N. morfo_17 (em prep.) e três espécies anteriormente sinonimizadas que necessitam ser revalidadas (N. altissima, N. glaziovii e N. krukovii).

Referências

Antonellia, A., A. Zizkaa, F.A. Carvalhob, R.Scharna, C.D. Bacona, D. Silvestroa & F.L. Condamineb. 2018. Amazonia is the primary source of Neotropical biodiversity. PNAS 115:6034–6039. doi: 10.1073/pnas.1713819115. 31

Agapow, P. M., O.R.P. Bininda-Emonds, K.A. Crandall, J.L. Gittleman, G.M. Mace, J.C. Marsahll & A. Purvis. 2004. The impact of species concept on biodiversity. Studies. Q. Rev. Biol. 79:161-179.

Balakrishnama, S. & A. Ganapathiraju. 1998. Linear discriminant analysis-a brief tutorial. Institute for Signal and information Processing, 9p.

Bentham, G., J. Hooker. 1880. Genera plantarum ad exemplaria imprimis in herbariis kewensibus servata definitive, Vol. 3, pt. 1, London: Reeve.

Bittrich, V., U.Kühn. 1993. Nyctaginaceae. In: Kubitzi K, Rohwer JG, Bittrich V (ed), The families and genera of flowering plants. Pp 473–486. Berlin: Verlag

Cardoso, D., T. Särkinenb, S. Alexanderc, A.M. Amorim, V. Bittriche, M. Celis, D.C. Daly, et al. 2017. Amazon plant diversity revealed by a taxonomically verified species list. PNAS 40: 10695–10700. https://doi.org/10.1073/pnas.1706756114

Brockington S.F., R. Alexandre, J. Ramdial, M.J. Moore, S. Crawley, A. Dhingra, K. Hilu, D.E. Soltis & P.S. Soltis. 2009. Phylogeny of the Caryophyllales sensu lato: Revisiting hypotheses on pollination biology and perianth differentiation in the core Caryophyllales. International Journal of Plant Sciences 170: 627 – 643. https://doi.org/10.1086/597785

Burger W. 1983. Nyctaginaceae. In: Burger W, ed. Flora Costaricensis. Fieldiana Botany 13: 180–199.

Carlin, B., T. Louis, B. Carlin, C. Chatfield & J. Zidek. 2000 Bayes and Empirical Bayes Methods for Data Analysis. Chapman and Hall, New York, 440 pp.

Carvalho, T.C.R. & M.H. Terra-Araujo. 2017. Ecclinusa guianensis Eyma (Sapotaceae, Chrysophylloideae): uma ou mais espécies? Manuscrito formatado de acordo com as normas da Acta Amazônica.Dissertação de Mestrado. Instituto Nacional de Pesquisa da Amazônia, Manaus, Brasil.

Choisy, J.D. 1849. Nyctaginaceae. In: A.P. De Candolle (ed.) Prodromus Systematis Naturalis Regni Vegetabilis. Pp 425-458. Treuttel & Würtz, Paris.

Cuénoud P., V. Savolainen, L.W. Chatrou, M. Powell, R.J. Grayer & M.W. Chase. 2002. Molecular phylogenetics of Caryophyllales based on nuclear 18S rDNA and plastid rbcL, atpB, and matK DNA sequences. American Journal of Botany 89: 132–144. https://doi.org/10.3732/ajb.89.1.132 32

Dayrat, B. 2005. Towards integrative taxonomy. Biological Journal of the Linnean Society 85: 407–415. doi:10.1111/j.1095-8312.2005.00503.x de Queiroz, K. 1998. The general lineage concept of species, species criteria, and the process of speciation: A conceptual unification and terminological recommendations. D. J. Howard and S. H. Berlocher (Ed.), Oxford University Press, Oxford, pp. 57–75. de Queiroz, K. 2007. Species Concepts and Species Delimitation. Systematic Biology 56: 879–886. https://doi.org/10.1080/10635150701701083

Douglas, N.A. & P.S. Manos. 2007. Molecular phylogeny of Nyctaginaceae: taxonomy, biogeography, and characters associated with a radiation of xerophytic genera in North America. American Journal of Botany 94: 856-872. https://doi.org/10.3732/ajb.94.5.856

Douglas, N. & R. Spellenberg. 2010. A new tribal classification of Nyctaginaceae. Taxon 59: 905-910.

Downie S. R., D. S. Katz-Downie & K. J. Cho. 1997. Relationships in the Caryophyllales as suggested by phylogenetic analyses of partial chloroplast DNA ORF2280 homolog sequences. American Journal of Botany 84: 253–273. https://doi.org/10.2307/2446087

Durgante, F.M., N. Higuchi, A. Almeida & A. Vicentini. 2013. Species spectral signature: discriminating closely related plant species in the Amazon with near-infrared leaf- spectroscopy. Forest Ecology and Management 291: 240–48. https://doi.org/10.1016/j.foreco.2012.10.045

Ellis, B., D.C. Daly, L.J. Hickey, J.D. Mitchell, F.R. Johnson, P. Wilf, S.L. Wing. 2009. Manual of Leaf Architecture. New York Botanical Garden Press, New York, 187 pp

Esquerré, D., I.G. Brennan, R.A. Catullo, F. Torres‐Pérez & J.S. Keogh. 2018. How mountains shape biodiversity: the role of the Andes in biogeography, diversification and reproductive biology in South America’s most species rich lizard radiation (Squamata: Liolaemidae). Evolution. doi:10.1111/evo.13657

Esteves, S.D. & A. Vicentini. 2013. Cryptic species in Pagamea coriacea sensu lato (Rubiaceae): evidence from morphology, ecology and reproductive behaviour in a sympatric context. Acta Amazonica 43: 415–428. http://dx.doi.org/10.1590/S0044-59672013000400003

Flora do Brasil 2020 (under construction). Jardim Botânico do Rio de Janeiro. Disponível em: http://floradobrasil.jbrj.gov.br/ Acesso em: 08/10/2018. 33

Fine P.V., D.C. Daly, G. Villa Muñoz, I. Mesones, K.M. Cameron. 2005. The contribution of edaphic heterogeneity to the evolution and diversity of Burseraceae trees in the western Amazon. International Journal of Organic Evolution 59: 1464–1478.

Fine P.V., F. Zapata, D.C. Daly. 2014. Investigating processes of neotropical rain forest tree diversification by examining the evolution and historical biogeography of the Protieae (Burseraceae). International Journal of Organic Evolution 68: 1988–2004.

Furlan, A. 2004. Flora de Grão-Mogol, Minas Gerais: Nyctaginaceae. Boletim de Botânica da Universidade de São Paulo 22: 339–341.

Furlan, A. & A.M. Giulietti. 2014. A tribo Pisonieae Meisner (Nyctaginaceae) no Brasil. Boletim de Botânica 32: 145-268. https://doi.org/10.11606/issn.2316-9052.v32i2p145-268

Gomes, A.C.S., A. Andrade, J.S. Barreto-Silva, T. Brenes-Arguedas, D.C. López, C.C. de Freitas, C. Lang, A.A. de Oliveira, A.J. Pérez, R. Perez, J.B. da Silva, A.M.F. Silveira, M.C. Vaz, J. Vendrami & A. Vicentini.2013. Local plant species delimitation in a highly diverse Amazonian forest: do we all see the same species? Journal of Vegetation Science 24: 70–79. https://doi.org/10.1111/j.1654-1103.2012.01441.x

Groeneveld E., B.v. Westhuizen, A. Maiwashe, F. Voordewind, J.B. Ferraz. 2009. POPREP: a generic report for population management. Genet Mol Res 29: 1158-78. doi: 10.4238/vol8-3gmr648.

Grube, M. & S. Kroken. 2000. Molecular approaches and the concept of species and species complexes in lichenized fungi. Mycological Research 104: 1284–1294.

Hayward, J. & T.R. Horton. 2014. Phylogenetic trait conservation in the partner choice of a group of ectomycorrhizal trees. Molecular Ecology 23: 4886–4898.

Heimerl A. 1934. Nyctaginaceae. In: Engler A, Prantl K, eds. Die natürlichen Pflanzenfamilien, Vol. 16c. Berlin: Duncke & Humblot, 86–134.

Hernández-Ledesma, P., W.G. Berendsohn, T. Borsch, S. von. H. Mering, S. Arias, I. Castañeda Noa, U. Eggli, R. Eriksson, H. Flores-Olvera, S. Fuentes-Bazán, G. Kadereit, C. Klak, N. Korotkova, R. Nyffeler, G. Ocampo, H. Ochoterena, B. Oxelman, R.K. Rabeler, A. Sanchez, B.O. Schlumpberger & P. Uotila. 2015. A taxonomic backbone for the global synthesis of species diversity in the angiosperm order Caryophyllales. Willdenowia 45: 281-383. https://doi.org/10.3372/wi.45.45301 34

Hilu K.W., T. Borsch, K. Müller, D.E. Soltis, P.S.Soltis, V. Savolainen , M.W. Chase, M.P. Powell, L.A. Alice, R. Evans, H. Sauquet, C. Neinhuis, T.A.B. Slotta, J.G. Rohwer, C.S. Campbell & L.W. Chatrou. 2003. Angiosperm phylogeny based on matK sequence information. American Journal of Botany 90: 1758–1776. https://doi.org/10.3732/ajb.90.12.1758

Hopkins, M.J.G. 2007. Modelagem da biodiversidade vegetal conhecida e desconhecida da Bacia Amazônica. Journal of Biogeography 34:1400–1411 https://doi.org/10.1111/j.1365- 2699.2007.01737.x

Kaye, W. 1954. Near-infrared spectroscopy: I. Spectral identification and analytical applications. Spectrochimica Acta 6: 257E1--287E2.

Kuhn, M., J. Wing, S. Weston, A. Williams, C. Keefer, A. Engelhardt, T. Cooper, Z. Mayer, B. Kenkel, the R Core Team, M. Benesty, R. Lescarbeau, A. Ziem, L. Scrucca, Y. Tang, C. Candan & T. Hunt. 2019. caret: Classification and Regression Training. R package version 6.0-84. https://CRAN.R-project.org/package=caret

Lang, C., F.R.C. Costa, J.L.C. Camargo, F.M. Durgante & A. Vicentini. 2015. Near infrared spectroscopy facilitates rapid identification of both young and mature Amazonian tree species. Plos one 10: e0134521. https://doi.org/10.1371/journal.pone.0134521

Levin, R.A. 2000. Phylogenetic relationships within Nyctaginaceae tribe Nyctagineae: Evidence from nuclear and chloroplast genomes. Systematic Botany 25: 738–750

Maechler, M., P. Rousseeuw, A. Struyf, M. Hubert, K. Hornik. 2018. cluster: Cluster Analysis Basics and Extensions. R package version 2.0.7-1.

Mikkelsen, K.S. & O. Seberg. 2001. Morphometric analysis of the Bersama abyssinica Fresen. complex (Melianthaceae) in East Africa. Plant Systematics and Evolution, 227: 157– 82.

Moeller, M.; L.-M. Gao, R.R. Mill, D.-Z. Li, M.L. Hollingsworth & M. Gibby. 2007. Morphometric analysis of the Taxus wallichiana complex (Taxaceae) based on herbarium material. Botanical Journal of the Linnean Society, 155: 307–35.

Munck, L. 2007. A new holistic exploratory approach to systems biology by near infrared spectroscopy evaluated by chemometrics and data inspection. Journal of Chemometrics, 21, 406–426. 35

Pan, T., H. Wang, P. Orozcoterwengel, C.-C. Hu, G.-Y. Wu, L.-F. Qian & B.-W. Zhang (2019). Long-term sky islands generate highly divergent lineages of a narrowly distributed stream salamander (Pachyhynobius shangchengensis) in mid-latitude mountains of East Asia. Evolutionary Biology, 19(1). doi:10.1186/s12862-018-1333-8

Pasquini, C. 2003. Near infrared spectroscopy: fundamentals practical aspects and analytical applications. Journal of the Brazilian Chemical Society, 14, 138–219.

Perez, R. & M. Borges-Martins. 2019. Integrative taxonomy of small worm lizards from Southern South America, with description of three new species (Amphisbaenia: Amphisbaenidae). Zoologischer Anzeiger 283: 124-141

Ponzoni, F.J. 2002. Sensoriamento remoto no estudo da vegetação: diagnosticando a mata atlântica. São José dos Campos, Brasil: INPE.

Prata, E.M.B., C. Sass, D.P. Rodrigues, F.M.C.B. Domingos, C.D. Specht, G. Damasco, C.C. Ribas, P.V.A. Fine & A. Vicentini. 2018. Towards integrative taxonomy in Neotropical botany: disentangling the Pagamea guianensis species complex (Rubiaceae). Botanical Journal of the Linnean Society 188: 213–231. https://doi.org/10.1093/botlinnean/boy051

R Core Team. 2018. R: a language and environment for statistical computing. R Foundation for Statistical Computing, Vienna. https://www.R-project.org/.

Riviera-Parada & A. Vicentini. 2017. Uso de evidências morfológicas, espectrais e de distribuição geográfica na delimitação de espécies no complexo O. canaliculata (Lauraceae). Dissertação de Mestrado. Institulo Naciona de Pesquisa da Amazônia, Manaus, Brasil.

J.I. Rodríguez-Fernández, C.J.B. De Carvalho, C. Pasquini, K.M.G. De Lima, M.O. Moura & G.G.C. Arízaga. 2011. Barcoding Without Dna? Species Identification Using Near Infrared Spectroscopy. Zootaxa 46. Doi: 10.11646 / Zootaxa.2933.1.3

Rossetto. E.F.S., A.D. De Faria, P.M. Ruas, C.F. Ruas, N.A. Dougla & J.E.L.A. Da Silva Ribeiro. 2019. Clarifying Generic Delimitation In Nyctaginaceae Tribe Pisonieae After More Than A Century Of Taxonomic Confusion. Botanical Journal Of The Linnean Society 189: 378–396. 36

Ruiz-Sanchez, E., V. Sosa. 2010. Delimiting species boundaries within the Neotropical bamboo Otatea (Poaceae: Bambusoideae) using molecular, morphological and ecological data. Molecular Phylogenetics and Evolution 54:344–356

Schäferhoff B., K.F. Müller & T. Borsch. 2009. Caryophyllales phylogenetics: disentangling Phytolaccaceae and Molluginaceae and description of Microteaceae as a new isolated family. Willdenowia 39: 209-228. https://doi.org/10.3372/wi.39.39201

Soltis D.E., S.A. Smith, N. Cellinese, K.J. Wurdack, D.C. Tank, S.F. Brockington, N.F. Refulio-Rodriguez, J.B. Walker, M.J. Moore, B.S. Carlsward, C.D. Bell, M. Latvis, S. Crawley, C. Black, D. Diouf, Z. Xi, C.A. Rushworth, M.A. Gitzendanner, K.J. Sytsma, Y.-L. Qiu, K.W. Hilu, C.C. Davis, M.J. Sanderson, R.S. Beaman, R.G. Olmstead, W.S. Judd, M.J. Donoghue & P.S. Soltis. 2011. Angiosperm phylogeny: 17 genes, 640 taxa. American Journal of Botany 98: 704–730. https://doi.org/10.3732/ajb.1000404

Standley, P.C. 1931a. Studies of American plants – V: Nyctaginaceae. Field Museum of Natural History. Botanical series 8: 304–311.

Standley, P.C. 1937a. Nyctaginaceae. In J.F. Macbride (ed.) Flora of Peru. Field Mus. Nat. Hist. Bot. 13: 518-546.

Standley, P.C. 1937b. Studies of American plants VII. Nyctaginaceae. Field Mus. Nat. Hist. Bot. 17: 187-190.

Stevens, P. F. 2001 onwards. Angiosperm Phylogeny Website. Version 14, July 2017 [and more or less continuously updated since]." will do. http://www.mobot.org/MOBOT/research/APweb/

Steyermark, J.A. 1987. Flora of the Venezuelan Guayana III. Ann. Missouri Bot. Gard. 74: 609-658.

Struyf, A., M. Hubert & P.J. Rousseeuw. 1997. Integrating Robust Clustering Techniques in S-PLUS, Computational Statistics and Data Analysis 26, 17–37.

Sun Y.S., A.L. Wang, D.S. Wan, Q. Wang, J.Q. Liu. 2012. Rapid radiation of Rheum (Polygonaceae) and parallel evolution of morphological traits. Mol Phylogenet Evol 63: 150– 158. ter Steege, H., N.C.A. Pitman, D. Sabatier, C. Baraloto, R.P. Salomão, J.E. Guevara et al. 2013. Hyperdominance in the Amazonian tree flora. Science 342: 1243092. 37

Terra-Araujo, M.H., A.D. Faria, J.E.L.S. Ribeiro & U. Swenson. 2012. Flower biology and subspecies concepts in Micropholis guyanensis (Sapotaceae): evidence of ephemeral flowers in the family. Australian Systematic Botany 25: 295–303.

Vapnik, V. 2013. The nature of statistical learning theory. Springer science & business media.

Vicentini A, van der Werff H, Nicolau S. 1999. Lauraceae. In: Ribeiro JELS, Hopkins MJG, Vicentini A, Sothers CA, Costa MAS, Brito JM, Solza MA, Martins LH, Lohmann LG, Assunção PACL, Pereira EC, Silva CF, Mesquita MR, Procópio LC, eds. Flora da reserva Ducke: guia de identificação das plantas vasculares de uma floresta de terra-firme na Amazônia central. Manaus: INPA, 150–179.

Vicentini, A., 2007. Pagamea Aubl. (Rubiaceae), from species to processes, building the bridge. Unive+rsity of Missouri Saint Louis.

Vicentini A. 2016. The evolutionary history of Pagamea (Rubiaceae), a white-sand specialist lineage in Tropical South America. Biotropica 48: 58–69.

Walker, J.F., Yang, Y., Feng, T., Timoneda, A., Mikenas, J., Hutchison, V., Edwards, C., Wang, N., Ahluwalia, S., Olivieri, J., Walker-Hale, N., Majure, L., Puente, R., Kadereit, G., Lauterbach, M., Eggli, U., Flores Olvera, H., Ochoterena Booth, H., Brockington, S.F., Moore, M.J., & Smith, S.A. 2018ª. From cacti to carnivores: Improved phylotranscriptomic sampling and hierarchical homology inference provides further insight to the evolution of Caryophyllales. American Journal of Botany 105: 446-462.

Workman Jr, J. & Weyer, L. 2007. Practical guide to interpretive near-infrared spectroscopy. CRC press. 38

LISTA DE TABELAS Tabela 1. Relação das tribos por gêneros e número de espécies pertencentes a cada gênero (Douglas & Spellenberg 2010).

N° de Tribo Gêneros espécies Tribo Boldoeae Heimerl in Engler & Prantl Boldoa Cav. ex Lag. 2–3 spp Cryptocarpus Kunth 1 sp Salpianthus Bonpl., Pl. Aequinoct 1 sp Tribo Bougainvilleeae Choisy in Candolle Belemia Pires 1 sp Bougainvillea Comm. ex Juss. 14–18 spp Phaeoptilum Radlk. 1 sp Tribo Caribeeae Douglas & Spellenb. Caribea Alain 1 sp Tribo Colignonieae Standl. Colignonia Endl. 6 spp Tribo Leucastereae Benth. & Hook. f. Andradea Allemão 1 sp Leucaster Choisy in Candolle 1 sp Ramisia Glaz. ex Baill 1 sp Reichenbachia reng. in Bull. 2 spp Tribo Nyctagineae Horan. Acleisanthes A. Gray 1 sp. 17 spp

Allionia L. 1–2 spp Anulocaulis Standl. 5 spp Boerhavia L. ca. 40 spp Commicarpus Standl. 30–35 spp Cyphomeris Standl. 2 spp Mirabilis L. 1 sp. ca. 60 spp

Nyctaginia Choisy 1 sp Okenia Schltdl. & Cham. 1–2 spp Tripterocalyx (Torr.) Hook. 4 spp Cephalotomandra H. Karst. & Tribo Pisonieae Meisn. 1–3 spp Triana Grajalesia Miranda 1 sp 39

Guapira Aubl. ca. 70 spp Neea Ruiz & Pav. ca. 80 spp Neeopsis Lundell 1 sp Pisonia L. ca. 40 spp Pisoniella (Heimerl) Standl. 1 sp

Tabela 2. Relação de espécies e números de amostras de Nyctaginaceae ocorrentes na Amazônia com base nas determinações provenientes dos herbários. N° de Espécies amostras Guapira hirsuta (Choisy) Lundell 13 Guapira opposita (Vell.) Reitz. 26 Guapira venosa (Choisy) Lundell 16 Neea duckei (Huber) Furlan 5 Neea floribunda Poepp. & Endl. 17 Neea hermaphrodita S. Moore 34 Neea hirsuta Poepp. & Endl. 4 Neea laxa Poepp. & Endl. 11 Neea macrophylla Poepp. & Endl. 12 Neea madeirana Standl. 10 Neea obovata Spruce ex Heimerl 13 Neea oppositifolia Ruiz & Pav. 34 Neea ovalifolia Spruce ex J.A.Schmidt. 46 Neea parviflora Poepp. & Endl. 8 Neea uleana (Heimerl) Furlan 3 Neea verticillata Ruiz & Pav. 9

Espécies Tipo de dado SVM (%) BAYES (%) LDA (%) Guapira hirsuta MOR 84.6 92.3 84.6 NIR 0 15.4 53.8 Guapira opposita MOR 65.4 57.7 61.5 NIR 0 0 57.7 Guapira venosa MOR 37.5 37.5 37.5 NIR 0 0 43.8 Neea duckei MOR 100 60 100 NIR 0 60 40 Neea floribunda MOR 5.9 17.6 35.3 NIR 0 0 29.4 Neea hermaphrodita MOR 85.3 61.8 82.4 NIR 17.6 11.8 64.7 Neea hirsuta MOR 0 0 25 NIR 0 0 25 Neea laxa MOR 0 18.2 27.3 NIR 0 9.1 27.3 Neea macrophylla MOR 16.7 58.3 33.3 NIR 0 33.3 8.3 Neea madeirana MOR 20 40 60 NIR 0 0 40 Neea obovata MOR 61.5 69.2 61.5 NIR 0 0 61.5 Neea oppositifolia MOR 67.6 32.4 47.1 NIR 32.4 17.6 47.1 Neea ovalifolia MOR 73.9 71.7 69.6 NIR 80.4 0 65.2 Neea parviflora MOR 50 50 62.5 NIR 0 0 25 41

Neea uleana MOR 0 0 33.3 NIR 0 0 0 Neea verticillata MOR 44.4 44.4 66.7 NIR 0 0 33.3 TOTAL MOR 55.9 51.3 59 NIR 20.7 7.7 48.3

Tabela 4. Tabela 4. Resultado dos três modelos discriminantes para cada tipo de dado analisado de acordo com classificação cognitiva. Tipo de dado: MOR (matrizes de distância morfológica de Gower), NIR (valor espectral médio por espécime); SVM: modelo Support vector machine; BAYES: modelo Bayes; LDA: modelo Análise discriminante linear. Morfotipo Tipo de dado SVM (%) BAYES (%) LDA (%) Guapira_sp1 MOR 33.3 33.3 33.3 NIR 0 0 16.7 Guapira_sp2 MOR 80 75 85 NIR 0 0 40 Guapira_sp3 MOR 72.7 72.7 63.6 NIR 0 0 54.5 Guapira_sp4 MOR 0 0 0 NIR 0 0 0 Guapira_sp5 MOR 0 37.5 37.5 NIR 0 0 25 *Guapira_sp6 MOR 68.1 61.7 61.7 NIR 42.6 2.1 63.8 *Neea_sp1 MOR 85.7 90.5 95.2 NIR 61.9 19 66.7 Neea_sp2 MOR 36.4 45.5 36.4 NIR 0 36.4 18.2 Neea_sp3 MOR 83.3 66.7 100 NIR 0 0 16.7 *Neea_sp4 MOR 70.6 67.6 76.5 NIR 29.4 0 73.5 Neea_sp5 MOR 66.7 50 66.7 NIR 0 33.3 0 42

Neea_sp6 MOR 89.1 67.3 80 NIR 67.3 7.3 83.6 Neea_sp7 MOR 44.4 44.4 44.4 NIR 0 11.1 11.1 Neea_sp8 MOR 61.5 42.3 23.1 NIR 3.8 46.2 88.5 *Neea_sp9 MOR 61.9 71.4 76.2 NIR 0 9.5 76.2 Neea_sp10 MOR 50 41.7 45.8 NIR 0 0 33.3 Neea_sp11 MOR 82.6 91.3 56.5 NIR 4.3 0 34.8 *Neea_sp12 MOR 100 94.1 100 NIR 0 0 82.4 *Neea_sp13 MOR 64.9 62.2 64.9 NIR 5.4 0 73 *Neea_sp14 MOR 97.6 90.2 95.1 NIR 75.6 14.6 92.7 Neea_sp15 MOR 71 45.2 51.6 NIR 45.2 3.2 71 Neea_sp16 MOR 61.1 72.2 55.6 NIR 0 38.9 88.9 *Neea_sp17 MOR 95.8 100 100 NIR 83.3 70.8 95.8 Neea_sp18 MOR 16.7 66.7 100 NIR 0 0 16.7 Neea_sp19 MOR 0 0 100 NIR 0 66.7 0 TOTAL MOR 73.4 68.6 70.8 NIR 32.1 12.3 67 *morfotipos suportados por ambos os dados

Tabela 5. Tabela 5. Resultado dos três modelos discriminantes para cada tipo de dado analisado de acordo com classificação a posteriori. Tipo de dado: NIR (valor espectral médio por espécime); SVM: modelo discriminante Support vector machine; BAYES: modelo discriminante Bayes; LDA: modelo discriminante Análise discriminante linear. Morfotipo Tipo de dado SVM (%) BAYES (%) LDA (%) morfo_1 NIR 0 58.3 29.2 morfo_2 NIR 54.2 70.8 62.5 morfo_3 NIR 81.7 0 57.7 morfo_4 NIR 0 16.7 8.3 morfo_5 NIR 0 0 21.1 morfo_6 NIR 39 9.5 56.2 morfo_7 NIR 0 0 45.2 morfo_8 NIR 0 0 0 morfo_9 NIR 34 20.8 47.2 morfo_10 NIR 0 0 0 morfo_11 NIR 0 0 50 morfo_12 NIR 0 0 0 morfo_13 NIR 0 0 22.2 morfo_14 NIR 0 20 30 morfo_15 NIR 29.4 17.6 61.8 morfo_16 NIR 27.3 25 52.3 TOTAL NIR 37.4 13 47.2

Tabela 6. Relação entre morfotipos estabelecidos na classificação cognitiva e nomes de espécies validas com e padrões morfológicos que foram utilizados para definir os morfotipos.

Grau de Disposição pubescência Ângulo das Distância Inserção Cor dos Tipo de ner. dos pedicelos Forma do Análises Morfotipo Espécie das folhas nerv. entre das folhas tricomas Terciaria das perianto discriminantes na face Secundárias nervuras inflorescências abaxial Guapira_sp1 G. cuspidata Peciolar esparsos vermelhos agudo ramificas > 1 cm verticilados largo- Mor:33.3% pubescentes exmediais campanulado Nirs: 16.7% Guapira_sp2 G. hirsuta Peciolar denso amarelados agudo ramificas > 1 cm verticilados largo- Mor: 85% pubescentes admediais campanulado Nirs: 40% Guapira_sp3 G. opposita Peciolar glabras - agudo ramificas > 1 cm verticilados largo- Mor: 63.6% admediais campanulado Nirs: 54.5% Guapira_sp4 G. guianensis Peciolar glabras - agudo ramificas > 1 cm verticilados estreito- Mor: 0% admediais campanulado Nirs: 0%

Guapira_sp5 G. obtusiloba Peciolar glabras - agudo ramificas > 1 cm verticilados estreito- Mor: 37.5% admediais campanulado Nirs: 25%

Guapira_sp6 G. venosa Peciolar glabras - agudo ramificas > 1 cm alternos estrito- Mor: 61.7% admediais campanulada Nirs: 63.8%

Neea_sp1 N. altissima Peciolar glabras - agudo alterno- > 1 cm alternos tubular Mor: 95.2% percurrentes Nirs: 66.7% Neea_sp2 N. constricta Peciolar glabras - agudo ramificas > 1 cm sub opostos elíptico Mor: 36.4% admediais Nirs: 18.2% 45

Neea_sp3 N. duckei Subsésseis glabras - agudo ramificas > 1 cm alternos elíptico Mor: 100% admediais Nirs: 16.7% Neea_sp4 N. floribunda Peciolar glabras - agudo ramificas > 1 cm alternos tubular Mor: 76.5% admediais Nirs: 73.5% Neea_sp5 N. glaziovii Peciolar glabras - agudo ramificas > 1 cm sub opostos elíptico- Mor: 66.7% admediais urceolado Nirs: 0% Neea_sp6 N. Peciolar esparsos amarelados agudo ramificas > 1 cm alternos elíptico Mor: 80% hermaphrodita pubescentes admediais Nirs: 83.6% Neea_sp7 N. hirsuta Peciolar hirsuta vermelhos agudo alterno- > 1 cm sub opostos urceolada Mor: 44.4% percurrentes Nirs: 11.1% Neea_sp8 N. krukovii Peciolar glabras - perpendicular alterno- > 1 cm sub opostos largo- Mor: 23.1% percurrentes campanulado Nirs: 88.5%

Neea_sp9 N. laxa Peciolar glabras - perpendicular ramificas > 1 cm alternos tubular Mor: 76.2% admediais Nirs: 76.2% Neea_sp10 N. Peciolar glabras - agudo ramificas > 1 cm alternos urceolada Mor: 45.8% macrophylla admediais Nirs: 33.3% Neea_sp11 N. madeirana Peciolar esparsos vermelhos agudo alterno- > 1 cm verticilados largo- Mor: 56.5% pubescentes percurrentes campanulado Nirs: 34.8%

Neea_sp12 N. obovata Peciolar glabras - agudo ramificas > 1 cm verticilados largo- Mor: 100% admediais campanulado Nirs: 82.4%

Neea_sp13 N. Peciolar glabras - agudo ramificas > 1 cm sub opostos tubular Mor: 64.9% oppositifolia admediais Nirs: 73% Neea_sp14 N. ovalifolia Peciolar glabras - perpendicular ramificas < 1cm alternos tubular Mor: 95.1% admediais Nirs: 92.7% 46

Neea_sp15 N. parviflora Peciolar esparsos vermelhos agudo ramificas > 1 cm sub opostos urceolada Mor: 51.6% pubescentes admediais Nirs: 71% Neea_sp16 N. robusta Peciolar Glabras - agudo ramificas > 1 cm - - Mor: 55.6% admediais Nirs: 88.9% Neea_sp17 N. sp. nova Subsésseis glabras - agudo ramificas > 1 cm - - Mor: 100% admediais Nirs: 95.8% Neea_sp18 N. sp. nova Peciolar esparsos vermelhos perpendicular ramificas < 1cm verticilado elíptico Mor: 100% pubescentes admediais Nirs: 16.7% Neea_sp19 N. virens Peciolar glabras - agudo ramificas > 1 cm alternos tubular Mor: 100% admediais Nirs: 0%

LISTA DE FIGURAS

Figura 1. Comparação entre o stress causado e a quantidade de eixos (dimensões) necessários (K) para a NMDS de acordo com análises das variáveis morfológicas.

1 2

3 4

5 6

1 2

3 4

5 6

Figura 6. Matrizes de confusão com os resultados da validação cruzada (LOO) utilizando dados morfológicos e espectrais nos três diferentes modelos, de acordo a classificação dos herbários. 1: modelo SVM com dados morfológicos, 2: modelo SVM com dados espectrais, 3: modelo BAYES com dados morfológicos, 4: modelo BAYES com dados espectrais, 5: modelo LDA com dados morfológicos e 6: modelo LDA com dados espectrais.

CAPÍTULO 2

DA SILVA COSTA, D.; TERRA- ARAUJO, M.H. Neea rubescens, uma nova espécie de Nyctaginaceae da região norte do Brasil Manuscrito formatado para Phytotaxa*.

* Manuscrito não traduzido para a versão em inglês. 65

Neea rubescens, uma nova espécie de Nyctaginaceae da região norte do Brasil

1*DANIEL SILVA COSTA, MÁRIO HENRIQUE TERRA ARAUJO

1Programa de Pós-Graduação em Botânica, Departamento de Botânica, Instituto Nacional de Pesquisa da Amazônia, Av. André Araújo, 2936, CEP 69067-375. Manaus Amazonas, Brasil; e-mail: [email protected].

*Author for correspondence: [email protected]

Abstract

Here, Neea rubescens is described as a new species of Nyctaginaceae for Central Amazonia. The species is known only for a single area of non-floodable forest on the terra firme forest. In addition to morphological characteristics, spectral data were used by define the species. Information on its geographic distribution is provided together with a comparison of the morphological differences of Neea rubescens and similar species.

Keywords: Nyctaginaceae, NIR, new specie, Central Amazon.

Resumo Aqui Neea rubescens é descrita como uma nova espécie de Nyctaginaceae para a Amazônia Central. A espécie é conhecida apenas para uma única área de floresta não inundável na terra firme. Além de características morfológicas, dados espectrais foram utilizados na delimitação da espécie. Informações sobre sua distribuição geográfica são fornecidas juntamente com uma comparação das diferenças morfológicas de Neea rubescens e espécies similares.

Palavras-chave: Nyctaginaceae, NIR, espécie nova, Amazônia Central.

Introdução

Neea Ruiz & Pav. (1794:52, Nyctaginaceae), e um gênero que compreende aproximadamente 85 espécies, distribuídas na América do Norte, Central e Sul (Bittrich & Kühn ,1993), ocorrendo em afloramentos rochosos, Campinas e Campinarana, Campos rupestres, Cerrado, Mata ciliar, Floresta de Baixio, Floresta de igapó, Floresta de Platô, Floresta de Terra Firme, Floresta de Vertente, Floresta Inundável, Floresta Montana e submontana e em áreas antropizadas, porém as informações referente aos habitats não podem ser considerada completamente confiáveis, não se fez uma revisão global sobre a família. O gênero tem como principais características as inflorescências em cimas multifloras, flores estaminadas urceoladas, tubulares ou elípticas com estigma incluso e antocarpo carnoso(Furlan & Giulietti, 2014), porém após uma reconstrução filogenética de alguns destes caracteres (flores estaminadas com estames incluídos e 66 antocarpo carnoso), os mesmo se mostraram plesiomorficos, e Neea e Guapira Aubl.(1775: 119), foram entendidos como parafilético (Rossetto et al., 2018), no entanto, mais estudos são necessários para que se tenha uma melhor resolução sobre as relações intragenéricas de Nyctaginaceae.

Na última revisão taxonômica que incluiu o gênero no Brasil, 56 espécies foram sinonimizadas (Furlan & Giulietti, 2014) e atualmente no Brasil são reconhecidas 20 espécies, com maior ocorrência na Amazônia (17 spp.) e Mata Atlântica (12 spp.) (Costa et al. 2019). Neea rubifolia e aqui descrita como uma nova espécie do gênero ocorrente na Amazônia Central, nos baseamos em características morfológicas e espectrais como fontes de evidência que apoiam a circunscrição desta nova espécies deste gênero confuso.

Material e métodos

A descrição de Neea rubescens foi baseada em observações de campo e revisão de espécimes de herbário. Características morfológicas como hábito, padrão de casca e flores estudadas em campo e no herbário do Instituto Nacional de Pesquisas da Amazônia (INPA). Os espécimes foram depositados nos herbários HUAM, INPA, MG e RB (Thiers 2018, continuamente atualizado). A maioria dos personagens foi estudada com material novo. As flores foram dissecadas e medidas em um estereomicroscópio Leica® (modelo S8APO, com lente Leica DFC295 acoplada). Os espécimes estão depositados nas coleções do IAN, INPA e NY (Thiers 2019, continuamente atualizado). Para as medidas das estruturas vegetativas e reprodutivas externas foi utilizado um paquímetro digital e as estruturas reprodutivas internas foram analisadas por disseção e as medidas foram tomadas por um stereomicroscopio Leica® (modelo S8APO, com Leica DFC295 acoplado). A terminologia morfológica segue Furlan & Giulietti (2014) e Radford et al. (1974). Além das medições dos valores de amplitude das variações comumente feitas em descrições taxonômicas, utilizamos valores médios e o desvio padrão para os caracteres quantitativos. Apresentamos estas medições de acordo com a proposta de Vasconcelos et al. (2020), tendo como exemplo "A– (C ± D) –B mm de comprimento", onde A e B têm comprimento mínimo e máximo, respectivamente, C representa a média e D o erro padrão. Para coleta dos dados espectrais adaptamos a metodologia proposta por Durgante et al. (2013), usando amostras herborizasas depositadas em herbário. O conjunto de dados espectrais incluiu 93 leituras medias, provenientes das espécies N. hermaphrodita S. Moore (N = 47), N. ovalifolia Spruce ex J.A.Schmidt (N = 39) e N. rubescens Costa (N = 7). Para cada indivíduo, seis espectros foram coletados de três folhas (uma adaxial e uma abaxial para cada folha) tomando como padrão a região da porção média do limbo. As leituras dos espectros serão coletadas por meio de um analisador de espectroscopia de infravermelho próximo de transformada de Fourier (FT- NIR) da Thermo Fisher Scientific, modelo Antaris II controlado pelo Result ™ , disponível no herbário do INPA. Cada espectro obtido consiste em 1557 valores de absorvância no infravermelho próximo amostrados em intervalos de 4 cm-1 para comprimentos de onda de 4000 a 10.000 nm de folhas secas. Foi utilizada uma Analise Discriminante Linear (LDA) feita por validação cruzada (Leave one out- LOO) para 67 predizer a procentagem de vezes em que as especies testadas foram preditas como a mesma entidade (Durgante et al., 2013, Prata et al., 2018). Todas as análises foram realizadas no programa R (R core Team 2018), utilizando o pacote ‘mass’ (Venables & Ripley, 2002) e as linhas de programação estão disponíveis no site “Ecologia e Evolução de Plantas Amazônicas” (www.botanicaamazonica.wiki.br / labotam).

Tratamento taxonômico Neea rubescens Costa, sp. nov., sp. nov. (Figs. 1‒2) Type:— BRASIL. Pará: Tucuruí. Área de desmatamento, margem direita da PA-149, ramal da Massa Falida. 3°45'56.44"S 49°40'28.35"O, 28 Set 1983. fl., J. F. Ramos 943 (holotype INPA!).

Diagnosis:— Morfologicamente Neea rubescens, e uma espécie incomum para o gênero, primacialmente no que se refere a inflorescência, o padrão de pedicelos primários ramificados verticilados com 3 a 5 ramos, extremidade com 3 a 6 fascículos de unidades florais associados a flores estaminadas elíptico-urceoladas e pistiladas cilíndrico-campanuladas, formam uma combinação única de características que não está presente em outras espécies deste gênero (Tab. 1)

Descrição:— Árvore 10-25 m de alt., 10 x 35.9 cm DAP. Tronco liso, marrom acinzentada; ramificação dicotômica; ramos cilíndricos, marrom-acinzentados, estriados longitudinalmente, pouco pubescentes. Folhas opostas e suboppostas,, com pares desiguais, simples, adaxialmente castanhas claras, abaxialmente avermelhadas pálidas, após secagem; pecíolo com 13-(14,8±1,6)-21 mm de comp., esparso pubescente com tricomas vermelhos; lâminas 51,2-(83±4,5)-145,9 × 17-(33,9±2,6)-48,6 mm, elíptica, adaxialmente esparso pubescente com tricomas vermelhos condensados na nervura primaria e nervuras secundárias, abaxialmente denso pubescente com tricomas vermelhos no limbo, na nervura primaria e nervuras secundárias; base assimétrica; ápice atenuado; margens inteiras; nervura primária ligeiramente elevada na superfície superior (carinada); secundárias broquidódromas, paralelas, retas e de angulo >90° próximo a nervura primária com 14-(16±1)-24 pares, planas na superfície superior e proeminente na superfície inferior; espaçamento secundário regular; variação do ângulo secundário a uniforme do ápice a base; nervuras intersecúndarias com < 1 cm de distancia das secúndarias; curso proximal das intersecundárias paralelo as secundárias; frequência de nervuas intersecundárias ~ 1 por área intercostal; nervuras terciárias admediais ramificadas. Inflorescências de 28-(40,8±2)-53 mm de comp., de ambos os sexos, terminais a axilares, pendulares, esparso pubescente com tricomas vermelhos, pedicelos primários com 1‒2 ramos, final com 3-(5±0,15)-6 fascículos de unidades florais; brácteas não observadas; bracteolas 3-4, frequentemente irregulares 3-(5±0,15)-8 mm de comp., elipticas, denso pubescentes com tricomas vermelhas; pedúnculos 23,7- (30,7±1,7)-34,7 × 0,6-(0±0)-0,8 mm, puberdade ferruginosa. Flores de ambos os sexos, perianto séssil, 5 lóbulos. Flores estaminadas de 3,2-(3,3±1)-4,5 × 1,3-(1,5±1)-1,4 mm, elipsóide-urceolato, denso pubescentes com tricomas amarelos avermelhados, lobos agudos ou deltóides; estames 6-7, inclisos, desiguais; pistilodo 1,5 ± 1,8 mm de comprimento. Flores pistilizadas com 2,3-(2,5±0,1)-3 × 1-(1,2±0,1)-1,5 mm, cilíndrico- campanulado, amarelo avermelhado, puberdade, ovário globoso a ovoide; estilete 1,2- 68

(1.5±0.3)-2 mm, long; estigma lacerado; estaminodos 4 – 5. Frutas e frutas desconhecidas. Espécimes adicionais examinados (parátipos):— BRAZIL, Amazonas: Presidente Figueiredo, Vila de Balbina., 5 Sez 2015, R.O. Perdiz 2942 (INPA!, NY); Pará: Santarém, Região do planalto de Santarém, onde foi feito o levantamento estatístico florestal pelo IAN, SPVEA e FAO., 13 May 1955, R.L. Fróes 31844 (IAN!); Porto de Móz: Rio Jaracu., Oct 1955, R.L. Fróes 32209 (IAN!); Almeirim, Nova vida., Jan 1980, N.T. Silva 5417(INPA!). Fenologia:— Floração registrada em setembro a dezembro. A frutificação é desconhecida. Distribuição, habitat e status de conservação:— Neea rubescens é conhecida apenas na bacia amazônica, distribuída entre os estados do Amazonas e Pará, Brasil (Fig. 4). Esta espécie é aqui considerada endêmica do bioma Amazônia, crescendo na Floresta Ombrófila Densa, na floresta de Terra firme. Com base nas categorias e critérios estabelecidos pela IUCN e no número de amostras disponíveis, propusemos o status preliminar de Defficient Data (DD). Etmologia:— O epíteto específico refere-se aos tricomas ferruginosos na superfície da maioria das estruturas da planta.

Assinatura espectral de infravermelho próximo (NIRS) :— Os resultados de nossa analise discriminte (validação cruzada), mostraram que N. rubescens, obteve porcentagem média de predições corretas superiores a 70%, predizendo incorretamente apenas dois espéciemes. Observando mais detalhadamentes os dois espécimes, percebemos que os mesmo apresentavam folhas em estagios não totalmente desenvolvidos em comparação as amostras preditas corretamente. Folhas jovens podem apresentar uma assinatura espectral diferente de folhas maduras, por possuirem diferentes compostos secundarios (e.g. celulose e lignina) (Durgante et al., 2013, Lang et al., 2015), o que poderia explicar as predições incorretas das mesmas. Notas:— Por se tratar de uma espécie de folhas pequenas (5.1-14. 5 cm) e com distribuição no Bioma Amazônico, em florestas de terra firme, Neea rubescens pode ser confundida com N. hermaphrodita S. Moore (1895: 442) e N. ovalifolia Spruce ex J. A. Schmidt (1872: 368). Neea hermaphrodita com base no trabalho de Furlan & Giulietti (2014), é caracterizada pelas folhas de face adaxial mais escura, pouco lustrosa, pouco pilosa especialmente na nervura mediana inflorescências em geral terminais, inflorescências com eixos alternos e periantos estaminados elipsóide-urceoladas com pilosidade em geral pardo-amarelada. Contudo, com base no material tipo de Moore 481 depositado no herbário P e BM, é possível observar uma grande constrição dos ápices dos periantos, o que deixa incerto o estado de caráter elipsóide-urceolada dos periantos, as tornando mais próximas de elípticas, desta forma, N. rubescens pode ser diferenciada de N. hermaphrodita tanto por caracteres reprodutivos como, forma dos periantos estaminados elípticos-urceolados com pilosidade ferrugínea e distribuição dos eixos das inflorescências verticilados, como também por caracteres vegetativos, como número de pares de nervuras secundarias(Tab. 1). Já, N. ovalifolia, se assemelha a N. rubescens, pelas nervuras intersecundárias próximas < 1 cm as secundarias, e os tricomas vermelhos que recobrem as estruturas reprodutivas, porém, reprodutivamente, N. rubescens apresenta flores estaminadas elíptico-urceoladas (vs. flores estaminadas tubulares) com lobos agudos a deltoides (vs. dentiformes a oblongos) (Tab. 1).

Agradecimentos Esta pesquisa foi financiada por uma bolsa de mestrado à CCV pelo Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq, processo 130954/2018-7). Agradecemos ao Programa de Pós-Graduação em Botânica (PPGBOT-INPA) e aos curadores e funcionários dos herbários IAN, IECOS, INPA, RB, MG, RB e UEL pelo recebimento das amostras.

Referências Bittrich, V. &Kühn, U. (1993) Nyctaginaceae. In: Kubitzki, K., Rohwer, J.G. & Bittrich, V. (Eds.), The Families and Genera of Flowering Plants. II. Flowering Plants. Dicotyledons. Magnoliid, Hamamelid and Caryophyllid Families. Springer- Verlag, Berlin, pp. 473‒486. Flora do Brasil 2020 in construction (2019) Jardim Botânico do Rio de Janeiro. Available from http://floradobrasil.jbrj.gov.br/ (accessed 07 August 2019).

Durgante, F.M., Higuchi, N., Almeida, A. & Vicentini, A. (2013) Species spectral signature: discriminating closely related plant species in the Amazon with near- infrared leaf-spectroscopy. Forest Ecology and Management 291: 240–248. https://doi.org/10.1016/j.foreco.2012.10.045 Furlan, A. & Giulietti, A.M. (2014) A tribo Pisonieae Meisner (Nyctaginaceae) no Brasil. Boletim de Botânica da Universidade de São Paulo 32: 145‒268. https://doi.org/10.11606/issn.2316-9052.v32i2p145-268 Lang, C., Costa, F.R.C., Camargo, J.L.C., Durgante, F.M. & Vicentini, A. (2015) Near infrared spectroscopy facilitates rapid identification of both young and mature Amazonian tree species. PloS One 10: e0134521. https://doi.org/10.1371/journal.pone.0134521 Pasquini, C. (2003) Near infrared spectroscopy: fundamentals practical aspects and analytical applications. Journal of the Brazilian Chemical Society, 14, 138–219. Prata, E.M.B., Sass, C., Rodrigues, D.P., Domingos, F.M.C.B., Specht, C.D., Damasco, G., Fine, P.V.A., Ribas, C.C. & Vicentini, A. (2018) Towards integrative taxonomy in Neotropical botany: disentangling the Pagamea guianensis species complex (Rubiaceae). Botanical Journal of the Linnean Society 188: 213–231. https://doi.org/10.1093/botlinnean/boy051 Radford, A.E., Dickison, W.C., Massey, J.R., and Bell, C.R. (1974) Vascular Plant Systematics. New York: Harper & Row Publishers. https://doi.org/10.1600/036364416X690606 R Core Team (2018) R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. Available from: https://www.R-project.org/ (accessed 25 June 2020) Rossetto, E.F.S., Faria, A.D., Ruas, P.M., Ruas, C.F., Douglas, N.A. & Ribeiro, J.E.L.S. (2019) Clarifying generic delimitation in Nyctaginaceae tribe Pisonieae after more than a century of taxonomic confusion. Botanical Journal of the Linnean Society 189: https://doi.org/10.1093/botlinnean/boz001 Ruiz, H. & Pavon, J. (1794) Florae peruvianae, et chilensis prodromus. En la imprenta de Sancha, Madrid, 455 pp. 70

Thiers, B. (2019 [continuously update]) Index Herbariorum: A global directory of public herbaria and associated staff. New York Botanical Vasconcelos, C.C., Adrianzén, M.U., Camargo, J.L.C., Terra-Araujo, M.H. (2020). Pouteria kossmanniae (Sapotaceae): a new species from Central Amazonia, Brazil. Phytotaxa 447: 265–275.

Tabela 1. Comparações morfológicas entre Neea rubescens e espécies semelhantes. As descrições de N. hermaphrodita e N. ovalifolia são baseadas no trabalho de Furlan & Giulietti (2014). Caracteres N. rubescens N. ovalifolia N. hermaphrodita

Distância entre as nervuras secundárias e intersecundárias < 1 cm < 1 > 1 Cor dos tricomas das folhas Vermelhos vermelhos amarelos

Distribuição dos eixos das inflorescências Verticilados alternos alternos N° de flores nos ápices dos eixos terminais das inflorescências 5-6 2-3 1-2 Formas das bractéolas Arredondadas deltoides lineares Formas dos periantos estaminados elíptico-urceoladas tubulares elípticas

Formas dos lobos dos periantos estaminados Denteados lineares denteados Formas dos periantos pistilados cilíndrico-campanuladas cilíndricas cilíndricas

Presença de disco intraestaminal Ausente ausente presente

CAPITONS TO FIGURES

Figura 1. Holótipo de Neea rubescens (Ramos et al. 943, INPA!, NY!, Barcoding: NY2225527). 73

FIGURA 2. Porções terminais das inflorescências (A e C) e flores estaminadas (A) e pistiladas (D) em N. rubescens. (fotos do holótipo e parátipo; escala: 2 mm)

FIGURA 3. Distribuição conhecida de Neea rubescens (losangos vermelhos) e as duas espécies morfologicamente relacionadas, N. ovalifolia (quadrados cinzas) e N. hermaphrodita (círculos pretos).

FIGURA 4. A matriz de confusão resultante da análise de classificação de espécies aplicada às variáveis espectrais por meio de um classificador Linear Discriminant Analysis (LDA). Os nomes das espécies observadas são apresentados em linhas, enquanto nomes preditos são dados em colunas. Portanto, os valores na diagonal são previsões orr etas, e os valores fora da diagonal são previsões erradas. 76

MATERIAL SUPLEMENTAR Tabela 7. Número de espécies de Nyctaginaceae por estado.

Espécies Pais Estado Quant. Guapira hirsuta (Choisy) Lundell Brasil Amapá 1 Bahia 1 Espírito Santo 2 Maranhão 1 Minas Gerais 1 Pará 1 Paraíba 1 Paraná 3 Rio de Janeiro 1 São Paulo 1 Guapira opposita (Vell.) Reitz Costa Rica San José 1 Guiana Francesa NA 1 Suriname NA 2 Brasil Acre 1 Alagoas 2 Amazonas 1 Bahia 3 Ceará 1 Distrito Federal 1 Espírito Santo 1 Goiás 1 Maranhão 1 Minas Gerais 2 Pará 3 Paraíba 1 Paraná 1 Roraima 1 Santa Catarina 2 São Paulo 2 Guapira sp. Bolívia Beni 2 La Paz 2 Venezuela Amazonas 1 Brasil Amapá 1 Amazonas 2 Pará 4 Rondônia 2 Guapira venosa (Choisy) Lundell. Brasil Acre 4 Amazonas 4 Bahia 1 Espírito Santo 2 77

Pará 2 Rondônia 1 Neea duckei (Huber) Furlan Bolívia La Paz 4 Brasil Tocantins 1 Neea filipes Huber. Brasil Pará 1 Rondônia 1 Neea floribunda Poepp. & Endl. Brasil Acre 6 Amazonas 3 Bahia 2 Pará 1 Rio de Janeiro 2 Rondônia 2 Neea hermaphrodita S.Moore. Bolívia Beni 4 Brasil Acre 6 Amazonas 1 Mato Grosso 8 Mato Grosso do Sul 9 Pará 3 Rondônia 1 São Paulo 1 Neea hirsuta Poepp & Endl. Brasil Amazonas 1 Bahia 2 Espírito Santo 1 Mato Grosso 1 Neea laxa Poepp. & Endl. Peru Yurimaguas 1 Brasil Acre 3 Amazonas 3 Bahia 3 Rio de Janeiro 1 Neea macrophylla Poepp. & Endl. Brasil Acre 1 Mato Grosso 1 Pará 6 Neea madeirana Standl. Brasil Acre 2 Amazonas 5 Pará 2 ++ Rondônia 1 Neea obovata Spruce ex Heimerl Venezuela Amazonas 2 NA 1 Brasil Amazonas 2 Ceará 1 Pará 5 Rondônia 1 Neea oppositifolia Ruiz & Pav. Peru Loreto 2 78

Tarapoto 1 Brasil Acre 1 Amazonas 17 Maranhão 1 Mato Grosso 2 Pará 4 Rondônia 2 Neea ovalifolia Spruce ex J. A. Schmidt Guyana Demerara 1 Brasil Acre 1 Amazonas 20 Mato Grosso 2 Mato Grosso do Sul 1 NA 1 Pará 10 Rondônia 7 Roraima 1 Neea parviflora Poepp. & Endl. Brasil Amazonas 4 Pará 1 Rondônia 1 Neea robusta Steyerm. Brasil Amazonas 15 Neea theifera Oerst. Brasil Mato Grosso 1 Neea uleana (Heimerl) Furlan Brasil Acre 1 Amazonas 1 Neea verticillata Ruiz & Pav. Brasil Acre 1 Amazonas 2 Espírito Santo 1 Rio de Janeiro 3 Neea virens Poepp. ex Heimerl. Brasil Acre 1 Amazonas 1 Rondônia 1 Neea sp. Bolívia La Paz 2 Colômbia Caquetá 1 Brasil Acre 2 Amazonas 22 Goiás 1 Pará 22 Rio de Janeiro 1 Rondônia 5 Roraima 1 Tocantins 1 Nyctaginaceae Indet sp. Peru NA 1 Guiana NA 1 79

NA NA 11 Brasil Amapá 2 Amazonas 200 Mato Grosso 1 NA 1 Pará 7

Tabela 8. Variáveis morfológicas medidas para estudos morfométricos.

Título Estado Tipo de variável Descrição Unidade

Disposição das folhas no ramo: (0) não FILOTAX_ALT Estéril Binaria categórica correspondente; (1) alterna Disposição das folhas no ramo: (0) não FILOTAX_OPO Estéril Binaria categórica correspondente; (1) opostas a subopostas Distancias das nervuras intersecundárias as NERINTER_PROX_1 Estéril Binaria secundárias: 1mm de categórica distância; (1) 1mm de distância Nervuras terciarias intercostais: (0) não NERTER_PERC Estéril Binaria categórica perpendiculares; (1) perpendiculares Nervuras terciarias intercostais: (0) não NERTER_RAM Estéril Binaria categórica ramificadas; (1) ramificadas AP_AGU Estéril Binaria Forma do ápice: (0) não agudo; (1) agudo categórica Forma do ápice: (0) não cuneado; (1) AP_CUN Estéril Binaria categórica cuneado Forma do ápice: (0) não arredondado; (1) AP_ARR Estéril Binaria categórica arredondado Forma do ápice: (0) não atenuado; (1) AP_ATE Estéril Binaria categórica atenuado Forma do ápice: (0) não acuminado; (1) AP_ACU Estéril Binaria categórica acuminado Forma do ápice: (0) não cuspidado; (1) AP_CUS Estéril Binaria categórica cuspidado AP_OBT Estéril Binaria Forma do ápice: (0) não obtuso; (1) obtuso categórica BA_AGU Estéril Binaria Forma da base: (0) não agudo; (1) agudo categórica Forma da base: (0) não atenuado; (1) BA_ATE Estéril Binaria categórica atenuado BA_COR Estéril Binaria Forma da base: (0) não cordado; (1) cordado categórica Forma da base: (0) não cuneado; (1) BA_CUN Estéril Binaria categórica cuneado Forma da base: (0) não decurrente; (1) BA_DEC Estéril Binaria categórica decurrente Forma da base: (0) não assimétrica; (1) BA_ASS Estéril Binaria categórica assimétrica Forma da base: (0) não arredondado; (1) BA_ARR Estéril Binaria categórica arredondado Tricomas do pecíolo: (0) não glabro; (1) PEC.IND_GLABR Estéril Binaria categórica glabro Tricomas do pecíolo: (0) não pubescente; PEC.IND_PUBES Estéril Binaria categórica (1) pubescente Tricomas do pecíolo: (0) não tomentoso; (1) PEC.IND_TOM Estéril Binaria categórica tomentoso Tricomas do pecíolo: (0) não hirsuto; (1) PEC.IND_HIRS Estéril Binaria categórica hirsuto PEC_COMTOT Estéril Quantitativa Comprimento total do pecíolo mm Comprimento total da folha incluindo o FO_COMTOT Estéril Quantitativa mm pecíolo FO_COMLA_ Estéril Quantitativa Comprimento da lâmina da folha mm Comprimento da largura na porção média FO_LARG Estéril Quantitativa mm da lâmina 81

Distância da base ao ponto de largura FO_ALTLARMAX Estéril Quantitativa mm máxima da folha Tricomas da face adaxial: (0) não glabro; FO.IND.AD_GLABR Estéril Binaria categórica (1) glabro Tricomas da face adaxial: (0) não FO.IND.AD_PUBES Estéril Binaria categórica pubescente; (1) pubescente Tricomas da face adaxial: (0) não FO.IND.AD_TOM Estéril Binaria categórica tomentoso; (1) tomentoso Tricomas da face adaxial: (0) não hirsuto; FO.IND.AD_HIRS Estéril Binaria categórica (1) hirsuto Tricomas da face abaxial: (0) não glabro; FO.IND.AB_GLABR Estéril Binaria categórica (1) glabro Tricomas da face abaxial: (0) não FO.IND.AB_PUBES Estéril Binaria categórica pubescente; (1) pubescente Tricomas da face abaxial: (0) não FO.IND.AB_TOM Estéril Binaria categórica tomentoso; (1) tomentoso Tricomas da face abaxial: (0) não hirsuto; FO.IND.AB_HIRS Estéril Binaria categórica (1) hirsuto Nervura primaria da face adaxial: (0) não NERPRI_AD_PROM Estéril Binaria categórica proeminente; (1) proeminente Nervura primaria da face adaxial: (0) não NERPRI_AD_IMP Estéril Binaria categórica impressa; (1) impressa Nervura primaria da face abaxial: (0) não NERPRI_AB_PROM Estéril Binaria categórica proeminente; (1) proeminente Nervura primaria da face abaxial: (0) não NERPRI_AB_IMP Estéril Binaria categórica impressa; (1) impressa Nervura secundária da face adaxial: (0) não NERSEC_AD_PROM Estéril Binaria categórica proeminente; (1) proeminente Nervura secundária da face adaxial: (0) não NERSEC_AD_IMP Estéril Binaria categórica impressa; (1) impressa Nervura secundária da face abaxial: (0) não NERSEC_AB_PROM Estéril Binaria categórica proeminente; (1) proeminente Nervura secundária da face abaxial: (0) não NERSEC_AB_IMP Estéril Binaria categórica impressa; (1) impressa NERSEC_N Estéril Quantitativa Número dos pares das nervuras secundária Numérica Ângulo das nervuras secundária: (0) não NERSEC_ANG_AG Estéril Binaria Categórica agudas; (1) agudas Ângulo das nervuras secundária: (0) não NERSEC_ANG_PER Estéril Binaria Categórica perpendiculares; (1) perpendiculares Comprimento das nervuras intersecundárias: NERINTER>50 Estéril Binaria (0) não correspondente; (1) > que 50% da Categórica lâmina Comprimento das nervuras intersecundárias: NERINTER<50 Estéril Binaria (0) não correspondente; (1) < que 50% da Categórica lâmina NERINTE_ANG- Ângulo das nervuras intersecundárias: (0) Estéril Binaria Categórica AGU não agudas; (1) agudas NERINTER_ANG- Ângulo das nervuras intersecundárias: (0) Estéril Binaria Categórica PER não perpendiculares; (1) perpendiculares Ângulo das nervuras secundárias entre o ápice e a base: (0) agudas em ambas as regiões; (1) agudas na base e NERSEC_ANG_BAA Estéril Semiquantitativa Categórica perpendiculares no ápice; (2) perpendiculares na base e agudas no ápice; (3) perpendiculares em ambas as regiões Inserção da inflorescência: (0) não axilar; INF_INS_AXI Fértil Binaria Categórica (1) axilar 82

Inserção da inflorescência: (0) não INF_INS_CAU Fértil Binaria Categórica cauliflora; (1) cauliflora Inserção da inflorescência: (0) não peciolar; INF_INS_PEC Fértil Binaria Categórica (1) peciolar Inserção da inflorescência: (0) não INF_INS_RAM Fértil Binaria categórica ramiflora; (1) ramiflora Inserção da inflorescência: (0) não terminal; INF_INS_TER Fértil Binaria categórica (1) terminal Tricomas na inflorescência: (0) não glabro; INF.IND_GLABR Fértil Binaria categórica (1) glabro Tricomas na inflorescência: (0) não INF.IND_PUBES Fértil Binaria categórica pubescente; (1) pubescente Tricomas na inflorescência: (0) não INF.IND_TOM Fértil Binaria categórica tomentoso; (1) tomentoso Tricomas na inflorescência: (0) não hirsuto; INF.IND_HIRS Fértil Binaria categórica (1) hirsuto Comprimento dos eixos direitos secundários INF_EX.S.D Fértil Quantitativa mm da inflorescência Comprimento dos eixos esquerdos INF_EX.S.E Fértil Quantitativa mm secundários da inflorescência Comprimento do eixo terminal da INF_EX.P_T Fértil Quantitativa mm inflorescência Número de eixos secundário da INF_EX.P_N Fértil Quantitativa mm inflorescência Disposição dos eixos secundários da INF_EX.S-SUBOPO Fértil Binaria inflorescência: (0) não suboposto; (1) categórica subopostos Disposição dos eixos secundários da INF_EX.S-ALT Fértil Binaria categórica inflorescência: (0) não alternos; (1) alternos Disposição dos eixos secundários da INF_EX.S-VERT Fértil Binaria inflorescência: (0) não verticilados; (1) categórica verticilados INF_COM Fértil Quantitativa Comprimento total da inflorescência mm Forma da inflorescência: (0) não FL_TIP_PAN Fértil Binaria categórica correspondentes; (1) cimas paniculadas Forma da inflorescência: (0) não FL_TIP_CIMCOM Fértil Binaria categórica correspondentes; (1) cimas compostas Forma da inflorescência: (0) não FL_TIP_CIMTRI Fértil Binaria categórica correspondentes; (1) cimas trimeras Tricomas na flor estaminada: (0) não FLEST.IND_GLABR Fértil Binaria categórica glabro; (1) glabro Tricomas na flor estaminada: (0) não FLEST.IND_PUBES Fértil Binaria categórica pubescente; (1) pubescente Tricomas na flor estaminada: (0) não FLEST.IND_TOM Fértil Binaria categórica tomentoso; (1) tomentoso Tricomas na flor estaminada: (0) não FLEST.IND_HIRS Fértil Binaria categórica hirsuto; (1) hirsuto FLEST_COM Fértil Quantitativa Comprimento da flor estaminada mm FLEST_LARG Fértil Quantitativa Largura da flor estaminada na porção média mm Distância da base ao ponto de largura FLEST_ALTLARMA Fértil Quantitativa mm máxima da flor estaminada Forma do perianto da flor estaminada: (0) FLEST-CAMP Fértil Binaria categórica não campanulada; (1) campanulada Forma do perianto da flor estaminada: (0) FLEST-CILI.CAM Fértil Binaria não cilíndrico-campanulada; (1) cilíndrico- categórica campanulada Forma do perianto da flor estaminada: (0) FLEST-ELIP Fértil Binaria categórica não elíptica; (1) elíptica 83

Forma do perianto da flor estaminada: (0) FLEST-ELIP.TUBU Fértil Binaria categórica não elíptica-tubular; (1) elíptica-tubular Forma do perianto da flor estaminada: (0) FLEST-ELIP.URCE Fértil Binaria não elíptica-urceolada; (1) elíptica- categórica urceolada Forma do perianto da flor estaminada: (0) FLEST-TUBU Fértil Binaria categórica não tubular; (1) tubular Forma do perianto da flor estaminada: (0) FLEST-URCE Fértil Binaria categórica não urceolada; (1) urceolada Forma dos lobos da flor estaminada: (0) não FLEST_LOB-DEL Fértil Binaria categórica deltoide; (1) deltoide Forma dos lobos da flor estaminada: (0) não FLEST_LOB-INC Fértil Binaria categórica inconspícua; (1) inconspícua Forma dos lobos da flor estaminada: (0) não FLEST_LOB-LAN Fértil Binaria categórica lanceolada; (1) lanceolada Forma dos lobos da flor estaminada: (0) não FLEST_LOB-LIN Fértil Binaria categórica linear; (1) linear Forma dos lobos da flor estaminada: (0) não FLEST_LOB-TRUN Fértil Binaria categórica truncada; (1) truncada INFR_COM Fértil Quantitativa Comprimento da infrutescência mm ANT_COM Fértil Quantitativa Comprimento do antocarpo mm Razão entre a largura e o comprimento da FORMA01 Fértil Quantitativa mm lâmina Razão entre a distância do ponto de largura FORMA02 Fértil Quantitativa mm máxima e o comprimento da lâmina Razão entre o comprimento do pecíolo e o FORMA03 Fértil Quantitativa mm comprimento da lâmina Razão entre o comprimento da lâmina e o RAZAO_FONER Fértil Quantitativa mm número de pares de nervuras secundárias Razão entre a largura e o comprimento da FORMA.FLOR_EST.I Fértil Quantitativa mm flor estaminada Razão entre a distância do ponto de largura FORMA.FLOR_EST.I Fértil Quantitativa máxima e o comprimento da flor mm I estaminada Soma entre os eixos secundários esquerdos FORMA.INFL_EIX Fértil Quantitativa mm e direitos da inflorescência Número de ramificações do eixo secundário RM_PED_INF Fértil Binaria categórica da inflorescência Germinação das flores nos eixos da FLR_TERM Fértil Binaria inflorescência: (0) não terminais; (1) categórica terminais Germinação das flores nos eixos da FLR_PEDIC Fértil Binaria inflorescência: (0) não pedicelares; (1) categórica pedicelares Disposição dos eixos terciários da INF_EX.T-SUBOPO Fértil Binaria inflorescência: (0) não suboposto; (1) categórica subopostos Disposição dos eixos terciários da INF_EX.T-ALT Fértil Binaria categórica inflorescência: (0) não alternos; (1) alternos Disposição dos eixos terciários da INF_EX.T-VERT Fértil Binaria inflorescência: (0) não verticilados; (1) categórica verticilados Número de ramificações do eixo secundário RM_PED_INFR Fértil Binaria categórica da infrutescência Germinação dos frutos nos eixos da FR_TERM Fértil Binaria inflorescência: (0) não terminais; (1) categórica terminais 84

Germinação dos frutos nos eixos da FR_PEDIC Fértil Binaria inflorescência: (0) não pedicelares; (1) categórica pedicelares Inserção da infrutescência: (0) não axilar; INFR_INS_AXI Fértil Binaria categórica (1) axilar Inserção da infrutescência: (0) não INFR_INS_CAU Fértil Binaria categórica cauliflora; (1) cauliflora Inserção da infrutescência: (0) não peciolar; INFR_INS_PEC Fértil Binaria categórica (1) peciolar Inserção da infrutescência: (0) não INFR_INS_RAM Fértil Binaria categórica ramiflora; (1) ramiflora Inserção da infrutescência: (0) não terminal; INFR_INS_TER Fértil Binaria categórica (1) terminal Tricomas na infrutescência: (0) não glabro; INFR.IND_GLABR Fértil Binaria categórica (1) glabro Tricomas na infrutescência: (0) não INFR.IND_PUBES Fértil Binaria categórica pubescente; (1) pubescente Tricomas na infrutescência: (0) não INFR.IND_TOM Fértil Binaria categórica tomentoso; (1) tomentoso Tricomas na infrutescência: (0) não hirsuto; INFR.IND_HIRS Fértil Binaria categórica (1) hirsuto

ANEXOS

ANEXO I Amostras de Nyctaginaceae utilizados para a coleta de dados morfológicos, espectrais. Informações disponíveis no repositório botanicaamazonica.wiki.br/plantasPDBFF (Plantas PDBFF 2015), splink.org.br/index?lang=pt (SpeciesLink) e http://reflora.jbrj.gov.br/reflora/herbarioVirtual/ConsultaPublicoHVUC/ConsultaPublicoHVUC.do (Reflora).

Inst. Espécie Coletor Tag-num Número Pais Estado Munic. MO Guapira A.A. Murakami NA 1384 BO La Paz Abel Iturralde INPA Guapira C. Farney NA 1820 VEN Amazonas Santa Lucia INPA Guapira C.E. Zartman NA 6233 BR Amazonas Presidente Figueiredo IAN Guapira E. Oliveira NA 1094 BR Pará NA INPA Guapira G. Pereira-Silva NA 14549 BR Rondônia Porto Velho INPA Guapira G.T. Prance NA 8319 BR Rondônia NA IAN Guapira HS. Irwin NA 47336 BR Amapá Oiapoque IAN Guapira L. O. Santos NA 432 BR Pará Bragança INPA Guapira L.O. Demarchi NA 339 BR Amazonas Manaus IAN Guapira M.J. Pires NA 48831 BR Amapá Oiapoque IAN Guapira M.M. Félix-da-Silva NA 377 BR Pará Portel IAN Guapira N.T. Silva NA 1609 BR Pará NA IAN Guapira N.T. Silva NA 2469 BR Pará Água Branca UEL Guapira S. col NA 15354 BO Beni Gral. Ballivián UEL Guapira S. col NA 5810 BO Beni Gral. Ballivián IAN Guapira R.E. Schultes NA 9432a BR NA NA 87

IAN Guapira R.L. Fróes NA 31176 BR Pará Taperinha INPA Guapira X. Villavicencio NA 1308 BO La Paz Sud Yungas INPA Guapira eggersiana L.J Gillespie NA 2648 GF NA NA RB Guapira graciliflora A. Silva NA 6502 BR Goiás Caiapônia UEL Guapira guianensis B.E. Hammel NA 27064 CR San José Perez Zeledon IAN Guapira guianensis J. Lanjouw NA 1082 SR NA NA IAN Guapira guianensis J. Lanjouw NA 1378 SR NA NA UEL Guapira hirsuta E.D. Lozano NA 1679 BR Paraná Carambeí RB Guapira hirsuta F.H. Muniz NA B1427 BR Maranhão Buriticupu Santo Antônio da RB Guapira hirsuta G.F.Arbocz NA 883 BR São Paulo Posse RB Guapira hirsuta H. Medeiros NA 2853 BR Amapá Calçoene RB Guapira hirsuta L.Y.S. Aona NA 2103 BR Bahia Boa Nova RB Guapira hirsuta M. Petean NA 20 BR Paraná Diamante do Norte RB Guapira hirsuta S. col NA 110 BR Espírito Santo Linhares RB Guapira hirsuta S. col NA 111 BR Espírito Santo Linhares RB Guapira hirsuta S. col NA 5518 BR Minas Gerais Carangola RB Guapira hirsuta P.C. Gadelha NA 3926 BR Paraíba Pilões RB Guapira hirsuta S.V.A. Pessoa NA s.n BR Rio de Janeiro Guapimirim FUEL Guapira hirsuta U.B. Albino NA NA BR Paraná Tibagi RB Guapira hirsuta W.A. Ducke NA s.n BR Pará Obitos INPA Guapira olfersiana W. Milliken NA 120 BR Roraima NA RB Guapira opposita A.M.A. Amorim NA 3534 BR Alagoas Pilar RB Guapira opposita A.M.A. Amorim NA 7750 BR Bahia Camacan RB Guapira opposita A.P. Fontana NA 2525 BR Bahia Itapebi RB Guapira opposita D.A. Folli NA 6822 BR Espírito Santo Domingos Martins RB Guapira opposita D.A. Grande NA 8 BR São Paulo Cananéia INPA Guapira opposita DC. Daly NA 7045 BR Acre BRéia 88

RB Guapira opposita E. Pereira NA 8793 BR Santa Catarina Camboriú IAN Guapira opposita E. Takanohashi NA 916 BR Pará Vitória do Xingu RB Guapira opposita F. Marinero NA 357 BR Paraná Guaratuba RB Guapira opposita F.H. Muniz NA 214 BR Maranhão São Luís J.G. Carvalho- INPA Guapira opposita NA 1683 BR Amazonas Presidente Figueiredo Sobrinho RB Guapira opposita J.M. Vasconcelos NA s.n BR Paraíba Areia RB Guapira opposita M. Sobral NA 15552 BR Minas Gerais Ouro Branco RB Guapira opposita M.C. Assis NA s.n BR Minas Gerais Grão Mogol RB Guapira opposita S. col NA 38 BR Distrito Federal NA RB Guapira opposita R. Goldenberg NA 2072 BR Bahia Wenceslau Guimarães RB Guapira opposita R.F. Monteiro NA 167 BR São Paulo Itapeva RB Guapira opposita S.M. Schmeider NA 8 BR Santa Catarina Navegantes RB Guapira opposita T.C. Plowman NA 12697 BR Ceará Crato RB Guapira opposita W. W. Thomas NA 12430 BR Alagoas Murici RB Guapira opposita W.A. Ducke NA s.n BR Pará Bragança INPA Guapira uleana G.T. Prance NA 7403 BR Acre Tarauacá INPA Guapira venosa C.A.C. Ferreira NA 3359 BR Amazonas Maraã INPA Guapira venosa C.S. Figueiredo NA 430 BR Acre Sena Madureira RB Guapira venosa D.A. Folli NA 6600 BR Espírito Santo Linhares RB Guapira venosa D.A. Folli NA 7141 BR Espírito Santo Jaguaré INPA Guapira venosa DC. Daly NA 7889 BR Acre Sena Madureira IAN Guapira venosa EAP. Nascimento NA 163 BR Pará Belterra São Gabriel da INPA Guapira venosa G.T. Prance NA 15887 BR Amazonas Cachoeira INPA Guapira venosa G.T. Prance NA 7241 BR Acre Tarauacá RB Guapira venosa L.Y.S. Aona NA 2384 BR Bahia Wenceslau Guimarães INPA Guapira venosa Q.O.Produtos Naturais NA 83-85 BR Rondônia Porto Velho 89

INPA Guapira venosa S.R. Lowie NA 506 BR Acre NA RB Guapira venosa W. Castro NA 3241 BR Pará Marabá INPA Guapira venosa W.A. Rodrigues NA 2656a BR Amazonas Manaus INPA Guapira venosa W.A. Rodrigues NA 8558 BR Amazonas Manaus INPA Indet. I.L. Amaral NA 434 BR Amazonas Japurá INPA Indet. L. Oliveira NA 78 BR Pará Bragança MG Indet. S. col NA NA NA NA NA MG Indet. S. col NA NA NA NA NA IAN Indet. S. col NA NA NA NA NA MG Indet. W.A. Ducke NA NA NA NA NA MG Indet. W.A. Ducke NA NA NA NA NA MG Indet. W.A. Ducke NA NA NA NA NA MG Indet. W.A. Ducke NA NA NA NA NA MG Indet. W.A. Ducke NA NA NA NA NA MG Indet. W.A. Ducke NA NA NA NA NA MG Indet. W.A. Ducke NA NA NA NA NA MG Indet. W.A. Ducke NA NA NA NA NA MG Indet. W.A. Ducke NA s.n BR Pará NA PDBFF Indet. Sp.B S. col 100148 NA BR Amazonas Manaus PDBFF Indet. Sp.B S. col 100384 NA BR Amazonas Manaus PDBFF Indet. Sp.B S. col 100468 NA BR Amazonas Manaus PDBFF Indet. Sp.B S. col 111092 NA BR Amazonas Manaus PDBFF Indet. Sp.B S. col 111253 NA BR Amazonas Manaus PDBFF Indet. Sp.B S. col 140213 NA BR Amazonas Manaus PDBFF Indet. Sp.B S. col 162942 NA BR Amazonas Manaus PDBFF Indet. Sp.B S. col 205578 NA BR Amazonas Manaus PDBFF Indet. Sp.B S. col 232549 NA BR Amazonas Manaus PDBFF Indet. Sp.B S. col 235236 NA BR Amazonas Manaus 90

PDBFF Indet. Sp.B S. col 245221 NA BR Amazonas Manaus PDBFF Indet. Sp.B S. col 33855 NA BR Amazonas Manaus PDBFF Indet. Sp.B S. col 40643 NA BR Amazonas Manaus PDBFF Indet. Sp.B S. col 63671 NA BR Amazonas Manaus FUEL Neea A.A. Murakami NA 2897 BO La Paz Franz Tamayo MO Neea A.A. Murakami NA 4036 BO La Paz Franz Tamayo INPA Neea A.C. Webber NA 1256 BR Amazonas NA INPA Neea A.S. Tavares NA 164 BR Pará Almeirim IAN Neea B.G.S. Ribeiro NA 955 BR Amazonas Jauareté São Gabriel da INPA Neea C. Farney NA 1783 BR Amazonas Cachoeira INPA Neea C. Farney NA 2006 BR Pará Oriximinã INPA Neea C.A.C. Ferreira NA 10629 BR Acre Mâncio Lima INPA Neea C.A.C. Ferreira NA 1653 BR Pará Oriximiná INPA Neea C.A.C. Ferreira NA 677 BR Amazonas Itapiranga INPA Neea C.A.C. Ferreira NA 8812 BR Rondônia Guarajá-Mirim INPA Neea C.A.C. Ferreira NA 9687 BR Pará Oriximinã INPA Neea C.A.A. Freitas NA 470 BR Amazonas Coari INPA Neea CDA. Mota NA 2694 BR Amazonas Maguarizinho INPA Neea D.C. Daly NA 1703 BR Pará Serra dos Carajás *INPA Neea D.C. Daly NA 1704 BR Pará Serra dos Carajás São Gabriel da IAN Neea E. Oliveira NA 2157 BR Amazonas Cachoeira IAN Neea E. Oliveira NA 3302 BR Pará Marapanim RB Neea F.C.A. Oliveira NA 1660 BR Tocantins Lagoa da Confusão IAN Neea G.A. Black NA 50-8767 BR Pará Vigia INPA Neea G.T. Prance NA 2322 BR Amazonas Boca do Acre INPA Neea G.T. Prance NA 6837 BR Rondônia NA 91

INPA Neea G.T. Prance NA 8248 BR Rondônia NA INPA Neea G.T. Prance NA 9188 BR Roraima Cantá INPA Neea I.L. Amaral NA 328 BR Amazonas Maraã INPA Neea I.L. Amaral NA 654 BR Amazonas Alvarães INPA Neea I.L. Amaral NA 742 BR Amazonas Tefé São Gabriel da IAN Neea J. Murça NA 351 BR Amazonas Cachoeira INPA Neea J.E.L.S Ribeiro NA 1570 BR Amazonas Manaus INPA Neea J.F. Ramos NA 943 BR Pará Tucuruí Campos dos RB Neea J.M.A. Braga NA 7604 BR Rio de Janeiro Goytacazes INPA Neea L.F. Coelho NA 135 BR Amazonas Manaus INPA Neea L.F. Coelho NA 321 BR Pará Trombetas UEL Neea L.O. Santos NA 731 BR Pará Bragança INPA Neea L.S. Coelho NA 195 BR Pará NA INPA Neea M.F.F. Silva NA 321 BR Pará Tucuruí São Gabriel da INPA Neea M.F.F.da. Silva NA 1231 BR Amazonas Cachoeira INPA Neea M.G. Vieira NA 907 BR Rondônia Vilhena São Gabriel da INPA Neea M.L. Kawasaki NA 330 BR Amazonas Cachoeira IAN Neea M.R. Cordeiro NA 3806 BR Pará Santarém São Gabriel da INPA Neea M.T. Madison NA PFE474 BR Amazonas Cachoeira RB Neea M.Y. Hashimoto NA 47 BR Goiás Goiânia INPA Neea N.M.L. Cunha NA 439 BR Amazonas Manaus IAN Neea N.T. Silva NA 2958 BR Pará Santa Patricia UEL Neea S. col NA 32 BO Beni Gral. Ballivián RB Neea S. col NA 71 BR Pará Belterra 92

PDBFF Neea S. col 35174 NA BR Amazonas Manaus INPA Neea O.P. Monteiro NA 81-65 BR Pará Belém INPA Neea R. Lisboa NA s.n BR Amazonas NA São Gabriel da IAN Neea R.L. Fróes NA 21193 BR Amazonas Cachoeira IAN Neea R.L. Fróes NA 26269 BR Amazonas Tefé IAN Neea R.L. Fróes NA 31844 BR Pará Santarém IAN Neea R.L. Fróes NA 32416 BR Pará Porto de Móz IAN Neea R.L. Fróes NA 32851 BR Pará Portel INPA Neea T.A. Roa NA 601 CO Caquetá NA IECOS Neea U. Mehlig NA 1750 BR Pará Bragança São Gabriel da INPA Neea W.A. Ducke NA JB25641 BR Amazonas Cachoeira INPA Neea W.A. Rodrigues NA 9246 BR Amazonas Manaus INPA Neea W.R. Anderson NA 12323 BR Rondônia NA PDBFF Neea aff. madeirana S. col 2209 NA BR Amazonas Manaus PDBFF Neea aff. madeirana S. col 230448 NA BR Amazonas Manaus PDBFF Neea aff. madeirana S. col 256058 NA BR Amazonas Manaus PDBFF Neea aff. madeirana S. col 32051 NA BR Amazonas Manaus PDBFF Neea aff. madeirana S. col 40594 NA BR Amazonas Manaus PDBFF Neea aff. madeirana S. col 44841 NA BR Amazonas Manaus PDBFF Neea aff. madeirana S. col 51069 NA BR Amazonas Manaus PDBFF Neea aff. madeirana S. col 61480 NA BR Amazonas Manaus PDBFF Neea aff. madeirana S. col 7284 NA BR Amazonas Manaus PDBFF Neea aff. madeirana S. col 755 NA BR Amazonas Manaus INPA Neea cauliflora S.R. Lowie NA 254 BR Acre NA FUEL Neea duckei A. Fuentes NA 9525 BO La Paz Franz Tamayo MO Neea duckei A.A. Murakami NA 2272 BO La Paz Franz Tamayo 93

FUEL Neea duckei A.F.F. Claros NA 13314 BO La Paz Franz Tamayo UEL Neea duckei S.G. Beck NA 25107 BO La Paz Sud Yungas RB Neea duckei W.A. Ducke NA 15626 BR Tocantins NA INPA Neea filipes L.O.A. Teixeira NA 1555 BR Rondônia Porto Velho MG Neea filipes M. Guedes NA MG2138 BR Pará Belém INPA Neea floribunda C.A.C. Ferreira NA 8559 BR Amazonas São Paulo de Olivença RB Neea floribunda D.S. Costa NA 1593 BR Rondônia Itapuã do Oeste FUEL Neea floribunda E.F.S. Rossetto NA 420 BR Amazonas Manaus INPA Neea floribunda E.M.B. Prata NA 658 BR Amazonas Careiro RB Neea floribunda E.N. Matos NA 3382 BR Bahia Una JBRB Neea floribunda G.E.L. Macedo NA 386 BR Bahia NA RB Neea floribunda H. Medeiros NA 932 BR Acre Xapuri INPA Neea floribunda J. Bosco NA 96 BR Acre Rio Branco INPA Neea floribunda J.F. Ramos NA 630 BR Acre Sena Madureira INPA Neea floribunda J.L. Santos NA 220 BR Acre Sena Madureira IAC Neea floribunda L.C. Bernacci NA 4522 BR Pará Portel INPA Neea floribunda O. Gomes NA 9 BR Rondônia NA RB Neea floribunda P.R.C. Farág NA 428 BR Rio de Janeiro Armação dos Búzios RB Neea floribunda P.R.C. Farág NA 450 BR Rio de Janeiro Armação dos Búzios INPA Neea floribunda S.R. Lowie NA 708 BR Acre NA MG Neea glomeruliflora E.H. Ule NA 5228 BR Amazonas NA IAN Neea glomeruliflora N.T. Silva NA 4196 BR Maranhão Vitória Neea glomeruliflora var. UHH E.H. Ule NA 5575a BR Amazonas NA coniungens UEL Neea hermaphrodita A. Antezana NA 797 BO Beni Gral. Ballivián INPA Neea hermaphrodita B. W. Nelson NA 593 BR Acre Sena Madureira INPA Neea hermaphrodita C.A.C. Ferreira NA 6418 BR Mato Grosso Santa Terezinha INPA Neea hermaphrodita D.C. Daly NA 1622 BR Pará Tucuruí 94

INPA Neea hermaphrodita DC. Daly NA 7738 BR Acre Marechal Traumaturgo INPA Neea hermaphrodita DC. Daly NA 7984 BR Acre Porto Acre Mato Grosso do RB Neea hermaphrodita E. Pereira NA 212 BR Corumbá Sul Mato Grosso do FUEL Neea hermaphrodita E.F.S. Rossetto NA 358 BR Corumbá Sul Mato Grosso do FUEL Neea hermaphrodita E.F.S. Rossetto NA 359 BR Corumbá Sul Mato Grosso do FUEL Neea hermaphrodita E.F.S. Rossetto NA 360 BR Corumbá Sul Mato Grosso do FUEL Neea hermaphrodita E.F.S. Rossetto NA 361 BR Corumbá Sul Mato Grosso do FUEL Neea hermaphrodita E.F.S. Rossetto NA 404 BR Corumbá Sul Mato Grosso do FUEL Neea hermaphrodita E.F.S. Rossetto NA 405 BR Corumbá Sul INPA Neea hermaphrodita G.G. Neto NA 267 BR Mato Grosso Cáceres Mato Grosso do RB Neea hermaphrodita G.M. Martinelli NA 16894 BR Miranda Sul INPA Neea hermaphrodita G.T. Prance NA 3582 BR Amazonas Humaitá RB Neea hermaphrodita H. Medeiros NA 2628 BR Acre Sena Madureira INPA Neea hermaphrodita J.F. Ramos NA 2968 BR Pará Oriximiná INPA Neea hermaphrodita J.L. Santos NA 189 BR Acre Sena Madureira HFSL Neea hermaphrodita J.R. Pirani NA 1159 BR Mato Grosso Santa Terezinha INPA Neea hermaphrodita M. Macêdo NA 315 BR Mato Grosso Cuiabá FUEL Neea hermaphrodita M. Moraes NA 658 BO Beni Yacuma RB Neea hermaphrodita M.E. Engels NA 3681 BR Mato Grosso Colíder INPA Neea hermaphrodita M.F. Simon NA 2069 BR Rondônia NA RB Neea hermaphrodita M.G. Bovini NA 2672 BR Mato Grosso do Bonito 95

Sul UEL Neea hermaphrodita R.O. Perdiz NA 2373 BR Acre Manuel Urbano INPA Neea hermaphrodita S.G. Beck NA 24580 BO Beni Gral. Ballivián RB Neea hermaphrodita W. Mantovani NA 1079 BR São Paulo Mogi RB Neea hermaphrodita W.A. Ducke NA s.n BR Pará Itaituba INPA Neea hermaphrodita W.W. Thomas NA 4090 BR Mato Grosso Alta Floresta INPA Neea hermaphrodita W.W. Thomas NA 4286 BR Mato Grosso São Félix do Araguaia INPA Neea hermaphrodita W.W. Thomas NA 4593 BR Mato Grosso Poconé RB Neea hirsuta C.N. Fraga NA 371 BR Espírito Santo Cariacica INPA Neea hirsuta G.T. Prance NA 2292 BR Amazonas Boca do Acre RB Neea hirsuta S. col NA 179 BR Bahia Una RB Neea hirsuta S. col NA 908 BR Bahia Una NYBG- Neea hirsuta W.W. Thomas NA 4742 BR Mato Grosso Pontes e Lacerda org FUEL Neea krukovii E.F.S. Rossetto NA 419 BR Amazonas Manaus INPA Neea krukovii F.E.L. Miranda NA 380 BR Pará Tucuruí UEL Neea krukovii G.P. Viana NA s.n. BR Amazonas Manaus INPA Neea krukovii W.A. Rodrigues NA 6825 BR Amazonas Manaus RB Neea laxa H. Medeiros NA 691 BR Acre Manoel Urbano INPA Neea laxa M.F. Silva NA 1941 BR Amazonas Manaus RB Neea laxa M.G. Bovini NA 3012 BR Amazonas Boca do Acre Camacan Fazenda RB Neea laxa S. col NA 641 BR Bahia Paris RB Neea laxa S. col NA 1645 BR Bahia Uma RB Neea laxa S. col NA 1417 PE Yurimaguas Huallaga INPA Neea laxa P.J.M. Maas NA P12873 BR Acre Cruzeiro do Sul RB Neea laxa R. Goldenberg NA 1851 BR Amazonas Barcelos RB Neea laxa R.O. Perdiz NA 370 BR Bahia Camacan 96

INPA Neea laxa S.R. Lowie NA 443 BR Acre NA INPA Neea macrophylla C. Farney NA 2102 BR Pará Óbidos INPA Neea macrophylla C.A.C. Ferreira NA 6195 BR Mato Grosso Sinop INPA Neea macrophylla DC. Daly NA 7131 BR Acre Xapurí INPA Neea macrophylla G. Davidse NA 17643 BR Pará Vigía RB Neea macrophylla L.O.A. Teixeira NA 1710 BR Pará Santarém UEL Neea macrophylla L.O.A. Teixeira NA 1719 BR Pará Ananindeua IAN Neea macrophylla N. Cardoso NA 158 BR Pará Aracá IECOS Neea macrophylla U. Mehlig NA 1599 BR Pará Bragança INPA Neea madeirana A. Rosas Jr NA 218 BR Acre Cruzeiro do Sul INPA Neea madeirana C.A.C. Ferreira NA 10633 BR Acre Mâncio Lima INPA Neea madeirana F.A de Carvalho NA UAT82 BR Amazonas Presidente Figueiredo UEL Neea madeirana G.P. Viana NA s.n. BR Amazonas Manaus RB Neea madeirana S. col NA 388 BR Rondônia PORTO VELHO PDBFF Neea madeirana S. col 113178 NA BR Amazonas Manaus PDBFF Neea madeirana S. col 131263 NA BR Amazonas Manaus PDBFF Neea madeirana S. col 1341 NA BR Amazonas Manaus PDBFF Neea madeirana S. col 150436 NA BR Amazonas Manaus PDBFF Neea madeirana S. col 150514 NA BR Amazonas Manaus PDBFF Neea madeirana S. col 151556 NA BR Amazonas Manaus PDBFF Neea madeirana S. col 162305 NA BR Amazonas Manaus PDBFF Neea madeirana S. col 165974 NA BR Amazonas Manaus PDBFF Neea madeirana S. col 212146 NA BR Amazonas Manaus PDBFF Neea madeirana S. col 51610 NA BR Amazonas Manaus PDBFF Neea madeirana S. col 5844 NA BR Amazonas Manaus RB Neea obovata A.P. Silveira NA 435 BR Ceará Guaramiranga São Gabriel da INPA Neea obovata C. Farney NA 1764 BR Amazonas Cachoeira 97

IAN Neea obovata E. Pereira NA 1786 BR Pará Itaituba RB Neea obovata E. Pereira NA 1850 BR Pará Itaituba São Gabriel da RB Neea obovata F. Bonadeu NA 661 BR Amazonas Cachoeira RB Neea obovata H.C. de Lima NA 6121 BR Pará Oriximiná INPA Neea obovata H.L. Clark NA 7070 VEN Amazonas NA INPA Neea obovata H.L. Clark NA 7408 VEN Amazonas NA INPA Neea obovata H.L. Clark NA 7797 VEN NA NA INPA Neea obovata M.G.G. Vieira NA 172 BR Rondônia NA INPA Neea obovata N.T. Silva NA 5417 BR Pará Almeirim INPA Neea oppositifolia A .Aubréville NA 783 BR Amazonas Manaus RB Neea oppositifolia A. Quinet NA 1497 BR Amazonas Ipixuna INPA Neea oppositifolia B.G. Luize NA 330 BR Amazonas Codajás INPA Neea oppositifolia B.G. Luize NA 52 BR Amazonas Anorí INPA Neea oppositifolia B.G. Luize NA 62 BR Amazonas Anorí INPA Neea oppositifolia B.G. Luize NA 75 BR Amazonas Anorí INPA Neea oppositifolia C.A.C. Ferreira NA 3369 BR Amazonas Maraã INPA Neea oppositifolia D. Mitja NA 10159 BR Pará Benfica INPA Neea oppositifolia G.T. Prance NA 2710 BR Amazonas Manaus INPA Neea oppositifolia I.L. Amaral NA 667 BR Amazonas Alvarães RB Neea oppositifolia J.G. Kuhlmann NA 1926 BR Pará NA RB Neea oppositifolia J.G. Kuhlmann NA 468 BR Mato Grosso Ouro Preto INPA Neea oppositifolia J.P. Santos NA 896 BR Amazonas Manaus RB Neea oppositifolia L.S.B. Calazans NA 268 BR Amazonas Manacapuru INPA Neea oppositifolia M.F. Silva NA 2018 BR Amazonas Manaus INPA Neea oppositifolia M.G.da. Silva NA 6524 BR Rondônia Alvorada INPA Neea oppositifolia M.G.G. Vieira NA 500 BR Rondônia Ariquemes INPA Neea oppositifolia M.R. Mesquita NA 14 BR Amazonas Manaus 98

RB Neea oppositifolia P. Acevedo-Rdgz NA NA BR Acre Bujari INPA Neea oppositifolia P.J.M. Maas NA 6647 BR Amazonas Barcelos RB Neea oppositifolia S. McDaniel NA 17608 PE Loreto Maynas:Dtto. Iquitos. INPA Neea oppositifolia T.C. Plowman NA 12093 BR Amazonas Tefé INPA Neea oppositifolia T.C. Plowman NA 9666 BR Pará Tucuruí RB Neea oppositifolia W.A. Ducke NA s.n BR Pará Almeirim Mato Grosso do RB Neea ovalifolia A. Quinet NA 2188 BR Corumbá Rio Paraguai Sul INPA Neea ovalifolia A.A. Loureiro NA INPA48093 BR Amazonas NA INPA Neea ovalifolia A.B. Junqueira NA 895 BR Roraima Caracaraí INPA Neea ovalifolia A.S.L. Silva NA 549 BR Amazonas Carauarí INPA Neea ovalifolia C. Farney NA 2064 BR Pará Óbidos INPA Neea ovalifolia C.A.C. Ferreira NA 2464 BR Pará Oriximiná INPA Neea ovalifolia C.A.C. Ferreira NA 2637 BR Acre Sena Madureira INPA Neea ovalifolia C.A.C. Ferreira NA 7617 BR Amazonas Presidente Figueiredo INPA Neea ovalifolia C.A.C. Ferreira NA 9466 BR Pará Monte Alegre IECOS Neea ovalifolia D.C.F. Carvalho NA 11 BR Pará Bragança RB Neea ovalifolia D.S. Costa NA 51 BR Rondônia Itapuã do Oeste IAN Neea ovalifolia E. Oliveira NA 342 BR Pará NA INPA Neea ovalifolia E.M. Barbosa NA 318 BR Pará Oriximinã RB Neea ovalifolia G. Pereira-Silva NA 14089 BR Rondônia Porto Velho RB Neea ovalifolia G. Pereira-Silva NA 14113 BR Rondônia Porto Velho INPA Neea ovalifolia G.T. Prance NA 15164 BR Amazonas NA INPA Neea ovalifolia G.T. Prance NA 15189 BR Amazonas NA São Gabriel da INPA Neea ovalifolia G.T. Prance NA 16047 BR Amazonas Cachoeira INPA Neea ovalifolia G.T. Prance NA 22881 BR Amazonas NA INPA Neea ovalifolia G.T. Prance NA 5892 BR Rondônia NA 99

INPA Neea ovalifolia J.C. de Almeida NA INPA3816 BR Amazonas Manaus INPA Neea ovalifolia J.C. de Almeida NA INPA4004 BR Amazonas Manaus INPA Neea ovalifolia J.J. Pipoly NA 7449 GY Demerara Mahaica INPA Neea ovalifolia L.F. Coelho NA 121 BR Amazonas Manaus INPA Neea ovalifolia L.F. Coelho NA 2086 BR Amazonas Manaus INPA Neea ovalifolia L.O.A. Teixeira NA 743 BR Rondônia Santa Bárbara INPA Neea ovalifolia M. Gomes NA 1059 BR Mato Grosso Aripuanã INPA Neea ovalifolia M.G.G. Vieira NA 1020 BR Rondônia Guaporé INPA Neea ovalifolia M.G.G. Vieira NA 1033 BR Rondônia Pimenta Bueno INPA Neea ovalifolia M.G.G. Vieira NA 43 BR Amazonas NA UEL Neea ovalifolia M.J. Silva NA 182 BR Pará Curuçá INPA Neea ovalifolia N.C. Bigio NA 1154 BR Mato Grosso Comodoro 3114- PDBFF Neea ovalifolia S. col NA BR Amazonas Manaus 6764 3402- PDBFF Neea ovalifolia S. col NA BR Amazonas Manaus 3467 INPA Neea ovalifolia O.S. Anjos NA 89 BR Amazonas NA INPA Neea ovalifolia R. Romero-Castañeda NA 3745 BR NA NA JBRB Neea ovalifolia R. Spruce NA 1855 BR Amazonas Manaus RB Neea ovalifolia R. Spruce NA 1855 BR Amazonas Manaus INPA Neea ovalifolia R.C. Forzza NA 291 BR Amazonas Manaus IAN Neea ovalifolia R.L. Fróes NA 32209 BR Pará Porto de Móz INPA Neea ovalifolia R.O. Perdiz NA 2942 BR Amazonas Presidente Figueiredo RB Neea ovalifolia W.A. Ducke NA s.n BR Amazonas Manaus INPA Neea ovalifolia W.A. Rodrigues NA 5669 BR Amazonas Manaus PDBFF Neea ovalifolia morfossp. A S. col 104800 NA BR Amazonas Manaus PDBFF Neea ovalifolia morfossp. A S. col 145918 NA BR Amazonas Manaus PDBFF Neea ovalifolia morfossp. A S. col 155210 NA BR Amazonas Manaus 100

PDBFF Neea ovalifolia morfossp. A S. col 156388 NA BR Amazonas Manaus PDBFF Neea ovalifolia morfossp. A S. col 195477 NA BR Amazonas Manaus PDBFF Neea ovalifolia morfossp. A S. col 210027 NA BR Amazonas Manaus PDBFF Neea ovalifolia morfossp. A S. col 215980 NA BR Amazonas Manaus PDBFF Neea ovalifolia morfossp. A S. col 84567 NA BR Amazonas Manaus PDBFF Neea ovalifolia morfossp. B S. col 104392 NA BR Amazonas Manaus PDBFF Neea ovalifolia morfossp. B S. col 115638 NA BR Amazonas Manaus PDBFF Neea ovalifolia morfossp. B S. col 122749 NA BR Amazonas Manaus PDBFF Neea ovalifolia morfossp. B S. col 123510 NA BR Amazonas Manaus PDBFF Neea ovalifolia morfossp. B S. col 124169 NA BR Amazonas Manaus PDBFF Neea ovalifolia morfossp. B S. col 130088 NA BR Amazonas Manaus PDBFF Neea ovalifolia morfossp. B S. col 130164 NA BR Amazonas Manaus PDBFF Neea ovalifolia morfossp. B S. col 131929 NA BR Amazonas Manaus PDBFF Neea ovalifolia morfossp. B S. col 132875 NA BR Amazonas Manaus PDBFF Neea ovalifolia morfossp. B S. col 134483 NA BR Amazonas Manaus PDBFF Neea ovalifolia morfossp. B S. col 173658 NA BR Amazonas Manaus PDBFF Neea ovalifolia morfossp. B S. col 173687 NA BR Amazonas Manaus PDBFF Neea ovalifolia morfossp. B S. col 200299 NA BR Amazonas Manaus PDBFF Neea ovalifolia morfossp. B S. col 204868 NA BR Amazonas Manaus PDBFF Neea ovalifolia morfossp. B S. col 225417 NA BR Amazonas Manaus PDBFF Neea ovalifolia morfossp. B S. col 230957 NA BR Amazonas Manaus PDBFF Neea ovalifolia morfossp. B S. col 251714 NA BR Amazonas Manaus PDBFF Neea ovalifolia morfossp. B S. col 43299 NA BR Amazonas Manaus PDBFF Neea ovalifolia morfossp. B S. col 50999 NA BR Amazonas Manaus PDBFF Neea ovalifolia morfossp. B S. col 51549 NA BR Amazonas Manaus PDBFF Neea ovalifolia morfossp. B S. col 63543 NA BR Amazonas Manaus PDBFF Neea ovalifolia morfossp. B S. col 85730 NA BR Amazonas Manaus MG Neea paraensis W.A. Ducke NA NA BR Pará Alenquer 101

RB Neea parviflora A. Quinet NA 1416 BR Amazonas Ipixuna RB Neea parviflora Equipe Resgate NA 349 BR Rondônia Porto Velho INPA Neea parviflora L.F. Coelho NA 27 BR Amazonas NA São Gabriel da RB Neea parviflora W.A. Ducke NA s.n BR Amazonas Cachoeira INPA Neea parviflora W.A. Rodrigues NA INPA14299 BR Amazonas Manaus INPA Neea pisonia D.C. Daly NA 1295 BR Pará Tucuruí INPA Neea pisonia D.C. Daly NA 1507 BR Pará Tucuruí INPA Neea robusta E.M.B. Prata NA 443 BR Amazonas Tapauá RB Neea rufula S. col NA 748 BR Rio de Janeiro Rio de Janeiro PDBFF Neea sp.1 S. col 156320 NA BR Amazonas Manaus PDBFF Neea sp.1 S. col 252777 NA BR Amazonas Manaus PDBFF Neea sp.1 S. col 43084 NA BR Amazonas Manaus PDBFF Neea sp.1 S. col 45700 NA BR Amazonas Manaus PDBFF Neea sp.1 S. col 53364 NA BR Amazonas Manaus PDBFF Neea sp.1 S. col 53458 NA BR Amazonas Manaus PDBFF Neea sp.1 S. col 55323 NA BR Amazonas Manaus PDBFF Neea sp.1 S. col 55635 NA BR Amazonas Manaus PDBFF Neea sp.1 S. col 65766 NA BR Amazonas Manaus PDBFF Neea sp.1 S. col 77266 NA BR Amazonas Manaus PDBFF Neea sp.1 S. col 8453 NA BR Amazonas Manaus PDBFF Neea sp.1 S. col 85618 NA BR Amazonas Manaus PDBFF Neea sp.1 S. col 91494 NA BR Amazonas Manaus PDBFF Neea sp.1 S. col 92266 NA BR Amazonas Manaus PDBFF Neea sp.1 S. col 9403 NA BR Amazonas Manaus PDBFF Neea sp.14 S. col 102898 NA BR Amazonas Manaus PDBFF Neea sp.14 S. col 103532 NA BR Amazonas Manaus PDBFF Neea sp.14 S. col 11307 NA BR Amazonas Manaus 102

PDBFF Neea sp.14 S. col 113396 NA BR Amazonas Manaus PDBFF Neea sp.14 S. col 152402 NA BR Amazonas Manaus PDBFF Neea sp.14 S. col 200866 NA BR Amazonas Manaus PDBFF Neea sp.14 S. col 2933 NA BR Amazonas Manaus PDBFF Neea sp.14 S. col 31786 NA BR Amazonas Manaus PDBFF Neea sp.14 S. col 32106 NA BR Amazonas Manaus PDBFF Neea sp.14 S. col 32845 NA BR Amazonas Manaus PDBFF Neea sp.14 S. col 3879 NA BR Amazonas Manaus PDBFF Neea sp.14 S. col 41869 NA BR Amazonas Manaus PDBFF Neea sp.14 S. col 42730 NA BR Amazonas Manaus PDBFF Neea sp.14 S. col 45731 NA BR Amazonas Manaus PDBFF Neea sp.14 S. col 55042 NA BR Amazonas Manaus PDBFF Neea sp.14 S. col 62117 NA BR Amazonas Manaus PDBFF Neea sp.14 S. col 74641 NA BR Amazonas Manaus PDBFF Neea sp.14 S. col 74678 NA BR Amazonas Manaus PDBFF Neea sp.14 S. col 8201 NA BR Amazonas Manaus PDBFF Neea sp.14 S. col 8362 NA BR Amazonas Manaus PDBFF Neea sp.14 S. col 8463 NA BR Amazonas Manaus PDBFF Neea sp.14 S. col 8992 NA BR Amazonas Manaus PDBFF Neea sp.14 S. col 9141 NA BR Amazonas Manaus PDBFF Neea sp.14 S. col 93904 NA BR Amazonas Manaus PDBFF Neea sp.16 S. col 101962 NA BR Amazonas Manaus PDBFF Neea sp.16 S. col 114575 NA BR Amazonas Manaus PDBFF Neea sp.16 S. col 206778 NA BR Amazonas Manaus PDBFF Neea sp.16 S. col 212602 NA BR Amazonas Manaus PDBFF Neea sp.16 S. col 230328 NA BR Amazonas Manaus PDBFF Neea sp.16 S. col 30771 NA BR Amazonas Manaus PDBFF Neea sp.16 S. col 45799 NA BR Amazonas Manaus 103

PDBFF Neea sp.16 S. col 54472 NA BR Amazonas Manaus PDBFF Neea sp.16 S. col 73056 NA BR Amazonas Manaus PDBFF Neea sp.16 S. col 75323 NA BR Amazonas Manaus 1109- PDBFF Neea sp.2 S. col NA BR Amazonas Manaus 348 PDBFF Neea sp.2 S. col 115891 NA BR Amazonas Manaus PDBFF Neea sp.2 S. col 125801 NA BR Amazonas Manaus 1301- PDBFF Neea sp.2 S. col NA BR Amazonas Manaus 1805 PDBFF Neea sp.2 S. col 136176 NA BR Amazonas Manaus PDBFF Neea sp.2 S. col 161413 NA BR Amazonas Manaus PDBFF Neea sp.2 S. col 182288 NA BR Amazonas Manaus PDBFF Neea sp.2 S. col 2172 NA BR Amazonas Manaus PDBFF Neea sp.2 S. col 221601 NA BR Amazonas Manaus PDBFF Neea sp.2 S. col 222476 NA BR Amazonas Manaus PDBFF Neea sp.2 S. col 234950 NA BR Amazonas Manaus PDBFF Neea sp.2 S. col 256318 NA BR Amazonas Manaus PDBFF Neea sp.2 S. col 32236 NA BR Amazonas Manaus PDBFF Neea sp.2 S. col 77160 NA BR Amazonas Manaus PDBFF Neea sp.2 S. col 8924 NA BR Amazonas Manaus PDBFF Neea sp.2 S. col 8969 NA BR Amazonas Manaus PDBFF Neea sp.2 S. col 92172 NA BR Amazonas Manaus PDBFF Neea sp.3 S. col 102199 NA BR Amazonas Manaus PDBFF Neea sp.3 S. col 113172 NA BR Amazonas Manaus PDBFF Neea sp.3 S. col 113215 NA BR Amazonas Manaus PDBFF Neea sp.3 S. col 123377 NA BR Amazonas Manaus PDBFF Neea sp.3 S. col 125307 NA BR Amazonas Manaus PDBFF Neea sp.3 S. col 143127 NA BR Amazonas Manaus 104

PDBFF Neea sp.3 S. col 153778 NA BR Amazonas Manaus PDBFF Neea sp.3 S. col 164237 NA BR Amazonas Manaus PDBFF Neea sp.3 S. col 183675 NA BR Amazonas Manaus PDBFF Neea sp.3 S. col 190805 NA BR Amazonas Manaus PDBFF Neea sp.3 S. col 190841 NA BR Amazonas Manaus PDBFF Neea sp.3 S. col 223384 NA BR Amazonas Manaus PDBFF Neea sp.3 S. col 233058 NA BR Amazonas Manaus PDBFF Neea sp.3 S. col 246038 NA BR Amazonas Manaus PDBFF Neea sp.3 S. col 31367 NA BR Amazonas Manaus PDBFF Neea sp.3 S. col 31473 NA BR Amazonas Manaus PDBFF Neea sp.3 S. col 75491 NA BR Amazonas Manaus PDBFF Neea sp.3 S. col 76491 NA BR Amazonas Manaus PDBFF Neea sp.3 S. col 90168 NA BR Amazonas Manaus PDBFF Neea sp.3 S. col 90825 NA BR Amazonas Manaus 1103- PDBFF Neea sp.4 S. col NA BR Amazonas Manaus 538 1201- PDBFF Neea sp.4 S. col NA BR Amazonas Manaus 1583 1301- PDBFF Neea sp.4 S. col NA BR Amazonas Manaus 1096 1301- PDBFF Neea sp.4 S. col NA BR Amazonas Manaus 3723 1302- PDBFF Neea sp.4 S. col NA BR Amazonas Manaus 257 2303- PDBFF Neea sp.4 S. col NA BR Amazonas Manaus 1644 3402- PDBFF Neea sp.4 S. col NA BR Amazonas Manaus 1457 PDBFF Neea sp.4 S. col 3402- NA BR Amazonas Manaus 105

2738 3402- PDBFF Neea sp.4 S. col NA BR Amazonas Manaus 4336 3402- PDBFF Neea sp.4 S. col NA BR Amazonas Manaus 4502 3402- PDBFF Neea sp.4 S. col NA BR Amazonas Manaus 946 PDBFF Neea sp.7 S. col 100819 NA BR Amazonas Manaus PDBFF Neea sp.7 S. col 103797 NA BR Amazonas Manaus PDBFF Neea sp.7 S. col 125677 NA BR Amazonas Manaus PDBFF Neea sp.7 S. col 161586 NA BR Amazonas Manaus PDBFF Neea sp.7 S. col 192560 NA BR Amazonas Manaus PDBFF Neea sp.7 S. col 2774 NA BR Amazonas Manaus PDBFF Neea sp.7 S. col 34957 NA BR Amazonas Manaus PDBFF Neea sp.7 S. col 54894 NA BR Amazonas Manaus PDBFF Neea sp.7 S. col 61781 NA BR Amazonas Manaus PDBFF Neea sp.7 S. col 85498 NA BR Amazonas Manaus PDBFF Neea sp.7 S. col 91760 NA BR Amazonas Manaus PDBFF Neea sp.7 S. col 91967 NA BR Amazonas Manaus PDBFF Neea sp.7 S. col 9713 NA BR Amazonas Manaus PDBFF Neea sp.8 S. col 104897 NA BR Amazonas Manaus PDBFF Neea sp.8 S. col 130741 NA BR Amazonas Manaus PDBFF Neea sp.8 S. col 31624 NA BR Amazonas Manaus PDBFF Neea sp.8 S. col 9513 NA BR Amazonas Manaus PDBFF Neea sp.A S. col 104376 NA BR Amazonas Manaus PDBFF Neea sp.A S. col 135652 NA BR Amazonas Manaus PDBFF Neea sp.A S. col 153667 NA BR Amazonas Manaus PDBFF Neea sp.A S. col 1612 NA BR Amazonas Manaus 106

PDBFF Neea sp.A S. col 165002 NA BR Amazonas Manaus PDBFF Neea sp.A S. col 204853 NA BR Amazonas Manaus PDBFF Neea sp.A S. col 2196 NA BR Amazonas Manaus PDBFF Neea sp.A S. col 2902 NA BR Amazonas Manaus PDBFF Neea sp.A S. col 31353 NA BR Amazonas Manaus PDBFF Neea sp.A S. col 32252 NA BR Amazonas Manaus PDBFF Neea sp.A S. col 41224 NA BR Amazonas Manaus PDBFF Neea sp.A S. col 482 NA BR Amazonas Manaus PDBFF Neea sp.A S. col 61801 NA BR Amazonas Manaus PDBFF Neea sp.A S. col 62936 NA BR Amazonas Manaus PDBFF Neea sp.A S. col 82040 NA BR Amazonas Manaus PDBFF Neea sp.A S. col 83330 NA BR Amazonas Manaus MG Neea sparsiflora E.H. Ule NA 5855 BR Amazonas NA RB Neea spruceana D. Philcox NA 3015 BR Mato Grosso NA MG Neea spruceana E.H. Ule NA 6498 PE Tarapoto NA MO Neea spruceana G.T. Prance NA P26636 PE Loreto NA 3304- PDBFF Neea stellulata S. col NA BR Amazonas Manaus 6276 3304- PDBFF Neea stellulata S. col NA BR Amazonas Manaus 849 FUEL Neea theifera E.F.S. Rossetto NA 317 BR Mato Grosso Nova Mutum INPA Neea tristis P.J.M. Maas NA P12935 BR Acre Porto Valter RB Neea verticillata A.C. Brade NA 14618 BR Rio de Janeiro Itatiaia RB Neea verticillata A.C. Brade NA 17187 BR Rio de Janeiro Itatiaia RB Neea verticillata A.C. Brade NA 18074 BR Espírito Santo Itaguaçu RB Neea verticillata D.S. Costa NA 63 BR Acre NA INPA Neea verticillata E.Z.P. Setz NA 339 BR Amazonas Manaus RB Neea verticillata H.C. de Lima NA 1727 BR Rio de Janeiro Silva Jardim 107

INPA Neea verticillata P.A.C.L. Assunção NA 584 BR Amazonas Manaus INPA Neea virens G.P. Viana NA 36 BR Amazonas Humaitá INPA Neea virens G.P. Viana NA 67 BR Rondônia Manicoré INPA Neea virens P.J.M. Maas NA P13118 BR Acre Cruzeiro do Sul INPA Nyctaginaceae B.M. Boom NA 8539 BR Amazonas Manaus IAN Nyctaginaceae M.J. Pires NA 51456 BR Amapá NA PDBFF Nyctaginaceae S. col 77340 NA BR Amazonas Manaus São Gabriel da IAN Nyctaginaceae R.L. Fróes NA 22179 BR Amazonas Cachoeira IAN Nyctaginaceae R.L. Fróes NA 26452 BR Amazonas Codajás MG Nyctaginaceae Sidney NA 1271 BR Mato Grosso Xavantina INPA Nyctaginaceae V.A.N. Bragança NA 51 BR Pará Bragança RB Pisonia J.G. Kuhlmann NA 1537 PE NA NA MG Pisonia breviflora W.A. Ducke NA NA BR Pará Oriximinã MG Pisonia obtusiloba W.A. Ducke NA NA BR Pará Óbidos MG Pisonia subcapitata W.A. Ducke NA NA BR Pará Óbidos Pisonia subcapitata var RB W.A. Ducke NA 8639 BR Pará NA laxiuscula INPA Pisonia tomentosa N.T. Silva NA 5401 BR Pará Almeirim PDBFF Pisonia tomentosa S. col 153890 NA BR Amazonas Manaus PDBFF Pisonia tomentosa S. col 235034 NA BR Amazonas Manaus PDBFF Pisonia tomentosa S. col 256378 NA BR Amazonas Manaus PDBFF Pisonia tomentosa S. col 51050 NA BR Amazonas Manaus PDBFF Pisonia tomentosa S. col 65713 NA BR Amazonas Manaus PDBFF Pisonia tomentosa S. col 74240 NA BR Amazonas Manaus PDBFF Pisonia tomentosa S. col 91458 NA BR Amazonas Manaus PDBFF Pisonia tomentosa S. col 94371 NA BR Amazonas Manaus MG Pisonia uleana E.H. Ule NA 5704 BR Amazonas NA 108

IAN Torrubia G.A. Black NA 47-1719 BR Pará Belterra IAN Torrubiaiana Smith NA 3146 GY NA NA

109

ANEXO II

Scritps utilizados no programa R para organização e obtenção dos resultados apresentados.

Script 1: utilizado para a organização de dados e verificação de variáveis mais influenciáveis

#carrega pacotes e funcoes necessarias source("funcoesNecessarias.R")

#define caminho e arquivos para ler dados.brutos = 'morfogui_quanti.csv'

#caminhos para salvar as figuras, tabelas e dados gerados pelo script, irá repor arquivos com o mesmo nome se já gerados

#criar pasta se não houver no diretório atual de trabalho (getwd()) pathparafiguras= "figuras" pathparatabelas= "tabelas" pathparadados = "dadosParaAnalises"

#lê os dados brutos, com variáveis ordinais e nominais codificadas como números ou 0 e 1 dad.morfo.bruto = read.table(file=dados.brutos,sep='\t',na.strings=c("NA",""),row.names = NULL,as.is=T,header=T)

#obtendo os valores médios de cada amostra #obtendo os valores m?dios de cada amostra rownames(dad.morfo.bruto)=dad.morfo.bruto$ID dad.morfo.bruto <- dad.morfo.bruto[!dad.morfo.bruto$specie.3 %in% names(which(table(dad.morfo.bruto$specie.3)<10)),] dados.media = aplicamedia(dad.morfo.bruto[,-c(96)])

#Qual o numero de variaveis para cada amostra? #para cada amostra qual o numero minimo de amostras com quem pode comparar?

110

##1.1 classifique MANUALMENTE suas variaveis edit(colnames(dados.media))#para editar as variaveis #nome das colunas das variaveis vegetativas quantitativas veg.quant= c("PEC_COMTOT", "FO_COMTOT", "FO_COMLA_", "FO_LARG", "FO_ALTLARMAX", "NERSEC_N") #nome das colunas das variaveis vegetativas categoricas veg.quali = c("FILOTAX_ALT", "FILOTAX_OPO", "NERINTER_PROX_1", "NERINTER_PROX_2", "NERTER_PERC", "NERTER_RAM", "AP_AGU", "AP_CUN", "AP_ARR", "AP_ATE", "AP_ACU", "AP_CUS", "AP_OBT", "AP_CUN.1", "BA_AGU", "BA_ATE", "BA_COR", "BA_CUN", "BA_DEC", "BA_ASS", "BA_ARR", "PEC.IND_GLABR", "PEC.IND_PUBESC", "PEC.IND_TOM", "PEC.IND_HIRS", "FO.IND.AD_GLABR", "FO.IND.AD_PUBESC", "FO.IND.AD_TOM", "FO.IND.AD_HIRS", "FO.IND.AB_GLABR", "FO.IND.AB_PUBESC", "FO.IND.AB_TOM", "FO.IND.AB_HIRS", "NERPRI_AD_PROM", "NERPRI_AD_IMP", "NERPRI_AB_PROM", "NERPRI_AB_IMP", "NERSEC_AD_PROM", "NERSEC_AD_IMP", "NERSEC_AB_PROM", "NERSEC_AB_IMP", "NERSEC_ANG_AG", "NERSEC_ANG_PER", "NERINTER_COM_MAI50", "NERINTER_COM_MEN50", "NERINTER_ANG_AGU", "NERINTER_ANG_PER", "NERSEC_ANG_BAAP_AGU.1", "NERSEC_ANG_BAAP_AGU.2", "NERSEC_ANG_BAAP_AGU.3", "NERSEC_ANG_BAAP_AGU.4")

#nome das variaveis reprodutivas quantitativas flor.quant= c("INF_EX.S.D", "INF_EX.S.E", "INF_EX.P_T", "INF_EX.P_N", "INF_COM","FLEST_COM", "FLEST_LARG", "FLEST_ALTLARMAX", "INFR_COM", "ANT_COM")

111

#nome das variaveis categoricas de flor flor.quali = c("INF_INS_AXI", "INF_INS_CAU","INF_INS_PEC", "INF_INS_RAM", "INF_INS_TER","INF.IND_GLABR", "INF.IND_PUBESC", "INF.IND_TOM", "INF.IND_HIRS", "FL_TIP_PAN", "FL_TIP_CIMCOM", "FL_TIP_CIMTRI", "FLEST.IND_GLABR","FLEST.IND_PUBESC", "FLEST.IND_TOM", "FLEST.IND_HIRS", "FLEST_FOR_CAMP", "FLEST_FOR_CILI.CAM", "FLEST_FOR_ELIP", "FLEST_FOR_ELIP.TUBU", "FLEST_FOR_ELIP.URCE", "FLEST_FOR_TUBU", "FLEST_FOR_URCE", "FLEST_LOB_FOR_DEL", "FLEST_LOB_FOR_INC", "FLEST_LOB_FOR_LAN", "FLEST_LOB_FOR_LIN", "FLEST_LOB_FOR_ARR") #para cada conjunto de variaveis, conta para cada variavel o numero de amostras que ela permite comparar contaramostraporvar <- function(y,dd) { yy = as.numeric(as.vector(dd[,y])) sum(!is.na(yy)) } pd.veg.quant = sapply(veg.quant,contaramostraporvar,dd=dados.media) pd.veg.ind = sapply(veg.quali,contaramostraporvar,dd=dados.media) pd.flor.quant = sapply(flor.quant,contaramostraporvar,dd=dados.media) pd.flor.ind = sapply(flor.quali,contaramostraporvar,dd=dados.media) #junta tudo mm1 = data.frame(CATEG="Vegetativos Quantitativos",NAMOSTRAS=pd.veg.quant) mm2 = data.frame(CATEG="Vegetativos Qualitativos",NAMOSTRAS=pd.veg.ind) mm3 = data.frame(CATEG="Flor Quantitativo",NAMOSTRAS=pd.flor.quant) mm4 = data.frame(CATEG="Flor Qualitativos",NAMOSTRAS=pd.flor.ind) mm = rbind(mm1,mm2,mm3,mm4) tbb = table(mm$NAMOSTRAS) tbb = as.data.frame(tbb) row.names(tbb)= tbb[,1] categs = levels(as.factor(mm$CATEG)) 112 for(l in 1:length(categs)){ vl = as.factor(mm$CATEG)==categs[l] tbb1 = table(mm$NAMOSTRAS[vl]) tbb[,categs[l]] = NA tbb[names(tbb1),categs[l]] = tbb1 } tbb = tbb[,-1] tbb = as.matrix(tbb) tbb = t(tbb)

#fazendo gr?fico, que eu j? salvei pdf(paste("Figuras/01_amostrasPorvariaveis.pdf",sep=""),width=8.5,height=10) par(las=1,mar=c(4,12,3,2)) barplot(tbb,beside=T,col=c("green","red","blue","yellow"),horiz=T,ylab="Numero de amostras",xlab="Numero de variaveis") legend(x=20,y=30,legend=row.names(tbb),pch=22,pt.bg=c("green","red","blue","yello w"),ncol=1,cex=0.8) dev.off()

#tem variaveis que permitem comparar poucas amostras? #qual o minimo aceitavel para inclusao na analise #ou seja, quais variaveis devem ser eliminadas porque tem #muitos valores ausentes na coluna #melhor eliminar essas variaveis dos dados #pois terao pouco efeito de qualquer forma nas comparacoes

#Qual o numero minimo de amostras para incluir a variavel? n.minimo = 5 vl = mm$NAMOSTRAS<=n.minimo #ent?o quais elimina? quais.vars = rownames(mm[vl,])

113

#eliminando colinas #eliminadas= c("ANT_LOB_FOR","INF_IND_COR", "INF_IND_COM","FLEST_IND_COR", "FLEST_IND_COM","FLPIS_IND_COR", "FLPIS_IND_COM") #cls = colnames(dados.media) #cls = cls[!cls%in%eliminadas] #dados.media = dados.media[,cls]

#elimina essas colunas dos dados.media #e das listas de categorias rn = colnames(dados.media) rn = rn[!rn%in%quais.vars] dados.media = dados.media[,rn] veg.quant = veg.quant[!veg.quant%in%quais.vars] veg.quali= veg.quali[!veg.quali%in%quais.vars] flor.quant= flor.quant[!flor.quant%in%quais.vars] flor.quali= flor.quali[!flor.quali%in%quais.vars]

#definindo similaridades: #1) qual importancia das variaveis medidas #2) elas expressam de fato o que eu considero informativo no meu grupo?

#########FAZENDO EXEMPLOS################### ####FORMA DE FOLHAS #por exemplo. Eu quero definir minhas variaveis #de acordo com o que eu percebo que e importante. #Eu medi folhas mas acho que a forma da folha expressa pelas #seguintes variaveis melhor descreve os padr?es que eu percebo #nas minhas amostras: #a) As folhas variam na proporcao entre largura e comprimento da lamina (ha folhas mais obovadas, outras mais el?pticas e outras mais redondas) #isso pode ser codificado em duas razoes numericas: 114

#a.1) m?xima largura dividida pelo comprimento da lamina (forma da lamina) - FORMA01

#salva figuras das variaveis criadas num arquivo pdf(paste("Figuras/2_formaFolhasfinal.pdf",sep=""),width=8.5,height=10)

FORMA01 = dados.media$FO_LARG/dados.media$FO_COMLA par(mfrow=c(3,1),las=1,mar=c(5,4,3,3),mgp=c(2.5,0.5,0),cex.axis=0.8,tck=-0.01) h = hist(FORMA01,breaks =30,col='blue',xlim=c(0,max(FORMA01,na.rm = T)+min(FORMA01,na.rm=T)),ylab ="Numero amostras",xlab="Forma01 = (maxima largura/comprimento) da Lamina Foliar",main="") text(h$mids[1],h$counts[1]+0.5,labels="Folhas + estreitas",srt=90,adj=c(0,0.5),cex=0.8) text(h$mids[length(h$mids)],h$counts[length(h$counts)]+0.5,labels="Folhas + arredondadas",srt=90,adj=c(0,0.5),cex=0.8)

#b) outra medida que mostra se lamina e mais obovada, el?ptica ou ovada, ? a razao entre a altura da m?xima largura e comprimento total FORMA02 = dados.media$FO_ALTLARMAX/dados.media$FO_COMLA par(las=1,mar=c(5,4,3,2),mgp=c(2.5,0.5,0),cex.axis=0.8,tck=-0.01) h <- hist(FORMA02,breaks =30,col='red',xlim=range(FORMA02,na.rm=T)+c(- 0.1,+0.1),ylab ="Numero amostras",xlab="Forma02 = (altura da maxima largura/comprimento) da Lamina Foliar",main="") text(h$mids[1],h$counts[1]+0.5,labels="Folhas + elipticas",srt=90,adj=c(0,0.5),cex=0.8) text(h$mids[length(h$mids)],h$counts[length(h$counts)]+0.5,labels="Folhas + obovadas",srt=90,adj=c(0,0.5),cex=0.8)

#c)uma ?ltima vari?vel de forma, ? a propor?ao da folha que ? peciolo, ou seja do comprimento total da folha, quanto ? peciolo. Isso mostra porporcionalmente se o peciolo ? muito pequeno ou se a folha ? peciolada FORMA03 = dados.media$PEC_COMTOT/(dados.media$PEC_COMTOT+dados.media$FO_COM LA) par(las=1,mar=c(5,4,3,2),mgp=c(2.5,0.5,0),cex.axis=0.8,tck=-0.01) 115 h <- hist(FORMA03,breaks =30,col='green',xlim=range(FORMA03,na.rm=T)+c(- 0.04,+0.04),ylab ="Numero amostras",xlab="Forma03 = (comprimento peciolo/comprimento da folha)",main="") text(h$mids[1],h$counts[1]+0.5,labels="Folhas sesseis",srt=90,adj=c(0,0.5),cex=0.8) text(h$mids[length(h$mids)],h$counts[length(h$counts)]+0.5,labels="Folhas + pecioladas",srt=90,adj=c(0,0.5),cex=0.8) dev.off()

#adiciona essas variaveis aos vetores e dados veg.quant= c(veg.quant,c("FORMA01","FORMA02","FORMA03")) dados.media = data.frame(dados.media,FORMA01,FORMA02,FORMA03,stringsAsFactors = F)

#########RAZÃO RAZAO_FONER = dados.media$FO_COMLA_/dados.media$NERSEC_N #adiciona essas variaveis aos vetores e dados veg.quant= c(veg.quant,c("RAZAO_FONER")) dados.media = data.frame(dados.media,RAZAO_FONER,stringsAsFactors = F)

#####FORMA das flores #no caso deste exemplo #algumas formas dos estames fazem sentido pdf(paste("Figuras/2.2_formaFLORES.pdf",sep=""),width=8.5,height=10)

FORMA.FLOR_EST.I = dados.media$FLEST_LARG/dados.media$FLEST_COM par(mfrow=c(3,1),las=1,mar=c(5,4,3,3),mgp=c(2.5,0.5,0),cex.axis=0.8,tck=-0.01) h=hist. (FORMA.FLOR_EST.I,breaks =30, col='blue', xlim = range (FORMA.FLOR_EST.I, na.rm= T) + c (-0.04,+0.04), ylab = "Número amostras",xlab="Forma flor estaminada I = (largura flor estaminada/comprimento flor",main="") text (h$mids[1], h$counts[1]+0.5,labels= "Flores estaminadas + estreitas", srt=90, adj=c(0,0.5) ,cex=0.8) text(h$mids[length(h$mids)],h$counts[length(h$counts)]+0.5,labels="Flores estaminadas I + largos",srt=90,adj=c(0,0.5),cex=0.8) 116

#agora vamos juntar os dados apenas com as variáveis FORMA.FLOR_EST.II = dados.media$FLEST_ALTLARMAX/dados.media$FLEST_COM par(las=1,mar=c(5,4,3,2),mgp=c(2.5,0.5,0),cex.axis=0.8,tck=-0.01) h=hist(FORMA.FLOR_EST.II,breaks=30,col='green',xlim=range(FORMA.FLOR_EST .II,na.rm=T)+c(-0.04,+0.04),ylab ="Número amostras",xlab="Forma flor estaminada II = (altura da máxima largura/comprimento flor",main="") text(h$mids[1],h$counts[1]+0.5,labels="Flores-estaminadas+arredondas", srt=90, adj=c(0,0.5), cex=0.8) text(h$mids[length(h$mids)],h$counts[length(h$counts)]+0.5,labels="Flores estaminadas II + largos",srt=90,adj=c(0,0.5),cex=0.8) dev.off()

#adiciona essas variaveis aos vetores e dados #flor.quant = c(flor.quant,c("FORMA.ESTAME.I","FORMA.ESTAME.II","FORMA.ESTAME.III") ) flor.quant = c(flor.quant,c("FORMA.FLOR_EST.I","FORMA.FLOR_EST.II")) #dados.media = data.frame(dados.media,FORMA.ESTAME.I,FORMA.ESTAME.II,FORMA.ESTAME .III,stringsAsFactors = F) dados.media = data.frame(dados.media,FORMA.FLOR_EST.I,FORMA.FLOR_EST.II, stringsAsFactors = F)

FORMA.INFL_EIX = dados.media$INF_EX.S.D+dados.media$INF_EX.S.E flor.quant = c(flor.quant,c("FORMA.INFL_EIX")) dados.media = data.frame(dados.media,FORMA.INFL_EIX, stringsAsFactors = F) ##1.2 CHECA AS CORRELACOES ENTRE VARIAVEIS #MOSTRA AS DISTRIBUICOES UNIVARIADAS #eliminadas= c("ANT_LOB_FOR","INF_IND_COR", "INF_IND_COM","FLEST_IND_COR", "FLEST_IND_COM","FLPIS_IND_COR", "FLPIS_IND_COM") #cls = colnames(dados.media) #cls = cls[!cls%in%eliminadas] #dados.media = dados.media[,cls] 117 colnames(dados.media) osdados = list(veg.quant=veg.quant, veg.quali=veg.quali, flor.quant=flor.quant, flor.quali=flor.quali) #para cada conjunto de variaveis #checa as correlacoes entre variaveis #e gera uma figura para cada dado (num pdf unico) #e uma tabela mostrando as correlacoes (significativas) entre todos os pares de variaveis arqn = paste("Figuras/3_CorrelacoesEntreVariaveis.pdf",sep="") pdf(arqn,width=20,height=18.5) for(d in 1:length(osdados)) { colunas = osdados[[d]] nomedado = names(osdados)[d] #pega esses dados dv = dados.media[,colunas] #salva num arquivo pairs(dv, lower.panel = panel.smooth, upper.panel = panel.cor, diag.panel = panel.hist) mtext(side=3,line=2.5,text = toupper(nomedado),cex=1,adj=1, font=2) #testa correlacoes ascors = fazascor(dv) #mostra apenas as significativas vl = ascors$PV<0.05 par(mar=c(5,5,3,3)) plotatable(ascors[vl,]) mtext(side=2, line=2, text=paste ("Correlacoes significativas para", toupper(nomedado)), cex=1, adj=1, font=2, outer=T) fn = paste(pathparatabelas,"/",nomedado,".csv",sep="") write.table(ascors,fn,sep="\t",na="",row.names = T,quote=T) } dev.off() 118

############################################### ##1.3 ELIMINANDO VARIAVEIS CORRELACIONADAS### ##EXPLICITANDO O QUE VOCE ACHA IMPORTANTE### #na figura "03_CorrelacoesEntreVariaveis.pdf" gerada acima (1.2) algumas variaveis estao fortemente #correlacionadas. Expressando apenas 1 coisa: tamanho das parte vegetativas e isso pode estar representado na #analise por apenas 1 dessas variaveis, indicando tamanho. por isso, se exclui as variaveis #"maxlargura_folha","lamina_folha". #As variaveis de forma que nao estao correlacionadas com as variaveis brutas medidas, expressando outro tipo de informa??o veg.quant.excluidas = c("FO_COMLA_","FO_COMTOT","FO_ALTLARMAX","NERSEC_N")#se excluiem estas dois porque s?o #as que apressentam maior correlacao entre elas, com valores de 0.967 e 0.885 respectivamente veg.quant = veg.quant[!veg.quant%in%veg.quant.excluidas]

#agora as variaveis de indumento #nao apressentam uma forte correlacao #portanto, nao se exclui nenhuma veg.quali.excluidas = c("FILOTAX_OPO","NERTER_PERC","NERSEC_AD_IMP","NERSEC_AB_IMP",

"NERSEC_ANG_AG","NERINTER_COM_MAI50","NERINTER_ANG_AGU", "NERPRI_AD_IMP","NERPRI_AB_IMP") veg.quali = veg.quali[!veg.quali%in%veg.quali.excluidas]

#"comp_estamenII","comp_tepinter", "tamanho_pedicelo", "larg_tepin"(r>0.8). Todos eles expressam tamanho da flor em geral. #Portanto, vamos ficar apenas com comprimento da flor expressando isso flor.quant.excluidas = c("INF_EX.S.E","INF_EX.S.D","FORMA.FLOR_EST.II","FORMA.FLOR_EST.I","F LEST_ALTLARMAX") 119

#outras??? depende de como voc? quer definir similaridade flor.quant = flor.quant[!flor.quant%in%flor.quant.excluidas]

flor.quali.excluidas = c("FLEST_LOB_FOR_ARR","FLEST_LOB_FOR_LAN") flor.quali = flor.quali[!flor.quali%in%flor.quali.excluidas]

#junta todas as variaveis num objeto medias cls = c(veg.quant,veg.quali,flor.quant,flor.quali) #cls = c(veg.quant,flor.quali) dados.media2 = dados.media[,cls] #todo registro precisa pelo menos ter dados vegetativos #elimina linhas que nao tem #vl = is.na(dados.media2$comp_folha) #dados.media2 = dados.media2[!vl,]

#vl = is.na(dados.media$lamina_folha) #dados.media = dados.media[!vl,]

#ultima checada contanas <- function(x) { sum(is.na(x))/length(x) } nas1 = apply(dados.media,1,contanas) nas2 = apply(dados.media2,1,contanas) hist(nas1,main="NAs em dados.media",breaks=20,col="red") hist(nas2,main="NAs em dados.media2",breaks=20,col="blue") rownames(dados.media)=dad.morfo.bruto$ID rownames(dados.media2)=dad.morfo.bruto$ID

#sp = as.factor(dad.morfo.bruto$specie.4) id = dad.morfo.bruto$ID

120 dados.media = cbind(dados.media,id) dados.media2 = cbind(dados.media2,id)

#salva esse arquivo fn = paste("DadosParaAnalises/dados_medias_varsel.csv",sep="") write.table(dados.media2,file=fn,sep="\t",row.names = T,na="",quote=T) #salva o arquivo com todas as variaveis fn = paste("DadosParaAnalises/dados_medias_todasvar.csv",sep="") write.table(dados.media,file=fn,sep="\t",row.names = T,na="",quote=T)

#gera um arquivo com histogramas para cada variavel odado = dados.media fn = paste("Figuras/4_dadoMediasHistogramas_todas.pdf",sep="") pdf(fn,width=8.5,height=10) par(mfrow=c(3,2),mar=c(5,4,3,3),mgp=c(2.5,0.5,0),tck=-0.01,cex.axis=0.8) for(cl in 1:ncol(odado)) { cln = colnames(odado)[cl] var = odado[,cl] hist(var,xlab=cln,col='red',breaks =30,main="") } dev.off()

121

Script 2: com os dados organizados é gerada a NMDS

#MATRIZ DE DISTANCIA E NMDS rm(list=ls()) source("funcoesNecessarias.R")

#calcula a distância morfológica e o dado NMDS resultante

#CALCULA A DISTANCIA MORFOLÓGICA USANDO GOWER

#lê os dados arq1 = "dadosParaAnalises/dados_medias_todasvar.csv" dados.media = read.table(file=arq1,sep="\t",row.names = 1,na.strings =c("NA",""))

#dados com variáveis selecionadas arq2 ="dadosParaAnalises/dados_medias_varsel.csv" dados.media2 = read.table(file=arq2,sep="\t",row.names = 1,na.strings =c("NA",""))

#qual desses dados vai rodar? qualdados = list(varsel=dados.media2,todasvar=dados.media)

#calcula a distância morfológica de gower

#veja detalhes no help da função daise para entender o que ele faz com NAs (pode ter dados faltantes)

#para cada dado parasalvar = NULL for(d in 1:length(qualdados)) {

odado = qualdados[[d]]

nomedado = names(qualdados)[d]

md = daisy(odado, metric = "gower", stand = F,warnBin = F)

#pega parte inferior da matriz, excluindo a diagonal

tt = md[lower.tri(md,diag = F)] 122

#plota essas distâncias numa figura

fn = paste(pathparafiguras,"/Histograma_morfoGowerDist_",nomedado,".pdf",sep="")

pdf(fn,width=6,height=5)

hist(tt,breaks=40,col='red',xlab="Distância morfológica de gower",main="")

dev.off()

#guarda objetos de distancia numa lista para um Rdata

parasalvar[[nomedado]] = list(morfodist=md,dado=odado)

}

#salva distâncias de gower num Rdata para uso fn = paste(pathparadados,"/morfoDistGower.Rdata",sep="") save(parasalvar,file=fn)

#qual o número de eixos que minimiza o valor de stress no NMDS? fn = paste(pathparafiguras,"/EixosMinimosParaNMDSbruto_",nomedado,".pdf",sep="") pdf(fn,width=8.5,height=10) par(mfrow=c(2,1),mar=c(5,4,3,2),cex.axis=0.8) for(d in 1:length(parasalvar)) {

odado = parasalvar[[d]][['dado']]

nomedado = names(parasalvar)[d]

md = parasalvar[[d]][['morfodist']]

qualk = NULL

#para tantas variÁveis quanto em odado

for(k in 2:ncol(odado)) {

print(paste(k,"de",ncol(odado)))

m.nmds = isoMDS(md,k=k)

rr = data.frame(K=k,STRESS=m.nmds$stress) 123

qualk = rbind(qualk,rr)

}

K = qualk$K

STRESS = qualk$STRESS

plot(K,STRESS,type='l',lwd=2,lty='solid',main=nomedado,col='red')

points(K,STRESS,pch=21,cex=2,bg='red')} dev.off()

#TRANSFORMANDO OS DADOS

#qual o K mínimo após o qual o valor de stress estabiliza?

#vendo a correlação entre matrizes

#md1 =parasalvar[[1]][['morfodist']]

#md2 =parasalvar[[2]][['morfodist']]

#plot(md1,md2)

#um vetor com um valor de K para cada dado em parasalvar um.bom.k = c(30,30)

#gerar o NMDS e salvar os dados for(d in 1:length(parasalvar)) {

odado = parasalvar[[d]][['dado']]

nomedado = names(parasalvar)[d]

md = parasalvar[[d]][['morfodist']]

m.nmds = isoMDS(md,k=um.bom.k[d])

dado.nmds = m.nmds$points

colnames(dado.nmds) = paste("NMDS",1:ncol(dado.nmds),sep='')

fn = paste(pathparadados,"/dadosMORFOnmds",nomedado,".csv",sep="")

write.table(dado.nmds,file=fn,sep="\t",na="",row.names=T,quote=T)}

124

Script 3: Calculando espectros médios por indivíduo. colunaind = "ID" #coluna contendo o identificador dos individuos colunacat = "sp" #coluna contendo a categoria que seja testar

#pega colunas NIR cls = grep("X",colnames(dados),ignore.case=F)

#filtra os dados que pode calcular a mÃ©dia dd = dados[,cls] #calcula a media por individuo dt = aggregate(dd,by=list(dados[, colunaind]),FUN=mean) colnames(dt)[1] = colunaind rownames(dt) = dt[,colunaind]

#pega os dados dos individuos db = dados[,c(colunaind,colunacat)] db = unique(db) head(db) rownames(db) = db[,colunaind]

#junta os dados agregados rn = rownames(dt) dados.media = data.frame(colunacat=db[rn,2],dt[rn,],stringsAsFactors=F) #ver o comeco dos dados dados.media[1:5,1:5] #salva como arquivo no computador write.table (dados.media, file='dados_rev/dadosNIR-media.csv',sep="\t", row.names=F) 125

Script 4: Análises descriminantes dos dados morfológicos

library(e1071) library(MASS) library(cluster) library(gridExtra) library(mclust) library(fpc) library(multcompView) library(multcomp) dad: arquivo com dados morfológicos ou espectrais colgrp: arquivo com as definições de espécies #testa a classificação testa.classificacao(dad,colgrp=colgrp,analises=c("svm","bayes","lda"),method=c("loo", "perc")[1],perc=30)

#Porcentagem de Acertos por espécie e total para cada análise oteste$ANALISES.RES

#salva em um arquivo write.table(oteste$ANALISES.RES,file='resumo_das_analises.csv',sep='\t',row.names = T)

#Plota as Matrizes de Confusão de Cada Análise tbs = oteste$RESUMOS pdf(file=Modelo_de_classificação ”X”_confusao.pdf',width=7,height=10) par(mar=c(1,12,12,1),mfrow=c(3,1)) for(l in 1:length(tbs)) { tb = tbs[[l]] nn = sort(colnames(tb)) tb = tb[nn,nn] qual = names(tbs)[l] #define cores do backgroun e texto bg.cols= tb txt.cols = tb #se for 0 é branco 126 bg.cols[tb==0] = gray(level=1) txt.cols[tb==0] = gray(level=1) #se for 1 é cinza claro bg.cols[tb==1] = gray(level=0.8) txt.cols[tb==1] = gray(level=0) #se for entre 1 e 5 é um pouco mais escuro bg.cols[tb>1 & tb<=5] = gray(level=0.6) txt.cols[tb>1 & tb<=5] = gray(level=0) bg.cols[tb>5 & tb<=10] = gray(level=0.4) txt.cols[tb>5 & tb<=10] = gray(level=1) #se for > 10 o fundo é preto e o texto branco bg.cols[tb>10] = gray(level=0) txt.cols[tb>10] = gray(level=1) #one for 0 coloca NA, isso não é plotado tb[tb==0] = NA plotamatriz(tb,bg.cols=bg.cols,txt.cols=txt.cols,valcex=0.8, cexaxis = 0.8) mtext(side=3,text = qual,adj=0,cex=0.8,line=7) } dev.off () 127

Script 5: Análises descriminantes dos dados espectrais.

#dad: matriz de dados espectrais colgrp = "sp"# coluna com as categorias das amostras

#testa a classificação oteste= testa.classificacao (dad,colgrp=colgrp, analises=c("svm","bayes","lda"), method=c("loo" ,"perc")[1], perc=30)

#Porcentagem de Acertos por espécie e total para cada análise oteste$ANALISES.RES

#salvando as análises save(oteste,file = "Obj_R_NIR/2020/20-10-07_class_cognt-stepwise.Rdata")

#salva isso num arquivo write.table(oteste$ANALISES.RES, file='Tabelas/resumo-das-análises.csv', sep='\t', row.names = T)

#pega o resultado br = oteste$BRUTOS

#classifica as amostras br$CLASSIFICACAO = NA

#quais amostras tem predicao correta nos grupos vl = br$MELHOR.PREDICAO.PROB>=0.95 & br$ACERTO=='acerto' & !is.na(br$ACERTO) br$CLASSIFICACAO[vl] = "core"

#quais sao acertos nao significativos vl = br$MELHOR.PREDICAO.PROB<=0.95 & br$ACERTO=='acerto' & !is.na(br$ACERTO) br$CLASSIFICACAO[vl] = "incerteza"

#quais amostras sao erros vl = br$ACERTO=='ERRO' & !is.na(br$ACERTO)

#desclassifica os erros br$MELHOR.PREDICAO[vl] = NA br$MELHOR.PREDICAO.PROB[vl] = NA br$CLASSIFICACAO[vl] = "sem classe" cls=c("ORIGINAL","MELHOR.PREDICAO","MELHOR.PREDICAO.PROB","CLAS SIFICACAO") brr = br[,cls] tt=oteste$ANALISES.RES

#Plota as Matrizes de Confusão de Cada Análise tbs = oteste$RESUMOS source("plotamatriz.R") 128 png(file='Figuras/ NIR_confusaos.png', width = 7, height = 15,units = "in",pointsize = 12,bg = "white", res = 500) par(mar=c(1,10,10,1),mfrow=c(3,1)) for(l in 1:length(tbs)) { tb = tbs[[l]] nn = sort(colnames(tb)) tb = tb[nn,nn] qual = names(tbs) #define cores do backgroun e texto bg.cols= tb txt.cols = tb #se for 0 é branco bg.cols[tb==0] = gray(level=1) txt.cols[tb==0] = gray(level=1) #se for 1 é cinza claro bg.cols[tb==1] = gray(level=0.8) txt.cols[tb==1] = gray(level=0) #se for entre 1 e 5 é um pouco mais escuro bg.cols[tb>1 & tb<=5] = gray(level=0.6) txt.cols[tb>1 & tb<=5] = gray(level=0) bg.cols[tb>5 & tb<=10] = gray(level=0.4) txt.cols[tb>5 & tb<=10] = gray(level=1) #se for > 10 o fundo é preto e o texto branco bg.cols[tb>10] = gray(level=0) txt.cols[tb>10] = gray(level=1) #one for 0 coloca NA, isso não é plotado tb[tb==0] = NA plotamatriz(tb,bg.cols=bg.cols,txt.cols=txt.cols,valcex=1.5, cexaxis = 1.5) #mtext(side=3,text = qual,adj=0,cex=0.7,line=7)} dev.off()

Script 6: Análise de cluster utilizada para a construção da classificação a posteriori. library(fpc)

#brutos arquivo com os dados morfologicos medios morfo# arquivo com a matriz de dados morfologicos médios por indíviduo morfodisttudo = daisy(morfo, metric = "gower", stand = F,warnBin = F) bootmorfo.res = NULL for(b in 1:length(bootmorfo)) { morfodist=bootmorfo[[b]] quaisks = 2:40 nboot = 1000 resultado = data.frame(ID=labels(morfodist),stringsAsFactors = F) rownames(resultado) = resultado$ID for(q in 1:length(quaisks)) { 129

cf1 <- clusterboot(morfodist,B=nboot,bootmethod="boot",distances=T,clustermethod=disthclu stCBI,k=quaisks[q],method='ward.D2' ,seed=15555,statistics='recovery') #cf1 <- clusterboot(morfodist,B=100,bootmethod="boot",distances=T,multipleboot=T,clusterm ethod=speccCBI,k=quaisks[q],seed=15555,statistics='recovery') resultado = data.frame(resultado,cf1$partition[rownames(resultado)],stringsAsFactors = F) colnames(resultado)[ncol(resultado)] = paste("K",quaisks[q],sep=".") r = round((cf1$bootrecover/nboot)*100,0) rr = r[cf1$partition[rownames(resultado)]] resultado = data.frame(resultado,rr,stringsAsFactors = F) colnames(resultado)[ncol(resultado)] = paste("K",quaisks[q],"boot",sep=".") } tree = as.phylo(cf1$result$result) bootmorfo.res[[names(bootmorfo)[b]]] = list(RESULTADO=resultado,DENDRO=tree) } length(bootmorfo.res) #bootmorfo.res save.image(file='Class-aposteriori.Rdata')

#Gera a imagem load("Obj_cluster/Neea.Rdata") for(b in 1:length(bootmorfo.res)) { #tamanho da fonte dos nomes dos terminais cextips = 0.3 #tamanho das pizzas nos nos cexpies = 0.6

#tamanho dos pontos cexpoints = 0.8 #para cada no do dendrograma pega o suporte de bootstrap (% de recovery) node <- (Ntip(tree)+1):((Ntip(tree)+1)+Nnode(tree)) names(node) = node node = rep(NA,length(node)) for(q in 1:length(quaisks)) { ok = quaisks[q] cln = paste("K",ok,sep=".") cln2 = paste("K",ok,"boot",sep=".") rr = resultado[,cln] for(g in 1:length(unique(rr))) { og = unique(rr)[g] vl = rr==og gid = rownames(resultado)[vl] bootv = unique(resultado[vl,cln2]) mr= getMRCA(tree,tip=gid) node[as.character(mr)] = bootv } 130

} pdf(file="fig. cluster.teste/cluster.pdf", height = 22,width=7) tree2 = tree ids = tree$tip.label idt = brutos[ids,"ID"] cls = as.numeric(as.factor(idt)) nnn = length(unique(cls)) acl = rainbow(n=nnn,start =0,end = 1) tipcols = acl[cls] inters = brutos[ids,c("NERINTER_PROX_1", "NERINTER_PROX_2")] terc = brutos[ids,c("NERTER_PERC", "NERTER_RAM")] inf.f = brutos[ids,c("INF_EX.S.SUBOPO","INF_EX.S.ALT","INF_EX.S.VERT")] fl_t = brutos[ids,c("INFR_EX.T.SUBOPO", "INFR_EX.T.ALT", "INFR_EX.T.VERT")] fl.f = brutos[ids,c("FLEST_FOR_CAMP","FLEST_FOR_CILI.CAM","FLEST_FOR_ELIP", "FLEST_FOR_ELIP.TUBU","FLEST_FOR_ELIP.URCE","FLEST_FOR_TUBU","FL EST_FOR_URCE")] brt.f = brutos[ids,c("FLEST_LOB_FOR_DEL", "FLEST_LOB_FOR_INC", "FLEST_LOB_FOR_LIN")] tree2$tip.label = paste(ids,sp,sep = "_") plot.phylo(tree2,show.tip.label=F,show.node.label=T, x.lim = c(-0.5,1.5)) axisPhylo(side=1,cex.axis=0.8,backward=F) mtext(side=1,line=2.2,text = "Dissimilaridade morfologica (Gower)",cex=0.9) #pega as coordenadas graficas da posicao dos tips e nos lastPP <- get("last_plot.phylo", envir = .PlotPhyloEnv) osnode <- (lastPP$Ntip + 1):length(lastPP$xx) ostips = 1:lastPP$Ntip #coordenadas de nos e tips xxtips = lastPP$xx[ostips] yytips = lastPP$yy[ostips] xxnos = lastPP$xx[osnode] yynos = lastPP$yy[osnode] #precisa definir apenas o x, o y sao as posicoes verticais dos terminais da figura x1 = xxtips+0.01

Para acrescentar as inter xB = x2+0.02 xB = x2+0.03 rdB = cbind(xB,yytips,inters) rdB = na.omit(rdB) cllcolB = c("Nint_1","Nint_2") colcllB = c("wheat2","snow4") for (i in 1:length(rdB[1,3:4])){ rdB[rdB[,i+2]==1,5] = cllcolB[[i]] rdB[rdB[,i+2]==1,6] = colcllB[[i]] } points(rdB$xB,rdB$yytips,pch=15, col = rdB$V6, cex= cexpoints)

para as.terciarias 131

xC = xB+0.02 rdC = cbind(xC,yytips,terc) rdC = na.omit(rdC) cllcolC = c("ter_pa","ter_per") colcllC = c("palegreen","green4") for (i in 1:length(rdC[1,3:4])){ rdC[rdC[,i+2]==1,5] = cllcolC[[i]] rdC[rdC[,i+2]==1,6] = colcllC[[i]] } points(rdC$xC,rdC$yytips,pch=15,col = rdC$V6 , cex=cexpoints)

#para acrescentar o forma das flores x6= xC+0.02 rd6 = cbind(x6,yytips,inf.f) rd6 = na.omit(rd6) cllcol6 = c("I.PA","I.CO","I.TR") colcll6 = c("plum","palevioletred","violetred") for (i in 1:length(rd6[1,3:5])){ rd6[rd6[,i+2]==1,6] = cllcol6[[i]] rd6[rd6[,i+2]==1,7] = colcll6[[i]] } points(rd6$x6,rd6$yytips,pch=15,col = rd6$V7 , cex=cexpoints)

#para acrescentar x7 = x6+0.02 rd7 = cbind(x7,yytips,fl_t) rd7 = na.omit(rd7) cllcol7 = c("FL_GL","FL_PU","FL_TO") colcll7 = c("coral","chocolate1","chocolate4") for (i in 1:length(rd7[1,3:5])){ rd7[rd7[,i+2]==1,6] = cllcol7[[i]] rd7[rd7[,i+2]==1,7] = colcll7[[i]] } points(rd7$x7,rd7$yytips, pch=15,col = rd7$V7 , cex=cexpoints) #agora pizzas nos nos com o supporte dos nos nd = node[!is.na(node)] osnos = as.numeric(names(nd)) mm = cbind(nd,100-nd) mm = mm/100 vl = which(mm[,1]>0.70)# usei essa lista de nos para gerar o arquivo abaixo nodelabels(frame="none",adj = c(1, 0),cex=cexpies) nodelabels(node=osnos[!osnos%in%names(vl)], adj = c(0.5, 0.5), frame = "none",pie = mm[-vl,], piecol = c("gray","white"),cex=cexpies) nodelabels(node=as.numeric(names(vl)), adj = c(0.5,0.5), frame = "none",pie = mm[vl,], piecol = c("black","white"),cex=cexpies) legend("topleft",legend=c(">=70%","<70 e >=50%","<50%"), pch=21, pt.bg=c("black","gray50","gray85"),pt.cex=1,cex=1,bty='n', title = "Apoio dos grupos (Boostrap)",inset=1)

132 legend(x = -0.50,y = 550,legend=c("F.ab_g = glabra","F.ab_p = pubescente", "F.ab_t = tomentoso","F.ab_h = hirsuto"), title = "Tricomas na fac. abaxial", bty='n', pch=22, pt.cex=1.5, cex=0.7, pt.bg=c("aquamarine2","cyan3","darkcyan","darkblue"), title.adj =0) legend(x = 1.48,y = 490,legend=c("< que 1 cm de dist.das secundárias","> que 1 cm de dist.das secundárias"), title = "Distancia das Intersecundárias a secundárias", bty='n', pch=22,pt.cex=1.5,cex=0.7,pt.bg=c("wheat2","snow4"),title.adj =0) legend(x = 1.48,y = 450,legend=c("Terciárias perpendiculares","Terciárias ramificadas"), pt.bg=c("palegreen","green4"), title = "Tipo de terciárias", bty='n', inset=0.05, pch=22, pt.cex=1.5, cex=0.7, title.adj =0) legend(x = 1.48,y =415,legend=c("Inf. com eixos suboposto","Inf. com eixos alternos","Inf. com eixos verticilados"), pt.bg=c("plum","palevioletred","violetred"),title = "Tipo de inflorêscencia", pch=22 , pt.cex=1.5, cex=0.7, bty='n', inset=0.05, title.adj =0) legend(x = 1.48,y =370,legend=c("Flrs. glabras","Flrs. pubescentes","Flrs. tomentosas"), pt.bg=c("coral","chocolate1","chocolate4"),title = "Tricomas das flores", pch=22 , pt.cex=1.5,cex=0.7,bty='n',inset=0.05,title.adj =0) legend(x = 1.48,y =327,legend=c("FL_CA = campanulada", "FL_C.CA = cilíndrico- campanulada", "FL_EL = elíptica", "FL_E.TU = elíptico-tubular", "FL_E.UR = elíptico-urceolada", "FL_TU = tubular", "FL_UR = urceolada"), pt.bg=c("khaki","yellow","darkgoldenrod1","yellowgreen","firebrick1","red3","darkred "), title = Forma da flor estaminada", pch=22 , pt.cex=1.5, cex=0.7, bty='n', inset=0.05, title.adj =0) dev.off() }