Analise de biodiversidade

Report
IBAMA
Introdução a Métodos de Estimativa de
Riqueza e Análises de Biodiversidade
Instrutor: Marcos Vinícius Carneiro Vital
[email protected]
Universidade Federal de Alagoas
Estrutura do curso
- Planejamento, coleta e análise de dados de
biodiversidade.
- Teoria, exemplos práticos e estudos de caso.
- Bases na ecologia e na estatística (especialmente
a multivariada).
Algumas indicações fundamentais de leitura:
- Measuring Biological Diversity, A.E. Magurran.
- Ecological Methodology, C.J. Krebs.
- Métodos estatísticos multivariados, B.J.F. Manly.
- Numerical Ecology, P. Legendre & L. Legendre.
E algumas indicações de software gratuitos:
- EstimateS e PAST.
- The R Project for Statistical Computing
- Outros: Biodiversity Pro, PopTools (no Excel),
PCORD (apenas multivariada) e outros.
Objeto de estudo
- Afinal, o que é biodiversidade?
- Diversidade: riqueza e equabilidade.
- Composição.
Objeto de estudo: afinal, o que é biodiversidade?
Riqueza: número de espécies.
Objeto de estudo: afinal, o que é biodiversidade?
Equabilidade: distribuição das abundâncias relativas.
Objeto de estudo: afinal, o que é biodiversidade?
Composição: a identidade das espécies.
Objeto de estudo
- Afinal, o que é biodiversidade?
- Diversidade: riqueza e equabilidade.
- Composição.
- Tipos de dados
- Número de indivíduos (ou presença/ausência) de
cada espécie em amostras/ambientes/locais/etc.
Fatores
explicativas.
ambientais
e
outras
variáveis
Planejamento
- Objetivos
-Teoria, hipóteses e predições.
e/ou
- Clareza da finalidade do estudo.
Planejamento
- Objetivos
- Delineamento
-Planejar com conhecimento prévio de como os
dados coletados serão analisados.
- Coletar dados que realmente se relacionem com
os objetivos e que possibilitem responder de fato
as perguntas feitas.
Planejamento - delineamento
A lógica de se planejar “experimentos”!
Um pouco de delineamento experimental.
- Alguns termos e conceitos importantes:
- Unidades amostrais e amostras.
- Réplicas, pseudo-réplicas e independência.
- A independência das unidades amostrais é
pressupostos de quase todas as análises!
Planejamento - delineamento
A lógica de se planejar “experimentos”!
Um pouco de delineamento experimental.
- Algumas dicas simples mas importantes:
- O que é uma UA depende da sua pergunta.
- Um projeto piloto é sempre útil.
- Não saia coletando antes de planejar!
- Não reproduza sem uma visão crítica.
Planejamento - delineamento
A lógica de se planejar “experimentos”!
Um pouco de delineamento experimental.
- O que deve ser garantido pelo desenho amostral:
- Independência das UAs.
- Esforço amostral adequado.
- Representatividade do ambiente amostrado.
- Relativo ao objetivo proposto.
- Amplitude relevante das variáveis medidas.
Planejamento - delineamento
A lógica de se planejar “experimentos”!
Um pouco de delineamento experimental.
- Problemas e conflitos comuns:
- Representatividade local X réplicas independentes
para a pergunta realizada.
- Transectos enormes X vários transectos.
- Ou parcelas, quadrats, etc.
- Mistura de gradientes.
Planejamento - delineamento
- Mais dicas:
- A gravidade do uso de pseudo-réplicas depende
do cenário e da pergunta!
- Se percebermos as pseudo-réplicas após o
trabalho, podemos lidar com elas somando
informações ou ajustando as conclusões.
- E lembre-se: escolher unidades amostrais em
campo “no olho” não é aleatório!
Coletando
- Um breve apanhado dos métodos de coleta.
- Treinamento, conhecimento e experiência de
campo.
- Todos os métodos são tendenciosos!
- Padronização do esforço e das unidades.
Transectos de observação: aves e mamíferos
.
Transectos de observação: aves e mamíferos
.
- Particularidades:
- Dependem da experiência do coletor. 
- Organismos devem ser avistados antes do observador. 
- Problemas em se avistar espécies crípticas. 
- Permite estimar a abundância. 
Câmera armadilha: mamíferos grandes
Câmera armadilha: mamíferos grandes
- Baixa relação custo/benefício. 
- Não permitem medir quantidade. 
- Em alguns casos é possível distinguir indivíduos. 
Ponto de escuta e playback: aves e anfíbios
50m
Ponto de escuta e playback: aves e anfíbios
50m
- Não é simples de padronizar (distância de audição). 
- Não permite medir quantidade. 
- Espécies que não respondem e espécies que imitam! 
-Gravações podem ser feitas com pouco treinamento. 
Rede de neblina: aves e morcegos
Rede de neblina: aves e morcegos
- Em mata, não coleta espécies de dossel. 
- Não funciona com espécies de grande porte. 
- Animais podem ser marcados e soltos. 
Armadilhas (Sherman e Tomahawck): pequenos mamíferos
Armadilhas (Sherman e Tomahawck): pequenos mamíferos
- Restrito a espécies pequenas. 
- Coleta depende da isca. 
- Aprendizado! 
- Permite marcação e recaptura. 
Pitfall: insetos, anfíbios, répteis e pequenos mamíferos
Pitfall: insetos, anfíbios, répteis e pequenos mamíferos
- Restrito a espécies terrestres. 
- Coleta pode ser afetada pelo líquido. 
- Simples, barato e não depende da experiência. 
Parcelas: plantas
- Fácil padronização. 
- Medidas confiáveis de abundância. 
Após as coletas – organização dos dados coletados
- Siga a regra geral
- Unidades amostrais nas linhas, variáveis
nas colunas
- UA: local, armadilha, quadrat, etc.
- Variáveis: espécies, variáveis ambientais, etc.
- Valores: abundância, biomassa, presença, etc.
Após as coletas – organização dos dados coletados
- Siga a regra geral:
- Amostras nas linhas, variáveis nas colunas.
var1 var2 var3 ...
varX
sp1
sp2
sp3
a1
25
1500
5
0
1
11
0
3
a2
32
900
3
1
12
0
1
35
a3
29
2300
9
1
34
1
7
0
1
...
aN
...
spY
Após as coletas – análise
- A análise depende dos objetivos.
- Deve ser definida antes, no planejamento!
- Os métodos em si são só ferramentas.
- Cuidado com o apego às hipóteses propostas.
- Seja claro e não omita resultados.
Após as coletas – análise
O que fazer com toda a informação?
Extraindo informação dos dados.
sp1
sp2
sp3
sp4
sp5
sp6
sp7
sp8
sp9
sp10
a1
14
7
0
8
2
0
2
2
4
4
a2
15
1
1
8
6
0
6
2
4
4
a3
12
5
0
8
0
0
4
2
3
3
a4
15
5
0
4
2
0
0
0
0
4
a5
7
7
0
9
6
10
2
0
7
3
a6
15
0
1
8
6
10
6
2
4
3
a7
4
0
1
7
6
10
0
0
7
2
a8
4
0
1
5
2
5
0
0
7
3
a9
15
3
0
9
6
5
2
0
0
4
a10
13
3
0
7
2
10
6
2
3
4
Após as coletas – análise
O que fazer com toda a informação?
Extraindo informação dos dados.
- Dados X Informação:
Dados
Informação
Após as coletas – análise
O que fazer com toda a informação?
Extraindo informação dos dados.
sp1
sp2
sp3
sp4
sp5
sp6
sp7
sp8
sp9
sp10
a1
14
7
0
8
2
0
2
2
4
4
a2
15
1
1
8
6
0
6
2
4
4
a3
12
5
0
8
0
0
4
2
3
3
a4
15
5
0
4
2
0
0
0
0
4
a5
7
7
0
9
6
10
2
0
7
3
a6
15
0
1
8
6
10
6
2
4
3
a7
4
0
1
7
6
10
0
0
7
2
a8
4
0
1
5
2
5
0
0
7
3
a9
15
3
0
9
6
5
2
0
0
4
a10
13
3
0
7
2
10
6
2
3
4
Após as coletas – análise
O que fazer com toda a informação?
Extraindo informação dos dados.
120
Abundância
100
80
60
40
20
0
0
1
2
3
4 5 6 7 8 9
Ordem das espécies
10 11 12
Índices de diversidade
- Riqueza e equabilidade ao mesmo tempo
Índices de diversidade
- Riqueza e equabilidade ao mesmo tempo
- Alguns problemas com seu uso:
-“Dilema Tostines”!
- Pobreza como descritores.
- Escolha arbitrária do(s) índice(s).
- Dependência do esforço amostral.
- Problemas com a interpretação das medidas.
Mão na massa
- Usando um gerenciador de planilhas para realizar
qualquer análise!
- Um exemplo prático: o índice de Shannon
- H’ = -Σ(piln(pi))
- J’ = H’/ln(S)
- E o índice de Simpson:
- D = Σ(pi)2
Medindo a diversidade
- Como escolher o melhor índice?
- Uma solução é não escolher!
- Os perfis de diversidade e a generalização dos
índices.
- A diferença entre os diversos índices está contida
no peso relativo que eles atribuem à equabilidade.
Medindo a diversidade
- Calculando um perfil de diversidade: a série de Hill.
- Na = (p1a + p2a + p3a +...+ psa)1/(1-a)
- Entendendo a fórmula: substituindo valores.
Medindo a diversidade
- Calculando um perfil de diversidade: a série de Hill.
Uniforme
"Normal" 1
Dominância
sp1
10
24
61
sp2
10
20
14
sp3
10
17
7
sp4
10
13
5
sp5
10
10
5
sp6
10
7
3
sp7
10
4
2
sp8
10
2
1
sp9
10
2
1
sp10
10
1
1
Medindo a diversidade
- Calculando um perfil de diversidade: a série de Hill.
Uniforme
"Normal"_1
Dominância
10
Diversidade
9
8
7
6
5
4
3
2
0
0.5
1
1.5 2 2.5
Valor de a
3
3.5
Medindo a diversidade
- Calculando um perfil de diversidade: a série de Hill.
"Normal" 1
24
20
17
13
10
7
4
2
2
1
0
0
0
"Normal" 2
42
14
13
8
6
5
3
3
2
1
1
1
1
Medindo a diversidade
- Calculando um perfil de diversidade: a série de Hill.
"Normal"_1
"Normal"_2
13.2
12
Diversity
10.8
9.6
8.4
7.2
6
4.8
3.6
2.4
0
0.5
1
1.5
2 2.5
alpha
3
3.5
Como comparar comunidades?
- A riqueza é um dos parâmetros mais usados.
- Mas cada espécie tem uma identidade própria.
Como comparar comunidades?
comunidades?!
- Composição de espécies.
- Grau de semelhança entre as comunidades.
Análise de agrupamento
- Agrupa objetos, hierarquicamente, de acordo
com seu grau de semelhança.
1 – Escolha de uma medida de semelhança.
2 – Cálculo da matriz de similaridade.
3 – Aplicação de um método de agrupamento.
4 – Basta adicionar água!
Coeficientes binários
- Dados de presença/ausência.
Amostra A
Amostra B
No de spp
presentes
No de spp
ausentes
No de ssp
presentes
a
b
No de ssp
ausentes
c
d
* Coeficiente de Jaccard
Sj = a / (a + b + c)
Coeficientes binários
- Dados de presença/ausência.
Amostra A
Amostra B
No de spp
presentes
No de spp
ausentes
No de ssp
presentes
a
b
No de ssp
ausentes
c
d
* Coeficiente de Sorensen
Ss = 2a / (2a + b + c)
Coeficientes binários
- Dados de presença/ausência.
Amostra A
Amostra B
No de spp
presentes
No de spp
ausentes
No de ssp
presentes
a
b
No de ssp
ausentes
c
d
- Jaccard X Sorensen: qual a diferença?
- Peso para as espécies em comum.
Coeficientes quantitativos
- Dados de abundância, biomassa, etc.
* Distância Euclidiana
* Distância de Manhattan
* Distância de Bray-Curtis
- Variação de 0 a 1.
* Índice de similaridade de Morisita
- Independente do tamanho da amostra!
Métodos de agrupamento
- A partir da matriz de distância, como
construir os agrupamentos?
- Cada método funciona como um conjunto de
regras sobre e que ordem agrupar.
- Lembrando: o resultado depende do método!
- Então a decisão deve ser feita antes.
Métodos de agrupamento
- Passo a passo de todos os métodos.
1 – Encontre o par de amostras mais similar, e
agrupe-o.
2 – Encontre o segundo par mais similar, ou a
amostra mais similar ao primeiro agrupamento
(o que for maior).
3 – Repita até agrupar todas as amostras.
Métodos de agrupamento
- Cada método muda a forma de definir a
similaridade entre uma amostra e um
agrupamento existente
* Método do vizinho mais próximo.
* Método do vizinho mais distante.
* Método de ligação média.
* UPGMA
Transformações e padronizações dos dados
* Transformações
- Raiz quadrada, log + 1, presença / ausência,
etc.
* Padronizações
- Abundância relativa.
- Decisão deve ser tomada antes da análise!
- E baseada na teoria.

similar documents