introdução a métodos de estimativa de riqueza e análises de biodiversidade
DESCRIPTION
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. - PowerPoint PPT PresentationTRANSCRIPT
Introdução a Métodos de Estimativa de Riqueza e Análises de Biodiversidade
Instrutor: Marcos Vinícius Carneiro [email protected]
Universidade Federal de Alagoas
IBAMA
Estrutura do curso
- Planejamento, coleta e análise de dados de biodiversidade.
- Bases na ecologia e na estatística (especialmente a multivariada).
- Teoria, exemplos práticos e estudos de caso.
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.
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?
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 ambientais e outras variáveis explicativas.
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.
- 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!
Planejamento - delineamento
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
.
- Particularidades:- Dependem da experiência do coletor. - Organismos devem ser avistados antes do observador. - Problemas em se avistar espécies crípticas. - Permite estimar a abundância.
Transectos de observação: aves e mamíferos
Câmera armadilha: mamíferos grandes
- Baixa relação custo/benefício. - Não permitem medir quantidade. - Em alguns casos é possível distinguir indivíduos.
Câmera armadilha: mamíferos grandes
50m
Ponto de escuta e playback: aves e anfíbios
- 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.
50m
Ponto de escuta e playback: aves e anfíbios
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.
Rede de neblina: aves e morcegos
Armadilhas (Sherman e Tomahawck): pequenos mamíferos
- Restrito a espécies pequenas. - Coleta depende da isca. - Aprendizado! - Permite marcação e recaptura.
Armadilhas (Sherman e Tomahawck): 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.
Pitfall: insetos, anfíbios, répteis e pequenos mamíferos
- Fácil padronização. - Medidas confiáveis de abundância.
Parcelas: plantas
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 ... spYa1a2a3...aN
25 1500 5 0 1 0
32 900 3 1 0 1
29 2300 9 1 1 0
25 1500 5 0 11 3
32 900 3 12 0 35
29 2300 9 34 7 1
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.
O que fazer com toda a informação?Extraindo informação dos dados.
sp1 sp2 sp3 sp4 sp5 sp6 sp7 sp8 sp9 sp10a1 14 7 0 8 2 0 2 2 4 4a2 15 1 1 8 6 0 6 2 4 4a3 12 5 0 8 0 0 4 2 3 3a4 15 5 0 4 2 0 0 0 0 4a5 7 7 0 9 6 10 2 0 7 3a6 15 0 1 8 6 10 6 2 4 3a7 4 0 1 7 6 10 0 0 7 2a8 4 0 1 5 2 5 0 0 7 3a9 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
- Dados X Informação:
Dados Informação
O que fazer com toda a informação?Extraindo informação dos dados.
Após as coletas – análise
sp1 sp2 sp3 sp4 sp5 sp6 sp7 sp8 sp9 sp10a1 14 7 0 8 2 0 2 2 4 4a2 15 1 1 8 6 0 6 2 4 4a3 12 5 0 8 0 0 4 2 3 3a4 15 5 0 4 2 0 0 0 0 4a5 7 7 0 9 6 10 2 0 7 3a6 15 0 1 8 6 10 6 2 4 3a7 4 0 1 7 6 10 0 0 7 2a8 4 0 1 5 2 5 0 0 7 3a9 15 3 0 9 6 5 2 0 0 4
a10 13 3 0 7 2 10 6 2 3 4
O que fazer com toda a informação?Extraindo informação dos dados.
Após as coletas – análise
0 1 2 3 4 5 6 7 8 9 10 11 120
20
40
60
80
100
120
Ordem das espécies
Abu
ndân
cia
O que fazer com toda a informação?Extraindo informação dos dados.
Após as coletas – análise
Índices de diversidade
- Riqueza e equabilidade ao mesmo tempo
Índices de diversidade
- Riqueza e equabilidade ao mesmo tempo
- “Dilema Tostines”!- Pobreza como descritores.- Escolha arbitrária do(s) índice(s).- Dependência do esforço amostral.- Problemas com a interpretação das medidas.
- Alguns problemas com seu uso:
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 + p2
a + p3a +...+ ps
a)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 61sp2 10 20 14sp3 10 17 7sp4 10 13 5sp5 10 10 5sp6 10 7 3sp7 10 4 2sp8 10 2 1sp9 10 2 1sp10 10 1 1
Medindo a diversidade
- Calculando um perfil de diversidade: a série de Hill.
0 0.5 1 1.5 2 2.5 3 3.5Valor de a
2
3456
789
10
Uniforme"Normal"_1Dominância
Div
ersi
dade
Medindo a diversidade
- Calculando um perfil de diversidade: a série de Hill.
"Normal" 1 "Normal" 224 4220 1417 1313 810 67 54 32 32 21 10 10 10 1
Medindo a diversidade
- Calculando um perfil de diversidade: a série de Hill.
0 0.5 1 1.5 2 2.5 3 3.5alpha
2.43.64.8
67.28.49.6
10.812
13.2
"Normal"_1"Normal"_2
Div
ersi
ty
Como comparar comunidades?
- A riqueza é um dos parâmetros mais usados.
- Mas cada espécie tem uma identidade própria.
Como comparar comunidades?!Como comparar 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.
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)
Amostra A
Amostra B
Coeficientes binários
- Dados de presença/ausência.
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)
Amostra A
Amostra B
Coeficientes binários
- Dados de presença/ausência.
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.
Amostra A
Amostra B
Coeficientes quantitativos
- Dados de abundância, biomassa, etc.
* Distância Euclidiana
* Distância de Manhattan
* Distância de Bray-Curtis
* Índice de similaridade de Morisita
- Variação de 0 a 1.
- 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.