A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Introdução a Métodos de Estimativa de Riqueza e Análises de Biodiversidade Instrutor: Marcos Vinícius Carneiro Vital Universidade.

Apresentações semelhantes


Apresentação em tema: "Introdução a Métodos de Estimativa de Riqueza e Análises de Biodiversidade Instrutor: Marcos Vinícius Carneiro Vital Universidade."— Transcrição da apresentação:

1 Introdução a Métodos de Estimativa de Riqueza e Análises de Biodiversidade Instrutor: Marcos Vinícius Carneiro Vital Universidade Federal de Alagoas IBAMA

2 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.

3 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.

4 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.

5 Objeto de estudo - Afinal, o que é biodiversidade? -Diversidade: riqueza e equabilidade. -Composição.

6 Riqueza: número de espécies. Objeto de estudo: afinal, o que é biodiversidade?

7 Equabilidade: distribuição das abundâncias relativas. Objeto de estudo: afinal, o que é biodiversidade?

8 Composição: a identidade das espécies. Objeto de estudo: afinal, o que é biodiversidade?

9 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.

10 Planejamento - Objetivos -Teoria, hipóteses e predições. e/ou - Clareza da finalidade do estudo.

11 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.

12 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!

13 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.

14 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.

15 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.

16 - 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

17 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.

18 . Transectos de observação: aves e mamíferos

19 . - 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

20 Câmera armadilha: mamíferos grandes

21 - Baixa relação custo/benefício. - Não permitem medir quantidade. - Em alguns casos é possível distinguir indivíduos. Câmera armadilha: mamíferos grandes

22 50m Ponto de escuta e playback: aves e anfíbios

23 - 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

24 Rede de neblina: aves e morcegos

25 - 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

26 Armadilhas (Sherman e Tomahawck): pequenos mamíferos

27 - Restrito a espécies pequenas. - Coleta depende da isca. - Aprendizado! - Permite marcação e recaptura. Armadilhas (Sherman e Tomahawck): pequenos mamíferos

28 Pitfall: insetos, anfíbios, répteis e pequenos mamíferos

29 - Restrito a espécies terrestres. - Coleta pode ser afetada pelo líquido. - Simples, barato e não depende da experiência. Pitfall: insetos, anfíbios, répteis e pequenos mamíferos

30 - Fácil padronização. - Medidas confiáveis de abundância. Parcelas: plantas

31 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.

32 Após as coletas – organização dos dados coletados - Siga a regra geral: - Amostras nas linhas, variáveis nas colunas. var1var2var3...varXsp1sp2sp3...spY a1 a2 a3... aN

33 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.

34 O que fazer com toda a informação? Extraindo informação dos dados. sp1sp2sp3sp4sp5sp6sp7sp8sp9sp10 a a a a a a a a a a Após as coletas – análise

35 - Dados X Informação: DadosInformação O que fazer com toda a informação? Extraindo informação dos dados. Após as coletas – análise

36 sp1sp2sp3sp4sp5sp6sp7sp8sp9sp10 a a a a a a a a a a O que fazer com toda a informação? Extraindo informação dos dados. Após as coletas – análise

37 O que fazer com toda a informação? Extraindo informação dos dados. Após as coletas – análise

38 Índices de diversidade - Riqueza e equabilidade ao mesmo tempo

39 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:

40 Mão na massa - Usando um gerenciador de planilhas para realizar qualquer análise! - Um exemplo prático: o índice de Shannon - H = -Σ(p i ln(p i )) -J = H/ln(S) -E o índice de Simpson: -D = Σ(p i ) 2

41 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.

42 Medindo a diversidade - Calculando um perfil de diversidade: a série de Hill. - N a = (p 1 a + p 2 a + p 3 a p s a ) 1/(1-a) - Entendendo a fórmula: substituindo valores.

43 Medindo a diversidade - Calculando um perfil de diversidade: a série de Hill. Uniforme"Normal" 1Dominância sp sp sp sp sp510 5 sp61073 sp71042 sp81021 sp91021 sp101011

44 Medindo a diversidade - Calculando um perfil de diversidade: a série de Hill.

45 Medindo a diversidade - Calculando um perfil de diversidade: a série de Hill. "Normal" 1"Normal"

46 Medindo a diversidade - Calculando um perfil de diversidade: a série de Hill.

47 Como comparar comunidades? - A riqueza é um dos parâmetros mais usados. - Mas cada espécie tem uma identidade própria.

48 Como comparar comunidades?!Como comparar comunidades? - Composição de espécies. - Grau de semelhança entre as comunidades.

49 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!

50 Coeficientes binários - Dados de presença/ausência. No de spp presentes No de spp ausentes No de ssp presentes ab No de ssp ausentes cd * Coeficiente de Jaccard S j = a / (a + b + c) Amostra A Amostra B

51 Coeficientes binários - Dados de presença/ausência. No de spp presentes No de spp ausentes No de ssp presentes ab No de ssp ausentes cd * Coeficiente de Sorensen S s = 2a / (2a + b + c) Amostra A Amostra B

52 Coeficientes binários - Dados de presença/ausência. No de spp presentes No de spp ausentes No de ssp presentes ab No de ssp ausentes cd - Jaccard X Sorensen: qual a diferença? - Peso para as espécies em comum. Amostra A Amostra B

53 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!

54 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.

55 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.

56 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

57 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.


Carregar ppt "Introdução a Métodos de Estimativa de Riqueza e Análises de Biodiversidade Instrutor: Marcos Vinícius Carneiro Vital Universidade."

Apresentações semelhantes


Anúncios Google