baixando e instalando pacotes

library(knitr)
library(tidyr)

area de trabalho

setwd("C:/Users/Maria/OneDrive/Documentos/REMA3/AAALS")
getwd()
## [1] "C:/Users/Maria/OneDrive/Documentos/REMA3/AAALS"
dir()
## [1] "Aula-3-EMA3---Ecologia-de-paisagens.Rmd"
## [2] "Aula 3 EMA3 - Ecologia de paisagens.Rmd"
## [3] "sar-areas AAALS.csv"                    
## [4] "sar-areas.csv"                          
## [5] "sar-model-data.csv"

abrindo a tabela

areas<-read.csv("sar-areas AAALS.csv", header=FALSE)

parametros

parametros<-read.csv("sar-model-data.csv", header=FALSE)
colnames(parametros)<-c("modelos", "b0", "b1", "b2")

visualizando parametros

kable(parametros)
modelos b0 b1 b2
Power 20.81 0.1896 NA
PowerQuadratic 1.35 0.1524 8.1e-03
Logarithmic 14.36 21.1600 NA
MichaelisMenten 85.91 42.5700 NA
Lomolino 1082.45 1.5900 3.9e+08

funções - calculando riqueza por cada modelo para cada area

potenciais<-function(b0, Areas, b1){
  b0 + Areas*b1
}

pot_quadrada<-function(b0, b1, Areas, b2){
  10^(b0 + b1 * log10(Areas) + b2 * log10(Areas)^2)
}

loga<-function(b0, b1, Areas){
  b0 + b1 * log10(Areas)
}

MM<-function(b0, Areas, b1){
  b0 * (Areas / (b1 + Areas))
}

Lomo<-function(b0, b1, b2, Areas){
  b0/(1 + b1^log10(b2/Areas))
}

obtendo os resultados das funções acima

mod1<-potenciais(parametros[1,"b0"], areas, parametros[1,"b1"])

mod2<-pot_quadrada(parametros[2,"b0"], parametros[2,"b1"], areas, parametros[2,"b2"])

mod3<-loga(parametros[3,"b0"], parametros[3,"b1"], areas)

mod4<-MM(parametros[4,"b0"], areas, parametros[4,"b1"])

mod5<-Lomo(parametros[5,"b0"], parametros[5,"b1"], parametros[5,"b2"], areas)

organizando os resultados

mods<-cbind(mod1, mod2, mod3, mod4, mod5)

stdev<-apply(mods,1,sd)

media<-rowSums(mods)/5

mods<-cbind(areas, mods, media, stdev, stdev/media)

colnames(mods)<-c("Areas", "Power", "PowerQuadratic", "Logarithmic", "Michaelis-Menten", "Lomolino", "Medias", "Desvio Padrao")

visualizando os resultados

kable(mods)
Areas Power PowerQuadratic Logarithmic Michaelis-Menten Lomolino Medias Desvio Padrao NA
20 24.602 36.47436 41.88979 27.46044 35.61923 33.20916 7.052558 0.2123678
100 39.770 48.66313 56.68000 60.25812 48.64275 50.80280 7.982970 0.1571364
1000 210.410 75.87523 77.84000 82.40214 75.34435 104.37434 59.340858 0.5685387
10000 1916.810 122.80046 99.00000 85.54583 115.07184 467.84563 810.123986 1.7316053

plotando os resultados

plot(mods$Areas, mods$PowerQuadratic, xlab="Áreas", ylab="Espécies" )

points(mods$Areas, mods$Power, col="red")

points(mods$Areas, mods$Logarithmic, col="blue")

points(mods$Areas, mods$'Michaelis-Menten', col="purple")

points(mods$Areas, mods$Lomolino, col="brown")

plotando também na escala log10

plot(log10(mods$Areas), log10(mods$PowerQuadratic), xlab="Áreas", ylab="Espécies" )

points(log10(mods$Areas), log10(mods$Power), col="red")

points(log10(mods$Areas), log10(mods$Logarithmic), col="blue")

points(log10(mods$Areas), log10(mods$'Michaelis-Menten'), col="purple")

points(log10(mods$Areas), log10(mods$Lomolino), col="brown")

boxplot para ver variação que os modelos geram

long<-gather(mods[,2:6])
l<-cbind(long, areas)
kable(l)
key value V1
Power 24.60200 20
Power 39.77000 100
Power 210.41000 1000
Power 1916.81000 10000
PowerQuadratic 36.47436 20
PowerQuadratic 48.66313 100
PowerQuadratic 75.87523 1000
PowerQuadratic 122.80046 10000
Logarithmic 41.88979 20
Logarithmic 56.68000 100
Logarithmic 77.84000 1000
Logarithmic 99.00000 10000
Michaelis-Menten 27.46044 20
Michaelis-Menten 60.25812 100
Michaelis-Menten 82.40214 1000
Michaelis-Menten 85.54583 10000
Lomolino 35.61923 20
Lomolino 48.64275 100
Lomolino 75.34435 1000
Lomolino 115.07184 10000 
boxplot(value ~ V1, data=l, xlab="Tamanho das ilhas", ylab="Número de espécies")

Resposta para as perguntas #P1: Agora que avaliamos os modelos para as ilhas do exercício, vamos assumir que estamos pensando em amostrar outras 4 ilhas, cujos tamanhos são 20, 100, 1000 e 10000 ha. Como os modelos se comportam para ilhas com estes tamanhos? Onde vai haver a maior diferença entre os modelos? Como isso pode afetar a utilização destes modelos para a tomada de decisão, caso estejamos por exemplo, interessados em entender um determinado impacto nestas ilhas? #R: os modelos tem diferença principalmente no numero de especies por tamanho de ilha. Quanto menor a ilha menor a quantidade do numero de especies. A maior diferença vai ser entre a ilha 1 (tamanho 20) e a ilha 4 (tamanho 10000). Pode afetar na decisão de escolher por exemplo quais especies podem ser afetadas por impactos (regiões mais pequenas possue uma diversidade menor de especies).

#P2: Discuta alguns fatores ecológicos que podem afetar o número de espécies em uma ilha. #R: Alguns dos fatores ecologicos pode ser na disponiilidade de determinados recursos, ou do tamanho da ilha. Ilhar maiores podem possuir uma maior diversidade por exemplo de plantas do que em ilhas menores.