#####################################
## Q4 — Ánalises de Ordenação: RDA ##
## Autora: Victória Souza ##
#####################################
# Importando arquivos
dados<-read.table("insetos.txt", h=T, sep="\t", dec=".")
# Conferindo base de dados
str(dados)
## 'data.frame': 20 obs. of 48 variables:
## $ UA : int 1 2 3 4 5 6 7 8 9 10 ...
## $ Ambiente : chr "Mata Primaria" "Mata Primaria" "Mata Primaria" "Mata Primaria" ...
## $ Gado : chr "Presente" "Presente" "Ausente" "Ausente" ...
## $ Temperatura : num 21.8 21.5 21.7 19.7 24.7 20.2 23 27.3 23.3 26.7 ...
## $ Cobertura.vegetal: int 73 59 78 74 48 75 78 52 40 52 ...
## $ Proporcao.de.luz : num 53.5 61.5 53 56 71 60.5 57 70 70 68 ...
## $ Numero.de.flores : int 14 15 24 29 20 5 28 10 8 17 ...
## $ sp.1 : int 4 5 1 0 6 3 4 4 4 4 ...
## $ sp.2 : int 0 0 0 1 4 0 1 0 0 3 ...
## $ sp.3 : int 7 7 2 1 8 3 5 4 7 5 ...
## $ sp.4 : int 2 2 4 3 3 1 2 0 0 0 ...
## $ sp.5 : int 0 1 0 4 0 0 0 0 0 0 ...
## $ sp.6 : int 0 4 3 9 8 0 7 5 1 5 ...
## $ sp.7 : int 3 1 4 2 1 3 6 2 2 0 ...
## $ sp.8 : int 2 2 3 0 1 0 2 2 5 6 ...
## $ sp.9 : int 1 0 0 0 1 0 3 2 2 0 ...
## $ sp.10 : int 1 1 1 0 1 1 1 6 3 3 ...
## $ sp.11 : int 0 0 2 2 0 0 0 0 0 0 ...
## $ sp.12 : int 1 0 2 5 0 0 0 2 1 0 ...
## $ sp.13 : int 3 3 2 1 4 2 3 0 0 1 ...
## $ sp.14 : int 3 5 2 5 8 0 6 4 4 5 ...
## $ sp.15 : int 0 1 0 0 1 0 0 0 0 2 ...
## $ sp.16 : int 3 0 0 0 1 0 0 0 3 4 ...
## $ sp.17 : int 0 0 0 0 0 0 0 0 0 0 ...
## $ sp.18 : int 0 1 3 0 2 0 2 1 0 0 ...
## $ sp.19 : int 0 3 0 2 0 1 2 4 3 0 ...
## $ sp.20 : int 0 0 4 2 0 0 4 0 0 0 ...
## $ sp.21 : int 0 2 1 3 3 2 3 1 3 3 ...
## $ sp.22 : int 1 2 2 2 2 2 2 2 1 1 ...
## $ sp.23 : int 1 1 1 1 2 1 1 1 1 1 ...
## $ sp.24 : int 1 1 2 1 1 1 1 1 0 2 ...
## $ sp.25 : int 0 0 1 0 0 1 2 0 1 2 ...
## $ sp.26 : int 2 1 1 1 1 1 0 1 1 1 ...
## $ sp.27 : int 0 0 0 0 0 0 0 1 0 1 ...
## $ sp.28 : int 1 0 0 0 0 2 0 0 0 0 ...
## $ sp.29 : int 0 1 0 0 0 0 0 0 0 0 ...
## $ sp.30 : int 0 0 0 0 0 0 0 0 0 0 ...
## $ sp.31 : int 1 1 1 0 1 1 0 0 1 1 ...
## $ sp.32 : int 0 1 0 0 1 0 0 0 0 0 ...
## $ sp.33 : int 0 1 0 0 0 0 0 0 0 0 ...
## $ sp.34 : int 0 0 0 0 1 1 0 0 0 0 ...
## $ sp.35 : int 0 3 0 1 0 0 1 0 0 0 ...
## $ sp.36 : int 0 0 0 0 0 0 0 0 0 0 ...
## $ sp.37 : int 0 1 0 0 0 0 0 0 0 0 ...
## $ sp.38 : int 0 0 0 0 0 0 0 0 0 0 ...
## $ sp.39 : int 0 0 3 2 0 1 0 0 0 0 ...
## $ sp.40 : int 0 1 0 0 0 0 1 0 0 0 ...
## $ sp.41 : int 0 0 0 0 0 0 0 0 0 0 ...
dados
## UA Ambiente Gado Temperatura Cobertura.vegetal Proporcao.de.luz
## 1 1 Mata Primaria Presente 21.8 73 53.5
## 2 2 Mata Primaria Presente 21.5 59 61.5
## 3 3 Mata Primaria Ausente 21.7 78 53.0
## 4 4 Mata Primaria Ausente 19.7 74 56.0
## 5 5 Mata Primaria Presente 24.7 48 71.0
## 6 6 Mata Primaria Presente 20.2 75 60.5
## 7 7 Mata Primaria Ausente 23.0 78 57.0
## 8 8 Mata Primaria Presente 27.3 52 70.0
## 9 9 Mata Primaria Presente 23.3 40 70.0
## 10 10 Mata Primaria Ausente 26.7 52 68.0
## 11 11 Mata Primaria Ausente 21.5 69 61.5
## 12 12 Mata Secundaria Presente 29.5 27 82.5
## 13 13 Mata Secundaria Ausente 22.7 56 65.0
## 14 14 Mata Secundaria Ausente 31.2 35 81.5
## 15 15 Mata Secundaria Presente 30.0 36 81.0
## 16 16 Mata Secundaria Ausente 30.0 30 84.0
## 17 17 Mata Secundaria Presente 26.2 49 69.5
## 18 18 Mata Secundaria Ausente 26.2 49 75.5
## 19 19 Mata Secundaria Ausente 25.7 42 77.0
## 20 20 Mata Secundaria Presente 29.7 34 80.0
## Numero.de.flores sp.1 sp.2 sp.3 sp.4 sp.5 sp.6 sp.7 sp.8 sp.9 sp.10 sp.11
## 1 14 4 0 7 2 0 0 3 2 1 1 0
## 2 15 5 0 7 2 1 4 1 2 0 1 0
## 3 24 1 0 2 4 0 3 4 3 0 1 2
## 4 29 0 1 1 3 4 9 2 0 0 0 2
## 5 20 6 4 8 3 0 8 1 1 1 1 0
## 6 5 3 0 3 1 0 0 3 0 0 1 0
## 7 28 4 1 5 2 0 7 6 2 3 1 0
## 8 10 4 0 4 0 0 5 2 2 2 6 0
## 9 8 4 0 7 0 0 1 2 5 2 3 0
## 10 17 4 3 5 0 0 5 0 6 0 3 0
## 11 26 0 3 5 1 2 7 3 4 0 0 0
## 12 25 6 0 9 2 3 4 0 3 3 3 3
## 13 47 5 2 7 8 2 20 4 1 2 2 11
## 14 36 4 5 10 7 5 14 0 7 5 1 3
## 15 27 6 0 10 4 2 8 0 4 5 3 4
## 16 40 4 1 6 5 5 17 0 6 2 0 6
## 17 39 5 0 4 6 1 8 3 3 2 2 5
## 18 43 4 1 4 7 4 14 3 5 2 2 8
## 19 35 6 1 4 8 0 12 0 3 3 0 7
## 20 23 5 1 4 4 1 2 1 5 6 0 5
## sp.12 sp.13 sp.14 sp.15 sp.16 sp.17 sp.18 sp.19 sp.20 sp.21 sp.22 sp.23
## 1 1 3 3 0 3 0 0 0 0 0 1 1
## 2 0 3 5 1 0 0 1 3 0 2 2 1
## 3 2 2 2 0 0 0 3 0 4 1 2 1
## 4 5 1 5 0 0 0 0 2 2 3 2 1
## 5 0 4 8 1 1 0 2 0 0 3 2 2
## 6 0 2 0 0 0 0 0 1 0 2 2 1
## 7 0 3 6 0 0 0 2 2 4 3 2 1
## 8 2 0 4 0 0 0 1 4 0 1 2 1
## 9 1 0 4 0 3 0 0 3 0 3 1 1
## 10 0 1 5 2 4 0 0 0 0 3 1 1
## 11 3 0 6 0 3 0 2 0 2 3 2 2
## 12 0 4 6 2 0 0 0 0 0 4 2 1
## 13 9 6 13 2 1 1 3 0 0 1 2 0
## 14 2 5 12 5 0 0 0 0 0 2 3 0
## 15 3 5 9 4 0 0 0 0 0 2 3 1
## 16 4 4 11 3 0 4 3 0 0 2 2 0
## 17 1 5 6 0 0 1 0 0 0 4 1 1
## 18 3 5 9 1 0 6 0 0 0 3 2 1
## 19 6 7 8 3 0 0 0 0 0 3 3 1
## 20 0 4 3 4 0 0 0 0 0 2 1 0
## sp.24 sp.25 sp.26 sp.27 sp.28 sp.29 sp.30 sp.31 sp.32 sp.33 sp.34 sp.35
## 1 1 0 2 0 1 0 0 1 0 0 0 0
## 2 1 0 1 0 0 1 0 1 1 1 0 3
## 3 2 1 1 0 0 0 0 1 0 0 0 0
## 4 1 0 1 0 0 0 0 0 0 0 0 1
## 5 1 0 1 0 0 0 0 1 1 0 1 0
## 6 1 1 1 0 2 0 0 1 0 0 1 0
## 7 1 2 0 0 0 0 0 0 0 0 0 1
## 8 1 0 1 1 0 0 0 0 0 0 0 0
## 9 0 1 1 0 0 0 0 1 0 0 0 0
## 10 2 2 1 1 0 0 0 1 0 0 0 0
## 11 1 1 1 0 0 0 0 1 0 1 0 0
## 12 0 0 0 0 0 0 0 0 0 0 0 0
## 13 0 1 0 0 0 0 0 1 0 1 0 0
## 14 0 1 0 0 0 0 0 1 0 0 0 0
## 15 0 1 0 0 0 0 1 1 0 0 0 0
## 16 0 1 0 0 0 0 0 1 1 0 0 0
## 17 0 2 0 0 0 0 2 0 0 0 0 0
## 18 0 1 0 0 0 0 0 1 1 0 0 0
## 19 0 1 0 0 0 3 0 0 0 0 0 0
## 20 0 1 0 0 1 0 0 0 0 0 0 0
## sp.36 sp.37 sp.38 sp.39 sp.40 sp.41
## 1 0 0 0 0 0 0
## 2 0 1 0 0 1 0
## 3 0 0 0 3 0 0
## 4 0 0 0 2 0 0
## 5 0 0 0 0 0 0
## 6 0 0 0 1 0 0
## 7 0 0 0 0 1 0
## 8 0 0 0 0 0 0
## 9 0 0 0 0 0 0
## 10 0 0 0 0 0 0
## 11 0 0 0 0 0 0
## 12 0 0 0 0 0 0
## 13 0 0 0 0 0 0
## 14 0 0 7 0 0 2
## 15 0 0 0 0 0 0
## 16 0 0 3 0 0 7
## 17 0 0 0 0 0 0
## 18 1 0 5 0 0 3
## 19 2 0 0 0 0 0
## 20 0 0 1 0 0 1
# Separando em partes (dados ambientais(amb) + dados bióticos(bio))
amb<-dados[ , 4:7] #Temperatura, Cobertura vegetal, Proporção de luz, Número de flores
bio<-dados[ , 8:48] #Comunidade
# Carregando pacote necessário:
library(vegan)
## Carregando pacotes exigidos: permute
# DCA: Axis lengths of gradient (comprimento do gradiente) informa o tipo de resposta esperado das espécies e assim, qual método de ordenação deve ser utilizado.
# Caso o resultado seja < ~3 indica uma resposta linear: deve-se usar RDA. Caso o resultado seja >4, resposta unimodal, deve-se usar CCA.
dca<-decorana(bio)
dca
##
## Call:
## decorana(veg = bio)
##
## Detrended correspondence analysis with 26 segments.
## Rescaling of axes with 4 iterations.
## Total inertia (scaled Chi-square): 1.009
##
## DCA1 DCA2 DCA3 DCA4
## Eigenvalues 0.2223 0.1267 0.07887 0.05881
## Additive Eigenvalues 0.2223 0.1214 0.07520 0.06210
## Decorana values 0.2248 0.1143 0.05885 0.02112
## Axis lengths 1.8255 1.4855 1.26644 0.89346
# Axis lengths: DCA1 = 1.825; DCA2 = 1.485; DCA3 = 1.266; DCA4= 0.893. Gradientes curtos (< ~3), logo, RDA é apropriada.
# RDA: Análise de Redundância
resultado.rda<-rda(bio, amb)
# Avaliando resultado
summary(resultado.rda)
##
## Call:
## rda(X = bio, Y = amb)
##
## Partitioning of variance:
## Inertia Proportion
## Total 122.93 1.0000
## Constrained 73.41 0.5972
## Unconstrained 49.52 0.4028
##
## Eigenvalues, and their contribution to the variance
##
## Importance of components:
## RDA1 RDA2 RDA3 RDA4 PC1 PC2 PC3
## Eigenvalue 58.3037 11.73733 2.21546 1.152997 12.7717 8.47316 6.43411
## Proportion Explained 0.4743 0.09548 0.01802 0.009379 0.1039 0.06893 0.05234
## Cumulative Proportion 0.4743 0.56976 0.58778 0.597157 0.7010 0.76998 0.82231
## PC4 PC5 PC6 PC7 PC8 PC9 PC10
## Eigenvalue 4.6095 3.74203 3.00904 2.49143 2.07864 1.9427 1.2661
## Proportion Explained 0.0375 0.03044 0.02448 0.02027 0.01691 0.0158 0.0103
## Cumulative Proportion 0.8598 0.89025 0.91473 0.93500 0.95190 0.9677 0.9780
## PC11 PC12 PC13 PC14 PC15
## Eigenvalue 1.027084 0.668271 0.445563 0.343969 0.218880
## Proportion Explained 0.008355 0.005436 0.003624 0.002798 0.001781
## Cumulative Proportion 0.986361 0.991797 0.995421 0.998219 1.000000
##
## Accumulated constrained eigenvalues
## Importance of components:
## RDA1 RDA2 RDA3 RDA4
## Eigenvalue 58.3037 11.7373 2.21546 1.15300
## Proportion Explained 0.7942 0.1599 0.03018 0.01571
## Cumulative Proportion 0.7942 0.9541 0.98429 1.00000
# Partitionin of variance
# 59,72% da variação da estrutura da comunidade foi explicada pelos componentes ambientais (x; Constrained). ~ 40% variação residual não explicada.
# Accumulated constrained eigenvalues (RDA1, RDA2, RDA3, RDA4: k= número de preditores)
# RDA2 Cumulative Proportion: 95,41%. Ou seja, os dois primeiros eixos capturam ~95% da variação explicada pelo ambiente.
# Teste de Significância
anova.cca(resultado.rda)
## Permutation test for rda under reduced model
## Permutation: free
## Number of permutations: 999
##
## Model: rda(X = bio, Y = amb)
## Df Variance F Pr(>F)
## Model 4 73.409 5.5588 0.001 ***
## Residual 15 49.522
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
# Valor de p estatisticamente significativo (p=0,001). As variáveis ambientais explicam a composição de espécies.
# Interpretando Graficamente
plot(resultado.rda)
# Eixos: RDA1 e RDA2
# Pontos pretos: sites amostrados
# Pontos vermelhos: espécies
# Setas azuis: variáveis ambientais. Direção: indicam para onde estão os maiores valores daquela variável, comprimento: quanto maior, maior a correlação da variável e seu poder explicativo, e ângulo: se estão positivamente, negativamente ou "independentemente" correlacionadas com os eixos 1 e 2. Posição das espécies e sites indicam se respondem àquela variável.
# Exemplos: site 4 é aquele com menor temperatura e está muito positivamente correlacionado com cobertura vegetal; espécie 6 é aquela mais correlacionada com o número de flores; há um achatamento das espécies no centróide da ordenação (baixa contribuição À variação). No entanto, o principal gradiente ecológico detectado no eixo principal (RDA1) é luz + temperatura + flores vs cobertura vegetal. A comunidade de insetos muda fortemente ao longo desse gradiente, e o eixo 1 explica ~79,42% da variação total explicada (constrained). Enquanto o eixo 2 explica ~16%. Isso confirma que a mudança da comunidade ao longo do eixo 1 é o padrão dominante.