Aves
Felipe Melo
29 de agosto de 2019
Exercíco Simplificado AVES
Baixe a base de dados das aves “daqui”
Baixe o script Rmd para aves “daqui”
Examplos do exercíco 1
setwd("~/Dropbox/R pages") # modificando o texto colorido e mantendo as aspas você especifica o diretório odw salvou a base
df.aves<-read.csv("d_aves.csv", sep=";")
df.aves## especie ccs SAF
## 1 canario_terra 1 4
## 2 anu_preto 3 0
## 3 Tyrannus_sp1 2 0
## 4 Gaviao_asa_branca 3 0
## 5 beija_flor peq 1 0
## 6 Fluvicola_nengeta 3 3
## 7 Gaviao_preto 2 0
## 8 Tyrannus_sulfuratus 1 4
## 9 marrom_asa_escura 0 2
## 10 preto_peq 0 9
## 11 periquito_verde 0 2
## 12 cinza_barr_clara 0 3
## 13 rouxinol 0 1
## 14 jandaia 0 1
## 15 periquito_verde_ama 0 1
## 16 cinza_azul 0 4
## 17 sabiá 0 2
## 18 Urubu 0 1require(ggplot2)## Loading required package: ggplot2ggplot(df.aves, aes(especie, ccs))+geom_col() # ficou mal, fora de ordem. Vamos consertar
Ficou feio, fora de ordem
Agora vamos arrumar os dados de forma que fiquem analisáveis.
Primeiro vamos fazer uma comunidade por vez, começando pelo CCS
if (!require("tidyverse")) install.packages('tidyverse')
require(tidyverse)
df.aves.ccs<-df.aves[-3]%>%filter(ccs>0) # retirei as aves do SF e todas que eram abundancia zero no CCS, ou seja exclusivas do SAF
df.aves.ccs## especie ccs
## 1 canario_terra 1
## 2 anu_preto 3
## 3 Tyrannus_sp1 2
## 4 Gaviao_asa_branca 3
## 5 beija_flor peq 1
## 6 Fluvicola_nengeta 3
## 7 Gaviao_preto 2
## 8 Tyrannus_sulfuratus 1ggplot(df.aves.ccs, aes(x=reorder(especie, -ccs),y=ccs))+
geom_col()+ # agora tá na ordem
theme(axis.text.x=element_text(angle=45, hjust=1))+
labs(x="espécies de aves", y = "abundâncias")
Agora vamos analisar os dados do SAF. BAsta seguir a mesma lógica de separação das tabelas feita anteriormente
df.aves.saf<-df.aves[-2]%>%filter(SAF>0) # retirei as aves do CCS e todas que eram abundancia zero no SAF, ou seja exclusivas do SAF
df.aves.saf## especie SAF
## 1 canario_terra 4
## 2 Fluvicola_nengeta 3
## 3 Tyrannus_sulfuratus 4
## 4 marrom_asa_escura 2
## 5 preto_peq 9
## 6 periquito_verde 2
## 7 cinza_barr_clara 3
## 8 rouxinol 1
## 9 jandaia 1
## 10 periquito_verde_ama 1
## 11 cinza_azul 4
## 12 sabiá 2
## 13 Urubu 1ggplot(df.aves.saf, aes(x=reorder(especie, -SAF),y=SAF))+
geom_col()+ # agora tá na ordem
theme(axis.text.x=element_text(angle=45, hjust=1))+
labs(x="espécies de aves", y = "abundâncias")
ìndices de diversidade clássicos para CCS
library(vegan) # chamei o Vegan
index.div.ccs<-list(diversity(df.aves[,2], index = "shannon"), diversity(df.aves[,2], index = "simpson")) # gerei uma lista com valores de diversidade de shannon e simpson.
index.div.ccs## [[1]]
## [1] 1.981333
##
## [[2]]
## [1] 0.8515625ìndices de diversidade clássicos para SAF
index.div.SAF<-list(diversity(df.aves[,3], index = "shannon"), diversity(df.aves[,3], index = "simpson")) # gerei uma lista com valores de diversidade de shannon e simpson.
index.div.SAF## [[1]]
## [1] 2.336293
##
## [[2]]
## [1] 0.880935Do exercíco 2
Agora que nós temos duas tabelas, continuem com as análises. por exemplo, as análises de similaridade. Nesse caso vamos usar a tabela completa com CCS e SAF, afinal não faz sentido comparar uma comunidade consigo mesma.
simi.bray.aves<-vegdist(t(df.aves[,-1]), method = "bray") # gerei uma matriz de dissimilaridade usando o método de Bray-Curtis que considera as abundâncias> ote que tirei a coluna com os nomes das aves, pois ele não entende
simi.bray.aves # esse é o velor de semilaridade segndo o índices d Bray Curtis## ccs
## SAF 0.8113208Do exercíco 3
Decompondo a diversidade verdadeira em valores independentes de alfa, beta e gama
Vamos agora entender como a beta-diversidade pode ser calculada com base nos números de Hill e portanto gerar beta diversidade verdadeira. Para isso, vamos recordar a relação proposta por Whittaker sobre as magnitudes da diversidade:
\(\gamma=\alpha*\beta\)
if (!require("entropart")) install.packages('entropart')
library(entropart)
MC<-MetaCommunity(df.aves[,-1])
summary(MC)## Meta-community (class 'MetaCommunity') made of 53 individuals in 2
## communities and 18 species.
##
## Its sample coverage is 0.909163522948495
##
## Community weights are:
## ccs SAF
## 0.5 0.5
## Community sample numbers of individuals are:
## ccs SAF
## 16 37
## Community sample coverages are:
## ccs SAF
## 0.8238095 0.8961844# Agora vamos calculara a diversidade alfa verdadeira nos três níveis
AlphaDiversity(MC, 0, Correction = "None") # veja o output, o progrma dá um alfa para cada fragmentos da usina e uma alfa média = $Total## $MetaCommunity
## [1] "MC"
##
## $Method
## [1] "Neutral"
##
## $Type
## [1] "alpha"
##
## $Order
## [1] 0
##
## $Correction
## [1] "None"
##
## $Normalized
## [1] TRUE
##
## $Weights
## ccs SAF
## 0.5 0.5
##
## $Communities
## ccs SAF
## 8 13
##
## $Total
## [1] 10.5
##
## attr(,"class")
## [1] "MCdiversity"AlphaDiversity(MC, 1, Correction = "None") # para ordem q= 1## $MetaCommunity
## [1] "MC"
##
## $Method
## [1] "Neutral"
##
## $Type
## [1] "alpha"
##
## $Order
## [1] 1
##
## $Correction
## [1] "None"
##
## $Normalized
## [1] TRUE
##
## $Weights
## ccs SAF
## 0.5 0.5
##
## $Communities
## ccs SAF
## 7.25240 10.34283
##
## $Total
## [1] 8.66085
##
## attr(,"class")
## [1] "MCdiversity"AlphaDiversity(MC, 2, Correction = "None") # para ordem q = 2## $MetaCommunity
## [1] "MC"
##
## $Method
## [1] "Neutral"
##
## $Type
## [1] "alpha"
##
## $Order
## [1] 2
##
## $Correction
## [1] "None"
##
## $Normalized
## [1] TRUE
##
## $Weights
## ccs SAF
## 0.5 0.5
##
## $Communities
## ccs SAF
## 6.736842 8.398773
##
## $Total
## [1] 7.476565
##
## attr(,"class")
## [1] "MCdiversity"# Agora vamos calcular Beta
summary(BetaDiversity(MC, 0, Correction = "None")) # aqui peço as betas já na forma de summary## Neutral beta diversity of order 0 of metaCommunity MC with correction:
## None
##
## Average diversity of the communities:
## [1] 1.714286summary(BetaDiversity(MC, 1, Correction = "None"))## Neutral beta diversity of order 1 of metaCommunity MC with correction:
## None
##
## Average diversity of the communities:
## [1] 1.646768summary(BetaDiversity(MC, 2, Correction = "None"))## Neutral beta diversity of order 2 of metaCommunity MC with correction:
## None
##
## Average diversity of the communities:
## [1] 1.646499# Por último as Gamas
GammaDiversity(MC, 0, Correction = "None") # A gama de ordem zero é igual à riqeuza, portanto, 15## None
## 18GammaDiversity(MC, 1, Correction = "None") # Igual ao exponencial de Shannon## None
## 14.26241GammaDiversity(MC, 2, Correction = "None") # Igual ao invero de simpson## None
## 12.31016###Finalmente para entendermos a reação entre Alfa, Beta e Gama. Só é preciso mudar entre 0, 1 e 2 para obter para todas as ordens q de
summary(DivPart(q = 0, MC, Biased = FALSE, Correction = "None") -> dp0)## HCDT diversity partitioning of order 0 of metaCommunity MC
## with correction: None
## Alpha diversity of communities:
## ccs SAF
## 8 13
## Total alpha diversity of the communities:
## [1] 10.5
## Beta diversity of the communities:
## None
## 1.714286
## Gamma diversity of the metacommunity:
## None
## 18plot(dp0)
summary(DivPart(q =1, MC, Biased = FALSE, Correction = "None") -> dp1)## HCDT diversity partitioning of order 1 of metaCommunity MC
## with correction: None
## Alpha diversity of communities:
## ccs SAF
## 7.25240 10.34283
## Total alpha diversity of the communities:
## [1] 8.66085
## Beta diversity of the communities:
## None
## 1.646768
## Gamma diversity of the metacommunity:
## None
## 14.26241plot(dp1)
summary(DivPart(q = 2, MC, Biased = FALSE, Correction = "None") -> dp2)## HCDT diversity partitioning of order 2 of metaCommunity MC
## with correction: None
## Alpha diversity of communities:
## ccs SAF
## 6.736842 8.398773
## Total alpha diversity of the communities:
## [1] 7.476565
## Beta diversity of the communities:
## None
## 1.646499
## Gamma diversity of the metacommunity:
## None
## 12.31016plot(dp2)