Medidas de Associação
Débora Gênesis
17/11/2021
Utilizando a mesma base de dados fornecida no link: http://adn.biol.umontreal.ca/~numericalecology/numecolR/NEwR-2ed_code_data.zip
1)Faça uma pergunta hipotética sobre a organização da comunidade de peixes.
Como a demanda de oxigênio biológico no rio se assemelha para as comunidades de peixes A (Amostras 1-10), comunidade B (11-20) e comunidade C (21-30)? A quantidade de oxigênio dissolvido responde às necessidades de cada comunidade?
library(vegan)## Carregando pacotes exigidos: permute## Carregando pacotes exigidos: lattice## This is vegan 2.5-7load ("C:/Users/debor/OneDrive/Documentos/EcoNum/github/NEwR-2ed_code_data/NEwR2-Data/Doubs.RData")
spe # matriz de abundância de espécies de peixes## Cogo Satr Phph Babl Thth Teso Chna Pato Lele Sqce Baba Albi Gogo Eslu Pefl
## 1 0 3 0 0 0 0 0 0 0 0 0 0 0 0 0
## 2 0 5 4 3 0 0 0 0 0 0 0 0 0 0 0
## 3 0 5 5 5 0 0 0 0 0 0 0 0 0 1 0
## 4 0 4 5 5 0 0 0 0 0 1 0 0 1 2 2
## 5 0 2 3 2 0 0 0 0 5 2 0 0 2 4 4
## 6 0 3 4 5 0 0 0 0 1 2 0 0 1 1 1
## 7 0 5 4 5 0 0 0 0 1 1 0 0 0 0 0
## 8 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
## 9 0 0 1 3 0 0 0 0 0 5 0 0 0 0 0
## 10 0 1 4 4 0 0 0 0 2 2 0 0 1 0 0
## 11 1 3 4 1 1 0 0 0 0 1 0 0 0 0 0
## 12 2 5 4 4 2 0 0 0 0 1 0 0 0 0 0
## 13 2 5 5 2 3 2 0 0 0 0 0 0 0 0 0
## 14 3 5 5 4 4 3 0 0 0 1 1 0 1 1 0
## 15 3 4 4 5 2 4 0 0 3 3 2 0 2 0 0
## 16 2 3 3 5 0 5 0 4 5 2 2 1 2 1 1
## 17 1 2 4 4 1 2 1 4 3 2 3 4 1 1 2
## 18 1 1 3 3 1 1 1 3 2 3 3 3 2 1 3
## 19 0 0 3 5 0 1 2 3 2 1 2 2 4 1 1
## 20 0 0 1 2 0 0 2 2 2 3 4 3 4 2 2
## 21 0 0 1 1 0 0 2 2 2 2 4 2 5 3 3
## 22 0 0 0 1 0 0 3 2 3 4 5 1 5 3 4
## 23 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0
## 24 0 0 0 0 0 0 1 0 0 2 0 0 1 0 0
## 25 0 0 0 0 0 0 0 0 1 1 0 0 2 1 0
## 26 0 0 0 1 0 0 1 0 1 2 2 1 3 2 1
## 27 0 0 0 1 0 0 1 1 2 3 4 1 4 4 1
## 28 0 0 0 1 0 0 1 1 2 4 3 1 4 3 2
## 29 0 1 1 1 1 1 2 2 3 4 5 3 5 5 4
## 30 0 0 0 0 0 0 1 2 3 3 3 5 5 4 5
## Rham Legi Scer Cyca Titi Abbr Icme Gyce Ruru Blbj Alal Anan
## 1 0 0 0 0 0 0 0 0 0 0 0 0
## 2 0 0 0 0 0 0 0 0 0 0 0 0
## 3 0 0 0 0 0 0 0 0 0 0 0 0
## 4 0 0 0 0 1 0 0 0 0 0 0 0
## 5 0 0 2 0 3 0 0 0 5 0 0 0
## 6 0 0 0 0 2 0 0 0 1 0 0 0
## 7 0 0 0 0 0 0 0 0 0 0 0 0
## 8 0 0 0 0 0 0 0 0 0 0 0 0
## 9 0 0 0 0 1 0 0 0 4 0 0 0
## 10 0 0 0 0 0 0 0 0 0 0 0 0
## 11 0 0 0 0 0 0 0 0 0 0 0 0
## 12 0 0 0 0 0 0 0 0 0 0 0 0
## 13 0 0 0 0 0 0 0 0 0 0 0 0
## 14 0 0 0 0 0 0 0 0 0 0 0 0
## 15 0 0 0 0 1 0 0 0 0 0 0 0
## 16 0 1 0 1 1 0 0 0 1 0 0 0
## 17 1 1 0 1 1 0 0 0 2 0 2 1
## 18 2 1 0 1 1 0 0 1 2 0 2 1
## 19 2 1 1 1 2 1 0 1 5 1 3 1
## 20 3 2 2 1 4 1 0 2 5 2 5 2
## 21 3 2 2 2 4 3 1 3 5 3 5 2
## 22 3 3 2 3 4 4 2 4 5 4 5 2
## 23 0 0 0 0 0 0 0 0 1 0 2 0
## 24 0 1 0 0 0 0 0 2 2 1 5 0
## 25 0 0 1 0 0 0 0 1 1 0 3 0
## 26 2 2 1 1 3 2 1 4 4 2 5 2
## 27 3 3 1 2 5 3 2 5 5 4 5 3
## 28 4 4 2 4 4 3 3 5 5 5 5 4
## 29 5 5 2 3 3 4 4 5 5 4 5 4
## 30 5 3 5 5 5 5 5 5 5 5 5 5spa # matriz espacial## X Y
## 1 85.678 20.000
## 2 84.955 20.100
## 3 92.301 23.796
## 4 91.280 26.431
## 5 92.005 29.163
## 6 95.954 36.315
## 7 98.201 38.799
## 8 99.455 46.406
## 9 109.782 55.865
## 10 130.641 66.576
## 11 142.748 81.258
## 12 147.270 85.839
## 13 156.817 89.516
## 14 159.435 92.791
## 15 150.820 91.084
## 16 132.662 87.956
## 17 128.298 93.918
## 18 130.560 102.446
## 19 128.459 105.428
## 20 114.862 103.129
## 21 97.163 90.245
## 22 88.200 86.373
## 23 79.596 83.508
## 24 74.753 78.734
## 25 67.146 74.683
## 26 53.770 71.598
## 27 43.637 68.673
## 28 30.514 61.166
## 29 20.495 43.848
## 30 0.000 41.562env # matriz ambiental## dfs ele slo dis pH har pho nit amm oxy bod
## 1 0.3 934 48.0 0.84 7.9 45 0.01 0.20 0.00 12.2 2.7
## 2 2.2 932 3.0 1.00 8.0 40 0.02 0.20 0.10 10.3 1.9
## 3 10.2 914 3.7 1.80 8.3 52 0.05 0.22 0.05 10.5 3.5
## 4 18.5 854 3.2 2.53 8.0 72 0.10 0.21 0.00 11.0 1.3
## 5 21.5 849 2.3 2.64 8.1 84 0.38 0.52 0.20 8.0 6.2
## 6 32.4 846 3.2 2.86 7.9 60 0.20 0.15 0.00 10.2 5.3
## 7 36.8 841 6.6 4.00 8.1 88 0.07 0.15 0.00 11.1 2.2
## 8 49.1 792 2.5 1.30 8.1 94 0.20 0.41 0.12 7.0 8.1
## 9 70.5 752 1.2 4.80 8.0 90 0.30 0.82 0.12 7.2 5.2
## 10 99.0 617 9.9 10.00 7.7 82 0.06 0.75 0.01 10.0 4.3
## 11 123.4 483 4.1 19.90 8.1 96 0.30 1.60 0.00 11.5 2.7
## 12 132.4 477 1.6 20.00 7.9 86 0.04 0.50 0.00 12.2 3.0
## 13 143.6 450 2.1 21.10 8.1 98 0.06 0.52 0.00 12.4 2.4
## 14 152.2 434 1.2 21.20 8.3 98 0.27 1.23 0.00 12.3 3.8
## 15 164.5 415 0.5 23.00 8.6 86 0.40 1.00 0.00 11.7 2.1
## 16 185.9 375 2.0 16.10 8.0 88 0.20 2.00 0.05 10.3 2.7
## 17 198.5 349 0.5 24.30 8.0 92 0.20 2.50 0.20 10.2 4.6
## 18 211.0 333 0.8 25.00 8.0 90 0.50 2.20 0.20 10.3 2.8
## 19 224.6 310 0.5 25.90 8.1 84 0.60 2.20 0.15 10.6 3.3
## 20 247.7 286 0.8 26.80 8.0 86 0.30 3.00 0.30 10.3 2.8
## 21 282.1 262 1.0 27.20 7.9 85 0.20 2.20 0.10 9.0 4.1
## 22 294.0 254 1.4 27.90 8.1 88 0.20 1.62 0.07 9.1 4.8
## 23 304.3 246 1.2 28.80 8.1 97 2.60 3.50 1.15 6.3 16.4
## 24 314.7 241 0.3 29.76 8.0 99 1.40 2.50 0.60 5.2 12.3
## 25 327.8 231 0.5 38.70 7.9 100 4.22 6.20 1.80 4.1 16.7
## 26 356.9 214 0.5 39.10 7.9 94 1.43 3.00 0.30 6.2 8.9
## 27 373.2 206 1.2 39.60 8.1 90 0.58 3.00 0.26 7.2 6.3
## 28 394.7 195 0.3 43.20 8.3 100 0.74 4.00 0.30 8.1 4.5
## 29 422.0 183 0.6 67.70 7.8 110 0.45 1.62 0.10 9.0 4.2
## 30 453.0 172 0.2 69.00 8.2 109 0.65 1.60 0.10 8.2 4.4Ao analisar o dataframe, retirar o local 8 que não possuiu dados amostrados (o índice não aceita duplos zeros):
# Remover local 8 sem dados amostrados
spe <- spe[-8, ]
env <- env[-8, ]
spa <- spa[-8, ]
#As comunidades serã dividas em três,de acordo com o número de amostras
comunidades<-c(rep("A", 9), rep("B",10), rep("C",10)) # Organizando as informações
spe$comunidades<-comunidades
spa$comunidades<-comunidades
env$comunidades<-comunidadesTesta-se a similaridade entre as comunidades utilizando-se o índice de Jaccard. Este índice determina a proporção de espécies compartilhadas entre duas amostras em relação ao total de espécies e considera dados de presença e ausência.
jacc_dist<-vegdist(spe[,-28], method = "jaccard") # retira-se somente a coluna "comunidades" porque a função só lê variáveis numéricas
jacc_dist # Observando a matriz, os valores estão entre 0 e 1 como esperado## 1 2 3 4 5 6 7
## 2 0.7500000
## 3 0.8125000 0.2500000
## 4 0.8571429 0.5000000 0.3181818
## 5 0.9428571 0.8205128 0.8095238 0.6585366
## 6 0.8571429 0.5652174 0.4583333 0.3200000 0.5897436
## 7 0.8125000 0.2500000 0.2222222 0.3913043 0.7804878 0.3913043
## 9 1.0000000 0.8181818 0.8461538 0.7931034 0.7368421 0.7037037 0.8000000
## 10 0.9375000 0.5555556 0.5714286 0.5416667 0.7027027 0.4090909 0.4210526
## 11 0.7272727 0.4666667 0.5789474 0.6086957 0.8157895 0.6086957 0.5000000
## 12 0.8333333 0.3333333 0.3809524 0.5000000 0.8181818 0.5555556 0.3000000
## 13 0.8421053 0.4500000 0.4782609 0.6206897 0.8478261 0.7096774 0.5416667
## 14 0.8928571 0.5714286 0.4827586 0.5151515 0.8076923 0.6000000 0.5333333
## 15 0.9090909 0.6764706 0.6388889 0.5789474 0.7115385 0.5405405 0.5588235
## 16 0.9250000 0.7906977 0.7272727 0.6444444 0.6296296 0.5476190 0.6976744
## 17 0.9555556 0.8085106 0.7755102 0.6734694 0.6779661 0.6170213 0.7500000
## 18 0.9772727 0.8510638 0.8400000 0.7400000 0.6666667 0.6875000 0.8163265
## 19 1.0000000 0.8846154 0.8301887 0.7592593 0.6666667 0.6862745 0.8076923
## 20 1.0000000 0.9538462 0.9411765 0.8507463 0.6567164 0.8153846 0.9253731
## 21 1.0000000 0.9722222 0.9600000 0.8783784 0.6666667 0.8472222 0.9459459
## 22 1.0000000 0.9879518 0.9767442 0.9058824 0.6913580 0.8795181 0.9647059
## 23 1.0000000 1.0000000 1.0000000 0.9583333 0.9444444 0.9130435 0.9473684
## 24 1.0000000 1.0000000 1.0000000 0.9411765 0.8863636 0.8750000 0.9666667
## 25 1.0000000 1.0000000 0.9615385 0.8965517 0.8157895 0.8148148 0.9200000
## 26 1.0000000 0.9814815 0.9649123 0.8771930 0.7166667 0.8148148 0.9464286
## 27 1.0000000 0.9864865 0.9740260 0.9090909 0.7236842 0.8648649 0.9605263
## 28 1.0000000 0.9876543 0.9761905 0.9036145 0.7317073 0.8765432 0.9638554
## 29 0.9887640 0.9687500 0.9595960 0.8979592 0.6989247 0.8750000 0.9489796
## 30 1.0000000 1.0000000 0.9903846 0.9320388 0.7448980 0.9108911 0.9805825
## 9 10 11 12 13 14 15
## 2
## 3
## 4
## 5
## 6
## 7
## 9
## 10 0.7272727
## 11 0.8636364 0.6111111
## 12 0.8148148 0.5454545 0.3888889
## 13 0.9000000 0.7307692 0.5000000 0.3181818
## 14 0.8648649 0.6451613 0.6071429 0.3571429 0.3214286
## 15 0.7948718 0.5757576 0.6666667 0.5000000 0.5555556 0.3947368
## 16 0.8260870 0.6829268 0.7857143 0.7111111 0.7446809 0.6122449 0.4130435
## 17 0.8163265 0.6818182 0.7777778 0.7346939 0.7647059 0.6666667 0.5740741
## 18 0.7826087 0.7272727 0.8222222 0.8000000 0.8269231 0.7500000 0.6363636
## 19 0.8000000 0.7755102 0.9038462 0.8571429 0.8983051 0.8064516 0.7258065
## 20 0.8135593 0.8709677 0.9531250 0.9428571 0.9583333 0.9090909 0.8289474
## 21 0.8656716 0.8985507 0.9571429 0.9610390 0.9746835 0.9285714 0.8690476
## 22 0.8684211 0.9250000 0.9753086 0.9772727 0.9888889 0.9473684 0.8709677
## 23 0.8750000 0.9411765 0.9285714 0.9523810 1.0000000 0.9677419 0.9722222
## 24 0.8400000 0.8846154 0.9600000 0.9687500 1.0000000 0.9512195 0.9333333
## 25 0.9130435 0.8636364 0.9523810 0.9642857 1.0000000 0.9166667 0.9000000
## 26 0.8367347 0.9038462 0.9615385 0.9661017 0.9836066 0.9242424 0.8656716
## 27 0.8676471 0.9154930 0.9722222 0.9746835 0.9876543 0.9418605 0.8705882
## 28 0.8648649 0.9230769 0.9746835 0.9767442 0.9886364 0.9462366 0.8804348
## 29 0.8777778 0.9139785 0.9462366 0.9500000 0.9504950 0.9150943 0.8461538
## 30 0.9157895 0.9489796 0.9898990 0.9905660 1.0000000 0.9646018 0.9009009
## 16 17 18 19 20 21 22
## 2
## 3
## 4
## 5
## 6
## 7
## 9
## 10
## 11
## 12
## 13
## 14
## 15
## 16
## 17 0.4150943
## 18 0.5090909 0.2448980
## 19 0.5666667 0.4745763 0.4000000
## 20 0.7368421 0.5915493 0.4923077 0.3809524
## 21 0.7710843 0.6582278 0.5753425 0.4571429 0.1846154
## 22 0.7956989 0.7111111 0.6428571 0.5609756 0.3157895 0.1891892
## 23 0.9523810 0.9090909 0.9047619 0.9130435 0.9285714 0.9354839 0.9444444
## 24 0.9000000 0.8200000 0.7872340 0.7800000 0.7321429 0.7580645 0.7916667
## 25 0.8666667 0.8541667 0.7954545 0.7608696 0.8035714 0.8225806 0.8472222
## 26 0.7794118 0.7014925 0.6290323 0.4915254 0.3500000 0.3333333 0.4027778
## 27 0.8023256 0.7261905 0.6538462 0.5466667 0.3239437 0.2394366 0.2236842
## 28 0.8172043 0.7333333 0.6666667 0.5853659 0.3636364 0.2857143 0.2250000
## 29 0.7904762 0.6767677 0.6129032 0.5851064 0.3932584 0.3068182 0.2134831
## 30 0.8378378 0.7333333 0.6900000 0.6500000 0.4574468 0.3763441 0.3052632
## 23 24 25 26 27 28 29
## 2
## 3
## 4
## 5
## 6
## 7
## 9
## 10
## 11
## 12
## 13
## 14
## 15
## 16
## 17
## 18
## 19
## 20
## 21
## 22
## 23
## 24 0.7333333
## 25 0.6363636 0.6315789
## 26 0.9069767 0.6511628 0.7441860
## 27 0.9365079 0.7619048 0.8253968 0.3174603
## 28 0.9428571 0.7857143 0.8428571 0.3857143 0.1780822
## 29 0.9540230 0.8275862 0.8735632 0.5057471 0.3146067 0.2555556
## 30 0.9550562 0.8314607 0.8764045 0.5333333 0.3296703 0.2717391 0.2574257mean(jacc_dist) #Calcula-se o valor médio para todas as amostras## [1] 0.7540221O pacote “usedist”, permite calcular as matrizes de distância, considerando a média geral e cada comunidade:
library(usedist)## Warning: package 'usedist' was built under R version 4.1.2mean(dist_subset(jacc_dist, c(1:8))) # Comunidade A## [1] 0.6448391mean(dist_subset(jacc_dist, c(9:18))) # Comunidade B## [1] 0.6223917mean(dist_subset(jacc_dist, c(19:28))) # Comunidade C## [1] 0.5761246Fazer um dendograma com os dados:
clust_comunidades<-hclust(jacc_dist, method = "complete")
clust_graf<-plot(clust_comunidades, hang=-1)
clust_graf## NULLrequire(dendextend) # Esse pacote é necessário para colorir as pontas dos ramos do dendograma## Carregando pacotes exigidos: dendextend## Warning: package 'dendextend' was built under R version 4.1.2## Registered S3 method overwritten by 'dendextend':
## method from
## rev.hclust vegan##
## ---------------------
## Welcome to dendextend version 1.15.2
## Type citation('dendextend') for how to cite the package.
##
## Type browseVignettes(package = 'dendextend') for the package vignette.
## The github page is: https://github.com/talgalili/dendextend/
##
## Suggestions and bug-reports can be submitted at: https://github.com/talgalili/dendextend/issues
## You may ask questions at stackoverflow, use the r and dendextend tags:
## https://stackoverflow.com/questions/tagged/dendextend
##
## To suppress this message use: suppressPackageStartupMessages(library(dendextend))
## ---------------------##
## Attaching package: 'dendextend'## The following object is masked from 'package:permute':
##
## shuffle## The following object is masked from 'package:stats':
##
## cutreeclust_comunidades2<-as.dendrogram(clust_comunidades) # transformando o cluster em um objeto para poder editar
colors<-c("#E69F00","#56B4E9", "#009E73") # definindo as cores que serão usadas, comunidade A terá a cor amarela, comunidade B a cor azul e comunidade C a cor verde
colorCode<-c(A=colors[1], B=colors[2], C=colors[3])
labels_colors(clust_comunidades2) <- colorCode[comunidades][order.dendrogram(clust_comunidades2)]
plot(clust_comunidades2)
Testados as similaridades entre as comunidades, testa-se agora as dissimilaridades ou a distância entre elas. Aqui tida como a distância euclidiana. Quanto menores os valores mais próximos são os dados.
euc_dist<-vegdist(spe[,-28], method = "euclidean")
euc_dist## 1 2 3 4 5 6 7
## 2 5.385165
## 3 7.416198 2.449490
## 4 7.874008 4.123106 3.000000
## 5 10.816654 10.677078 10.862780 9.219544
## 6 7.348469 4.582576 4.123106 2.828427 8.185353
## 7 6.855655 2.449490 2.000000 3.605551 10.488088 3.605551
## 9 7.810250 8.717798 9.380832 8.774964 9.380832 6.708204 8.485281
## 10 6.708204 5.099020 5.291503 5.000000 9.273618 3.605551 4.472136
## 11 4.472136 3.316625 5.000000 5.477226 10.246951 5.291503 4.795832
## 12 6.708204 3.162278 3.464102 4.582576 11.045361 4.795832 3.162278
## 13 7.071068 4.358899 5.196152 6.164414 11.532563 6.633250 5.385165
## 14 9.110434 6.324555 6.164414 6.557439 11.916375 7.000000 6.324555
## 15 9.899495 7.810250 7.681146 7.483315 10.816654 6.633250 6.855655
## 16 11.090537 9.899495 9.797959 9.327379 10.198039 8.426150 9.055385
## 17 10.630146 9.486833 9.486833 8.774964 9.797959 8.062258 9.055385
## 18 9.848858 9.591663 9.899495 8.660254 9.055385 7.810250 9.380832
## 19 11.704700 11.135529 11.045361 10.148892 9.380832 8.888194 10.770330
## 20 13.453624 14.212670 14.628739 13.453624 10.770330 12.206556 14.212670
## 21 14.456832 15.362291 15.811388 14.525839 11.489125 13.601471 15.556349
## 22 16.643317 17.663522 18.110770 16.763055 13.416408 15.779734 17.663522
## 23 3.872983 7.483315 9.055385 9.000000 10.583005 7.937254 8.485281
## 24 7.071068 9.539392 10.816654 10.583005 11.357817 9.486833 10.246951
## 25 5.291503 8.306624 9.643651 9.273618 9.746794 8.246211 9.110434
## 26 11.135529 12.609520 13.304135 12.409674 10.723805 11.224972 12.922848
## 27 15.362291 16.462078 16.881943 15.811388 13.076697 14.696938 16.583124
## 28 16.522712 17.549929 18.000000 16.941074 14.352700 15.905974 17.606817
## 29 18.761663 19.364917 19.621417 18.384776 15.524175 17.776389 19.364917
## 30 20.396078 21.377558 21.794495 20.542639 17.117243 19.849433 21.517435
## 9 10 11 12 13 14 15
## 2
## 3
## 4
## 5
## 6
## 7
## 9
## 10 6.480741
## 11 7.549834 4.582576
## 12 8.717798 5.477226 3.872983
## 13 10.049876 6.855655 4.000000 3.316625
## 14 10.583005 7.615773 6.244998 4.242641 3.316625
## 15 9.746794 6.855655 7.745967 6.403124 6.633250 5.000000
## 16 10.862780 8.485281 10.049876 9.591663 9.746794 8.944272 5.916080
## 17 9.899495 8.246211 9.219544 9.273618 9.643651 9.380832 8.185353
## 18 8.602325 7.874008 8.774964 9.380832 9.949874 9.797959 8.660254
## 19 9.486833 9.273618 11.000000 11.313708 12.041595 11.832160 10.630146
## 20 11.489125 12.727922 13.527749 14.422205 15.000000 14.966630 13.674794
## 21 13.266499 14.142136 14.662878 15.684387 16.031220 16.062378 15.066519
## 22 15.033296 16.248077 16.941074 17.832555 18.303005 18.165902 16.763055
## 23 6.324555 6.633250 5.744563 8.366600 8.774964 10.392305 10.630146
## 24 7.549834 8.544004 8.124038 10.148892 10.583005 11.789826 11.747340
## 25 7.280110 7.000000 6.782330 9.110434 9.486833 10.723805 10.583005
## 26 10.148892 11.445523 11.747340 13.000000 13.490738 13.892444 13.190906
## 27 13.892444 15.264338 15.748016 16.703293 17.146428 17.117243 16.062378
## 28 14.899664 16.309506 16.822604 17.720045 18.193405 18.220867 17.175564
## 29 17.521415 18.303005 18.761663 19.416488 19.646883 19.313208 18.330303
## 30 19.467922 20.371549 20.736441 21.610183 21.863211 21.931712 21.023796
## 16 17 18 19 20 21 22
## 2
## 3
## 4
## 5
## 6
## 7
## 9
## 10
## 11
## 12
## 13
## 14
## 15
## 16
## 17 6.164414
## 18 7.615773 3.464102
## 19 9.165151 6.633250 6.000000
## 20 12.649111 9.380832 7.615773 6.324555
## 21 13.928388 11.224972 9.380832 7.874008 3.741657
## 22 15.556349 13.416408 11.489125 10.583005 6.480741 4.000000
## 23 11.489125 10.295630 9.055385 10.488088 11.916375 13.114877 15.362291
## 24 12.449900 10.723805 9.110434 9.746794 10.148892 11.269428 13.304135
## 25 11.180340 10.148892 8.660254 9.539392 10.630146 11.618950 13.964240
## 26 13.076697 10.816654 8.774964 7.810250 5.385165 5.385165 7.549834
## 27 15.329710 13.304135 11.532563 10.246951 6.244998 4.582576 5.000000
## 28 16.370706 14.352700 12.489996 11.489125 7.745967 6.000000 5.099020
## 29 17.058722 14.662878 13.076697 12.767145 9.000000 7.000000 5.567764
## 30 19.621417 17.117243 15.652476 15.000000 11.180340 9.000000 8.185353
## 23 24 25 26 27 28 29
## 2
## 3
## 4
## 5
## 6
## 7
## 9
## 10
## 11
## 12
## 13
## 14
## 15
## 16
## 17
## 18
## 19
## 20
## 21
## 22
## 23
## 24 4.358899
## 25 3.000000 3.741657
## 26 9.433981 7.071068 8.000000
## 27 14.035669 11.916375 12.649111 5.291503
## 28 15.231546 13.076697 13.964240 7.000000 3.872983
## 29 17.804494 15.874508 16.431677 9.899495 6.633250 5.567764
## 30 19.416488 17.832555 18.055470 11.916375 9.165151 7.280110 6.480741mean(euc_dist) # Esse é o valor médio da similaridade de jaccard entre todas as combinações possíveis## [1] 10.82614mean(dist_subset(euc_dist, c(1:8))) # vai pegar as primeiras 9 linhas da matriz e calcular a similaridade média. Isso equivale a similaridade da comunidade A## [1] 6.684087mean(dist_subset(euc_dist, c(9:18))) # Comunidade B## [1] 7.742624mean(dist_subset(euc_dist, c(19:28))) # Comunidade C## [1] 8.99927clust_comunidades_euc<-hclust(euc_dist, method = "complete")
clust_graf_euc<-plot(clust_comunidades_euc, hang=-1)
clust_graf_euc## NULLO mesmo dendograma com cores:
#colorindo e plotando o dendograma
clust_comunidades_euc2<-as.dendrogram(clust_comunidades_euc) # transformando o cluster num objeto para poder editar
colors<-c("#E69F00","#56B4E9", "#009E73") # definindo as cores que serão usadas
colorCode<-c(A=colors[1], B=colors[2], C=colors[3])
labels_colors(clust_comunidades_euc2) <- colorCode[comunidades][order.dendrogram(clust_comunidades_euc2)]
plot(clust_comunidades_euc2)
Testando as comunidades para a demanda de oxigênio biológico (bod, ver env):
#matriz ambiental ( Demanda de oxigênio biológico)
env[,-c(5:9,10,12)] #eliminando as colunas que não serão analisadas## dfs ele slo dis bod
## 1 0.3 934 48.0 0.84 2.7
## 2 2.2 932 3.0 1.00 1.9
## 3 10.2 914 3.7 1.80 3.5
## 4 18.5 854 3.2 2.53 1.3
## 5 21.5 849 2.3 2.64 6.2
## 6 32.4 846 3.2 2.86 5.3
## 7 36.8 841 6.6 4.00 2.2
## 9 70.5 752 1.2 4.80 5.2
## 10 99.0 617 9.9 10.00 4.3
## 11 123.4 483 4.1 19.90 2.7
## 12 132.4 477 1.6 20.00 3.0
## 13 143.6 450 2.1 21.10 2.4
## 14 152.2 434 1.2 21.20 3.8
## 15 164.5 415 0.5 23.00 2.1
## 16 185.9 375 2.0 16.10 2.7
## 17 198.5 349 0.5 24.30 4.6
## 18 211.0 333 0.8 25.00 2.8
## 19 224.6 310 0.5 25.90 3.3
## 20 247.7 286 0.8 26.80 2.8
## 21 282.1 262 1.0 27.20 4.1
## 22 294.0 254 1.4 27.90 4.8
## 23 304.3 246 1.2 28.80 16.4
## 24 314.7 241 0.3 29.76 12.3
## 25 327.8 231 0.5 38.70 16.7
## 26 356.9 214 0.5 39.10 8.9
## 27 373.2 206 1.2 39.60 6.3
## 28 394.7 195 0.3 43.20 4.5
## 29 422.0 183 0.6 67.70 4.2
## 30 453.0 172 0.2 69.00 4.4env_dist<-vegdist(env[,-c(5:9,10,12)], method = "euclidean")
env_dist## 1 2 3 4 5 6 7
## 2 45.091857
## 3 49.619166 19.791160
## 4 93.504524 79.702139 60.617761
## 5 98.885894 85.341430 66.050326 7.670209
## 6 103.885949 91.231023 71.564332 16.532359 11.378858
## 7 108.191708 97.469021 77.791388 22.768858 18.287416 8.174937
## 9 200.659442 192.596625 172.911046 114.596522 108.705453 101.466170 95.370278
## 10 334.318360 329.741732 310.162474 250.517347 244.838293 238.691076 232.585769
## 11 469.941596 465.456228 445.986154 385.939758 380.332759 374.630393 368.677189
## 12 478.350881 473.646714 454.134055 394.224379 388.580635 382.704363 376.718728
## 13 507.255614 502.715655 483.185078 423.335889 417.689671 411.732629 405.709182
## 14 525.051988 520.498694 500.945805 441.174012 435.498489 429.463206 423.430892
## 15 546.873217 542.328849 522.753412 463.102527 457.427130 451.258861 445.175819
## 16 590.996808 586.706349 567.097443 507.593642 501.893287 495.567097 489.443184
## 17 619.934248 615.612800 595.986233 536.579084 530.852103 524.467028 518.329962
## 18 639.067325 634.807128 615.165652 555.886824 550.163639 543.662717 537.479897
## 19 665.260177 661.040074 641.384791 582.211866 576.474880 569.893825 563.691290
## 20 695.710092 691.561668 671.881053 612.987506 607.233856 600.449185 594.186545
## 21 730.685329 726.594309 706.885012 648.513877 642.721288 635.613724 629.274423
## 22 742.676177 738.624275 718.909334 660.726401 654.921436 647.710623 641.346903
## 23 754.267652 750.231124 730.493306 672.508560 666.614158 659.340355 653.013851
## 24 763.085956 758.999234 739.269918 681.450162 675.578970 668.206039 661.841135
## 25 778.042981 773.991563 754.257814 696.669368 690.765882 683.306604 676.928763
## 26 805.805236 801.774875 782.068782 724.925496 719.067467 711.377423 704.916392
## 27 820.209697 816.228865 796.539974 739.675114 733.831828 726.016162 719.516011
## 28 840.086460 836.074243 816.411520 759.921140 754.086363 746.122413 739.587743
## 29 865.188511 861.215989 841.601539 785.694310 779.869184 771.731401 765.140987
## 30 890.233006 886.261096 866.697606 811.388391 805.563498 797.223099 790.603719
## 9 10 11 12 13 14 15
## 2
## 3
## 4
## 5
## 6
## 7
## 9
## 10 138.350244
## 11 274.594392 136.695172
## 12 282.298866 144.520379 11.106305
## 13 311.162257 173.394983 38.762998 29.261921
## 14 328.739730 191.103689 56.936368 47.363277 18.241162
## 15 350.351738 212.970538 79.599874 69.895851 40.842013 22.779596
## 16 394.437245 257.328176 124.856317 115.246301 86.251899 68.150935 45.914921
## 17 423.289617 286.386435 153.726836 144.136983 115.033256 96.847457 74.296299
## 18 442.397118 305.794146 173.812169 164.132995 135.088193 116.936051 94.291198
## 19 468.572428 332.214584 200.548647 190.855836 161.825245 143.668333 121.024212
## 20 499.044848 363.373073 233.062223 223.208445 194.337722 176.229311 153.552141
## 21 534.207422 399.907114 272.197630 262.084910 233.597003 215.624999 193.030179
## 22 546.342438 412.537162 285.693997 275.516333 247.161182 229.244782 206.696299
## 23 558.032150 424.693572 298.611989 288.388228 260.185684 242.270366 219.871917
## 24 566.946965 434.107254 308.809828 298.517550 270.430131 252.589754 230.186484
## 25 582.173720 449.901378 325.339453 315.017063 287.066978 269.290754 246.946431
## 26 610.458541 479.455671 356.795866 346.366973 318.687464 301.079724 278.790620
## 27 625.264376 495.037867 373.548524 363.071412 335.574776 318.072020 295.855336
## 28 645.624117 516.446444 396.368843 385.833474 358.569756 341.192834 319.070337
## 29 671.767088 544.151440 425.982746 415.429765 388.551940 371.424030 349.474978
## 30 697.731703 571.765774 455.835573 445.212623 418.705601 401.759679 380.003461
## 16 17 18 19 20 21 22
## 2
## 3
## 4
## 5
## 6
## 7
## 9
## 10
## 11
## 12
## 13
## 14
## 15
## 16
## 17 30.130715
## 18 49.746055 20.397794
## 19 76.297706 46.972971 26.741541
## 20 108.886087 79.995125 59.658444 33.328066
## 21 148.827450 120.693289 100.512586 74.918823 41.967249
## 22 162.697941 134.755556 114.641921 89.215582 56.331696 14.378804
## 23 176.094236 148.197908 128.348938 103.095102 70.658899 30.045466 17.478558
## 24 186.620164 158.920048 139.035419 113.907636 81.321963 39.724597 25.659493
## 25 203.913266 176.057547 156.292130 131.280768 98.873252 57.799221 43.937456
## 26 236.075602 208.693771 188.901879 164.088056 131.518934 89.799443 75.494834
## 27 253.393252 226.288665 206.551229 181.920697 149.420547 107.674742 93.358556
## 28 277.016209 250.135363 230.486594 206.057710 173.672393 132.001553 117.715250
## 29 308.664834 281.765825 262.385766 238.419420 206.553383 165.690766 151.690606
## 30 339.640913 313.205156 293.979455 270.313651 238.595578 197.622823 183.564185
## 23 24 25 26 27 28 29
## 2
## 3
## 4
## 5
## 6
## 7
## 9
## 10
## 11
## 12
## 13
## 14
## 15
## 16
## 17
## 18
## 19
## 20
## 21
## 22
## 23
## 24 12.316720
## 25 29.594594 19.259637
## 26 62.877579 51.075196 34.594942
## 27 81.029994 69.143948 52.873623 18.362734
## 28 105.465350 93.581374 77.076196 42.732306 24.500204
## 29 139.587607 127.993881 110.339929 77.711453 60.867233 38.596891
## 30 171.314710 159.656154 142.216420 109.149256 91.613372 67.775733 32.922485mean(env_dist) # Valor médio da similaridade de jaccard ## [1] 350.2231mean(dist_subset(env_dist, c(1:8))) # Comunidade A## [1] 79.28057mean(dist_subset(env_dist, c(9:18))) # Comunidade B## [1] 116.2695mean(dist_subset(env_dist, c(19:28))) # Comunidade C## [1] 77.82998clust_env_euc<-hclust(env_dist, method = "complete")
clust_graf_env_euc<-plot(clust_env_euc, hang=-1)
clust_graf_env_euc## NULL#Colorindo : comunidade A terá a cor amarela, comunidade B a cor azul e comunidade C a cor verde
clust_graf_env_euc2<-as.dendrogram(clust_env_euc) # transformando o cluster em objeto
colors<-c("#E69F00","#56B4E9", "#009E73") # definindo as cores
colorCode<-c(A=colors[1], B=colors[2], C=colors[3])
labels_colors(clust_graf_env_euc2) <- colorCode[comunidades][order.dendrogram(clust_graf_env_euc2)]
plot(clust_graf_env_euc2)
Testando as comunidades para a quantidade de oxigênio dissolvido (oxy, ver env):
#matriz ambiental (Oxigênio dissolvido)
env[,-c(5:9,11,12)] #eliminando as colunas que não serão analisadas## dfs ele slo dis oxy
## 1 0.3 934 48.0 0.84 12.2
## 2 2.2 932 3.0 1.00 10.3
## 3 10.2 914 3.7 1.80 10.5
## 4 18.5 854 3.2 2.53 11.0
## 5 21.5 849 2.3 2.64 8.0
## 6 32.4 846 3.2 2.86 10.2
## 7 36.8 841 6.6 4.00 11.1
## 9 70.5 752 1.2 4.80 7.2
## 10 99.0 617 9.9 10.00 10.0
## 11 123.4 483 4.1 19.90 11.5
## 12 132.4 477 1.6 20.00 12.2
## 13 143.6 450 2.1 21.10 12.4
## 14 152.2 434 1.2 21.20 12.3
## 15 164.5 415 0.5 23.00 11.7
## 16 185.9 375 2.0 16.10 10.3
## 17 198.5 349 0.5 24.30 10.2
## 18 211.0 333 0.8 25.00 10.3
## 19 224.6 310 0.5 25.90 10.6
## 20 247.7 286 0.8 26.80 10.3
## 21 282.1 262 1.0 27.20 9.0
## 22 294.0 254 1.4 27.90 9.1
## 23 304.3 246 1.2 28.80 6.3
## 24 314.7 241 0.3 29.76 5.2
## 25 327.8 231 0.5 38.70 4.1
## 26 356.9 214 0.5 39.10 6.2
## 27 373.2 206 1.2 39.60 7.2
## 28 394.7 195 0.3 43.20 8.1
## 29 422.0 183 0.6 67.70 9.0
## 30 453.0 172 0.2 69.00 8.2env_dist<-vegdist(env[,-c(5:9,11,12)], method = "euclidean")
env_dist## 1 2 3 4 5 6 7
## 2 45.124778
## 3 49.641833 19.727392
## 4 93.501744 79.702954 60.579889
## 5 98.913144 85.264058 66.042453 6.619826
## 6 103.872664 91.167700 71.542320 16.061099 11.554584
## 7 108.196144 97.471842 77.782839 22.751283 18.111864 7.617716
## 9 200.706157 192.593302 172.934178 114.593163 108.703798 101.510461 95.402830
## 10 334.321770 329.733135 310.161845 250.501379 244.839089 238.689065 232.578890
## 11 469.942117 465.457087 445.986558 385.937543 380.332759 374.623627 368.677067
## 12 478.350787 473.649248 454.136962 394.222540 388.590156 382.702678 376.719484
## 13 507.255564 502.719793 483.187562 423.336775 417.695561 411.728293 405.711215
## 14 525.050845 520.499068 500.948949 441.168844 435.513104 429.465721 423.429569
## 15 546.873117 542.330619 522.752915 463.102365 457.423720 451.250008 445.176212
## 16 590.999863 586.705804 567.096914 507.592193 501.886353 495.560287 489.443582
## 17 619.934562 615.606888 595.985293 536.569532 530.854251 524.466561 518.325188
## 18 639.070141 634.806490 615.165287 555.885241 550.157941 543.656978 537.480158
## 19 665.261831 661.038660 641.384768 582.208568 576.473449 569.890456 563.690438
## 20 695.712679 691.561082 671.880719 612.986071 607.228693 600.443989 594.186780
## 21 730.690995 726.592141 706.886349 648.510917 642.718635 635.613724 629.275059
## 22 742.679678 738.619557 718.909521 660.719863 654.920864 647.711364 641.344751
## 23 754.166302 750.101653 730.391470 672.355444 666.538285 659.258450 652.877086
## 24 763.057676 758.945115 739.236540 681.386060 675.557233 668.188080 661.790365
## 25 777.959182 773.874887 754.169457 696.533315 690.697085 683.238733 676.809648
## 26 805.803722 801.754800 782.061960 724.901548 719.064651 711.379559 704.901582
## 27 820.217037 816.222892 796.541888 739.667976 733.832257 726.021672 719.514899
## 28 840.094536 836.073095 816.414435 759.919936 754.084454 746.124940 739.590251
## 29 865.193128 861.213899 841.602584 785.691504 779.867260 771.731550 765.141255
## 30 890.240370 886.260058 866.700190 811.387300 805.561512 797.225100 790.605976
## 9 10 11 12 13 14 15
## 2
## 3
## 4
## 5
## 6
## 7
## 9
## 10 138.375648
## 11 274.616678 136.694038
## 12 282.334571 144.531277 11.124298
## 13 311.193107 173.401182 38.772284 29.256452
## 14 328.776307 191.116875 56.931362 47.356626 18.187633
## 15 350.366922 212.965960 79.597864 69.891845 40.846909 22.723996
## 16 394.441504 257.323376 124.862084 115.261572 86.276938 68.171402 45.932342
## 17 423.299823 286.386347 153.720591 144.141979 115.033256 96.866919 74.269375
## 18 442.401469 305.790615 173.816282 164.143870 135.103923 116.948878 94.298993
## 19 468.580911 332.213621 200.549769 190.862306 161.832753 143.677521 121.023262
## 20 499.048705 363.370101 233.065291 223.216442 194.348656 176.237822 153.556928
## 21 534.209322 399.908314 272.205511 262.102137 233.615560 215.650041 193.038701
## 22 546.345596 412.537841 285.696360 275.527893 247.171560 229.264934 206.695017
## 23 557.920469 424.537289 298.342873 288.137155 259.880357 242.016880 219.472846
## 24 566.906034 434.060074 308.724861 298.454750 270.344753 252.546518 230.052228
## 25 582.068381 449.769163 325.122315 314.823236 286.830699 269.106559 246.631588
## 26 610.448147 479.448663 356.781362 346.368691 318.681487 301.098323 278.761941
## 27 625.263408 495.041746 373.555926 363.090843 335.592402 318.103081 295.859747
## 28 645.624364 516.449901 396.379339 385.852342 358.589389 341.217966 319.081620
## 29 671.768755 544.152350 425.987441 415.440357 388.562646 371.438474 349.479098
## 30 697.731961 571.768598 455.844348 445.228391 418.721889 401.780151 380.012618
## 16 17 18 19 20 21 22
## 2
## 3
## 4
## 5
## 6
## 7
## 9
## 10
## 11
## 12
## 13
## 14
## 15
## 16
## 17 30.070916
## 18 49.745955 20.318465
## 19 76.295937 46.956682 26.738549
## 20 108.886041 79.974934 59.658444 33.325666
## 21 148.826543 120.698219 100.512586 74.931636 41.967249
## 22 162.688813 134.759898 114.630755 89.215582 56.308969 14.362103
## 23 175.606065 147.778855 127.689036 102.349792 69.453006 27.545054 13.370864
## 24 186.442848 158.812127 138.804206 113.679856 80.926025 39.054367 24.846923
## 25 203.526558 175.747148 155.796213 130.756759 98.087461 56.621551 42.589788
## 26 236.029786 208.687805 188.847875 164.051486 131.441356 89.714770 75.439181
## 27 253.386641 226.302165 206.544838 181.927733 149.411713 107.667312 93.365840
## 28 277.019097 250.144158 230.490824 206.069382 173.678007 132.004015 117.719115
## 29 308.663927 281.768096 262.385251 238.423090 206.552729 165.690736 151.689453
## 30 339.643151 313.211478 293.982602 270.322067 238.599455 197.624214 183.565955
## 23 24 25 26 27 28 29
## 2
## 3
## 4
## 5
## 6
## 7
## 9
## 10
## 11
## 12
## 13
## 14
## 15
## 16
## 17
## 18
## 19
## 20
## 21
## 22
## 23
## 24 11.666259
## 25 29.674737 18.782534
## 26 62.428759 50.971714 33.769513
## 27 80.403109 68.912159 51.933323 18.205219
## 28 104.807299 93.300823 76.209579 42.547620 24.450562
## 29 139.079653 127.793832 109.739054 77.619714 60.857621 38.606217
## 30 170.904476 159.488801 141.742831 109.074791 91.599127 67.775733 32.931596mean(env_dist) # Esse é o valor médio da similaridade de jaccard## [1] 350.1388mean(dist_subset(env_dist, c(1:8))) # Comunidade A## [1] 79.20329mean(dist_subset(env_dist, c(9:18))) # Comunidade B## [1] 116.2674mean(dist_subset(env_dist, c(19:28))) # Comunidade C## [1] 77.36149clust_env_euc<-hclust(env_dist, method = "complete")
clust_graf_env_euc<-plot(clust_env_euc, hang=-1)
clust_graf_env_euc## NULL#Colorindo : Comunidade A terá a cor amarela, comunidade B a cor azul e comunidade C a cor verde
clust_graf_env_euc2<-as.dendrogram(clust_env_euc) # transformando o cluster em objeto
colors<-c("#E69F00","#56B4E9", "#009E73") # definindo as cores
colorCode<-c(A=colors[1], B=colors[2], C=colors[3])
labels_colors(clust_graf_env_euc2) <- colorCode[comunidades][order.dendrogram(clust_graf_env_euc2)]
plot(clust_graf_env_euc2)
Analisando todos os dendogramas (coloridos) chegamos a algumas conclusões :
O primeiro dendograma dividiu as comunidades em dois clusters principais, comunidades A e B em um cluster e a comunidade C em outro cluster. A comunidade A é relativamente similar à comunidade B, provavelmente devido a serem de áreas adjacentes compartilham entre si dados de abundância amostrada similares.
O segundo dendograma ainda dividiu as comunidades A e B da C, mas ainda traz outro dado : A comunidade B está em intersecto com a ambas as comunidades, compartilhando com as duas espécies em comum.
O terceiro dendograma mostra que a para a demanda de oxigênio houve dois clusters principais que ajustaram as comunidades. Onde comunidade A se assemelhou à comunidade B, e C ficou em sua maior parte isolada em outro cluster. De uma forma geral indica que a demanda variou para entre as comunidades, sendo as necessidades semelhantes entre A e B.
O quarto dendograma mostra que nos locais amostrados, para o oxigênio dissolvido na água, as comunidades que mais se assimilaram foram as comunidades B e C, ficando a comunidade A completamente isolada em um cluster. Ambos os dendogramas mostram o comportamento dessas comunidades em relação às essas duas variáveis químicas, considerando outras variáveis geográficas, como o fluxo da água e a distância da nascente do rio.Podendo ser resumida as associações desta forma :
Para a demanda de oxigênio biológico (entre outras variáveis geográficas):
C # de A e B
Para o oxigênio dissolvido (entre outras variáveis geográficas):
A # de B e C
Testando a correlação entre ambas as variáveis, o gráfico plotado a seguir mostra que existe uma correlação negativa ou inversa entre as variáveis, onde existe um acréscimo em um valor em uma das variáveis (x ou y) seguido do decréscimo do outro. Essa correlação aponta que para comunidades que possuem à sua disposição baixa concentração de oxigênio dissolvido possuem sua abundância de espécies afetada, juntamente com a qualidade da água pelo acúmulo de matéria orgânica.
library(ggplot2)
setwd("C:/Users/debor/OneDrive/Documentos/EcoNum")
locais<-read.table("correlação.txt", header=TRUE)
locais<--data.frame(locais)
cor(locais$bod,locais$oxy)## [1] -0.8398165ggplot(locais,aes(x=bod, y=oxy))+ geom_point(col=c("blue"))