Módulo 2 - Bases de dados Ecológicos
Antônio Carlos do Nascimento Mendonça
2022-08-30
Módulo 2 - Bases de dados Ecológicos
library(tidyverse)## ── Attaching packages ─────────────────────────────────────── tidyverse 1.3.1 ──## ✔ ggplot2 3.3.6 ✔ purrr 0.3.4
## ✔ tibble 3.1.7 ✔ dplyr 1.0.9
## ✔ tidyr 1.2.0 ✔ stringr 1.4.0
## ✔ readr 2.1.2 ✔ forcats 0.5.1## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()Exercício 1
tibble(spec = paste0("sp", 1:20),
siteA = sample(c(0:1), replace=TRUE, size=20),
siteB = sample(c(0:1), replace=TRUE, size=20),
siteC = sample(c(0:1), replace=TRUE, size=20),
siteD = sample(c(0:1), replace=TRUE, size=20),
siteE = sample(c(0:1), replace=TRUE, size=20),
siteF = sample(c(0:1), replace=TRUE, size=20),
siteG = sample(c(0:1), replace=TRUE, size=20),
siteH = sample(c(0:1), replace=TRUE, size=20))## # A tibble: 20 × 9
## spec siteA siteB siteC siteD siteE siteF siteG siteH
## <chr> <int> <int> <int> <int> <int> <int> <int> <int>
## 1 sp1 0 1 0 1 1 1 0 1
## 2 sp2 0 1 0 1 1 1 1 0
## 3 sp3 0 1 0 1 0 0 0 1
## 4 sp4 0 1 1 0 0 0 0 1
## 5 sp5 0 0 0 1 1 1 1 0
## 6 sp6 1 0 1 1 0 1 1 0
## 7 sp7 0 0 0 0 1 1 1 1
## 8 sp8 0 0 0 0 1 0 1 1
## 9 sp9 1 0 0 0 0 0 0 0
## 10 sp10 0 0 1 1 0 0 1 1
## 11 sp11 1 0 1 1 1 0 0 1
## 12 sp12 0 0 0 1 0 1 0 1
## 13 sp13 1 0 0 0 1 0 0 1
## 14 sp14 0 0 0 1 1 0 0 0
## 15 sp15 0 0 0 0 0 1 1 1
## 16 sp16 1 0 0 1 0 0 1 0
## 17 sp17 0 0 0 1 1 0 0 1
## 18 sp18 1 1 1 0 0 0 1 0
## 19 sp19 0 1 1 1 0 0 0 0
## 20 sp20 1 0 1 0 0 0 0 1Exercício 2
tibble(
spec = paste0("sp", 1:30),
siteA = sample(c(0:20), replace=TRUE, size=30), #(VINTE)
siteB = floor(runif(30, min=0, max=20)), #(VINTE)
siteC = sample(c(0:50), replace=TRUE, size=30), #(CINQUENTA)
siteD = sample.int(50, 30), #(CINQUENTA)
siteE = sample(c(0:20), replace=TRUE, size=30), #(VINTE)
siteF = floor(runif(30, min=0, max=50)), #(CINQUENTA)
siteG = sample(c(0:20), replace=TRUE, size=30), #(VINTE)
siteH = sample.int(50, 30), #(CINQUENTA)
siteI = sample(c(0:20), replace=TRUE, size=30), #(VINTE)
siteJ = floor(runif(30, min=0, max=50)) #(CINQUENTA)
)## # A tibble: 30 × 11
## spec siteA siteB siteC siteD siteE siteF siteG siteH siteI siteJ
## <chr> <int> <dbl> <int> <int> <int> <dbl> <int> <int> <int> <dbl>
## 1 sp1 8 11 44 5 4 25 20 9 8 41
## 2 sp2 1 14 6 16 6 23 17 26 10 21
## 3 sp3 19 1 20 12 12 45 19 17 0 34
## 4 sp4 3 12 3 44 17 33 4 23 19 23
## 5 sp5 14 12 0 9 9 15 2 27 7 0
## 6 sp6 0 15 32 37 10 46 4 24 13 31
## 7 sp7 13 19 25 46 19 38 19 15 2 42
## 8 sp8 20 7 21 47 15 16 4 5 16 40
## 9 sp9 11 7 31 11 14 18 19 21 5 43
## 10 sp10 10 1 22 20 7 45 3 25 8 26
## # … with 20 more rows
## # ℹ Use `print(n = ...)` to see more rowsExercício 3
load("C:/Users/tonny/OneDrive/Documentos/Faculdade/9° Periodo/ECOLOGIA NUMERICA/Ecologia Numerica/NEwR-2ed_code_data/NEwR-2ed_code_data/NEwR2-Data/Doubs.RData") # mude o caminho para o seu próprio´
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 4.4Exercicio 4
env%>%
ggplot(aes(dfs,ele))+
labs(title="Largura do rio com relação à altitude",
x="largura",
y="altitude")+
geom_line(size=0.7)+
geom_point(color="black",fill="yellow",shape=21,size=3.5)
Perguntas
Com esses dados, três perguntas iniciais foram feitas: 1) dos 30 locais amostrados, qual desses apresentam a maior abundância no nº de espécies peixes? 2) E qual apresenta menos? 3) Há um gradiente de abundância com relação ao rio? 4) O pH dos locais de coleta influenciam na abundância do nº de espécies dos locais? Para isso, foram amostrados os pontos do rio em que as coletas foram feitas.
plot(spa,asp=1,type="n",main="Localização das Amostras",xlab="Coordenadas X (Km)",ylab="Coordenadas Y (Km)",ylim=c(0,120),xlim=c(0,180))
lines(spa,col="black")
text(spa,row.names(spa),cex=0.8,col="red")
text(70,10,"Nascente",cex=1.2,col="red")
text(10,35,"Foz",cex=1.2,col="red")
Dos 30 locais amostrados, qual desses apresentam a maior abundância no nº espécies de peixes? E qual apresenta a menor? Com os dados obtidos, é possível perceber que o local 29 apresenta a maior abundância no nº espécies de peixes, com 25 ao total, enquanto que o local com a menor abundância no nº de espécies de peixes foi o local 8, com 0 ao total.
sit.pres<-apply(spe>0,1,sum)
plot(sit.pres,type="s",las=1,col="black",main="Riqueza de Espécies vs nº do Gradiente Rio Foz-Nascente",xlab="posições dos locais ao do rio",ylab="riqueza de espécies")
text(sit.pres,row.names(spe),cex=.8, col="red")
Há um gradiente de abundância com relação ao rio? Com os resultados obtidos das análises, é possível ver que não há um gradiente no nº de espécies de peixes ao longo do gradiente do rio, em que há Áreas com descontínuas sobre a abundância do nº de espécies.
sit.pres<-apply(spe>0,1,sum)
plot(spa,asp=1,main="Mapa da Riqueza de Espécies",pch=21,col="black",bg="red",cex=5*sit.pres/max(sit.pres),xlab="Coordenadas X (Km)",ylab="Coordenadas Y (Km)")
lines(spa,col="black")
Há um gradiente de abundância com relação ao rio? As análises mostraram que o aumento no pH não está¡ relacionado com o aumento na riqueza do nº de espécies, sendo essa variável sem influência observada.
sit.pres<-apply(spe>0,1,sum)
plot(env$pH,asp=1,main="Mapa da Riqueza de Espécies",pch=21,col="black",bg="red",cex=5*sit.pres/max(sit.pres),xlab="Locais",ylab="pH",ylim=c(1,14),xlim=c(1,30))
lines(spa,col="black")
sit.pres<-apply(spe>0,1,sum)
plot(sit.pres,type="s",las=1,col="black",main="riqueza de espécies vs nº do gradiente rio acima-rio abaixo",xlab="Posições dos Locais ao Longo do Rio",ylab="Riqueza de Espécies")
text(sit.pres,row.names(spe),cex=.8, col="red")