Perguntas levantadas

A extensão do rio foi dividida em 3 sessões: alto (postos 1-10), médio (11-20) e baixo (21-30). Primeiramente, essas sessões foram analisadas através do índice de similaridade de Jaccard e pela distância Euclidiana. Então, foi-se realizada uma análise utilizando variáveis químicas do ambiente: Concentração de fosfato (pho), Concentração de nitrato (nit), Concentração de amônia (amm) e Oxigênio dissolvido (oxy). Desse modo, podemos testar a hipótese que a variação dessas variáveis químicas afetam na organização das comunidades.

#Carregando as bibliotecas
library(ade4)
library(vegan)
library(dendextend)

#Carregando os arquivos do Numerical Ecology
load("C:/Users/luiz8/Documents/Ciências Biológicas/2022.1/Ecologia Numérica/R/NEwR-2ed_code_data/NEwR2-Data/Doubs.RData")

#Removendo o local 8, vazio
spe <- spe[-8, ]
env <- env[-8, ]

Avaliação das comunidades de peixe

#Dendograma utilizado o índice de silimaridade de Jaccard
jacc_dist <- vegdist(spe, method = "jaccard")
clust_rio <- hclust(jacc_dist, method = "complete")
clust_graf <- as.dendrogram(clust_rio, hang = -1)

#colorindo
rio  <- c(rep("alto" , 9) , rep("medio" , 10) , rep("baixo" , 10))
colorCode<-c(alto="red", medio="blue", baixo="green")

labels_colors(clust_graf) <- colorCode[rio][order.dendrogram(clust_graf)]
plot(clust_graf) #plot

#Dendograma distânica Euclidiana
euc_dist <- vegdist(spe, method = "euclidean")
clust_rio_euc <- hclust(euc_dist, method = "complete")
clust_graf_euc <- as.dendrogram(clust_rio_euc, hang = -1)

labels_colors(clust_graf_euc) <- colorCode[rio][order.dendrogram(clust_graf_euc)]

plot(clust_graf_euc)

Avaliação de fatores ambientais

#Criando dataframe com as variáveis "pho", "nit", "amm" e "oxy"
nutri <- data.frame(c(env[,7:10]), row.names = rownames(env))

#Dendograma utilizando o índice de Jaccard
jacc_dist_n <- vegdist(nutri, method = "jaccard")
clust_rio_n <- hclust(jacc_dist_n, method = "complete")
clust_graf_n <- as.dendrogram(clust_rio_n, hang = -1)

labels_colors(clust_graf_n) <- colorCode[rio][order.dendrogram(clust_graf_n)]
plot(clust_graf_n)

#Dendograma distância Euclidiana
euc_dist_n <- vegdist(nutri, method = "euclidean")
clust_rio_euc_n <- hclust(euc_dist_n, method = "complete")
clust_graf_euc_n <- as.dendrogram(clust_rio_euc_n, hang = -1)

labels_colors(clust_graf_euc_n) <- colorCode[rio][order.dendrogram(clust_graf_euc_n)]
plot(clust_graf_euc_n)

Observações

A partir do analisado, tem-se que há um gradiente na composição da comunidade, observado tanto no dandograma do Índice de Jaccard, quanto no da distância Euclidiana. Isto é, o alto rio é bem diferente do baixo rio, com o médio rio servindo como uma transição e com semelhanças a ambos.

Já em relação as variáveis ambientais utilizadas, elas também se mostraram capaz de gerar um gradiente que pode ser útil em em explicar a organização das comunidades. Observamos que há uma transição entre os postos do baixo rio para o médio para o alto.

No entanto, existem alguns pontos que desafiam essas ideias: 1, 5 e 9.