ATIVIDADE - ECOLOGIA NUMÉRICA - DESCRIÇÃO DE COMUNIDADES
BIOLÓGICAS
Aluna: Giovanna Lins Pessoa
Nesta atividade, foi realizada uma análise de uma comunidade
culinária presente em uma ilha oceânica de território pouco conhecido
sendo divididas duas equipes, uma que realizou a análise a partir de
quadrantes e outra que realizou a partir de transectos, para que fosse
possível coletar as informações necessárias para a análise.
Passo 1 - Subir os dados coletados
base<-read.csv("C:/Users/lins-/Downloads/com_cul.csv", row.names = 1)
base
## q1 q2 q3 q4 q5 q6 q7 q8 q9 q10 t1 t2 t3 t4 t5 t6 t7 t8 t9 t10
## arroz_c 0 1 7 6 1 4 4 1 1 5 3 8 5 6 3 0 0 0 0 3
## arroz_e 1 0 0 1 0 0 8 4 0 3 0 1 8 1 1 0 0 0 1 0
## milho 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
## ervilha 0 0 1 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 0 0
## feijao_preto 0 0 0 0 0 0 0 0 0 0 0 0 6 0 0 0 0 0 0 0
## carioca_c 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 1
## carioca_e 0 0 0 2 2 0 0 0 0 8 0 0 0 0 0 0 0 0 0 0
## mac_paraf 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0
## mac_tubo 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
## mac_espag 0 0 0 3 1 0 0 0 6 4 16 9 0 0 0 0 2 2 1 0
Aqui podemos ver a base com todos os dados que foram coletados na
análise dos quadrantes e dos transectos.
Passo 2 - Explorar a base
Agora iremos separar essa tabela em duas, uma para os dados dos
quadrantes e uma para os dados dos transectos.
base_q<-base[,1:10]
base_q
## q1 q2 q3 q4 q5 q6 q7 q8 q9 q10
## arroz_c 0 1 7 6 1 4 4 1 1 5
## arroz_e 1 0 0 1 0 0 8 4 0 3
## milho 0 0 0 0 0 0 0 0 0 0
## ervilha 0 0 1 0 0 0 1 0 0 0
## feijao_preto 0 0 0 0 0 0 0 0 0 0
## carioca_c 0 0 1 1 0 0 0 0 0 0
## carioca_e 0 0 0 2 2 0 0 0 0 8
## mac_paraf 0 0 0 0 0 0 0 0 0 0
## mac_tubo 0 0 0 0 0 0 0 0 0 0
## mac_espag 0 0 0 3 1 0 0 0 6 4
Base dos quadrantes
base_t<-base[,11:20]
base_t
## t1 t2 t3 t4 t5 t6 t7 t8 t9 t10
## arroz_c 3 8 5 6 3 0 0 0 0 3
## arroz_e 0 1 8 1 1 0 0 0 1 0
## milho 0 0 0 0 0 0 0 0 0 0
## ervilha 0 0 1 0 0 0 0 0 0 0
## feijao_preto 0 0 6 0 0 0 0 0 0 0
## carioca_c 0 0 0 0 0 2 0 0 0 1
## carioca_e 0 0 0 0 0 0 0 0 0 0
## mac_paraf 0 0 0 0 0 0 1 0 0 0
## mac_tubo 0 0 0 0 0 0 0 0 0 0
## mac_espag 16 9 0 0 0 0 2 2 1 0
Base dos transectos
nrow(base_q)
## [1] 10
nrow(base_t)
## [1] 10
rowSums(base_q)
## arroz_c arroz_e milho ervilha feijao_preto carioca_c
## 30 17 0 2 0 2
## carioca_e mac_paraf mac_tubo mac_espag
## 12 0 0 14
Riqueza analisada na coleta dos quadrantes. Aqui podemos perceber
que a espécie que mais foi contabilizada foi o arroz claro.
colSums(base_q)
## q1 q2 q3 q4 q5 q6 q7 q8 q9 q10
## 1 1 9 13 4 4 13 5 7 20
Abundância das espécies nas 10 amostras dos quadrantes. O quadrante
q10 apresentou a maior abundância.
rowSums(base_t)
## arroz_c arroz_e milho ervilha feijao_preto carioca_c
## 28 12 0 1 6 3
## carioca_e mac_paraf mac_tubo mac_espag
## 0 1 0 30
Riqueza analisada na coleta dos transectos. Nesta coleta, a espécie
mais contabilizada foi o macarrão espaguete.
colSums(base_t)
## t1 t2 t3 t4 t5 t6 t7 t8 t9 t10
## 19 18 20 7 4 2 3 2 2 4
Abundância das espécies nas 10 amostras dos transectos. A amostra t3
apresentou a maior abundância.
Passo 3 - Questionando
Podemos fazer algumas perguntas para destrinchar ainda mais a
análise da nossa comunidade culinária, como por exemplo, quantas
espécies existem em cada método de coleta?
specnumber(t(base_q))
## q1 q2 q3 q4 q5 q6 q7 q8 q9 q10
## 1 1 3 5 3 1 3 2 2 4
Número de espécies de cada amostra dos quadrantes
specnumber(t(base_t))
## t1 t2 t3 t4 t5 t6 t7 t8 t9 t10
## 2 3 4 2 2 1 2 1 2 2
Número de espécies de cada amostra dos transectos.
Podemos também analisar graficamente a distribuição das espécies de
cada método de coleta a seguir.
acum_q<-specaccum(t(base_q))
acum_t<-specaccum(t(base_t))
plot(acum_q, ci.type = "poly", col = "black", lwd = 2, ci.lty = 0,
ci.col = "green", main = "quadrantes", xlab = "Número de amostras",
ylab = "Número de espécies")
Curva de rarefação dos transectos. Podemos perceber que o número de
espécies coletadas aumenta de forma gradual nas últimas amostras.
Podemos também encontrar diferentes índices através da base, por
exemplo:
Qual o valor do índice de Shannon?
Shannon_total<-diversity(colSums(base_q))
Shannon_total
## [1] 2.017347
Índice de Shannon para a base dos quadrantes
Shannon_total<-diversity(colSums(base_t))
Shannon_total
## [1] 1.92467
Índice de Shannon para a base dos transectos.
De acordo com os índices, a comunidade analisada pelos quadrantes é
mais diversa do que a dos transectos.
Qual o valor do índice de Simpson?
Simpson_total<-diversity(colSums(base_q))
Simpson_total
## [1] 2.017347
ÍNDICE DE Simpson para a base dos quadrantes
Simpson_total<-diversity(colSums(base_t))
Simpson_total
## [1] 1.92467
Índice de Simpson para a base dos transectos.
O mesmo ocorre para o índice de Simpson, a comunidade analisada
pelos quadrantes é mais diversa do que a dos transectos.
