#Comentários prévios e dificuldades:
#Professor, a versão que estou entregando não é de longe a que gostaria. De qualquer forma estou enviando-lhe assim mesmo:
Meu grupo não utilizou dois métodos diferentes de amostragem mas, como sua base de dados só deu o formato do outro grupo, resolvi fazer com o que tinha pois estou no Ceará e não consegui pegar as anotações da nossa amostragem.
Apesar de conseguir seguir todo o passo a passo do seu link no console, eu tive muita dificuldade de passar as respostas para o markdown, entretanto, acredito que será possível ver que fiz tudo com base nos códigos que estão no console. Sempre que tentei reproduzir a resposta do r na página (knit) dava algum problema que, até pelo pouco tempo, não fui capaz de solucioná-los, exceto na parte da abundância para cada método (chunk 4) que, sinceramente, não entendi porque ele aparentemente funcionou e os outros não. Então, como não consegui plotar todas as informações direito fui copiando os códigos do console e adicionando-os como comentários “#” no markdown, assim como fiz também com os resultados.Não está um documento legal mas fiz o máximo e farei melhor, creio, com a prática.
#DESCRIÇÃO DE COMUNIDADES
#Inserção dos Dados
base<-read.csv("https://raw.githubusercontent.com/fplmelo/ecoaplic/main/content/collection/eco_num/com_cul.csv", row.names = 1)
#Tabela obtida
# q1 q2 q3 q4 q5 q6 q7 q8 q9 q10 t1 t2 t3 t4 t5 t6 t7 t8
#arroz_c 0 1 7 6 1 4 4 1 1 5 3 8 5 6 3 0 0 0
#arroz_e 1 0 0 1 0 0 8 4 0 3 0 1 8 1 1 0 0 0
#milho 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
#feijao_preto 0 0 0 0 0 0 0 0 0 0 0 0 6 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
#carioca_e 0 0 0 2 2 0 0 0 0 8 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
#mac_tubo 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
# t9 t10
#arroz_c 0 3
#arroz_e 1 0
#milho 0 0
#ervilha 0 0
#feijao_preto 0 0
#carioca_c 0 1
#carioca_e 0 0
#mac_paraf 0 0
#mac_tubo 0 0
#mac_espag 1 0#Comunidades por método de amostragem
base_q<-base[,1:10]
base_t<-base[,11:20]
#Método dos quadrantes
# q1 q2 q3 q4 q5 q6
#arroz_c 0 1 7 6 1 4
#arroz_e 1 0 0 1 0 0
#milho 0 0 0 0 0 0
#ervilha 0 0 1 0 0 0
#feijao_preto 0 0 0 0 0 0
#carioca_c 0 0 1 1 0 0
#carioca_e 0 0 0 2 2 0
#mac_paraf 0 0 0 0 0 0
#mac_tubo 0 0 0 0 0 0
#mac_espag 0 0 0 3 1 0
# q7 q8 q9 q10
#arroz_c 4 1 1 5
#arroz_e 8 4 0 3
#milho 0 0 0 0
#ervilha 1 0 0 0
#feijao_preto 0 0 0 0
#carioca_c 0 0 0 0
#carioca_e 0 0 0 8
#mac_paraf 0 0 0 0
#mac_tubo 0 0 0 0
#mac_espag 0 0 6 4
#Método dos transectos
# t1 t2 t3 t4 t5 t6
#arroz_c 3 8 5 6 3 0
#arroz_e 0 1 8 1 1 0
#milho 0 0 0 0 0 0
#ervilha 0 0 1 0 0 0
#feijao_preto 0 0 6 0 0 0
#carioca_c 0 0 0 0 0 2
#carioca_e 0 0 0 0 0 0
#mac_paraf 0 0 0 0 0 0
#mac_tubo 0 0 0 0 0 0
#mac_espag 16 9 0 0 0 0
# t7 t8 t9 t10
#arroz_c 0 0 0 3
#arroz_e 0 0 1 0
#milho 0 0 0 0
#ervilha 0 0 0 0
#feijao_preto 0 0 0 0
#carioca_c 0 0 0 1
#carioca_e 0 0 0 0
#mac_paraf 1 0 0 0
#mac_tubo 0 0 0 0
#mac_espag 2 2 1 0#Abundância da comunidade em cada método
#Método dos quadrantes:
colSums(base_q)## q1 q2 q3 q4 q5 q6 q7 q8 q9 q10
## 1 1 9 13 4 4 13 5 7 20#Método dos transectos:
colSums(base_t)## t1 t2 t3 t4 t5 t6 t7 t8 t9 t10
## 19 18 20 7 4 2 3 2 2 4Comentários: Quanto a abundância, é possível observar que os dois métodos foram capazes de amostrar um número de indivíduos semelhante, com o método do quadrante amostrando 77 indivíduos e o método dos transectos amostrando 81.
#Riqueza de espécies para cada método:
#Riqueza de espécies para cada método:
#para os quadrantes:
## specnumber(base_q)
# q1 q2 q3 q4 q5 q6 q7 q8 q9 q10
# 1 1 3 5 3 1 3 2 2 4
#para os Transectos
## specnumber(base_t)
# t1 t2 t3 t4 t5 t6 t7 t8 t9 t10
# 2 3 4 2 2 1 2 1 2 2Comentários: O número de espécies por unidade amostral foi maior em média no método dos quadrantes do que no método dos transectos.
Riqueza de espécies em cada método:
#Para o método dos quadrantes:
#base_q
##base_q
##rownames_to_column("species")
## mutate(ab_spe=rowSums(base_t))
## filter(ab_spe > 0)
## count()
#resultado: 6 espécies
#Para o método dos transectos:
##base_t
## rownames_to_column("species")
## mutate(ab_spe=rowSums(base_t))
## filter(ab_spe > 0)
## count()
#resultado: 7 espéciesComentários: Por outro lado, o método dos transectos foi capaz de amostrar 7 espécies no total, uma a mais do que o método dos quadrantes.
Distribuição das abundâncias:
#Método dos quadrantes:
#base_q %>%
#rownames_to_column("species") %>%
#mutate(ab_spe=rowSums(base_q)) %>%
#filter(ab_spe > 0) %>%
#arrange(desc(ab_spe)) %>%
#mutate(species=factor(species, level = species)) %>%
#ggplot(aes(x=species, y=ab_spe))+geom_line(group = 1)+geom_point(size = 3)->graf_abund_q
#graf_abund_q#Método dos transectos:
#base_t %>%
#rownames_to_column("species") %>%
#mutate(ab_spe=rowSums(base_t)) %>%
#filter(ab_spe > 0) %>%
#arrange(desc(ab_spe)) %>%
#mutate(species=factor(species, level = species)) %>%
#ggplot(aes(x=species, y=ab_spe))+geom_line(group = 1)+geom_point(size = 3)->graf_abund_t
#graf_abund_t#Comparação dos gráficos
#plot_grid(graf_abund_q, graf_abund_t, labels = c("quadrados", "transectos"))Comentários:
A comparação entre os gráficos de abundância mostra uma distribuição mais equitativa no método dos quadrantes visto que sua curva é mais horizontalizada.
Curva de amostragem
#Curva dos quadrantes
# plot(acum_q, ci.type = "poly", col = "blue", lwd = 2, ci.lty = 0, ci.col = "lightblue", main = "quadrantes", xlab = "Numero de Amostras", ylab = "Numero de especies")
#Curva dos transectos
#plot(acum_t, ci.type = "poly", col = "blue", lwd = 2, ci.lty = 0, ci.col = "lightblue", main = "transectos", xlab = "Numero de Amostras", ylab = "Numero de especies")Comentários: A curva dos quadrantes aparenta estar quase atingindo uma assíntota indicando uma possível estabilização no número de espécies amostradas por este método. Por outro lado, a curva dos transectos não parece estar atingindo uma assíntota, de modo que o aumento do esforço amostral por esse método pressupõe um maior número de espécies amostradas.
Estimadores de riqueza
#specpool(base_q)
# Species chao chao.se jack1 jack1.se jack2 boot boot.se n
#All 10 12.025 3.089144 12.7 2.056696 13.67778 11.35255 1.588261 10
#specpool(base_t)
# Species chao chao.se jack1 jack1.se jack2 boot boot.se n
#All 10 10.3 0.7035624 11.8 1.272792 9.133333 11.3575 1.480355 10Comentários: Dos estimadores utilizados o que parece ser mais fidedigno é o de chao já que este se aproxima mais do número real de espécies, que neste caso é conhecido, 10.
Os menores erros estão associados ao método dos transectos, pois os vaores dos desvio padrão dos índices avaliados estão mais próximos de 0 do que aqueles observados no método dos quadrantes.
Shannon e Simpson
#índices de Shannon por método de amostragem
#Shannon nos quadrantes
#Shannon_total_q <- diversity(colSums(base_q), index = "shannon")
#[1] 2.017347
#Shannon nos transectos
#Shannon_total_t <- diversity(colSums(base_t), index = "shannon")
#[1] 1.92467#Simpson nos quadrantes
#Simpson_total_q <- diversity(colSums(base_q), index = "simpson")
#[1] 0.8436499
#Simpson nos transectos
#Simpson_total_t <- diversity(colSums(base_t), index = "simpson")
#[1] 0.8190825Comentários: O índice de Shannon indica que o método dos quadrantes foi capaz de amostrar uma maior diversidade de espécies, pois seu valor é maior. O indíce de Simpson segue na mesma linha, já que o valor mais próximo de 1, que sugere uma maior diversidade, corresponde ao método de amostragem dos quadrantes.