Introdução a Métodos de Estimativa de Riqueza e Análises de Biodiversidade

1. IBAMA Introdução a Métodos de Estimativa de Riqueza e Análises de Biodiversidade Instrutor: Marcos Vinícius Carneiro Vital marcosvital@gmail.com Universidade Federal de Alagoas

2. Estrutura do curso - Planejamento, coleta e análise de dados de biodiversidade. - Teoria, exemplos práticos e estudos de caso. - Bases na ecologia e na estatística (especialmente a multivariada).

3. Algumas indicações fundamentais de leitura: - Measuring Biological Diversity, A.E. Magurran. - Ecological Methodology, C.J. Krebs. - Métodos estatísticos multivariados, B.J.F. Manly. - NumericalEcology, P. Legendre & L. Legendre.

4. E algumas indicações de software gratuitos: - EstimateS e PAST. - The R Project for Statistical Computing - Outros: Biodiversity Pro, PopTools(no Excel), PCORD (apenas multivariada) e outros.

5. Objeto de estudo - Afinal, o que é biodiversidade? • Diversidade: riqueza e equabilidade. • Composição.

6. Objeto de estudo: afinal, o que é biodiversidade? Riqueza: número de espécies.

7. Objeto de estudo: afinal, o que é biodiversidade? Equabilidade: distribuição das abundâncias relativas.

8. Objeto de estudo: afinal, o que é biodiversidade? Composição: a identidade das espécies.

9. Objeto de estudo - Afinal, o que é biodiversidade? • Diversidade: riqueza e equabilidade. • Composição. - Tipos de dados - Número de indivíduos (ou presença/ausência) de cada espécie em amostras/ambientes/locais/etc. - Fatores ambientais e outras variáveis explicativas.

10. Planejamento - Objetivos • Teoria, hipóteses e predições. • e/ou • Clareza da finalidade do estudo.

11. Planejamento - Objetivos - Delineamento • Planejar com conhecimento prévio de como os dados coletados serão analisados. • Coletar dados que realmente se relacionem com os objetivos e que possibilitem responder de fato as perguntas feitas.

12. Planejamento - delineamento A lógica de se planejar “experimentos”! Um pouco de delineamento experimental. • Alguns termos e conceitos importantes: • Unidades amostrais e amostras. • Réplicas, pseudo-réplicas e independência. • A independência das unidades amostrais é pressupostos de quase todas as análises!

13. Planejamento - delineamento A lógica de se planejar “experimentos”! Um pouco de delineamento experimental. • Algumas dicas simples mas importantes: • O que é uma UA depende da sua pergunta. • Um projeto piloto é sempre útil. • Não saia coletando antes de planejar! • Não reproduza sem uma visão crítica.

14. Planejamento - delineamento A lógica de se planejar “experimentos”! Um pouco de delineamento experimental. • O que deve ser garantido pelo desenho amostral: • Independência das UAs. • Esforço amostral adequado. • Representatividade do ambiente amostrado. • Relativo ao objetivo proposto. • Amplitude relevante das variáveis medidas.

15. Planejamento - delineamento A lógica de se planejar “experimentos”! Um pouco de delineamento experimental. • Problemas e conflitos comuns: • Representatividade local X réplicas independentes para a pergunta realizada. • Transectos enormes X vários transectos. • Ou parcelas, quadrats, etc. • Mistura de gradientes.

16. Planejamento - delineamento • Mais dicas: • A gravidade do uso de pseudo-réplicas depende do cenário e da pergunta! • Se percebermos as pseudo-réplicas após o trabalho, podemos lidar com elas somando informações ou ajustando as conclusões. • E lembre-se: escolher unidades amostrais em campo “no olho” não é aleatório!

17. Coletando - Um breve apanhado dos métodos de coleta. - Treinamento, conhecimento e experiência de campo. - Todos os métodos são tendenciosos! - Padronização do esforço e das unidades.

18. Transectos de observação: aves e mamíferos .

19. Transectos de observação: aves e mamíferos . • Particularidades: • Dependem da experiência do coletor.  • Organismos devem ser avistados antes do observador.  • Problemas em se avistar espécies crípticas.  • Permite estimar a abundância. 

20. Câmera armadilha: mamíferos grandes

21. Câmera armadilha: mamíferos grandes • Baixa relação custo/benefício.  • Não permitem medir quantidade.  • Em alguns casos é possível distinguir indivíduos. 

22. 50m Ponto de escuta e playback: aves e anfíbios

23. 50m Ponto de escuta e playback: aves e anfíbios • Não é simples de padronizar (distância de audição).  • Não permite medir quantidade.  • Espécies que não respondem e espécies que imitam!  • Gravações podem ser feitas com pouco treinamento. 

24. Rede de neblina: aves e morcegos

25. Rede de neblina: aves e morcegos • Em mata, não coleta espécies de dossel.  • Não funciona com espécies de grande porte.  • Animais podem ser marcados e soltos. 

26. Armadilhas (Sherman e Tomahawck): pequenos mamíferos

27. Armadilhas (Sherman e Tomahawck): pequenos mamíferos • Restrito a espécies pequenas.  • Coleta depende da isca.  • Aprendizado!  • Permite marcação e recaptura. 

28. Pitfall: insetos, anfíbios, répteis e pequenos mamíferos

29. Pitfall: insetos, anfíbios, répteis e pequenos mamíferos • Restrito a espécies terrestres.  • Coleta pode ser afetada pelo líquido.  • Simples, barato e não depende da experiência. 

30. Parcelas: plantas • Fácil padronização.  • Medidas confiáveis de abundância. 

31. Após as coletas – organização dos dados coletados - Siga a regra geral - Unidades amostrais nas linhas, variáveis nas colunas - UA: local, armadilha, quadrat, etc. - Variáveis: espécies, variáveis ambientais, etc. - Valores: abundância, biomassa, presença, etc.

32. Após as coletas – organização dos dados coletados - Siga a regra geral: - Amostras nas linhas, variáveis nas colunas.

33. Após as coletas – análise • A análise depende dos objetivos. • Deve ser definida antes, no planejamento! • Os métodos em si são só ferramentas. • Cuidado com o apego às hipóteses propostas. • Seja claro e não omita resultados.

34. Após as coletas – análise O que fazer com toda a informação? Extraindo informação dos dados.

35. Após as coletas – análise O que fazer com toda a informação? Extraindo informação dos dados. • Dados X Informação: Informação Dados

36. Após as coletas – análise O que fazer com toda a informação? Extraindo informação dos dados.

37. Após as coletas – análise O que fazer com toda a informação? Extraindo informação dos dados.

38. Índices de diversidade - Riqueza e equabilidade ao mesmo tempo

39. Índices de diversidade - Riqueza e equabilidade ao mesmo tempo - Alguns problemas com seu uso: • “Dilema Tostines”! • Pobreza como descritores. • Escolha arbitrária do(s) índice(s). • Dependência do esforço amostral. • Problemas com a interpretação das medidas.

40. Mão na massa - Usando um gerenciador de planilhas para realizar qualquer análise! - Um exemplo prático: o índice de Shannon • H’ = -Σ(piln(pi)) • J’ = H’/ln(S) • E o índice de Simpson: • D = Σ(pi)2

41. Medindo a diversidade - Como escolher o melhor índice? - Uma solução é não escolher! - Os perfis de diversidade e a generalização dos índices. - A diferença entre os diversos índices está contida no peso relativo que eles atribuem à equabilidade.

42. Medindo a diversidade - Calculando um perfil de diversidade: a série de Hill. - Na = (p1a +p2a +p3a +...+psa)1/(1-a) - Entendendo a fórmula: substituindo valores.

43. Medindo a diversidade - Calculando um perfil de diversidade: a série de Hill.

44. Medindo a diversidade - Calculando um perfil de diversidade: a série de Hill.

45. Medindo a diversidade - Calculando um perfil de diversidade: a série de Hill.

46. Medindo a diversidade - Calculando um perfil de diversidade: a série de Hill.

47. Como comparar comunidades? - A riqueza é um dos parâmetros mais usados. - Mas cada espécie tem uma identidade própria.

48. Como comparar comunidades?! Como comparar comunidades? - Composição de espécies. - Grau de semelhança entre as comunidades.

49. Análise de agrupamento - Agrupa objetos, hierarquicamente, de acordo com seu grau de semelhança. 1 – Escolha de uma medida de semelhança. 2 – Cálculo da matriz de similaridade. 3 – Aplicação de um método de agrupamento. 4 – Basta adicionar água!

50. Coeficientes binários - Dados de presença/ausência. Amostra A Amostra B * Coeficiente de Jaccard Sj = a / (a + b + c)