Skip to main content

Análises Ecológicas no R: Exercícios e Soluções

Cap. 10 - Rarefação 

# Pacotes necessários
library(iNEXT)
library(ecodados)
library(ggplot2)

10.1 Avalie se diferentes tipos de uso da terra (fragmento florestal, borda de mata, área de pastagem e cana de açúcar) apresentam diferentes riquezas de espécies? Qual a sua interpretação? Faça um gráfico com os resultados.

Solução:

# Carregar a planilha com os dados
exercicio_1 <- ecodados::Cap10_exercicio1

## Número de indivíduos por local
colSums(exercicio_1)
#> Fragmento     Pasto     Borda      Cana 
#>        91        60       106       152

## Análise de rarefação
resultados_exercicio_1 <- iNEXT(exercicio_1, q = 0, 
                             datatype = "abundance", endpoint = 300)

## Gráfico
ggiNEXT(resultados_exercicio_1, type = 1) +
  geom_vline(xintercept = 60, lty = 2) +
  scale_linetype_discrete(labels = c("Interpolado", "Extrapolado")) +
  scale_colour_manual(values = c("darkorange", "darkorchid", "cyan4", "black")) +
  scale_fill_manual(values = c("darkorange", "darkorchid", "cyan4", "black")) +
  labs(x = "Número de indivíduos", y = " Riqueza de espécies") +
  theme_bw(base_size = 16)

10.2

O estudo é o mesmo do exercício anterior. Contudo, ao invés da rarefação baseada na abundância, faça rarefações baseadas no número de amostras. Qual a sua interpretação considerando os resultados do exercício 1? Faça um gráfico com os resultados.

Solução:

# Carregar a planilha com os dados
exercicio_2 <- ecodados::Cap10_exercicio2

# Verificar se carregou corretamente 
head(exercicio_2)
#>          Fragmento Pasto Borda Cana
#> amostras        10    14    10    9
#> sp1              5     0     2    0
#> sp2              1     5     1    0
#> sp3              4     0     3    0
#> sp4              1    14     5    1
#> sp5              6     0     3    1


## Análise de rarefação
resultados_exercicio_2 <- iNEXT(exercicio_2, q = 0, 
                                datatype = "incidence_freq", endpoint = 30)

## Gráfico
ggiNEXT(resultados_exercicio_2, type = 1, color.var = "site") +
  geom_vline(xintercept = 9, lty = 2) +
  scale_linetype_discrete(labels = c("Interpolado", "Extrapolado")) +
  scale_colour_manual(values = c("darkorange", "darkorchid", "cyan4", "black")) +
  scale_fill_manual(values = c("darkorange", "darkorchid", "cyan4", "black")) +
  labs(x = "Número de amostras", y = " Riqueza de espécies") +
  theme_bw(base_size = 16)

10.3 Use os dados dos exercícios anteriores e calcule a rarefação baseada na cobertura de amostragem (coverage-based). Qual a sua interpretação considerando os resultados anteriores? Faça um gráfico com os resultados.

Solução:

# Rarefação considerando a cobertura da abundância 
resultados_exercicio_1 <- iNEXT(exercicio_1, q = 0, 
                             datatype = "abundance", endpoint = 300)

## Gráfico
# Visualizar os resultados da rarefação *coverage-based*. 
ggiNEXT(resultados_exercicio_1, type = 3, color.var = "site") + 
    scale_linetype_discrete(labels = c("Interpolado", "Extrapolado")) +
    scale_colour_manual(values = c("darkorange", "darkorchid", "cyan4", "black")) +
    scale_fill_manual(values = c("darkorange", "darkorchid", "cyan4", "black")) +
    labs(x = "Representatividade da abundância", y = "Riqueza de espécies") +
    theme_bw(base_size = 16)


# Rarefação considerando a cobertura das amostras 
resultados_exercicio_2 <- iNEXT(exercicio_2, q = 0, 
                                datatype = "incidence_freq", endpoint = 30)

## Gráfico
# Visualizar os resultados da rarefação *coverage-based*. 
ggiNEXT(resultados_exercicio_2, type = 3, color.var = "site") + 
    scale_linetype_discrete(labels = c("Interpolado", "Extrapolado")) +
    scale_colour_manual(values = c("darkorange", "darkorchid", "cyan4", "black")) +
    scale_fill_manual(values = c("darkorange", "darkorchid", "cyan4", "black")) +
    labs(x = "Representatividade das amostras", y = "Riqueza de espécies") +
    theme_bw(base_size = 16)