Aqui você vê as diferenças entre duas revisões dessa página.
Ambos lados da revisão anterior Revisão anterior Próxima revisão | Revisão anterior | ||
ecovirt:roteiro:pad_spat [2021/08/18 17:00] adalardo |
ecovirt:roteiro:pad_spat [2022/09/27 12:40] (atual) |
||
---|---|---|---|
Linha 6: | Linha 6: | ||
{{ :ecovirt:roteiro:26_fha_rshow_terra3.jpg?300|}} | {{ :ecovirt:roteiro:26_fha_rshow_terra3.jpg?300|}} | ||
- | Investigar o padrão espacial em uma populações de | + | Investigar o padrão espacial em populações de plantas e discutir quais processos subjacentes poderiam gerar os padrões observados. Antes de tudo, porém, precisamos definir alguns conceitos. |
- | plantas e discutir quais processos subjacentes poderiam gerar os padrões observados. Antes de tudo, porém, precisamos definir alguns conceitos. | + | |
===== Contexto ===== | ===== Contexto ===== | ||
- | Um padrão espacial é uma estrutura previsível que pode ser detectada e quantificada. Em geral, considera-se que um padrão é uma estrutura diferente do aleatório, entretanto, no caso dos padrões espaciais (e outros também) o padrão aleatório também pode ser considerado um padrão, afinal tem {{:ecovirt:roteiro:26_fha_rshow_terra5.jpg?300 |}}alguma previsibilidade ((por exemplo, em relação ao número médio de indivíduos)) e pode ser detectado e quantificado. Existem diversas métricas utilizadas para quantificar agregação de indivíduos que são capazes de diferenciar, com maior ou menor eficiência, os três padrões espaciais básicos: aleatório, homogêneo e agregado. | + | Um padrão espacial é uma estrutura previsível que pode ser detectada e quantificada. Em geral, considera-se que um padrão é uma estrutura diferente do aleatório, entretanto, no caso dos padrões espaciais (e outros também) o padrão aleatório também pode ser considerado um padrão, afinal tem {{:ecovirt:roteiro:26_fha_rshow_terra5.jpg?300 |}}alguma previsibilidade ((por exemplo, em relação ao número médio de indivíduos)) e pode ser detectado e quantificado. Existem diversas métricas utilizadas para descrever a distribuição de indivíduos que são capazes de diferenciar, com maior ou menor eficiência, os três padrões espaciais básicos: aleatório, homogêneo e agregado. |
<WRAP center round box 60%> | <WRAP center round box 60%> | ||
//**__Padrões Espaciais__**// | //**__Padrões Espaciais__**// | ||
- | * aleatório: a distribuição dos indivíduos não é diferente do que seria esperado por uma distribuição ao acaso; | + | * ''aleatório'': a distribuição dos indivíduos não é diferente do que seria esperado por uma distribuição ao acaso; |
- | * regular ou homogêneo: os indivíduos estão regularmente espaçados. É chamado também de padrão disperso, pois é o maior distanciamento médio possível entre indivíduos; | + | * ''regular'' ou ''homogêneo'': os indivíduos estão regularmente espaçados. É chamado também de padrão disperso, pois está relacionado ao maior distanciamento possível entre indivíduos; |
- | * agregado: os indivíduos estão mais próximos do que esperado por um padrão aleatório. | + | * ''agregado'': os indivíduos estão mais próximos do que esperado por um padrão aleatório, formando agrupamentos. |
</WRAP> | </WRAP> | ||
Linha 23: | Linha 22: | ||
Detectar um padrão espacial pode ser importante tanto para entender os mecanismos que geram o padrão, como para decidir o método e a escala de amostragem e planejar o manejo de uma população. Algumas propriedades desejáveis de uma medida do padrão espacial são: | Detectar um padrão espacial pode ser importante tanto para entender os mecanismos que geram o padrão, como para decidir o método e a escala de amostragem e planejar o manejo de uma população. Algumas propriedades desejáveis de uma medida do padrão espacial são: | ||
- | * diferenciar claramente o padrão: desde a total uniformidade até a aleatoriedade e a agregação; | + | * diferenciar claramente o padrão; |
- | * não ser afetada por: tamanho da amostra, densidade populacional ou pela variação no tamanho e na forma da parcela; | + | * não ser afetada por: tamanho da amostra, densidade populacional ou pela variação no tamanho e na forma da amostra; |
- | * ser estatisticamente tratável: possível calcular um intervalo de confiança e testar a diferença entre amostras. | + | * ser estatisticamente tratável: passível de calcular a incerteza do valor e testar a diferenças entre amostras. |
- | Para essa prática usaremos uma estimativa de aleatoriedade de pontos chamada K-Ripley. Primeiro iremos utilizar dados de distribuição de pontos simulados com diferentes padrões e em seguida utilizar a mesma técnica para detectar o padrão espacial em uma população natural. | + | Para essa prática usaremos uma estimativa de aleatoriedade de pontos chamada K-Ripley (e sua padronização chamada L-Ripley). Primeiro iremos utilizar dados de distribuição simulados com diferentes padrões e em seguida utilizar a mesma técnica para detectar o padrão espacial em uma população natural. |
<WRAP round box center leftalign 100% > | <WRAP round box center leftalign 100% > | ||
//**__Roteiro__**// | //**__Roteiro__**// | ||
Linha 50: | Linha 49: | ||
O roteiro de [[ep1|índice de dispersão]]((podem rodá-lo em outro momento!)) demonstra como o padrão de distribuição pode ser afetado pelo tamanho da parcela usada. Isso significa que o padrão espacial pode ser **dependente de escala**. | O roteiro de [[ep1|índice de dispersão]]((podem rodá-lo em outro momento!)) demonstra como o padrão de distribuição pode ser afetado pelo tamanho da parcela usada. Isso significa que o padrão espacial pode ser **dependente de escala**. | ||
*/ | */ | ||
- | Nesta prática vamos quantificar o padrão espacial usando um método multiescala. Os métodos de multiescala permitem, com uma única métrica, avaliar como o padrão espacial varia com a escala. Ao invés de trabalhar com amostras de uma população de interesse iremos descrever o padrão espacial para o conjunto total de indivíduos em uma população. Neste caso, temos um censo da população numa área delimitada e iremos ver o que acontece com as medidas de agregação desde a escala de indivíduos vizinhos até a escala mais ampla da população. | + | Nesta prática vamos quantificar o padrão espacial usando um método multiescala. Os métodos de multiescala permitem, com uma única métrica, avaliar como o padrão espacial varia com a escala. Iremos descrever o padrão espacial para o conjunto total de indivíduos em uma população em uma área delimitada e iremos avaliar o padrão desde a escala da vizinhança dos indivíduos até a escala mais ampla da população. |
<WRAP right round box 25%> | <WRAP right round box 25%> | ||
{{ :ecovirt:roteiro:mandelbrot-fractals-o.gif?|}} | {{ :ecovirt:roteiro:mandelbrot-fractals-o.gif?|}} | ||
Linha 56: | Linha 55: | ||
- | Para a prática vamos utilizar um programinha chamado [[https://www.ufz.de/index.php?en=41413|Programita]], feito pelo pesquisador Thorsten Wiegand para quantificar o padrões espaciais usando medidas multiescala baseadas em distância entre pontos. Para baixar o manual do **Programita** clique {{:ecovirt:roteiro:manualprogramita2004b.pdf|aqui}}. | + | Para a prática vamos utilizar um programinha chamado [[https://www.ufz.de/index.php?en=41413|Programita]], feito pelo pesquisador Thorsten Wiegand para quantificar o padrões espaciais usando medidas multiescala baseadas em distância entre pontos. Para baixar o manual do **Programita** clique |
- | No **Programita** existem várias medidas que podem ser usadas para calcular agregação, vamos usar duas delas: o **O-ring** e o **L de Ripley**. | + | {{:ecovirt:roteiro:manualprogramita2004b.pdf|aqui}}. |
- | Ambas são abordagens baseadas em pontos, que utilizam o cálculo de distâncias ponto a ponto dentro de uma área delimitada. Essas medidas podem ser usadas para análises univariadas, ou seja, identificando o padrão para uma única classe de pontos, ou para análises bivariadas, que identifica o padrão entre dois tipos de pontos. As análises bivariadas podem ser usadas no contexto de populações para verificar se indivíduos de um dado estágio estão espacialmente associados a outro, ou no contexto de estruturação de comunidades para analisar a agregação de uma espécie ao redor de outra. | + | No **Programita** existem várias medidas que podem ser usadas para calcular o padrão espacial, vamos usar duas delas: o **K de Ripley (na verdade, vamos usar sua padronização L-Ripley)** e o **O-ring**. |
- | ==== L de Ripley (L(r)) ==== | + | Ambas são abordagens baseadas em pontos, que utilizam o cálculo de distâncias ponto a ponto dentro de uma área delimitada. Essas medidas podem ser usadas para análises univariadas, ou seja, identificando o padrão para uma única classe de pontos, ou para análises bivariadas, que identifica o padrão entre dois tipos de pontos. As análises bivariadas podem ser usadas no contexto de populações para verificar se indivíduos de um dado estágio estão espacialmente associados a outro, ou no contexto de estruturação de comunidades para analisar se há atração ou repulsão na ocorrência de uma espécie em relação a outra. |
+ | |||
+ | ==== K de Ripley ==== | ||
{{:ecovirt:roteiro:ripleys_game.jpg?100 |}} | {{:ecovirt:roteiro:ripleys_game.jpg?100 |}} | ||
- | O L de Ripley é uma medida da densidade média ao redor de cada ponto. Para cada ponto na área de estudo é calculada a densidade no interior de um círculo de raio r centrado no ponto (área cinza da figura). Em seguida, calcula-se uma média desses valores obtidos para todos os pontos. | + | O K de Ripley é uma medida da densidade média ao redor de cada ponto. Para cada ponto na área de estudo é calculada a densidade no interior de um círculo de raio r centrado no ponto (área cinza da figura). Em seguida, calcula-se uma média desses valores obtidos para todos os pontos. |
- | + | ||
- | A operação é repetida para diferentes valores de $r$. O $L(r)$ é uma medida derivada dessa densidade média ao redor dos pontos em função do raio de influência $(r)$, que permite avaliar de maneira contínua a agregação dos indivíduos. | + | |
+ | <WRAP center round box 80%> | ||
{{ :ecovirt:roteiro:lripley.jpg?200 |}} | {{ :ecovirt:roteiro:lripley.jpg?200 |}} | ||
- | Figura: Implementação da estatística L de Ripley: contagem do número de pontos distantes de $i$ no interior do círculo de raio $r$. Extraído de Wiegand & Moloney (2004). | + | Figura: Implementação da estatística L de Ripley: contagem do número de pontos distantes de ''i'' no interior do círculo de raio ''r''. Extraído de Wiegand & Moloney (2004). |
+ | |||
+ | </WRAP> | ||
+ | |||
+ | |||
+ | A operação é repetida para diferentes valores de ''r'', que permite avaliar de maneira contínua o valor de ''K'' para diferentes escalas. | ||
- | O $L_{(r)}$ é baseado na função K de Ripley, que é a densidade média de pontos a uma dada distância $r$ de cada ponto, dividida pela intensidade ($\lambda$) dos pontos na área de estudo((intensidade, nesse caso, é a densidade total; número de pontos médio por unidade de área)): | ||
$$ K_{(r)} = \frac{\sum_{i\neq{j}}^{i}I({d_{ij}<r})}{n}\frac{1}{\lambda}$$ | $$ K_{(r)} = \frac{\sum_{i\neq{j}}^{i}I({d_{ij}<r})}{n}\frac{1}{\lambda}$$ | ||
Linha 79: | Linha 83: | ||
Onde: | Onde: | ||
* $d_{ij}$ é a distância do ponto $i$ ao ponto $j$; | * $d_{ij}$ é a distância do ponto $i$ ao ponto $j$; | ||
- | * $I({d_{ij}<r})$ função indicadora, sendo 1 se o ponto está a uma distância menor que $r$ de $i$, fora desse raio o ponto tem valor 0; e | + | * $I({d_{ij}<r})$ função indicadora, sendo 1 se o ponto $j$ está a uma distância menor que $r$ do ponto $i$ e 0 se o ponto $j$ está fora desse raio $r$ ao redor de $i$; |
- | * $n$ é o número de pontos total. | + | * $n$ é o número de pontos total; |
+ | * $\lambda$ é a densidade dos pontos. | ||
- | A interpretação visual do $K_{(r)}$ não é muito intuitiva por ser uma função cumulativa. Por isso foi criado o L de Ripley, $L_{(r)}$, que é a transformação: | + | A interpretação visual do ''K'' não é muito intuitiva por ser uma função cumulativa associada à área do círculo relativo a ''r''. O L de Ripley, por sua vez, é a padronização deste valor: |
$$ L_{(r)}= (\sqrt{\frac{K_{(r)}}{\pi}}-r) $$ | $$ L_{(r)}= (\sqrt{\frac{K_{(r)}}{\pi}}-r) $$ | ||
+ | |||
+ | Esta transformação faz com que o valor de ''L'' para **uma distribuição completamente aleatória seja sempre ''0''**, para **uma distribuição agregada ''L > 0''** e para **uma distribuição homogênea ''L < 0''**. | ||
- | que tem uma interpretação mais simples: $L(r)>0$ indica agregação, enquanto $L(r)<0$ indica padrão homogêneo. | ||
| | ||
Linha 93: | Linha 99: | ||
{{:ecovirt:roteiro:onion_ring.jpg?200 |Onion ring to rule them all}} | {{:ecovirt:roteiro:onion_ring.jpg?200 |Onion ring to rule them all}} | ||
- | A estatística **O-ring** é similar ao L de Ripley, mas baseada em um anel, ao invés de um círculo. É medida pela contagem do número de pontos em um anel de raio r e largura fixa. Da mesma forma que o L-Ripley também são calculadas as intensidades para diferentes tamanhos de anel, mantendo a largura fixa. | + | A estatística **O-ring** é similar ao L de Ripley, mas baseada em um **anel**, ao invés de um círculo. É medida pela contagem do número de pontos em um anel de raio //r// e largura fixa. Da mesma forma que o L-Ripley,também são calculadas as intensidades para diferentes tamanhos de anel, mantendo a largura fixa. |
+ | <WRAP center round box 80%> | ||
{{ :ecovirt:roteiro:o-ring.jpeg?200 |}} | {{ :ecovirt:roteiro:o-ring.jpeg?200 |}} | ||
Figura: Implementação da estatística //O-ring//: contagem do número de pontos distantes de //i// ao longo do raio //r//. Extraído de Wiegand & Moloney (2004). | Figura: Implementação da estatística //O-ring//: contagem do número de pontos distantes de //i// ao longo do raio //r//. Extraído de Wiegand & Moloney (2004). | ||
+ | |||
+ | </WRAP> | ||
Logo, definimos $O(r)$ como: | Logo, definimos $O(r)$ como: | ||
Linha 103: | Linha 112: | ||
Onde: | Onde: | ||
* $r -l$ : é o raio menos a largura do anel ((igual ao raio interno do anel)) | * $r -l$ : é o raio menos a largura do anel ((igual ao raio interno do anel)) | ||
- | Na completa aleatoriedade espacial $O(r) = \lambda$ (intensidade do padrão), quando o padrão é agregado $O(r) > \lambda$ e quando é homogêneo $O(r) < \lambda$ | + | Na completa aleatoriedade espacial (CAE) $O(r) = \lambda$ (intensidade do padrão), quando o padrão é agregado $O(r) > \lambda$ e quando o padrão é homogêneo $O(r) < \lambda$. |
Linha 113: | Linha 122: | ||
* definir quando uma diferença é ou não aceitável para afirmar que o padrão é diferente do aleatório; | * definir quando uma diferença é ou não aceitável para afirmar que o padrão é diferente do aleatório; | ||
- | Para os dois primeiros tópicos acima, usamos as fórmulas e calculamos os valores. Para tirar a subjetividade do terceiro, podemos calcular intervalos de confiança ou gerar envelopes((equivalente a intervalo de confiança obtido por simulação numérica )) de confiança gerados por simulações, para definir objetivamente o que é algo diferente do esperado. | + | Para os dois primeiros tópicos acima, usamos as fórmulas e calculamos os valores. Para tirar a subjetividade do terceiro, podemos calcular intervalos de confiança ou gerar envelopes((equivalente a intervalo de confiança obtido por simulação numérica )) de confiança por simulações computacionais, para definir objetivamente o que é algo diferente do esperado para a CAE. |
</WRAP> | </WRAP> | ||
Linha 131: | Linha 140: | ||
==== Instruções gerais ==== | ==== Instruções gerais ==== | ||
- | * 1. baixe os arquivos relacionados ao padrão espacial 1 ou 2. Caso abra uma página mostrando os dados, clique no link com o botão direito do mouse para salvar o arquivo no seu computador: | + | * 1. baixe os arquivos relacionados ao padrão espacial 01 **OU** 02 (você escolhe) __na mesma pasta em que o Programita esteja instalado__. Caso abra uma página mostrando os dados, clique no link com o botão direito do mouse para salvar o arquivo. Salve no formato ".dat": |
<WRAP center round box 80%> | <WRAP center round box 80%> | ||
//**__ Dados para Análise Espacial__**// | //**__ Dados para Análise Espacial__**// | ||
Linha 148: | Linha 157: | ||
</WRAP> | </WRAP> | ||
- | * baixe o {{:ecovirt:roteiro:programita.zip|programita aqui}} na mesma pasta do arquivo de dados; | + | * caso não tenha o ''programita'' instalado, baixe o {{:ecovirt:roteiro:programita.zip|programita aqui}} na mesma pasta do arquivo de dados; |
- | * descompacte o arquivo //programita.zip//; | + | * descompacte o arquivo //programita.zip//; |
- | * clique 2x para abrir o arquivo executável ProgramitaJulio2006.exe. | + | * clique 2x para abrir o arquivo executável ''ProgramitaJulio2006.exe''. |
Linha 156: | Linha 165: | ||
- | O **Programita** aceita arquivos de texto das extensões .dat e .asc. São arquivos em formato de texto, separados por tabulação (ou espaço). Os arquivo de dados possui a seguinte estrutura: | + | O **Programita** aceita arquivos de texto das extensões .dat e .asc. São arquivos em formato de texto, separados por tabulação (ou espaço). Os arquivos de dados possuem a seguinte estrutura: |
** A primeira linha contém informações gerais sobre o arquivo de dados:** | ** A primeira linha contém informações gerais sobre o arquivo de dados:** | ||
- | * valor mínimo de x; | + | * valor mínimo da coordenada x; |
- | * valor máximo de x; | + | * valor máximo da coordenada x; |
- | * valor mínimo de y; | + | * valor mínimo da coordenada y; |
- | * valor máximo de y; e | + | * valor máximo da coordenada y; e |
* número total de indivíduos | * número total de indivíduos | ||
Linha 168: | Linha 177: | ||
* primeira coluna com as coordenadas x dos indivíduos; | * primeira coluna com as coordenadas x dos indivíduos; | ||
* segunda coluna com as coordenadas y dos indivíduos; | * segunda coluna com as coordenadas y dos indivíduos; | ||
- | * terceira coluna com os pontos do padrão 1 identificados por 1 e do padrão 2 por 0 ((no caso de dados bivariados)); | + | * no caso de dados univariados, a terceira coluna será sempre 1 e a quarta coluna sempre 0. |
- | * quarta coluna com os pontos do padrão 1 identificado por 0 e do padrão 2 por 1 ((tb. no caso de dados com dois tipos de pontos)). | + | * no caso de dados bivariados a terceira coluna tem os pontos dos indivíduos tipo A (adultos, por exemplo) identificados por 1 e do tipo B (jovens, por exemplo) identificados por 0 ; |
+ | * ainda no caso de dados bivariados, a quarta coluna tem os pontos dos indivíduos do tipo A identificados por 0 e do tipo B identificados por 1 . | ||
- | No caso de dados univariados, a terceira coluna será sempre 1 e a quarta coluna sempre 0. Para dados bivariados as terceira e quarta colunas terão valores de 0 e 1 de acordo com o padrão do ponto. | ||
<WRAP center round box 80%> | <WRAP center round box 80%> | ||
Linha 179: | Linha 188: | ||
==== Padrão Univariado: todos os pontos ==== | ==== Padrão Univariado: todos os pontos ==== | ||
- | * 1. Verifique se na janela //Input data file// estão aparecendo os arquivos .dat. Caso não esteja, verifique se o arquivo executável do programita está na mesma pasta dos arquivos //.dat//. | + | * 1. Verifique se na janela //Input data file// estão aparecendo os arquivos .dat. Caso não esteja, **verifique se o arquivo executável do programita está na mesma pasta dos arquivos //.dat//**. |
<WRAP center round box 60%> | <WRAP center round box 60%> | ||
<WRAP center round important 60%> | <WRAP center round important 60%> | ||
Linha 194: | Linha 203: | ||
</WRAP> | </WRAP> | ||
* 3. Em //**How your data are organized**// selecione //**List**// | * 3. Em //**How your data are organized**// selecione //**List**// | ||
- | * 4. Vamos começar usando o L de Ripley então em //**Which method to use**// selecione //**Circle**// | + | * 4. Vamos começar usando o L de Ripley então em //**Which method to use**// selecione //**Circle ou Ripley** (a depender da versão que foi baixada)// |
* 5. Em //**Select modus of data**// selecione //**List with coordinates no grid**//. Ao selecionar esta opção aparecerá uma janela com a opção //**Select a new cell size**//: | * 5. Em //**Select modus of data**// selecione //**List with coordinates no grid**//. Ao selecionar esta opção aparecerá uma janela com a opção //**Select a new cell size**//: | ||
<WRAP center round box 60%> | <WRAP center round box 60%> | ||
Linha 211: | Linha 220: | ||
- | A saída visual do programa é um mapa onde os indivíduos aparecem em pontos vermelhos, seguindo as coordenadas do arquivo de dados. O gráfico no canto superior direito corresponde ao valor do L-Ripley para diferentes raios. Nessa saída gráfica é possível analisar como o padrão espacial varia de acordo com a escala. | + | A saída visual do programa é um mapa onde os indivíduos aparecem em pontos vermelhos, seguindo as coordenadas do arquivo de dados. O gráfico no canto superior direito corresponde ao valor do L-Ripley para diferentes raios. Nessa saída gráfica é possível analisar como o padrão espacial varia de acordo com a escala. Para dados univariados, ignore o gráfico inferior. |
- | Porém, isso não é suficiente para afirmamos em que escalas a população é agregada. Para isso precisamos comparar o resultado observado com o padrão que seria gerado pela distribuição dos pontos completamente aleatório. Esse modelo nulo é chamado de **//completa aleatoriedade espacial//**. Para gerar esse modelo por simulação é necessário recolocar o mesmo número de pontos de forma aleatória na mesma área. Se fizermos isso, muitas e muitas vezes, é possível gerar um envelope de confiança (similar ao intervalo de confiança) no qual o padrão de distribuição aleatória é encontrado. Se os valores observados estão contidos dentro do envelope podemos concluir que nosso padrão não é diferente do aleatório. | + | |
+ | Porém, olharmos apenas o formato da curva não é suficiente para afirmamos em que escalas a população é agregada. Para isso precisamos comparar o resultado observado com o padrão que seria gerado pela distribuição dos pontos completamente aleatório. Esse modelo nulo é chamado de **//completa aleatoriedade espacial//**. Para gerar esse modelo por simulação é necessário recolocar o mesmo número de pontos de forma aleatória na mesma área. Se fizermos isso, muitas e muitas vezes, é possível gerar um envelope de confiança (similar ao intervalo de confiança) no qual o padrão de distribuição aleatória é encontrado. Se os valores observados estão contidos dentro do envelope podemos concluir que nosso padrão não é diferente do aleatório. | ||
Para fazer isso você deve: | Para fazer isso você deve: | ||
Linha 246: | Linha 256: | ||
<WRAP round tip > | <WRAP round tip > | ||
**//__Dica:__//** | **//__Dica:__//** | ||
- | Faça um //Print Screen// dos seus resultados para salvar o gráfico de cada análise que fizer ao longo da prática. | + | Faça um **__//Print Screen//__** dos seus resultados para salvar o gráfico de cada análise que fizer ao longo da prática. |
</WRAP> | </WRAP> | ||
</WRAP> | </WRAP> | ||
* 12. Faça o mesmo procedimento, porém em **//Which method to use//** selecione **//Ring//** | * 12. Faça o mesmo procedimento, porém em **//Which method to use//** selecione **//Ring//** | ||
- | * 13. Compare os resultados entre o L-Ripley e o O-Ring. | + | * 13. Compare os resultados entre o L-Ripley e o O-Ring. |
<WRAP round box center 80% > | <WRAP round box center 80% > | ||
Linha 258: | Linha 267: | ||
**//__Atividade__//** | **//__Atividade__//** | ||
</WRAP> | </WRAP> | ||
- | * repita a análise para os arquivos com: | + | * repita a análise com L-Ripley e O-Ring para os arquivos com: |
- | * os pontos dos parentais (adultos): //padrao"0X"par.dat// e; | + | * os pontos dos adultos (parentais): //padrao"0X"par.dat// e; |
- | * os pontos dos pontos associados - prole (jovens): //padrao"0X"prole.dat//; | + | * os pontos dos jovens (prole): //padrao"0X"prole.dat//; |
* interprete o resultado para cada tipo de ponto; | * interprete o resultado para cada tipo de ponto; | ||
</WRAP> | </WRAP> | ||
- | ==== Padrão Bivariado: duas classes de pontos ==== | + | ==== Padrão Bivariado: dois tipos de pontos ==== |
- | O //Programita// permite a análise de padrão de pontos de uma classe em relação a outra. Para isso é necessário diferenciar os pontos no arquivo de dados, utilizando 0 ou 1 nas colunas 3 e 4, como mostra a figura abaixo, em um arquivo que distinguia indivíduos adultos de juvenis: | + | O //Programita// permite a análise de padrão de pontos de uma classe em relação a outra (por exemplo juvenis em relação a adultos). Para isso é necessário diferenciar os pontos no arquivo de dados, utilizando 0 ou 1 nas colunas 3 e 4, como mostra a figura abaixo, em um arquivo que distinguia indivíduos adultos de juvenis: |
<WRAP center round box 80%> | <WRAP center round box 80%> | ||
{{ :ecovirt:roteiro:ex_dados2.png?700 |}} | {{ :ecovirt:roteiro:ex_dados2.png?700 |}} | ||
Linha 274: | Linha 283: | ||
* 2. em //**What do you want to do**// selecione a opção //**Point-pattern analysis**// | * 2. em //**What do you want to do**// selecione a opção //**Point-pattern analysis**// | ||
* 3. em //**How your data are organized**// selecione //**List**// | * 3. em //**How your data are organized**// selecione //**List**// | ||
- | * 4. neste caso, estamos interessados na análise do padrão em escala cumulativa para entender até que distância há agregação, por isso, em //Which method to use// selecione //L-Ripley// | + | * 4. neste caso, estamos interessados na análise do padrão em escala cumulativa para entender até que distância há agregação, por isso, em //Which method to use// selecione **Circle** ou **Ripley** (a depender da versão que estiver usando) |
* 5. em //**Select modus of data**// selecione //**List with coordinates no grid**// | * 5. em //**Select modus of data**// selecione //**List with coordinates no grid**// | ||
- | * 6. para testarmos se existe agregação dos pontos PROLE em relação ao PAR , utilizaremos o envelope de confiança. selecione a opção //**Calculate confidence limits**// e selecione o modelo nulo //**Pattern 1 fix, 2 random**//. | + | * 6. para testarmos se existe agregação dos pontos PROLE em relação ao PAR , utilizaremos o envelope de confiança. Selecione a opção //**Calculate confidence limits**// e selecione o modelo nulo //**Pattern 1 fix, 2 random**//. |
- | * 7. rode a análise apertando: //**Calculate index**// | + | * 7. rode a análise apertando: //**Calculate index**// |
- | * 8. interprete os resultados. | + | * 8. interprete os resultados. **Obs.: o gráfico que mostra o padrão de associação é o inferior, denominado "Bivariate L-function(Ripley)". O gráfico superior é o mesmo que o gráfico do padrão tipo A univariado (no nosso caso, o padrão dos adultos), com pequenas diferenças nos limites do eixo Y.** |
+ | |||
<WRAP center round box 80%> | <WRAP center round box 80%> | ||
Linha 294: | Linha 305: | ||
Preparamos três arquivos no formato lido pelo //Programita//: | Preparamos três arquivos no formato lido pelo //Programita//: | ||
- | - dados de indivíduos juvenis (diâmetro do tronco entre 1 e 5 cm): {{:2014:roteiros:juvenil.dat|}} | + | - dados de indivíduos juvenis (diâmetro do tronco entre 1 e 5 cm): {{ :ecovirt:roteiro:juvenil.dat |}} |
- | - dados de indivíduos adultos (diâmetro do tronco > 5 cm): {{:2014:roteiros:adulto.dat|}} | + | - dados de indivíduos adultos (diâmetro do tronco > 5 cm): {{ :ecovirt:roteiro:adulto.dat |}} |
- | - juvenis e adultos (padrão 1 adulto, padrão 2 juvenil): {{:2014:roteiros:juvenil_adulto.dat|}} | + | - juvenis e adultos (padrão 1 adulto, padrão 2 juvenil): {{:ecovirt:roteiro:juvenil_adulto.dat|}} |
\\ | \\ | ||
\\ | \\ | ||
- | Utilizando as ferramentas disponíveis no //Programita// para descrever os padrões espaciais: | + | Utilize as ferramentas disponíveis no //Programita// para descrever os padrões espaciais: |
* da população total de palmito; | * da população total de palmito; | ||
* apenas dos juvenis e; | * apenas dos juvenis e; |