retorna
  :: Artigo selecionado
  Análises funcionais, métodos estatísticos para se mensurar a diversidade funcional
01/08/2017

EMÍLIO COLZANI
MS - NOVA ANDRADINA
Atualmente muitos são os métodos estatísticos para se mensurar e quantificar a diversidade funcional (FD) nos ecossistemas. Algumas características desses índices parecem ser úteis no contexto de biomonitoramento de qualquer organismo.

Área(s) de Atuação que o Presente Artigo trata
Biologia
Meio Ambiente e Biodiversidade
Biomonitoramento
Diagnóstico, Controle e Monitoramento Ambiental


Artigo publicado inicialmente em meu blog:  http://diversidadefuncionaldeinvertebrados.blogspot.com.br/2013/04/analises-funcionais-metodos.html#links 

 

Atualmente muitos são os métodos estatísticos para se mensurar e quantificar a diversidade funcional (FD) nos ecossistemas. Para estudos de diversidade de espécies temos vários índices usados a décadas para responder a preditores de alterações ambientais, tais como riqueza, abundância e posteriormente, utilizando ambas as métricas anteriores temos os indices de diversidade de espécies (Shannon, Simpson, Margalef), equitabilidade ou uniformidade, dispersão, entre outros. Esses princípios estatísticos básicos serviram como modelo para elaboração de indices funcionais, por exemplo, os índices propostos até o presente como em Walker et al. (1999), Petchey & Gaston (2002), Mason et al. (2005) e Villéger et al. (2008) se destacam em três categorias principais, cada um deles correspondendo a uma faceta de FD: i) riqueza funcional (Functional Richness - FRic) que é o número de atributos ou categorias de um atributo apresentado pela comunidade, por exemplo, baixa FRic indica que alguns recursos (alpha niches) potencialmente disponíveis para a comunidade não estão sendo utilizados, o que pode reduzir a produtividade; ii) equitabilidade / uniformidade funcional (Functional Eveness - FEve) que mede o grau em que a biomassa de uma comunidade é distribuida no espaço de nicho para permitir a utilização eficiente de todos os recursos de que dispõe; iii) e divergência funcional (Functional Divergence - FDiv) que analisa o quanto os táxons se diferenciam dentro das categorias de cada atributo. Alta FDiv pode indicar um alto grau de diferenciação de nicho para as espécies e com isso baixa competição por recursos. Recentemente Laliberté & Legendre (2010), propuseram a dispersão funcional (Functional Dispersion - FDis), que é baseada em dispersão multivariada (Anderson et al. 2006), sendo caracterizada pela distância média de cada táxon para o centróide de todos os táxons na comunidade, esses três últimos índices contam com a abundância relativa como base para os cálculos. Uma outra análise muito interessante é a composição funcional, que pode ser medida através do community-level weighted means – CWM (Lavorel et al. 2008), para atributos com valores contínuos, CWM é o valor médio das características de todas as espécies presentes na comunidade, ponderada por suas abundâncias relativas (Lavorel et al. 2008).

 
Algumas características desses índices parecem ser úteis no contexto de biomonitoramento de qualquer organismo, uma vez que eles sintetizam informações complexas, facilitando a comunicação com não especialistas, entretanto, como quaisquer outros índices de biodiversidade, os funcionais também são criticados pela simplificação de informações biológicas relevantes e por dificultar avaliações mais intrínsecas de causa e efeito (Statzner & Beche 2010, Green & Chapman 2011). O uso de múltiplos atributos ou índices tem sido fonte de debates entre vários pesquisadores pois, a escolha de quais atributos funcionais inserir numa análise não se baseia apenas em critérios objetivos (com métodos matemáticos ou estatísticos pré-determinados), a seleção de quais diferenças funcionais devem ser consideradas significativas, acaba se tornando uma decisão arbitrária do pesquisador (Mouchet et al. 2010), pois depende muito da pergunta a ser respondida, e.g. para impactos específicos, um único atributo pode ser mais eficiente para indicar estresses específicos do que muitos atributos (Statzner & Beche 2010). É claro que, se o número de caracteres avaliados for suficientemente grande e a ação de múltiplos estressores em cada indivíduo for positiva, múltiplos atributos podem potencialmente responder aos efeitos das múltiplas pressões, mas o fato é que esta abordagem foi pouco testada empiricamente.
 
Então entramos nós pesquisadores para testar as diferentes metodologias, trocar informações e melhorar cada vez mais os métodos de se avaliar o perfil funcional das comunidades. Todas as análises citadas podem ser efetuadas na plataforma R (R Development Core Team 2017) através dos pacotes gratuítos baixados através do CRAN. Temos também disponibilizados em diversos sites e blogs os principais comandos e funções para realizar essas análises, como o http://rfunctions.blogspot.com.br/ do prezado colega José Hidasi Neto, entre outros promovidos pelo próprio R project.
 

Referências citadas

 
Anderson, M. J. 2006. Distance-based tests for homogeneity of multivariate dispersions. Biometrics 62:245-253. doi: 10.1111/j.1541-0420.2005.00440.x 
 
Laliberté, E. and Legendre, P. 2010. A distance-based framework for measuring functional diversity from multiple traits. Ecology 91:299–305. http://dx.doi.org/10.1890/08-2244.1
 
Green R. and Chapman P.M., 2011. The problem with indices. Mar Pollut Bull, 62, 1377-1380. doi: http://dx.doi.org/10.1016/j.marpolbul.2011.02.016
 
Lavorel S., Grigulis K., McIntyre S., Williams N. S. G., Garden D., Dorrough J., Berman S., Quétier F., Thebault A. and Bonis A., 2008. Assessing functional diversity in the field – methodology matters! Functional Ecology, 22:134-147. doi: 10.1111/j.1365-2435.2007.01339.x
 
Mouchet M.A., Villéger S., Mason N.W.H. and Mouillot D. 2010. Functional diversity measures: an overview of their redundancy and their ability to discriminate community assembly rules. Functional Ecology 24, 867–876. doi: 10.1111/j.1365-2435.2010.01695.x 
 
Mason, N.W.H.; Mouillot, D.; Lee, W.G.; Wilson, J.B. 2005. Functional richness, functional evenness and functional divergence: the primary components of functional diversity. Oikos 111: 112-118. doi: 10.1111/j.0030-1299.2005.13886.x 
 
Petchey, O.L. and Gaston, K.J. 2002. Functional diversity (FD), species richness, and community composition. Ecology Letters, 5, 402-411. In: http://owenpetchey.staff.shef.ac.uk/Publications/publications.html 
 
R Development Core Team. 2017. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0, In: http://www.R-project.org 
 
Villéger, S.; Mason, N. W. H. and Mouillot, D. 2008. New multidimensional functional diversity indices for a multifaceted framework in functional ecology. Ecology 89:2290-2301. In: http://villeger.sebastien.free.fr/pdf%20publis/Villeger%20et%20al.%20%282008%29%20Ecology%20.pdf 
 
Statzner, B. and Beche, L. A. 2010. Can biological invertebrate traits resolve effects of multiple stressors? Freshwater Biology, 55 (Suppl. 1): 80–119. doi: 10.1111/j.1365-2427.2009.02369.x

Walker B., Ann Kinzig A. and Langridge J. 1999. Plant Attribute Diversity, Resilience, and Ecosystem Function: The Nature and Significance of Dominant and Minor Species. Ecosystems, 2, 95–113 doi:10.1007/s100219900062 

EMÍLIO COLZANI
MS - NOVA ANDRADINA

Indique este Artigo enviando o Link:
http://www.crbiodigital.com.br/portal?txt=3777353134


Imagens / Fotos do Artigo 
  Dendograma de agrupamento de u ...

 retorna

 

  :: Pesquisa Artigos
contenha a palavra 
Regional 
Nome do(a) Biólogo(a) 


pesquisar



Copyright 2007  -   contatocrbiodigital@crbiodigital.com.br  -   privacidade