[[Comunidade de Plantas Virtual]]
Visitou:
Mostrar páginaRevisões anteriores
AdministrarAlterações recentesÍndice

ECOLOGIA VEGETAL 2012

Introdução Geral

Cronograma - BIE318

/* Notas e Frequência */

Módulo I

/* Ecofisiologia Vegetal

Tópicos

Material de Apoio

*/

Módulo II

Populações e Comunidades Vegetais

Informações básicas

Material de Apoio

Questionários

Área Restrita

Área Restrita

Diferenças

Aqui você vê as diferenças entre duas revisões dessa página.

Link para esta página de comparações

Ambos lados da revisão anteriorRevisão anterior
Próxima revisão		Revisão anterior
mod1:mat_apoio:comunid [2010/08/31 18:13] – marcelmod1:mat_apoio:comunid [2024/01/11 15:21] (atual) – edição externa 127.0.0.1
Linha 2: Linha 2:
 Primeiro vamos construir uma comunidade de plantas virtual. Para isso vamos nos basear na distribuição de indivíduos em um gradiente ambiental. Partindo da premissa que as espécies tem uma distribuição normal de abundâncias ao longo do gradiente, podemos simular algo parecido com dados empíricos.  Primeiro vamos construir uma comunidade de plantas virtual. Para isso vamos nos basear na distribuição de indivíduos em um gradiente ambiental. Partindo da premissa que as espécies tem uma distribuição normal de abundâncias ao longo do gradiente, podemos simular algo parecido com dados empíricos. 
  
-{{:mod1:restr:spgradbegon1.jpeg?500  |}} **Figura 16.6** do livro de **Ecologia** do Begon ((leitura obrigatória dessa aula)), mostrando dados empíricos de distribuição de espécies vegetais em um gradiente de umidade nas Montanhas Great Smoky, Tennessee. Dados retirados do trabalho clássico de R. Whittaker ((note o R no nome. Uma boa indicação!)) onde cada curva representa a porcentagem de caules das populações presentes ao longo do gradiente. Note como a distribuição normal pode ser uma boa aproximação dessa distribuição.+{{:mod1:mat_apoio:spgradbegon1.jpeg?500  |}} **Figura 16.6** do livro de **Ecologia** do Begon ((leitura obrigatória dessa aula)), mostrando dados empíricos de distribuição de espécies vegetais em um gradiente de umidade nas Montanhas Great Smoky, Tennessee. Dados retirados do trabalho clássico de R. Whittaker ((note o R no nome. Uma boa indicação!)) onde cada curva representa a porcentagem de caules das populações presentes ao longo do gradiente. Note como a distribuição normal pode ser uma boa aproximação dessa distribuição.
 A distribuição normal, ou Gausiana, tem dois parâmetros, que correspondem à média e ao desvio-padrão. A partir desses parâmetros podemos construir curvas teóricas da proporção dos indivíduos de  cada espécie ao longo do gradiente. Vamos ver como essas curvas são construídas no R. A distribuição normal, ou Gausiana, tem dois parâmetros, que correspondem à média e ao desvio-padrão. A partir desses parâmetros podemos construir curvas teóricas da proporção dos indivíduos de  cada espécie ao longo do gradiente. Vamos ver como essas curvas são construídas no R.
 A função //curve()// desenha gráficos a partir de uma função matemática. No nosso caso a função é //dnorm()//, que também já está no R. Vamos ver como isso funciona! A função //curve()// desenha gráficos a partir de uma função matemática. No nosso caso a função é //dnorm()//, que também já está no R. Vamos ver como isso funciona!
Linha 123: Linha 123:
  
 ===== Amostrando a Comunidade Virtual ===== ===== Amostrando a Comunidade Virtual =====
-{{:mod1:restr:step2.jpeg?300  |}}+{{:mod1:mat_apoio:step2.jpeg?300  |}}
 Agora vamos avançar seguindo um processo de amostragem da nossa comunidade. Vamos imaginar que esse gradiente existe e que a comunidade é exatamente essa que construímos. Sem nenhuma informação prévia do sistema, há duas perguntas sobre estrutura da comunidade: Agora vamos avançar seguindo um processo de amostragem da nossa comunidade. Vamos imaginar que esse gradiente existe e que a comunidade é exatamente essa que construímos. Sem nenhuma informação prévia do sistema, há duas perguntas sobre estrutura da comunidade:
   - A comunidade responde ao gradiente ambiental?    - A comunidade responde ao gradiente ambiental? 
Linha 239: Linha 239:
  
 ===== Comunidade Discreta ===== ===== Comunidade Discreta =====
-{{:mod1:restr:dinoclasse.jpeg?350|}}+{{:mod1:mat_apoio:dinoclasse.jpeg?350|}}
 Agora sabendo que está funcionando, vamos montar uma comunidades discretas ao longo do gradiente.  Para isso nossas espécies devem formar grupos, ou associações, ao longo do gradiente. Vamos imaginar 15 espécies em três grupos de cinco. Agora sabendo que está funcionando, vamos montar uma comunidades discretas ao longo do gradiente.  Para isso nossas espécies devem formar grupos, ou associações, ao longo do gradiente. Vamos imaginar 15 espécies em três grupos de cinco.
   *1. Fazemos um amostra de cinco valores de um ponto do gradiente com uma certa variação: essas serão as primeiras 5 médias das espécies   *1. Fazemos um amostra de cinco valores de um ponto do gradiente com uma certa variação: essas serão as primeiras 5 médias das espécies
Linha 266: Linha 266:
 </code> </code>
 ===== Comparando a Amostra com a População ===== ===== Comparando a Amostra com a População =====
-{{:mod1:restr:samplerror.jpg?300  |}}+{{:mod1:mat_apoio:samplerror.jpg?300  |}}
  
 Até agora criamos uma comunidade e fizemos uma amostra dela ao longo de um gradiente ambiental. Será que a amostra é fiel ao padrão expresso pela espécie no gradiente?((será que nossa função funfa??)) Vamos colocar os valores lada a lado em um gráfico para investigar. Até agora criamos uma comunidade e fizemos uma amostra dela ao longo de um gradiente ambiental. Será que a amostra é fiel ao padrão expresso pela espécie no gradiente?((será que nossa função funfa??)) Vamos colocar os valores lada a lado em um gráfico para investigar.
Linha 273: Linha 273:
 par(mfrow=c(2,2)) par(mfrow=c(2,2))
 graf.com(medias=medias, desvios=desvios, minimo=1, maximo=20) graf.com(medias=medias, desvios=desvios, minimo=1, maximo=20)
-matplot(amostra,t(com1.cont), type="l", lty=2, col=rainbow(dim(com1.cont)[1]), main="Amostra" )+matplot(amostra,t(com1.cont), type="l", lty=2, col=rainbow(dim(com1.cont)[1]), main="Amostra",xlab='valor do gradiente',ylab='indivíduos por parcela' )
 graf.com(medias=med1, desvios=desv1, minimo=1, maximo=20) graf.com(medias=med1, desvios=desv1, minimo=1, maximo=20)
-matplot(amost1,t(com1.disc), type="l", lty=2, col=rainbow(dim(com1.disc)[1]), main="Amostra" )+matplot(amost1,t(com1.disc), type="l", lty=2, col=rainbow(dim(com1.disc)[1]), main="Amostra",xlab='valor do gradiente',ylab='indivíduos por parcela' )
 </code> </code>
  
Linha 284: Linha 284:
  
 ===== Arquivo do script ===== ===== Arquivo do script =====
-{{:mod1:restr:codigogradale.r|}}+{{:mod1:mat_apoio:codigogradale.r|}}
  --- //[[adalardo@gmail.com|Alexandre A de Oliveira]] 2010/08/24 15:52//  --- //[[adalardo@gmail.com|Alexandre A de Oliveira]] 2010/08/24 15:52//
mod1/mat_apoio/comunid.1283278435.txt.gz · Última modificação: 2024/01/11 15:21 (edição externa)
Mostrar páginaRevisões anteriores
[unknown link type]Voltar ao topo
CC Attribution-Noncommercial-Share Alike 4.0 International
www.chimeric.de Valid CSS Driven by DokuWiki do yourself a favour and use a real browser - get firefox!! Recent changes RSS feed Valid XHTML 1.0