euterpe euterpe edulisedulis martmart. e variáveis . e...
TRANSCRIPT
Relação entre abundância de Relação entre abundância de Euterpe Euterpe edulisedulis MartMart. e variáveis . e variáveis
ambientaisambientais
SER-301 – Análise Espacial de Dados GeográficosDocentes: Dr. Miguel e Dr. Eduardo
Discente: Luciana Satiko Arasato
dez/2009
PerguntaPergunta
• Será que existe relação entre a abundância da Euterpe edulis Mart. e as variáveis ambientais (altitude, declividade, umidade de solo e (altitude, declividade, umidade de solo e abertura de copa), considerando a escala estudada?
Contextualização do problemaContextualização do problema
• Área de estudo
ContextualizaçãoContextualização
Classes altitudinais Característica ambiental
5 – 50 m Floresta Ombrófila Densa das Terras Baixas –
solo de restinga
50 – 500 m Floresta Ombrófila Densa Submontana – sopé
da Serra do Mar
500 – 1200m Floresta Ombrófila Densa Montana – encosta
da Serra do Mar
> 1200 m Floresta Ombrófila Densa Altimontana – topo
de altitudes
Veloso (1991)IBGE
ContextualizaçãoContextualização
PerguntaPergunta
• Será que existe relação entre a abundância da Euterpe edulis Mart. e as variáveis ambientais (altitude, declividade, umidade de solo e (altitude, declividade, umidade de solo e abertura de copa), considerando a escala estudada?
MetodologiaHipótese
Abundância AltitudeDeclividadeUmidade
Regressão espacial
Ab_copa
Análise estatística
Regressão simplesAnálise
Exploratória
MetodologiaHipótese
Abundância AltitudeDeclividadeUmidade
Regressão espacial
Ab_copa
Análise estatística
Regressão simplesAnálise
Exploratória
DadosDados
• Abundância da E. edulis
N° de indívíduos
ABUNDÂNCIA
AbundânciaAbundância
100 parcelas
Variou de 0-7 ind.
quantil
DadosDados
• Variáveis ambientais*
- Altitude média (m)
- Declividade (%)- Declividade (%)
- Umidade do solo (%)
-Abertura de Copa (%)
Variáveis ambientais
• Altitude (m)
30 parcelasTotal: 0,3haTotal: 0,3ha
Variáveis ambientais
• Declividade (%)
Variáveis ambientais
• Umidade do solo (%)
Variáveis ambientais
• Abertura do dossel (%)
Metodologia
Hipótese
Abundância AltitudeDeclividadeUmidade
Regressão espacial
Ab_copa
Análise estatística
Regressão simplesAnálise
Exploratória
Regressão Linear ClássicaRegressão Linear Clássica
Y = β0 + β1X + ε
Mostra a relação entre duas ou mais variáveis
onde:Y = Variável dependente;X = Variável independente;β0 e β1 = parâmetros da regressão;ε = erro aleatório
Resíduos devem ter:- Variância constante- Distribuição normal;- Independentes.
Tachibana et al (2007)
Análise de Regressão Linear ClássicaAnálise de Regressão Linear Clássica
Scatterplot (dados_plotI.sta 14v*100c)
EeduA = 36.8406-0.0993*x
5
6
7
altit:EeduA: r2 = 0.3811; r = -0.6173, p = 0.0003; y = 36.8405773 - 0.0993209871*x
Gráficos de dispersão de X e YCorrelação entre as variáveis
Altitude x abundância
Scatterplot (dados_plotI.sta 15v*100c)
Residuo_Eedu = 9.1632E-7-2.5172E-9*x
327.91 338.08 347.80 358.16 369.91-3
-2
-1
0
1
2
3
4
5
Res
iduo
_Eed
u
r2 = 0.0000; r = -0.0000, p = 1.0; y = 0.000000916323334 - 0.00000000251716376*x
327.91332.49
338.08342.83
347.80353.46
358.16362.93
369.91
altit
0
1
2
3
4
5
Eed
uA
R² = 0,3811p = 0,003Akaike = 112,051
327.91332.49
338.08342.83
347.80353.46
358.16362.93
369.91
altit
Histogram: Res_Eedu_alt
K-S d=.09844, p> .20; Lilliefors p> .20 Expected Normal
-4 -3 -2 -1 0 1 2 3 4 5
X <= Category Boundary
0
1
2
3
4
5
6
7
8
9
No.
of o
bs.
Análise de Regressão Linear ClássicaAnálise de Regressão Linear Clássica
Declividade x abundância
Scatterplot (dados_plotI.sta 14v*100c)
EeduA = 0.7221+0.0181*x
5
6
7
decl:EeduA: r2 = 0.0298; r = 0.1727, p = 0.3614; y = 0.722117737 + 0.0181028795*x
Scatterplot (dados_plotI.sta 16v*100c)
EeduA = 0.7221+0.0181*x
0
1
2
3
4
5
6
7
Eed
uA
decl:EeduA: r2 = 0.0298; r = 0.1727, p = 0.3614; y = 0.722117737 + 0.0181028795*x
27.0 45.1 53.2 59.8 66.1 73.5 80.0 89.8 95.9
decl
0
1
2
3
4
Eed
uA
R² = 0,0298p = 0,3614Akaike = 125,523
27.0 45.1 53.2 59.8 66.1 73.5 80.0 89.8 95.9
decl
Histogram: Res_Eedu_decl
K-S d=.11540, p> .20; Lilliefors p> .20 Expected Normal
-4 -3 -2 -1 0 1 2 3 4 5
X <= Category Boundary
0
1
2
3
4
5
6
7
8
No.
of o
bs.
Análise de Regressão Linear ClássicaAnálise de Regressão Linear Clássica
Scatterplot (dados_plotI.sta 14v*100c)
EeduA = -0.6479+0.0695*x
5
6
7
umid:EeduA: r2 = 0.0682; r = 0.2611, p = 0.1635; y = -0.647867983 + 0.069510892*x
Umidade do solo x abundânciaScatterplot (dados_plotI.sta 17v*100c)
Res_Eedu_umi = -4.1007E-7+1.0677E-8*x
-3
-2
-1
0
1
2
3
4
5
Res
_Eed
u_um
i
r2 = 0.0000; r = 0.0000, p = 1.0; y = -0.000000410069279 + 0.0000000106774879*x
22.403929.4867
32.377635.2905
38.111640.7962
43.593746.4605
56.9355
umid
0
1
2
3
4
Eed
uA
R² = 0,0682p = 0,1635Akaike = 124.315
22.403929.4867
32.377635.2905
38.111640.7962
43.593746.4605
56.9355
umid
-3
Histogram: Res_Eedu_umi
K-S d=.21065, p<.15 ; Lilliefors p<.01 Expected Normal
-3 -2 -1 0 1 2 3 4 5
X <= Category Boundary
0
1
2
3
4
5
6
7
8
9
No.
of o
bs.
Análise de Regressão Linear ClássicaAnálise de Regressão Linear Clássica
Abertura da copa x abundância
Scatterplot (dados_plotI.sta 14v*100c)
EeduA = 4.7556-0.3781*x
5
6
7
ab_copa:EeduA: r2 = 0.0835; r = -0.2890, p = 0.1214; y = 4.75562839 - 0.378070299*x
Scatterplot (dados_plotI.sta 18v*100c)
Res_Eedu_abco = 1.3316E-7-6.6072E-9*x
-2
-1
0
1
2
3
4
5
Res
_Eed
u_ab
co
r2 = 0.0000; r = -0.0000, p = 1.0; y = 0.000000133157543 - 0.00000000660718144*x
3.25 5.61 6.21 6.87 7.47 8.38 9.43 10.22
ab_copa
0
1
2
3
4
Eed
uA
R² = 0,0835p = 0,1214Akaike = 123.212
3.25 5.61 6.21 6.87 7.47 8.38 9.43 10.22
ab_copa
-3
Histogram: Res_Eedu_abco
K-S d=.10523, p> .20; Lilliefors p> .20 Expected Normal
-4 -3 -2 -1 0 1 2 3 4 5
X <= Category Boundary
0
1
2
3
4
5
6
7
8
No.
of o
bs.
ConsideraçõesConsiderações
- Somente com a variável altitude foi possível observar correlação em relação a abundancia de E. edulis
- Será que a influência espacial pode melhorar essa explicação?explicação?
MetodologiaMetodologia
Hipótese
Abundância AltitudeDeclividadeUmidade
Regressão espacial
Ab_copa
Análise estatística
Regressão simplesAnálise
Exploratória
Índice de Índice de MoranMoran
Esse índice analisa a autocorrelação espacial dos dados
- Global – baseada nas observações simultâneas no conjunto- Local – também indica o grau de associação espacial, porém sintetiza inúmeras possibilidades de padrões de associação local
Varia de -1 a 1:-1 autocorrelção espacial negativa
0 – sem correlação espacial+1 autocorrelação espacial positiva
Câmara et al (2002)
Autocorrelação espacial
ALTITUDE
I = 0,9055
p= 0,001
- Única variável que apresentou correlação espacial significativa
Autocorrelação espacial
ABUNDÂNCIA_T Transformação (T) = √ (abundância)
I = 0,5153I = 0,002
MetodologiaMetodologia
Hipótese
Abundância AltitudeDeclividadeUmidade
Regressão espacial
Ab_copa
Análise estatística
Regressão simplesAnálise
Exploratória
Regressão EspacialRegressão Espacial
Spatial Lag
Supõe que é possível capturar a estrutura de correlação espacial num únicoparâmetro adicionado ao modelo de regressão clássico.
Modelo Spatial Lag atribui a autocorrelação espacial à var. dependente Y.
onde:W = matriz de correlação espacial;WY = expressa a dependência espacial;ρ = coeficiente espacial autoprogressivo
Modelo Spatial Lag atribui a autocorrelação espacial à var. dependente Y.
Y = ρWY + Xβ + ε
Aguiar e Silva (2005)
SpatialSpatial LagLag
Análise do resíduoR² = 0,511205Akaike = 56,7576
p = 0,31I = -0,11
NOVANOVA Análise Análise de Regressão Linear de Regressão Linear ClássicaClássica
Scatterplot (dados_2.sta 14v*30c)
EeduA_T = 16.9227-0.0449*x
2.0000
2.2361
2.4495
alt_ptb:EeduA_T: r2 = 0.4349; r = -0.6595, p = 0.00007; y = 16.9227 - 0.0449*x
Scatterplot (dados_2.sta 15v*30c)
res_EeduAT = -4.1672E-8+5.5699E-11*x
327.9 332.5 338.1 342.8 347.8 353.5 358.2 362.9 369.9
alt_ptb
-2.0
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
res_
Eed
uAT
alt_ptb:res_EeduAT: r2 = 0.0000; r = 0.0000, p = ---; y = -4.1672E-8 + 5.5699E-11*x
Variância constante
Altitude x [√(Abundância)]
327.9 332.5 338.1 342.8 347.8 353.5 358.2 362.9 369.9
alt_ptb
0.0000
1.0000
1.4142
1.7321
2.0000
Eed
uA_T
R² = 0,4349p = 0,00007Akaike = 57,703
Histogram: res_EeduAT
K-S d=.09561, p> .20; Lilliefors p> .20
Expected Normal
-2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
X <= Category Boundary
0
1
2
3
4
5
6
7
8
9
10
11
No.
of o
bs.
Variância constante
Resíduos - normal
ResultadoResultado
R² = 0,511205R² = 0,3811
Regressão linear clássica
Regressão espacial (Spatial Lag)
R² = 0,4349
Regressão linear clássica (abundância
transformada)
R² = 0,511205
Akaike = 56,7576
R² = 0,3811
Akaike = 112,051R² = 0,4349
Akaike = 57,703
Pergunta inicialPergunta inicial
• Será que existe relação entre a abundância da Euterpe edulis Mart. e as variáveis ambientais (altitude, declividade, umidade de solo e (altitude, declividade, umidade de solo e abertura de copa), considerando a escala estudada?
ConsideraçõesConsiderações
- Mesmo na escala detalhada de estudo, é possível observar a influência do espaço nas análises de dados ambientais.
- Ainda é necessário aprofundar sobre as análises de - Ainda é necessário aprofundar sobre as análises de regressão espacial para esta área e, também, para as outras variáveis abióticas não analisadas.
- Melhorar o dado coletado, pois pode melhorar e indicar agrupamentos de abundância e evidenciar algumas relações ecológicas não consideradas para a região.
Referências bibliográficas utilizadas
AGUIAR, D.; SILVA, W. Análise Espacial da colheita de cana-de-açúcar no Estado de São Paulo. Apresentação oral. São José dos Campos, INPE, 2005. Disponível em: <http://www.dpi.inpe.br/cursos/ser301/trabalhos.html>. Acesso em: 01 de dezembro de 2009.
CÂMARA ,G.; CARVALHO, M.S.; CRUZ, O.G.; CORREA, V. Análise Espacial de Áreas. São José dos Campos, INPE, 2002. Disponível em: <http://www.dpi.inpe.br/gilberto/livro/analise/cap5-areas.pdf>. Acesso em: 27 de <http://www.dpi.inpe.br/gilberto/livro/analise/cap5-areas.pdf>. Acesso em: 27 de novembro de 2009.
TACHIBANA, V.M.; IMAI, N.N.; ENNES, R.; VICENTIN, D.M. Aplicação de técnicas utilizando regressão clássica e espacial na cidade de Presidente Prudente – SP. II Simpósio Brasileiro de Geomática e V Colóquio Brasileiro de Ciências Geodésicas. Presidente Prudente – SP, 24-27 de julho de 2007. p. 719-725.
VELOSO, H.P.; RANGEL FILHO, A.L.R. & LIMA, J.C.A. 1991. Classificação da vegetação brasileira, adaptada a um sistema universal. IBGE, Departamento de Recursos Naturais e Estudos Ambientais.