sábado, 6 de abril de 2013

Análises funcionais, métodos estatísticos para se mensurar a diversidade funcional


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 2013) 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 da UFG 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 

Etienne Laliberté and Pierre Legendre. 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 

Norman W. H. Mason; David Mouillot; William G. Lee; J. Bastow Wilson. 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 

Owen L. Petchey & Kevin J. Gaston. 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. 2013. 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 

S. Villéger, N. W. H. Mason and, D. Mouillot. 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, L. A. Beche. 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 

5 comentários:

  1. Muito bom...parabéns pela iniciativa..

    mas fiquei curioso com a plano de fundo ...da margem esquerda do vídeo....parece bobeira mas isso é um Canthon (besouro rola bosta) dento d´água....abraço

    ResponderExcluir
    Respostas
    1. Realmente meu amigo, tá bom de olho!! São fotos do projeto Invertebrados da Bodoquena em 2009, as fotos foram feitas de cima do pitfall no lado norte da serra pelo prof. Paulo Robson (UFMS).
      Abraço

      Excluir
  2. Mais uma vez arrasou na postagem, professor! De forma simples e objetiva explicou muito bem a essência das análises funcionais! Parabéns!

    ResponderExcluir
  3. Sou fã desse seu texto! Sempre me ajuda muito!

    ResponderExcluir
  4. Meus parabéns. Excelente seu texto. Objetivo e coerente.

    ResponderExcluir

Olá, obrigado por contribuir!