====== Estrutura Espacial de Populações ====== {{::yannarthurs.jpg?400 |}}Reconhecer padrões é uma fase importante no procedimento científico. Um padrão é uma regularidade discernível com elementos que se repetem de maneira previsível. A recorrência de eventos ou elementos, em geral, está associada a algum processo que a gera. Por esse motivo, o reconhecimento de padrões é uma fase importante do procedimento científico. Nesse tutorial vamos tratar do reconhecimento do padrão mais básico de uma população de organismos: se os indivíduos estão espacialmente mais próximos ou mais afastados do que seria esperado se simplesmente fossem distribuídos ao acaso ((ou seja, a localização de um indivíduo não melhora a predição de onde outros indivíduos podem estar)). ===== Objetivo ===== {{ ::26_fha_rshow_terra3.jpg?300|}}Nesta prática iremos investigar o padrão espacial em uma populações de plantas e discutir quais processos subjacentes poderiam gerar os padrões observados. Antes de tudo, porém, precisamos definir alguns conceitos. ===== 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 {{::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. * aleatório: a distribuição dos indivíduos não é diferente do que seria esperado por uma distribuição ao acaso * homogêneo: os indivíduos estão regularmente espaçados. É chamado também de padrão disperso, pois é o maior distanciamento possível entre indivíduos * agregado: os indivíduos estão mais próximos do que esperado por um padrão aleatório 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 de uma população. Nesta prática veremos dois tipos de medida, uma delas baseada em contagens em parcelas e outra baseada nas distâncias entre indivíduos. Algumas propriedades desejáveis de uma medida de agregação são: * diferenciar claramente o padrão: desde a total uniformidade até a aleatoriedade e a agregação; * não ser afetada por: tamanho da amostra, densidade populacional ou pela variação no tamanho e na forma da parcela; * ser estatisticamente tratável: possível calcular um intervalo de confiança e testar a diferença entre amostras. Nesse tutorial utilizaremos dois tipos de medidas muito diferentes para caracterizar a distribuição espacial da população do palmito juçara, na Ilha do Cardoso. Para tanto vamos usar os dados da parcela da Ilha do Cardoso de duas formas: //**__LINK DAS ATIVIDADES__**// * [[ep1|Parte 1]]: simulando amostras dentro da parcela; * [[ep2|Parte 2]]: utilizando os dados de toda a parcela; No primeiro caso estamos simulando uma amostragem usual em estudo de padrão espacial: um conjunto de unidades amostrais aleatórias na área de estudo. No segundo, estamos olhando a totalidade do nosso universo de estudo, em um censo. No primeiro caso inferindo a estrutura espacial a partir da amostra, no segundo estamos descrevendo o padrão da área de estudo. Para a prática, usaremos uma ferramenta chamada [[http://en.wikipedia.org/wiki/VirtualBox|Máquina Virtual]], na qual já temos instalados os arquivos e os programas que vocês irão usar. Na máquina virtual teremos um sistema operacional (ru)windows com uma ferramenta adicional do Excel, o [[http://www.resample.com/|Resampling]] e um programa de análises espaciais chamado [[http://www.oesa.ufz.de/towi/towi_programita.html|Programita]]. Para entrar na máquina virtual: * clique em Iniciar -> Programas -> Oracle VM Virtual Box * clique 2x na opção xpW e irá iniciar o WindowsXP Na área de trabalho tem duas pastas que você irá usar: **DadosAlunos** e **dados_eut** para a **Parte 1** e **2**, respectivamente.