Particionando a diversidade beta

Funções do pacote betapart() (Baselga and Orme 2012)

A função desse pacote é disponibilizar um conjunto de ferramentas para calcular e particionar a diversidade beta em seus dois componentes descritos (turnover e nestedness)

Objetos utilizados

Primeiramente é necessário criar uma matriz de dissimilaridade (betapart object) baseado numa matriz de presença/ausência, necessário para outras análises utilizando a função betapart.core(). O conjunto de dados aceito para todas as funções do betapart() consiste em uma matrix (m) de presença (1) e ausência (0) de m espécies (colunas) em n locais (linhas).

#Criar objeto betapart
beta1980<- betapart.core(bbs1980) #Criando objeto da comunidade de Aves de 1980
beta2000<- betapart.core(bbs2000) #Criando objeto da comunidade de Aves de 2000

Agora com os objetos criados é possível calcular a diversidade beta total e seus 2 componentes (turnover e nestedness).

bm1980<-beta.multi(beta1980, "sorensen")
bm2000<-beta.multi(beta2000,"sorensen")

Função beta.pair()

Para calcular a diversidade beta total e seus componentes entre cada par de local amostrado utiliza-se a função beta.pair().

bp1980<-beta.pair(beta1980, "sorensen")
bp2000<-beta.pair(beta2000,"sorensen")

Para representar graficamente a diversidade beta pode ser feito uma análise de agrupamento (clusters) com os dados já calculados.

plot(hclust(bp1980$beta.sor, method="average"), hang=-1, main='', sub='', xlab='') 
title(xlab=expression(beta[sor]), line=0.3)

plot(hclust(bp2000$beta.sor, method="average"), hang=-1, main='', sub='', xlab='') 
title(xlab=expression(beta[sor]), line=0.3)

Para entender melhor o que torna as comunidades distintas é necessário entender o padrão dos valores dos componentes encontrados. Para isso podemos agrupar os valores de turnover e nestedness encontrados em cada comparação par-a-par de 2 locais diferentes em 2 períodos diferentes.

require(tidyverse)
#Acessando componentes
turnover<- as.matrix(bp1980$beta.sim) ##Para acessar o componente turnover
nestedness<- as.matrix(bp1980$beta.sne)##Para acessar o componente nestedness

#Manipulando os dados
library(reshape)
turnover<-melt(turnover)
nestedness<-melt(nestedness)

turnover<- data.frame(turnover, component = "turnover")
nestedness<- data.frame(nestedness, component = "nestedness")
df1<- bind_rows(turnover, nestedness)

Para representar os valores dos componentes encontrados utilizaremos um gráfico de densidade utilizando o pacote ggplot2()

ggplot(data=df1, aes(group = component,fill=component, x = value)) +
  geom_density(adjust=1.5, alpha = .8)+ theme_classic() + labs()

Podemos perceber que o componente nestedness possuem geralmente menores valores (0 - 0.25), dessa forma a distinção dessas comunidades é explicada principalmente pelo componente turnover, ou seja, pela reposição (substituição) de espécies entre um local e outro.

Qualquer dúvida, correção ou sugestão pode ser encaminhada para gfellipe5@gmail.com