Proposta 2

O movimento de um organismo é definido como uma mudança na localização espacial do indivíduo no tempo, impulsionado por processos que atuam em múltiplas escalas espaciais e temporais. Os animais se movem motivados pela necessidade de executar atividades em diferentes tipos de habitat em um determinado intervalo de tempo. Um passo fundamental na Ecologia do Movimento é a descrição dos padrões de movimentação e a identificação de seus impulsores proximais e distais, a partir de dados de telemetria. Com o cálculo do ângulo de giro médio e a auto-correlação de velocidade e direção podemos fazer inferências sobre os estados comportamentais. Movimentos altamente direcionais possuem ângulos de giro próximos a 0 ° e são consistentes a longas distâncias, provavelmente representando trânsitos através de habitat ou entre habitats distintos, ou seja, movimentos de trânsito. Movimentos localizados, mais variáveis e com uma taxa mais alta de ângulos de virada agudos, próximos a 180°, representam um comportamento de busca e exploração, consistindo em movimentos mais convolutos.

Legenda da imagem: a → movimentos direcionais; b → movimentos localizados

Essa função visa, a partir de dados de localização, estabelecer estados comportamentais para cada trajetória de diferentes indivíduos e associá-los ao gênero dos animais marcados com transmissores. Testando, a hipótese que propõe diferenças nos padrões de movimentação ou atividade entre machos e fêmeas.

estcomp (dados,coord, date, id,gen, sistcoord= CRS()).

• dados → data frame com os dados
• coord → coluna com coordenadas de localização (latitude e longitude).
• date → coluna com informações de dia e horário de cada localização #já que dados de telemetria as localizações obtidas são tipicamente dependentes da localização anterior e por isso espacial e temporalmente autocorrelacionadas.
• id → identificação de cada animal.
• gen → coluna com os gêneros dos animais.
• sistcoord → sistema de coordenadas

• class(coord) == “numeric”.
• class(gen) == “character”.
• length(coord) == length(gen).
• Verificar a presença de NAs em alguma das colunas → retirá-los (na.omit) e colocar um warning
• class(date) == POSIXct
• require(adehabitatLT) → requer pacote adehabitatLT

• traj ← as.ltraj(xy = coord, date= date, id= id, burst= id) # transformando em trajeto.
• plot(traj) #plotar a trajetória.
• traj.df ← ld(traj) # a função “ld” converte ltraj em dataframe para melhor manejo dos pontos.
• A função ltraj retorna os valores (entre outros):
• dist = distancia de cada passo.
• rel.angle = angulo relativo (radianos), angulo entre um passo e outro (mudança de direção).
• dt = tempo entre localizações sucessivas (em segundos).
• traj.df$vel ← (dist/dt)*3.6 #Calcular a velocidade entre um ponto e outro.
• Calcular a média de velocidade das fêmeas e a média de velocidade dos machos.
• Calcular a média dos ângulos de machos e fêmeas.
• Cálculo do “p-valor”

1. plot da trajetória
2. data frame contendo os valores de velocidade, distância do passo, ângulo
3. p-valor: probabilidade de machos e fêmeas se movimentarem com padrões diferentes.