Sou aluno de doutorado pela PG em Ecologia Aplicada da ESALQ/USP.

O título da minha tese é: “A persistência de tatus (Cingulata: Dasypodidae) em paisagens do Cerrado dominadas por agrossilvicultura”. Meu orientador é o Prof. Dr. Adriano Garcia Chiarello.

Email: thiagorodriguess@usp.br - Meu Lattes

Link para a página contendo meus exercícios: Exercícios

Contextualização:

Sabe-se que uma estratégia eficaz para lidar com a crescente crise da biodiversidade é acessar dados e informações disponíveis de forma aplicada. Dados primários da biodiversidade têm um papel fundamental neste processo e estão cada vez mais acessíveis de forma livre, compilados em banco de dados, sobretudo via “datapaper” (e.g. Hasuí et al. 2018, Gonçalvez et al. 2018). Saber como organizar e utilizar dados de distribuição e ocorrência de espécies é essencial, portanto, para identificar lacunas de conhecimento e direcionar decisões.

A proposta da função consiste em espacializar a distribuição de registros de espécies a partir de um data.frame com três colunas (latitude, longitude, espécies), gerando diferentes mapas do Brasil com diferentes tamanhos de grid definido pelo usuário. Além disso, a função tem por finalidade quantificar estudos e espécies por célula do grid e plotar essas informações em mapas individuais. Por fim, gerar uma lista com dois níveis: a) data.frame(info_mapa) com cinco colunas contendo informações extraídas dos mapas; b) data.frame(lacuna_de_conhecimento) com cinco colunas contendo a quantidade de células com estudo, quantidade de células sem estudo, probabilidade da área coberta com estudo, valor máximo de estudo encontrada e valor máximo de riqueza encontrada.

Planejamento da função:

Entrada: biomap (dados, grid.size)

• dados = data.frame contendo 3 colunas
  • long = longitude em graus decimais (classe: numeric)
  • lat = latitude em graus decimais (classe: numeric)
  • especie = nome das espécies (classe: character)
• grid = tamanho das células do grid em graus de latitude e longitude (classe: integer 1 ≤ grid ≤ 10)

Verificando parâmetros:

• Objeto dados é um data.frame? Se não, escreve: “precisa ser um data.frame com 3 colunas de acordo com o indicado)”
• No argumento grid o valor é ≥ 1 e ≤ 10? Se não, escreve: “grid deve estar no intervalo 1 ≤ grid ≤ 10”

Pseudocódigo:

1. Leitura dos pacotes “raster”, “sp”
2. Cria objeto brasil (shapefile; necessário internet)
3. Cria objeto dados com a leitura do data.frame
4. Cria objeto coords com as coordenadas longitude e latitude do data.frame
5. Mostra para o R que se trata de coordenadas
6. Verificação e atribuição de projeção às coordenadas
7. Plota o mapa do Brasil com as coordenadas dos locais de estudo (1º dispositivo gráfico e produto)
8. Cria objeto grid (classe: raster)
   1. Atribui a resolução (tamanho) do grid
   2. Atribui a mesma projeção do Brasil ao grid
   3. Corta o grid apenas para a região do Brasil
   4. Une grid ao mapa do Brasil
9. Quantifica quantidade de estudos por célula do grid
10. Adiciona a quantidade de estudos às células do grid
    1. Plota o mapa do Brasil com o grid e a quantidade de estudos por célula do grid (2º dispositivo gráfico e segundo produto)
11. Quantifica quantidade de espécies únicas dentro de cada célula do grid
12. Adiciona a quantidade de espécies (riqueza) às células do grid
    1. Plota o mapa do Brasil com o grid e a riqueza de espécies por célula do grid (3º dispositivo gráfico e terceiro produto)
13. Cria data.frame info_mapa com todas as informações quantificadas nos mapas gerados.
14. Cria data.frame lacuna_de_conhecimento com a quantidade de células com e sem estudo.
15. Cria lista resultado com os dois data.frames acima e retornando e disponibilizando objeto ao usuário.

Saída:

• Mapa do Brasil com a distribuição dos locais de estudo
• Mapa do Brasil com a quantidade de locais de estudo por célula
• Mapa do Brasil com a riqueza de espécies por célula
• Uma lista com dois níveis:
  • data.frame = todas as informações quantificadas nos mapas gerados
  • data.frame = quantidade de células com e sem estudo.

Produto gráfico esperado para mapas 2 e 3:

Figura 4 - Bernard et al. 2010 - bernard_2010.pdf

Referências:

GONÇALVES, F. et al. 2018. ATLANTIC MAMMAL TRAITS: a data set of morphological traits of mammals in the Atlantic Forest of South America. ECOLOGY 99: 498-498.

HASUI, E. et al. 2018. ATLANTIC BIRDS: a data set of bird species from the Brazilian Atlantic Forest. ECOLOGY 99: 497-497.

BERNARD, E., AGUIAR, L.M.S. & MACHADO, R.B. 2010. Discovering the Brazilian bat fauna: a task for two centuries? Mamm. Rev 41: 23-39.

Contextualização:

Sinais deixados por mamíferos, como rastros, trilhas, tocas, arranhões, fezes, pelos entre outros podem ser uma ferramenta importante para a identificação de espécies, principalmente em relação àquelas de difícil observação na natureza. O grupo dos tatus é um exemplo de espécies com baixa probabilidade de detecção/observação na natureza. Contudo, possuem o hábito de construírem tocas. Assim, desenvolver metodologias eficazes e rápidas que facilitem na identificação dos tatus é essencial para aumentar o conhecimento deste grupo, há tempos negligenciado, sobretudo a respeito do papel ecossistêmico desenvolvido pelas diferentes espécies de tatus em diferentes contextos de paisagens.

A proposta da função consiste em diferenciar as espécies de tatus a partir de cinco medidas (altura da toca, largura da toca, ângulo de inclinação, profundidade e azimute) de forma automatizada.

Para o cálculo da excentricidade da toca será utilizado o seguinte cálculo: E = c/a

Para o cálculo do perímetro da toca será utilizado o seguinte cálculo:

Planejamento da função:

Entrada: tatu.ID (altura, largura, angulo, profundidade, azimute)

• altura = altura da toca em cm (classe: numeric)
• largura = largura da toca em cm (classe: numeric)
• angulo = angulo de inclinação da toca em graus (classe: numeric)
• profundidade = profundidade da toca em cm (classe: numeric)
• azimute = angulo azimute da toca em graus (classe: numeric)

Verificando os parâmetros:

• Todos os objetos foram inseridos? Se não, escreve: “Objeto altura e largura são obrigatórios”
• Todos os objetos possuem a mesma quantidade de elementos? Se não, escreve: “é preciso entrar objetos com a mesma quantidade de dados”
• altura é um número decimal > 0? Se não, escreve: “altura precisa ser um número decimal > 0?
• largura é um número decimal > 0? Se não, escreve: “largura precisa ser um número decimal > 0?
• profundidade é um número decimal > 0? Se não, escreve: “profundidade precisa ser um número decimal > 0?

Pseudocódigo:

1. Cria data.frame resultado1 com altura NAs e largura NAs.
2. Função for() para o cálculo da excentricidade.
3. Função for() para o cálculo do perímetro.
4. Colocar resultado das etapas 2 e 3 no resultado1.
5. Utiliza a função if() para selecionar dados calculados em intervalos específicos de cada uma das espécies.
6. Realiza uma ANOVA para testar diferença das tocas relativas a cada espécie.
7. Cria objeto resultado2 com a quantidade de tocas por espécie.

Saída:

• Um data.frame com espécie[,1], quantidade de tocas por espécie [,2].
• Um vetor com quantidade de tocas não identificadas.

Referências:

ABBA A.M, VIZCAÍNO S.F, CASSINI, M.H. 2007. Effects of land use on the distribution of three species of armadillos in the Argentinean Pampas. J Mammal. 88: 502–507.

CARTER, T.S.; ENCARNAÇÃO, C.D. 1983. Characteristics and use of burrows by four species of armadillos in Brazil. Journal of Mammalogy 64(1): 103-108.

TROVATI, R. G. 2015. Differentiation and characterization of burrows of two species of armadillos in the Brazilian Cerrado.Revista Chilena de Historia Natural 88(19): 1-8.

Link para a página da minha função: FUNÇÃO "biomap"
Link para a página de ajuda da minha função: HELP - FUNÇÃO "biomap".

Arquivos:
Arquivo para rodar o exemplo1 da função: hasui_et_al_2018_subsetdata.csv
Código da função “biomap”:biomap.r
Help da função “biomap”:biomap_help.txt