RESERVA NATURAL VALE
livrofloresta
livrofloresta
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
FLORESTA ATLÂNTICA DE TABULEIRO: DIVERSIDADE E ENDEMISMOS NA <strong>RESERVA</strong> <strong>NATURAL</strong> <strong>VALE</strong><br />
taxidermizado e depositado na Coleção de<br />
Mamíferos da Universidade Federal do Espírito<br />
Santo (Ufes-MAM). Todos os procedimentos<br />
envolvendo a captura e a marcação de pequenos<br />
mamíferos foram realizados sob autorização do<br />
órgão ambiental competente (Licença Sisbio n°<br />
27369-4).<br />
Análise de Dados<br />
Cada sítio (ou transecto) foi considerado como<br />
uma unidade amostral. Os valores de diversidade<br />
alfa e beta foram obtidos para cada sítio por meio<br />
de regressões lineares de log de espécies e log<br />
de indivíduos (Hubbell, 1997) usando o modelo<br />
linearizado de Arrhenius (1922), onde Log S = Log c +<br />
z LogA, sendo: S = riqueza de espécies, c = intercepto<br />
da regressão (diversidade alfa) e z = inclinação da<br />
regressão (diversidade beta). Foram utilizados os<br />
conceitos de diversidade alfa e beta propostos por<br />
Hubbell (1997). Dessa forma, em um modelo de<br />
regressão linear, a diversidade alfa é representada<br />
pelo intercepto da regressão e corresponde ao<br />
número de espécies adicionadas considerando um<br />
número mínimo de amostras (no presente estudo,<br />
os indivíduos foram considerados como amostras).<br />
Já a diversidade beta é representada pela inclinação<br />
das linhas (valor de z) e é maior quando a linha é<br />
mais inclinada, significando que um maior número<br />
de espécies é adicionado quando mais indivíduos<br />
são amostrados. A diversidade alfa e beta foram<br />
comparadas entre os sítios amostrados através do<br />
Teste F e dos intervalos de confiança. Uma linha de<br />
tendência foi inserida no gráfico de dispersão dos<br />
valores obtidos utilizando uma função linear para<br />
obter os valores de ajuste e confiabilidade para cada<br />
caso a partir do R 2 .<br />
Para verificar a composição de espécies e a<br />
estrutura da comunidade de pequenos mamíferos<br />
nos sítios amostrados, foi realizada uma análise<br />
de ordenação não-métrica (NMS, do inglês<br />
Nonmetric Multidimensional Scaling) com 1.000<br />
aleatorizações. Após essa análise exploratória,<br />
foi usada a análise ANOSIM (do inglês Analysis<br />
of Similarity) para verificar a similaridade na<br />
composição de espécies entre os tratamentos.<br />
Para isso, foi utilizado o índice de Jaccard. Para<br />
analisar os dados de estrutura da comunidade, foi<br />
considerada a abundância relativa de cada espécie<br />
capturada em cada sítio e também foi utilizado o<br />
ANOSIM, porém, adotando o índice de similaridade<br />
de Bray-Curtis. As análises NMS foram realizadas<br />
no programa Primer v6.<br />
Para verificar a influência da conectividade<br />
promovida pelos corredores de vegetação (neste<br />
estudo chamado de fragmentos florestais lineares),<br />
todos os parâmetros descritos anteriormente<br />
foram comparados entre os sítios amostrados.<br />
Para verificar se a distância em relação à floresta<br />
contínua influencia a composição e a estrutura<br />
da comunidade de pequenos mamíferos, foram<br />
construídos modelos gerais linearizados (GLM,<br />
do inglês General Linear Models) considerando<br />
a distância até a floresta contínua como variável<br />
preditora (ver dados de distância de cada sítio<br />
até a floresta contínua apresentados na Tabela<br />
1). Os eixos gerados pelo NMS serviram como<br />
proxy da composição e estrutura da comunidade<br />
(para detalhes, ver Barlow et al., 2010; Magnago<br />
et al., 2014) e foram considerados como variável<br />
resposta.<br />
A autocorrelação espacial dos resíduos para<br />
todos os modelos citados foi verificada por meio<br />
de correlograma I de Moran (Diniz-Filho et al.,<br />
2003). O número e o intervalo entre classes<br />
de distância dos correlogramas seguiu o default<br />
do programa SAM 4.0 (Rangel et al., 2010). A<br />
significância da autocorrelação espacial dos<br />
resíduos foi avaliada pela correção sequencial de<br />
Bonferroni (Fortin & Dale, 2005). Os resíduos<br />
dos modelos que consideraram a estrutura da<br />
comunidade não apresentaram autocorrelação<br />
espacial, uma vez que todos os coeficientes<br />
I de Moran foram menores do que 0,25 e<br />
não foram significativos. Porém, os resíduos<br />
dos modelos de composição apresentaram<br />
autocorrelação espacial em pelo menos uma<br />
classe de distância do correlograma e, portanto,<br />
foram adotadas medidas corretivas para lidar<br />
com a autocorrelação espacial (Diniz-Filho et al.,<br />
2003). Filtros espaciais foram gerados e incluídos<br />
como variáveis fixas nesses modelos. Os filtros<br />
espaciais foram obtidos pelo método de “Moran’s<br />
Eigenvector Map” (MEM), a partir de uma matriz<br />
das coordenadas geográficas das amostras,<br />
por meio do pacote ‘spacemakeR’ (DRAY et al.,<br />
2006) do programa R. Análise de redundância<br />
424