Use este identificador para citar ou linkar para este item:
http://ri.ufmt.br/handle/1/5930| Tipo documento: | Dissertação |
| Título: | Análise de coordenadas principais de matrizes de vizinhança (PCNM) e o efeito da distância de truncamento nos padrões espaciais gerados |
| Autor(es): | Leão Neto, Wilson Mamedes |
| Orientador(a): | Landeiro, Victor Lemes |
| Membro da Banca: | Landeiro, Victor Lemes |
| Membro da Banca: | Nunes, Rafael Vieira |
| Membro da Banca: | Freitas Junior, Djair Sergio de |
| Membro da Banca: | Venere, Paulo César |
| Resumo : | Os ecólogos Pierre Legendre e Daniel Borcard propuseram em seu artigo de 2002 um método, Principal Coordinate of Neighbor Matrix (PCNM), para descrever, detectar e quantificar padrões espaciais de correlação em diversas escalas. A PCNM funciona utilizando uma matriz de distâncias na qual um valor de distância (distância de truncamento) é pré-definido como limiar de vizinhança. Em seu modelo original é utilizado a distância máxima de uma Minimum Spanning Tree como distância de truncamento. Apesar de ser a medida de truncamento comumente utilizada, é possível utilizar outros valores de truncamento que se adequam melhor aos dados. Desta forma, este trabalho testa a hipótese de que, diferentes valores de truncamento afetam a representação dos filtros espaciais gerados pelo método de PCNM e que possivelmente a escolha arbitraria de uma distância de truncamento poderia levar a diferentes conclusões. Para a análise, foram utilizados cinco conjuntos de dados geográficos com dados de organismos associados a eles. Para testar a hipótese, foram realizadas PCNMs com distância de truncamento ao longo de toda a extensão dos conjuntos de dados geográficos (da menor distância à maior distância entre os pontos). Elas então foram aplicadas a uma Análise de Redundância (RDA) para análise da contribuição, das PCNMs, para explicação dos dados de organismos, de cada conjunto geográfico. Os resultados das PCNMs ao longo da extensão de distâncias dos conjuntos de dados geográficos mostram que a distância de truncamento tem grande influência sobre o número de filtros gerados e sobre a explicação da distribuição de dados nas RDAs. Para grupos de organismos como Trichoptera, Oribatida da análise dos dados mite e de zooplâncton as PCNMs variaram de nenhuma explicação pelo à uma explicação quase total dos dados (R² = 1) pelo espaço, dependendo da distância de truncamento utilizada. Os resultados mostraram que, em geral, ao se utilizar uma medida de conectividade pré-definida, como a da Minimum Spanning Tree, os resultados obtidos podem subestimar os efeitos do espaço. Para organismos nos quais a PCNM com distância de truncamento padrão não pode explicar nada, realizar PCNMs ao longo da extensão da matriz de distância permitiu encontrar distâncias que explicam de forma significativa os dados (P<0,05). É concluído, ao fim, que a distância de truncamento influencia tanto no número de filtros gerados, quanto no poder de explicação dos padrões espaciais em análises de RDA, podendo assim levar a diferentes percepções dos resultados. |
| Resumo em lingua estrangeira: | The ecologists Pierre Legendre and Daniel Borcard have proposed in their paper of 2002 a method, the Principal Coordinate of Neighbour Matrices (PCNM), to detect and quantify the spatial correlation patterns on several spatial scales. The PCNM works by using a distance matrix in which a predefined distance value (truncation value/threshold value) is used to determine the type of connection between spatial areas (the truncation of the distance matrix). In the original model it’s used the Minimum Spanning Tree type of connection as truncation value. Although the Minimum Spanning Tree is the default truncation value in R program and is widely used in ecology analysis for the application of PCNM, it is possible to use other types of connections or values as threshold for PCNM that are better adapted for the data. As such, this paper tries to test the hypothesis that different truncation values have a great influence in the results of the spatial filters produced by PCNM analysis and that likely the arbitrary choose of a truncation value can lead researchers to different conclusions. To test the hypothesis, we utilized five different geographic sampling patterns data, with biological data as associated to them. We applied PCNMs with several different truncation values to all five geographic sampling data types to analyze their response to the biological data in a Redundancy Analysis (RDA) and the filters generated by the PCNMs. Our results show that PCNMs is highly affected by the choose of the truncation value, particularly the number of fine scale filters that the PCNMs are able to produce. This has a high effect over the power of explanation when they are applied to analyze the spatial pattern of the biological data in RDA. For some species analyzed, such as Trichoptera and Oribatida, the PCNMs varied from non-explanation to an explanation of almost 100%, of the data distribution. Also, the truncation value that grants the analyse of biological distribution in RDA with PCNMs a high explanation can vary a lot between specie in the sampling data used. So, the usage of a predefined truncation value, such as the Minimum Spanning Tree, may underestimate the spatial autocorrelation in data. The change of the truncation values for PCNMs lead na increase of the adjusted R², with significant P value (<0.05), for many of the species analyzed, including the ones in which the PCNM with the threshold produced by the Minimum Spanning Tree could find no explanation. We conclude that the truncation value has great influence over the number of filters produced by PCNMs and the power of explanation of those filters. In order to make a good application of this method it’s necessary a better understanding of the kind of sampling area and its spatial distribution, as well a broad understanding of the PCNM components. We hope that our study helps other researchers to have a better understanding of this method. |
| Palavra-chave: | PCNM Distância de truncamento Ecologia e conservação Correlação espacial Partição de variância |
| Palavra-chave em lingua estrangeira: | PCNM Truncation value Ecology and conservation Spatial correlation Partitioning variation |
| CNPq: | CNPQ::CIENCIAS BIOLOGICAS::ECOLOGIA |
| Idioma: | por |
| País: | Brasil |
| Instituição: | Universidade Federal de Mato Grosso |
| Sigla da instituição: | UFMT CUC - Cuiabá |
| Departamento: | Instituto de Biociências (IB) |
| Programa: | Programa de Pós-Graduação em Ecologia e Conservação da Biodiversidade |
| Referência: | LEÃO NETO, Wilson Mamedes. Análise de coordenadas principais de matrizes de vizinhança (PCNM) e o efeito da distância de truncamento nos padrões espaciais gerados. 2023. 71 f. Dissertação (Mestrado em Ecologia e Conservação da Biodiversidade) - Universidade Federal de Mato Grosso, Instituto de Biociências, Cuiabá, 2023. |
| Tipo de acesso: | Acesso Aberto |
| URI: | http://ri.ufmt.br/handle/1/5930 |
| Data defesa documento: | 20-Set-2023 |
| Aparece na(s) coleção(ções): | CUC – IB – PPGECB – Dissertações de mestrado |
Arquivos deste item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| DISS_2023_Wilson Mamedes Leão Neto.pdf | 1.43 MB | Adobe PDF | Ver/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.