IV – MATERIAL E MÉTODOS
4.5. Análise dos dados
4.5.1. Análise dos dados espacializados através de mapas
Esta etapa é definida pela verificação da correspondência entre distribuição do número de espécies arbóreas e os fatores ambientais, a partir do cruzamento das informações levantadas e mapeadas.
Fez-se uma comparação entre os resultados encontrados pelo cruzamento dos dados mapeados de distribuição do número de espécies arbóreas com os dados ambientais.
A análise de Regressão Linear foi possível através do cruzamento dos mapas, sendo o mapa de distribuição do número de espécies arbóreas considerado a variável dependente e os outros (geomorfologia e variáveis climáticas) as variáveis independentes. Está análise foi efetuada através dos módulos REGRESS (regressão linear simples) e MULTREG (regressão linear múltipla) do IDRISI for Windows.
O módulo REGRESS analisa a relação entre duas imagens ou entre dois arquivos de valores de atributos, a fim de avaliar sua correlação.
A fórmula de uma regressão linear é: Y= a+bX
- onde a é o ponto intercepto do eixo das ordenadas (Y) b é a declividade da reta. X é a variável independente e Y a variável dependente.
O resultado apresentado é o índice de correlação estatística “r” e o coeficiente de determinação “r2”, ambos indicam o grau de relacionamento entre as duas variáveis de entrada.
O coeficiente “r2” é expresso em percentagem e indica quanto da variável dependente é
explicado pela variável independente.
O módulo MULTREG permite realizar uma regressão linear múltipla entre diferentes variáveis, pois neste caso pode-se analisar diversas variáveis explicativas (ou independentes) que auxiliam na predição da variável dependente. No caso de três variáveis independentes como
feito neste estudo, a equação da regressão linear múltipla (Kleinbaum et al., 1988), pode ser descrita como:
Y=a+b1*x1+b2*x2+b3*x3
- onde Y é a variável dependente: x1, x2 e x3 são as variáveis independentes; a é o
intercepto; e b1, b2 e b3 são os coeficientes das variáveis independentes x1, x2 e x3.
O intercepto representa o valor de Y quando os valores das variáveis independentes forem 0 e o parâmetro coeficiente indica a mudança em Y para um incremento de uma unidade na variável independente correspondente.
A partir das funções disponíveis no SIG IDRISI, a função utilizada para o cruzamento e análise de correlação entre a distribuição areal do número de espécies arbóreas e os fatores ambientais foram à tabulação cruzada das informações (dentro do menu Analise estatísticas /crosstabulation), onde foi fornecido o índice de correlação entre os mapas, conhecido como índice de Cramer´s V.
Este índice é uma medida nominal de associação para o índice de correlação de pixel, e é obtido através da associação entre as imagens (no caso os mapas temáticos), onde categorias de uma célula são comparadas com as de outra, conservando-se o número de pixel para cada combinação. A correlação do coeficiente pode apresentar valores de 0, indicando não correlação, e 1,0 indicando perfeita correlação (Ott et al., 1983).
Neste estudo os layers, ou conjunto de mapas temáticos organizados em camadas (Tomlin, 1990), elaborados para as variáveis ambientais que caracterizam a área de estudo, foram cruzados dentro SIG SPRING, que permitiu o cálculo das áreas em hectares para as variáveis analisadas.
4.5.2. Análises dos dados pontuais estruturados através de planilhas
4.5.2.1. Distribuição do número de espécies arbóreas em função das coordenadas geográficas (latitude e longitude)
Foi realizada uma análise de correlação entre a distribuição do número de espécies arbóreas amostrado, em função das coordenadas geográficas, latitude e longitude. A correlação
utilizada foi de Pearson, a partir do Programa Estatística. O valor de correlação é significativo quando p <,05.
4.5.2.2. Índice de similaridade florística
Foram feitas análises estatísticas para avaliar similaridade florística entre as áreas estudadas. O índice de similaridade utilizado foi o índice de Jacard (Krebs, 1989).
a Sj = a+b+c
Sj = coeficiente de similaridade de Jacard
a = número de espécies ocorrentes na amostra A e na amostra B
b = número de espécies presentes na amostra B e ausentes na amostra A c = número de espécies presentes na amostra A e ausentes na amostra B
4.5.2.3. Análise de Agrupamento
A similaridade foi verificada também a partir da análise de agrupamento (cluster), onde o agrupamento é feito a partir da média aritmética de seus elementos, o método utilizado é UPGMA (Romesburg, 1984).
4.5.2.4. Análises fatoriais de correspondência
Utilizou-se de análises fatoriais de correspondência (CORBI), a partir do programa SPAD 3. Este tipo de análise é bem utilizado em Ciências Humanas e Econômicas, para manejar grande quantidade de dados e descrever a agregação de variáveis, analisando os efeitos e multicomponentes dos fatores em correlação.
Este tipo de análise consiste na construção de uma grande representação de um conjunto de linhas e colunas de variáveis de dados pontuais (Lebart e Fénelon (1971) e Benzécri (1973)). O resultado da análise consiste na hierarquia do conjunto de fatores, determinados pela estrutura dos dados e na forma como estão distribuídos.
Existem tantos fatores (ou axés) como o número de colunas dentro da planilha original. O fator 1 é o que explica a maior variância dos dados, seguido pelo fator 2, 3 e os demais. As informações representadas pelos últimos fatores da hierarquia, em geral são negligenciáveis (Benzécri, 1973).
A análise fatorial de correspondência permite simplificar a representação de planilhas e ao mesmo tempo de limitar a perda de informação. Permite fazer a ponderação das variáveis, dando um peso equivalente a cada uma. Por isso, se utiliza no método o cálculo de distâncias muito parecidas a Khi2, permitindo realizar o reagrupamento de classes vizinhas sem modificar
os resultados das outras classes.
A planilha utilizada para as análises fatoriais de correspondência, neste estudo, inclui 8 variáveis relacionadas aos 8 Estados, por onde se distribuem as Matas Ombrófilas, com 1837 linhas de presença e ausência de espécies arbóreas.
Como informações complementarias foram agregadas nove linhas suplementarias, incluindo médias de coordenadas geográficas (latitude, longitude), altitude, variáveis climáticas (precipitação pluviométrica, temperatura, insolação anual e evapotranspiração real).
Devido à repartição das espécies ter sido feita por Estado, através de dados binários de presença e ausência, como também pelo fato dos dados resultarem de médias e medidas métricas, os parâmetros não se misturam para os cálculos. As 1837 linhas (ativas) das espécies foram utilizadas para o cálculo dos fatores.
Foi sobre estas variáveis que se calculou a contribuição dos principais fatores. Os dados de climatologia estão somente parametrados como linhas suplementares ou linhas ilustrativas, no caso da análise de repartição das espécies arbóreas. Isto significa que não participaram dos cálculos, mas que, com base em suas medidas de quantificação, estão projetadas dentro do sistema de fatores. O modo de cálculo do valor teste foi em médias ponderadas para melhorar a comparação.
Para complementação das análises, fez-se um estudo da tipologia do conjunto de dados climáticos por ponto de coleta. Nesta análise todas as linhas são ativas, e todas participam dos cálculos, as coordenadas de cada ponto foram conservadas com médias ponderadas.
Elaborou-se uma planilha de 10 colunas (variáveis), incluindo dados de latitude, longitude, atitude, precipitação pluviométrica, temperatura (0C), insolação (hs), evapotranspiração (mm) e
estabelecida, de acordo com a área em hectares de cada Unidade calculada para os intervalos de distribuição do número de espécies arbóreas. Isto foi possível com o cruzamento dos mapas de Unidades Geomorfológicas e de distribuição do número de espécies arbóreas, a partir do software IDRISI 32.
As 58 linhas, correspondentes aos 58 pontos de coletas, estão assim distribuídas, a saber: - Alagoas, 13 pontos; Bahia, 10 pontos; Espírito Santos, 3 pontos; Rio de Janeiro, 2
pontos; São Paulo, 14 pontos; Paraná, 1 ponto; Santa Catarina, 9,e Rio Grande do Sul, 6.
É necessário ressaltar que, lamentavelmente não foi possível, com segurança científica, a obtenção da repartição exata das espécies arbóreas por pontos de coletas. Pois neste caso, seria possível uma informação melhor documentada, o que haveria permitido outras análises estatísticas inferenciais muito mais potentes para estudar especificamente a diversidade e composição florística das matas estudadas.
4.5.2.5. Análise da distribuição das espécies segundo os Estados
Com objetivo de ilustrar os resultados das análises fatoriais de correspondência, fez-se o cálculo das distribuições de todas as espécies (1837), que figuram na planilha elaborada no programa Excel, segundo as três modalidades seguintes:
- em função da representação das espécies ser por Estados, calculou-se, em porcentagem do total, o número de espécies presentes em um só Estado; dois Estados e sucessivamente de todos os 8 Estados estudados;
- calculou-se a repartição das espécies presentes especificamente em cada um dos Estados. O cálculo se baseou em porcentagem do total de espécies de cada Estado, o que permitiu comparar a quantidade de espécies especificas de cada Estado, segundo os dados dos levantamentos florísticos utilizados.
- o mesmo processo foi aplicado para a repartição das espécies restritas a dois Estados. Considerou-se um Estado como referência, para descrever como se distribuem as espécies comuns aos dois Estados vizinhos e com os Estados mais distantes. Esta análise permitiu ilustrar de maneira preliminar e descritiva, o fluxo da composição das espécies dos Estados por onde se distribuem as Matas Ombrófilas.
V. RESULTADOS
5.1. Resultados apresentados para as análises espacializadas através dos mapas