Análises estatísticas, parâmetros de diversidade e métricas da paisagem do Capítulo III Eixo

Todas as análises estatísticas foram realizadas no programa R (disponível em http://www.r-project.org), empregando pacotes específicos (BiodiversityR, mvabund, stats, venneuler, vegan). As análises foram realizadas através das seguintes abordagens metodológicas: 1) A suficiência amostral foi verificada com a elaboração da curva do coletor; 2) Gráficos de box-plot e de nuvem de frequência para visualizar diferenças entre abundância de mosquitos e riqueza de espécies; 3) Diagrama de Venn para verficar a composição de fauna específica em cada categoria de paisagens; 4) Índices de diversidade (Margalef, Shannon, Simpson, Berger-Parker e Pielou) para cada categoria de paisagens; 5) Análise de variância com teste de Tukey para comparar as métricas de paisagem; 6) Os índices de similaridade de Jaccard (Cj = |A∩B|

|A| + |B| - |A∩B| , onde |A∩B| é o

número de espécies presentes em ambas categorias, |A| e |B| número de espécies presentes apenas em uma das categorias) e Sørensen (CN = 2jN

(N_a + N_b) ), onde jN é a soma

da mais baixa das duas abundâncias para espécies encontradas em ambos os locais, Na e

Nb é o número de indivíduos no local A e no local B); 7) A distribuição de abundância

de espécies entre as categorias de paisagens foram verificadas por meio de análise multivariada de modelos lineares generalizados, descrita por WARTON & HUDSON, (2004) e WARTON, (2008).

O teste não paramétrico de Kolmogorov-Smirnov foi empregado para verificar se as métricas de paisagem tinham distribuição normal (a um nível de significância de 5%), quando não verificada a distribuição normal das variáveis foi utilizado o teste não paramétrico de Kruskal-Wallis (método de Bonferroni).

As métricas de paisagem foram geradas a partir de imagens de satélite Sentinel 2A, pertencente à Agência Espacial Europeia (ESA - European Space Agency) que registra imagens da superfície na faixa espectral do visível e infravermelho com resolução espacial de dez metros. A seleção das imagens considerou a menor porcentagem de nuvens, com data mais próxima possível das coletas de campo. As imagens foram baixadas do sítio eletrônico da ESA em formato raster e classificadas. Foram feitas as correções radiométrica e atmosférica, por meio de algoritmo desenvolvido pela ESA e

implementadas no software Sen2Cor (MUELLER-WILM et al., 2017). Após as correções, a refletância de topo de atmosfera foi transformada em refletância de superfície e a classificação das imagens foi supervisionada pela máxima verossimilhança, que representaram valores de reflexão característicos das classes determinadas: cobertura florestal e todas as outras demais classes, que foram agrupadas como não cobertura florestal. As análises e identificação das duas classes mapeadas foram realizadas em ambiente SIG.

A rede de drenagem foi construída a partir de modelos de elevações digitais de terreno (DEM - Digital Elevation Model) disponíveis no site da ESA, assim como as imagens de satélite utilizadas para a classificação. As bandas espectrais de cada uma das imagens foram compostas nas bandas 2, 3 e 4 a fim de gerar uma imagem final colorida para cada região dos pontos de coleta. A rede de drenagem indica onde a água tem maior probabilidade de se acumular de acordo com o relevo do terreno, porém, elas não indicam necessariamente áreas de rios ou riachos.

Em ambiente SIG, foi calculada a porcentagem de cobertura florestal (PLAND) para as paisagens já classificadas por meio da fórmula: PLAND = Pi =

∑n_{j =1}a_ij

A (100). Onde Pi

corresponde à proporção que a classe ocupa na paisagem (cobertura florestal), aij

corresponde à área de cada mancha de cobertura florestal ij; e A corresponde à área total da paisagem em análise. A densidade de bordas de fragmentos (DB), uma métrica de configuração da paisagem, foi calculada por meio da fórmula: DB = ∑mk =1eik

A (10.000).

Onde eik é o comprimento total da borda que envolve cada mancha de cobertura florestal

da paisagem e A corresponde à área total da paisagem em questão.

A Figura 8 ilustra as métricas de paisagem utilizadas. As manchas em cinza representam os fragmentos florestais que compõem a porcentagem de cobertura florestal (PLAND). As margens das manchas, em vermelho, representam o perímetro dos fragmentos florestais que compõe a densidade de borda (DB).

Figura 8 - Imagem ilustrativa das métricas de paisagem, as manchas em cinza representam fragmentos florestais, margens em vermelho o perímetro da borda dos

fragmentos, a circunferência em linha preta representa a área analisada e os espaços em branco as áreas de não floresta (pastagens, solo exposto, agricultura e outros).

Foram utilizadas análises de regressão linear simples e múltipla para avaliar as associações entre as abundâncias de Ny. darlingi com as métricas de paisagem, parâmetros de diversidade e rede de drenagem. Foram delineados cinco modelos: 1) abundância de Ny. darlingi, cobertura florestal1000, peridomicílio, densidade de borda500, peridomicílio e densidade de borda500, margem da mata; 2) abundância de Ny. darlingi, cobertura

florestal1000, peridomicílio, densidade de borda500, peridomicílio e densidade de borda500, margem da mata e riqueza; 3) abundância de Ny. darlingi, cobertura florestal1000, peridomicílio, densidade

de borda500, peridomicílio e densidade de borda500, margem da mata e índice de Shannon; 4)

abundância de Ny. darlingi, cobertura florestal1000, peridomicílio, densidade de borda500, peridomicílio e densidade de borda500, margem da mata e índice de Simpason; e, 5) abundância de

Ny. darlingi, cobertura florestal1000, peridomicílio, densidade de borda500, peridomicílio e

densidade de borda500, margem da mata e índice de Berger-Parker. Todos os modelos foram

ajustados pela distância entre o ponto de coleta da margem da mata e áreas de drenagem em virtude da bionomia da espécie, que ovipõe em coleções hídricas parcialmente sombreadas por vegetação arbórea. Foi utilizado o fator de inflação de variância (FIV) para medir quanto da variância de cada coeficiente se encontra inflado em relação à multicolinearidade entre as variáveis independentes dos modelos, onde FIV ≤ 5 não representa um alto nível de colinearidade (MENARD, 1995).

A distribuição das abundâncias de Ny. darlingi é discreta e agregada, desse modo, bem modelado por uma função binomial negativa, justificando-se assim o uso de modelos lineares generalizados para verificar as associações entre os números de mosquitos desta espécie coletados e as categorias de paisagens delineadas.

4. RESULTADOS