Análises dos dados

3.4.1 Definições e testes estatísticos

Abundância: número de indivíduos amostrados em um dado local.

Densidade: número de indivíduos expresso por unidade de área (m2), no caso 0,09 m2, que é a área do amostrador de sucção. Para se determinar a densidade dos macroinvertebrados bentônicos foi somada a abundância de cada táxon presente em cada réplica, dividida pela área total das réplicas, semelhante ao realizado por ANAYA (1997) e BRANDIMARTE (1997). Os dados de macroinvertebrados amostrados no canal e margem foram contabilizados em conjunto em um procedimento posterior, uma vez que esses locais apresentam características semelhantes quanto ao ambiente físico e suas diferenças entre estes se devem principalmente à variação sazonal e à maior velocidade da correnteza no meio do rio (ocasionando a lavagem dos organismos) e não ao impacto da construção da barragem.

Riqueza: simples somatória dos grupos taxonômicos, identificados em família ou nível taxonômico superior.

Transformação: antes da realização das análises, os dados biológicos foram transformados em logaritmo natural (ZAR, 1996; KREBS, 1989). Para a transformação logarítmica, por causa de dados contendo zeros, foi adicionado 1 (de maneira que b=log(0+1)=0) a todos os valores. A transformação logarítmica é frequentemente utilizada quando há alta variabilidade dentro dos atributos ou quando há alta variabilidade entre os atributos dentro de uma amostra.

Os testes estatísticos foram aplicados às variáveis biológicas (valores das análises de riqueza e densidade de macroinvertebrados) e às variáveis ambientais. Os táxons raros foram excluídos da análise a fim de reduzir sua influência sobre a ordenação (TER BRAAK, 1995). Um táxon foi considerado raro quando representou menos de 15% das unidades amostrais. Somente nas análises de variância aplicadas aos valores de riqueza e densidade da amostra foram utilizadas os dados totais de macroinvertebrados.

As análises estatísticas realizadas foram ANOVA (análise de variância), Teste F (significância), Teste Tukey (diferenciação entre as médias), Análise de Cluster, PCA (análise de componentes principais), DCA (análise de correspondência “Detrended”) CCA (análise de correspondência canônica). As

análises estatísticas foram realizadas com o programa SAS e PC-ORD, versão 4 (McCUNE & MEFFORD, 1999).

Análise de Variância (ANOVA): é um método para testar diferenças entre médias das amostras e diferenças entre combinações lineares de médias. Variâncias são utilizadas para medir as diferenças entre médias. A simples aplicação da análise de variância é para testar se duas ou mais médias poderiam ser obtidas a partir de populações com a mesma média paramétrica. Neste trabalho, as variáveis biológicas (densidade e riqueza) e em variáveis ambientais foram testadas quanto sua distribuição por ponto, por coleta, e a interação ponto- coleta. A significância da análise de variância foi testada utilizando-se distribuições de referência (Distribuição F).

Geralmente é inválido aplicar o teste t múltiplo para examinar as diferenças entre todos os pares possíveis de média, e o procedimento de comparação múltipla comumente usada é o teste Tukey (ZAR, 1996).

A análise de variância foi realizada pelo programa SAS versão 4.3.

Análise de Cluster (Agrupamento): a proposta desta análise é definir grupos de itens baseados em suas similaridades. Neste trabalho foi utilizada a medida de distância Qui-quadrado e o método de ligação de Ward.

Ordenação: tanto para as variáveis biológicas como para as variáveis ambientais foram utilizados os métodos de ordenação. A composição de espécies de uma comunidade pode ser interpretada utilizando técnicas multivariadas. Entre essas técnicas, o conjunto conhecido como técnicas de ordenação arranjam as unidades amostrais ao longo de eixos criados a partir de, por exemplo, dados de composição de espécies (TER BRAAK, 1995, VALENTIN, 1995).

O resultado de uma ordenação é um diagrama bidimensional, em que as unidades amostrais são representadas por pontos. O objetivo da ordenação é arranjar os pontos de maneira que os mais próximos correspondam a unidades amostrais semelhantes na composição de espécies; ou seja, é posicionar os objetos em relação a um ou mais eixos, de tal maneira que suas posições relativas ao eixo, e entre eles, proporcionem o máximo de informações sobre suas semelhanças ecológicas (VALENTIN, 2000). Esse diagrama é, assim, um resumo gráfico dos dados.

Entre os diversos métodos de ordenação estão:, análise de componentes principais (PCA), análise de correspondência "detrended" (DCA, Detrended Correspondance Analysis, HILL & GAUCH, 1980 apud TER BRAAK, 1995) e análise de correspondência canônica (CCA, TER BRAAK, 1986, 1994).

Escores: são as coordenadas ou eixos da ordenação.

Autovalores: representam a variância (por exemplo, na matriz de comunidade) que é atribuída a um eixo em particular, ou seja, fornece uma medida da importância relativa do componente.

Análise de Componentes Principais (PCA): estabelece um conjunto de eixos (componentes ou fatores) perpendiculares, com base em uma matriz de semelhança (correlações, variâncias-covariâncias ou até mesmo de similaridades). Neste trabalho, essa análise foi utilizada somente para os dados de variáveis ambientais baseada na matriz de correlação, portanto dados não padronizados. Embora possam existir algumas falhas é considerada a melhor técnica a ser usada quando um grupo de dados aproxima-se da normalidade multivariada e as variáveis apresentam afinidades lineares.

Análise de Correspondência "Detrended" (DCA): esta foi utilizada para as variáveis biológicas. É uma técnica de ordenação que assume que as respostas das espécies às variáveis ambientais são unimodais ao invés de lineares. Ou seja, para essa análise as espécies têm um valor ótimo, que é o valor da variável ambiental quando a espécie tem maior abundância ou maior probabilidade de ocorrência,a partir desse valor máximo a abundância decresce em ambos sentidos, com o aumento ou diminuição do valor da variável ambiental. Essa distribuição assume a forma de uma curva Gaussiana (TER BRAAK & PRENTICE, 1988).

A importância de cada espécie na formação dessas novas variáveis (eixos da DCA) foi avaliada utilizando-se os coeficientes de correlação de Pearson (SOKAL & ROHLF, 1995).

Além de se levar em conta as relações não lineares entre os conjuntos de dados biológicos, a DCA também assume que existe uma substituição de espécies ao longo de gradientes ambientais, isso gera um arco ou "horseshoe effect" (efeito ferradura) quando os dados são ordenados com análises lineares, matematicamente mais simples, como a análise de componentes principais (PCA)

(MEFFE & SHELDON, 1988). A DCA tem sido considerada muito eficiente na análise de dados biológicos (TER BRAAK & PRENTICE, 1988; PEET et al., 1988).

Análise de Correspondência Canônica (CCA): esta análise procura estruturar a matriz principal, que contém as variáveis biológicas, de forma a maximizar o comprimento da afinidade com a segunda matriz, que contém as variáveis ambientais. Em ecologia de comunidade, isto significa que a ordenação das amostras e das espécies é influenciada por sua afinidade com as variáveis ambientais.

As análises de Cluster, PCA, DCA e CCA foram realizadas através do programa PC-ORD, versão 4.0 (McCUNE & MEFFORD, 1999), e os diagramas pelo programa PC-ORD, versão 4.0 e tratados no programa CorelDRAW versão 12.0.