Doutorado em Oceanografia Biológica, Instituto Oceanográfico-USP. Tese: “ESTUDO DAS LARVAS DE PEIXE-LATERNA (MYCTOPHIDAE) E SUA RELAÇÃO COM OS FATORES BIÓTICOS E ABIÓTCOS, ENTRE CABO DE SÃO TOMÉ (RJ) E SÃO SEBASTIÃO (SP)”. Orientador Prof. Dr. Mario Katsuragawa.

exec

Criar uma função para estimar os parâmetros da equação de Gompertz Lt = Loexp {G (1 – exp [-gt])} e analisar a taxa de crescimento em larvas de peixe a partir desta equação, onde: Lt = comprimento larval na idade t; Lo = comprimento larval hipotético na idade zero (eclosão); G = primeiro parâmetro de crescimento de Gompertz; g = segundo parâmetro de crescimento de Gompertz. Esta equação tem sido utilizada com mais freqüência para representar trajetórias de crescimento larval em diversas espécies (Campana & Jones, 1992). A idade das larvas é obtida através da leitura de anéis diários formados nos otóltos.

Também pretende-se obter a taxa de crescimento absoluto, que pode ser derivada da equação de crescimento de Gompertz, AGR = g . Lt [ln(Lo . eG) - ln(Lt)], onde AGR = coeficiente de crescimento diário instantâneo (Ricker, 1979; Campana & Jones, 1992).

Referência

Campana, S.E. & Jones, C. 1992. Analysis of otolith microstructure. Can. Spec. Publ. Fish. Aquat. Sci., 117: 73-100. Ricker, W.E. 1979. Growth rates and models. In: Fish physiology VIII. Ed. Hoar et al. Academic Press, London, p.678-743.

°° <*)}}<

Criar uma função para aplicar o modelo do nicho trófico, onde são analisadas as relações entre tamanho de presa e predador. Este modelo adota o desvio padrão do tamanho da presa transformado em log10 como uma medida da largura do nicho trófico. Nesta análise a larva de peixe é classificada de acordo com o comprimento padrão* em intervalos de 0,1 mm. A relação entre o comprimento padrão da larva e a média correspondente do desvio padrão do tamanho da presa transformado em log10 será analisado usando regressão linear para determinar qualquer tendência na largura do nicho conforme o crescimento.

*comprimento padrão= medida que se extende da ponta do focinho da larva até o final notocorda.

Fazer uma análise exploratória de dados. Na minha planilha, as amostras estão ordenadas por linha e as espécies nas colunas. Além disso, existem outras variáveis como local (costeira,plataforma e oceanica), horário de coleta (dia ou noite) e o volume de água filtrada. Minha proposta número 3 é fazer uma função que calcule a densidade de cada espécie em cada amostra, dividindo o numero de indivíduos pelo volume de água filtrada. Depois, fazer o cálculo da frequência de ocorrência, abundância total e relativa. Gostaria de ordenar as epécies, da mais abundante para a menos abundante. A saída seria um data.frame com os dados de contagem trasformados em densidade e uma lista (ou outro data.frame) com as espécies em ordem decrescente de abundância relativa. Além disso serão criados box plots e espalhagramas para cada espécie, por local e horário de coleta.

Depois gostaria de testar se há diferença entre local e horário de coleta para as cinco espécies mais abundantes, mas aí acho que eu teria que fazer outra função..

Paulo: tenham certeza que vc sabe o que entra e o que sai da função, fiquei um pouco perdido. O que entendi é que entram medidas de tamanho de peixes e outra de otólitos (q9e devem ser convertidas em tempo), é isto? Se a saída são os parâmetros do modelo, pense em incluir também disgnósticos ou intervalos de confiança (podem ser bootstrap). Para ajustes não-lineares com erros normais veja a função nls.

Musgo: A proposta C é interessante, plausível e vai demandar bastante manipulação de dados. Faça argumentos para o usuário escolher se quer os gráficos ou não (ou somente alguns de todos os gráficos possíveis). Como sua função está dividida em duas partes, primeiro faça a parte de manipulação dos dados e depois invista na implementação dos gráficos. Note que você terá quatro gráficos para cada espécie, se tiver muitas espécies sua função pode ter que criar dezenas de gráficos, tenha cuidado. Deixe o teste para depois, já que este pode ser facilmente efetuado depois de sua função organizar todos os dados.

plankton.abu              package:nenhum                R Documentation

Cálculo de abundância e análise preliminar de dados

Description:

   Calcula a abundância das espécies, através da multiplicação do número de indivíduos pelo d/v (profundidade de coleta/volume de água filtrada pela rede
de plâncton). Gera os valores de abundância total, abundância relativa, frequência de ocorrência, média e valor máximo observado para  cada espécie.
Também gera  dois gráficos tipo espapalhagrama com os valores abundancia media e maxima das espécies e um grafico espécie x fator para cada espécie.  

Usage:

    plankton.abu(dados, dv, first, last, fator, is.na= TRUE)

Arguments:

dados   data.frame contendo o número de indivíduos de cada espécie em cada amostra.
	As amostras devem estar representadas nas linhas e as espécies (variáveis) nas colunas.
	No caso de um data.frame pode apresentar outras variáves da classe "factor" (ex:  local, periodo do dia, estação do ano).
dv      data.frame contendo os dados de d/v das respectivas amostras. Deve apresentar o   mesmo número de linhas do argumento dados. 
first   número da primeira coluna que contém  uma variável espécie.
last    número da última coluna que contém uma variável espécie.
fator   número da coluna que contem o fator para gerar os gráficos das espécies
is.na   retorna NA para dados faltantes.

Value:

Abundancia= data.frame com os valores de abundância por amostra para cada espécie.
Abundancia total= matriz com os valores de abundância total para cada espécie
Abundância relativa = matriz com os valores em porcentagem da abundância de cada especie em relação a abundância total.
Frequência de ocorrência = matriz com valores em porcentagem do número de ocorrência de cada espécie em relação ao numero total de amostras.
Média: matriz com valores de média de cada espécie.
Máximo: matriz com valores máximos de cada espécie.
Gráfico com as médias de cada espécie
Gráfico com os valores maximos de cada especie
N gráficos espécie por fator

Warning:

Dependendo do  número de espécies contidas no data.frame o programa pode demorar para gerar todos os gráficos. 

Author(s):

    Cláudia Namiki   	namiki@usp.br
	
References:

Smith, P.E. & Richardson, S.L. 1977. Standard techniques for pelagic fish egg and larvae surveys. FAO Fish. tech. Pap., 175:1-100.

See Also:

     data.frame, plot, factor, matrix

Examples:

##Lê o arquivo com dados da espécie 
dados= read.csv("ictiopkt.csv", header=T, sep=",")
## Verificar o arquivo para verificar os numeros das colunas que serão utilizadas 
str(dados)
dim(dados)
## Lê o arquivo com dados de d/v 
dv2=read.csv("dv.csv", header=T, sep=",")
     plankton.abu(dados,dv2, 5,15,3 )
     plankton.abu(dados,dv2, 7,12,4 )
     

ictiopkt.csv dv.csv

################################ Função plankton.abu  <*)}}< ##########################################################################################################################

plankton.abu=function (dados, dv, first, last, fator,is.na= T)
## dados= data.frame com as espécies e outras variáveis, dv data.frame com o volume de água filtrada,
## first=primeira coluna com dados de espécie, last= última coluna com dados de espécie, fator= variavel fator 
		
		{
		
		dados[is.na(dados)==T] = 0 ## transformando NAs em zeros
		a=dados                     ## criando objeto para dados 
		b=as.matrix( a[,first:last],rownames.force = NA) ## criando objeto para matriz com as colunas escolhidas
		dv=as.matrix(dv,rownames.force= NA) ## criando matriz com os dados de água filtrada: profundidade de coleta/volume 
		abund=matrix(0, nrow=dim(b)[1], ncol=dim(b)[2], dimnames=dimnames(b)) ## objeto para guardar a matriz de abundancia
		
		##gerando os dados de abundancia
		
		for (i in 1:(dim(b)[2]))
			{
			 abund[,i]= round(((b)[,i])*((dv)[,1]),4)
				}
				
				old.abund=data.frame(abund) ## criando data.frame contendo apenas os dados de abundancia das espécies
				new.abund=data.frame(a[1:first-1], abund)## criando data.frame contendo os dados de abundancia das espécies e outras variaveis
				
				## Saida de dados
				A.total= round(apply(old.abund, MARGIN=2, FUN=sum),2) ## soma dos valores de abundancia de cada espécie
				sorte=sort(A.total, decreasing=T)
				porcent = round((A.total/sum(abund)*100),2) ## calcula a porcentagem de cada indivíduo em relação ao total coletado na campanha
				
				#ordem=order(A.total, decreasing=T) ##Ordenado as espécies por ordem decrescente de abundância, no caso numero de indiíduos
				media= round(apply(abund, MARGIN=2, FUN=mean),2) 
				maximo= round(apply(abund, MARGIN=2, FUN=max),2) 
				mediatotal=mean(abund)
				
				## gerando gráfico espahagrama media e maximo 
				plot(media, bty="l",xlab="especie por numero do data.frame", ylab="media (ind.m2)") ## gráfico com as médias de cad espécie 
				lines(c(0,27), c(mediatotal, mediatotal), col="blue") ## plota linha da média das espécies
				x11()
				plot(maximo, bty="l", xlab="especie por numero do data.frame", ylab="maximo (ind.m2)") ## grafico com os valores maximos de cada especie
				lines(c(0,27), c(mediatotal, mediatotal), col="blue") ## plota linha da média das espécies
				
				## gerando gráficos especie por fator
				for(i in first:last) ## seleciona as especies 
				{ 
				x11() ## abre novo dispositivo gráfico
				plot(new.abund[,i]~ new.abund[,fator], xlab=paste("Fator",fator),ylab= paste("Especie",i), bty="l")
				}
				
				##Frequencia de ocorrencia
				b[b>0]=1  ## presença ou ausência = valores maiores do que zero são transformados em 1.
				FO= round((apply(b, MARGIN=2, FUN=sum)/(dim(b)[1])*100),2) ## calcula a frequencia de ocorrencia para cada espécie, em relação ao numero total de amostras.
				
				## Resultados
				results= list("Densidade"=new.abund,"Abundancia total"=A.total, "Abundancia relativa"=porcent, "Frequencia de ocorrencia"=FO,
				 "Abundancia Media"= media,  "Media total"= mediatotal, "Abundancia maxima"=maximo,"Ordem de abundancia"= sorte) 
				return(results)
				}

plankton_abu.r ictiopkt.csvdv.csv