Alguns elementos metodológicos para uma Gestão

integral da Reserva Faia Brava na base de

levantamentos florísticos
(Com alguns apontamentos sobre a não-linearidade da Natureza)

Por Horst Engels

A) Introdução
B) Uma Metodologia para o Desenvolvimento de um Modelo de Gestão Integral
Estatística Multivariada
1. Levantamento de Dados
1. Registo e cartografia das espécies
1. Registo qualitativo
2. Registo semi- ou quantitativo
2. Registo de outros factores (clima, geologia etc.)
2. Métodos fito-sociológicos (Método de Braun-Blanquet etc.)
3. Bases de Dados
1. Base de Dados
1. Relacional
2. Orientado por Objectos
3. Geodatabases (SIGs)
4. TURBOVEG e outros pacotes
2. Metodologia para a construção de uma Geodatabase (SIG)
1. Construção de um esquema (ontologia) para ArcGIS
2. Introdução de dados de espécies
3. Introdução de factores abióticos
4. Análise de Comunidades
1. CANOCO e TWINSPAN
2. VEGANA e outros pacotes
3. Apresentação dos Resultados (Dendrogramas, Biplots)
Modelação dinâmica
1. Modelos espaço-temporais
1. Modelos contínuos
2. Modelos discretos
3. Agent Based Modeling (ABM)
2. Modelação gráfica
1. STELLA e outros pacotes
3. Matrix Population Models
4. Metapopulações e Conservação de Habitats
1. RAMAS-GIS e outros módulos do pacote RAMAS
2. Zonation Software
C) Resume
D) Bibliografia

1
(A) Introdução

Tive o prazer de conhecer a Reserva Faia Brava em Abril até Junho de 2010 no âmbito de um
levantamento florístico nesta Reserva. Esta experiência foi muito fértil para mim porque permitiu-
me conhecer uma parte importante da flora transmontana (Flora Duriense) que até aí
desconhecia. O objectivo do trabalho foi de criar uma base florística para uma futura gestão
integral da Reserva Faia Brava. A Faia Brava possui como “highlights” uma população
introduzida de cavalos da raça portuguesa “Garrano” e um elevado número de aves de rapina
que são alimentadas na reserva e que nidificam nas escarpas da encosta do Rio Côa no interior
da Reserva. Existem duas principais componentes florísticos diferentes nesta Reserva, a Flora
das Terras Quentes no Vale do rio e a Flora das Terras Frias nas partes do planalto da reserva.
Entre estes dois extremos de Floras existe uma transição nas encostas do Vale, provavelmente
prioritariamente devido ao gradiente térmico. Seria importante determinar esta relação entre as
duas componentes florísticas na reserva com mais rigor. Além destas duas componentes da
Flora existe pelo menos ainda uma terceira componente florística característica dos Lameiros na
vizinhança imediata da Reserva.

Coloca-se então a questão que gostava de abordar: Como pode-se chegar a um Modelo
Científico de Gestão da Reserva Faia Brava?

Para responder esta questão, ou pelo menos para contribuir ao encontro de uma resposta,
gostava de mencionar primeiro duas questões abertas, uma do domínio da filosofia e outra do
domínio das Ciências Naturais que, no entanto, parecem-me ambas importantes na procura de
uma solução para a Gestão de uma Reserva Natural:

(1) Søren Kierkegaard, um filósofo dinemarquês (1813-1855), escreveu uma importante

obra filosófica: "Enten-Eller" (em inglês: "Either/Or" - em português "Ou isso, ou aquilo")
em que distingue entre maneiras e estádios diferentes de viver - "de um estádio
estético", de um "estádio ético" e de um "estádio religioso". Segundo Kierkegaard
existem apenas estes três estádios possíveis na vida na ordem de transição do estético
para o ético e ultimamente para o religioso.

Sem seguir agora mais às ideias de Kierkegaard gostava apenas lembrar que na gestão
de uma Reserva Natural podíamos também perguntar: São talvez estes três estádios
espirituais humanos (que não são do domínio das Ciências) também importantes
para a gestão de uma Reserva Natural?

Este pergunta parece talvez estúpida, absurda ou até polémica, mas torna-se logo mais
compreensível quando lembramos que quase todas as paisagens hoje em dia já não são
paisagens naturais, mas alteradas antropogenicamente. A própria ideia da paisagem é
um conceito subjectivo humano. Assim interferimos numa ideia ou num conceito
antropogénico que baseia-se numa grande parte no estético. Uma paisagem não parece
um conceito integralmente científico, mas contém também a componente do belo, do
estético e sem dúvida do histórico. E a introdução de elementos não-autóctones pode
conduzir à alterações permanentes nos habitats e ecossistemas dentro das
comunidades e sistemas existentes. Assim os índices de biodiversidade, normalmente
usados para avaliar a riqueza de um sistema ou de uma paisagem, podem ser
substancialmente alterados também.

(2) O livro "Enten/Eller" de Søren Kierkegaard sugere uma importante dicotomia na

mente humana que se reflecte já um bocado nas duas palavras do título. Podemos

2
 interrogar se existem na Natureza e nos Ecossistemas também dicotomias ou
alternativas que tenham uma semelhante importância estruturante como têm na mente
humana o estético, o ético e em última fase, o religioso? Uma possível dicotomia destas
é talvez contida na seguinte pergunta: São os sistemas que encontramos na Natureza
sistemas na sua estrutura lineares ou não-lineares ou talvez uma mistura entre
sistemas lineares e não-lineares?

(E se foram os sistemas uma mistura entre linear e não-linear, são separáveis em

componentes aditivos lineares e não-lineares e qual a importância de cada
componente?)

Esta pergunta sobre linearidade ou não linearidade de sistemas na Natureza atinge

também uma questão importante da metodologia científica porque se queremos
abordar cientificamente a gestão de uma reserva, temos de tomar em conta se os
métodos que aplicamos são adequados para descrever respostas lineares ou não
lineares da Natureza.
Os recentes resultados das Ciências Naturais não deixam dúvidas sobre a
importância da não-linearidades na dinâmica de sistemas naturais. Alias, nas últimas
décadas surgiram novos ramos da Matemática como a Teoria do Caos, incluindo os
conceitos dos Fractais e da Dimensão Fractal, que deixam ver a Natureza numa nova
luz da Não-Linearidade e Complexidade.

Perguntamos-nós o que significa “Linearidade” e “Não-Linearidade” no âmbito da investigação

sobra os sistemas na Natureza? Esta pergunta não é fácil de responder. Mas linearidade tem
sem dúvida qualquer coisa de haver com linha e não-linearidade com curva. No entanto, isto
parece uma resposta banal. A primeira resposta que encontramos na literatura é que um
sistema é linear quando obedece ao princípio da superposição e da homogeneidade. Isto é
uma resposta que não entendemos necessariamente.

Em primeiro lugar, para compreender melhor, definimos o que é um sistema: Um sistema é uma
parte suficientemente bem isolada da Natureza.

Não podemos explicar aqui em pormenor o que significa o termo sistema ou dar uma definição
mais técnica, mas a definição aqui dada aproxima-se bastante bem à nossa intuição de um
sistema na Natureza.

Vamos então tentar encontrar uma resposta mais compreensível para a questão o que significa
linearidade e não-linearidade no âmbito da teoria dos sistemas.

Na Wikipédia encontra-se a seguinte explicação em inglês (não existe uma contribuição em

portugûes) para a palavra linear:

The word linear comes from the Latin word linearis, which means created by lines. In
mathematics, a linear map or function f(x) is a function which satisfies the following two
properties:

• Additivity (also called the superposition property): f(x + y) = f(x) + f(y). This says
that f is a group homomorphism with respect to addition.
• Homogeneity of degree 1: f(αx) = αf(x) for all α.

3
Para a palavra não-linearidade já temos uma contribuição em Português na Wikipédia:

Não-linear refere-se a todas as estruturas que não apresentam um único sentido.

Estrutura que apresenta múltiplos caminhos e destinos, desencadeando em múltiplos
finais. Em Teoria Geral dos Sistemas diz-se que a não-linearidade é pressuposto de
Sistemas Complexos e sua intrincada rede leva a caminhos distintos e inimagináveis até
mesmo para os criadores do sistema. Isto ocorre devidas interacções entre dados e
conexões que se tornam cada vez mais complexas, e estas geram realimentações que
por sua vez realimentam o sistema tornando-o autoregulador.

O que me parece importante nesta definição é o facto que sistemas não-lineares podem ter
partes de realimentações – isso quer dizer que o resultado de uma função dentro do sistema
entre novamente na mesma função e esta realimentação pode destabilizar um sistema. No
entanto, este efeito conhecido como efeito “Bola de neve” não se deve confundir com outro efeito
conhecido como “Efeito borboleta” que pode destabilizar um sistema, mas devido à uma outra
causa (sensitividade do sistema à pequenas instabilidades nas condições iniciais de um
sistema).

Na Wikipédia encontramos ainda uma outra definição mais larga da linearidade no âmbito da
teoria dos sistemas (em alemão e inglês):

Linearität ist die Eigenschaft eines Systems auf die Veränderung eines Parameters stets
mit einer dazu proportionalen Änderung eines anderen Parameters zu reagieren.
Diese allgemeine Definition trifft gleichermaßen für die Systemtheorie, Technik, Physik
und Mathematik zu. Ist sie nicht erfüllt, so spricht man von Nichtlinearität.
E um sistema linear seria então um sistema em que:

Ein lineares System ist nun ein System, in welchem alle auftretenden Funktionen, der
Dynamik, der äußeren Einflüsse und der Beobachtung, (möglicherweise nichtlinear von
der Zeit abhängige) lineare Abbildungen sind.

Estas explicações já podem ajudar-nós para compreender um bocado melhor o que é linearidade
e o que é não linearidade num sistema. Vemos que o termo da “Transformação linear” é
fundamental para a compreensão do fenómeno da linearidade num sistema da Natureza.

O primeiro princípio que encontramos na transformação linear é o da aditividade. Isto significa

que podemos, num sistema em que há uma entrada e uma resposta, separar na entrada
componentes em várias partes aditivas e calcular os efeitos independentemente para cada uma
das componentes da entrada do sinal e adicionar no fim os resultados. Imaginamos por exemplo
que estudamos o crescimento de uma planta em função de vários factores e tratamentos:
temperatura, água, luz, alimentos etc. A aditividade significa que podemos aplicar estes factores
mencionados independentemente um após o outro e o resultado seria obtido simplesmente por
adição destes tratamentos. Quer dizer não havia interacções e interdependências entre os
diferentes tratamentos e os efeitos sobre a planta seriam simplesmente aditivos.

A segunda condição na definição de uma transformação linear é a homogeneidade - o facto

que um factor de proporcionalidade pode ser separado dos argumentos da função.

Assim podemos condensar também estes dois princípios da aditividade e homogeneidade numa

4
única função característica da transformação linear:

F(a1x1 + a2x2) = a1F(x1) + a2F(x2),

e a linearidade num sistema é exprimida muitas vezes desta forma condensada.

No entanto, temos de reparar que não está especificado que a transformação seja temporal ou
espacial. Desta forma podemos aplicar este princípio tanto nas transformações espaciais como
nos temporais ou em sistemas espaço-temporais. E todos os sistemas que não obedecem à
estas duas condições simultâneas da aditividade e homogeneidade, serão então sistemas não
lineares.

(Exemplos de transformações lineares são rotação, translação, cisalhamento (shear). A

Projeção paralela usados normalmente com métodos de matrizes na Álgebra Linear também
é uma transformação linear. Métodos importantes de ordenação na Estatística Multivariada como
a PCA (Análise dos Componentes Principais) usam transformações lineares. Um exemplo de
transformações não-lineares são Projecções perspectivas e Projecções geodésicas, as
últimas utilizadas na construção de Cartas geodésicas. Utilizando coordenadas homogéneas
projecções perspectivas podem também ser tratados como transformações lineares simples.
Projecções geodésicas são mais complicadas.)

Um sistema não linear pode no entanto ter ou não ter componentes lineares, quer dizer pode ou
não ser possível de separar aditivamente componentes lineares e não lineares num sistema. Se
descrevemos um sistema na sua dinâmica como uma função:

Dinâmica do sistema = componente linear + componentes não-lineares

dx/dt = f(x, p) + H.O.T.

será permissível de dividir a função aditivamente numa componente linear e uma não-linear
(H.O.T. simboliza "Higher Order Terms").

Relacionado com esta visão de separação de um sistema não-linear em componentes aditivas

lineares e não lineares está o método da aproximação linear de uma função não linear em
extensões reduzidas do espaço e/ou do tempo. No entanto, existem muitas funções como por
exemplo curvas fractais onde esta condição não é dada.

Através dos estudos científicas conduzidas nas últimas décadas podemos provisoriamente tirar
uma conclusão importante: A Investigação Científica recente tem demonstrado que a antiga
visão da linearidade na Natureza precisa de uma revisão – a Natureza não é linear. Mas se
admitimos que é permissível de separar aditivamente as respostas de um sistema numa
componente linear e em componentes não-lineares (e se esta componente linear faz grande
parte da soma dos componentes da função), então podemos continuar a usar métodos lineares
na nossa investigação. Desta forma podemo-nos novamente perguntar se é possível (com ajuda
de novas tecnologias como da Informática) de encontrar uma solução para a compreensão (e da
gestão e/ou manipulação) de sistemas complexos da Natureza?

Não posso dar resposta final a esta pergunta – mas tenho receios e creio que neste momento
estamos ainda numa fase estética ou religiosa de procura. De qualquer das formas quero
mencionar e introduzir no seguinte alguns métodos comumente aplicados no desenvolvimento
de uma estratégia e de um modelo de gestão de um sistema da Natureza.

5
(B) Uma Metodologia para o Desenvolvimento de Um Modelo de
Gestão

Estatística Multivariada
Uso o título “Estatística Multivariada” na primeira parte da metodologia apresentada aqui. No
entanto, esta parte inclui a amostragens dos dados e o armazenamento em bases de dados
também. O que me parece mais importante do que o número de variáveis observadas
estatisticamente é o objectivo com que pretendo utilizar os métodos da estatística. Não quero
usa-las no sentido clássico para testes de hipóteses – mas para descobrir padrões nas
amostragens. Estes padrões pode encontrar-se eventualmente com uma variável apenas, com
duas variáveis ou com um conjunte de n varáveis usadas simultaneamente. (Para o tratamento
de n variáveis usa-se normalmente Cálculo de matrizes no âmbito da Álgebra linear.)
Os métodos que quero apresentar nesta primeira parte são métodos para fazer um estudo das
comunidades - para descobrir as comunidades de espécies existentes na área de estudo e os
factores ambientais que determinam a existência destas comunidades. Esta primeira parte do
estudo é um estudo espacial e não tem uma componente temporal – portanto parte do estado
actual da reserva.
Na segunda parte da modelação dinâmica utiliza-se a informação obtida sobre as comunidades
e de outros factores ambientais tanto como modelos de (meta)populações (p.e. Leslie) para
fazer simulações para chegar à projecções sobre à probabilidade de sobrevivência das
espécies que existam na reserva. Assim pode se obter um instrumento para a gestão integral
das espécies e comunidades que existem na reserva.

Fig. 1 Visualização de Informação numa pilha de mapas num

Sistemas de Informação Geográfica

6
(Usa-se frequentemente um Sistema de Informação Geográfica (Geographic Information System
(GIS) = Sistema de Informação Geográfica (SIG)) como repositório para os dados espaciais. Os
SIGs englobam normalmente uma base de dados para o armazenamento dos dados, mas
também têm funcionalidades para a sua análise estatística e para a visualização dos resultados
em mapas. Uma alternativa seria usar uma base de dados relacional (ou orientada por objectos),
exportar os dados a partir da base de dados para programas de estatística multivariada e
seguidamente visualizar os resultados através de um SIG.)
A sequência do desenvolvimento de um modelo integral de gestão será:
(1. PARTE) ESTATÍSTICA MULTIVARIADA
A) Levantamentos qualitativos e semi-quantitativos das espécies para conhecer a riqueza
florística e faunística da reserva
B) Análise de comunidades das plantas e animais para ficar a saber quais são as
comunidades existentes e qual a sua distribuição na reserva. Incluído nesta parte seria
também recolha de dados paisagísticos e ambientais como declive, clima, geologia etc a
partir de mapas existentes.
(2. PARTE) MODELAÇÃO DINÂMICA
C) Desenvolver simulações na base de “Habitat-Suitability” e de um modelo espacial de
população (metapopulação) para saber qual a capacidade de suporte e quais os factores
que ameaçam as espécies.

Levantamento de Dados

Registo e cartografia das espécies e factores ambientais

Usamos o exemplo das plantas para demonstração de uma técnica de
levantamento de dados. Com espécies de animais estas técnicas podem variar.
No entanto, para poderem ser mais tarde analisadas com CANOCO as técnicas
da amostragem devem conduzir à uma amostragem que no mínimo tenha
transectos ou plots (quadrados) que cobrem a área do estudo. O tamanho dos
quadrados não pode ser indicado a-priori, mas deve-se começar por um
tamanho maior e fazer em alguns quadrados uma subdivisão para ver se esta
altera os resultados da amostragem substancialmente.
Pode registar-se apenas a presença e ausência das espécies nos quadrados
(registo qualitativo) ou fazer um registo semi- ou quantitativo.

Como métodos para registos semi-quantitativos existem métodos como o

método de Braun-Blanquet que mede a cobertura das espécies numa
determinada área.

Estes dados têm de entrar primeiro numa folha de cálculo, ou melhor numa base
de dados relacional. Para o estudo fitosociológico existem bases de dados
relacionais optimizadas para os registos de quadrados (relevés) de qualquer
tamanho. Estas bases de dados como o TURBOVEG permitem também a
compilação de uma lista de espécies para as regiões estudadas. Uma lista

7
destas facilita muito o registo repetido de espécies em quadrados diferentes.
Além disso, o TURBOVEG permite uma exportação dos dados para diferentes
pacotes de Estatística, folhas de cálculo etc. incluindo o exporte de dados para
CANOCO e TWINSPAN, dois programas frequentemente usadas na análise de
comunidades fitosociológicas. Finalmente, estes pacotes também permitem
frequentemente uma visualização dos dados. Uma boa alternativa ao
TURBOVEG e CANOCO para a análise fitosociológica e ecológica dos dados
seria o pacote integrado de VEGANA que foi desenvolvido recentemente pela
Universidade de Barcelona e que é escrito integralmente em Java. O VEGANA
tem uma estrutura modular.

(VEGANA (Vegetation edition and Analysis) is an integrated software package

oriented towards the storage, management and analysis of ecological data. The
package consists of four programs which can be run independently:
• Ginkgo: multivariate analysis tool. Oriented mainly towards ordination and
classification of ecological data, stressing methods based on symmetric
matrices.
• Quercus: a relevé table editor. It handles relevé data allowing the user to
perform phytosociological works.
• Fagus: floristic records editor. It can handle data coming from field
surveys, bibliographic sources or collections.
• Yucca: a cartographic plotting tool, that enables the user to plot taxa or
syntaxa distributions.
Taxon, syntaxon or bibliographic thesauri can be edited within the programs.
Data can be downloaded directly from the Catalonian Biodiversity Database
(http://biodiver.bio.ub.es/biocat/homepage.html) in XML file format.)

Fig. 2 Vegana

8
Em suma (passos à seguir):
(1) Determinação do tamanho de uma grelha para registo de dados
biológicos e ambientais;
(2) Registo qualitativo, semi- ou quantitativo de dados
(3) Introdução dos dados numa base de dados relacional ou específica para
o tipo de análise pretendido

Conhecimentos necessários do investigador para esta fase:

(1) Identificação das espécies

Fig. 3-6 Identificação

9
 (2) Metodologia da amostragem (p.e. Braun-Blanquet)

Fig. 7-8 Braun-Blanquet

(3) Introdução de dados numa Base de Dados como MS-Access ,

TURBOVEG ou um módulo de VegAna (Quercus ou Fagus).

Fig. 9 Turboveg

Caso que se utiliza MS-Access para o armazenamento de dados, tem de se

desenvolver primeiro um esquema de uma base de dados – quer dizer
especificar as tabelas e relações entre as tabelas onde os dados serão mais
tarde armazenados. O uso de MS-Excel seria apenas recomendado para um
registo provisório de dados no campo. O uso do Excel como “base de dados”
não é recomendável porque não está concebido para especificar relações entre
tabelas.

10
Registo de outros dados já existentes
Caso que existem já dados sobre as espécies ou dados ambientais, estes dados
têm de ser transferidas para a base de dados. Aqui podem surgir problemas ou
pelo menos tem de se tomar em conta dificuldades que podem surgir.
Assumimos que existem dados ambientais em mapas digitais. Então temos
necessariamente recorrer um Sistema de Informação Geográfico e fazer uma ré-
amostragem sobre a grelha que usamos na nossa área de estudos para a
amostragem de dados.
Alias, como pretendemos fazer mais tarde um estudo dinâmico com
metapopulações espaciais, o uso de um Sistema de Informação Geográfico
torna-se quase indispensável. Existem muitos SIGs com capacidades que
diferem. Mas uma decisão que tem de se fazer é se quer escolher um SIG
comercial ou um Open-Source SIG. Os SIGs comerciais são software ainda
bastante dispendiosa, mas todas as universidades portuguesas trabalham com
software comercial como ArcGIS ou Arc-Info. Desta forma será certamente
possível utilizar esta software.

Os passos que quase sempre temos de recorrer no caso de uso de um SIG são
os seguintes:

(1) Introdução e Georeferenciação da grelha como “shapefile” no SIG

Fig. 10-11 Grelhas de Amostragem

(2) Intersectar mapas existentes com a grelha de amostragem e registar os

dados registados numa base de dados

11
 Fig. 12 Intersecção de mapas com grelha

Podem surgir várias dificuldades nestes passos indicados. Por exemplo, os

mapas existentes podem estar em projecções diferentes e/ou em formatos
diferentes (vectoriais ou raster). Para poder fazer a intersecção com a grelha de
amostragem os mapas têm de ser transformados para estarem todos na mesma
projecção e no mesmo formato (vectorial neste caso porque embora da grelha
ser uma matriz de quadrados o ficheiro está em formato vectorial).

Fig. 13-14 Formatos e Projecções

Também tem de ser decidido como se interpreta as intersecções p.e. qual o

valor que se atribui às variáveis. Se tenho numa área de um quadrado 30%
pasto e 70% bosque e como posso apenas atribuir ao quadrado na base de
dados um dos dois tipos de cobertura, tenho de usar uma regra para decidir
sobre a escolha (por exemplo o quadrado intersectado será classificado como
bosque caso que bosque tenha a percentagem maior de cobertura na área de
intersecção).

12
 Fig. 15 Interpretação das Intersecções

Assim é indispensável do investigador adquirir no mínimo alguns

conhecimentos sobre os conceitos de:

(1) Bases de Dados Relacionais

Fig. 16 Esquema em MS-Accesso

(2) Sistemas de Informação Geográfico

Fig. 17 SIG como Base de Dados

13
 (3) Geodatabases (opcional)

Fig. 18 Geodatabase

para poder usar estas metodologias1.

Análise de Comunidades
Usamos o termo “Comunidades” em senso lato para associações entre
espécies. Para descobrir estas associações de espécies tanto do reino vegetal
como do animal vamos recorrer às técnicas e metodologias da Estatística
Multivariada. Já vimos nos capítulos anteriores como podemos recolher dados
sobre comunidades de espécies e o ambiente. Agora temos de analisar estes
dados com técnicas de Estatística Multivariada. Estes dados são naturalmente
dados de natureza multivariada quer dizer temos um vector de observações em
variáveis diferentes para cada registo.
Como não é fácil de visualizar dados n-dimensionais vamos recorrer métodos
que permitem tirar informação dos dados e visualizar esta informação em
espaço de dimensão reduzida, normalmente em duas ou três dimensões. Estes
métodos podem ser de natureza linear ou não-linear, mas permitem
normalmente a visualização num espaço métrico Euclidiano.
Podemos distinguir duas grandes categorias de métodos, os métodos de
ordenação, à qual pertence a Análise dos Componentes Principais (PCA) ou a
Análise Canónica de Correspondência (CANOCO), e os métodos de
classificação. Pertencem aos métodos de classificação as diversas análises
discriminantes (linear ou quadrática) e cluster-análises (p.e. K-Means,
TWINSPAN etc.).

1Ainda existem outras decisões que temos de fazer, mas que podem ser feitas também numa fase mais tarde.
(1) Queremos de usar os dados apenas internamente na reserva ou queremos partilhar os dados pela Internet.
(2) Queremos construir um Esquema (Ontologia) e uma Geodatabase para os nossos dados?

14
Métodos de Ordenação
Usamos os métodos de ordenação com dois objectivos principais:

• tirar informação de registos de natureza multivariada (n-dimensional)

• visualizar esta informação em espaço de dimensão reduzida.

Os métodos de ordenação têm normalmente em comum que detectam no

espaço vectorial n-dimensional informação (variabilidade) na direcção de vários
eixos e que ordenam estes eixos num novo espaço vectorial, espaço de
ordenação ou “ordination space”, em sequência de decrescente informação
(variabilidade). Os primeiros duas ou três eixos do espaço de ordenação podem
conter 80% ou mais da informação contido no espaço original. Desta forma
consegue-se apresentar esta informação em duas ou três dimensões apenas.

Podemos nesta palestre apenas dar uma ideia muito vaga sobre os métodos de
ordenação porque a matemática envolvida não é trivial. No entanto, o método
dos componentes principais (PCA) já dá uma primeira ideia sobre os métodos de
ordenação.

15
Principal Component Analysis
Na PCA o primeiro eixo principal é o eixo maior de um hiperelipsóide que
descreve uma população de pontos com distribuição multinormal no seu espaço
de distribuição. O que significa isso?
Isso significa que temos por exemplo um conjunto de n variáveis, cada
uma com distribuição normal, e temos uma série de registos simultâneos para
cada conjunto de variáveis. Cada registo forma um vector com n componentes e
cada destes registos está identificado perante a sua posição num espaço n-
dimensional, portanto forma um ponto de observação neste espaço. Estes
pontos têm uma distribuição multinormal devido à normalidade em cada uma
dos componentes e consequentemente podemos descrever a sua posição
perante um hiperelipsóide neste espaço n-dimensional. A PCA detecta então o
eixo maior (e os seguintes com dispersão menor) deste hiperelipsóide e permite
que projectamos o hiperelipsóide na direcção do eixo maior (e das seguintes)
num espaço de dimensão mais reduzido. Esta técnica da PCA envolve o cálculo
dos vectores próprios (eixos do hiperelipsóide) e dos valores próprios
(variabilidade = variância). Geometricamente esta operação é apenas uma
rotação rígida do sistema de coordenadas na forma de que os eigenvectores
formam um novo sistema de coordenadas no espaço transformado segundo as
restrições anteriormente explicadas.
Embora que a PCA assuma teoricamente multi-normalidade na distribuição dos
pontos, o método serve bem para detectar agrupamentos de pontos que não são
distribuídos normal no espaço n-dimensional. Assim este método torna-se um
importante método para detecção e classificação de novas espécies,
comunidades de espécies, factores ambientais etc.

16
 Fig. 19-20 PCA – Distribuição de objectos e Eixos de projecção (PC1;PC2)

Correspondence Analysis (CA), Canonical Correspondence Analysis (CCA=CANOCO)

e outros métodos derivados da CA.
A Análise de Correspondência foi desenvolvida para comparar frequências numa
tabela de contingência em que os estados de um primeiro descritor (linha da
tabela) são comparados com os estados de um segundo descritor (Colunas da
tabela. Na ecologia a tabela de contingência é usado frequentemente para
analisar espécies em diferentes lugares de amostragem (sites). As entradas na
tabela são abundâncias (0 até n) das espécies (linhas) nos diferentes sites
(colunas). Desta forma a tabela contém apenas números integrais positivos ou
zeros.

Fig. 21 Tabela de contingência

17
A CA é um método de ordenação que permite comparar as espécies (linhas da
tabela) aos sites (colunas da tabela). No caso da CA uma distância X-Quadrado
é usado para quantificar a relação entre as colunas e linhas da tabela de
contingência e a distância Euclidiana entre objectos no eixo da ordenação CA
iguala à distância X-Quadrado na tabela de contingência. O método é
perfeitamente simétrico de forma que pode ser usado tanto para ordenar as
espécies como os sites. Mas também pode ser usado para detectar as
correspondências entre espécies e sites na sobreposição de duas ordenações
(espécies e sites).

Fig. 22 Visualização das ordenações num Biplot

Canonical Analysis (Redundancy Analysis (RDA) e Canonical Correspondence

Analysis (CCA); Detrended Canonical Correspondence Analysis (DCCA))

Enquanto em PCA e CA tivemos apenas uma matriz (tabela) Y com dados sobre espécies
e sites, nas análises canónicas temos duas matrizes (tabelas) X e Y entre quais é
assumido uma relação de causa e efeito (Y seria a resposta em relação a uma causa X).
Relações de causa efeito são tratados normalmente na estatística perante métodos de
regressão. Desta forma a RDA e a CCA têm por base o método de regressão múltipla.
No entanto na CCA há alterações no método para poder lidar com frequências numa
tabela de contingência coma na CA. Na CCA e DCCA pode separar-se os efeitos de um
conjunto de variáveis, por exemplo de variáveis ambientais, da análise de
correspondência e visualizar correlações entre espécies e/ou sites e variáveis ambientais
(Biplots e Triplots). Também pode subtrair-se o efeito da regressão de variáveis
ambientais sobre as espécies e desta forma determinar perante a informação residual qual
a importância que estas variáveis tinham para a ordenação de espécies e sites.

A CCA e DCCA tornam-se assim importante instrumentos para o estudo ecológico e a

gestão de uma reserva.

18
 Fig. 23-24 Exemplos de Biplots
(Correlação de ocorrência de espécies e factores ambientais)

Fig. 25 Exemplo de um Triplot

19
Métodos de Classificação
Os métodos de classificação são apenas mencionados aqui marginalmente
porque não são essenciais para o estudo. No entanto, em certos casos pode ser
necessário uma melhor separação e visualização de objectos que distanciam-se
pouco no espaço de ordenação ou identificar espécies muito parecidas. Neste
último caso pode usar-se um método de análise discriminante para a
identificação e separação de objectos parecidos.
Uma aplicação mais importante de métodos de classificação seria no âmbito do
nosso projecto um agrupamento (clustering) de objectos no espaço da
ordenação, por dois motivos:

1) Nós normalmente visualizamos apenas duas ou três eixos do espaço de

ordenação. O resto passa-se despercebido
2) Se temos muitos objectos num espaço de ordenação, a atribuição de
objectos a um determinado grupo de espécies (ou sites) que estão na
vizinhança da mesma torna-se bastante difícil.

Neste caso podemos correr uma análise cluster (K-Means) sobre os objectos
no espaço de ordenação e determinar grupos de espécies ou sites.

Varias possibilidades de visualização dos agrupamentos existem:

• Fazer listas dos elementos agrupados;
• Visualizar os agrupamentos nos biplots;
• Visualizar agrupamentos de espécies (comunidades) na grelha da
amostragem.

O último método de visualização de comunidades de espécies obtidas perante

ordenação e classificação tem muito interesse para a gestão das áreas de uma
reserva natural.

Fig. 26 Classificação de objectos num Biplot

20
Fig. 27-28 Visualização de resultados de uma DCCA sobre Flora de Alemanha
(Esquerda: Frequência de espécies de um grupo classificado na grelha de
amostragem; Direito: Biplot com factores ambientais (Corine Landcover) para o
grupo classificado)

Representação de um cluster de espécies de cormófitos obtido com o método K-

Means nas grelhas de amostragem a partir das coordenadas das espécies no
espaço da ordenação (species scores) de uma ordenação com DCCA.
Também está visualizado o número de espécies que ocorrem em cada
quadrante. Desta forma detecta-se facilmente as áreas com mais riqueza de
espécies numa reserva. Obviamente a comunidade de espécies representa
espécies que estão ligados ao factor água – vê-se o percurso do rio Reno e da
Elba na Alemanha. Mas o biplot com a sobreposição dos factores ambientais
tirados do Corine Landcover revela também os restantes factores ambientais
que estão direccionados para o grupo - Verbreitungsschwerpunkte der Gruppe 4
einer K-Means Gruppierung der Spezies-Scores einer DCCA mit Corine
Landcover-Umweltfaktoren auf Meßtischblattbasis.

21
Modelação dinâmica
Até aqui temos desenvolvido uma métodologia que permite descrever aspectos
importantes de uma reserva. Mas a descrição é basicamente um “snapshot” da
estrutura espacial e do estado actual da reserva e não inclui uma dinâmica
ao longo do tempo. Num passo seguinte vamos apresentar alguma metodologia
na direcção deste segundo passo, de incluir a variável de tempo na descrição e
mais tarde na simulação espacio-temporal dos sistemas da reserva.

Os instrumentos que vou apresentar são instrumentos da análise de sistemas,

instrumentos de simulação. Podemos ter várias objectivos e finalidades na
nossa mente para:
• Descrever o comportamento do sistema;
• Construir teorias e hipóteses considerando as observações efectuadas e
construir um modelo de simulação;
• Usar o modelo para prever o comportamento futuro, isto é, os efeitos
produzidos por alterações no sistema ou nos métodos empregados em
sua operação.
Portanto, temos de construir um modelo sistémico que permite descrever os
aspectos que nós achamos importantes dentro de um sistema. Assim já
limitamos a-priori o nosso ponto de vista.

A construção de um modelo de simulação acontece em diferentes fases:

1. Formular o problema (Problemstellung)
2. Fazer um estudo prévio do sistema (Systemstudie)
3. Criar um modelo informal por palavras e ou gráfico (Wortmodell)
4. Criar um modelo matemático (mathematisches Modell)
5. Criar um modelo computacional (Rechenmodell)
6. Validação do modelo (Modellvalidierung).

Na construção de um modelo de simulação temos de escolher entre vários

métodos e categorias de modelos: contínuos, discretos, determinísticos,
estocásticos etc. Esta escolha depende dos objectivos da nossa investigação.

22
Mas sempre temos de fazer uma abstracção e simplificação do mundo real
na modelação dos sistemas. No entanto, esta abstracção pode acontecer à
vários níveis:
• Alto nível – nível estratégico
• Nível intermédio – nível táctico
• Nível baixo – nível operacional

Fig. 29 Níveis de Abstracção em Modelação de sistemas

A separação em 3 níveis de abstracção é largamente arbitrária, como se vê no

gráfico acima, mas encontram-se também 3 categorias diferentes de modelos
que se aplicam à diferentes níveis de abstracção do modelo sistémico:

Fig. 30 Metodologia em Modelação de Sistemas

23
 • Dinâmica de Sistemas (System Dynamics (SD));
• Eventos discretos (Discrete Events (DE))
• Agent Based (AB).

Dinâmica de Sistemas (System Dynamics (SD))

Modelação de dinâmica de sistemas ao nível mais alto de abstracção faz-se com
SD models. SD models derivam-se normalmente de um sistema de equações
diferenciais e, apenas nos casos mais elementares são lineares no
comportamento. Normalmente os modelos SD são altamente não-lineares e
têm componentes de retro-alimentação. Os modelos também são contínuos
quer dizer o tempo é uma variável contínua neste modelos. O comportamento
pode mesmo ficar completamente diferente quando se transforma um modelo
contínuo num modelo discreto quer dizer com observações discretas ao longo
do tempo. A matemática destes modelos é normalmente complexa e a sua
utilização para modelação de sistemas espaciais normalmente limitada.

Fig. 31 Modelação em Systems Dynamics (SD e DS)

Versões comerciais de software para modelação da dinâmica de sistemas usam
também meios gráficos para contornar a necessidade de formalizar os
processos com equações matemáticas. Estes programas, como STELLA, geram
as equações matemáticas a partir da especificação de um modelo gráfico.

Eventos discretos (Discrete Events (DE))

Este tipo de modelos é adequado quando houver filas de espera e entradas e
saídas num processo em passos discretos.

24
 Fig. 32 Modelação em Diskrete Event Modeling (DE)

Agent Based (AB)

Agent Based models (AB) têm ganhado mais importância nos últimos anos
porque os meios mais potentes de Informática permitam um processamento de
sistemas que são intensivo em termos de cálculo. Nos modelos AB introduz-se
uma componente individual, um objecto individual que normalmente tem um
comportamento estocástico, mas limitado por factores exteriores do ambiente.
Apenas o uso simultâneo de muitos indivíduos no modelo vai revelar um
comportamento global. Por isso o tipo de modelação com agentes (“Agents”) é
também chamado “Bottom up Modeling”.

Fig. 33 Modelação em Agent Based Modeling (AB)

25
Matrix Population Models
Matrix Population Models são modelos discretos - uma classe específica de
modelos demográficos que usam matrix calculus para analisar o
comportamento demográfico de uma população de indivíduos. Como modelo de
reprodução é usado o Modelo de Leslie que usa tábuas de mortalidade “life
tables” para estimar taxas de fertilidades (fertility rates) e taxas de
sobrevivência (survival rates) dos elementos de uma população. O modelo de
Leslie conduz à um crescimento da população numa estrutura estável das
diferentes classes de idade.
Quando as taxas de fertilidade variam em função da densidade de uma
população (density dependent fertility rates) os modelos tornam-se não-
lineares e instabilidades no sistema podem no extremo conduzir à
comportamento caótico. As instabilidades podem em combinação com
factores extrínsecos e factores intrínsecas de uma população ou espécie
conduzir à sua extinção.
No entanto, Caswell (2008) desenvolveu recentemente
métodos muito interessantes para uma análise de perturbação (com respeito à
sensitividade e elasticidade dos parâmetros) em Modelos matriciais
demográficos não-lineares (p.e modelos com “density dependent fertility
coefficients” ou “recruitment por immigração”, “environmental feedback” etc.).

RAMAS-GIS2
É uma software comercial que permite fazer análises de risco e de viabilidade
em metapopulações de espécies. Esta software permite especificar um
modelo de população e meta-população espacial (normalmente baseado no
modelo de Leslie) usando também Informação geográfica de um SIG para
estruturar e analisar metapopulações numa paisagem complexa. Assim, esta
software torna-se um instrumento valioso para a gestão de uma reserva. Uma
variação de determinados parâmetros do modelo permite fazer uma análise de
sensibilidade de um modelo de metapopulações espaciais bastante realístico e
o modelo de metapopulações espaciais permite fazer uma análise de risco (risk
analysis) de extinção de uma espécie ou meta-população.

2 Existe também Open-Source Software como o programa “Zonation” para a conservação de

metapopulações de espécies em ambientes espacio-temporais. No entanto, Zonation não usa
um modelo demográfico ou de viabilidade para uma espécie, mas permite identificar habitats
prioritários (habitat suitability) para conjuntos de espécies em grelhas de amostragem na base
de parâmetros intrínsecas e extrínsecas dos habitats e das espécies.

26
 Fig. 34 RAMAS-GIS

Fig. 35 Componentes de um Modelo dinâmico em RAMAS_GIS

27
Fig. 36-37 Modelo de Metapopulação – Distribuição da população na paisagem

RAMAS Landscape e RAMAS Multi-Species Assessment

Até este momento temos demonstrado metodologia para avaliar o estado actual
da reserva e para modelar a dinâmica de espécies. No entanto, faltam duas
componentes muito importantes para a modelação e gerência integral de um
ecossistema ou de uma Reserva Natural:

• Modelação da dinâmica da paisagem

• Modelação demográfica de comunidades de espécies e interacções entre
espécies e ecossistemas.

Estes últimos dois tópicos são abordadas em dois módulos do pacote de

software RAMAS que foram lançadas mais recentemente, o “RAMAS
Landscape” e o “RAMAS Multi-Species Assessment”.

28
O “RAMAS Landscape” integra um modelo para modelação de paisagens, o
programa “Landis” com a modelação de metapopulações na base de habitat
suitability. Assim a viabilidade e o risco de extinsão de espécies pode ser
modelada na base da alteração das paisagens em que estas espécies vivem:

29
O “RAMAS Multispecies Assessment” combina dados sobre habitats e
diferentes espécies num único mapa de valores de conservação para uma
reserva ou ecossistema. Neste aspecto o “RAMAS Multi Assesment” assemelha-
se ao programa “Zonation” de um grupo de investigadores finlandeses. No
entanto, o “RAMAS Multi Assessment” permite incluir modelos demográficos das
espécies na modelação.

30
31
Conclusão
A conservação e gestão de uma Reserva Natural é um processo complexo e
difícil porque a Natureza é complexa e não-linear. Existem diferentes
instrumentos da Estatística Multivariada e de Modelação e Simulação de
Sistemas para aproximar-se sucessivamente a uma solução. No entanto, não se
deve ganhar a impressão que uma solução seria fácil de atingir. Com a
complicação crescente da complexidade dos modelos também torna-se
necessário uma crescente quantidade de observações em espaço e tempo de
um crescente número de parâmetros. Assim, os graus de liberdade são muito
grandes e as não-linearidades dos sistemas da Natureza não garantem
convergência par um ou vários pontos de equilíbrio.

Talvez pode chegar-se a conclusão que será impossível de dominar esta

complexidade. Assim chegamos novamente ao ponto de partida que será
necessário uma atitude ética nos nossos comportamentos para não ficarmos
presos numa atitude estética ou religiosa no domínio da ciência.

A questão de uma solução tem de ficar em aberto mas quero mencionar ainda
uma novela de Hermann Hesse: Der Steppenwolf, uma novela escrita em
1927. Hesse criticou nesta novela fortemente o “progresso” na crescente
mecanização deste mundo com automóveis e com outras máquinas que podem
conduzir a uma desumanização e à guerra. Ele criticou também a decadência da
sociedade. Todo isso não serviu aparentemente para nada na altura. A novela
de Hermann Hesse foi adaptada num filme brilhante lançado em 1974, também
chamado “Steppenwolf”, em português “O Lobo da Estepe”. Mas o filme foi um
“flop” financeiro desastroso embora ter tido actores muito bons e empregado
técnicas muito avançadas de metragem. A complexidade e não-linearidade da
espécie humana, e com isso também da Natureza, exprima-se na genialidade
desta novela de Hermann Hesse. .

32
Resume

Para o desenvolvimento de um modelo da Gestão integral da Reserva Faia Brava são

introduzidos alguns métodos da Estatística Multivariada e da Modelação Dinâmica de
Sistemas. Para uma gestão integral procedia-se em duas fases:
(1. Fase) ESTATÍSTICA MULTIVARIADA
A) Levantamentos qualitativos e semi-quantitativos das espécies para conhecer a riqueza
florística e faunística da reserva. Incluído nesta parte seria também recolha de dados
paisagísticos e ambientais como declive, clima, geologia etc a partir de mapas existentes.
B) Análise de comunidades das plantas e animais para ficar a saber quais são as comunidades
de espécies existentes e qual a sua distribuição na reserva.
(2. Fase) MODELAÇÃO DINÂMICA
C) Desenvolver simulações na base de “Habitat-Suitability” e de um modelo espacial de
população (metapopulação) para saber qual a capacidade de suporte e quais os factores que
ameaçam as espécies.
Discuta-se também a linearidade e não-linearidade de sistemas da Natureza.

Bibliografia

The Use of Phytosociological Methods in Ecological Investigations ...

Formato do ficheiro: PDF/Adobe Acrobat - Visualização rápida
de MED Poore - 1955 - Citado por 135 - Artigos relacionados
sion of certain aspects of the Braun-Blanquet system (in relation to the .... of Dr
Braun-Blanquet; the literature specifically cited in the text; ...
www.fcnym.unlp.edu.ar/.../Poore%20MED%20-%20The%20Use%20of
%20Phytosociological%20Methods%20i... - Semelhante

Canoco
CANOCO software, the most popular tool for constrained and unconstrained
ordination in ecological applications.
www.canoco.com/ - Em cache – Semelhante

Amazon.com: Matrix Population Models, Second Edition (Paperback ...

Matrix Population Models, Second Edition (Paperback) by Hal Caswell
Paperback $83.95. Quantitative Conservation Biology: Theory and Practice of
Population ...
www.amazon.com › ... › Demography - Em cache - Semelhante

33
Perturbation analysis of nonlinear matrix population models
Formato do ficheiro: PDF/Adobe Acrobat - Visualização rápida
de H Caswell - Artigos relacionados
Perturbation analysis of nonlinear matrix population models. Hal Caswell cс ...
www.demographic-research.org/Volumes/Vol18/3/18-3.pdf

ENGELS, H.; MAY, R. (1997): Methoden multivariater Analysen. In: HAEUPLER, H.;
KORSCH, H. SCHEURER, M.; SCHÖNFELDER, P. VOGEL, A. (Vorabdruck 1997): Datenbank
Gefäßpflanzen – Methoden und Ergebnisse – ein Abschlußbericht. Zentralstelle für
floristische Kartierung Deutschlands. Bochum, Halle, Regensburg 1997.

Flora Faia Brava - Web – Google Spreadsheet com Levantamento Florístico

da Reserva Privada Faia Brava do ATN (Associação Transmontana de
Natureza) em 2010.

From System Dynamics to Agent Based Modeling:

Formato do ficheiro: PDF/Adobe Acrobat
de A Borshchev - Citado por 99 - Artigos relacionados
From System Dynamics and Discrete Event to. Practical Agent Based Modeling:
Reasons, Techniques, Tools. Andrei Borshchev & Alexei Filippov ...
www.systemdynamics.org/conferences/2004/.../381BORSH.pdf - Semelhante

GRUTTKE, H.; ENGELS, H. (1998): Meta-population Structure of Carabus

problematicus Hbst. (Coleoptera, Carabidae) in a fragmented landscape,
significance of simulation results for nature conservation. In: Population and
Community Ecology for Insect Management and Conservation, Baumgärtner et al. (eds).
1998 Balkema, Rotterdam, pp. 133-143.

Hermann Hesse - Wikipédia, a enciclopédia livre

... e em especial em O Lobo da Estepe (1927), que é também uma crítica contra
o ... O Wikiquote tem uma coleção de citações de ou sobre: Hermann Hesse. ...
pt.wikipedia.org/wiki/Hermann_Hesse - Em cache - Semelhante

The LANDIS-II Forest Landscape Model — LANDIS-II

18 Jan 2009 ... LANDIS-II advances forest modeling in many respects. Most
significantly, LANDIS-II, 1) has flexible time steps for every ecological process, ...
www.landis-ii.org/ - Em cache - Semelhante

34
Population Viability Analyses with Demographically and Spatially ...
Formato do ficheiro: PDF/Adobe Acrobat - Visualização rápida
de HR Akçakaya - Citado por 76 - Artigos relacionados
This is a preprint of Akçakaya, H.R. 2000. Population viability analyses with
demographically and spatially structured models. Ecological Bulletins 48:23-38 ...
www.ramas.com/PVA2.pdf - Semelhante

RAMAS GIS
16 Mar 2005 ... RAMAS GIS is designed to link your GIS with a metapopulation
model for population viability analysis and extinction risk assessment. ...
www.ramas.com/ramas.htm - Em cache – Semelhante

RAMAS Landscape
RAMAS Landscape integrates the landscape model LANDIS with the habitat-
based metapopulation model RAMAS GIS. With the integration of a landscape
and a ...
www.ramas.com/landsc.htm - Em cache - Semelhante

RAMAS Multispecies Assessment

21 Jun 2002 ... RAMAS Multispecies Assessment combines what you know
about the habitat ... RAMAS Multispecies Assessment requires Windows 95 or
later (e.g., ...
www.ramas.com/multispecies.htm - Em cache – Semelhante

Simulação - Wikipédia, a enciclopédia livre

Em computação, simulação consiste em empregar formalizações em
computadores, tais como expressões matemáticas ou especificações mais ou
menos formalizadas, ...
pt.wikipedia.org/wiki/Simulação - Em cache - Semelhante

isee systems - STELLA Modeling & Simulation Software

isee systems, formerly High Performance Systems ... "STELLA gives us an ...
www.iseesystems.com/softwares/.../StellaSoftware.aspx - Em cache

35
The Ordination Web Page
Ordination is a widely-used family of methods which attempts to reveal the
relationships between ecological communities. For definitions, go HERE. ...
ordination.okstate.edu/ - Em cache – Semelhante

The Complementary Nature is Linear~Nonlinear | The Squiggle Sense

But in real life, in the complementary nature, real dynamic structure ...
thecomplementarynature.com/.../the-complementary-nature-is-linearnonlinear

VegAna
6 Jul 2007 ... VegAna. Vegetation Edition and Analysis Tools. YUCCA. FAGUS.
QUERCUS. GINKGO. Multivariate analysis methods for ecological data: ...
biodiver.bio.ub.es/vegana/ - Em cache – Semelhante

Software developed by Metapopulation Research Group

Zonation produces a hierarchical prioritization of the landscape based on the ...
The software to parameterize the model and simulate metapopulation ...
www.helsinki.fi/science/metapop/Software.htm - Em cache - Semelhante

36