Escolar Documentos
Profissional Documentos
Cultura Documentos
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:
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
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?
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.
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:
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.
Assim podemos condensar também estes dois princípios da aditividade e homogeneidade numa
4
única função característica da transformação linear:
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.
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:
será permissível de dividir a função aditivamente numa componente linear e uma não-linear
(H.O.T. simboliza "Higher Order Terms").
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.
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
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.
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
9
(2) Metodologia da amostragem (p.e. Braun-Blanquet)
Fig. 9 Turboveg
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:
11
Fig. 12 Intersecção de mapas com grelha
12
Fig. 15 Interpretação das Intersecções
13
(3) Geodatabases (opcional)
Fig. 18 Geodatabase
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:
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)
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).
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.
18
Fig. 23-24 Exemplos de Biplots
(Correlação de ocorrência de espécies e factores ambientais)
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:
Neste caso podemos correr uma análise cluster (K-Means) sobre os objectos
no espaço de ordenação e determinar grupos de espécies ou sites.
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)
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.
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
23
• Dinâmica de Sistemas (System Dynamics (SD));
• Eventos discretos (Discrete Events (DE))
• Agent Based (AB).
24
Fig. 32 Modelação em Diskrete Event Modeling (DE)
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.
26
Fig. 34 RAMAS-GIS
27
Fig. 36-37 Modelo de Metapopulação – Distribuição da população na paisagem
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.
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
Bibliografia
Canoco
CANOCO software, the most popular tool for constrained and unconstrained
ordination in ecological applications.
www.canoco.com/ - 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.
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
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
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
36