Associações entre borboletas frugívoras em áreas de floresta com diferentes históricos de perturbação antrópica
Em 2009 Uehara Prado et al., coletaram uma grande quantidade de dados para avaliar o papel das borboletas da família Nymphalidae como bioindicadoras, porém esses dados não foram utilizados em sua totalidade. O presente estudo está direcionado à experimentação e modelagem de interações ecológicas, a...
| Autor: | |
|---|---|
| Formato: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2016 |
| País: | Brasil |
| Recursos: | Universidade Estadual Paulista (UNESP) |
| Repositorio: | Repositório Institucional da UNESP |
| Idioma: | portugués |
| OAI Identifier: | oai:repositorio.unesp.br:11449/136421 |
| Acesso em linha: | http://hdl.handle.net/11449/136421 |
| Access Level: | acceso abierto |
| Palavra-chave: | Borboletas frugívoras Biclusterização Árvores de Decisão Redes Bayesianas Fruit-feeding butterflies Biclustering Decision trees Bayesian networks |
| Resumo: | Em 2009 Uehara Prado et al., coletaram uma grande quantidade de dados para avaliar o papel das borboletas da família Nymphalidae como bioindicadoras, porém esses dados não foram utilizados em sua totalidade. O presente estudo está direcionado à experimentação e modelagem de interações ecológicas, a partir dos dados obtidos por Uehara-Prado et al. (2009), juntamente com aqueles não previamente utilizados que, no intuito de extrair o máximo de informação de relevância biológica e ecológica. Para tanto, foram utilizados três diferentes tipos de abordagens: (1) Biclusterização (Cheng & Church, 2000; Madeira & Oliveira, 2004); (2) Árvores de decisão (Quinlan, 1986; Bell, 1999; De’ath & Fabricius, 2000; Olden et al., 2008) e (3) Redes Bayesianas (Korb & Nicholson, 2003; McCann et al., 2006; Chen & Pollino, 2012; Pearl, 2014). Os resultados se mostraram bastante promissores, e as três ferramentas atingiram as expectativas; em biclusterização, conseguimos identificar todos os padrões de correlação dentro dos cenários apresentados, árvores de decisão se mostraram extremamente eficazes na classificação das variáveis apresentadas e as Redes Bayesianas conseguiram identificar quais variáveis influenciavam ou eram influenciadas pelas outras. Com este trabalho esperamos incentivar outros pesquisadores à revisitarem antigas bases de dados com ferramentas computacionais mais modernas, pois seu potencial é extraordinário. |
|---|