forked from cecigongon/ColeopteraZaachila
-
Notifications
You must be signed in to change notification settings - Fork 0
/
BarrasyRenyigithub.Rmd
275 lines (227 loc) · 8.48 KB
/
BarrasyRenyigithub.Rmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
---
Este script compara el tratamiento industrial y el tradicional. Primero se hace por medio de gráficas de barras, después se calculan manualmente varios índices de diversidad y finalmente se hace un análisis de Renyi.
---
##Graficas de barras por tratamiento, FAMILIA y abundancia en REDES
```{r}
b<-tapply(ColeoRed$abundancia, list(ColeoRed$familia, ColeoRed$tratamiento), sum)#abundancia de indiv por familia y tratamiento. La base de datos "ColeoRed" se crea en el script "Coleogithub.rmd" a partir de la base de datos general.
var<-c("0","1")
b[,var] <- sapply(b[,var],function(x) ifelse(is.na(x),0,x))
par(mar=c(2.4, 3, 2, 8))
barplot(b, legend=rownames(b), col=brewer.pal(nrow(b),"Accent"), args.legend=list(x=3, y=550, bty="L", cex=.6), las=1, main="Abundancia de familias por tratamiento en redes")
```
Las familias Chrysomelidae y Cantharidae son m??s abundantes en el tratamiento 0, mientras que Curculionidae, Cleridae y Bruchidae son m??s abundantes en el 1.
```{r}
c<-tapply(ColeoRed$abundancia, list(ColeoRed$tratamiento, ColeoRed$familia), sum)#abundancia de indiv por familia y tratamiento
c[1,] <- sapply(c[1,],function(x) ifelse(is.na(x),0,x))
c[2,] <- sapply(c[2,],function(x) ifelse(is.na(x),0,x))
par(mar=c(7.2, 3, 1, 1))
barplot(c, legend=rownames(c),col=c(8,6),las=2, main="abundancia de familias por tratamiento en redes")
```
quitar chrysomelidae y cantharidae para ver mejor:
```{r}
par(mar=c(7.2, 3, 1, 1))
c[,9]<-0
c[,7]<-0
barplot(c, legend=rownames(c),col=c("#6391cf", "#c45152"),las=2 ) #main="abundancia de familias por tratamiento en redes"
```
Bostrichidae, Buprestidae, Lampyridae, Languriidae y Tenebrionidae son espec??ficos del tratamiento 1. Trogositidae es del tratamiento 0.
##Ahora barras a nivel MORFOESPECIE y en REDES
```{r}
myfunction <- function(x){
result<-length(unique(x))
return(result)
}
d<-tapply(ColeoRed$tipo, list(ColeoRed$familia, ColeoRed$tratamiento),myfunction )#riqueza de morfoespecies por familia en redes
d[,var] <- sapply(d[,var],function(x) ifelse(is.na(x),0,x))
par(mar=c(2.5, 7, 2, 8))
barplot(d, legend=rownames(d),col=brewer.pal(nrow(d),"Accent"), args.legend=list(x=3.2, bty="L", cex=.6), las=1, ylab="Morph richness")
```
En el tratamiento 1 hay mayor rqueza de morfoespecies en general, dentro de cada familia
```{r}
e<-tapply(ColeoRed$tipo, list(ColeoRed$tratamiento, ColeoRed$familia),myfunction )
e[1,] <- sapply(e[1,],function(x) ifelse(is.na(x),0,x))
e[2,] <- sapply(e[2,],function(x) ifelse(is.na(x),0,x))
par(mar=c(7.2, 3, 1, 1))
barplot(e, legend=rownames(e),col=c(8,5),las=2, main="riqueza de morfoespecies")
```
#Barras por tratamiento, FAMILIA y abundancia en PITFALLS
```{r}
f<-tapply(ColeoPit$abundancia, list(ColeoPit$familia, ColeoPit$tratamiento), sum)#abundancia de indiv por familia y tratamiento
f[,var] <- sapply(f[,var],function(x) ifelse(is.na(x),0,x))
par(mar=c(2.5, 3, 3, 10))
barplot(f, legend=rownames(f), col=brewer.pal(nrow(f),"Accent"), args.legend=list(x=3, bty="L", cex=.6), las=1, main="Abundancia de familias por tratamiento en pitfalls")
```
```{r}
g<-tapply(ColeoPit$abundancia, list(ColeoPit$tratamiento, ColeoPit$familia), sum)#abundancia de indiv por familia y tratamiento
g[1,] <- sapply(g[1,],function(x) ifelse(is.na(x),0,x))
g[2,] <- sapply(g[2,],function(x) ifelse(is.na(x),0,x))
par(mar=c(7.2, 3, 1, 1))
barplot(g, legend=rownames(c),col=c(8,6),args.legend=list(x=6, bty="L"),las=2, main="Abundancia de familias por tratamiento en pitfalls")
```
Quitando Staphylinidae, Scolytidae y Nitidulidae para ver mejor:
```{r}
par(mar=c(7.2, 3, 1, 1))
g[,19]<-0
g[,22]<-0
g[,23]<-0
barplot(g, legend=rownames(c),col=c(8,6),las=2, main="abundancia de familias por tratamiento en pitfalls")
```
##Barras por tratamiento, familia y riqueza de MORFOESPECIES en PITFALLS
```{r}
h<-tapply(ColeoPit$tipo, list(ColeoPit$familia, ColeoPit$tratamiento),myfunction )
h[,var] <- sapply(h[,var],function(x) ifelse(is.na(x),0,x))
par(mar=c(2.5, 6, 3, 8))
barplot(h, legend=rownames(h),col=brewer.pal(nrow(h),"Accent"), args.legend=list(x=3.1, bty="L", cex=.6), main="Riqueza de morfoespecies en cada familia por tratamiento en pitfalls",las=1)
```
```{r}
i<-tapply(ColeoPit$tipo, list(ColeoPit$tratamiento, ColeoPit$familia),myfunction )
i[1,] <- sapply(i[1,],function(x) ifelse(is.na(x),0,x))
i[2,] <- sapply(i[2,],function(x) ifelse(is.na(x),0,x))
par(mar=c(7.2, 3, 3, 1))
barplot(i, legend=rownames(i),col=c(8,6),args.legend=list(x=6, bty="L"),las=2, main="Riqueza de morfoespecies en cada familia por tratamiento en pitfalls")
```
#indices por TRATAMIENTO
##indices de diversidad para las FAMILIAS en REDES
```{r}
#trabaja con b
#num efectivo, equidad, shannon, riq y chao
trat0<-numeric()
trat1<-numeric()
for(i in 1:25){
trat0 <- c(trat0, b[i,1])
trat1 <- c(trat1, b[i,2])
}
```
shannon 0 y 1
```{r}
pi0<-trat0/sum(trat0)
pilnpi0<-pi0*log(pi0)
pilnpi0[is.nan(pilnpi0)]<-0
shannon0<-sum(pilnpi0)*-1
pi1<-trat1/sum(trat1)
pilnpi1<-pi1*log(pi1)
pilnpi1[is.nan(pilnpi1)]<-0
shannon1<-sum(pilnpi1)*-1
shannon0
shannon1
```
equidad 0 y 1
```{r}
#dividir shannon entre ln del num de familias
equi0<-shannon0/log(20)
equi1<-shannon1/log(24)
equi0
equi1
```
numero efectivo de especies
```{r}
numef0<-exp(shannon0)
numef1<-exp(shannon1)
numef0
numef1
```
riqueza y chao
```{r}
#riqueza de familias 0 (s0.0) es 20
#riqueza de familias 1 (s0.1) es 24
#Chao: s1=s0+(F1^2/2*F2)
s0.0<-20
F1.0<-sum(trat0==1)
F2.0<-sum(trat0==2)
chao0<-s0.0+((F1.0^2)/(2*F2.0))
s0.1<-24
F1.1<-sum(trat1==1)
F2.1<-sum(trat1==2)
chao1<-s0.1+((F1.1^2)/(2*F2.1))
"riqueza 0 es 20"
"riqueza 1 es 24"
"chao 0 es"
chao0
"chao 1 es"
chao1
```
En redes y a nivel de familia, todos los indices (shannon, equidad y num efectivo) son mayores para el tratamiento tradicional. La riqueza es mayor en el tradicional aunque con Chao resultan iguales.
##Indices MORFOESPECIES-REDES
```{r}
#trabajar con:
morf.trat.red<-tapply(ColeoRed$abundancia, list(ColeoRed$tipo,ColeoRed$tratamiento), sum)#abundancia de morfoespecies por tratamiento en redes
#num efectivo, equidad, shannon, riq y chao
trat0<-numeric()
trat1<-numeric()
for(i in 1:77){
trat0 <- c(trat0, morf.trat.red[i,1])
trat1 <- c(trat1, morf.trat.red[i,2])
}
trat0[is.na(trat0)] <- 0
trat1[is.na(trat1)] <- 0
```
shannon 0 y 1
```{r}
pi0<-trat0/sum(trat0)
pilnpi0<-pi0*log(pi0)
pilnpi0[is.nan(pilnpi0)]<-0
shannon0<-sum(pilnpi0)*-1
pi1<-trat1/sum(trat1)
pilnpi1<-pi1*log(pi1)
pilnpi1[is.nan(pilnpi1)]<-0
shannon1<-sum(pilnpi1)*-1
shannon0
shannon1
```
equidad 0 y 1
```{r}
#dividir shannon entre ln del num de morfoespecies
equi0<-shannon0/log(length(trat0)-sum(trat0==0))
equi1<-shannon1/log(length(trat1)-sum(trat1==0))
equi0
equi1
```
numero efectivo de especies
```{r}
numef0<-exp(shannon0)
numef1<-exp(shannon1)
numef0
numef1
```
riqueza y chao
```{r}
#riqueza de especies 0 es length(trat0)-sum(trat0==0)
#riqueza de especies 1 es length(trat1)-sum(trat1==0)
#Chao: s1=s0+(F1^2/2*F2)
s0.0<-length(trat0)-sum(trat0==0)
F1.0<-sum(trat0==1)
F2.0<-sum(trat0==2)
chao0<-s0.0+((F1.0^2)/(2*F2.0))
s0.1<-length(trat1)-sum(trat1==0)
F1.1<-sum(trat1==1)
F2.1<-sum(trat1==2)
chao1<-s0.1+((F1.1^2)/(2*F2.1))
"riqueza 0 y 1"
length(trat0)-sum(trat0==0)
length(trat1)-sum(trat1==0)
"chao 0 y 1"
chao0
chao1
```
Diversidad de Renyi
```{r}
library("vegan", lib.loc="/Library/Frameworks/R.framework/Versions/3.4/Resources/library")
library("BiodiversityR", lib.loc="/Library/Frameworks/R.framework/Versions/3.4/Resources/library")
datosred<-read.table("renyired.csv", sep=",", header=TRUE) #"renyired" contiene los morfos como columnas, los tratamientos como renglones (industrial y tradicional), y los valores en cada celda son abundancias
datosred <- datosred[c(-1)]#elimino columna con nombres
R<-renyiresult(datosred,method="s")
renyiplot(R, evenness=FALSE, addit=FALSE, pch=1,col='1', rainbow=TRUE, cex=1, legend=FALSE)
R
```
Numeros de Hill
```{r}
library(SpadeR)
base<-read.table("renyired.csv", sep=",", header=TRUE)
# Es necesario transponer el dataframe para calcular los numeros de hills
Hill_base<-setNames(data.frame(t(base[,-1])), base[,1])# Base traspuesta
Hill_com1<-Diversity(Hill_base$agroecologico,"abundance",q=c(0,0.25,0.5,1,2,4,8)) # "q" es un num de 0 a 2, que le da distinto peso a la abundancia a las spp, y por lo tanto mayor o menor sensibilidad. 0 es riqueza, 1, es exp(shannon) y 2 es el inverso de simpson.
Hill_com1$Hill_numbers
Hill_com2<-Diversity(Hill_base$industrializado,"abundance",q=c(0,0.25,0.5,1,2,4,8))
Hill_com2$Hill_numbers
# si los intervalos de confianza se superponen no hay diferencias significativas en la diversidad de artr??podos entre la comunidad 1 y 2.
```