Figura 4- Velocidade da corrente (em m/s, de 1992 a 2007) para o verão (janeiro, fevereiro e março) e para o inverno (julho, agosto e setembro), do modelo ROMS, do produto OSCAR e suas respectivas diferenças. (CF, Cabo Frio; CSM, Cabo de Santa Marta).
Dispersão e sobrevivência de ovos e larvas
A mortalidade dos estágios iniciais da vida é geralmente alta nos primeiros dias da experiência de desova por zonas com pouca variação entre anos de máximo e mínimo desembarques da sardinha. Pode-se observar, entretanto, que a mortalidade nos primeiros dias é maior antes de mínimos desembarques em comparação com anos de máximos.
As diferenças nos valores de mortalidade por temperatura e por advecção relativos às desovas que precederam os extremos de desembarque não foram significativos entre sí (Tabela 1). O que representa apenas uma variação casual dos extremos da série temporal, que podem ser atribuídos a faltam de alimentos, predação e do recrutamento relacionado ao ano seguinte.
Tabela 1- Resultado do teste de Kruskal-wallis do experimento aleatório e por zonas para mortalidade por temperatura e por perda de advecção. Morte T (morte por temperatura). Morte A (morte por advecção). SS (somas dos quadrados). df (graus de liberdade). MS (erro quadrático médio). F (razão entre a média do quadrado de erros). Prob (valor de p para aceitar ou rejeitar a hipótese nula).
Morte T – Exp. Por Zonas
|
Fonte
|
SS
|
df
|
MS
|
Chi-sq
|
Prob
|
Grupos
|
30,25
|
1
|
30,25
|
1,06
|
0,3029
|
Erro
|
454,25
|
16
|
28,3906
|
|
|
Total
|
484,5
|
17
|
|
|
|
Morte A– Exp. Por Zonas
|
Fonte
|
SS
|
df
|
MS
|
Chi-sq
|
Prob
|
Grupos
|
27,563
|
1
|
27,5625
|
0,98
|
0,3229
|
Erro
|
451,938
|
16
|
28,2461
|
|
|
Total
|
479,5
|
17
|
|
|
|
Morte T x Morte A– Exp. Por Zonas
|
Fonte
|
SS
|
df
|
MS
|
Chi-sq
|
Prob
|
Grupos
|
2916
|
1
|
2916
|
26,3
|
2,9166e-7
|
Erro
|
964
|
34
|
28,53
|
|
|
Total
|
3880
|
35
|
|
|
|
Porém, a mortalidade por baixa temperatura foi significativamente maior que por advecção (Tabela 1) no experimento por zonas (p = 2,91665e-7). Isso também pode ser observado quando analisado as taxas de mortalidade em cada uma das quatro zonas (Figura 5), confirmando as probabilidades de maiores ocorrências de ovos definidos por Gigliotti et al., (2010) do Sul para o Norte, sendo poucos indivíduos advectados para regiões de maior profundidade.
Figura 5- Teste de KW para analisar a mortalidade por temperatura e por advecção nas quatro zonas.
Análise Espacial
Analisando os gráficos de probabilidade de distribuição acumulada com seus respectivos resíduos (Figura 6) para cada uma das 4 zonas estudadas. Percebe-se que os fenômenos expressos através de ocorrências pontuais, no caso de interesse, totais de mortalidades em cada zona, não estão associados a valores e sim que existe uma evidência de interação entre esses eventos. Há um dependência espacial maior entre os grupos, devido a maior distância que ocorre entre eles.
Tratando de dados não paramétricos a densidade de probabilidade foi definida por Kernel a partir de inferências sobre a população como base nos dados observados. A regularidade das amostras podem ser visualizadas nos respectivos resíduos de cada zona.
Figura 6 – Análise dos pontos em cada uma das zonas (Zona 1-A; Zona 2-B; Zona 3-C; Zona 4- D) e seus respectivos resíduos
A análise das áreas, zonas de desovas, foram interpretadas com o valor do índice de Moran, que é semelhante à interpretação dada ao valor de correlação entre duas variáveis aleatórias (Figura 7).
Figura 7 – Diagrama de espalhamento de Moran para cada uma das 4 zonas estudadas (Zona 1- A; Zona 2-B; Zona 3-C; Zona 4-D).
A Figura 7 nos mostra que que os indíces de moran (acima nas nos diagramas de espalhamento) possuem valores próximos a zero, o que correspondem a autocorrelação espacial não significativa, entre o valor do atributo do objeto e o valor médio do atributo de seus vizinhos. Isso pode ser melhor observado nos gráficos de espalhamento de Moran, construído com base nos valores normalizados (valores de atributos subtraídos de sua média e divididos pelo desvio padrão), que representam uma maneira alternativa de visualização da dependência espacial existente no conjunto de dados.
A partir desses diagramas pode-se visualizar e interpretar a associação linear entre cada valor de atributo zi em relação à média dos valores dos atributos de seus vizinhos zm, uma vez que Anselin (1993) entende ser o indicador de Moran um coeficiente de regressão linear entre zm e zi .
A origem do gráfico de espalhamento está centrada na coordenada (0,0), pois as variações são consideradas em relação à média. Nesse contexto, o gráfico é dividido em quatro quadrantes, de maneira que cada quadrante representa um tipo diferente de associação entre o valor de uma dada área (zi) e a média de seus vizinhos (zm).
De acordo com Anselin (1993) os gráficos de espalhamento de moran nos mostram que a zona 2 (B), o quadrante inferior esquerdo, baixo-baixo, mostram que o atributo e a média dos vizinhos, estão abaixo da média. Nas zonas 1 (A), 3 (C) e 4 (D), os quadrantes superior esquerdo e inferior direito indicam associação espacial negativa. Valores baixos estão cercados por valores altos (quadrante superior esquerdo: baixo-alto, representando valor negativo e média dos vizinhos positiva) e valores altos são rodeados por valores baixos (quadrante inferior direito: alto- baixo, representando valor positivo e média dos vizinhos negativa).
Os índices de Moran (Figura 7) apresentaram associação espacial com valores muito baixos, próximos de zero e combinados com uma significância acima de 0,05 (p-valores), refutando a hipótese de autocorrelação espacial. Os valores inferidos evidenciam que as zonas de probabilidade, provavelmente, são poucos correlacionados no espaço com o valor médio de seus municípios vizinhos.
Compartilhe com seus amigos: |