anÁlise de agrupamento em coleÇÕes de documentos:...
TRANSCRIPT
ANÁLISE DE TOPOLOGIA DE REDES COMPLEXAS A PARTIR DE
DADOS CITOMÉTRICOS
Angela Cristina Moulin Pereira
Dissertação de Mestrado apresentada ao
Programa de Pós-graduação em Engenharia
Civil, COPPE, da Universidade Federal do Rio
de Janeiro, como parte dos requisitos necessários
à obtenção do título de Mestre em Engenharia
Civil.
Orientadores: Nelson Francisco Favilla Ebecken
Gilberto Carvalho Pereira
Rio de Janeiro
Setembro de 2011
ANÁLISE DE TOPOLOGIA DE REDES COMPLEXAS A PARTIR DE
DADOS CITOMÉTRICOS
Angela Cristina Moulin Pereira
DISSERTAÇÃO SUBMETIDA AO CORPO DOCENTE DO INSTITUTO ALBERTO
LUIZ COIMBRA DE PÓS-GRADUAÇÃO E PESQUISA DE ENGENHARIA (COPPE)
DA UNIVERSIDADE FEDERAL DO RIO DE JANEIRO COMO PARTE DOS
REQUISITOS NECESSÁRIOS PARA A OBTENÇÃO DO GRAU DE MESTRE EM
CIÊNCIAS EM ENGENHARIA CIVIL.
Examinada por:
_____________________________________________________ Prof. Nelson Francisco Favilla Ebecken, D.Sc.
_____________________________________________________ Prof. Gilberto Carvalho Pereira, D.Sc.
_____________________________________________________ Profª Beatriz de Souza Leite Pires de Lima, D.Sc.
_____________________________________________________ Prof Hélio José Corrêa Barbosa, D.Sc.
RIO DE JANEIRO, RJ - BRASIL
SETEMBRO DE 2011
iii
Pereira, Angela Cristina Moulin
Análise de Topologia de Redes Complexas a partir de
Dados Citométricos /Angela Cristina Moulin Pereira. –
Rio de Janeiro: UFRJ/COPPE, 2011.
XII, 69 p.: il.; 29,7 cm.
Orientadores: Nelson Francisco Favilla Ebecken
Gilberto Carvalho Pereira
Dissertação (mestrado) – UFRJ/ COPPE/ Programa de
Engenharia Civil, 2011.
Referências Bibliográficas: p. 52-60.
1. Monitoramento Ambiental. 2. Redes Complexas. 3.
Citometria de Fluxo. I. Ebecken, Nelson Francisco Favilla
et al. II. Universidade Federal do Rio de Janeiro, COPPE,
Programa de Engenharia Civil. III. Título.
iv
Agradecimentos
Ao meu orientador Nelson Francisco Favilla Ebecken pelo privilégio de desenvolver
este trabalho, por ter acreditado na minha capacidade e seu esforço em manter-me
motivada em concluir este curso de mestrado.
Ao meu co-orientador Gilberto Carvalho Pereira pelo estímulo e paciência a mim
dedicados, por ter me apresentado a importância dos ecossistemas, e pela sua
generosidade em compartilhar seus conhecimentos e ter disponibilizado a base de dados
fruto de sua pesquisa para ser utilizada neste trabalho.
A toda a equipe da secretaria da COPPE/Engenharia Civil, pela ajuda, sempre que
solicitada e pelo eficiente apoio administrativo.
Aos Professores Alexandre Evsukoff, Beatriz, Jorge Vieira, Luis Bevilacqua e Myrian
pelos seus ensinamentos em suas aulas, ensinamentos estes que foram tão úteis no
desenvolvimento deste trabalho.
Aos amigos, Alexandre Coser, Beth e Clara, especialmente a Alexandre Soares Alves,
que me deu a oportunidade de começar este curso de mestrado, e que sempre me
incentivou.
Aos companheiros do IPqM: Aline, Cristian, Edson e Sérgio, que torceram pelo meu
sucesso e me ajudaram sempre que precisei.
Ao Instituto de Pesquisas da Marinha (IPqM) pela liberação concedida para tornar
possível este trabalho e acreditar no seu resultado.
Aos amigos do curso de Mestrado, em especial a Natália, sua inteligência e coragem
foram inspiradores para mim, pela sua amizade e pelas trabalhosas horas dedicadas aos
trabalhos realizados ao longo desta jornada.
Ao meu pai, Waldir que se foi antes do término desta jornada, mas se orgulharia muito
de mim, à minha mãe Eliete, pelo seu incondicional apoio, e que tanto me ajudou nas
horas difíceis. E a minha filha Clara pelo carinho e compreensão, por inspirar-me a ser
uma pessoa melhor a cada dia.
E acima de tudo, a Deus que torna tudo possível.
v
Resumo da Dissertação apresentada à COPPE/UFRJ como parte dos requisitos
necessários para a obtenção do grau de Mestre em Ciências (M.Sc.)
ANÁLISE DE TOPOLOGIA DE REDES COMPLEXAS A PARTIR DE
DADOS CITOMÉTRICOS
Angela Cristina Moulin Pereira
Setembro/2011
Orientadores: Nelson Francisco Favilla Ebecken
Gilberto Carvalho Pereira
Programa: Engenharia Civil
No Brasil, bem como em vários outros países, a maior parte da população está
concentrada na zona costeira. Estas áreas costeiras são constituídas por um conjunto de
ecossistemas sujeitos aos impactos das atividades antropogênicas. Para tentar mitigar
tais impactos e promover o desenvolvimento sustentável nas zonas costeiras, programas
de gerenciamento costeiro têm sido adotados. Dois dos principais instrumentos destes
programas são o monitoramento ambiental e o sistema de informações da zona costeira
muitas das vezes baseados em dados orbitais georreferenciados e carentes de
informações in situ. Assim, o objetivo deste trabalho é comparar a topologia de redes
ecológicas complexas geradas a partir de dados de citometria de fluxo in situ em três
diferentes localidades da Baía dos Anjos em Arraial do Cabo, através da aplicação de
índices de análise estrutural de redes. Os resultados demonstram uma grande ocorrência
de ligações fracas e poucos grupos com ligações que formam o núcleo central das redes.
Concluiu-se que, devido à ocorrência de caminhos relativamente curtos estas topologias
são caracterizadas como small-worlds, mas com elementos de elevado grau de ligações
que são características de topologias scale-free.
vi
Abstract of Dissertation presented to COPPE/UFRJ as a partial fulfillment of the
requirements for the degree of Master of Science (M.Sc.)
TOPOLOGICAL ANALYSIS OF COMPLEX NETWORKS FROM CYTOMETRIC
DATA
Angela Cristina Moulin Pereira
September/2011
Advisors: Nelson Francisco Favilla Ebecken
Gilberto Carvalho Pereira
Department: Civil Engineering
In Brazil, as in many other countries, most population is concentrated in the
coastal zone. These coastal areas constitute a set of ecosystems subjected to impacts
from anthropogenic activities. In order to attempt to mitigate such impacts and promote
the sustainable development of coastal zone, management programs of these areas have
been adopted. Two main instruments of these programs are environmental monitoring
and information system of coastal zone, which are most often based on georeferenced
orbital data and lack in situ information. Thus, the aim of this work is to compare
topologies of complex ecological networks generated from in situ cytometric data in
three different locations of the Anjos embayment in Arraial do Cabo through the
application of some indices for structural graph analysis. The results show a high
occurrence of weak links and strong linkages among few groups forming the central
core of the network. It is concluded that, due to the occurrence of relatively short paths,
these topologies are characterized as small-worlds but containing elements of high-
grade bonds that can be characterized as scale-free topologies.
vii
SUMÁRIO
FICHA CATALOGRÁFICA........................................................................................iii
AGRADECIMENTOS...................................................................................................iv
RESUMO..........................................................................................................................v
ABSTRACT....................................................................................................................vi
SUMÁRIO......................................................................................................................vii
LISTA DE FIGURAS.....................................................................................................ix
LISTA DE TABELAS....................................................................................................xi
GLOSSÁRIO.................................................................................................................xii
1 INTRODUÇÃO .......................................................................................................... 1
1.1 O Sistema Planctônico........................................................................................ 7
1.2 Objetivos .......................................................................................................... 11
1.3 Motivação e Relevância ................................................................................... 12
1.4 Revisão Bibliográfica ....................................................................................... 13
2 METODOLOGIA .................................................................................................... 21
2.1 Caracterização da Área de Estudo .................................................................... 21
2.2 Aquisição de dados e Citometria de Fluxo ....................................................... 24
2.2.1 Dados Abióticos ....................................................................................... 24
2.2.2 Citometria de Fluxo ................................................................................. 24
2.3 Caracterização e segmentação da base de dados citométricos ......................... 29
2.3.1 Conhecimento Especialista ...................................................................... 30
2.3.2 Segmentação por algoritmo de agrupamento ........................................... 31
2.4 Geração de Redes Complexas .......................................................................... 33
2.4.1 Formalismo Matemático .......................................................................... 34
2.4.2 Topologia de redes ................................................................................... 35
2.4.3 Construção de redes ................................................................................. 35
2.4.4 Medidas de redes...................................................................................... 36
3 ANÁLISE DOS RESULTADOS E DISCUSSÃO ................................................. 38
4 CONCLUSÕES ........................................................................................................ 50
viii
REFERÊNCIAS BIBLIOGRÁFICAS ....................................................................... 52
ANEXO I – DENDROGRAMAS DETALHADOS DAS ESTAÇÕES .................... 61
ANEXO II - ESTATÍSTICAS BÁSICAS DOS DADOS CITOMÉTRICOS.......... 64
ANEXO III – REDES TRÓFICAS ............................................................................. 65
ix
LISTA DE FIGURAS
Figura 1.1 - Mapa de risco tecnológico dos municípios costeiros da região dos lagos
no estado do Rio de Janeiro. ..................................................................... 5
Figura 1.2 - Representação da organização conceitual das interações e vetores
atuantes ao longo do continuum continente-oceano............................... 6
Figura 1.3 - Esquema representativo da tradicional Cadeia Alimentar de Pastagem
acoplada à Alça Microbiana. .................................................................... 9
Figura 1.4 - Categorias de escalas espaciais. .............................................................. 10
Figura 2.1 - Localização dos pontos amostrais na área de estudo (modificado a
partir do Google). .................................................................................... 21
Figura 2.2 - CytoBuoy. ................................................................................................. 25
Figura 2.3 - Exemplo de assinatura óptica de acordo com os parâmetros
citométricos. ............................................................................................. 25
Figura 2.4 - Representação esquemática do princípio de funcionamento da
citometria de fluxo. .................................................................................. 26
Figura 2.5 - Esquematização das variáveis discretizadas de acordo com os modelos
matemáticos descritos. ............................................................................ 29
Figura 2.6 - Métodos de identificação de similaridades na tarefa de clusterização.
................................................................................................................... 32
Figura 2.7. Exemplo de Grafo de 6 vértices e 7 arestas. ........................................... 34
Figura 3.1 - Dendrograma apresentando sub-grupos identificados pela
Clusterização. ........................................................................................... 41
Figura 3.2 - Dendrograma mostrando o processo de agrupamento dos dados
segundo o conhecimento especialista e algoritmos de clustering. ....... 42
Figura 3.3 - Sub-rede de interações fracas apresentando a comunidade
picoplanctônica da estação 1. ................................................................. 43
Figura 3.4 - Sub-rede de interações fortes apresentando a comunidade
picoplanctônica da estação 1. ................................................................. 44
Figura 3.5 - Sub-rede nanoplanctônica com todas as ligações. ................................ 45
x
Figura 3.6 - Sub-rede microplanctônica com todas as ligações. ............................... 45
Figura 3.7- Plotagem bivariada do número de grupos vs ligações das redes por
estação. ..................................................................................................... 47
Figura 3.8 - Dendrograma de agrupamento das redes segundo o método k-means
utilizando a técnica de ligações simples e medida de distância
euclidiana. ................................................................................................ 48
Figura 3.9 - Projeção no plano fatorial 1 e 2 dos índices descritivos das redes. ..... 49
xi
LISTA DE TABELAS
Tabela 1.1 - Pressões e impactos relativos às atividades humanas na zona costeira. 2
Tabela 2.1 - Temperatura e salinidade características das massas de água de
Arraial do Cabo. ...................................................................................... 22
Tabela 2.2 - Coordenadas Geográficas das estações de coleta. ................................ 23
Tabela 2.3 - Critérios utilizados para os estabelecidos grupos através do
conhecimento especialista. ...................................................................... 31
Tabela 3.1 –características abióticas da Baía dos Anjos e Larvas
Meroplanctônicas. Temp, Temperatura, Sal, salinidade, O2, oxigênio;
PO4, fosfato; NO2, nitrito; NO3, nitrato e NH4, amônia. ................... 38
Tabela 3.2 – Total de dados e distribuição do número de partículas por fração
planctônica e estações de coleta. ............................................................. 39
Tabela 3.3 - Número de partículas fluorescentes e sem fluorescência por estação. 39
Tabela 3.4 - Distribuição das partículas fluorescentes e não fluorescentes por
fração planctônica e estação de coleta. P, picoplâncton; N,
nanoplâncton; M, microplâncton. .......................................................... 40
Tabela 3.5 - Total de grupos conforme o conhecimento especialista e algoritmos de
agrupamento ............................................................................................ 41
Tabela 3.6 - Comparação dos índices estruturais das topologias das redes. ........... 46
Tabela 3.7- Valores das coordenadas no plano fatorial 1 e 2. .................................. 49
xii
GLOSSÁRIO
Antrópico – relativo à ação do homem sobre a natureza.
Área costeira – área ao longo do litoral de abrangência dos efeitos naturais resultantes
das interações terra-mar-ar, que leva em conta a paisagem físico-ambiental, a
integridade e os processos de unidades ecossistêmicas litorâneas, incluindo atividades
sócio-econômicas.
Citometria de Fluxo – técnica utilizada para contar, examinar e classificar partículas
microscópicas suspensas em meio líquido, em fluxo.
Clorofila – pigmento responsável pelo processo de fotossíntese.
Comunidade – da ecologia, significa um conjunto de diferentes populações.
Dendrogama – estrutura em forma de “árvore”.
Ecossistema – conjunto de elementos bióticos arranjados hierarquicamente
(Comunidade) interagindo com a componente abiótica (Ambiente).
Eutrofização – processo de enriquecimento de uma substância mineral ou orgânica em
ambientes aquáticos.
Exergia – medida da capacidade máxima de um sistema energético de realizar trabalho
útil enquanto prossegue em direção ao equilíbrio com o ambiente.
Habitat - conceito usado em ecologia que inclui o espaço físico e os fatores abióticos
que condicionam um ecossistema e por essa via determinam a distribuição das
populações de determinada comunidade.
Plâncton – conjunto de organismos que está na coluna d’água à deriva das correntes.
População – conjunto de indivíduos da mesma espécie.
Ressurgência – movimento ascendente de água profunda.
Trófico – relativo ao alimento.
1
CAPÍTULO I
1 INTRODUÇÃO
Zona costeira (ZC) ou faixa litorânea corresponde à zona de transição entre o
domínio continental e o domínio marinho. É uma faixa complexa, dinâmica, mutável e
sujeita a vários tipos de processos como, por exemplo, os geológicos, ecológicos,
sociais e econômicos. No Brasil, é uma unidade territorial definida em legislação para
efeitos de gestão ambiental que se estende por 7.300 km de distância elevando-se para
8.698 km quando considerado o recorte litorâneo. Vai do norte equatorial (Cabo
Orange, na foz do Rio Oiapoque) ao sul temperado (Chuí), passando por 17 estados e
mais de 400 municípios, abrangendo uma área de cerca de 3,5 milhões de km2. Refere-
se a uma parte terrestre e a uma parte marinha, chamada de mar territorial brasileiro,
que corresponde a uma largura de 12 milhas náuticas a partir da costa. Em toda sua
extensão, esta Zona Econômica Ecológica (ZEE), que corresponde a 41% de área
emersa do país, abrange diferentes ecossistemas e abriga aproximadamente 70% da
população brasileira (IBGE, 2010). Dentre os diversos ambientes encontram-se
manguezais, restingas, dunas, praias, ilhas, costões rochosos, baías, brejos, falésias,
estuários, e recifes de corais, todos importantes do ponto de vista ecológico, pois
apresentam uma grande riqueza de espécies e biodiversidade. Devido a estes aspectos, a
ZC foi declarada como Patrimônio Nacional pela Constituição de 1988.
O litoral sudeste, por exemplo, segue do Recôncavo Baiano até São Paulo: é a
área mais densamente povoada e industrializada do país. Suas características são as
falésias, recifes, arenitos e praias de areias monazíticas. É dominado pela Serra do Mar
e tem a costa muito recortada, com várias baías e pequenas enseadas. O ecossistema
mais importante dessa área é o das matas de restingas característico do bioma Mata
Atlântica costeiro. Porém, os ambientes costeiros e marinhos vêm sofrendo nos últimos
anos um considerável processo de degradação ambiental, gerado pela crescente pressão
sobre os recursos naturais e pela capacidade limitada desses ecossistemas de
absorverem os impactos resultantes.
Dentre os fatores antrópicos que afetam a dinâmica das zonas costeiras,
destacam-se:
• o represamento dos rios;
2
• a agricultura, pecuária e pesca predatória;
• o desmatamento, a urbanização e industrialização;
Entre os fatores naturais que afetam a dinâmica das zonas costeiras brasileiras,
destacam-se:
• a erosão, o assoreamento, migração de dunas, mortandade de peixes por
"marés vermelhas".
A Tabela 1.1 apresenta os principais fatores, pressões e impactos ambientais da
zona costeira.
Tabela 1.1 - Pressões e impactos relativos às atividades humanas na zona costeira.
Fatores Pressões Impactos
Represamento de Rios
Retenção de sedimentos, Alteração no fluxo de nutrientes, Diminuição na capacidade de transporte fluvial, Diminuição da descarga de água doce em estuários e áreas costeiras
Erosão e diminuição do fluxo de sedimentos e de nutrientes, Alteração de cadeias alimentares, Diminuição da produtividade pesqueira, Sedimentação de estuários por areias marinhas
Agricultura
Diminuição da oferta de água. Aumento da erosão de solos e da emissão de poluentes. Alteração no ciclo de nutrientes
Eutrofização, Salinização, Sedimentação de calhas, Contaminação de recursos pesqueiros e depreciação de produtos da aqüicultura
Pecuária
Aumento da carga de nutrientes e poluentes. Aumento de “runoff' superficial por impermeabilização de solos por compactação”.
Eutrofização, Contaminação de recursos pesqueiros, Depreciação de produtos da aqüicultura
Urbanização / indústrias
Aumento da carga de poluentes e DBO1 (Demanda Bioquímica de Oxigênio). Aumento nas taxas de denudação de solos
Eutrofização, Contaminação de recursos pesqueiros e depreciação de produtos da maricultura Exposição humana a poluentes
Desmatamento Facilitação da erosão dos solos, Alteração no balanço de sedimentos
Sedimentação de calhas
_________________________ 1 É a quantidade de oxigênio necessária para estabilizar a matéria orgânica.
3
Verifica-se assim, que alterações da teia alimentar e a eutrofização, que também
produz tais efeitos, são resultados comuns às atividades antrópicas. Por tudo isto, a
região costeira brasileira apresenta um quadro preocupante em relação à degradação
ambiental, especialmente em regiões próximas aos grandes centros. A falta de
saneamento básico, junto com as atividades da agricultura e urbanas, degradam os
ambientes naturais através da poluição orgânica, alteração dos fluxos de sedimentos e
deteriorização dos habitats naturais. Na Baía de Guanabara, por exemplo, são
produzidos 18,6 m3/s de esgoto bruto, sendo diariamente despejados 470 toneladas de
carga orgânica, 64t de despejos industriais, 0,3t de metais pesados, 7t de óleo e 6t de
lixo doméstico. Desta maneira a vida microscópica cresce de forma desordenada,
prejudicando outros organismos marinhos que ficam sem espaço, oxigênio e nutrientes.
Uma consequência deste desequilíbrio é a eutrofização das águas e a conhecida “maré-
vermelha” resultando na proliferação de microorganismos produtores de toxinas que
podem causar a morte de outros organismos ou ainda a bioacumulação destas
substâncias através da cadeia alimentar podendo chegar até o homem.
O trabalho de PEREZ et al. (2009) apresenta uma visão geral da implantação do
Plano Nacional de Gerenciamento Costeiro no Brasil e os principais pontos das diversas
iniciativas de proteção destes ecossistemas e discute os principais desafios a serem
vencidos de forma que tais iniciativas possam efetivamente contribuir para o
desenvolvimento sustentável nestas regiões. As principais iniciativas citadas em Perez
são:
- A Política Nacional de Recursos do Mar (PNRM), instituída em 1980 pela
Comissão Interministerial para os Recursos do Mar (CIRM1), que visava legalizar a
integração entre as diversas políticas nacionais setoriais relacionadas ao ambiente
oceânico e costeiro e,
- A Lei nº 7.661/88, regulamentada pelo Decreto nº 5.300/04 com os principais
instrumentos de gestão:
• Plano Nacional de Gerenciamento Costeiro (PNGC) - conjunto de diretrizes
gerais aplicáveis nas diferentes esferas de governo e escalas de atuação,
orientando a implementação de políticas, planos e programas voltados ao
desenvolvimento sustentável da zona costeira;
4
• Plano de Ação Federal da Zona Costeira (PAF) - planejamento de ações
estratégicas para a integração de políticas públicas incidentes na zona costeira,
buscando responsabilidades compartilhadas de atuação;
• Plano Estadual de Gerenciamento Costeiro (PEGC) – implementa a Política
Estadual de Gerenciamento Costeiro, define responsabilidades e procedimentos
institucionais para a sua execução, tendo como base o PNGC;
• Plano Municipal de Gerenciamento Costeiro (PMGC) - implementa a Política
Municipal de Gerenciamento Costeiro, define responsabilidades e
procedimentos institucionais para a sua execução, tendo como base o PNGC e
o PEGC, devendo observar, ainda, os demais planos de uso e ocupação
territorial ou outros instrumentos de planejamento municipal;
• Sistema de Informações do Gerenciamento Costeiro (SIGERCO) - componente
do Sistema Nacional de Informações sobre Meio Ambiente - SINIMA, que
integra informações georreferenciadas sobre a zona costeira. Atualmente
Sistema de Informações do Gerenciamento Costeiro e Marinho (SIGERCOM);
Como exemplo de outras iniciativas pode-se citar o Sistema de Monitoramento
Ambiental da Zona Costeira (SMA); Relatório de Qualidade Ambiental da Zona
Costeira (RQA-ZC); Zoneamento Ecológico-Econômico Costeiro (ZEEC);
Macrodiagnóstico da zona costeira
A preocupação em criar inúmeros instrumentos está diretamente relacionada à
importância destes ecossistemas que segundo Costanza et al. (1999) fornecem diversos
serviços para o homem os quais são agrupados em seis categorias principais:
1) a regulagem do ar atmosférico e do clima;
2) controle da erosão costeira;
3) ciclagem de nutrientes / tratamento de resíduos;
4) controle biológico / habitat / recursos genéticos;
5) alimentos/produção de matérias-primas, e
6) atividades recreacionais e ecoturismo.
Mesmo diante de tantos instrumentos visando à proteção destas áreas, os
sistemas de monitoramento ainda representam um desafio para os pesquisadores. As
recentes pesquisas têm se preocupado em agregar conhecimentos para melhor
identificar fatores relevantes que, de alguma forma, afetam os ecossistemas costeiros,
5
isso inclui a análise do estado do ecossistema através de presença de indicadores, que
consistem de elementos que indicam, por exemplo, os níveis de poluição ambiental e as
alterações produzidas por esta.
Um diagnóstico preciso de ecossistemas marinhos gera instrumentos que
direcionam a tomada de decisão. Neste contexto, as várias técnicas de aquisição de
dados desempenham um papel importante.
Em um estudo sobre o macrodiagnóstico do ambiente costeiro, NICOLODI
(2009) mostra especificamente a situação de risco tecnológico da região dos lagos no
estado do Rio de Janeiro (Figura 1.1).
Figura 1.1 - Mapa de risco tecnológico dos municípios costeiros da região dos lagos no
estado do Rio de Janeiro.
O autor, utilizando um simples código de quatro cores, demonstra que os
municípios de Rio das Ostras e Armação de Búzios apresentam um baixo risco
tecnológico enquanto que Arraial do Cabo seguido de Macaé o mais alto risco.
O gerenciamento costeiro dos estados e municípios litorâneos é fundamental
para o uso sustentado de seus recursos e serviços naturais. Entretanto, ainda não são
plenamente abordados na esfera do modelo de gestão atual aquelas alterações e
6
impactos ambientais causados na zona costeira por atividade antrópicas localizadas em
bacias de drenagem fora do litoral. Isto demonstra que o zoneamento e gestão do litoral
ainda não são realizados no nível integrado desejável, o que resulta em conflitos de
utilização dos seus recursos hídricos, geológicos e biológicos associados, incluindo a
pesca e a aqüicultura, e a depreciação do capital natural de seus ecossistemas. Dentre as
alterações, aquelas relacionadas às mudanças na quantidade e qualidade dos fluxos
continentais de água, sedimentos e seus constituintes químicos para o oceano através
dos rios representam o principal vetor de impactos ambientais. Os rios representam a
principal ligação entre o continente e o mar na maioria dos ciclos biogeoquímicos;
sustentam a produtividade das águas costeiras através do aporte de nutrientes essenciais;
regulam mudanças climáticas de longo prazo através da absorção do CO2 liberado pelo
intemperismo continental e suportam a biodiversidade dos sistemas aquáticos estuarinos
e costeiros. Por outro lado, os rios são também a principal via de contaminação de áreas
costeiras e estuarinas por poluentes gerados no continente. Como resultado, a zona
costeira forma um mosaico de condições ambientais que resulta em respostas
integradoras dos diferentes vetores e mecanismos de transferência atuantes (Figura 1.2)
e que requerem tratamento diferenciado no que diz respeito a seus usos potenciais,
estratégias de exploração de seus produtos e serviços, gerenciamento ambiental e
preservação e conservação de seus recursos.
Figura 1.2 - Representação da organização conceitual das interações e vetores atuantes
ao longo do continuum continente-oceano.
7
Ao longo do transporte no continuum continente-oceano, diversos processos
físicos, químicos e biológicos, de origem natural e/ou antrópica podem alterar as formas
geoquímicas originais dos materiais transportados entre os diferentes compartimentos;
atmosfera, solos e sedimentos, águas e biota.
Outro fator preocupante é que sendo tanto o SINIMA quanto o SIGERCOM
baseados em informações georreferenciadas sobre a zona costeira, ambos os sistemas
ainda carecem de informações in situ e em tempo quase real de locais específicos
apontados nos mapas de sensibilidade da ZEE costeira.
1.1 O Sistema Planctônico
O plâncton reúne o conjunto de seres que vivem suspensos na coluna d’água. O
potencial de locomoção dos seres planctônicos é muito pequeno ou inexistente. Seus
tamanhos variam desde poucos micrômetros ou alguns milímetros, portanto, acabam
por serem arrastados pelas correntes. Em seu conjunto, o plâncton é de vital importância
para os ecossistemas aquáticos, pois representa a base da teia alimentar pelágica e
mudanças na sua composição e estrutura podem ocasionar profundas modificações em
todos os níveis tróficos. A comunidade planctônica apresenta um caráter muito
dinâmico, com elevadas taxas de reprodução e perda, respondendo rapidamente às
alterações físicas e químicas do meio aquático e estabelecendo complexas relações intra
e interespecíficas na competição e utilização do espaço e dos recursos (VALIELA,
1995). Variações no regime metereológico, características geomorfológicas regionais e
impactos antropogênicos nas áreas costeiras, estabelecem, em conjunto, o regime
hidrológico particular de cada região e, consequentemente, as características
taxonômicas e a dinâmica espaço-temporal das comunidades planctônicas. Seus
principais constituintes são:
• o fitoplâncton – conjunto formado pelas microalgas e cianobactérias que devido a
fotossíntese, efetuam a produção primária;
• o zooplâncton – que abrange a porção animal (metazoários) do plâncton contendo
praticamente todos os filos de invertebrados marinhos;
• o ictioplâncton – é a parte do zooplâncton constituído pelas larvas e ovos de
peixes;
8
• o protozooplâncton – constituído por uma grande diversidade de heterótrofos
unicelulares (flagelados e ciliados) com grande variedade de relações tróficas.
Estes são agora separados do zooplâncton por sua grande importância na teia
alimentar microbiana;
• o bacterioplâncton – abrangendo todas as bactérias heterotróficas e archeas, sua
importância é enfatizada pela decomposição da matéria orgânica e a
remineralização nos processos biogeoquímicos. Constituem a maior biomassa nos
ecossistemas aquáticos;
• o virioplâncton – formado pelos vírus que são os mais abundantes e diminutos
agentes biológicos dos ecossistemas.
Estes grupos acima descritos são compostos por sub-grupos e apresentam uma
imensa diversidade biológica, na realidade desconhecida em sua totalidade, mas co-
existem e interagem simultaneamente. O resultado é uma enorme e complexa teia de
relações ecológicas evidenciando processos tais como a competição por recursos, a
predação, o mutualismo e a protocooperação, o parasitismo etc. Neste contexto,
conceito clássico de teia alimentar de pastagem onde o produtor primário (algas) é
consumido pelos herbívoros (protozooplâncton) e sucessivamente predado pelos
carnívoros (meso e macrozooplâncton) é complementado pela chamada Alça
Microbiana – microbial loop (AZAM et al., 1983) onde a matéria orgânica dissolvida
(do inglês DOM) produzida e exsudada pelas algas (fitoplânton) durante a herbívora e
predação (grazing) do protozooplâncton e zooplâncton é convertida em biomassa
particulada pelas bactérias e, assim, recanalizada para dentro da teia alimentar. Os vírus
também contribuem para a produção de DOM através da lise celular do fito e
bacterioplâncton, porém, no contexto deste trabalho não serão considerados. A Figura
1.3 mostra de forma esquemática o acoplamento destes dois conceitos.
9
Figura 1.3 - Esquema representativo da tradicional Cadeia Alimentar de Pastagem
acoplada à Alça Microbiana.
No modelo da alça microbiana são observados processos tais como mixotrofia
(BORAAS, 1988), regeneração de nutrientes (FLYNN & DAVIDSON, 1993),
canibalismo por flagelados (FENCHEL, 1982), seleção de presas (STOECKER et al.,
1986), e a ação dos vírus (SUTLE, 1994) além da complicadas vias de ciclagem de
nitrogênio acopladas às de carbono. Desta maneira, o oceano inteiro é um sistema vivo
integrado onde transformações de energia e matéria são governadas por processos
físicos, químicos e bióticos interdependentes. Apesar dos fundamentos da física e
química dos oceanos estarem bem estabelecidos, abordagens compreensivas para
descrever e interpretar a diversidade e processos microbianos estão ainda emergindo
(EDWARD & KARL, 2005).
De acordo com LEVIN (1992), a heterogeneidade ambiental é fundamental para
a estrutura e dinâmica dos ecossistemas. Ecossistemas naturais são heterogêneos em
escalas que vão desde micro habitats até o nível de paisagem. Em sistemas aquáticos, a
heterogeneidade surge como resultado da estrutura vertical e horizontal dos habitats, e
reflete a distribuição dos organismos planctônicos através das diversas escalas espaciais
e temporais. A Figura 1.4 ilustra estas diferentes escalas.
Peixes
Zooplâncton Ciliados Flagelados
“Cadeia de Pastagem”
Alça Microbiana
Bacteria
Fitoplâncton
Peixes
Zooplâncton Ciliados Flagelados
“Cadeia de Pastagem”
Alça Microbiana
Bacteria
Fitoplâncton
10
Figura 1.4 - Categorias de escalas espaciais.
Em ecossistemas aquáticos, a variação espacial da comunidade microbiana é
influenciada por propriedades físicas, químicas e biológicas do meio fluído. Fatores
ambientais da heterogeneidade espacial em microorganismos planctônicos variam
hierarquicamente de acordo com as escalas espaciais e as entidades biológicas. Em uma
escala fina, por exemplo, a heterogeneidade espacial de bactérias, protistas e células
algais é primeiramente devida aos processos físicos locais como a turbulência,
estratificação termal e de nutrientes, transparência da coluna d’água (SEYMOUR et al.,
2004) em segundo, a processos biológicos tais como a estratificação vertical da
herbívora do zooplâncton. Por outro lado, os padrões de larga escala refletem os
processos regionais biogeográficos relacionados com a geologia e o clima. A
heterogeneidade em larga escala ajuda a desenvolver o conceito de meta-comunidades
(LIEBOLD et al., 2004) e meta-ecossistemas (LOREAU et al., 2003). A comunidade
microbiana planctônica é agora percebida como um “Sistema Complexo Adaptativo”
(NORBERG, 2004). Nos oceanos, em grandes escalas de patchiness (ajuntamentos) do
plâncton estão relacionados com as províncias biogeográficas, e as principais forças
adaptativas tais como os grandes giros e entrada de frentes, correntes de ressurgência e
escoamento de água doce na costa. A formação de patchiness (ajuntamento) é uma
característica comum na distribuição do plâncton e é agora vista como a regra ao invés
11
da exceção. Esta propriedade (patchiness) é fundamental para a dinâmica populacional,
organização da comunidade e estabilidade (MEHNER et al., 2005). A heterogeneidade
funcional é um conceito que liga os patches espaciais aos processos ambientais
operando hierarquicamente sobre diferentes escalas do ambiente e diferentes níveis de
organização biológica. Ao nível organismal, por exemplo, o foco está nas respostas
morfológicas, fisiológicas e comportamentais à heterogeneidade de pequena escala
como a disponibilidade de recursos e as ameaças de competidores, predadores e
parasitas. Ao nível populacional ou de comunidade, o foco está na resposta à
heterogeneidade ambiental de larga escala para o espaçamento adequado do habitat no
ecossistema e na paisagem. Para PINEL-ALLOL & GHADOUANI (2007), uma
perspectiva multi-escalas é essencial identificar e caracterizar a escala pertinente de
dependência espacial das entidades microbianas aquáticas, para se apreciar a natureza e
magnitude das fontes de variação, e determinar os processos bióticos e abióticos que
governam a distribuição espacial dos microorganismos aquáticos, e suas forças em
múltiplas escalas.
Normalmente a fina escala como apresentada na Figura 1.4 corresponde a
mediadas entre 1 metro e 1 kilômetro, mais adequadas ao estudo de lagos e baias.
Entretanto, o surgimento de novas tecnologias como a citometria de fluxo in situ
(DUBELAAR & GERRITZEN, 2000; OLSON et al., 2003), dentre outras, permite o
estudo de patches microbianos em micro (1cm – 1m) e nano (1m – 1cm) escalas.
Os estudos de patchiness são geralmente limitados a uma entidade planctônica
específica (bactérias, fito ou zooplâncton) ou uma escala espacial (através dos oceanos,
sistemas de água doce, ou dentro de sistemas), e não existe ainda, para nosso
conhecimento, nenhum estudo de caráter funcional de padrões de comunidades de
patches microbianos nem tampouco acessados através de dados citométricos.
1.2 Objetivos
Como apresentado anteriormente, variações naturais no ecossistema marinho
ocorrem em muitas escalas temporais e espaciais. Na base da teia alimentar, o plâncton
é um elemento essencial para o funcionamento de todo o ecossistema e está sujeito a
estas variações e influências antropogênicas. Qualquer mudança no tipo de interações
entre seus constituintes pode resultar em severo impacto na transferência de energia
para os níveis tróficos superiores e potencialmente consequências socio-econômicas
12
através dos efeitos na pesca comercial e da qualidade da água. Para avaliar tais efeitos é
necessário aumentar nosso conhecimento a respeito da topologia e estabilidade das
interações das comunidades planctônicas particularmente de uma perspectiva espaço-
temporal integrativa. Porém, no contexto deste trabalho somente será abordada a
vertente espacial. Assim, os principais objetivos deste trabalho são:
1) Utilizar dados de citometria de fluxo in situ coletados em três diferentes
pontos na Baía dos Anjos em Arraial do Cabo para gerar grafos
representativos da comunidade planctônica;
2) Identificar e agrupar os dados citométricos relativos aos principais grupos
de organismos e partículas em suspensão;
3) Construir redes de interações a partir destes dados;
4) Comparar através de índices de redes as diferenças nas topologias dos
grafos obtidos considerando os diferentes parâmetros ambientais (físico-
químicos) dos pontos espacialmente amostrados como possíveis forçantes
determinísticas da estrutura das redes.
1.3 Motivação e Relevância
Este trabalho é inspirado no atual cenário de preservação do funcionamento dos
ecossistemas e conservação da diversidade biológica marinha, que ainda representam
um grande desafio aos pesquisadores, pois apresentam-se como uma complexa rede de
interações em diversas escalas no tempo e espaço. Identificar eventos relevantes capazes
de determinar as respostas tanto de recuperação como de degradação, permite agregar
conhecimento muito necessário nesta área. Os ecossistemas marinhos são considerados
(RUCKELSHAUS et al., 2008) sistemas complexos adaptativos ligados através de
multiplas escalas por fluxos de água e espécies em movimento. Apesar de seu caráter
adaptativo e ligações redundantes frequentes, estes são vulneráveis a rápidas mudanças
em diversidade e funcionamento. Para PEREIRA (2005), por exemplo, o diagnóstico
ecológico com níveis admissíveis de influência antrópica (padronização ecológica), e a
detecção das consequências dos vários cenários de distúrbio na biota (predição
ecológica) são apresentados como a principal tarefa de um sistema de controle
ambiental. Por causa disso, muitas agências ambientais internacionais passaram a usar
13
critérios biológicos como indicadores das condições ambientais, e têm concentrado
esforços no sentido de incorporar estes dados biológicos para estimar a qualidade dos
corpos d’água, integrando-os aos programas de monitoramento existentes. Outro fator
de inspiração foi o trabalho de STEPHENS et al. (2009) que mostra como interações
bióticas potenciais relativas a uma região podem ser inferidas. Os autores construíram
uma complexa rede de interações considerando aspectos como as interações
interespécies, o nicho ecológico e dependência geográfica, obtendo um modelo capaz de
fazer predições sobre a disseminação de doenças emergentes. O crescente consenso de
que os oceanos estão com problemas, e que as muitas tentativas de gerenciamento de
ameaças individuais não funcionaram, serviu não só de motivação, mas mostra a
necessidade de adoção de abordagens holísticas voltadas para a avaliação do sistema
como um todo (system-wide approach). Isto caracteriza a real contribuição deste
trabalho - uma abordagem de análise de redes que pode ajudar a entender questões
básicas sobre a organização de comunidades planctônicas do ponto de vista funcional.
Estas análises segundo CHRISTIE (2011), são necessárias nas estruturas de
gerenciamento costeiro integrado (do inglês ICM), gerenciamento baseado em
ecossistemas (EBM) e áreas marinhas protegidas (MPA) e devem constar no processo
de formação de políticas ambientais.
1.4 Revisão Bibliográfica
Para DUCKLOW (1994), modelos de cadeia alimentar microbiana têm sua
origem no debate sobre a importância das bactérias como subsídio energético aos níveis
tróficos mais elevados até a pesca. Para outros, a história de tentar modelar a alça
microbiana começou com os primeiros modelos quantitativos da dinâmica do plâncton
que ainda não incluíam processos microbianos (RILEY, 1946; STEELE, 1974), mas
forneceram os ecologistas microbianos com o aparato conceitual para construir modelos
com compartimentos microbianos. Surpreendentemente, existem ainda poucos
conjuntos de dados com os quais esses modelos, e outros sucessores, podem ser
calibrados e verificados. Porém, o principal problema enfrentado até os dias atuais é
sem dúvida a grande complexidade, levando os pesquisadores a adotarem uma
abordagem estruturada no tamanho (the size-structured approach) que organiza os
organismos em um gradiente de tamanho e usar relações alométricas (WHITE et al.,
2007) para parametrizar as equações para cada compartimento. Os primeiros estudos de
14
teias alimentares indicaram que interações complexas não são randômicas, mas
altamente padronizadas e limitadas por processos biológicos, notadamente dinâmica e
restrições energéticas. Estes estudos incluíam manipulação experimental
(CARPENTER et al., 1987), medidas de fluxo de energia e materiais (POMEROY &
WEIBE, 1988), desenvolvimento de modelos de conectividade de redes (COHEN &
NEWMAN, 1985), integração das bactérias nos modelos de teias alimentares
(COCHRAN-STAFIRA & Von ENDE, 1998), importância da resolução temporal
(TAVARES-CROMAR & WILLIAMS, 1996) e evidências de variabilidade espacial
(DEEGAN & GARRITT, 1997) que ainda é motivo de atenção (LLOPE et al., 2001).
As questões mais fundamentais no estudo das teias ou redes alimentares são,
“Como são estruturadas?” e “Como esta estrutura influencia a dinâmica das populações
e os processos ecológicos?” Basicamente, quatro modelos de teias alimentares podem
ser propostos.
• O modelo “Christmas tree”- no qual a dinâmica de produção e os processos do
ecossistema são determinados por um número relativamente pequeno de
espécies estruturais (núcleo). A maioria da riqueza das espécies da comunidade é
considerada espécies intersticiais que dependem grandemente das espécies
estruturais para obtenção de recursos;
• O modelo “Onion”- estrutura hierárquica na qual tanto as espécies estruturais
como as periféricas apresentam uma dinâmica que se influenciam mutuamente,
porém o efeito das espécies estruturais apresenta-se maior. As especializações
ecológicas via co-evolução resultariam em interações a partir de espécies
periféricas que podem ter fortes efeitos em poucas espécies, mas efeitos fracos
na maioria das espécies da comunidade, e efeitos muito fracos nas espécies
estruturais.
• O modelo “Spider”- no qual todas as espécies afetam todas via uma rede direta
ou indireta de caminhos (pathways). Esse conceito é explicitado na análise de
redes (FATH & PATTEN, 1999), que dá origem a numerosas propriedades
emergentes das redes (ULANOWICZ, 1986). A força do sinal, via propagação
direta ou indireta, pode depender da proximidade dos nós dentro da rede.
• O modelo “internet”- seguindo este conceito, as redes têm maior ou menor
número de “hubs” (nós centrais com maior densidade de conexões) no qual suas
15
posições na arquitetura da rede determinam o grau que uma espécie pode
influenciar outras espécies no sistema.
Importantes desafios ecológicos já foram abordados usando o paradigma de teias
alimentares, incluindo o controle biológico de pragas, gerenciamento da pesca,
conservação da biodiversidade, gerenciamento da qualidade da água e ecotoxicologia.
Acredita-se que o desenvolvimento de teias alimentares (modelos) e suas aplicações
esteja ultrapassando os avanços fornecidos pelas áreas descritiva e experimental.
Entretanto, porque existem componentes empíricos que ficaram atrasados no
desenvolvimento teórico? Problemas ainda não resolvidos de resolução e escala têm
prejudicado a pesquisa. A resolução de quatro aspectos básicos é requerida: as teias ou
redes alimentares como unidades operacionais; os componentes dessas redes; a natureza
das ligações na teia de interações; as forçantes que governam a variação temporal e
espacial.
Primeiramente, os limites temporal e espacial de uma comunidade são sempre
arbitrários, e deve ser enfatizado que qualquer teia ou rede alimentar é um módulo ou
sub-rede incorporada dentro de um sistema ainda maior. As redes são quase sempre
definidas de acordo com as unidades de habitat em que estão inseridas. Os limites
taxonômicos são também arbitrários. Assim, faz pouco sentido falar de grandes ou
pequenas redes. Para ilustrar este ponto pode-se examinar o número de táxons dentro de
redes geradas em diferentes habitat como segue: Skiwith Pond, Inglaterra (35); Bridge
Brook Lake, Nova Iorque (75); Little Rock Lake, Wisconsing (181); Ythan Estuary,
Escócia (92); Chesapeake Bay, Estados Unidos (33) etc. Assim, somos levados a
concluir que Skiwith Pond, uma efêmera lagoa na Inglaterra (WARREN, 1989), contem
mais táxons que Chesapeake Bay (BAIRD & ULANOWICZ, 1989) um dos maiores
estuários do mundo. Todas essas redes alimentares foram originalmente compiladas
baseadas em objetivos e critérios diferentes. Portanto representam uma coleção de
estranhas e incompletas descrições da riqueza de espécies e interações tróficas, mas
estão provavelmente por fornecer a base para robustos modelos de predição.
Em segundo lugar está a compreensão sobre os componentes das redes. Uma
grande variação é observada entre os componentes, variando de estágios de vida de
espécies às taxas diversas contendo grupos funcionais. Na maioria dos estudos
empíricos, esses componentes foram evocados a posteriori em vez de a priori. Tem-se
de decidir a priori se desejar-se examinar indivíduos (o que capturar), população de
16
espécies (o que se quer modelar), “trofoespécie” (o que se quer quando da agregação de
táxons), grupos funcionais (o que se acha relevante), ou níveis tróficos (o que se
pensava ser relevante). YODZIS & WINEMILLER (1999), por exemplo, examinou
múltiplos critérios e algoritmos para a agregação de consumidores em trofoespécies
baseado em dados detalhados de abundância e de dieta. Os táxons revelaram pouca
sobreposição no uso de recursos e compartilhamento de predadores, resultando em
pequeno grau de agregação.
O terceiro aspecto diz respeito a como estimar as ligações entre os nós de uma
teia alimentar. No passado, as arquiteturas de redes alimentares foram muito
frequentemente tratadas como binárias com ligações presentes ou ausentes. Motivados,
em parte, pelo trabalho de MAY (1973), estudos empíricos tentam determinar a
natureza e magnitude das ligações (força de interação) usando experimentos de campo
no qual uma ou mais espécies são manipuladas (RAFFAELLI et al., 2003). A força de
interação determina a dinâmica (PAINE, 1980) e a estabilidade (PIMM, 1982) do
sistema bem como nós vemos a estrutura básica da teia alimentar. Ligações fracas estão
associadas com o maior efeito de variação de espécies (BERLOW, 1999), e a teia
alimentar parece ser dominada por estas ligações. Uma consideração adicional é que as
ligações das teias alimentares assumem normalmente ser do tipo consumo de recursos,
entretanto, outros tipos de interações, tais como mutualismo e outras formas de
facilitação, podem ser críticas e na realidade desafiadoras.
Por último, o quarto problema crítico é a influência da variação espaço-temporal
ambiental e histórias de vida na estrutura da rede, interação de espécies e dinâmica
populacional. A dinâmica da rede conduz os padrões de abundância de espécies ou são
estes padrões que conduzem a dinâmica da rede? A abundância relativa de espécies
determina a resposta funcional da rede, forrajamento adaptativo, troca e ou alternância
de predadores, e seus efeitos nas respostas numéricas. A força de interação varia no
espaço e no tempo, às vezes em função do comportamento, mas às vezes como uma
função da variação ambiental e histórias de vida das espécies que afetam os padrões de
abundância (POLIS et al., 1996). Espécies com diferentes histórias de vida e adaptações
ecofisiológicas respondem diferentemente à variação ambiental (WINEMILLER, 1990).
Espécies com pequeno tempo de geração e rápidos ciclos de vida respondem mais
rapidamente a variação ambiental do que aquelas com ciclos de vida mais lentos.
17
Então, onde estamos agora? A teoria e tentativas de aplicação da teoria parecem
ter ultrapassado a observação e o teste de modelos. Existe pouca concordância e
consistência com respeito ao uso de unidades operacionais, métodos para quantificar
ligações, índices de força de interação, etc. O uso de intervalos de confiança é
virtualmente inexistente em pesquisas de redes. Mesmo assim, a sociedade demanda
que a ciência ecológica aborde problemas do cotidiano. As redes ou teias alimentares
que são usadas atualmente para gerenciamento de recursos naturais são altamente
agregadas e empregam estimativas quantitativas cruas da dinâmica de produção e
interação de espécies.
O estudo de redes tem expandido rapidamente nos últimos 10 anos, redes são
agora largamente reconhecidas não só como respostas de interações complexas, mas
como chave determinante da estrutura, funcionamento, e dinâmica dos sistemas
ecológicos, biológicos, físicos e sociais. Atualmente (PASCUAL, 2005), na era da
modelagem ecológica computacional, os “antigos” sistemas assemelham-se a simples
idealizações bem removidas da complexidade da natureza. Consideram-se as interações
presa-predador como sendo interações “consumidor-recurso” incorporadas dentro de
uma grande rede ecológica que constitui a base da biodiversidade.
Os primeiros estudos mais atuais ainda permaneceram focados na estrutura das
redes. Mas como relatado por (STROGATZ, 2001), porque a anatomia das redes é tão
importante de caracterizar? Por que a estrutura sempre afeta o funcionamento. No caso
de teias alimentares, a topologia da rede afeta o fluxo de energia e materiais. Os estudos
iniciais resultaram numa intrigante generalização em que a densidade de ligações não
variava com o tamanho das redes (scale invariance). Porém, com o reconhecimento
sobre a fraqueza dos dados existentes, veio a proposta de dependência de escala e lei de
potência (scale-dependence power laws) que pode ser mais precisa e ajusta o modelo
para estas coleções de dados. A conectância constante implica que predadores comem,
em média, uma proporção constante de espécies de presa disponíveis através da rede de
diferentes tamanhos, enquanto eles comem um número fixo de espécies de presas no
caso de densidade de ligações constantes (BERSIER et al., 1999).
O estudo de WILLIAMS & MARTINEZ (2000), mostra que a teoria que
afirmava que as redes apresentavam pequeno grau de onivoria e que várias propriedades
eram independentes da riqueza de espécies foi derrubada mostrando que as teias
alimentares são muito mais complexas.
18
Já GIRVAN & NEWMAM (2001), destacam outra propriedade encontrada em
redes, a estrutura da comunidade, na qual os nós da rede juntam-se formando grupos
coesos entre os quais existem somente ligações frouxas ou mais fracas. Os autores ainda
chamam a atenção para as propriedades de mundo pequeno (small-world effect), que é o
nome dado para o fato da distância média entre vértices em uma rede ser pequena, o
grau de importância posicional dos nós e o grau de agrupamento (clustering).
Em 2002, WILLIAMS et al. sugerem através de evidências empíricas que fortes
efeitos ou impactos de invasões ou extirpações de espécies na rede raramente se
propagam mais que três ligações a partir do ponto inicial. Neste sentido, MELIÁN &
BASCOMPTE (2002), mostram a relação entre a conectividade de uma espécie e a
conectividade média das espécies vizinhas mais próximas e abordam a questão de
robustez nas redes. Ainda neste ano, DUNNE et al. (2002a) resolvem um conflito
prévio sobre as estruturas de mundo pequeno e livres de escala (scale-free). Apesar de
redes alimentares frequentemente faltar estruturas de mundo pequeno devido ao baixo
grau de clustering, identificaram um continum em redes do mundo real aumentando as
funções de lei de potência de acordo com o tamanho das redes. Por outro lado,
ABARCA-ARENAS & ULANOWICZ (2002), demonstram o efeito da agregação na
análise de redes.
Por outro lado, CALDARELLI et al. (2003), em seu estudo que teias alimentares
do mundo real, apresentam um alto grau de eficiência e estabilidade devido ao caráter
evolutivo de suas topologias.
FATH (2004) utiliza a análise de redes aplicada em larga escala em cyber-
ecossistemas para fazer simulações de parâmetros de redes antes determinados e que
estes são afetados pelo tamanho dos modelos.
PINNEGAR et al. (2005) mostrou o efeito da agregação e remoção das ligações
fracas na estabilidade de uma teia alimentar e a recuperação desta a partir do distúrbio
enquanto que DAME (2005), demonstrou a aplicação de análise de redes ecológicas no
gerenciamento baseado em ecossistemas.
Em 2007, FATH & GRANT fazem uma análise para determinar o tipo de
modelo mais adequado e tratam o ecossistema como sistemas complexos evolutivos
integrando diversas técnicas de redes para gerar funções objetivo ao nível de
ecossistema.
ANDRAS et al. (2007) apresentaram uma análise de redes ecológicas aplicadas
à evolução do efeito do uso de pesticidas em um ambiente agrícola. Ainda neste ano,
19
BENEDEK et al., em um estudo de conservação da biodiversidade mostra
quantitativamente interações diretas e indiretas na rede e identifica espécies chave
(keystone species) e cita que a abordagem multiespécies é um objetivo de alta prioridade
nesta área. Noutro sentido, DAME & CHRISTIAN (2007), utilizam métodos
estatísticos para detectar diferenças nas propriedades de teias alimentares.
JORDÁN (2009), trabalhando na área de conservação da biodiversidade também
ressalta a importância das espécies chave nas teias alimentares. Mas são OLFF et al.
(2009) quem chamam a atenção de como representar redes paralelas no ecossistema
desempenhadas pela atividade de espécies engenheiras e interações mutualísticas.
CHEN et al. (2009) apresentam interações tróficas de uma rede microbiana do mar da
China revelada através de fracionamento de tamanho. O problema da emergência em
redes alimentares foi abordado por BACK & KAMPIS (2009), que utilizaram um de
ecologia artificial baseado em indivíduos onde as interações e evolução dessas
estruturas levaram a auto-reunião (self-assembly) da rede em complexas comunidades.
Os autores mostram algumas similaridades de padrões com as comunidades naturais.
A propagação do efeito top-down em cascata em redes complexas de cadeias de
suprimentos e teias alimentares foi demonstrada por SMITH (2011). Finalmente, uma
análise de redes ecológica e social é apresentada por LUCZKOVICH (2003), que estuda
a ciclagem de nutrientes na teia alimentar em sistemas ecológicos que inclui o homem.
Este trabalho encontra-se organizado de maneira que no Capítulo 2 é
apresentada a metodologia adotada, que inicialmente se preocupa com a caracterização
da área de estudo seguida da descrição dos conceitos básicos de citometria de fluxo que
foi utilizada como principal ferramenta de aquisição de dados, e a descrição dos
parâmetros citométricos e dados ambientais utilizados.
No Capítulo 3 são apresentados os resultados obtidos, onde é feita uma análise
resultante da aplicação da metodologia no contexto da área de estudo, identificando os
parâmetros de interesse, as estatísticas necessárias, a definição dos limites e as
ferramentas utilizadas, através de um detalhamento de cada uma destas etapas
começando com a etapa de Análise supervisionada, onde as informações do especialista
são inseridas na separação dos dados. Depois, foi realizada a Análise não-
supervisionada, onde foi executada a tarefa de mineração de dados, utilizando o método
de agrupamento hierárquico, com isso foi obtido mais níveis de separação, gerando os
grupos que serão os vértices da rede de interação.
20
No Capítulo 4 são apresentadas as conclusões, e sugestões para a continuidade
desta pesquisa em trabalhos futuros.
21
CAPÍTULO II
2 METODOLOGIA
2.1 Caracterização da Área de Estudo
A região de Arraial do Cabo (Figura 2.1) está localizada na costa leste do Estado
do Rio de Janeiro. Com o intuito de preservar o estoque pesqueiro de Arraial do Cabo, o
IBAMA junto à comunidade local, criou em 1997, a primeira Reserva Extrativista
Marinha do Brasil (RESEX-MAR). A RESEX é uma Unidade de Conservação de
interesse ecológico-social, que visa proteger o sustento da população tradicional
(pescadores artesanais), através da normatização das diferentes atividades profissionais
e amadoras.
Figura 2.1 - Localização dos pontos amostrais na área de estudo (modificado a partir do
Google).
Conhecida pela suas belas paisagens, a cidade de Arraial do Cabo, possui uma
população residente de cerca de 27 mil habitantes, mas recebe mais de 3 mil turistas nos
22
finais de semana ou nas altas temporadas. A atividade turística e recreacional, a
presença de várias operadoras de mergulho e pesca, e o Porto do Forno que presta apoio
a várias operadoras off-shore contribuem de maneira significativa para a economia
local. O crescimento urbano ocorre de maneira desordenada, gerando toda sorte de
problemas ambientais.
Segundo PEREIRA (2005), nesta localidade, as condições hidrológicas são
regidas pelos fatores metereológicos que determinam a distribuição das massas d`águas
e o aparecimento do fenômeno da ressurgência. Durante a estação primavera-verão, a
ascensão das Águas Centrais do Atlântico Sul (ACAS), melhor caracterizada por
temperaturas inferiores a 18º C, alta concentração de nutrientes (10 μM de nitrato) e
salinidade variando entre 35 e 36 S% (GUIMARÃES & COUTINHO, 1996), é
responsável pela ocorrência e desenvolvimento esporádico de formas planctônicas,
enquanto que nos meses da estação outono-inverno, referentes ao período de
subsidência, encontra-se o plâncton tropical de águas costeiras de superfície com
temperaturas acima de 21º C, salinidade entre 35 e 36 S% e baixo teor de nutrientes
(nitrato e fosfato abaixo de 1 μM). Os intervalos de temperatura e salinidade
apresentados na Tabela 2.1 podem ser utilizados para a caracterização das massas
d’águas de Arraial do Cabo.
Tabela 2.1 - Temperatura e salinidade características das massas de água de Arraial do
Cabo.
Fonte: Depto de Oceanografia do IEAPM-MB
23
O fenômeno da ressurgência constitui para o sistema planctônico um fator geral
de variação:
- pela alternância dos movimentos ascendentes e descendentes;
- pela amplitude da componente horizontal;
- pela variação de sua intensidade que caracteriza os ciclos temporais de curtos e
longos períodos.
A ressurgência traz os nutrientes que repousam no fundo até as camadas
iluminadas do mar. No fundo, com a ausência de luz, os nutrientes apresentam-se
inertes. No entanto, quando atingem as camadas iluminadas, são utilizados pelas algas
microscópicas, através da fotossíntese, e provocam a "explosão" do fitoplâncton que é
considerado por muitos a base da tradicional cadeia alimentar (de pastagem) aquática.
Este fenômeno faz da região de Arraial do Cabo uma importante área de produção
pesqueira. Os três principais fatores que influenciam a ressurgência são:
• a topografia do fundo local;
• a posição da Corrente do Brasil;
• o regime de ventos.
Neste trabalho foram amostrados três diferentes pontos distribuídos na área da
Baia dos Anjos em Arraial do Cabo conforme indicado na Figura 2.1. A estação de
coleta 1 corresponde a Praia dos Anjos (PA) que é frequentada por um número muito
grande de banhistas tanto moradores da cidade quanto turistas. Esta localidade abriga
ainda o Cais dos Pescadores junto ao Porto do Forno em seu lado esquerdo e apresenta
esporádicos despejos de esgoto de origem doméstica e águas residuais de origem
urbana. Portanto, constitui uma área sob grande influência antrópica. A estação de
coleta 2 (Pedra Vermelha) está situada próximo ao costão interior da Ilha de Cabo Frio e
pode ser considerada a de maior nível de conservação, pois é uma área de preservação
permanente. A estação de coleta 3, próximo a entrada ou boca da baia é o ponto de
maior influência da ressurgência. A Tabela 2.2 apresenta suas coordenadas geográficas.
Tabela 2.2 - Coordenadas Geográficas das estações de coleta.
24
2.2 Aquisição de dados e Citometria de Fluxo
O dado utilizado neste trabalho refere-se à união de duas bases de dados com
características diferentes. Uma abiótica para caracterizar o ambiente aquático
propriamente dito, e outra biótica adquiridos por citometria de fluxo in situ para
caracterização das partículas planctônicas.
2.2.1 Dados Abióticos
Os dados físicos e químicos utilizados para caracterizar a variabilidade das
características hidrológicas do ambiente marinho, e as mudanças de padrões de
qualidade de água foram fornecidos pelo departamento de Oceanografia do Instituto de
Estudos Almirante Paulo Moreira (IEAPM) da Marinha do Brasil. Estes parâmetros
foram determinados como segue: para a temperatura, foi utilizado um batitermógrafo e
um termômetro de inversão; para a salinidade, foi usado o salinômetro de indução
Beckman modelo RS- 7C; para os nutrientes nitrato, nitrito, amônia e fosfato, além dos
valores de oxigênio, usou-se os métodos descritos em STICHKLAND e PARSONS
(1968).
2.2.2 Citometria de Fluxo
A citometria de fluxo é uma técnica importante que pode monitorar, em tempo
real, o estado fisiológico de cada partícula durante o seu desenvolvimento (CÁNOVAS
et al., 2007). Permite desta maneira, uma análise rápida e quantitativa de populações
inteiras de partículas baseada em características individuais. Tipicamente uma taxa de
1000 partículas/s-1. O equipamento utilizado neste trabalho foi o citômetro de fluxo
CytoBuoy (Cytobuoy b. v., Worden, Netherlands) ilustrado Figura 2.2. Este instrumento
de última geração efetua análises automatizadas, é portátil e facilmente transportado
(DUBELAAR & GERRITZEN, 2000), o aparelho é capaz de analisar partículas entre
0.5 a 1000 μm em grandes volumes de amostras (>4 mL).
25
Figura 2.2 - CytoBuoy.
O CytoBuoy é uma tecnologia de Citometria de Fluxo de Escaneamento (laser
scanning cytometry-LSC) de fase sólida. Os instrumentos baseados na tecnologia LSC
podem fornecer informação visual da morfologia das partículas e a distribuição espacial
da fluorescência dentro de cada partícula devido à geração de assinaturas ópticas (pulse
shapes). Um exemplo de assinatura óptica do CytoBuoy é apresentado na Figura 2.3.
Figura 2.3 - Exemplo de assinatura óptica de acordo com os parâmetros citométricos.
Este aparelho tem a capacidade de adquirir múltiplas medidas (sensores) da
mesma partícula. Geralmente, partículas fluindo ao longo de seu maior eixo (L (μm)),
têm a forma de seu sinal no sensor frontal (forward scatter-FWS) definido por 2*(5+L)
pontos. As medidas do sensor frontal FWS têm sido usadas para determinar o tamanho
até de bacteriana (BOUVIER et al., 2001). Até o presente momento, este é o único
citômetro capaz de desempenhar tal tarefa (assinatura por escaneamento). Segundo
SUNRAY et al. (2002) a técnica de citometria de fluxo é adequada para observação de
26
propriedades das partículas em função do tempo. A análise individual das partículas se
baseia na separação de cada uma, graças a passagem da amostra dentro de um líquido
carreador (sheath fluid), que devido ao fluxo laminar, evita que haja mistura entre a
amostra e este líquido. Isto é chamado de focalização hidrodinâmica. Resumidamente,
um tubo de silicone de diâmetro interno de 1 mm (CytoSence) leva a amostra para
dentro de uma cubeta de dois estágios (Figura 2.4) onde cada partícula é interceptada
por um feixe do laser (5 μm) de comprimento de onda definido. Isto resulta em uma
difração da luz e uma difusão acompanhada eventualmente de uma emissão fluorescente
endógena, ou exógena quando um marcador fluorescente é excitado. No caso do
CytoBuoy, o instrumento está equipado com um laser de safira (Coherent Saphyre, 488
nm, 20 mW). O fluxo da amostra é controlado por uma bomba peristáltica que trabalha
em uma velocidade variável de acordo com as necessidades específicas de cada
amostra.
Figura 2.4 - Representação esquemática do princípio de funcionamento da citometria de
fluxo.
O sensor lateral (sideward scatter-SWS) e os sinais fluorescentes são dispersos
por uma grade holográfica côncava (concave holographic grating) e coletados por meio
de fotomultiplicadores híbridos (hybrid photomultiplier - HPMT). O sinal do sensor
27
frontal FWS é coletado em um fotodiodo (positive intrinsic negative diode-PIN), muito
mais sensível que os fotomultiplicadores, pois recebe a maior parte da energia do laser.
Um espelho colocado do lado oposto da cubeta permite aumentar cada um dos
componentes. O restante da luz emitida é coletado por uma fibra óptica e representa o
sinal SWS. A velocidade de digitalização dos sinais corresponde aos perfis das
partículas que é de 4MHz. Os pulsos dos fótons são então convertidos em sinais
elétricos e depois numéricos antes de serem registrados no disco rígido (64 kb por
variável) localizado abaixo da câmara óptica. Somente as partículas com estrutura
interna são importantes.
A aquisição de dados é efetuada com o programa CytoUSB e analisados com o
software CytoClus 3 ambos fornecido pelo fabricante. O coeficiente de variação das
contagens (CVc) foi determinado a partir da média aritmética ( u ) das contagens e seus
respectivos desvios padrão (SD).
(equação 2.1)
A variação da medida de concentração das partículas é a soma da variabilidade
do instrumento e da variedade das populações planctônicas. Segundo SHAPIRO (2003),
contagem de partículas raras é significantemente afetada pela Lei de Poisson (CVP),
sendo n a o número de partículas contadas.
(equação 2.2)
Alguns modelos matemáticos simples descritos em FIGUEIREDO (2010) são
atribuídos para cada uma das formas de sinal: total, máximo, média, inércia, centro de
gravidade (CG), fill factor, assimetria, número de partículas. Todos estes valores são
disponibilizados em citogramas que facilitam a identificação dos agrupamentos de
partículas, que apresentam propriedades óticas similares derivadas destes modelos
matemáticos simbolizados e descritos conforme abaixo:
O Total - Σ - é simplesmente o valor detectado de cada ponto somado ao
comprimento de cada partícula.
O Máximo (Max) - é o valor máximo encontrado ao longo do comprimento da
partícula através da unidade de detecção.
28
A Média (Average) - é igual ao total dividido pelo número de dados, porém
removendo-se a dependência do comprimento total da fluorescência.
A Inércia (Inertia) - é definida como o segundo momento da forma do pulso.
(equação 2.3)
O Centro de Gravidade (CG) - é encontrado pela divisão do primeiro momento
da forma do pulso pelo total.
(equação 2.4)
Fator de Preenchimento (Fill factor) - fornece uma indicação sobre a “solidez”
do pulso.
(equação 2.5)
A Assimetria (Asymmetry) – indica a distribuição do sinal sobre o comprimento
da partícula.
(equação 2.6)
O Número de células (Ncell) - fornece uma indicação sobre o número de células
em uma partícula
(equação 2.7)
O tamanho relativo à intensidade do FWS (FWS size) fornece a razão entre o
número de partículas e o número de partículas pelo FWS.
Dois tipos de valores absolutos correspondem à média da amplitude de cada
sinal registrado em seu comprimento. Os valores absolutos de fluorescência, de FWS ou
29
de SWS são expressos sobre a forma da média, mas pode ser recuperado sobre a forma
de valor total (correspondendo à integral de cada modelo).
Assim, cada partícula é definida por 35 valores discretizados (6 elementos
deduzidos das assinaturas * 5 entidades por partícula) acessados pelo programa
CytoClus 3. A Figura 2.5 ilustra de forma esquemática as variáveis discretizadas obtidas
após o registro das assinaturas ópticas. A partir desta discretização as partículas são
categorizadas e reagrupadas em elementos similares.
Figura 2.5 - Esquematização das variáveis discretizadas de acordo com os modelos
matemáticos descritos.
2.3 Caracterização e segmentação da base de dados citométricos
Devido à enorme diversidade, a identificação das partículas planctônicas é difícil
pela simples observação dos muitos padrões de assinaturas ópticas encontradas. Por este
motivo, esta tarefa consistiu basicamente de duas etapas distintas: o conhecimento
especialista e o uso de algoritmos de agrupamento (clustering).
30
2.3.1 Conhecimento Especialista
Tradicionalmente o plâncton é fracionado em diversos tamanhos como segue:
• Fentoplâncton que são partículas menores que 0.2 μm, normalmente vírus e não
consideradas neste trabalho;
• Picoplâncton que corresponde às partículas entre 0.2 µm e menores que 3 µm
onde encontram-se diminutos eucariotos protistas, bactérias e archaeas;
• Nanoplâncton que são as partículas entre 3 e 20 µm compostas por pequenos
eucariotos protistas, pequenas diatomáceas, pequenos flagelados e várias classes
de microalgas tais como Pyrrophyta, Chrysophyta, Chlorophyta e Xanthophyta;
• Microplâncton com partículas de 20 a 200 µm compostas de grandes eucariotos
protistas, a maioria do fitoplâncton (algas), protozoários ciliados, rotíferos e
metazoários juvenis.
Outras frações planctônicas são o mesoplâncton (200 µm a 2 mm),
macroplâncton (2 a 20 mm) e o megaloplâncton (maior que 20 mm), todas não
consideradas no âmbito deste trabalho, pois não podem ser detectadas em um citômetro
de fluxo.
Assim, o primeiro critério utilizado para separação dos dados citométricos foi a
separação por tamanho das partículas pertencentes às classes pico, nano e
microplanctônicas. Utilizou-se então, para cada fração de tamanho o segundo critério de
separação, as fluorescências geradas (Vermelha, correspondente as partículas contendo
clorofila o que permite a identificação das microalgas e as fluorescências amarela e
laranja próprias das cianobactérias). Como é conhecido que muitos organismos
unicelulares têm o comportamento de se agrupar e formarem colônias, utilizou-se o
parâmetro citométrico “Ncell” indicador do número de células em uma partícula através
do número de “humps” na assinatura ótica como fator discriminativo. Os outros
parâmetros citométricos relativos à Inércia, Centro de Gravidade e Fator de
Preenchimento (Fill factor) foram usados, mas não obtiveram sucesso na separação de
grupos. Apenas o parâmetro Assimetria se mostrou efetivo nesta tarefa. A Tabela 2.4
mostra de maneira resumida os parâmetros citométricos utilizados para separação como
descrito.
31
Tabela 2.3 - Critérios utilizados para os estabelecidos grupos através do conhecimento
especialista.
Tamanho Partículas menores que 3 μm, entre 3 e 20 μm e maiores que
20 micrômetros
Fluorescências Vermelha, Vermelha e Amarela, Vermelha e Laranja,
Vermelha, Amarela e Laranja.
Número de células Partículas composta por 1célula, 2 células até 22 células
Assimetria Separação pelo parâmetro “Asymmetry” através da sua ordem
de grandeza 10-1 , 10-2 , 10-3 , 10-4 e 10-5.
Uma vez que o sinal do sensor lateral, side-scatter, reflete a luz que penetrou no
interior das partículas e é um indicador da granularidade ou grau de organização
intracelular, passou-se a considerar que partículas pequenas sem fluorescência e com
sinal SWS muito baixo são identificadas como detritos (na realidade a luz não penetra
dentro destes) e constituem uma segunda fonte de recurso para o sistema planctônico,
que na realidade sustenta a alça microbiana. As partículas pequenas sem fluorescência,
mas com médio e altos sinais de SWS foram consideradas como organismos procariotos
heterotróficos (bactérias e archaeas).
Uma vez que os organismos do protozooplâncton são transparentes, ao ingerirem
uma célula do fitoplâncton passam a exibir baixos níveis de fluorescência
características.
Organismos fluorescentes muito grandes apresentando várias células são
considerados como colônias ou filamentos daqueles organismos unicelulares que
apresentam as mesmas características de fluorescência.
2.3.2 Segmentação por algoritmo de agrupamento
Uma vez esgotadas as possibilidades de utilização dos parâmetros citométricos
para a identificação e caracterização de grupos, passou-se a utilizar de métodos
computacionais para esta tarefa uma vez que é sabido que existe uma grande
diversidade de espécies, portanto, novos grupos ainda podem ser encontrados.
32
A Análise de Agrupamentos, ou clusterização, serve para identificar grupos de
elementos com maior similaridade, distribuindo os dados coletados em grupos ou
clusters homogêneos de acordo com suas semelhanças (HAN & CAMBER, 2005).
Assim, os elementos pertencentes a um mesmo grupo serão homogêneos (similares)
entre si, com respeito a certas características medidas, enquanto que os pertencentes a
grupos diferentes deverão ser heterogêneos entre si em relação às mesmas
características (MINGOTI, 2005).
O processo de agrupamento pode ser sintetizado em cinco etapas. A primeira é a
escolha da medida de dissimilaridade, a seguinte é a escolha do método de
agrupamento. O terceiro passo é a escolha do tipo de agrupamento para o método
escolhido, e finalmente a interpretação do resultado do agrupamento
(GNANADESIKAN, 1997).
Os métodos de agrupamento pertencem basicamente a duas categorias em
função de seu modo de operação. O diagrama da Figura 2.6 ilustra os métodos para a
identificação de similaridades na tarefa de clusterização.
Figura 2.6 - Métodos de identificação de similaridades na tarefa de clusterização.
Dado D, um conjunto de dados de n objetos, e k, o número de clusters a ser
formado, o algoritmo de partição organiza os objetos em k partições ( nk ≤ ), onde cada
partição representa um cluster. Os clusters são formados para otimizar um critério
objetivo de partição, tal como uma função de dissimilaridade baseada em uma medida
de distância, tal que os objetos dentro de um cluster são “similares” enquanto que os
objetos de diferentes clusters são “dissimilares” em termos dos atributos da base de
dados. O mais conhecido método de agrupamento por partição é o algoritmo K-means.
Já o método hierárquico cria uma decomposição hierárquica do conjunto de
objetos. Estes métodos podem ser classificados como aglomerativos ou divisivos,
33
baseados em como a decomposição é efetuada. A abordagem aglomerativa, também
chamada de bottom-up, considera que cada objeto é um grupo. O algoritmo junta
sucessivamente os objetos que estão próximos uns dos outros, até todos os grupos serem
unidos formando um único grupo ou algum critério de parada ser atingido. De forma
contrária, a abordagem divisiva, também chamada de top-down, começa com todos os
objetos em um mesmo grupo. Nas sucessivas interações, um cluster é dividido em
clusters menores até que cada objeto se torne, eventualmente ele mesmo um cluster, ou
até que uma condição de terminação seja atingida. O processo de clusterização utilizado
neste estudo é baseado em agrupamento hierárquico do tipo aglomerativo como o
algoritmo Ward (WARD, 1963).
O método de Ward é também chamado de “Mínima Variância” (MINGOTI,
2005). Nesse método a formação dos grupos se dá pela maximização da homogeneidade
dentro dos grupos. A soma de quadrados das distâncias dentro dos grupos é usada como
medida de homogeneidade. Isto é, o método de Ward tenta minimizar a soma de
quadrados dentro do grupo. Os grupos formados em cada passo são resultantes de grupo
solução com a menor soma de quadrados (SHARMA, 1996). A medida de distância
usada neste trabalho foi a soma do quadrado da distância euclidiana (Euclidean Sum of
Squares -ESS) em que Ep para um cluster p é definido como segue:
(equação 2.8)
onde xik é o valor da k-ésima variável para o caso i no cluster p, µpk é o peso médio da
k-ésima variável para o cluster p, ni é um peso diferencial para o caso i (normalmente
1), e wj é um peso diferencial para a k-ésima variável (normalmente 1).
2.4 Geração de Redes Complexas
As interações interespecíficas dos organismos na natureza constituem uma
estrutura de redes complexas adaptativas, pois evoluem e são dinâmicas no espaço e no
tempo. Assim, a aplicação da teoria de redes complexas em sistemas naturais torna-se
adequada.
34
Uma rede complexa é uma forma de modelar a natureza (BOCCALETI et al.,
2006) onde as propriedades de um elemento são resumidas às conexões que ele
estabelece com outros elementos do mesmo sistema. Esses sistemas são compostos de
um grande número de unidades dinâmicas altamente interconectadas, cujas ligações
representam as interações entre elas. Por um lado, os pesquisadores têm de lidar com
problemas estruturais tais como a caracterização topológica de uma arquitetura
complexa a fim de revelar os princípios unificadores que são a base das redes do mundo
real e desenvolver modelos que imitam o crescimento de uma rede e reproduzir suas
propriedades estruturais. Por outro lado, muitas questões relevantes surgem quando se
estuda a dinâmica de redes complexas, tal como aprender como um grande conjunto de
sistemas dinâmicos que interagem através de uma topologia complexa se comporta
coletivamente.
2.4.1 Formalismo Matemático
A primeira abordagem para capturar as propriedades globais dos sistemas
naturais é usando o formalismo matemático da Teoria dos Grafos. Geralmente, utiliza-
se de métodos estatísticos para caracterizar a estrutura das conexões da rede.
Ferramentas e métodos da Mecânica Estatística (ALBERT & BARABÁSI, 2011)
também são muito utilizados para criar modelos e analisar a estrutura das redes.
A cada elemento de uma rede é associado um nó (ou vértice) e a ligação entre os
nós se dá por meio de uma aresta. Se o grafo for direcionado, seu sentido é indicado na
aresta por uma seta. A Figura 2.7 mostra de forma esquemática um grafo.
Figura 2.7. Exemplo de Grafo de 6 vértices e 7 arestas.
A forma mais comum de se trabalhar com redes complexas, utilizada neste
trabalho, é usando uma matriz de adjacência A onde os índices i e j representam os nós
e os elementos a(i,j) representam as ligações entre os nós. As ligações podem ser
35
unidirecionais, bidirecionais, sem direção (matriz simétrica), simples (a(i,j)=1 ou
a(i,j)=0) ou com pesos (a(i,j)>=0).
Segundo NEWMAN & WHITE (2001), uma rede é robusta à medida que não é
vulnerável a desconexão por remoção de nós. O número mínimo de nós que precisa ser
removido para desconectar um par de outros nós é chamado de conectividade do par.
Sendo assim a conectividade da rede é dada pelo número de caminhos de nós-
independentes entre dois nós da rede, portanto, podemos quantificar a robustez da rede,
calcula-se o número de caminhos nós-independentes. De acordo com GIRVAN &
NEWMAM (2001), uma estratégia para achar o peso das conexões das redes de
interações é através da soma dos caminhos nós-independentes entre pares de nós, sem
considerar as conexões diretas entre estes nós.
2.4.2 Topologia de redes
• Rede Aleatória - A rede mais fundamental é a aleatória atribuída a ERDÖS &
RÈNYI. Dado um número N de nós, estabelece-se conexão entre nós com uma
probabilidade p, ou seja, suponha que cada possível conexão entre quaisquer pares
de nós na rede possuam uma probabilidade de conexão q, então, apenas as
conexões com probabilidade menor ou igual a p, serão de fato estabelecidas.
• Rede Livre de Escala - Rede Livre de Escala (Scale-free em inglês) é o nome dado
a rede crescida a partir do mecanismo de conexão preferencial proposto
independentemente por BARABÁSI (1999) (Na verdade, esse modelo foi
proposto por SIMON (1955) para explicar a distribuição de palavras num livro).
A cada passo de tempo, um vértice com um número fixo de arestas é adicionado à
rede. Essas arestas se conectam preferencialmente aos vértices da rede com maior
grau.
• Rede Mundo Pequeno - A rede Mundo Pequeno (Small-world) é uma rede que
possui alto grau de agrupamento e baixa distância média entre os vértices. Foi
inicialmente proposta por WATTS & STROGATZ (1998).
2.4.3 Construção de redes
Como já foi visto anteriormente, redes complexas utilizam o formalismo
matemático da teoria dos grafos, portanto é constituída por vértices e arestas. Os
36
parâmetros utilizados para a construção da rede foram definidos de acordo com a
ocorrência dos vértices e a interação entre estes vértices. Neste trabalho foi utilizado o
aplicativo NodeXL, este aplicativo da Microsoft Excel fornece recursos gráficos que
permite ao usuário criar uma codificação da apresentação da rede gerada para auxiliar a
análise da sua topologia. Então foram atribuídas algumas codificações como, por
exemplo: para os vértices, seu tamanho varia de 1 a 100 (característica do aplicativo),
então o tamanho do vértice é proporcional a quantidade de elementos que compõem os
grupos (vértices), por isso apresentam tamanhos diferentes; para cada grupo foi
atribuída cores diferentes de acordo com a presença de fluorescência detectada nos
elementos: branco, para grupos sem presença de fluorescência; verde, para presença de
fluorescência vermelha; amarela, para fluorescências vermelha + amarela; laranja, para
fluorescências vermelha + laranja e azul para grupos com fluorescências vermelha +
laranja + amarela. Para apresentar as diferentes interações foram atribuídos diferentes
pesos, que representam a força das interações entre os grupos que formam a rede, o
valor mais alto da força da ligação foi definido como 10 e para a ligação mais fraca foi
definido como 1.
2.4.4 Medidas de redes
Depois que uma teia alimentar é construída, algumas propriedades podem ser
calculadas. O número de elementos ou espécies (grupos ou nós) que é representado pela
letra S, o número de ligações (L) ou de conexões que um dado nó estabelece com outros
nós da rede que é dado o nome de grau do nó (degree), que pode ser obtido tomando-se
os valores da diagonal da matriz de adjacências , a densidade de ligações (L/S), a
conectividade (C), o número e porcentagem de predadores de topo (neste caso o
zooplâncton), número e porcentagem de espécies intermediárias (neste caso
consumidores flagelados e protozoa em geral), o comprimento modal da cadeia (modal
food chain length), o comprimento médio da cadeia (average food chaim length),
conectância calculada como segue (BRIAND, 1983):
( )1−=
SSLC
(equação 2.9)
37
O comprimento modal da cadeia pode ser calculado de acordo com COHEN
(1978). A conectividade entre vizinhos comuns a um nó de referência pode ser
quantificada através do coeficiente de aglomeração (clustering coefficient). Usualmente,
esse coeficiente é dado pela razão entre o número de conexões entre vizinhos comuns a
um nó de referência, dividido pelo número de possíveis conexões entre os vizinhos
comuns ao nó. A distância (ou menor caminho, shortest path length) entre dois nós i e j
é o número mínimo de arestas necessário percorrer para chegar a j a partir de i. Outras
medidas muito utilizadas incluem: diâmetro, betweenness, closenness, número de ciclos,
medidas hierárquicas, motifs, etc.
38
CAPÍTULO III
3 ANÁLISE DOS RESULTADOS E DISCUSSÃO
A Tabela 3.1 apresenta as características físicas e químicas e a quantidade total
de larvas meroplanctônicas dos organismos epibentônicos nos três pontos de coleta.
Tabela 3.1 –características abióticas da Baía dos Anjos e Larvas Meroplanctônicas.
Temp, Temperatura, Sal, salinidade, O2, oxigênio; PO4, fosfato; NO2, nitrito; NO3,
nitrato e NH4, amônia.
É evidente que se considerarmos os dados da Tabela 2.1 para a identificação das
massas d’águas da região de Arraial do Cabo, a estação 3 pertence à classe da ACAS
(água de ressurgência), pois apresenta a menor temperatura e a maior concentração de
nutrientes inorgânicos (fosfatos e nitrato) além da menor incidência de larvas. Portanto,
corresponde a condição em que se pode verificar a maior produtividade primária. Por
outro lado, o maior índice de concentração de amônia concomitante com a menor
concentração de oxigênio na estação 1 (Praia dos Anjos) é ima indicação de queima
(respiração) de matéria orgânica. Portanto, demonstra o grau de influencia
antropogênica exercido pelas atividades do Porto do Forno e esporádicos despejos de
esgoto doméstico e escoamento urbano naquele local. A estação 2 apesar de apresentar
alta concentração de amônia não apresenta o oxigênio baixo. Dessa maneira este
nutriente, nesta localidade deve estar sendo utilizado pela biota aquática na produção
primária.
A Tabela 3.2 apresenta a distribuição da totalidade de partículas detectadas pela
citometria de fluxo in situ na Baía dos Anjos de acordo com a segmentação por tamanho
nos estudos tradicionais do plâncton.
39
Tabela 3.2 – Total de dados e distribuição do número de partículas por fração
planctônica e estações de coleta.
De maneira geral, fica evidente a grande homogeneidade dos dados medidos pelo
CytoBuoy. Em princípio, os três locais parecem ser igualmente distribuídos em termos
de número de partículas em suspensão. Outro fato é que estes dados corroboram com os
conhecimentos já existentes e adquiridos dos estudos tradicionais de plâncton que
mostram a maior concentração de partículas na fração nanoplanctônica (matéria
orgânica particulada), seguido do picoplâncton e posteriormente o microplâncton
(PEÑA et al., 1990; PIONTKOVSKI et al., 1995).
Noutro sentido, a Tabela 3.3 apresenta o número de partículas fluorescentes e
não fluorescentes detectadas pelo mesmo instrumento.
Tabela 3.3 - Número de partículas fluorescentes e sem fluorescência por estação.
OBS. FLR, FLY e FLO representam as fluorescências vermelha, amarela e laranja.
A análise da Tabela 3.2 já demonstra uma maior diferenciação entre as estações
estudadas. Verifica-se, por exemplo, a formação de um gradiente na incidência de
partículas sem fluorescência (S/FL). O fato da estação 1 conter a menor incidência de
partículas S/FL é devido a ser o ponto amostral mais abrigado. Por outro lado, a estação
3 tem a maior incidência destas partículas e pode ser explicado por estar localizada
próxima a entrada da baía, por isso, mais sujeita ao regime de maior turbulência devido
às correntes e ao fenômeno da ressurgência. Esta localidade ainda apresentou o maior
40
número de partículas com fluorescência vermelha (FLR) própria das microalgas que
recebem os nutrientes inorgânicos ressuspendidos e promovem a maior produtividade
primária neste local (PEREIRA, 2010). As fluorescências amarela (FLY) e laranja
(FLO) correspondem as fluorescências emitidas pela presença das substâncias
ficocianina e ficobiliproteínas respectivamente e são características das cianobactérias.
Portanto, fica evidente a existência de três grupos distintos deste táxon que se
distribuem heterogeneamente no espaço devido as suas tolerâncias às condições de
qualidade da água, e que a maior parcela da produção primária da Baía dos Anjos é
devida as cianobactérias exceto na estação 3. Este fato também demonstra a influência
antrópica oriunda das atividades do Porto do Forno, Cais dos Pescadores e despejos
orgânicos esporádicos na estação 1 reafirmando o apresentado na Tabela 3.1, e que por
um gradiente de solubilização, provocado pelos padrões de circulação interna local,
chegam a influenciar o ambiente da reserva ambiental (estação 2).
A Tabela 3.4 então mostra a incidência das partículas fluorescentes e não
fluorescentes distribuídas nas frações pico, nano e microplanctônicas.
Tabela 3.4 - Distribuição das partículas fluorescentes e não fluorescentes por fração
planctônica e estação de coleta. P, picoplâncton; N, nanoplâncton; M, microplâncton.
Verifica-se facilmente que a maior incidência de partículas não fluorescentes
pertence à fração picoplânctônica seguido do nano e microplâncton. Vale lembrar que
as bactérias heterotróficas (identificadas pelo alto SWS) pertencem a esta classe de
tamanho. As demais partículas sem fluorescência (baixo SWS) são consideradas como
detritos. As partículas de fluorescência vermelha representam os eucariotos autotróficos
enquanto que as partículas de fluorescência amarela e laranja pico-cianobactérias
unicelulares e filamentosas identificadas pelo número de picos celulares no parâmetro
“Ncell”. Deve-se ainda considerar o parâmetro Assimetria que foi utilizado nos grupos
acima para poder separá-los em sub-grupos.
41
A Figura 3.1, apresenta, através da aplicação do algoritmo de agrupamento na
formação de sub-grupos sobre os dados gerados pelo agrupamento especialista, a linha
vermelha indica o critério de truncagem, adotado em todas as separações.
Figura 3.1 - Dendrograma apresentando sub-grupos identificados pela Clusterização.
Utilizando-se a estratégia de agrupamento dos dados citométricos disponíveis de
acordo com o conhecimento especialista obteve-se o número de grupos identificados
apresentados na Tabela 3.5, comparando a quantidade final de sub-grupos identificados,
com a utilização da abordagem de cluster, podemos verificar que o algoritmo detectou
mais níveis de separação.
Tabela 3.5 - Total de grupos conforme o conhecimento especialista e algoritmos de
agrupamento.
Assim, pode-se verificar que a estação 2 (Pedra Vermelha) é o local que a
abordagem pela visão especialista encontrou maior número de grupos, provavelmente
maior biodiversidade e um grande número de sub-gupos. Por outro lado, as estações 1 e
3 correspondem a áreas ambientalmente impactadas, a primeira pelas atividades
antrópicas e a segunda pelo processo de ressurgência, portanto, com menor
biodiversidade. O fato de a estação 1 apresentar o maior número de sub-grupos pode ser
devido à formação de cepas de bactérias heterotróficas devido à multiplicidade de
Rede 1 Sub-grupo 1: 1 3 25 28 6 18 14 8 10 4 23 26 9 17 15 24 Sub-grupo 2: 2 16 7 11 5 19 20 27 12 13 Sub-grupo 3: 21 22
42
microhabitats resultante da poluição. De qualquer forma estes resultados dão uma idéia
bastante aproximada da complexidade estrutural de uma rede ou teia alimentar nestes
ambientes.
Com a estratégia de agrupamento dos dados citométricos disponíveis de acordo
com o conhecimento especialista e os sub-grupos detectados pelo algoritmo de
agrupamento, podemos construir um dendrograma juntando estas duas informações,
este dendrograma é apresentado na Figura 3.2 (GIRVAN & NEWMAM, 2001).
Figura 3.2 - Dendrograma mostrando o processo de agrupamento dos dados segundo o
conhecimento especialista e algoritmos de clustering.
Mic
ropl
ânct
on
N
anop
lânc
ton
Pico
plâc
ton
43
A barra vertical vermelha representa a fronteira na identificação e formação de
grupos entre o conhecimento especialista manipulando as variáveis citométricas e a
aplicação do algoritmo de agrupamento de dados. O dendrograma da Figura 3.2 é
referente à estação de coleta de número 1. Os dendrogramas mais detalhados referentes
às estações de coleta número 1, 2 e 3 encontram-se no Anexo II.
Utilizando os sub-grupos da base do dendrograma da Figura 3.2 como vértices, e
suas ramificações, como arestas, foi construído o grafo, apresentado na Figura 3.3. O
grafo correspondente a fração picoplanctônica deste dendrograma onde são mostradas
apenas as arestas ou interações fracas cujos pesos estão compreendidos entre 2 e 4 (o
intervalo de dos pesos varia de 0 a 10). O diâmetro das esferas corresponde ao tamanho
populacional (abundância) a espessura das arestas corresponde ao peso e, por
conseguinte à força de interação.
Figura 3.3 - Sub-rede de interações fracas apresentando a comunidade picoplanctônica
da estação 1.
Na Figura 3.3, a sub-rede de interações fracas apresenta a comunidade
picoplanctônica da estação 1. Verde é referente às partículas com fluorescência
vermelha que corresponde à clorofila (pico eucariotos autotróficos); amarela ou laranja,
corresponde às partículas destas fluorescências e representam as cianobactérias, o azul é
44
um terceiro grupo de cianobactérias que possui os três tipos de fluorescência; e por
último, o branco que corresponde às partículas sem fluorescência.
Inversamente, a Figura 3.4 mostra a mesma rede picoplanctônica, porém
apresentando apenas as ligações fortes, ou seja, acima de peso 5 até 10.
Figura 3.4 - Sub-rede de interações fortes apresentando a comunidade picoplanctônica
da estação 1.
Assim, fica clara a proporção de ligações fracas e fortes na estrutura da rede e a
necessidade de análises aprofundadas em programas de monitoramento ambiental.
Pequenos impactos podem realmente exercer grandes efeitos no ambiente (biológico),
pois pouco se conhece do comportamento destas ligações. Neste sentido, PINNEGAR et
al. (2005) citam que em seus experimentos de modelagem a agregação de
compartimentos e a remoção de ligações fracas afetou de maneira significante as
propriedades do sistema tais como conectância, nível de onivoria e ascendência e
também influenciou a estabilidade do sistema e a recuperação após distúrbio. De acordo
com NEUTEL et al. (2003), existe um número crescente de evidências de que as forças
de interações entre as populações em comunidades biológicas formam padrões que são
cruciais para a estabilidade do sistema, mas que é necessária uma maior clarificação
destes padrões. Os autores mostram que as interações fracas estão organizadas em
“loops” tróficos. Estes padrões aumentam a estabilidade porque reduzem à máximo
45
“loop weight”, reduzindo a quantidade de interações intraespecíficas necessárias à
estabilidade da matriz e que tais padrões são trazidos pela pirâmide de biomassa, um
propriedade comum a todos os ecossistemas.
As Figuras 3.5 e 3.6 apresentam as sub-redes nanoplanctônicas e
microplanctônicas componentes da Figura 3.1 ou estação 1 respectivamente. Estes dois
grafos apresentam-se com todas as ligações fracas e fortes.
Figura 3.5 - Sub-rede nanoplanctônica com todas as ligações.
Figura 3.6 - Sub-rede microplanctônica com todas as ligações.
46
Os grafos representativos das redes das estações 2 e 3 encontram-se no anexo II.
A análise das topologias das redes geradas foi efetuada através dos índices
conforme descritos no item 2.4.4 deste trabalho e são apresentado na Tabela 3.6. É
possível observar algumas diferenças devido à variabilidade espacial conforme
mostrado anteriormente por DEEGAN & GARRITT, (1997) e LLOPE et al. (2001).
Tabela 3.6 - Comparação dos índices estruturais das topologias das redes.
Métricas Rede Estação 1 Rede Estação 2 Rede Estação 3 Qtd partículas 2016 1975 1944
No Grupos 150 147 131 Total de Ligações 11175 10731 8515 C (conectância) 0,5 0,5 0,5 d (densidade) 74,5 73 65
(T) Consumidor Topo (%) 46 44,2 35,9 (I) Intermediários ( %) 38 40,8 44,3
(B) Grupos de Base (%) 16 15 19,8 (B+I)/(T+I) 0.64 0.65 0.8
B/T 0.35 0.34 0.55 B/I 0.42 0.37 0.45
Analisando-se os resultados da Tabela 3.6 pode-se identificar, por exemplo,
algumas diferenças e similaridades da topologia entre as redes. A primeira diferença
está no número de partículas identificadas e no número de grupos encontrados. Neste
sentido a rede da estação de coleta 1 é a mais abundante seguida das redes da estação 2
e 3 respectivamente. Pode-se verificar que o número total de ligações nas redes cresceu
com o número de elementos que possuem, demonstrando assim uma aparente
dependência de escala. A conectância manteve-se constante como relatado por
MARTINEZ (1992) e SUGIHARA et al. (1989) e igual nos três exemplos o que, para
BERSIER et al. (1999), implica em predadores comendo uma proporção constante de
presas disponíveis através da rede de diferentes tamanhos. Por outro lado, a densidade
de ligações por cada nó apresentou-se diferente para cada rede sugerindo a existência de
elementos com maior grau de conectividade (“hubs”) com seus vizinhos e um papel
preponderante na estrutura da rede, que é uma característica de rede do tipo “scale free”,
mas o fato de observar-se uma conectância constante demonstra que toda a distância
entre os nós (pathway length) é pequena e constante, portanto uma característica da rede
small world (MONTOYA & SOLÉ, 2002).
47
As redes das estações 1 e 2 apresentaram um grande número de consumidores de
topo evidenciando uma pirâmide de números invertida de suas teias alimentares
enquanto que a rede da estação 3 apresenta a maior incidência de grupos intermediários
característicos de áreas de maior turbulência. Quanto aos grupos intermediários
encontra-se a situação contrária, a rede 1 sendo a de menor incidência seguida da rede 2
e 3, provavelmente um efeito da poluição local diminuindo a diversidade de grupos o
que também é observado nos grupos basais. O fato de a rede 1 apresentar maior
incidência de grupos no topo da rede pode ser devido a estes serem pertencentes a
organismos comedores de partículas. A razão presa-predador, melhor dizendo, recurso-
consumidor (B+I)/(T+I), indica o grau de interação entre estes grupos na rede sugerindo
a disponibilidade de recursos. Por outro lado, a relação entre a base e o topo mostra que
indivíduos de topo além de consumirem recursos no nível intermediário também
consomem no nível basal, que é uma indicação do grau de onivoria da rede enquanto
que a relação entre a base e grupos intermediários indica o grau de herbivoria. Desta
forma, a rede número 3 pode ser considerada a de maior complexidade funcional.
De outra maneira, a Figura 3.7 claramente demonstra a relativa diferença entre
as três redes e locais.
Figura 3.7- Plotagem bivariada do número de grupos vs ligações das redes por estação.
Apesar da estação 2 ser uma área de preservação ambiental permanente sua rede
de interações assemelha-se à da estação 1 indicando o grau de influência antrópica
naquele local devido provavelmente à sua proximidade e padrão de circulação interna
48
da Baía dos Anjos diferentemente da estação 3 que além de ser mais distante é um
ambiente diferenciado devido à presença sazonal do fenômeno da ressurgência.
Desta maneira, a análise da Figura 3.7 demonstra o agrupamento das três redes
em dois grupos assim, a fim de comprovação estatística deste fato foi efetuada uma
abordagem de agrupamento das redes pelo método k-means utilizando-se a distância
euclidiana como apresentado na Figura 3.8. O valor da distância euclidiana do cluster 1
(redes 1 e 2) para o cluster 2 (rede 3) é de 735,28 enquanto que a distância euclidiana do
cluster dois para o cluster 1 é de 540636,9. A distância das redes 1 e 2 para o centro do
cluster é de 67,22 e da rede 3 é zero.
Figura 3.8 - Dendrograma de agrupamento das redes segundo o método k-means
utilizando a técnica de ligações simples e medida de distância euclidiana.
De acordo com uma análise fatorial e a consequente projeção dos índices
descritivos das redes pode-se também comprovar que as variáveis mais relevantes para a
diferenciação das três topologias de redes foram o total de ligações e a quantidade de
partículas ou grupos. A Figura 3.9 apresenta esta discriminação.
Tree Diagram for 3 VariablesComplete Linkage
Euclidean distances
0 500 1000 1500 2000 2500 3000
Distância das Ligações
Rede 3
Rede 2
Rede 1
49
Figura 3.9 - Projeção no plano fatorial 1 e 2 dos índices descritivos das redes.
Na realidade verificou-se que com apenas um fator pode-se explicar 99,9533 %
da variância dos índices de redes. Os valores das coordenadas fatoriais baseadas na
correlação entre os diversos índices é apresentado na Tabela 3.7.
Tabela 3.7- Valores das coordenadas no plano fatorial 1 e 2.
Factor 1 Factor 2
Qtd partículas 0,339692 -0,007605 No Grupos -0,455410 0,000253
Total de Ligações 4,194793 0,001373 C (conectância) -0,519121 0,000892 d (densidade) -0,487588 0,000579
Consumidor Topo (%) -0,499926 0,000892 Intermediários ( %) -0,502360 -0,000049 Grupos de Base (%) -0,512667 0,000977
(B+I)/(T+I) -0,519059 0,000889 B/T -0,519188 0,000895 B/I -0,519167 0,000904
Pode-se observar que apenas os índices quantidade de partículas e total de
ligações apresentam valores significativos para o fator 1 que são 0.339 e 4,194
respectivamente.
Projection of the cases on the factor-plane ( 1 x 2)
Cases with sum of cosine square >= 0,00
Active
Qtd partículas
No GruposTotal de Ligações
C (conectância)d (densidade)Consumidor Topo (%)Intermediários ( %)Grupos de Bsae (%)(B+I)/(T+I)B/TB/I
-2 -1 0 1 2 3 4 5 6
Factor 1: 100,0%
-0,012
-0,010
-0,008
-0,006
-0,004
-0,002
0,000
0,002
0,004
0,006
Factor 2: ,00%
Qtd partículas
No GruposTotal de Ligações
C (conectância)d (densidade)Consumidor Topo (%)Intermediários ( %)Grupos de Bsae (%)(B+I)/(T+I)B/TB/I
50
CAPÍTULO IV
4 CONCLUSÕES
A citometria de fluxo está rapidamente se tornando uma ferramenta essencial
para analisar os sistemas aquáticos, pois fornece a oportunidade de avaliar a diversidade
microbiana tanto no nível de células individuais como também em comunidade. Esta
técnica facilita a rápida aquisição de dados e uma análise multiparamétrica, levando-nos
a múltiplas aplicações.
Por outro lado, nos últimos anos a descoberta de propriedades como small-
worlds e scale-free de muitos sistemas complexos naturais e artificiais tem renovado o
interesse em estudar os princípios de organização das teias alimentares, que tem
contribuído com o avanço do conhecimento neste campo de pesquisa. DUNNE et al.
(2002b), por exemplo, citam que uma variedade de redes de ecossistemas aquáticos e
terrestres, geralmente não apresentam nem uma nem outra destas propriedades
topológicas. As teias alimentares examinadas apresentaram relativamente short path
lengths (caminhos relativamente curtos) consistentes com topologias small-worlds,
entretanto, a maioria também apresenta baixo grau de clustering característicos das
topologias scale-free.
A maioria dos modelos de teias alimentares tem um sério problema – eles não
consideram a evolução, portanto a composição de espécies e os padrões de
conectividade entre elas normalmente não mudam através do tempo. Embora grandes
avanços tenham sido feitos para entender a evolução e ecologia da interação entre duas
espécies, pouco se sabe sobre a evolução em um contexto mais amplo como em
comunidades ou ecossistema.
Nesta primeira tentativa de acessar as propriedades estruturais das teias
alimentares microbianas, este trabalho utilizou de maneira bem sucedida dados de
citometria de fluxo in situ e comparou grafos estáticos representativos da variabilidade
espacial da Baía dos Anjos através de índices simples, mas que efetivamente
demonstram as diferenças e similaridades entre os diferentes ambientes. Muito tem de
ser feito ainda. Assim, como trabalhos futuros, pretende-se avançar na aplicação de
índices com maior poder descritivo tais como o grau de clustering, índices tróficos, de
ascendência, exergia dentre outros. Objetiva-se também estudar como inferir o caráter
51
dinâmico nas redes e incorporar medidas de biomassa nos diferentes grupos de
partículas planctônicas além de melhorar as informações e representação sobre as
relações simbióticas e mutualísticas. E ainda neste contexto, identificar que fatores
promovem a estabilidade de ecossistemas complexos dado sua dinâmica interna e
perturbações externas.
Redes complexas também são aplicáveis em diversas áreas do conhecimento,
como por exemplo, na área de segurança, como sistemas de detecção de rede de
organização terrorista, em redes sociais e de informações, na biologia, em propagação
de epidemias, comércio internacional, e na própria internet. Sistemas complexos
envolvem um número grande de complexas interações, e a detecção de topologias
similares em sistemas distintos é um fato que mostra a importância e o interesse em
desenvolver cada vez mais e mais estudos nesta área.
52
REFERÊNCIAS BIBLIOGRÁFICAS
ABARCA-ARENAS, L. G. E R. E. ULANOWICZ, 2002, The effects of taxonomic
aggregation on network analysis. Ecological Modelling 149 (3): 285-296.
ALBERT, R., BARABÁSI, A.-L., 2002, Statistical mechanics of complex networks.
Reviews of Modern Physics 74 (1): 47.
ANDRAS P., GWYTHER R., MADALINSKI, A. A., LYNDEN S. J., ANDRAS,
A.,YOUNG, M. P., 2007, Ecological network analysis: an application to the evaluation
of effects of pesticide use in an agricultural environment. Pest Management Science 63
(10): 943-953.
AZAM, F., FENCHEL, T., FIELD, J. G., GRAY, J. S., MEYER, L. A., THINGSTAD,
F., 1983, The ecological role of water column microbes in the sea. Marine Ecology
Progress Series 10: 257-263.
BACK, W. D., KAMPIS, G., 2009, Emergence and analysis of complex food webs in
an individual-based artificial ecology. 2009 IEEE Symposium on Artificial Life, 131-
138.
BAIRD, D., ULANOWICZ, R. E., 1989, The Seasonal Dynamics of The Chesapeake
Bay Ecosystem. Ecological Monographs 59 (4): 329-364.
BARABÁSI, A.-L. E ALBERT R., 1999, Emergence of Scaling in Random Networks.
Science 286 (5439): 509-512.
BAUER, B., JORDÁN, F., PODANI J., 2010, Node centrality indices in food webs:
Rank orders versus distributions. Ecological Complexity 7 (4): 471-477.
BENEDEK, Z., F. JORDÁN, BÁLDI, A., 2007, Topological keystone species
complexes in ecological interaction networks. Community Ecology 8 (1): 1-7.
BERLOW, E. L., 1999, Strong effects of weak interactions in ecological communities.
Nature 398 (6725): 330-334.
BERSIER, L.-F., DIXON, P., SUGIHARA G., 1999, Scale-Invariant or Scale-
Dependent Behavior of the Link Density Property in Food Webs: A Matter of Sampling
Effort? The American Naturalist 153 (6): 676-682.
BOCCALETTI, S., LATORA, V., MORENO, Y., CHAVEZ , M., HWANG, U.D.,
2006, Complex networks: Structure and dynamics. Physics Reports 424 (4-5): 175-308.
53
BORAAS, M. E., ESTEP, K. W., JOHNSON, P. W., Sieburth, J. M., 1988,
Phagotrophic Phototrophs: The Ecological Significance of Mixotrophy1,2. Journal of
Eukaryotic Microbiology 35 (2): 249-252.
BOUVIER, T., TROUSSELLIER, M., ANZIL, A., COURTIES, C., SERVAIS, P.,
2001, Using light scatter signal to estimate bacterial biovolume by flow cytometry.
Cytometry 44 (3): 188-194.
BRIAND, F., 1983, Environmental Control of Food Web Structure. Ecology 64 (2):
253-263.
CALDARELLI, G., GARLASCHELLI, D., PIETRONERO, L., PASTOR-
SATORRAS, R., RUBI, M.,. DIAZ-GUILERA, A., 2003, “Food Web Structure and the
Evolution of Complex Networks”, In: (Ed.): Springer Berlin / Heidelberg, Statistical
Mechanics of Complex Networks 625: 148-166.
CÁNOVAS, M., GARCÍA, V., BERNAL, V., TORROGLOSA, T., IBORRA, J. L.,
2007, Analysis of Escherichia coli cell state by flow cytometry during whole cell
catalyzed biotransformation for l-carnitine production. Process Biochemistry 42 (1): 25-
33.
CARNEY, H. J., HAVENS, K. E., BERSIER, L.-F., 1997, Nonlinear Scale Dependence
and Spatiotemporal Variability in Planktonic Food Webs. Oikos 79 (2): 230-240.
CHEN, B., LIU, H., WANG, Z., 2009, Trophic interactions within the microbial food
web in the South China Sea revealed by size-fractionation method. Journal of
Experimental Marine Biology and Ecology 368 (1): 59-66.
CHRISTIE, P., 2011, Creating space for interdisciplinary marine and coastal research:
five dilemmas and suggested resolutions. Environmental Conservation (FirstView): 1-
15.
COCHRAN-STAFIRA, D. L., VON ENDE, C. N., 1998, Integrating bacteria into food
webs: Studies with Sarracenia purpurea inquilines. Ecology 79 (3): 880-898.
COHEN, J. E., 1978, Food webs and niche space: Princeton University Press.
COHEN, J. E., NEWMAN, C. M., 1985, A Stochastic Theory of Community Food
Webs: I. Models and Aggregated Data. Proceedings of the Royal Society of London.
Series B. Biological Sciences 224 (1237): 421-448.
COSTANZA, R. 1999, The ecological, economic, and social importance of the oceans.
Ecological Economics 31 (2): 199-213.
54
DAME, J., CHRISTIAN, R., 2007, A Statistical Test of Network Analysis: Can it
Detect Differences in Food Web Properties? Ecosystems 10 (6): 906-923.
DAME, J. K., 2005, Evaluation of ecological network analysis for ecosystem-based
management. Dissertation. East Carolina University, North Carolina, USA.
DAVIDSON, K., 1996, Modelling microbial food webs. Marine Ecology Progress
Series 145: 279-296.
DEEGAN, L. G., R., 1997, Evidence for spatial variability in estuarine food webs.
Ecology Progress Series 147(1-3): 31-47.
DELONG, E. F., KARL, D. M., 2005, Genomic perspectives in microbial
oceanography. Nature 437 (7057): 336-342.
DUBELAAR, G., GERRITZEN, P., 2000, CytoBuoy: a step forward towards using
flow cytometry in operational oceanography. Scientia Marina 64 (2).
DUCKLOW, H. W., 1994, Modeling the Microbial Food Web. Microbial Ecology 28
(2): 303-319.
DUNNE, J. A., WILLIAMS, R. J., MARTINEZ, N. D., 2002a, Food-web structure and
network theory: The role of connectance and size. Proceedings of the National Academy
of Sciences 99 (20): 12917-12922.
DUNNE, J. A., WILLIAMS, R. J., MARTINEZ, N. D., 2002b, Small networks but not
small worlds: Unique aspects of food web structure. Working Papers of Santa Fe
Institute.
ERDÕS, P., RÉNYI A., 1960, On the evolution of random graphs. Publ. Math. Inst.
Hung. Acad. Sci 5: 17-61.
FATH, B. D., 2004, Network analysis applied to large-scale cyber-ecosystems.
Ecological Modelling 171 (4): 329-337.
FATH, B. D., GRANT, W. E., 2007, Ecosystems as evolutionary complex systems:
Network analysis of fitness models. Environmental Modelling & Software 22 (5): 693-
700.
FATH, B. D., PATTEN, B. C., 1999, Network synergism: Emergence of positive
relations in ecological systems. Ecological Modelling 107 (2-3): 127-143.
FENCHEL, T., 1982, Ecology of Heterotrophic Microflagellates. Marine Ecology
Progress Series 8(3): 225-231.
55
FIGUEIREDO, A. R. D., 2010, Mineração de Dados Citométricos: Obtenção de
Conhecimento de Padrões Celulares para Otimização de Processos Biotecnológicos.
Tese de D.Sc., COPPE/UFRJ, Rio de Janeiro, RJ, Brasil.
FLYNN, K. J., DAVIDSON, K., 1993, Predator-prey interactions between Isochrysis
galbana and Oxyrrhis marina. II. Release of non-protein amines and faeces during
predation of Isochrysis. Journal of Plankton Research 15 (8): 893-905.
GIRVAN, M., NEWMAN, M. E. J., 2001, Community structure in social and biological
networks. Proceedings of the National Academy of Sciences 99 (12): 7821-7826.
GNANADESIKAN, R., 1997, Methods for statistical data analysis of multivariate
observations, 2 ed. New York, Wiley.
GUIMARÃES, M.A., COUTINHO, R., 1996, Spatial and Temporal variation of benthic
marine algae at the Cabo Frio upwelling region, Rio de Janeiro, Brazil. Aquatic Botany 52:
283-299.
HAN, J., KAMBER, M., PEI, J., 2005, Data Mining: Concepts and Techniques. 2 ed.
Elsevier Science & Technology.
HOLEN, D. A., BORAAS, M. E., 1995, Mixotrophy in chrysophytes. Chrysophyte
algae Ecology Phylogeny Development, 119-140.
IBAMA, 2002, O estado das atividades nos ambientes marinhos e costeiros. GEO Brasil
2002: Perspectivas do Meio Ambiente no Brasil, Edições IBAMA, 118-131.
IBGE, 2010, Instituto Brasileiro de Geografia e Estatística, Disponível em:
http://www.ibge.gov.br/home/. Acesso em: 10 jul. 2011.
JORDÁN, F., 2009, Keystone species and food webs. Philosophical Transactions of the
Royal Society B. Biological Sciences 364 (1524): 1733-1741.
JORDÁN, F., BENEDEK, Z., PODANI, J., 2007, Quantifying positional importance in
food webs: A comparison of centrality indices. Ecological Modelling 205 (1-2): 270-
275.
LEIBOLD, M. A., HOLYOAK, M., MOUQUET, N., AMARASEKARE, P. J.,
CHASE, M., HOOPES, M. F., 2004, The metacommunity concept: a framework for
multi-scale community ecology. Ecology Letters 7: 601- 613.
LEVIN, S. A., 1992. The Problem of Pattern and Scale in Ecology: The Robert H.
MacArthur Award Lecture. Ecology 73: 1943–1967.
56
LLOPE, M., LICANDRO, P., CHAN, K.-S., STENSETH, N. C., 2011, Spatial
variability of the plankton trophic interaction in the North Sea: a new feature after the
early 1970s. Global Change Biology.
LOREAU, M., MOUQUET, N., HOLT, R. D., 2003, Meta-ecosystems: a theoretical
framework for a spatial ecosystem ecology. Ecology Letters 6 (8): 673-679.
LUCZKOVICH, J. J., BORGATTI, S. P., JOHNSON, J. C., EVERETT, M. G., 2003,
Defining and Measuring Trophic Role Similarity in Food Webs Using Regular
Equivalence. Journal of Theoretical Biology 220 (3): 303-321.
MARTINEZ, N. D., 1992, Constant Connectance in Community Food Webs. The
American Naturalist 139 (6): 1208-1218.
MAY, R. M., 2001, Stability and complexity in model ecosystems. Princeton University
Press.
MEHNER, T., HÖLKER, F., KASPRZAK P., 2005, Spatial and temporal heterogeneity
of trophic variables in a deep lake as reflected by repeated singular samplings. Oikos
108 (2): 401-409.
MELIÁN, C. J., BASCOMPTE, J., 2002, Complex networks: two ways to be robust?
Ecology Letters 5 (6): 705-708.
MINGOTI, S. A., 2005, Análise de dados através de métodos de estatística
multivariada: uma abordagem aplicada. UFMG, p. 295
MONTOYA, J. M., SOLÉ, R. V., 2002, Small World Patterns in Food Webs. Journal of
Theoretical Biology 214 (3): 405-412.
NEUTEL, A.-M., HEESTERBEEK, J. A. P., RUITER, P. C. de, 2002, Stability in Real
Food Webs: Weak Links in Long Loops. Science 296 (5570): 1120-1123.
NICOLODI, J. L., 2011, Ações para o Manejo e a Governança Costeira e Oceânica no
Brasil. Simpósio Brasileiro de Oceanografia.
NORBERG, J., 2004, Biodiversity and Ecosystem Functioning: A Complex Adaptive
Systems Approach. Limnology and Oceanography 49 (4) Part 2.
OLFF, H., ALONSO, D., BERG, M. P., ERIKSSON, B. K., LOREAU, M., PIERSMA ,
T., ROONEY, N., 2009, Parallel ecological networks in ecosystems. Philosophical
Transactions of the Royal Society B: Biological Sciences 364 (1524): 1755-1779.
57
OLSON, R. J., SHALAPYONOK, A., SOSIK, H. M., 2003, An automated submersible
flow cytometer for analyzing pico- and nanophytoplankton: FlowCytobot. Deep Sea
Research Part I: Oceanographic Research Papers 50 (2): 301-315.
OLSON, R. J., VAULOT, D., CHISHOLM, S. W., 1985, Marine phytoplankton
distributions measured using shipboard flow cytometry. Deep Sea Research Part A.
Oceanographic Research Papers 32 (10): 1273-1280.
PAINE, R. T., 1980, Food Webs: Linkage, Interaction Strength and Community
Infrastructure. Journal of Animal Ecology 49 (3): 667-685.
PASCUAL, M., 2005, Computational Ecology: From the Complex to the Simple and
Back. PLoS Comput Biol 1 (2): e18.
PEÑA, M. A., LEWIS, M. R., HARRISON, W. G., 1990, Primary productivity and size
structure of phytoplankton biomass on a transect of the equator at 135°W in the Pacific
Ocean. Deep Sea Research Part A., Oceanographic Research Papers 37 (2): 295-315.
PEREIRA, G. C., 2005, Mineração de Dados para Análise e Diagnóstico Ambiental.
COPPE, UFRJ, Rio de Janeiro, Brasil,.
PEREIRA, G. C., FIGUIREDO, A. R., JABOR, P. M., EBECKEN, N. F. F., 2010,
Assessing the ecological status of plankton in Anjos Bay: a flow cytometry approach.
Biogeosciences Discuss. 7.
PEREZ, M. L., SILVA, J. G. D., ROSSO, T. C. de A., 2009, Uma visão da implantação
do Plano Nacional de Gerenciamento Costeiro no Brasil. International Journal on
Sciences of Industrial and Systems Engineering and Management.
PIMM, S. L., 1982, Food Webs. Chapman & Hall, London.
PINEL-ALLOUL, B., GHADOUANI, A., FRANKLIN, R. B., MILLS, A. L., 2007,
“Spatial Heterogeneity Of Planktonic Microorganisms In Aquatic Systems The Spatial
Distribution of Microbes in the Environment.” In: Spatial Heterogeneity Of Planktonic
Microorganisms In Aquatic Systems. Springer Netherlands,: 203-310.
PINNEGAR, J. K., BLANCHARD, J. L., MACKINSON, S., SCOTT, R. D.,
DUPLISEA, D. E., 2005, Aggregation and removal of weak-links in food-web models:
system stability and recovery from disturbance. Ecological Modelling 184 (2-4): 229-
248.
58
PIONTKOVSKI, S. A., WILLIAMS, R., MELNIK, T. A., 1995, Spatial heterogeneity,
biomass and size structure of plankton of the Indian Ocean: Some general trends
Marine ecology progress series 117 (1-3): 219-227.
POLIS, G. A., STRONG D. R., 1996, Food Web Complexity and Community
Dynamics. The American Naturalist 147 (5): 813-846.
POMEROY, L., WIEBE W., 1988, Energetics of microbial food webs. Hydrobiologia
159 (1): 7-18.
RAFFAELLI, D., EMMERSON, M., SOLAN, M., BILES, C. , PATERSON, D., 2003,
Biodiversity and ecosystem processes in shallow coastal waters: an experimental
approach. Journal of Sea Research 49 (2): 133-141.
RILEY, G. A. 1946, Factors controlling phytoplankton populations on Georges Bank.
Journal of Marine Research (6): 54–73.
RUCKELSHAUS, M., KLINGER, T. KNOWLTON, N., DEMASTER, D. P., 2008,
Marine Ecosystem-based Management in Practice: Scientific and Governance
Challenges. BioScience 58 (1): 53-63.
CARPENTER, S. R., KITCHELL, J. F., HODGSON, J. R., COCHRAN, P. A., ELSER,
J. J., ELSER, M. M., LODGE, D. M., KRETCHMER, D., HE, X., ENDE, C. N. VON,
1987, Regulation of Lake Primary Productivity by Food Web Structure Ecology.
Ecological Society of America 68 (6): 1863-1876.
SEYMOUR, J. R., MITCHELL, J. G., SEURONT, L., 2004, Microscale heterogeneity
in the activity of coastal bacterioplankton communities. Aquatic Microbial Ecology 35
(1): 1-16.
SHAPIRO, H., 2003, Practical flow cytometry, Wiley-Liss.
SHARMA, S., 1996, Applied Multivariate Techniques, University of South Carolina,
USA.
SIMON, H. A., 1955, On a Class of Skew Distribution Functions. Biometrika 42 (3-4):
425-440.
SMITH, R. D., 2011, Propagation of Cascades in Complex Networks: From Supply
Chains to Food Webs. Arxiv Preprint, p. 14.
STEELE, J. H., 1974, The structure of marine ecosystems. Harvard University Press
Cambridge.
59
STEPHENS, C. R., HEAU, J. G., GONZÁLEZ, C., IBARRA-CERDEÑA, C. N.,
SÁNCHEZ-CORDERO, V., GONZÁLEZ-SALAZAR, C., 2009, Using Biotic
Interaction Networks for Prediction in Biodiversity and Emerging Diseases. PLoS ONE
4 (5): e5725.
STOECKER, D. K., CUCCI, T. L., HULBURT, E. M., YENTSCH, C. M., 1986,
Selective feeding by Balanion sp. (Ciliata: Balanionidae) on phytoplankton that best
support its growth. Journal of Experimental Marine Biology and Ecology 95 (2): 113-
130.
STRICKLAND, J. D. H., PARSONS T. R., 1968, A practical handbook of seawater
analysis. Queen's Printer. Ottawa Canada.
STROGATZ, S. H., 2001, Exploring complex networks. Nature 410 (6825): 268-276.
SUGIHARA, G., SCHOENLY, K., TROMBLA, A., 1989, Scale invariance in food
web properties. Science 245 (4913): 48-52.
SUNRAY, M.,. ZURGIL, N., SHAFRAN, Y., DEUTSCH, M., 2002, Determination of
individual cell Michaelis-Menten constants. Cytometry 47 (1): 8-16.
SUTTLE, C. A., 1994, The significance of viruses to mortality in aquatic microbial
communities. Microbial Ecology 28 (2): 237-243.
TAVARES-CROMAR, A. F., WILLIAMS D. D., 1996, The Importance of Temporal
Resolution in Food Web Analysis: Evidence from a Detritus-Based Stream. Ecological
Monographs 66 (1): 91-113.
ULANOWICZ, R. E., 1986, Growth and development: Ecosystems phenomenology.
Springer-Verlag, p. 203.
VALIELA, I., 1995, Marine ecological processes. Springer.
WARD, J. H. J., 1963, Hierarchical Grouping to Optimize an Objective Function.
Journal of the American Statistical Association 58 (301): 236-244.
WARREN, P. H. 1989, Spatial and temporal variation in the structure of a freshwater
food web. OIKOS 55: 299-311, Copenhagen.
WATTS, D. J., STROGATZ S.H., 1998, Collective dynamics of small-world networks.
Nature 393 (6684): 440-442.
WHITE, E. P. ERNEST, S. K. M. KERKHOFF, A. J., ENQUIST, B. J., 2007,
Relationships between body size and abundance in ecology. Trends in Ecology &
Evolution 22 (6): 323-330.
60
WILLIAMS, R. J. BERLOW, E. L. DUNNE, J. A., BARABÁSI, A.-L. MARTINEZ,
N. D., 2002, Two degrees of separation in complex food webs. Proceedings of the
National Academy of Sciences 99 (20): 12913-12916.
WILLIAMS, R. J. , MARTINEZ. N. D., 2000, Simple rules yield complex food webs.
Nature 404 (6774): 180-183.
WINEMILLER, K. O., 1990, Spatial and Temporal Variation in Tropical Fish Trophic
Networks. Ecological Monographs 60 (3): 331-367.
YODZIS, P., WINEMILLER, K.O., 1999, In search of operational trophospecies in a
tropical aquatic food web. OIKOS 87(2): 327-340.
61
ANEXO I – Dendrogramas Detalhados das Estações
Dendrograma estação de coleta 1
62
Dendrograma estação de coleta 2
63
Dendrograma estação de coleta 3
64
ANEXO II - Estatísticas básicas dos dados citométricos
65
Anexo III – Redes Tróficas
1 - Rede da Estação 1 construída com as informações especialista
2 – Rede da Estação 2 construída com as informações especialista
66
3 - Sub-rede picoplanctônica da Estação 2 com todas as ligações.
4 - Sub-rede nanoplanctônica da Estação 2 com todas as ligações
67
5 - Sub-rede microplanctônica da Estação 2 com todas as ligações
6 – Rede da Estação 3 construída com as informações especialista
68
7 - Sub-rede picoplanctônica da Estação 3 com todas as ligações.
8 - Sub-rede nanoplanctônica da Estação 3 com todas as ligações
69
9 - Sub-rede microplanctônica da Estação 3 com todas as ligações.