Projeto de pesquisa

Área de estudo
Para a realização do estudo, serão explorados dados de três localidades do Caribe (Bermuda, Curaçao e Honduras), e duas do Brasil: Arquipélago de Fernando de Noronha e Arquipélago de São Pedro e São Paulo (ASPSP).
Base de dados
Este projeto conta com um conjunto de dados da comunidade de peixes com base em um banco de dados existente, e dados coletados em Honduras (novembro de 2021).
Análise de dados
Para as análises de diversidade funcional e espaço, todas as espécies serão classificadas de acordo com seis diferentes traços de história de vida usando propriedades funcionais definidas por Mouillot et al. (2014): (1) Tamanho máximo do corpo da espécie: 80 cm; (2), Mobilidade: sedentária (incluindo espécies territoriais), móvel ou muito móvel; (3) Período de atividade: diurno, noturno ou ambos; (4) Escolaridade: solitário, em pares, pequenos grupos (3 a 20 indivíduos), grupos médios (20 a 50 indivíduos) ou grandes grupos (> 50 indivíduos); (5) Posição na coluna d'água: bentônica (espécies associadas ao fundo), bento-pelágica ou pelágica e (6) Grupo trófico: herbívoros, carnívoros, invertebrados móveis, invertebrados sésseis, planctívoros e onívoros. Os seis traços de história de vida atribuídos a cada espécie observada serão usados para construir o espaço funcional multidimensional das comunidades de peixes de cada zona de profundidade de cada localidade. O espaço funcional multidimensional será criado com uma Análise de Coordenadas Principais (PCoA) usando uma matriz de dissimilaridade de distância de Gower, que permite misturar dados quantitativos (Mouillot et al. 2014). A riqueza funcional de cada comunidade será medida como o volume dentro do convex hull moldando todas as entidades funcionais presentes nas amostras (Mouillot et al. 2014). O volume funcional ocupado é estimado usando a função R 'multidimFD' (Mouillot et al. 2013). Divergência na riqueza funcional das comunidades de peixes recifais entre amostras é baseado no volume de interseções de convex hull em um espaço funcional multidimensional. As diferenças na riqueza funcional serão exploradas por meio de GLMMs com distribuição gama, considerando a riqueza de espécies locais, profundidade, temperatura do mar, complexidade e latitude do substrato como fatores fixos e localidade como fator aleatório. Uma distribuição gama será utilizada nos modelos acima, pois a riqueza funcional é geralmente uma variável de resposta superdispersa, positiva e contínua (Zuur et al. 2009). Para avaliar se as províncias biogeográficas têm diferenças nas variáveis dependentes entre zonas de profundidade, modelos lineares generalizados (GLM) com Poisson e distribuições binomiais serão usados, onde ambientais e fatores biogeográficos serão considerados como fatores fixos. Usaremos distribuição de Poisson em modelos de variável de resposta contável e distribuição binomial em modelos envolvendo dados de proporção (Zuur et al. 2009). Todas as análises serão realizadas no ambiente R usando pacotes como ‘vegan’ e ‘lme4’.