Por sua vez, as análises da relação entre riqueza estimada e as variáveis de estrutura da vegetação, mostraram um padrão diferente do encontrado para a riqueza observada. Nesta análise, o modelo que melhor representa a variação dos dados de riqueza estimada com as variáveis de estrutura vegetacional foi aquele que previu uma relação quadrática entre a riqueza estimada e a primeira variável de estrutura da vegetação (primeiro eixo da PCA) (Tabela \ref{table:tabela2}).
Tabela 2: Resultados da análise de seleção de modelos concorrentes para explicar a relação entre o número de espécies estimado por modelos de ocupação de comunidade com detecção imperfeita (N est.) e as duas variáveis de estrutura da vegetação obtidas a partir da análise de PCA (PC1 e PC2). Na coluna Modelo, o sinal “~” mostra a relação de causa entre a variável dependente (à esquerda do sinal) e a(s) variável(is) independente(s) (à direita do sinal). O sinal “+” indica que a soma do efeito das variáveis foi considerada no modelo. O sinal “^2” indica que a variável independente no modelo foi multiplicada por um termo quadrático. As colunas AICc, \(\Delta \text{AICc}\) e df, apresentam os valores de AICc(Critério de informação de Akaike corrigido para pequenas amostras), diferença de AICc do modelo da linha para o de menor AICc e o número de parâmetros estimados em cada modelo, respectivamente.
\label{table:tabela2}
Modelo | AICc | \(\Delta \text{AICc}\) | df |
---|---|---|---|
N est. ~ PC1 + PC1^2 | 227.9 | 0 | 4 |
N est. ~ PC1 + PC1^2 + PC2 + PC2^2 | 233.4 | 5.5 | 6 |
N est. ~ PC1 | 239.1 | 11.2 | 2 |
N est. ~ PC1 + PC2 | 239.1 | 11.3 | 4 |
N est. ~ PC2 + PC2^2 | 256.4 | 28.5 | 4 |
N est. ~ PC2 | 261.3 | 33.4 | 2 |
N est. ~ Constante | 261.9 | 34.1 | 1 |
Por este modelo, a riqueza estimada deve ser maior em valores intermediários da variável de estrutura, sendo mais baixos os valores de riqueza estimada quando a variável de estrutura apresenta valores extremos (Figura 5).