El archivo peces.xlsx contiene observaciones de abundancia de peces de distintas especies realizadas a lo largo del tiempo en varios lugares de la costa de la isla de Espíritu Santo, en Baja California, Mexico. Los datos corresponden a un diseño BACI (Before-After, Control-Impact) mediante el cual se pretende explorar el efecto de una intervención (creación de una reserva marina) en la zona este de la isla. Para ello se dispone de datos durante varios años (antes y después de la intervención) tanto en la zona control (no reserva) como en la zona impacto (reserva).

La abundancia de peces se registró mediante la realización de transectos en el fondo marino, siguiendo una linea de 30 metros de longitud y contando el número de peces de cada especie en un radio de 2 metros alrededor del submarinista que recorre el transecto. Las variables recogidas en el archivo son las siguientes:

 

Con estos datos:

  1. Realiza una descripción de las variables, utilizando las tablas y gráficas que consideres oportunas. Aspectos interesantes a describir serían los siguientes:

 

  1. El siguiente código genera una nueva base de datos en la que cada fila corresponde a un transecto para el que se calcula la densidad de ejemplares (nº total de ejemplares dividido entre el volumen del transecto, \(l\cdot \pi\cdot r^2 = 30\cdot\pi\cdot 2^2=377 m^3\) ). Calcula y representa la densidad media por sitio y Año, así como por zona (control o impacto) y momento (antes/después de la intervención).
library(readxl)
library(tidyverse)
peces <- read_excel("peces.xlsx")
densByTrans <- peces %>% 
  group_by(Sitio,Transecto,Año,Profundidad,Temperatura,zona,momento) %>% 
  summarize(densidad=sum(n)/377) %>% 
  ungroup()

Utiliza el análisis de la varianza para estudiar las diferencias en la densidad de peces según zona (control/impacto) y momento (antes/después de la intervención). Interpreta los resultados.

Amplía el modelo de análisis de la varianza anterior para incluir el posible efecto de la profundidad, y la temperatura (es decir construye un modelo de análisis de la covarianza, con la densidad como variable respuesta, la profundidad y temperatura como variables explicativas continuas y la zona y momento como variables explicativas dicotómicas).

 

  1. Construye un modelo de regresión de Poisson para predecir el número de serránidos en función de la zona, el momento, la temperatura y la profundidad. Interpreta el resultado del modelo, con particular atención a si la intervención realizada ha tenido efecto sobre el número de serránidos (esto es, si el número de serránidos a cambiado de antes a después en la zona de impacto, y si ha cambiado en la zona de control). ¿Es válido el ajuste del modelo?

 

  1. El siguiente código convierte la base de datos de peces en una nueva base de datos en la que las columnas son las familias y las filas son las muestras (transectos); en cada transecto se cuenta cuántos ejemplares hay de cada familia.
matrizEspecies <- peces %>% 
  group_by(Sitio,Transecto,Año,Temperatura,Profundidad,zona,momento,Familia) %>% 
  summarize(n=sum(n)) %>% 
  ungroup() %>% 
  pivot_wider(c(Sitio:Profundidad,zona,momento,n),
              names_from=Familia,values_from=n) %>% 
  replace(is.na(.), 0)

En la web https://jkzorz.github.io/2019/06/11/ANOSIM-test.html encontrarás un ejemplo de uso de la función anosim de la librería vegan. Esta función permite determinar si hay diferencias significativas en la composición por familias entre antes y después de la intervención y según zonas (control/impacto). Aplica dicha función a estos datos (también puedes leer en la misma web sobre como hacer gráficos NMDS, que permiten visualizar el efecto de la intervención sobre la composición por especies) y explica los resultados.