1

A ecologia dos agrupamentos e comunidades florísticas

Paulo Miguel dos Santos Pereira

Unidade de Macroecologia e Conservação da Universidade de Évora e-mail: ppereira@uevora.pt

INTRODUÇÃO 2

CLASSIFICAÇÃO E ORDENAÇÃO 2 CLASSIFICAÇÃO DA VEGETAÇÃO 3 ANÁLISE MULTIVARIADA 4 AS NOVAS TECNOLOGIAS APLICADAS À MACROECOLOGIA 6 OS SISTEMAS DE INFORMAÇÃO GEOGRÁFICA 6 A DETECÇÃO REMOTA 7

ESTUDOS DE CASO 8

1º ESTUDO DE CASO: O MONTADO 8 2º ESTUDO DE CASO: AS PASTAGENS DE CASTRO VERDE 12 3º ESTUDO DE CASO: AS COMUNIDADES DA ARRÁBIDA 18

DISCUSSÃO 25

BIBLIOGRAFIA 26

2

Introdução

A ecologia da vegetação dominou na primeira metade deste século as revista de

ecologia, liderando muitos dos campos de investigação que originaram a moderna ecologia.

A existência ou não de comunidades origina um dos primeiros debates no princípio do séc.

XX. Até hoje essa polémica continua acesa, opondo fieis das comunidades a partidários das

espécies enquanto objecto de estudo. Uma das perguntas mais frequentes em ecologia da

vegetação questiona de que forma as espécies respondem a um ou mais factores ecológicos:

os modelos ecológicos que consideram os factores bióticos e abióticos são aqueles que mais

se aproximam da realidade 1. O que irei expor seguidamente discute a ecologia dos

agrupamentos florísticos, combinando comunidades e modelos ecológicos a partir duma

síntese de conceitos e métodos usados para descrever e quantificar os ecossistemas.

Classificação e ordenação

A classificação e a ordenação aplicadas ao estudo da vegetação foram desde o

principio da ecologia uma das questões mais debatidas e estudadas 2. Desde os início dos

estudos ecológicos, duas escolas se enfrentaram e digladiaram pela razão na ciência da

vegetação: a classificação mais ou menos estática 3,4 e a ordenação 5,6; esta controvérsia

atingiu o seu auge na oposição entre a concepção da comunidade climácica de Clements

versus a teoria do contínuo de Gleason (para uma revisão completa ver 7).

A primazia da ordenação relativamente à classificação (nomeadamente a classificação

estática fitossociológica) como metodologia para responder às questões ecológicas foi

defendida por investigadores como Goodall 8 e Greig-Smith 9. Ambas metodologias são

ferramentas que ajudam a identificar padrões ecológicos da vegetação, podendo ser métodos

alternativos ou mesmo complementares na forma como nos ajudam a responder a uma

determinada questão 2: “The value of classification and ordination lies on their use as tools in

helping to provide useful information from a particular situation; they are tools of

convenience and both approaches can be, and indeed are, appropriate in certain

circumstances. To uphold one or other approach as a sacrosanct medium for a preliminary

understanding of vegetational complexity is to admit to a lack of the understanding of the

basic processes involved in the development of vegetations structure.” Anderson diagnosticou

a natureza falaciosa da oposição entre estas duas escolas da ecologia da vegetação; por

exemplo, a ordenação permite confirmar se uma classificação terá ou não sentido 2. Ambas

3

técnicas, quando usadas em conjunto, têm um resultado sinérgico, confirmando-se a

ordenação na classificação e vice-versa. A ordenação assim como as classificações devem ser

testadas, para que os seus resultados sejam válidos e tenham interpretação ecológica 10.

Contudo, há poucos exemplos da utilização da classificação e da ordenação em

conjunto, aproveitando sinergicamente o melhor de cada análise. Na maior parte dos casos, a

utilização dos dois métodos limita-se à visualização dos resultados de uma classificação no

espaço reduzido da ordenação (ver por ex. 11,12) ou então, à comparação dos resultados dos

dois métodos, mais do que à sua integração numa única análise (ver por ex. 13,14). Urge

integrar as modernas disciplinas de classificação e ordenação numa análise unificadora, que

ao recorrer às rotinas de randomização, permitirá um avanço claro na forma como abordamos

as questões fundamentais da ciência da vegetação.

Classificação da vegetação

A classificação da vegetação pode-se separar em dois grupos distintos: a classificação

estática, que tenta sistematizar para uma hierarquia de comunidades e regiões biogeográficas;

e a classificação dinâmica, que se adapta a cada um dos sítios amostrados não obedecendo a

uma sistemática preestabelecida. A fitossociologia é uma classificação estática que pressupõe

a existência de comunidades de plantas que resultam de um conjunto de diferentes espécies se

agruparem recorrentemente, dado que têm óptimos ecológicos semelhantes 15. Esta disciplina

responde à necessidade básica do ser humano de agrupar e classificar a natureza em grupos

distintos, organizados hierarquicamente. A pedra fundamental da fitossociologia é a

associação; a partir desta entidade desenvolve-se uma estrutura hierárquica em tudo

semelhante às classificações filogenéticas 16. Hoje em dia, a fitossociologia afirma-se como

uma ciência de classificação, recorrendo a modernas técnicas de tratamento numérico para

obter classificações melhores e mais abrangentes. Neste contexto, existem duas formas para

chegar a essa classificação: uma formal, utilizando métodos numéricos e algoritmos para

obter a classificação fitossociológica; uma informal imperfeita, onde a classificação é

determinada à priori, sem explicitar a forma como se chegou a essa classificação 17.

Apesar de existirem exemplos onde a fitossociologia é utilizada para responder a

questões particulares (ver por ex. 18), continua no entanto a ser essencialmente uma

ferramenta ao serviço da sistemática florística (ver por ex. 19,20,,21,22), cuja virtude foi ter

sistematizado para uma grande parte da Terra uma classificação que permite a qualquer

4

investigador que conheça esta linguagem compreender o que se passa no outro canto do

mundo; no entanto, ao ter desenvolvido uma metodologia adaptada quase exclusivamente aos

objectivos da tipificação da vegetação, não é compatível com outras perguntas que se possam

fazer e que implicam à partida um desenho experimental específico.

Na classificação dinâmica são utilizados métodos mais objectivos que permitem

classificar a vegetação através de procedimentos estatísticos (ver por ex. 7,23-27). O desenho

experimental é orientado para a questão da investigação. Em seguida, os inventários ou

objectos são classificados seguindo essencialmente três métodos: a classificação hierárquica,

o TWINSPAN (two way indicator species analysis), que é um tipo muito particular de

classificação hierárquica e a classificação não hierárquica. A primeira utiliza métodos de

agrupamentos hierárquicos que combinam matrizes de semelhança ou dissemelhança com

algoritmos aglomerativos 7,28,29. A segunda é uma das ferramentas estatísticas mais utilizadas

em estudos de vegetação 30. Foi proposto por Hill 31, e ordena a matriz de dados espécies x

inventários obtendo uma classificação tanto para os inventários como para as espécies. Estas

últimas ficam ordenadas pela seu valor indicador relativamente a cada grupo obtido. A

terceira é usualmente feita recorrendo ao algoritmo de K-means 28, sendo o investigador a

decidir quantos grupos quer obter. O algoritmo K-means encontra a solução minimizando a

variância dentro dos grupos e maximizando a variância entre grupos.

Análise multivariada

As modernas técnicas de ordenação vieram permitir a análise de matrizes complexas

de dados que se aproximam muito melhor da realidade da vegetação e da sua ecologia; o

espaço multivariado definido pela matriz de n variáveis x n inventários permite uma muito

melhor aproximação à definição empírica de habitat 32.

A base computacional da análise multivariada é a álgebra de matrizes, que permite

analisar e manipular bases de dados multidimensionais; o algoritmo que permite reduzir os

dados multidimensionais a um número de dimensões facilmente manipulável é o algoritmo de

Householder. Esta transformação simplifica a complexidade inicial, reduzindo aos primeiros

eixos uma parte importante da variância total da matriz inicial. Com poucos eixos que

explicam muita variância é agora possível visualizar espécies, variáveis e inventários num

espaço reduzido; quando este espaço se limita a duas dimensões (que poderá ser qualquer uma

das combinações possíveis dos quatro primeiros eixos), a resultante gráfica chama-se “biplot”

5

33. Ao usar-se um método de ordenação, espera-se que a distância entre as objectos

projectados no biplot sejam fiéis descritores das dissimilaridades entre habitats 34. Estes

métodos de ordenação que se limitam à exploração dos dados enquadram-se na denominada

análise exploratória, e compreende métodos como por exemplo a análise de componentes

principais (PCA) a análise de correspondência (CA) e a análise de coordenadas principais

(PcoA). Estes métodos distinguem-se essencialmente pelo tipo de distância utilizada para

descrever as posições relativas dos objectos a ordenar: distância euclediana (PCA) distância

do χ2 (CA) ou uma matriz de distâncias, onde o tipo distância é decidido pelo investigador

(PCoA) 28.

O algoritmo de Houseolder por si só não permite o teste de hipóteses. É à análise

paramétrica que a análise multivariada vai buscar a solução para este problema: a

quantificação das relações entre variáveis ecológicas e variáveis biológicas é feita através da

correlação (que tenta relacionar duas variáveis) e da regressão (usada para descrever a

dependência da variável Y na variável independente X 35), exactamente como acontece na

análise paramétrica. Pode testar-se esta relação definindo o modelo nulo (H0). Este modelo

vai permitir testar a questão a que queremos responder, sendo este teste acompanhado de um

valor de significância (p). Foi a partir dos anos 70 que se começou a testar o modelo nulo,

dando um salto importante da ecologia descritiva para a ecologia quantitativa 36. Contudo, a

estatística paramétrica assume que as distribuições sejam normais, o que raramente acontece

com os dados biológicos e ecológicos 37. Com vista a ultrapassar este obstáculo,

desenvolveram-se numerosos métodos livres da assunção de normalidade: testes de

permutação e bootstraping 38. Existem claros benefícios em utilizar testes de randomização

para a análise de variância de dados não normais 39, dado que permitem testar se a

“quantidade” de variância explicada ou o grau de correlação obtidos na regressão ou na

correlação, respectivamente, são ou não significativos.

A análise canónica de correspondência (CCA) é um dos métodos mais utilizados em

ecologia da vegetação, possibilitando a ordenação e o teste de hipóteses que determinam os

padrões de estruturação da biodiversidade florística 40. Subjacente à análise canónica,

normalmente descrita como análise de gradiente, está a teoria do contínuo 41, já que tentamos

determinar as variáveis que estruturam a variância de todo o elenco florístico, mas em que

cada espécie é tratada e analisada isoladamente. Na análise canónica de redundância (RDA),

por exemplo, é o resultado das regressões múltiplas de cada espécie (Y) relativamente às

variáveis explicativas do modelo (X) que será sujeito ao algoritmo de Householder: os valores

ajustados originam a ordenação canónica enquanto que os resíduos das regressões originam os

6

eixos não canónicos 28. Esta decomposição da RDA permite ver que apesar de ser uma análise

multivariada, a análise canónica trata cada espécie individualmente.

Novos métodos têm sido propostos aplicáveis à ciência da vegetação, todos eles com

rotinas de randomização incorporadas, permitindo testar diferentes modelos nulos e com isso

alargando o leque de possibilidades analíticas ao nosso dispor. Entre estes métodos salientam-

se os seguintes: o IndVal 42 para calcular o valor indicador das espécies relativamente a um

determinado grupo; o 4th corner 43, para relacionar uma matriz de variáveis explicativas com

uma matriz codificada com os comportamentos da matriz biológica; finalmente, o ANOSIM 44

para testar a validade de um agrupamento ou mesmo, substituir a ANOVA (analise de

variância paramétrica) para dados não-paramétricos, testando a influência de um ou mais

factores na matriz de distâncias entre inventários baseada em descritores biológicos 28.

As novas tecnologias aplicadas à macroecologia

Os Sistemas de informação geográfica

Os SIG (Sistemas de Informação Geográfica) apareceram da necessidade de analisar e

quantificar a crescente quantidade de informação cartográfica em formato digital que

acompanhou de perto a revolução informática 45. Os SIG são por definição ferramentas

excelentes para manipular dados espacialmente referenciados, descrevendo essencialmente

relações espaciais e permitindo sobrepor diferentes capas de informação geográfica; neste

contexto, assistimos hoje a um alargamento do seu espectro de aplicabilidade, nomeadamente

no que se refere à modelação ecológica e testes de hipóteses 46-48.

Os SIG são a ferramenta ideal para armazenar, manipular e processar bases de dados

que tenham uma componente espacial. No caso das bases de dados ecológicas, os SIG têm a

capacidade extremamente útil de compatibilizar dados de natureza muito diversa, como dados

florísticos, rede viária, climatologia, detecção remota, geologia, ou tipos de uso do solo. É

através da sobreposição geográfica de toda esta informação, (possível e facilitada pela

construção de um SIG integrador), que podemos testar hipóteses ecológicas 49.

A recém denominada macroecologia 50,51 é sem dúvida, um dos campos científicos que

mais benefícios tirou do aparecimento dos SIG. O estudo dos padrões e processos ecológicos

7

à escala correcta de análise, que é a pedra basilar da macroecologia 52, adoptou os SIG como

ferramenta de eleição.

A detecção remota

A detecção remota (DR) é o processo de aquisição de informação sobre a natureza ou

estado de um objecto usando um sensor que não está em contacto físico directo com o objecto 53. Os algoritmos de classificação de imagens de satélite permitem sintetizar a variabilidade e

complexidade inerentes a uma paisagem num número limitado de classes definidas pelo

investigador. Dados os constrangimentos habituais com a restrição ou optimização de

recursos humanos ou logísticos, poder sintetizar a informação obtida por técnicas de detecção

remota revela-se uma vantagem inestimável em estudos de ecologia. As técnicas de DR têm,

basicamente, duas aplicações distintas em estudos de ecologia: aplicações directas e indirectas 54. As aplicações directas destinam-se geralmente a obter uma interpretação das características

do terreno 55, examinar a relação entre parâmetros químicos, físicos e bióticos 56 e extrapolar

as relações conhecidas num determinado contexto geográfico para áreas mais abrangentes ou

períodos de tempo mais dilatados 57. As aplicações indirectas prendem-se com a utilização de

dados de detecção remota para estudar processos específicos 54 que, globalmente, afectam

outros processos ecológicos 29.

A classificação de imagens de satélite é uma das aplicações directas mais

frequentemente utilizadas em ecologia. Para além da utilização directa das imagens de satélite

classificadas, desenvolveram-se metodologias que permitem extrair variáveis explicativas a

partir das referidas classificações. O sucesso da aplicação da DR à ecologia deve-se aliás em

grande parte à utilidade da mesma na quantificação das componentes da paisagem e da sua

complexidade. Um dos grupos de variáveis mais frequentemente extraídos a partir da

detecção remota são justamente as métricas paisagísticas. É normalmente com estas variáveis

que a diversidade biológica se relaciona. À desvantagem da pequena resolução da imagem de

satélite, contrapõe-se a objectividade das classificações obtidas, podendo ser assistidas pelo

operador, mas não interferindo directamente (e subjectivamente) no resultado obtido. A esta

vantagem acresce o facto de ser rápido e relativamente barato o processamento de áreas vastas

de terreno, podendo ser uma ferramenta inestimável no rápido diagnóstico da biodiversidade 58. Para pequenas escalas, a fotografia aérea continua a ter grande utilidade. A escolha entre

estas duas plataformas deverá ter em conta a escala a que o padrão ecológico se desenvolve 59.

8

Estudos de caso

1º Estudo de caso: o montado

A sustentabilidade do montado parece ser um atributo deste sistema semi-natural. No

entanto, é ainda difícil definir e balizar critérios de sustentabilidade na agricultura e na

sivicultura. Uma das medidas mais populares de sustentabilidade, a biodiversidade, está mal

quantificada nos montados, e apenas temos alguns conhecimentos relativamente ao impacto

das acções humanas num determinado grupo biológico ou espécie 60. No entanto, no

Mediterrâneo, a compreensão da dinâmica da biodiversidade e a quantificação das suas

componentes não é possível sem ter em conta o factor antropogénico na modelação deste

sistema 61.

Neste caso de estudo, a biodiversidade foi estudada em toda a área de Montado no

Alentejo, o que inclui tipos de montado muito diferentes. Esta região de Portugal é dominada

por este tipo de vegetação, com 1,175.000 ha de cobertura de Montado 62.

As questão central a que se tentou responder com este projecto pode ser formulada da

seguinte forma: Qual dos factores determinará a componente biológica do Montado, o homem

ou a natureza?

Para responder a esta pergunta, foram amostrados 60 pontos de uma rede sistemática

disposta sobre todo o Alentejo, assegurando que metade deles eram dominados por Sobreiro e

a outra metade dominados por Azinheira. As plantas foram inventariadas num círculo de 100

metros em redor do centro de cada ponto escolhido; as variáveis ambientais compreendem a

climatologia de cada ponto 63,64, o pH do solo, a altitude e as coordenadas geográficas. Os

usos de solo e métricas paisagísticas foram obtidas a partir da fotointerpretação de fotografias

aéreas, tratando esta informação posteriormente em ambiente SIG.

As variáveis agro-económicas foram obtidas a partir de um questionário feito aos

proprietários das terras incluídas nos pontos amostrados. Do conjunto inicial de variáveis

(mais de cem) apenas foram seleccionadas vinte e uma, agrupadas em ambientais, usos de

solo - métricas paisagísticas e agro-económicas (sete por cada grupo). Estas vinte e uma

variáveis foram analisadas e testadas relativamente à matriz de dados botânicos através de

uma RDA parcial 65 recorrendo ao software CANOCO 4.02 66. O resultado desta análise está

expresso na Figura 1.

9

Figura 1 – Partição da variância no ecossistema montado; cada círculo corresponde a um grupo de variáveis diferente; o círculo castanho corresponde aos usos de solo e métricas paisagísticas (Usos); o verde à componente ambiental (Amb) e o vermelho às variáveis agroeconómicas (AE). Os valores numéricos correspondem à variância explicada por cada uma das componentes e os asteriscos indicam se são significativos. A variância total explicada pelo modelo é limitada pelos três círculos no seu conjunto (Total).

A matriz das plantas tem mais de 14000 ocorrências, a que correspondem 596 espécies

diferentes. Muitas das espécies herbáceas foram identificadas em todos os pontos (100

espécies), pelo que correspondem ao fundo comum deste ecossistema particular.

O modelo total com as 21 variáveis explica 57,3% da variância biológica; quando é

feita a análise parcial (ver Fig. 1), a componente ambiente é claramente a que determina a

maior parte da variância, possuindo um peso semelhante ao dos usos de solo e métricas

paisagísticas em conjunto com as variáveis agro-económicas.

10

As variáveis ambientais mais significativas foram as coordenadas geográficas. Este

resultado não é surpreendente, já que existe um gradiente evidente Norte-Sul e Este-Oeste.

Estes dois gradientes estão expressos nos dois primeiros eixos da RDA, onde se vê claramente

uma estruturação geográfica da variância biológica explicada (Fig. 2).

Figura 2 – Projecção geográfica dos valores dos 60 pontos de amostragem nos dois primeiros eixos da RDA. O rectângulo da esquerda corresponde ao primeiro eixo enquanto que o da direita corresponde ao segundo eixo. A roxo estão os valores negativos, a amarelo esverdeado os valores positivos. A dimensão dos círculos é proporcional ao valor da coordenada.

Este gradiente é claro e demonstra que o montado não é homogéneo, com as

comunidades florísticas do montado a responderem a gradientes geográficos e a

estabelecerem um padrão ecológico muito marcado: os montados do interior sul são muito

diferentes dos montados litoral norte (ver Fig. 2), estando separados por uma transição

gradual e contínua. Sabendo à partida da existência de um fundo comum alargado, podemos

inferir que subjacente a este comportamento global de todo o elenco florístico do montado

deverão existir comportamentos individuais que justifiquem um padrão tão evidente. Para

determinar que espécies respondem a estes gradientes, foram feitas GLM (Generalized Linear

Models 67) de cada espécie relativamente às coordenadas geográficas. O resultado de uma

dessas GLM está expresso na Figura 3 (neste caso, relativamente à latitude).

11

Como resultado da GLM feita com a longitude, determinou-se que algumas plantas

atingem o seu máximo no litoral, como por exemplo o Rosmaninho (Lavandula luisieri), a

Crassula tillaea, o Medronheiro (Arbutus unedo), a Torga (Erica umbelata), o Sargaço

(Halimium halimifolium) ou a Herniaria maritima, enquanto outras predominam no interior

(por exemplo o Pamposto -Chamaemelum fuscatum e a Genista hirsuta). Relativamente ao

gradiente Norte-Sul, talvez pelo facto de neste estudo abarcar um intervalo aproximadamente

duplo do gradiente longitudinal, a sucessão de espécies é ainda mais clara, apresentando um

padrão familiar que lembra os diagramas que Gleason utilizou pela primeira vez ao propor o

comportamento individualista das espécies florísticas 5. De sul para norte, as seguintes

espécies sucedem-se ao longo deste gradiente: Cistus monspeliensis, Cynara algarbiensis,

Genista hirsuta, Feto negro (Asplenium onopteris) e Anograma leptophylla (Fig. 3).

Figura 3 – GLM com a Latitude, resultando na distribuição das espécies ao longo do gradiente Sul-Norte. As cores quentes correspondem às espécies mais frequentes a Sul; as cores frias correspondem a espécies dominantes a Norte.

A aproximação metodológica seguida neste estudo de caso assume o comportamento

individual de cada espécie; no entanto, a interpretação dos modelos causais leva a um

agrupamento das espécies de acordo com a sua resposta às diferentes variáveis significativas.

Assim, temos dentro do montado uma miríade de comunidades caracterizadas pela suas

respostas diferenciais. O montado litoral será caracterizado pela dominância de um grupo de

espécies que o diferencia do montado interior; analogamente, podemos diferenciar o montado

12

norte do montado sul ou o montado da zona de maiores geadas do montado de climas mais

amenos. O agrupamento das espécies simplifica a interpretação dos resultados, dado que seria

impossível interpretar e analisar cada uma das 596 espécies aqui encontradas.

Esta aproximação tem ainda a virtude de poder responder a perguntas cruciais para a

gestão e conservação deste ecossistema. Por um lado, a contribuição em partes iguais do

homem e do ambiente para explicar a variação biológica entre os 60 pontos amostrados; por

outro, a constatação de que as espécies que ocupam o montado diferem drasticamente com o

ambiente e a gestão humana, contrariando o conhecimento empírico de que este é um

ecossistema relativamente homogéneo e constante. Perceber quando é que as espécies

respondem negativamente à acção humana e como é que esta resposta se processa permitirá

gerir melhor o montado, mas esta gestão só será eficaz se abarcar toda a sua área de

distribuição 68.

2º Estudo de caso: as pastagens de Castro Verde

Este estudo de caso diverge do anterior por incluir o agrupamento prévio das espécies

em grupos funcionais. A questão orientadora da investigação foi a determinação do impacto

da idade e da pressão de pastorícia (por ovinos) nos pousios de Castro Verde. Os resultados

são surpreendentes, já que o pastoreio é normalmente visto como uma forma de manter e

incrementar a biodiversidade, ao passo que neste estudo o pastoreio é claramente negativo

para a biodiversidade dos pousios 69.

Numa primeira fase, determinámos a localização de 42 pontos de amostragem,

combinando os SIG com a DR.

13

Figura 4 – Distribuição dos pontos inventariados nas grandes classes de usos de solo obtidas a partir da classificação supervisada da imagem de satélite (searas e alqueive, pousios e matos). As letras correspondem ao código de identificação das parcelas escolhidas.

A partir de uma imagem de satélite da área de estudo foram classificadas três regiões

homogéneas: uma região a norte dominada por searas e terras de cultivo; uma região central

dominada por pousios e uma região a sul dominada por matos (Fig. 4). Para cada região foram

aleatoriamente escolhidos no SIG um determinado número de pontos. Para cada ponto (que

determinou a escolha de uma parcela de terreno) amostrou-se a vegetação em 10 quadrados de

14

0,25 m2, tendo os respectivos dados sido integrados numa matriz. Efectuou-se depois uma

RDA com as variáveis idade do pousio e intensidade de pastoreio (Fig. 5).

Figura 5 – Biplot da RDA: as variáveis explicativas são a idade do pousio e a intensidade de pastoreio (setas de extremidade clara). As espécies estão indicadas pelas setas de extremidade escura. As cores dos quadrantes ajudam a interpretar o biplot (ver texto).

Todas as espécies mostraram possuir diferentes comportamentos, embora com

afinidades entre si relativamente ao tipo de resposta às variáveis explicativas (Fig. 5). Essa

interpretação é evidenciada pela coloração dos quatro quadrantes, podendo-se agrupar as

plantas segundo o tipo de resposta à idade do pousio e à pressão de pastoreio (Fig. 5). Assim,

no quadrante azul estão as plantas que mais beneficiam do pastoreio, como por exemplo o

15

Joio (Lolium multiflorum) e o Picris sp.; no quadrante oposto, a verde, estão as espécies

associadas à ausência de pastoreio ou à sua fraca presença. É bastante evidente a dominância

neste quadrante de Leguminosas (Fabaceae), como alguns trevos (Trifolium spp.), Ornithopus

compressus e Anthyllis lotoides. Este resultado é bastante interessante, já que estas plantas são

bastante apreciadas pelos herbívoros.

O efeito da herbivoria na composição florística é normalmente muito marcado 70,

resultando na presença de algumas espécies características dos campos sujeitos a um pastoreio

intensivo, ou noutras específicas dos campos com pouca pressão herbívora 71. Relativamente à

idade do pousio, o mesmo fenómeno repete-se, com espécies características de pousios mais

velhos (quadrante amarelo) enquanto que outras preferem os campos acabados de lavrar

(quadrante castanho). Estes resultados são confirmados na literatura, já que a principal

diferença encontrada entre campos lavrados e pousios velhos traduz-se num gradiente de

composição florística 72, com as espécies tardias da sucessão a substituírem as espécies

colonizadoras dos campos recém abandonados 73,74.

É também evidente na Figura 5 que há muito mais espécies a responder negativamente

à pressão de pastoreio que o contrário. Será que o pastoreio afecta negativamente a

biodiversidade? Se assim for, que grupos de espécies serão mais afectados? Para responder a

estas perguntas foi feita uma segunda análise, tendo cinco medidas de diversidade e cobertura

sido aplicadas ao conjunto das quatro famílias de plantas mais numerosas, às restantes

famílias, e ao conjunto de todas as famílias presentes nos inventários. As variáveis

seleccionadas para este segundo modelo foram a intensidade de pastoreio, a idade e o número

de parcelas num raio de um quilómetro. O resultado está expresso na Figura 6.

O resultado da RDA com as diferentes medidas de cobertura (C – cobertura e F –

Frequência) e diversidade (R – Riqueza, H – Índice de diversidade de Shanon e M – Índice de

Margalef 75) é significativo, com p<0.0001 depois de 9999 permutações de Montecarlo. O

primeiro eixo define um gradiente que está relacionado positivamente com o pastoreio e

negativamente com todas as medidas de diversidade. Este eixo explica 97% da variância

explicada (31.9%). O padrão inferido é claro, com o pastoreio a afectar negativamente a

diversidade dos pousios. Este padrão pode ser detalhado se projectarmos todos os valores de

diversidade e cobertura neste eixo.

16

Figura 6 – Biplot referente à RDA relacionando as diferentes medidas de cobertura e diversidade com as três variáveis mais significativas. No gráfico, a primeira letra corresponde à família e a segunda à medida de cobertura-diversidade (ver texto).

A Tabela 1 lista os valores próprios de cada grupo no primeiro eixo da RDA. A

primeira coluna corresponde ao conjunto de todas as espécies (Tuti) enquanto que a segunda,

quarta, quinta e sexta coluna referem-se às quatro famílias dominantes (Fabaceae – Fab.,

Asteraceae – Aster., Poaceae – Poac. e Caryophyllaceae – Caryop.); a terceira coluna agrupa

todas as outras espécies que não se enquadram nestas quatro famílias. As linhas correspondem

às cinco medidas de cobertura e diversidade (F – frequência; C – cobertura; R – Riqueza; H –

diversidade de Shanon; M – diversidade de Margalef).

17

Tabela 1 – Projecção das cinco medidas de cobertura e diversidade (linhas) no primeiro eixo da RDA, para todas as plantas, as quatro famílias mais numerosas e restantes famílias (colunas). Em cima da tabela está o gráfico correspondente, para uma melhor visualização dos valores da tabela (ver texto).

020406080

100120140160180200

F 43 39,9 29,4 22,6 9,7 3,8C 37,4 36 29,4 20,1 1,4 1H 32,2 23,7 23,3 6,5 15,4 3,1R 31,9 31,7 25,8 13,3 9,8 1,3M 29,4 14,2 18,2 6,9 11,8 0,4

Tuti Fab. Outras Aster. Poac. Caryop.

Para o conjunto de todas as espécies (186), as medidas mais correlacionadas com o

primeiro eixo foram a cobertura e a frequência, enquanto que a riqueza, diversidade e índice

de Margalef têm valores próprios mais baixos. No entanto todas as medidas estão projectadas

negativamente no primeiro eixo, estando pois correlacionadas negativamente com a

intensidade de pastoreio (ver Fig. 6). Na tabela, os valores próprios maiores correspondem aos

grupos mais afectados negativamente pelo pastoreio (os valores tabelados correspondem ao

módulo dos valores graficados na Figura 6).

Cada família de plantas tem um comportamento diferente, sendo de salientar que as

mais afectadas pelo pastoreio são as Leguminosas (Fabaceae), confirmando os resultados da

primeira RDA; estas plantas são muito apreciadas pelas ovelhas 76, que sendo bastante

selectivas escolhem plantas mais ricas em proteínas e pobres em fibras 77. No extremo oposto

estão as Caryophyllaceae, que estão em geral bastante bem adaptadas ao pisoteio não sendo

apreciadas pelas ovelhas. As gramíneas (Poaceae) têm um comportamento muito particular:

18

os respectivos valores de diversidade revelaram-se muito dependentes do pastoreio, mas a

cobertura praticamente não foi afectada por este factor. Uma possível explicação poderá estar

na resposta diferencial das espécies desta família ao pastoreio: enquanto algumas são

preferidas pelas ovelhas e rapidamente se extinguem localmente (por exemplo Aira spp.),

outras beneficiam da sua acção (por exemplo o joio), aumentando proporcionalmente em

cobertura e levando a que a cobertura da família se mantenha sensivelmente inalterada 69. As

compostas (Asteraceae) são um grupo que apesar de ser pouco afectado na diversidade,

sofrem um forte decréscimo na cobertura. Este resultado pode dever-se ao facto de muitas

espécies desta família serem arrosetadas e perenes, o que lhes permite persistirem mesmo

depois de consumidas parcialmente pelas ovelhas (a parte aérea é consumida mas a parte rente

ao solo sobrevive).

Neste estudo de caso, os agrupamentos de espécies foram a consequência natural das

análises efectuadas. Apesar de cada espécie ter um comportamento individual, a sua inclusão

num grupo facilita a interpretação e sistematiza os resultados (neste caso, com algumas

espécies a responder positivamente ao pastoreio e muitas a responder negativamente). As

famílias foram escolhidas como outro nível de classificação (com uma identidade próxima do

grupo funcional) já que constituem grupos objectivos de espécies com características

particulares relativamente ao pastoreio.

3º Estudo de caso: as comunidades da Arrábida

Foram efectuados 480 inventários florísticos na Arrábida (do Cabo Espichel à Secil),

seguindo um desenho experimental estratificado aleatório. Cada estrato a amostrar foi

definido por cada uma de três regiões geográficas: Cabo-Espichel, Sesimbra e Serra da

Arrábida. Estes inventários foram sujeitos a uma primeira ordenação através de uma análise

de coordenadas principais (PcoA) baseada na distância de Bray-Curtis 78. Desta ordenação

foram retidos os 30 primeiros eixos, já que um aumento do número de eixos não se traduzia

numa melhoria significativa da classificação obtida. Estes eixos foram utilizados para agrupar

os 480 inventários, de 2 até 20 grupos, utilizando para esse fim o algoritmo de K-means. Ao

longo das sucessivas partições, com um número crescente de grupos, foi possível reconhecer

o mesmo padrão nos eixos da PCoA que delimitaram um complexo de comunidades. Esses

valores (média de cada grupo para o primeiro eixo, para o segundo, para o terceiro e assim

sucessivamente) permitiram identificar cada um dos grupos previamente obtidos.

19

Figura 7 - Representação dos sete primeiros agrupamentos obtidos através do K-means. As cores correspondem ao valor do centróide de cada grupo nos eixos da PCoA (cores frias para valores negativos e cores quentes para valores positivos). As linhas são sucessivos níveis de partição de K-means, de K=2 a K=8, enquanto nas colunas podemos observar os complexos de vegetação, com as comunidades persistindo através das diferentes partições. Cada grupo é identificado por dois números (à esquerda), indicando o primeiro a ordem de aparição do grupo e o segundo a partição. O número à direita corresponde ao número de inventários de cada grupo.

Como podemos ver na Figura 7, cada complexo é identificado por uma “assinatura

espectral” fácil de reconhecer nas diferentes partições de K-means. Ao longo das diferentes

20

partições obtidas (de 2 a 20 grupos), podemos reconhecer grupos que mantiveram a mesma

“assinatura espectral”, ou seja, os mesmos valores médios para os diferentes eixos da PCoA.

Estes grupos constituem complexos de vegetação e são caracterizados por espécies

particulares, que originaram a nomenclatura expressa na Figura 7.

Por exemplo, o complexo matos (Fig. 7, primeira coluna) é caracterizado por valores

negativos do primeiro eixo, seja para K=2 (n=321) como para K=4 (n=193); o complexo

litoral é caracterizado por valores muito positivos do primeiro eixo (ver Fig. 7, segunda

coluna).

Cada combinação de eixos é única para cada partição e para cada grupo, mas

transversalmente a todas as partições é possível reconhecer grupos análogos, isto é, com uma

resposta “espectral” semelhante (Fig. 7). Por exemplo, apesar da comunidade litoral em K=2

ser obviamente diferente da comunidade litoral em K=5 ou K=6, ambas possuem valores

parecidos para os eixos da PcoA. À medida que aumentamos de nível de partição, com um

número crescente de grupos em cada nível sucessivo, os eixos significativos para a

discriminação dos grupos deixam de ser apenas os dois primeiros, passando a ser um conjunto

mais vasto de eixos. A partir da segunda partição (K=3), os eixos responsáveis pela

discriminação dos grupos (os eixos significativos na análise K-means) passam a ser o quarto,

o quinto, o sexto ou ainda outros mais longínquos. Constata-se assim que a exploração e

análise de grupos de plantas só é possível considerando um número razoável de eixos para a

classificação e ordenação e posteriormente para a modelação.

Os complexos dos grupos matos, litoral (primeira aparição em K=2) e halófitas (K>2),

mostraram-se consistentes independentemente do número de grupos gerados pelo K-means. O

norte (n=150), agrupamento que aparece com K=4, vai agrupar todo um conjunto de

comunidades que posteriormente se separam: com K=5, separam-se os prados (n=76); com

K=6, separam-se os bosques (n=53); é também com K=6 que o Norte fica restrito às

comunidades características dos afloramentos da vertente Norte da Arrábida (n=55). Estes três

grupos estão na origem de mais três complexos de vegetação.

Quando se cartografam as diferentes partições obtidas, é possível constatar que os

complexos previamente definidos têm uma forte componente geográfica (Fig. 8: as quatro

linhas correspondem a quatro diferentes partições enquanto que as três colunas delimitam as

regiões geográficas que serviram para estratificar a amostragem). Com dois grupos (Fig. 8,

primeira linha), existe uma clara discriminação entre inventários perto da linha de costa

(grupo 2.2, a castanho) dos inventários localizados mais longe da costa (grupo 1.2, a verde).

Efectivamente, quando passamos à análise seguinte e damos nome aos grupos e complexos,

21

verificamos que o grupo 1.2 pertence ao complexo dos matos enquanto que o grupo 2.2 faz

parte do complexo litoral.

Figura 8 – Representação esquemática da distribuição geográfica dos diferentes grupos obtidos para K=2, K=4, K=6 e K=9, distribuídos respectivamente pelas quatro linhas do gráfico. As três colunas delimitam as três regiões da área estudada: Cabo-Espichel (esquerda), Sezimbra (centro) e Serra da Arrábida (direita).

Se agora obtivermos quatro grupos (Fig. 8, segunda linha), temos duas novas

assinaturas (ver Fig. 7, K=4) a que corresponde um grupo do complexo halófitas (grupo 3.4) e

um grupo do complexo norte (grupo 4.4); a principal curiosidade destes grupos é que são

quase exclusivos da região do Cabo-Espichel (grupo 3.4, a rosa) e da Serra da Arrábida

22

(grupo 4.4, a azul claro). A componente marcadamente geográfica afecta à distribuição destes

grupos reflecte um forte gradiente florístico ao longo dos eixos Norte-Sul e Este-Oeste.

Com seis grupos (Fig. 8, terceira linha), assistimos à fragmentação do complexo norte

em três complexos distintos: o complexo pastagens (a bege), o complexo bosque (a azul

escuro) e o complexo afloramentos norte (a azul claro). Finalmente, com nove grupos,

mantêm-se todos os complexos anteriores passando a existir três novos grupos: um que

pertence ao complexo do maquis litoral; um do complexo das pastagens ruderais e um novo

grupo do complexo dos matos. É de realçar que este grupo (9.9) agrupa todos os matos da

região de Sesimbra (Fig. 8).

Mas a que correspondem exactamente estes complexos? Para responder a esta

pergunta, calculou-se o valor indicador das espécies (IndVal 42) relativamente a cada grupo

das 19 partições estudadas (de K=2 até K=20). O resultado está expresso na Figura 9, com as

linhas a definirem os complexos e as colunas a agruparem partições sucessivamente

crescentes.

Cada grupo é caracterizado por uma lista de espécies que permite atribuir um nome a

cada agrupamento de inventários. Cada grupo mencionado estará associado ao complexo a

que pertence, com o primeiro número a corresponder à sua ordem de aparição na classificação

e o segundo à partição (K).

Complexo 1 - No complexo matos (Fig. 9, primeira linha), encontramos espécies

como o carrasco (Quercus coccifera) ou o alecrim (Rosmarinus officinalis) no grupo 1.2,

enquanto que espécies como o Tojo gatunha (Ulex densus) ou Serratula baetica estão no

grupo 1.7. O significado ecológico desta constatação é que as duas primeiras espécies

caracterizam os matos quando estes são um grupo muito vasto que inclui mais de 300

inventários (incluindo bosques e afloramentos nesta designação), ocupando toda a área de

estudo não litoral, ao passo que as duas últimas espécies caracterizam os matos oeste, apenas

com 123 inventários (este grupo é um dos sete grupos da partição K=7). No entanto, o elenco

florístico do complexo matos apresenta uma consistência inquestionável (ver Fig. 9): Legacão

(Smilax aspera), Sargaço (Cistus monspeliensis) – 1.2, Iberis procumbens ssp. microcarpa -

1.3, Brachypodium phoenicoides, Rosmaninho (Lavandula luisieri) – 1.4, Esteva (Cistus

ladanifer) – 1.5, Tomilhinha (Thymus zygis ssp. sylvestris) – 1.11, Erva montã (Pulicaria

odora) 9.9, Tojo (Ulex parviflorus) – 9.16, Urze das vassouras (Erica scoparia) – 9.18 e

Helianthemum marifolium - 12.18.

23

Figura 9 – IndVal obtido para todas as espécies significativas em mais de 9 partições de K-means. Os grupos estão definidos por números; o primeiro número corresponde ao número de aparição do grupo enquanto que o segundo número refere-se ao número de grupos obtido para cada partição. Da esquerda para a direita, o numero de partições aumenta. Cada linha define um complexo de vegetação, que agrupa todos os grupos com uma assinatura de eixos semelhante. Dentro de cada célula, cada linha corresponde ao IndVal de cada espécie, de K=2 até K=20 (da esquerda para a direita).

Complexo 2 - O complexo litoral (Fig. 9, segunda linha) é caracterizado por inúmeras

espécies, das quais se destacam os endemismos Arrabidenses Euphorbia pedroi - 2.2 e

24

Convolvulus fernandesii - 2.19. A acompanhar estas espécies destaca-se uma lista de plantas

extremamente interessantes: Alfazema de folha recortada (Lavandula multifida) - 2.2,

Oryzopsis coerulescens - 2.4, Withania frutescens, Lavatera maritima - 2.18, Helianthemum

apenninum e Galium corrudifolium ssp. falcatum - 13.18.

Complexo 3 - O complexo halófitas (Fig. 9, linha 3) tem como espécies características,

por exemplo, Euphorbia portlandica - 3.3, Limonium oleifolium, funcho marítimo (Crithmum

maritimum) - 3.5, Armeria pungens, Scrophularia sublyrata - 3.7, Arthrocnemum glaucum -

3.13 e Frankenia laevis - 3.14.

Complexo 4 - O complexo norte e afloramento norte é constituído por espécies

predominantemente de matos mais húmidos que o complexo matos, como por exemplo Scilla

monophyllos (grupo 4.4), Aderno (Phillyrea latifolia), Jacinto (Hyacintoides hispanica),

Gennaria diphylla (grupo 4.5), Erva roberta (Geranium purpureum), Espadana (Gladiolus

illyricus) (grupo 4.6), Tulipa (Tulipa australis) (grupo 4.7) e Quaresmas (Saxifraga granulata

- grupo 4.18).

Complexo 5 - O complexo prados (grupo 5 - linha 5 e grupo 15 – linha 6, 2 últimas

colunas, na Fig. 9) é o mais numeroso, com muitas espécies herbáceas, como por exemplo

Ésula menor (Ephorbia exigua) – 5.5, Margarida menor (Bellis annua) – 5.7, Morrião

(Anagallis arvensis) – 5.8, Campanula erinus – 5.9, Omphalodes linifolia – 5.10, Zaragatôa

(Plantago afra) – 5.14, Crassula tillaea – 5.16, Ranunculus gregarius, Malva (Malva

hispanica) – 5.13, Aphanes microcarpa – 5.20 e algumas não herbáceas, mas características

desta formações, como Cebola albarrã (Urginea maritima) – 5.5, Asphodelus aestivus – 5.9,

Urospermum picroides – 5.20 e Valeriana tuberosa – 15.13).

Complexo 6 - Do complexo bosque (Fig. 9, duas primeiras colunas da linha 6),

destacam-se as espécies endémicas Arabis sadina (grupo 6.7) e Narcisus calcicola (grupo

6.14), acompanhadas por plantas que constituem o estrato arbóreo dos bosques: Medronheiro

(Arbutus unedo) – 6.8, Folhado (Viburnum tinus) – 6.10, Carvalho (Quercus faginea) – 6.18 e

Zêlha (Acer monspessulanum) – 6.19. Este complexo fica completo com uma liana, a Uva de

cão (Tamus communis) – 6.19, duas plantas das sebes do bosque, a Silva (Rubus ulmifolius) –

6.18 e o Lavapé (Cheirolophus sempervirens) – 6.7, e duas herbáceas do solo do bosque, a

Rosa albardeira (Paeonia broteroi) – 6.18 e a Seixebra (Teucrium scorodonia) – 6.20.

Complexo 7 – O complexo maqui apesar de existir e agrupar um número muito

significativo de inventários (em K=7 tem 77 inventários), não tem espécies indicadoras. Este

resultado é surpreendente mas facilmente explicado, já que as espécies que o caracterizam

(Alecrim, Zambujeiro e a Zimbreira) atingem o máximo noutros grupos e noutros complexos.

25

Esta é uma comunidade de transição entre os matos e o litoral, sendo por isso natural que não

tenha um elenco florístico que a tipifique.

Complexo 8 - O complexo ruderal (Fig. 9, última linha) está bastante associado a

antigos campos de cultivo, sendo dominado por espécies como Carlina corymbosa, Ouregão

(Origanum virens) - 8.8, Plantago serraria - 8.9, Alcachofra de São João (Cynara humilis) -

8.11, Cardo do visco (Atractylis gummifera), Cardo (Galactites tomentosa), Corriola

(Convolvulus arvensis) (grupo 8.12), Orelha de lebre (Cynoglossum creticum) e Diabelha

(Plantago coronopus) (grupo 8.18).

A Figura 9 culmina o processo de obtenção duma tipologia objectiva e coerente para

toda a Serra da Arrábida e Cabo Espichel. Neste estudo de caso, a classificação foi o principal

objectivo, tendo-se conseguido uma integração de todas as espécies estudadas em grupos e

posteriormente em complexos coerentes e inteligíveis, mas mantendo o comportamento

individual de cada espécie dentro da classificação hierárquica (ver Fig. 9). As espécies que

atingiram o seu máximo valor indicador (IndVal) em partições elevadas (K>10) são melhor

descritas por “comunidades” ou agrupamentos pequenos; as espécies com o máximo nas

partições mais baixas (K<10), são espécies que deverão ser modeladas em agrupamentos

maiores, com mais inventários.

A ordenação e a classificação têm limitações que impedem o seu ajustamento ideal à

realidade ecológica. A metodologia aqui proposta combina estes dois métodos, sendo o

resultado uma tipificação de agrupamentos generalista que mantém o carácter individual de

cada espécie 79. O passo seguinte será a modelização ecológica dos grupos obtidos,

determinando as variáveis significativas para cada grupo, cada partição e cada complexo de

vegetação.

Discussão

Com os exemplos apresentados podemos ver que o conceito quase metafísico de

comunidade deixa de ter importância na determinação dos padrões ecológicos observados. No

entanto, o próprio conceito ajuda a sistematizar o conhecimento e inclusivamente ajuda a

interpretar esse mesmo padrão. Uma visão estática da comunidade pode ser negativa na sua

aplicação ao mundo real; uma abordagem dinâmica, em que os agrupamentos ajudam a

analisar os padrões observados, permite uma melhor aproximação à realidade ecológica,

combinando o conceito individualista das espécies com a generalização de comportamentos

26

que leva inquestionavelmente ao estabelecimento de agrupamentos. Mas este agrupamentos

não são um superorganismo; são apenas um conjunto de espécies com comportamentos

ecológicos semelhantes relativamente a factores ambientais e humanos (primeiro estudo de

caso), à pressão de pastoreio e idade de abandono dos campos de cultivo (segundo estudo de

caso) ou simplesmente espécies que constituem complexos de inventários semelhantes entre

si, provavelmente determinados por condições ecológicas extremas (terceiro estudo de caso).

Apenas na Arrábida é possível uma tipificação geral da vegetação, dado que os gradientes

nesta região são muito fortes, respondendo à geomorfologia da área de estudo (como por ex. 25 e na Arrábida 80). E mesmo neste caso extremo, cada espécie tem um comportamento

diferente, apesar de estar classificada dentro de grupos e complexos (Fig. 9).

Independentemente de discutir a existência ou não de comunidades, o importante é poder

analisar e dissecar os ecossistemas, destrinçar padrões e determinar relações causais, de forma

a dilatar o nosso conhecimento dos sistemas naturais.

Agradecimentos Os dados analisados no 1º estudo de caso foram recolhidos no âmbito do projecto “Methodological

approach to identify and monitor biodiversity indicators for cork and holm oak montados at the

management unit” (PAMAF 8151); os dados analisados no 2º estudo de caso foram recolhidos no

âmbito do projecto “Determinants of biodiversity in grassland of pseudosteppes: Implications for the

definition of agro-environmental management rules” (PRAXIS/C/AGR/11063/1998); finalmente, os

dados do 3º estudo de caso fazem parte do doutoramento de Paulo Pereira “Uma nova síntese

metodológica integrando classificação, ordenação e modelação: a compatibilização analítica das

ferramentas utilizadas em ciência da vegetação” (Praxis XXI/BD/4003/95). Agradeço à Manuela Pires

da Fonseca pela revisão do texto e ao Professor Catarino por me ter aberto as portas da ecologia.

Bibliografia

1. Ferrier,S. & Watson,G. An evaluation of the effectiveness of environemntal surrogates and modelling techniques in predicting the distribution of biological diversity. Environment Australia, Armidale, Australia (1997).

2. Anderson,D.J. Classification and ordination in vegetation science: controversy over a non-existing problem? Journal of Ecology 53, 521-526 (1965).

3. Clements,F.E. Plant sucession. An analysis of the development of vegetation. Pubs. Carnegie Insttn. 242, (1916).

4. Braun-Blanquet,J. Prinzipien einer Systematik der Pflanzengesellschaften auf floristicher Grundlage. 57, 305-351 (1921).

5. Gleason,H.A. The individualistic concept of the plant association. Bull. Torrey bot. Club 53, 7-26 (1926).

6. Whittaker,R.H. Vegetation of the Great Smoky Mountains. Ecological Monographs 26, 1-80 (1956). 7. Kent,M. & Coker,P. Vegetation description and analysis - A Practical Approach. John Wiley & Sons,

New York (1992).

27

8. Goodall,D.W. Objective methods for the classification of vegetation. I. The use of interspecific correlation. Aust. J. Bot. 1, 39-63 (1953).

9. Greig-Smith,P. Review of The vegetation of Wisconsin by J. T. Curtis. Journal of Ecology 49, 463-465 (1961).

10. Podani,J. On the sensitivity of ordination and classification methods to variation in the input order of data. Journal of Vegetation Science 8, 153-156 (1997).

11. Perelman,S.B., Leon,R.J.C. & Bussacca,J.P. Floristic changes related to grazing intensity in a patagonian shrub steppe. Ecography 20, 400-406 (1997).

12. Luken,J.O. & Bezold,T.N. Plant communities associated with different shoreline elements at Cave Run Lake, Kentucky. Wetlands 20, 479-486 (2000).

13. Kent,M., Stevens,R.A. & Zhang,L. Urban plant ecology patterns and processes: A case study of the flora of the City of Plymouth, Devon, U. K. Journal of Biogeography 26, 1281-1298 (1999).

14. Ojeda,F. et al. The phytogeography of European and Mediterranean heath species (ericoideae, ericaceae) - a quantitative analysis. Journal of Biogeography 25, 165-178 (1998).

15. Guillèn,R.F. La vegetació dels països catalans. KETRES editora, Barcelona (1986). 16. Braun-Blanquet,J.J. Pflanzensoziologie, Grundzüge der Vegetationskunde. Springer, Vienna,New York

(1964). 17. Chytry,M. Formalized approaches to phytosociological vegetation classification. Preslia 72, 1-29

(2000). 18. Smith,R.S., Shiel,R.S., Millward,D. & Corkhill,P. The interactive effects of management on the

productivity and plant community structure of an upland meadow: an 8-year field trial. Journal of Applied Ecology 37, 1029-1043 (2000).

19. Barber,A., Tun,J. & Crespo,M.B. A new approach on the bioclimatology and potential vegetation of the Yucatan Peninsula (Mexico). Phytocoenologia . Mar 31, 1-31 (2001).

20. Burke,A. Classification and ordination of plant communities of the Naukluft Mountains, Namibia. Journal of Vegetation Science 12, 53-60 (2001).

21. Freitag,H., Golub,V.B. & Yuritsyna,N.A. Halophytic plant communities in the northern Caspian lowlands: 1, annual halophytic communities. Phytocoenologia . Mar 31, 63-108 (2001).

22. Torres,J.A., Garcia Fuentes,A., Salazar,C. & Cano,E. Communities of the Festucion scariosae alliance in the Iberian Peninsula (Spain). Phytocoenologia . Mar 31, 123-146 (2001).

23. Bork,E.W., Hudson,R.J. & Bailey,A.W. Upland plant community classification in elk island national park, alberta, canada, using disturbance history and physical site factors [Review]. Plant Ecology 130, 171-190 (1997).

24. Clark,P.E., Seyfried,M.S. & Harris,B. Intermountain plant community classification using Landsat TM and SPOT HRV Data. Journal of Range Management (2001).

25. Cowlishaw,G. et al. Flora of the pro-namib desert swakop river catchment, Namibia - community classification and implications for desert vegetation sampling. Journal of Arid Environments 36, 271-290 (1997).

26. Gauch,H.G. Multivariate analysis in community ecology. Cambridge University Press, Cambridge (1982).

27. Jongman,R.H.G., Ter Braak,C.J.F. & Van Tongeren,O.F.R. Data analysis in community and landscape ecology. Cambrige University Press, Cambrige (1995).

28. Legendre,P. & Legendre,L. Numerical Ecology (Second English Edition). Elsevier, Amsterdam (1998). 29. Smith,V.R. & Steenkamp,M. Classification of the terrestrial habitats on Marion Island based on

vegetation and soil chemistry. Journal of Vegetation Science 12, 181-198 (2001). 30. Lei,S.A. & Walker,L.R. Classification and ordination of coleogyne communities in southern nevada.

Great Basin Naturalist 57, 155-162 (1997). 31. Hill,M.O. TWINSPAN - A FORTRAN program for arranging multivariate data in a ordered two way

table by classification of the individuals and attributes. Cornell University, Ithaca, New York (1979). 32. Madhusudan,M.D. & Johnsingh,A.J.T. Analysis of habitat-use using ordination - the nilgiri tahr in

southern india. Current Science 74, 1000-1003 (1998). 33. Ter Braak,C.J.F. & Looman,C.W.N. Biplots in reduced-rank regression. Biometrical Journal 36, 983-

1003 (1994). 34. Prentice,I.C. Non-metric ordination methods in ecology. J. Ecol. 65, 85-94 (1977). 35. Sokal,R.R. & Rohlf,F.J. Biometry. W. H. Freeman and Company, New York (1995). 36. Harvey,P.H., COLWELL,R.K., SILVERTOWN,J.W. & May,R.M. Null models in ecology. Annual

Review of Ecology and Systematics 14, 189-211 (1983). 37. Austin,M.P. Models for the analysis of species response to environmental gradient. Vegetatio 69, 35-45

(1987).

28

38. Potvin,C. & Roff,D.A. Distribution-free and robust statistical methods: viable alternatives to parametric statistics? Ecology 74, 1617-1628 (1993).

39. Mainly,B.F.J. Randomization and Monte Carlo methods in Biology. Chapman and Hall, London (1991).

40. Palmer,M.W. Putting things in even better order: the advantages of canonical correspondence analysis. Ecology 74, 2215-2230 (1993).

41. Lundkvist,E., Landin,J. & Milberg,P. Diving beetle (Dytiscidae) assemblages along environmental gradients in an agricultural landscape in southeastern Sweden. Wetlands 21, 48-58 (2001).

42. Dufrêne,M. & Legendre,P. Species assemblages and indicator species: the need for a flexible asymmetrical approach. Ecological Monographs 67, 345-366 (1997).

43. Legendre,P., Galzin,R. & Harmelin-Vivien,M.L. Relating behavior to habitat: solutions to the fourth-corner problem. Ecology -562 (1997).

44. Clarke,K.R. Non-parametric multivariate analyses of change in community structure. Australian Journal of Ecology 18, 117-143 (1993).

45. Nyerges,T.L. Environmental Modeling with GIS. Goodchild,M.F., Parks,B.O. & Steyaert,L.T. (eds.), pp. 75-93 (Oxford University Press, New York,1993).

46. Haslett,J.R. Geographic information systems: a new approach to habitat definition and the study of distributions. TREE 5, 214-218 (1990).

47. Walker,P.A. Modelling wildlife distributions using a geographic information system: kangaroos in relation to climate. J. Biogeography 17, 279-289 (1990).

48. Goodchild M.F., Parks,B.O. & Steyaert,L.T. Environmental modeling with GIS. Oxford University Press, New York, Oxford (1993).

49. Townsend,P.A. A quantitative fuzzy approach to assess mapped vegetation classifications for ecological aplications. Remote Sensing of Environment 72, 253-267 (2000).

50. Didham,R.K., Hammond,P.M., Lawton,J.H., Eggleton,P. & Stork,N.E. Beetle species responses to tropical forest fragmentation [Review]. Ecological Monographs 68, 295-323 (1998).

51. Gaston,K.J. & Blackburn,T.M. A critique for macroecology. Oikos 84, 353-368 (1999). 52. Lawton,J.H. Are there general laws in ecology? Oikos 84, 177-192 (1999). 53. Campbell,J.B. Introduction to remote sensing. Guilford Press, New York (1996). 54. Kasischke,E.S., Melack,J.M. & Dobson,M.C. The use of imaging readers for ecological applications – a

review. 59, 141-156 (1997). 55. Ben Wu,X. & Smeins,F.E. Multiple-scale habitat modeling approach for rare plant conservation.

Landscape And Urban Planning. Sep 51, 11-28 (2000). 56. Everitt,J.H., Richerson,J.V., Karges,J. & Davis,M.R. Using remote sensing to detect and monitor a

western pine beetle infestation in West Texas. Southwestern Entomologist 22, 285-292 (1997). 57. Kenneth,D.L., Reiners,W.A., Merrill,E.H. & Gerow,K.G. A digital cover map of Wyoming, USA: a

tool for vegetation analysis. Journal of Vegetation Science 8, 133-146 (1997). 58. Nagendra,H. & Gadgil,M. Linking regional and landscape scales for assessing biodiversity: A case

study from Western Ghats. Current. Science 75, 264-271 (1998). 59. Levin,S.A. The problem of pattern and scale in ecology. Ecology 73, 1943-1967 (1992). 60. Santini,F. & Angulo,A. Assessing conservation biology priorities through the development of

biodiversity indicators. Rivista di Biologia/Biology Forum 94 94, 259-276 (2001). 61. Blondel,J. & Aronson,J. Biology and Wildlife of the Mediterranean Region. Oxford University Press

Inc., New York. (1999). 62. DGF. Inventário Florestal Nacional, Portugal Continental. 2001. Lisboa, Direcção Geral de Florestas. 63. CNA. Atlas do Ambiente. 1983. Lisboa, Direcção Geral do Ambiente, Ministério do Ambiente e

Recursos Naturais. 64. INMG. O clima de Portugal. Instituto Nacional de Meteorologia e Geofísica, Lisboa (1991). 65. Borcard,D. & Legendre,P. Environmental control and spatial structure in ecological comunities: an

example using oribatid mites (Acari, Oribatei). Environmental and Ecological Statistics 1, 37-61 (1994).

66. Ter Braak,C.J.F. & Smilauer,P. CANOCO Reference Manual and User's Guide to Canoco for Windows. Software for Canonical Community Ordination (version 4). Centre for Biometry Wageningen and Microcomputer Power, Wageningen, NL; Ithaca NY, USA (1998).

67. McCullugh,P. & Nelder,J.A. Generalized linear models. Chapman and Hall, London (1983). 68. Fonseca,M.P. & Pereira,P.M. Nature versus Nurture: making the montado ecosystem. Journal of

Conservation Ecology . In revision. 69. Pereira,P.M., Cardoso,P. & Moreira,F. Effects of grazing and age on the ecological structure of floristic

communities in fallows. Journal of Vegetation Science. In revision.

29

70. Ritchie,M.E. & Olff,H. Herbivores Between Plants and Predators. Olff,H., Brown,V.K. & Drent,R.H. (eds.), pp. 175-204 (Blackwell, London,1999).

71. Jutila,H. How does grazing by cattle modify the vegetation of coastal grasslands along the Baltic Sea? Annales Botanici Fennici 38, 181-200 (2001).

72. Austrheim,G. & Olsson,E.G.A. How does continuity in grassland management after ploughing affect plant community patterns? Plant Ecology 145, 59-74 (1999).

73. Aiba,S., Hill,D.A. & Agetsuma,N. Comparison between old-growth stands and secondary stands regenerating after clear-felling in warm-temperate forests of Yakushima, southern Japan. Forest Ecology and Management 140, 163-175 (2001).

74. Rees,M., Condit,R., Crawley,M., Pacala,S. & Tilman,D. Long-term studies of vegetation dynamics. Science 293, 650-655 (2001).

75. Margalef,R. Ecologia. Ediciones Omega, Barcelona (1974). 76. Noy-Meir,I., Gutman,M. & Kaplan,Y. Responses of Mediterranean grassland plants to grazing and

protection. Journal of Ecology -310 (1989). 77. Vesk,P.A. & Westoby,M. Predicting plant species' responses to grazing. Journal of Applied Ecology 38,

897-909 (2001). 78. Bray,J.R. & Curtis,J.T. An ordination of the upland forest communities of southern Wisconsin.

Ecological Monographs 27, 326-349 (1957). 79. Pereira,P.M. & Catarino,F.M. The dynamic behaviour of plant species across multilevel partition

communities. Journal of Vegetation Science . Submmited. 80. Ribeiro,O. A Arrábida - Esboço Geográfico. Câmara Municipal de Sesimbra, (1935).