<?xml version="1.0"?>
<rss version="2.0">
   <channel>
      <title>Mustela erminea- Qual a razão para a mudança da cor no inverno? De que forma as alterações climáticas influenciarão o fenótipo? by João Pedro Marques</title>
      <link>https://padlet.com/joao_pedro_marques/azlmua865oyurt0s</link>
      <description> A espécie Mustela erminea, mais conhecida como arminho, é um mamífero carnívoro pertencente à família Mustelidae. É nativa de regiões do Hemisfério Norte, incluindo Europa, Ásia e América do Norte. É um animal de pequeno porte, com um corpo alongado e estreito, pernas curtas e uma cauda longa. O seu pelo possui uma coloração branca no inverno, o que lhe permite uma maior capacidade de camuflagem, algo que não se verifica nos meses quentes mudando a sua cor para castanho na maioria do corpo exceto na zona da barriga que continua branca. O principal motivo para mudança sazonal da cor é a adaptação a alterações sazonais do ambiente, ou seja, presença de neve no inverno e ausência de neve no verão. Contudo, há populações sem esta capacidade, na mesma espécie  existem populações que não mudam a sua cor no inverno, mantendo-se castanhas durante todo o ano. São carnívoros e alimentam-se principalmente de ratos. Podem também consumir peixes, aves, coelhos e anfíbios. O arminho é encontrado em uma variedade de habitats, incluindo florestas, tundras, pradarias e áreas montanhosas. Eles são animais solitários e territoriais. Padlet por Pedro Semblano e Erica Martins.</description>
      <language>en-us</language>
      <pubDate>2023-09-21 11:17:10 UTC</pubDate>
      <lastBuildDate>2026-01-29 10:19:19 UTC</lastBuildDate>
      <webMaster>hello@padlet.com</webMaster>
      <image>
         <url>https://padlet.net/icons/png/1f9a1.png</url>
      </image>
      <item>
         <title>TAREFA 5 - Mapas de distribuição futura de fenótipos</title>
         <author>joao_pedro_marques</author>
         <link>https://padlet.com/joao_pedro_marques/azlmua865oyurt0s/wish/2714537119</link>
         <description><![CDATA[<div>Previsão menos otimista</div>]]></description>
         <enclosure url="https://padlet-uploads.storage.googleapis.com/2148558208/86b49ba0df559398dd99caaa4656c0a0/Distribui__o_Merminea_futura585.png" />
         <pubDate>2023-09-21 11:17:10 UTC</pubDate>
         <guid>https://padlet.com/joao_pedro_marques/azlmua865oyurt0s/wish/2714537119</guid>
      </item>
      <item>
         <title>TAREFA 1 - RECOLHA DE DADOS DE OCORRÊNCIA DAS ESPÉCIES</title>
         <author>joao_pedro_marques</author>
         <link>https://padlet.com/joao_pedro_marques/azlmua865oyurt0s/wish/2714537120</link>
         <description><![CDATA[<div><br><em>Objetivo da tarefa:</em> recolher informação sobre registos de observações (ou seja, de ocorrências) das espécies em estudos usando bases de dados públicas. Idealmente, vamos tentar recolher entre 50 a 100 ocorrências para cada espécie.<br><br><em>Critérios a cumprir</em><strong><em>:</em></strong> cada uma das ocorrências deve ter, cumulativamente, todas as informações listadas abaixo:<br><br>1. Local da observação (idealmente, com coordenadas geográficas)<br>2. Data da observação (datas de inverno - dezembro a fevereiro)<br>3. Fotografia da observação (para validação do fenótipo; neste caso, da cor do pelo no inverno)<br><br><strong><br></strong>Numa fase inicial, vamos trabalhar com o GBIF (<a href="https://www.gbif.org/">https://www.gbif.org/</a>) como local para recolha de dados:<br><br><br>1. <strong>Pesquisa de ocorrências</strong>: no website, no separador “Occurences” das opções de pesquisa, filtramos as ocorrências para:<br>a) o nome científico da espécie (todos se encontram listados nos slides da tarefa 1)<br>b) o media type (ter imagem associada ao registo)<br>c) o mês (dezembro, janeiro, fevereiro)<br><br>2. <strong>Download dos dados</strong>: nos resultados da pesquisa, na opção “Download”, utilizamos o formato “Darwin Core Archive”.<br>3. <strong>Abrir e converter o ficheiro das ocorrências</strong>: começamos por copiar o ficheiro que descarregamos para um local à nossa escolha no computado.<br>4. <strong>Selecionar a informação relevante da tabela<br></strong>5. Todas as colunas listadas no ponto anterior e que mantiveram no documento, podem ser importantes para fases posteriores da análise. No entanto, para a avaliação que vamos fazer agora de cada ocorrência, muita dessa informação não é necessária<br>6. <strong>Analisar cada entrada uma a uma e verificar se pode ser utilizada para o projeto ou não</strong></div>]]></description>
         <enclosure url="https://padlet-uploads.storage.googleapis.com/2148558208/628d7efced705a1ce3551e1b949446cf/occurance_3_pags_final___occurrence.pdf" />
         <pubDate>2023-09-21 11:17:10 UTC</pubDate>
         <guid>https://padlet.com/joao_pedro_marques/azlmua865oyurt0s/wish/2714537120</guid>
      </item>
      <item>
         <title>A nossa reflexão</title>
         <author>joao_pedro_marques</author>
         <link>https://padlet.com/joao_pedro_marques/azlmua865oyurt0s/wish/2714537121</link>
         <description><![CDATA[<div>Depois de vários meses, finalmente conseguimos encerrar este projeto. <br>Consideramos que foi um estudo complicado, onde muitas vezes tivemos de voltar atrás e analisar novamente todas as ocorrências, correr códigos no Excel e mapas que não correram tão bem devidos a diversos pequenos erros. A parte mais difícil de todo este processo foi trabalhar no Excel e em programas de software que não conhecíamos e que eram muito pouco intuitivos. Contudo, o arminho aos poucos começou a fazer parte na nossa vida e hoje já temos conversas sobre a espécie e deparamo-nos a falar sobre esta com a nossa família...sentimos que realmente conseguimos aprender muito não só no ramo da biologia mas como o da estatística e informática. Temos também de agradecer ao João e à Inês que nos ajudaram semana após semana a obter resultados e com os quais criamos uma boa ligação. </div>]]></description>
         <enclosure url="" />
         <pubDate>2023-09-21 11:17:10 UTC</pubDate>
         <guid>https://padlet.com/joao_pedro_marques/azlmua865oyurt0s/wish/2714537121</guid>
      </item>
      <item>
         <title>TAREFA 5 - Mapas de distribuição futura de fenótipos</title>
         <author>joao_pedro_marques</author>
         <link>https://padlet.com/joao_pedro_marques/azlmua865oyurt0s/wish/2714537122</link>
         <description><![CDATA[<div><strong>Guidelines para a tarefa:</strong> Utilizar as projeções futuras das variáveis previamente usadas para modelar a distribuição atual (presente) das espécies modelos para produzir um modelo de probabilidades da distrubição futura dos fenótipos.<br><br><strong>1. Obter dados do Chelsa: </strong>vamos fazer o download de ficheiros correspondentes a diferentes variáveis bioclimáticas e à cobertura de neve, na sua projeção futura segundo dois modelos climáticos distintos, para o período de tempo de 1971-2100 (daqui a sensivelmente 50 anos). Os ficheiros estavam no formato tiff georeferenciado.<br><br>Usamos projeções para dois cenários climáticos futuros (podemos ler mais sobre estes e outros cenários desenvolvidos, aqui: <a href="https://www.carbonbrief.org/explainer-how-shared-socioeconomic-pathways-explore-future-climate-change/">https://www.carbonbrief.org/explainer-how-shared-socioeconomic-pathways-explore-future-climate-change/</a>):</div><ul><li>Cenário SSP1-RCP2.6 —&gt; um cenário mais otimista, que assume um caminho socioeconómico (SSP1) guiado por uma mudança global no sentido da sustentabilidade, assente num desenvolvimento social e económico inclusivo e que respeita as barreiras ambientais. Combina o SSP1 com um cenário de emissão de carbono mais estrito (RCP2.6), cujo objetivo é manter o aquecimento global abaixo dos 2ºC.</li><li>Cenário SSP5-RCP8.5 —&gt; um cenário mais pessimista, que assume um caminho socioeconómico (SSP5) guiado pelo investimento em mercados competitivos, para a rápida produção de progresso tecnológico e para o desenvolvimento humano como meios para um desenvolvimento sustentável, mantendo-se, inicialmente, uma exploração abundante dos combustíveis fósseis. Combina o SSP5 com um cenário de emissões de carbono pessimista (RCP8.5), compatível com aquecimento global até 5ºC.</li></ul><div>1d) Para fazer o download dos dados, no site <a href="https://chelsa-climate.org/downloads/">https://chelsa-climate.org/downloads/</a> selecionamos a versão 2.1 dos dados (versão mais atual). Dentro da pasta “Climatologies”, abrimos a sub-pasta “2071-2100”, que contém os dados para o período de tempo que vamos considerar representativo do futuro. Dentro desta pasta, na sub-pasta “GFDL-ESM4”, escolhemos as pastas “ssp126” ou “ssp585”, para cada um dos modelos acima. Nestas, na pasta “bio”, encontramos os dados que nos interessavam. Indo linha a linha, conseguimos identificar quais as variáveis que nos interessava obter.<br><br><strong>2. Processamento dos ficheiros com o QGIS<br></strong>2a) Começamos por abrir o software e guardar um projeto em branco, onde vamos fazer todo o trabalho.<br>2b) Importamos para o QGIS o ficheiro com a distribuição geográfica da espécie (selecionar o ficheiro com extensão .shp). Para a importação, selecionamos o tipo de ficheiro como “vetor”.<br>2c) Importamos - - o ficheiro tiff correspondente a cada uma das variáveis com que trabalhamos .Para a importação, selecionamos o tipo de ficheiro como “raster”.<br>2d) Fizmeos o corte dos mapas de cada variável de acordo com a distribuição geográfica da espécie modelo. No Painel de Ferramentas de Processamento —&gt; GDAL —&gt; Recortar raster pela camada de máscara:</div><ul><li>Definimos como camada de entrada o ficheiro da variável climática e como camada de máscara o ficheiro com a distribuição da espécie;</li><li>Definimos o nível de compressão do ficheiro como “Low compression”;</li><li>Definimos a localização onde guardamos e o nome do ficheiro - variavel_climatica_modelo_futuro_nome_da_especie.tif (exemplo: bio2_ssp126_mustela_nivalis.tif). É muito importante que soubessemos onde os ficheiros estavam guardados, uma vez que íamos precisar deles no passo seguinte.</li></ul><div>2e) Repetimos este processo para cada uma das variáveis de interesse para as vossas espécies. Guardamos em pastas diferentes os ficheiros referentes a cada modelo climático futuro (exemplo: pastas “modelo_ssp126” e “modelo_ssp585”). Se as vossas variáveis de relevo incluíssem a elevação, usamos a mesma informação que usamos para o modelo de distribuição atual dos fenótipos, a qual já foi processada na sessão 5.<br>2f) Depois de termos os ficheiros modificados, apagamos os ficheiros originais por uma questão de poupança de espaço.</div><div><strong><br>3. Modelação da probabilidade da distribuição futura dos fenótipos<br></strong>3a) Para este momento, usamos o ficheiro de código<br>3b) Usamos apenas as variáveis climáticas retidas no modelo final da distribuição atual e processadas no ponto anterior.<br>3c) Aplicamos o código disponibilizado aos dados de cada grupo durante a aula. Os principais pontos que este código cobre são:</div><ul><li>Importação e verificação dos ficheiros das variáveis climáticas e do ficheiro com a listagem das observações das espécies.</li><li>Seleção das variáveis climáticas necessárias para a análise, com base no ponto anterior</li><li>Produção de um modelo de correlação da distribuição dos fenótipos com as variáveis climáticas com base nos dados climáticos atuais (presente) - o modelo final incluiu apenas uma parte das variáveis inicialmente selecionadas como independentes, que foram as que melhor se correlacionaram com a distribuição das observações que processámos.</li><li>Utilizando o modelo de correlação entre variáveis climáticas e o fenótipo que gerámos, assim como a informação das variáveis climáticas ao longo de toda a distribuição da espécie, projetamos para toda a distribuição (mesmo para os pontos nos quais não temos nenhuma observação registada), qual a probabilidade do animal ser branco ou castanho no inverno em cada um dos modelos climáticos futuros</li><li>O resultado desta projeção foi guardado no ficheiro raster (formato geoTiff - extensão .tiff) que usamos no QGIS para produzir um mapa da distribuição atual dos fenótipos.</li><li>Também guardamos o resultado da modelação que gerarmos com a função plot() do R - que será uma pre-visualização do mapa tiff.</li></ul><div><br><strong>4. Produção de uma imagem final com o mapa de probabilidades da distribuição futura dos fenótipos<br></strong>Usamos o QGIS e os mapas em formato geoTiff gerados no ponto anterior para produzir imagens finais com a probabilidade da distribuição futura dos fenótipos de inverno alternativos, em diferentes cenários climáticos.<br>4a) Para isso, abrimos o mapa guardado no QGIS, fazendo a importação com o tipo de ficheiro “raster”<br>4b) Nas propriedades da camada, no sub-menu “Simbologia”, alteramos as cores do mapa para uma rampa de cores que vá do castanho até branco, conforme são os nossos fenótipos alternativos. Começamos por escolher o tipo de render “Banda única de cor falsa”. Na opção “Rampa de cores”, escolhemos “Criar nova rampa de cores” e usamos o tipo “Gradiente”. Por fim, definimos a cor 1 como branco e a cor 2 como castanho, ou seja, os extremos da nossa rampa de cores.<br>4c) Para dar contexto visual da distribuição da espécie no mapa mundo, acrescentamos ao nosso mapa as fronteiras do mundo, através do ficheiro TM_WOLRD_NORDER-0.3.zip, fazendo a importação do ficheiro para o QGIS (selecionar o ficheiro com extensão .shp).</div><ul><li>Para a importação, selecionamos o tipo de ficheiro como “vetor”.</li><li>Podemos explorar o aspeto visual do mapa no menu “Camadas”, clicando com o botão direito do rato e selecionando “Propriedades”.</li></ul><div>4d) De seguida, criamos a imagem final através da criação de uma nova composição de impressão. No menu “Projeto”, escolhemos “Nova composição de impressão”</div><ul><li>Adicionamos o mapa em que estivemos a trabalhar (”Adicionar Mapa”) e podemos ajustar a sua visualização (”mover conteúdo do item”).</li><li>Devíamos adicionar uma legenda que explique aquilo que está a ser observado no mapa.</li></ul><div>4e) Por fim, exportamos a composição, no formato mais adequado ao nosso propósito (como imagem, pdf, etc.).</div>]]></description>
         <enclosure url="https://padlet-uploads.storage.googleapis.com/2148558208/7b9c614c4b17c035de68871876600582/Distribui__o_Merminea_futura585.png" />
         <pubDate>2023-09-21 11:17:10 UTC</pubDate>
         <guid>https://padlet.com/joao_pedro_marques/azlmua865oyurt0s/wish/2714537122</guid>
      </item>
      <item>
         <title>TAREFA 4 - Selecionar variáveis independentes e construir mapas de distribuição atual de fenótipos</title>
         <author>joao_pedro_marques</author>
         <link>https://padlet.com/joao_pedro_marques/azlmua865oyurt0s/wish/2714537123</link>
         <description><![CDATA[<div><strong>Objetivo da tarefa: </strong>analisar os dados das variáveis climáticas que foram anteriormente processados e selecionar variáveis independentes. Utilizar as variáveis selecionadas para produzir um modelo de probabilidades da distribuição atual dos fenótipos.<br><br><em>Ficheiros necessários</em>:</div><ul><li>Ficheiro de texto com as listagem final de observações processadas, com o respetivo fenótipo (cor de inverno) e as coordenadas de latitude e longitude (resultado das sessões 1-3).</li><li>Ficheiros das variáveis climáticas processadas para a distribuição de cada espécie (resultado da sessão 5) com a distribuição das variáveis a utilizar (ficheiro geotiff)</li></ul><div><br><strong>1. Análise de variáveis climáticas e seleção de variáveis independentes:</strong><br>a) Para este primeiro momento, usamos o ficheiro de código processing_climatic_variables.R<br>b) Aplicamos o código disponibilizado aos dados de cada grupo durante a aula<br>Os principais pontos que este código cobre foram:<br>b1) Importação, visualização e verificação dos ficheiros das variáveis climáticas e do ficheiro com a listagem das observações das espécies.<br>b2) Extração da informação de cada variável climática para as coordenadas geográficas nas quais temos observações registadas.<br>b3) Analisar a correlação entre variáveis climáticas com base nos extraídos para cada um dos pontos geográficos com observações validadas.<br>b4) Seleção das variáveis independentes que usamos na modelação dos nossos mapas da distribuição atual dos fenótipos. A seleção será informada por dois pontos:</div><ul><li>a correlação estimada entre cada par de variáveis (mantendo apenas variáveis que não ultrapassam um determinado limite de correlação)</li><li>a importância de cada variável para a explicação das observações registadas dos fenótipos em análise (ou seja, quando temos duas variáveis correlacionadas e descartamos uma, manter aquela que é mais informativa sobre a probabilidade de observar um certo fenótipo)</li></ul><div><strong>2. Modelação da probabilidade da distribuição atual dos fenótipos<br></strong>a) Para este segundo momento, usamos o ficheiro de código predictions_current_pheno_distribution.R<br>b) Usamos apenas as variáveis climáticas independentes selecionadas no ponto anterior.<br>c) Aplicamos o código disponibilizado aos dados de cada grupo durante a aula<br>Os principais pontos que este código cobre foram:<br>c1) Importação e verificação dos ficheiros das variáveis climáticas e do ficheiro com a listagem das observações das espécies.<br>c2) Seleção das variáveis climáticas necessárias para a análise, com base no ponto anterior<br>c3) Produção de um modelo de probabilidade de distribuição de fenótipos com base em todas as variáveis climáticas que foram selecionadas como independentes, ou seja:</div><ul><li>Aplicamos um modelo matemático que estimou a significância da correlação entre a distribuição dos fenótipos dada pelos dados das observações e as variações de cada variável climática.</li><li>Para cada variável, o modelo indicou se este se encontrava muito ou pouco correlacionada com a distribuição dos fenótipos (exemplo: se a temperatura é sempre significativamente mais baixa nos locais onde há animais brancos no inverno e mais alta onde são castanhos ou se não existe uma correlação clara).</li></ul><div>c4) Depois do modelo completo estar produzido e identificadas as variáveis significativamente correlacionadas com o fenótipo, testamos - com base no modelo completo - se há um modelo mais simplificado que explica igualmente bem a distribuição dos fenótipos, sem incluir variáveis pouco informativas (ou seja, aquelas que são pouco ou nada associadas ao fenótipo).<br>c5) Utilizando o modelo de correlação entre variáveis climáticas e o fenótipo que gerámos, assim como a informação das variáveis climáticas ao longo de toda a distribuição da espécie, projetamos para toda a distribuição (mesmo para os pontos nos quais não temos nenhuma observação registada), qual a probabilidade do animal ser branco ou castanho no inverno.</div><ul><li>O resultado desta projeção foi guardado no ficheiro raster (formato geoTiff - extensão .tiff) que podemos usar no QGIS para produzir um mapa da distribuição atual dos fenótipos.</li><li>Também  guardamos o resultado da modelação que geramos com a função plot() do R - que foi uma previsualização do mapa tiff.</li></ul><div><br><strong>3. Produção de uma imagem final com o mapa de probabilidades da distrbuição atual dos fenótipos:</strong></div>]]></description>
         <enclosure url="https://padlet-uploads.storage.googleapis.com/2148558208/bd3440f06a66095cf49266c3c3588fea/Distribui__o_presente_para_entregar__1_.png" />
         <pubDate>2023-09-21 11:17:10 UTC</pubDate>
         <guid>https://padlet.com/joao_pedro_marques/azlmua865oyurt0s/wish/2714537123</guid>
      </item>
      <item>
         <title>TAREFA 3 - RECOLHA E PROCESSAMENTO DE VARIÁVEIS CLIMÁTICAS</title>
         <author>joao_pedro_marques</author>
         <link>https://padlet.com/joao_pedro_marques/azlmua865oyurt0s/wish/2714537124</link>
         <description><![CDATA[<div><em>Objetivo: </em>Recolha de informação de variáveis climáticas/ambientais/etc. e respetivo processamento no QGIS, para posterior modelação.<br><br><em>Ficheiros/informação necessária para o processamento das variáveis:</em><br>1. Ficheiros com a distribuição das variáveis a utilizar (ficheiro geotiff)<br>2. Informação da distribuição da espécie (ficheiro shapefile)<br><br>Para obter informações sobre variáveis ambientais e climáticas, vamos recorrer a duas bases de dados WorldClim (<a href="https://www.worldclim.org/">https://www.worldclim.org/</a>) e CHELSA (<a href="https://chelsa-climate.org/">https://chelsa-climate.org/</a>), mas existem muitas mais que podem ser utilizadas.<br><br>1. <strong>Obter dados do WorldClim<br></strong>a) Usamos os dados que estão na pasta “Historical” - correspondem a dados que são designados com “históricos” e correspondem ao período 1970-2000; podem ser considerados representativos do momento de observação das nossas espécies.<br>b) Nota importante: para a Elevação/Altitude, o período histórico não é relevante.<br>2. <strong>Obter dados do Chelsa</strong>: fizemoso download de ficheiros correspondentes a diferentes variáveis bioclimáticas e à cobertura de neve. <br><br></div><ul><li>BIO2 - Mean Diurnal Temperature Range (Amplitude da Temperatura Média Diária).</li><li>BIO3 - Isothermality (Isotermalidade da Amplitude Diária de Temperaturas - comparação da amplitude diária vs amplitude anual da temperature)</li><li>BIO4 - Temperature Seasonality (Sazonalidade da Temperatura)</li><li>BIO7 - Annual Range of Air Temperature (Amplitude Anual da Temperatura do Ar)</li><li>BIO12 - Annual precipitation Amount (Quantidade Anual de Precipitação)</li><li>BIO15 - Precipitation Seasonality (Sazonalidade da Precipitação)</li><li>SCD - Snow Cover Days (Nr de Dias com Cobertura de Neve)</li></ul><div>3. <strong>Processamento dos ficheiros com o QGIS<br></strong>a) Começamos por abrir o software e guardar um projeto em branco, onde vamos fazer todo o trabalho. Usamos um projeto diferente daquele que foi usado para a produção do mapa com as observações da vossa espécie.<br>b) Importamos para o QGIS o ficheiro com a distribuição geográfica das espécies (selecionar o ficheiro com extensão .shp).<br>c) Importamos -<strong> à vez</strong> - o ficheiro tiff correspondente a cada uma das variáveis com que vamos trabalhar.<br>d) Fizemos o corte dos mapas de cada variável de acordo com a distribuição geográfica da espécies que estivemos a  trabalhar. No Painel de Ferramentas de Processamento —&gt; GDAL —&gt; Recortar raster pela camada de máscara<br>e) Repetimos este processo para cada uma das 7 variáveis listadas no ponto 2. destas guidelines, assim como o ficheiro da Elevação obtido do WorldClim (ponto 1).<br><br>f) Depois de termos os ficheiros modificados, apagamos os ficheiros originais por uma questão de poupança de espaço.</div>]]></description>
         <enclosure url="https://drive.google.com/drive/folders/1VfSOXgprzzFxIXcuL4oSpO3uQtus6XaP?usp=sharing" />
         <pubDate>2023-09-21 11:17:10 UTC</pubDate>
         <guid>https://padlet.com/joao_pedro_marques/azlmua865oyurt0s/wish/2714537124</guid>
      </item>
      <item>
         <title>TAREFA 2 - PRODUÇÃO DE MAPA DE OBSERVAÇÕES</title>
         <author>joao_pedro_marques</author>
         <link>https://padlet.com/joao_pedro_marques/azlmua865oyurt0s/wish/2714537125</link>
         <description><![CDATA[<div>Objetivo da tarefa: produção de mapas com a distribuição dos registos de observações analisados e retidos, incluindo a distribuição geográfica da espécie.<br><br><em>Ficheiros/informação necessária para os mapas:</em><br><br>1. Mapa mundo base, com o layout de todos os países (ficheiro shapefile)<br>2. Informação da distribuição da espécie (ficheiro shapefile)<br>3. Tabela com localização de observações e respetivas coordenadas geográficas (ficheiro de texto).<br><br>Para produzir os mapas, vamos trabalhar com o QGIS (<a href="https://www.qgis.org/en/site/">https://www.qgis.org/en/site/</a>) - um software de sistemas de informação geográfica.<br><br>1. <strong>Instalação de software<br></strong>2. <strong>Obter o ficheiro com o mapa mundo<br></strong>a) O ficheiro está disponível a partir da página web: <a href="https://thematicmapping.org/downloads/world_borders.php">https://thematicmapping.org/downloads/world_borders.php</a> - ficheiro: TM_WORLD_BORDERS-0.3.zip<br>3. <strong>Obter ficheiro com a distribuição geográfica de cada espécie<br></strong>a) Os ficheiros foram obtidos a partir do site da IUCN Red List (<a href="https://www.iucnredlist.org/">https://www.iucnredlist.org/</a>) - para fazer download dos dados disponíveis, foi necessário ter uma conta no site e dar uma indicação do fim para o qual pretendemos usar este material (exemplo: para investigação, educação, etc.). <br>b) Para obter o ficheiro através do site, tivemos que começar por pesquisar o nome da espécie e abrir a respetiva página:</div><ul><li>Na opção lateral “Download”, escolher a opção “Range data - Polygons (SHP)”.</li><li>Preencher a informação solicitada sobre o uso dos dados.</li><li>Quando o dowload for aprovado, recebem um email com indicação de onde podem fazer o download.</li></ul><div><strong><br></strong>4. <strong>Preparação do ficheiro com as coordenadas geográficas de cada observação<br></strong>a) Abrimos o ficheiro excel onde temos estado a analisar as observações e começamos por filtrar os dados:</div><ul><li>Filtramos a coluna “gbifID” para valores de cor “verde” - ou seja, escondemos todas as ocorrências que foram descartadas pela nossa análise.</li><li>Filtramos a coluna “hasCoordinate” para mostrar apenas valores “TRUE” - ou seja, escondemos todas as observações para as quais não tinhamos coordenadas geográficas.</li></ul><div>b) Escondemos as colunas necessárias de forma a manter apenas as colunas <em>gbifID, decimalLatitude, decimalLongitude, cor do pelo</em>. Copiamos os visíveis para uma nova folha no mesmo ficheiro Excel.<br><br>c) Guardamos a nova folha como ficheiro de texto, com um nome diferente.</div><div><br>5.<strong> Produção dos mapas no QGIS:<br></strong>a) Começamos por abrir o software e guardar um projeto em branco, onde íamos fazer todo o trabalho.<br><br>b) Extraímos o ficheiro zip com o mapa mundo (TM_WOLRD_NORDER-0.3.zip) e fazemos a importação do ficheiro para o QGIS (selecionar o ficheiro com extensão .shp).</div><ul><li>Para a importação, selecionamos o tipo de ficheiro como “vetor”.</li><li>Podemos explorar o aspeto visual do mapa no menu “Camadas”, clicando com o botão direito do rato e selecionando “Propriedades”.</li></ul><div>c) Extraímos o ficheiro zip com a distribuição geográfica das amostras e fizemos a importação do ficheiro para o QGIS (selecionar o ficheiro com extensão .shp).</div><ul><li>Para a importação, selecionamos o tipo de ficheiro como “vetor”.</li><li>Podemos explorar o aspeto visual da distribuição no menu “Camadas”, clicando com o botão direito do rato e selecionando “Propriedades”.</li></ul><div>d) Importamos o ficheiro de texto onde guardamos as informações geográficas das amostras que vamos colocar no mapa.</div><ul><li>Para a importação, selecionamos o tipo de ficheiro como “texto delimitado” — ao fazer a importação, confirmar na secção “definição da geometria” que os campos X e Y correspondem, respetivamente, as colunas com informação da Longitude e Latitude.</li><li>Verificamos na pré-visualização da camada que os dados estão a ser bem interpretados (as colunas estão corretas, etc.)</li></ul><div>e) Começamos por verificar se os pontos de observação caíam todos dentro da distribuição da espécie, removendo aqueles que não o faziam (no Painel de Ferramentas de Processamento —&gt; Sobreposição de Vetor —&gt; Interseção OU Seleção vetorial —&gt; Extrair por localização).</div><ul><li>Guardamos o ficheiro originado como ficheiro permanente (se não o fizermos, perdemos o ficheiro quando fecharmos o programa).</li><li>Nas propriedades da camada, no sub-menu “Simbologia”, alteramos os símbolos para “Categorizado”, de forma a podermos dar diferentes cores aos pontos representativos de animais com cores de pelo diferente.</li></ul><div>f) Para guardar o mapa, no menu “Projeto”, escolhemos “Nova composição de impressão”</div><ul><li>Adicionamos o mapa em que estivemos a trabalhar (”Adicionar Mapa”) e podemos ajustar a sua visualização (”mover conteúdo do item”).</li><li>Podíamos adicionar outros objetos, como uma legenda, uma escala, etc.</li></ul><div>g) Por fim, exportamos a composição, no formato mais adequado ao nosso propósito (como imagem, pdf, etc.). No menu do cabeçalho, selecionamos a <br>opção "Composição" &gt; "Guardar como imagem".</div><div><br><br></div>]]></description>
         <enclosure url="https://padlet-uploads.storage.googleapis.com/2148558208/1ae3ab2d757c9f62415d0ed1d254585f/Mapa_final.pdf" />
         <pubDate>2023-09-21 11:17:10 UTC</pubDate>
         <guid>https://padlet.com/joao_pedro_marques/azlmua865oyurt0s/wish/2714537125</guid>
      </item>
      <item>
         <title>Arminho</title>
         <author>joao_pedro_marques</author>
         <link>https://padlet.com/joao_pedro_marques/azlmua865oyurt0s/wish/2714537126</link>
         <description><![CDATA[]]></description>
         <enclosure url="https://padlet-uploads.storage.googleapis.com/2148558208/26212eb8ded0f767066217304868aa66/Mustela_erminea_6690_137167513861533.jpg" />
         <pubDate>2023-09-21 11:17:10 UTC</pubDate>
         <guid>https://padlet.com/joao_pedro_marques/azlmua865oyurt0s/wish/2714537126</guid>
      </item>
   </channel>
</rss>
