# Instalar e carregar pacotes necessários if (!requireNamespace("openxlsx", quietly = TRUE)) { install.packages("openxlsx") } if (!requireNamespa...

# Instalar e carregar pacotes necessários if (!requireNamespace("openxlsx", quietly = TRUE)) { install.packages("openxlsx") } if (!requireNamespace("ggplot2", quietly = TRUE)) { install.packages("ggplot2") } library(openxlsx) library(ggplot2) # Caminhos para os arquivos CSV caminho_dados_ambientais <- "C:/Projetos_R/TESTE MALUCO/Dados-Ambientais.csv" caminho_distribuicao_oligos <- "C:/Projetos_R/TESTE MALUCO/Distribuição-oligos.csv" # Carregar dados ambientais dados_ambientais <- read.csv(caminho_dados_ambientais) # Carregar distribuição de oligoquetas distribuicao_oligos <- read.csv(caminho_distribuicao_oligos) # Combinar dados ambientais com a distribuição de oligoquetas dados_combinados <- merge(dados_ambientais, distribuicao_oligos, by = c("Latitude", "Longitude")) # Calcular o índice ambiental (exemplo: média dos dados ambientais) dados_combinados$Indice_Ambiental <- rowMeans(dados_combinados[setdiff(names(dados_combinados), c("Longitude", "Latitude", "Especie"))], na.rm = TRUE) # Adicionar um índice numérico ao conjunto de dados dados_combinados$Indice_Num <- seq_len(nrow(dados_combinados)) # Ajustar um modelo de regressão linear modelo_regressao <- lm(Indice_Ambiental ~ Indice_Num, data = dados_combinados) # Obter os coeficientes do modelo coeficientes <- coef(modelo_regressao) # Calcular o R² r_quadrado <- summary(modelo_regressao)$r.squared # Criar o gráfico de dispersão com a linha de regressão ggplot(dados_combinados, aes(x = Indice_Num, y = Indice_Ambiental)) + geom_point() + geom_smooth(method = "lm", se = FALSE, color = "blue") + labs(title = "Índice Ambiental ao Longo do Tempo", x = "Índice Numérico", y = "Índice Ambiental") + annotate("text", x = 0.8, y = max(dados_combinados$Indice_Ambiental), label = sprintf("R² = %.3f", r_quadrado), color = "red")