View
227
Download
0
Category
Preview:
Citation preview
COMPARACIÓN DE COMUNIDADESASOCIACIÓN DE ESPECIES.FUNCIONES DE SEMEJANZA. DENDROGRAMAS.
Objetivos:
Inferir la complejidad en comparaciones de comunidades biológicas
Ordenar correctamente datos en matrices primarias y derivadas
Aplicar índices de asociación de especies
Relacionar la información de la comunidad con factores ambientales.
Interpretar gráficos
Heterogeneidad de la vegetación
Vegetación: Describir la heterogeneidad espacial y temporal de la vegetación y entender cuáles son los factores determinantes principalmente dado por los recursos y condiciones
Diversidad beta, β, es la magnitud de cambio en la composición de las comunidades o el grado de diferenciación entre comunidades, en relación con un gradiente ambiental complejo o a patrones ambientales.
Whittaker (1960) sugirió varias formas de medirla: 1) la fórmula β= γ/α, donde la diversidad β es resultado de la diversidad γ dividida
entre la diversidad α promedio;
Un cambio medio se define como la distancia necesaria para reducir la similitud entre comunidades en un 50%.
Existe un decrecimiento de la similitud con la distancia (distance decay in similarity) y el recambio de especies (species turnover).
Preston (1960), quien observó que la tasa de recambio de la composición de especies de aves (número de especies diferentes/unidad de tiempo) a través del espacio dentro de un continente, es menor que a través de los continentes. Preston, atribuye esta alta tasade recambio a través de los continentes a la diversificación evolutiva (especiación) entre faunas como un resultado de limitación en la dispersión y a las bajas tasas de recambiode las especies de aves dentro de los continentes como un resultado de la variación ambiental.
Según Baselga (2010) la diversidad β es elresultado de 2 fenómenos o componentes: la diferenciación en la composiciónde especies (recambio medido como índice de Simpson, βsim) y el anidamiento entre comunidades con diferente número de especies.
En gral se citan dos fenómenos principales que se consideran en la diversidad beta: recambio en composición de especies entre comunidades siguiendo un gradiente espacial, temporal o ambiental y un recambio donde no hay direccionalidad en el orden del muestreo.
Un gradiente y una especie Un gradiente y varias especies
¿Se diferencian las comunidades?
1. “Escuela organísmica" (Clements, 1916 y Tansley) superorganismo", “cuasiorganismo” con límites discretos organización cerrada.
2. “Concepto individualista (Gleason & Whittaker)organización abierta. Cada especie presenta una distribución que es el resultado de condiciones y recursos ambientales como de las interacciones con otras especies y su medio, de manera independiente.
¿Se diferencian las comunidades?
Ecotono: zona de transición entre dos ecosistemas distintoscon reposición rápida de especies a lo largo del gradiente y presenta mayor diversidad
Anímese a definir Comunidad
Clement
Gleason
La heterogeneidad de la vegetación
Visión individualista (Gleason)
La comunidad como agregado de organismos. Sps conviven en un mismo lugar y momento. Sin cohesión, independientes entre sí
Enfoque organísmico (Clement)
La comunidad como un superorganismo. Sistema viviente distintivo con su propia organización y estructura, relaciones, desarrollo y función. Sistema coordinado y autorregulado.
Entidades distintivas, reconocibles. Asociaciones en sistemas jerárquicos
especies distribuidas independientemente en gradientes ambientales. Continuo
Límites- Stands (ecotono) Intergradación- gradientes
Muestreos en áreas homogéneas Muestreo en áreas heterogéneas
Escuela fitosociológica (Braun-Blanquet)
Escuela del continuum (Curtis-Whittaker)
Agrupamiento Ordenamiento
¿Qué factores o condiciones tendrías en cuenta al momento de definir una comunidad? ¿Cuáles y porqué?
Ordenamiento
Disposición de casos (filas de las matrices) a lo largo de nuevos ejes de variación contínua. Estudia los gradientes ambientales. ACP, NMDS, CA. CCA, RDA
Agrupamiento
Se agrupan casos (filas de matrices) según propiedades en común (variables en columnas). Se basa en índices de similitud.
Análisis de Cluster o agrupamiento
Estadística Multivariada
• Todos los problemas multivariados pueden ser representados por una matriz de datos de doble entrada en la cual las filas representan los objetos a ordenar o agrupar y las columnas representan las variables en base a las cuales se ordenó o agruparon los objetos.
• Todos los problemas multivariados pueden ser geométricamente conceptualizados como una nube de datos en un espacio P dimensional, donde las dimensiones (o ejes) son definidos por las p variables de interés donde se grafican las unidades de interés.
Estaciones de muestreo en dos ríos : río Las Cañitas, río Tafí (Tafí Viejo, Tucumán)
En cada estación de muestreo se midieron:
a) Composición de especies leñosas
b) variables exógenas y endógenas
Aplicación del índice QBRy (ïndice de Calidad de ribera para Yungas) en dos ríos en Tafí Viejo (Tucumán)
sitio Acacia macracant
Acacia praecox Griseb.
Allophylus ed
Anadenanthera colub
……
………
………
…………..
……….
…….. Celtis iguan
JMRO 0 0 0 0 0 0 0 0 0 0 0
MAT 0 0 0 0 1 0 0 0 0 0 0
EFCI 1 0 0 0 0 1 0 1 0 0 0
VILL 1 1 0 0 0 0 0 1 0 0 1
TOME 0 0 0 1 0 0 0 1 0 1 1
SAUC 1 1 1 0 0 0 0 1 0 1 1
TONU 1 0 1 0 0 0 1 1 0 1 1
CORZ 1 1 1 0 0 0 1 1 1 1 1
CITR 0 0 0 0 1 1 0 0 0 0 0
GACI 0 0 1 1 1 1 0 0 0 0 1
ATUS 1 0 0 0 0 1 0 0 0 0 0
VCOL 1 0 1 0 0 1 0 0 0 1 0
CEDR 1 0 1 0 0 0 1 1 0 1 1
LAUR 0 0 1 0 0 0 0 1 0 0 1
FAG 0 0 0 0 0 0 0 1 0 1 1
SACÑ 1 0 1 0 0 0 0 1 0 0 1
Matríz básica de datos de arroyo Las Cañitas y subcuenca arroyo Tafí
Matriz (N X M)
N = filas = sitios
M= columnas = variables = especies
Celda = dato cualitativo = 0 (ausencia); 1(presencia)
Objetivos generales:
Evaluar la estructura y composición de las comunidades de aves marinas según cambios en parámetros oceanográficos.
Objetivos específicos. Analizar el gradiente de cambios oceanográficos del área de estudio en la temporada de verano austral 2014.
Comparar la similitud de las comunidades identificadas en la zona de estudio.
Estudiar el recambio y dominancia de especies.
Relacionar cada una de las comunidades de aves en función de las variables ambientales registradas.
Técnicas de agrupamiento o clustering
Agrupan a los sitios o los datos que se coloquen en las filasSegún las especies que comparten y las especies representan las variables. Los grupos se denominarían comunidades.Si se agrupasen especies (las especies estarían en las filas) según los sitios (sitios serían variables colocados en lasfilas) se obtendrían asociaciones de especies
•Se puede organizar 6 entidades de muestreo en clases discretas, tal que la similitud dentro del grupo sea maximizada y la similitud entre grupos sea minimizada (maximizar la disimilitud) de acuerdo algún criterio.
Los métodos de clasificación o agrupamiento permiten el reconocimiento de tipos de comunidades como abstracción a partir de la matriz original de muestra (especies X muestras) o (muestras x especies).
Resultado finales un gráfico tipo árbol denominado dendrograma donde las entidades que están en filas de matriz se agrupan según las similitudes en las variables ubicadas en columnas.
Cjto único de variables sin distinción entre variables independientes y dependientes.
Variables contínuas, categóricas o de conteos usualmente en la misma escala.
Cada entidad de muestra (fila) debe ser medida sobre el mismo cjto de variables.
Puede haber menos muestras (filas) que la cantidad de variables (columnas) (matriz no tiene rango total).
Análisis de agrupamiento: el conjunto de datos
Datos ecológicos en dos vías:
variables ambientales (filas) X sitios (columnas)
nichos (filas) por especie (columna)
características ambientales (filas) por especie (columnas)
sitios (filas) por especies (columnas) especies (filas) por sitios (columnas)
Sitios (filas) por variables ambientales (columnas)Especies (filas) por variables ambientales (columnas)
Análisis de agrupamiento: el conjunto de datos
Un buen método de agrupamiento o clustering debería identificar agrupamientos que tengan entre sí:
-Alta similitud intraclase, dentro de un grupo de especies o sitios.
-Baja similitud interclase, entre grupos de especies o sitios.
Los agrupamientos buscan agrupar sitios con mayor similitud de especies o grupos de especies con mayor similitud según los sitios.
La calidad del método de clustering depende de la medida de similitud
La forma de representación de un cluster puede afectar el resultado.
Procedimiento general para un método de agrupamiento
Entrada= matriz de datos originales
Estandarización o no según tipo de datos
Índices de similitud
Tipo de ligamiento
Salida=Gráfico : dendrograma
Agrupamiento jerárquico
Indices de similitud
Datos cualitativos de datos recolectados
Datos cuantitativos de datos recolectados
apareamiento simple (simple matching)JaccardRoggers y TanimotoSorensenSokal y SneathÍndice de información
Bray CurtisCanberraCzekanowskiDistancia ecuclideaDistancia euclidea cuadradaDistancia Blok o manhatanMorisitaCoeficiente de correlación
Indices de similitud, datos cualitativos . Presencia de especies
Tabla de contingencia
sitio 1
Presentes
Ausentes
Sitio 2 Presentes a b
Ausentes c d
JaccardIS = a / (a+b+c)
SorensenIS = 2a/(2a + b + c)
No contempla ausencias conjuntas, datos binarios .Da igual peso a una especie común que a una rara.
Enfatiza coincidencias
Se basa en especies que comparten entre dos sitios
Índices de similitud - datos cuantitativos
Distancia euclidiana
Coeficiente de correlación
Matriz de similitud triangular intermedia según índice de Jaccard (matriz intermedia) = fila X fila (sitio X sitio)
JMRO CITR TOME SAUC TONU CORZ
JMRO 0 0.57 0.64 0.81 0.85 0.87 0.92 0.88 0.83 0.38 0.56 0.86 0.62 0.93 0.91 0.89
CITR 0.57 0 0.78 0.8 0.84 0.92 0.93 0.89 0.84 0.45 0.68 0.88 0.58 0.92 0.87 0.88
GACI 0.64 0.78 0 0.7 0.69 0.78 0.78 0.78 0.76 0.69 0.75 0.75 0.76 0.76 0.74 0.81
ATUS 0.81 0.8 0.7 0 0.68 0.8 0.77 0.74 0.85 0.85 0.67 0.74 0.85 0.69 0.73 0.8
0.85 0.84 0.69 0.68 0 0.7 0.72 0.82 0.74 0.86 0.79 0.76 0.88 0.71 0.65 0.73
0.87 0.92 0.78 0.8 0.7 0 0.55 0.5 0.53 0.84 0.79 0.69 0.76 0.64 0.46 0.53
0.92 0.93 0.78 0.77 0.72 0.55 0 0.62 0.6 0.86 0.86 0.75 0.76 0.5 0.41 0.45
0.88 0.89 0.78 0.74 0.82 0.5 0.62 0 0.59 0.85 0.79 0.72 0.69 0.55 0.64 0.54
0.83 0.84 0.76 0.85 0.74 0.53 0.6 0.59 0 0.78 0.8 0.74 0.78 0.53 0.54 0.53
0.38 0.45 0.69 0.85 0.86 0.84 0.86 0.85 0.78 0 0.66 0.86 0.45 0.86 0.81 0.76
0.56 0.68 0.75 0.67 0.79 0.79 0.86 0.79 0.8 0.66 0 0.79 0.58 0.8 0.83 0.81
0.86 0.88 0.75 0.74 0.76 0.69 0.75 0.72 0.74 0.86 0.79 0 0.73 0.7 0.67 0.69
0.62 0.58 0.76 0.85 0.88 0.76 0.76 0.69 0.78 0.45 0.58 0.73 0 0.78 0.75 0.7
0.93 0.92 0.76 0.69 0.71 0.64 0.5 0.55 0.53 0.86 0.8 0.7 0.78 0 0.5 0.39
TONU 0.91 0.87 0.74 0.73 0.65 0.46 0.41 0.64 0.54 0.81 0.83 0.67 0.75 0.5 0 0.36
CORZ 0.89 0.88 0.81 0.8 0.73 0.53 0.45 0.54 0.53 0.76 0.81 0.69 0.7 0.39 0.36 0
A partir de matriz intermedia (basada en medida de similitud) se utiliza
un método de ligamiento para llegar a construir en dendrograma. Ejemplo inferior con ligamiento tipo simple ( o vecino más cercano, empezando por dos entidades con mayor similitud se unen para formar un primer núcleo.
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
0.00 0.18 0.36 0.53 0.71
JMRCITRMATGACI
ATUSEFCI
VCOLCEDRTONUCORZSAUCLAURFAG
SACÑTOMEVILL
Encadenamiento Simple (Single linkage)
Distancia: (Jaccard (1-S))
Resultados de estudio de calidad de Ribera. Uso del Programa Infostat
Gráfico de agrupamiento
Los sitios se agruparon según similitud de especies.
En matriz original los sitios estaban en las filas y los especies leñosas en las columnas
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
0.00 0.21 0.43 0.64 0.85
JMRCITRMATGACI
VCOLATUS
EFCICEDRTONUCORZLAURSAUCSACÑ
FAGVILL
TOME
Promedio (Average linkage)
Distancia: (Jaccard (1-S))
El corte en el diagrama para establecer la cantidad de grupos es subjetivo. Lo establece el investigador. En este caso, se podrían diferenciar dos grupos: Mat, CITR y JMR (sitios altamente contaminados) del resto de sitios.
Puede haber coeficiente de correlación cofenético (mide cuanto el modelo propuesto se asemeja a la base datos original.
corte
Diferentes criterios de corte:
50%
Promedio de similitud
Reconocimiento de objetivos de agrupar (teoría)
Significancia estadística
�Agrupa a los censos similares en cuanto a las especies que aparecen en ellos.
�Estos grupos se suelen denominar tipos de comunidad(o comunidades).
�La técnica permite reconocer tipos de comunidades como abstracción a partir de la matriz original de muestreos por especie.
�Los grupos florísticos serían aquellos conjuntos de especies que coinciden en su presencia y/o abundancia en el conjunto de los muestreos.
Análisis de agrupamiento. Cluster
Análisis directo de gradiente En gral, se analiza si hay correlación entre una matriz de sitios X especies con una matriz de sitios X factores ambientales: ACC, RDA
Análisis indirecto de gradiente Los gradientes ambientales no son estudiados directamente sino que se infieren a partir de la identificación de gradientes de variación en la composición de la vegetación o fauna, matriz sitiosXespecies:. ACP, AC, NMDS
Ordenan los muestreos en relación a unas pocas y nuevas variables (ejes o dimensiones), que son combinaciones de las variables originales. Se buscan las variables que más discriminen o separen los grupos, que posean “mayor peso”.
Técnicas de ordenamiento para análisis de gradientes
Los métodos de ordenación son parte del análisis de gradientes. Estas técnicas son un grupo de métodos para la exploración y reducción de los datos, a partir de lo cual se pueden generar hipótesis.
Las entidades de muestreo ( especies, sitios, observaciones colocadas en las filas de una matriz de datos) se organizan u ordenan a lo largo de gradientes ecológicos continuos.
Los métodos son esencialmente descriptivos y permite formular ideas sobre la estructura de las comunidades y las posibles relaciones causales entre la variación de la vegetación o fauna y su ambiente.
Ordenamiento
Métodos de ordenamiento. Matriz original de datos
• Datos ecológicos en dos vías (filas X columnas):
sitios por especie.
nicho por especie.
Características ambientales por especie
Características de especímenes de especies por especie.
Método ordenamiento de gradiente indirecto
Gradiente ambiental - Ordenamiento de muestras
Salida: gráfico de biplot
X1 = cobertura canopy, X2 = densidad; X3 = altura del canopy.
PC1= está más representado por X1 y X2 (variables con más peso)
PC2= está más representado por X3 (variable con más peso).
PC2 vs PC1 se conoce como gráfico biplot
Método de ordenamiento NMDS de estaciones de muestreo de ríos Cañitas y Tafí según variables exógeneas y endógenas: Observe que a la derecha se agrupan los sitios ubicados a mayor altitud, con mayor riqueza de especies leñosas y en sentido contrario los sitios con mayor efecto antropogénico
Análisis de correspondencia canónica (ACC) que relaciona una matriz de especies, en este caso de aves marinas, vs una matríz de variables ambientales, gráfico denominado biplot.
Menor temperatura del mar, menor estado del mar y menor distancia a tierra se registraron mayores abundancias de Catharacta sp y Sterna vittata , (SKUA, SVIT)
Sterna vittata
Catharacta sp
Esquema conceptual
Agrupamiento
(clasificación)
Cluster
Heterogeneidad de vegetación
Gradiente ambiental
Comunidad
Según Clement
(Superorganismo)
Áreas
homogéneas
Gradiente ambiental
Ordenamiento
ACP
Según Gleason
(individualismo)
Áreas heterogéneas
Límites, ecotono
Matriz básica de datos (N X M)
N=filas, unidades a ordenar o clasificar
M= columnas, variables
Matriz intermedia
Índices de similitud
Datos cualitativos
Datos cuantitativos
Clasificación
Métodos de ligamiento
Gráfico: agrupamiento
Ordenamiento
Gráfico: Biplot
maximizar la diferenciación (ausencia de correlación) entre entidades a ordenar.
Alta similitud dentro de grupo y baja similitud entre grupos.
Matriz intermedia de distancias
Bibiliografía
•Calderón-Patrón, Jaime M.; Moreno, Claudia E.; Zuria, Iriana. 2012. La diversidad beta: medio siglo de avances Revista Mexicana de Biodiversidad, vol. 83,3: 880-891. Universidad Nacional Autónoma de México
•Manly B. Multivariate Statistical Methods. 1995. Chapman & Hall
Matteuci S. y Colma A. 1982. Metodología para el estudio de la vegetación. Serie monográfica N° 22. Secretaría Gral de la Organización de los Estados Americanos. Programa Regional de Des. Cient. Y Tecnol.
•Montaña, C. Ezcurra E., 1991. El análisis de Componentes principales de tablas florísticas de presencia-ausencia como herramienta para análisis de gradientes ambientales. Un estudio de caso en la quebrada de Vaquerías (Valle Hermoso, Córdoba). Ecología Austral 1:56-69.
• Preston, F.W. 1960. Time and space and the variation of species. Ecology 41:611-627.
• Whittaker, R. H. 1960. Vegetation of the Siskiyou Mountains, Oregon and California. Ecological Monographs 30:279-338.
Recommended