Curso de Diseño, Análisis y Modelación de

Patrones Ecológicos.
 Contenido

 Introducción
 Diseño de muestreo y análisis de la relación de las
distribuciones de especies
 Ordenación de unidades de variación
 Clasificación de unidades de variación
 La distribución de
especies

 Cuando se tienen datos disponibles sobre la
abundancia de las especies en varias unidades de
muestreo, o al menos su presencia y ausencia, es
posible analizar su distribución espacial.
 El estudio de las interacciones es de capital
importancia en los estudios ecológicos.
 Los patrones de asociación interespecífica resultan
de la selección o rechazo de un mismo hábitat por
parte de dos especies, si tienen afinidad o repulsión
etc.
 La distribución de
especies

 ¿La distribución es dependiente o independiente?

 Hay diferentes enfoques para responder esta

pregunta

 Los base de datos pueden ser de presencia/ausencia

o de abundancia (densidad, biomasa)
 Enfoques de análisis

 Análisis de correlación o covarianza
 Pruebas de hipótesis
 Análisis multivariado
 Modelos nulos
 Antes de iniciar…

 Cuando hablamos de distribución de especies,
inevitablemente se toca el punto de rareza.

 Coloquialmente, cuando hablamos de especies raras

lo hacemos con una connotación de no común,
inusual.
 Sin embargo, en realidad la rareza puede ser de
varios tipos. Los criterios para señalarlos son
básicamente tres
 Criterios de rareza

 Ámbito geográfico. La especie puede tener un
amplio ámbito de distribución, o estar restringida a
un área particular.
 Especificidad de hábitat. Una especie puede ocupar
una gran cantidad de hábitats, o por el contrario solo
se le encuentra en unos muy específicos.
 Tamaño poblacional. Dentro de su ámbito, una
especie puede ser abundante o estar representada
por unas cuantas poblaciones.
 Análisis de co-
ocurrencia o covarianza

 Si el análisis se basa en datos de presencia y
ausencia, se denomina análisis de co-ocurrencia

 Si la base de datos son abundancias, se denomina

análisis de covariación.

 En cada caso, las herramientas de análisis involucran

pruebas de hipótesis.
 Análisis de co-
ocurrencia

 Una de las maneras más simples de medir la
asociación entre especies es utilizando la razón de
varianza propuesta por Schluter (1984).

 La hipótesis nula es que no hay asociación entre

especies.

 Hay dos condiciones: las especies son

independientes; la asociaciones positivas y negativas
se cancelan mutuamente.
 Matriz básica de datos

Unidades de muestreo
Especies I II III … N Total
1 1 0 1 0 𝑛1
2 1 0 1 1 𝑛2
3 0 1 0 0 𝑛3
…
S 0 0 1 1 𝑛𝑠
Total 𝑇1 𝑇2 𝑇3 … 𝑇𝑁
 Prueba de hipótesis

 Primero se obtiene la varianza total de las
ocurrencias de las especies:
𝑛
 𝜎2 𝑇 = σ 𝑝𝑖 1 − 𝑝𝑖 ; 𝑝𝑖 =
𝑁
 Luego se obtiene la varianza total en el número de
especies:
1 2
 𝑆2 𝑇 = σ 𝑇𝑗 − 𝑡
𝑁
 Prueba de hipótesis

𝑆2𝑇
 El estadístico de prueba es: 𝑉𝑅 = . Si 𝑉𝑅 > 1, la
𝜎2 𝑇
asociación es positiva; si 𝑉𝑅 < 1, es negativa.

 Este valor se contrasta con 𝑊 = 𝑁 𝑉𝑅

 Los límites son 𝜒 2 .05,𝑁 < 𝑊 < 𝜒 2 .95,𝑁

 Ejemplo

Unidades de muestreo
Especies I II III IV V Total
1 1 1 1 1 0 4
2 0 1 1 1 1 4
3 1 0 1 0 1 3
Total 2 2 3 2 2
Análisis de covariación

 Análisis de correlación o covarianza

 Con la correlación se mide el grado de relación o

asociación lineal entre las variables

 Con la covarianza se mide la magnitud de la

varianza conjunta

 Este es el paso previo para entender el

procedimiento multivariado
 Ejemplo

Unidad de muestreo
Especies I II III IV V Total
1 2 5 5 3 0 15
2 0 3 4 2 1 10
3 2 0 1 0 2 5
Total 4 8 10 5 3
 Modelos nulos

 Son modelos puramente estadísticos, en los que se
pretende eliminar los efectos biológicos
(interacciones).

 Son útiles para confrontar los patrones observados y

tratar de ubicar los procesos que les dieron origen.

 Hay tres áreas de interés: Co-ocurrencia, estabilidad

y reglas de ensamble.
 Objetivos

 El análisis de co-ocurrencia tiene como objetivo detectar
patrones no aleatorios, en términos de la presencia
conjunta de las especies.

 En el caso de la estabilidad lo que se busca es determinar

la persistencia de la estructura, sobre todo en escalas
temporales.

 Finalmente, las reglas de ensamble especifican los valores

y dominios de los factores que definen las agrupaciones
ecológicas.
 Análisis de co-
ocurrencia

 Detectar el número de unidades de tablero:
 0 1
 1 0
 Determinar el número de pares de especies que no
tienen presencias conjuntas.
 Detectar el número de combinaciones únicas de
especies.
 Determinar la razón de varianza (V)
 Ejemplo

I II III IV V VI
Ceu_sp 0 0 0 0 0 1
Com_cuc 1 1 1 1 1 0
Com_del 1 1 1 0 1 0
Bub_arm 1 0 0 0 0 0
Lat_doh 1 1 0 0 1 1
 Índice C

 Mide el número promedio de unidades de tablero
entre todos los posibles pares de especies.

 En una asociación o agrupación estructurada por la

competencia, debe haber más unidades de tablero
que las esperadas por azar.

 En este caso, 𝐶 = 1.30, 𝑃 > .05

 Pares de especies

 Se calcula el número de especies que no se
presentarán juntas.

 Se espera que si la estructura está dada por la

competencia, haya más pares de especies que lo
esperado por azar.

 En este caso, se presentan tres pares de especies

𝑃 > .05 .
 Combinaciones únicas

 Se determina el número de combinaciones únicas de
especies que están representadas en los diferentes
sitios.

 Se espera que haya menos combinaciones que las

debidas al azar, si la estructura está influenciada por
la competencia.

 Aquí hay cinco combinaciones 𝑃 > .05

 Razón de varianzas

 Si las especies están distribuidas de manera
independiente y su presencia entre los sitios es
equiprobable, 𝑉 = 1.

 Si se presenta una fuerte covarianza negativa entre

las especies, 𝑉 < 1.

 Si la covarianza es positiva, 𝑉 > 1.

 En este caso, 𝑉 = 1.06 𝑃 > .05 .

 Reglas de ensamble

 Definir y medir una propiedad de las agrupaciones.

 Describir los patrones asociados a esa propiedad.

 Establecer explícitamente las reglas que influyen en

la expresión de la propiedad.

 Determinar los mecanismos que ocasionan los

patrones.
 Ejemplos

 Si una agrupación vegetal sufre inundaciones, el
subconjunto de especies que sobreviva presentará
aerénquima.
 En ausencia de depredadores, una charca de zonas
templadas presenta entre 5 y 10 especies de anfibios.
Si una especie de pez depredadora se introduce en el
sistema, la riqueza cae a valores de 0 a 2 especies.
 Hay una relación lineal entre el número de
escarabajos y el volumen de materia gruesa en
descomposición en las selvas deciduas.
 Contraejemplos

 Organismos similares tienden a no coexistir
 La competencia controla la distribución de las aves
en las islas.
 La diversidad de especies vegetales se incrementa
conforme la latitud disminuye.
 La distribución de las lagartijas en las islas se desvía
significativamente de los modelos nulos.
 Análisis multivariado

 El análisis multivariado tiene como objetivo el
simplificar tanto el manejo como la interpretación de
datos complejos.

 Estos datos están organizados en matrices.

 Hay dos grandes grupos de técnicas multivariadas:

de ordenación y de clasificación.
 Análisis de ordenación

 Son métodos que permiten organizar unidades de
muestreo a lo largo de ejes cuantitativos de atributos
(especies).
 Los datos de los atributos pueden ser cualitativos o
cuantitativos.
 El objetivo es reducir la dimensionalidad de los
datos
 Uno de los resultados más importantes es el
diagrama de ordenación.
Ejemplo:

 Análisis de clasificación

 Sirve para ubicar grupos, por lo general de unidades
de muestreo, de acuerdo con su similitud.
 Los datos a utilizar pueden ser cualitativos o
cuantitativos.
 Hay métodos divisivos y aglomerativos

 En los últimos hay diferentes medidas de similitud y

de agrupación.
 Medidas de similitud

 Cualitativas (presencia/ausencia): Jaccard, Sorensen,
Baroni-Urbani y Buser.
 Cuantitativas (distancia): Euclideana, Bray-Curtis y
Canberra.
 Cuantitativas (correlación): Pearson, Spearman.
 Cuantitativas (similitud): Similitud Porcentual,
índice de Morisita e índice de Horn.