Estimación de la diversidad

Curvas de acumulación de
especies
Curvas de acumulación de
especies
curva de acumulación de especies (curva de
colector)

6
A+B+C
5

A+B+C+D
# de especies

4
A A+B
3

0
1 2 3 4
parcelas
 Curvas de acumulación de
especies

El orden de muestreo fue

arbitrario. Pudo comenzar
con cualquier parcela
dando los mismos resultados.
 Curvas de acumulación de
especies
curva de acumulación de especies

6
A+B+C
5

4 A+B A+B+C+D
B
# de especies

0
1 2 3 4
parcelas
 Curvas de acumulación de
especies
curva de acumulación de especies

6
A+B+C
5

A+C A+B+C+D
4 C
# de especies

0
1 2 3 4
parcelas
 ¿Y si añadimos parcelas?
• Siguiendo la teoría de biogeografía de islas
podemos deducir que a mayor área de
muestreo o mayor esfuerzo de colección mayor
diversidad.
Distribución de abundancias
Distribución de abundancias
 Distribución de abundancias
• La mayoría de las especies en una
comunidad tienen abundancias
intermedias
• Son pocas las mas abundantes
• Son pocas las menos abundantes (raras)
• Esto sugiere que a mayor área de
muestreo o esfuerzo de colección mas
especies raras se añadirán
 Algunas curvas de acumulación
tienden a una asíntota otras no

?
#
e
s
p
e
c
i
e
s

área o # de individuos área o # de individuos

 Las que tienden a una asíntota
• Pueden sugerirnos la riqueza total

#
e
s
p
e
c
i
e
s

área o # de individuos
 ¿Cuál de las curvas de
acumulación anteriores utilizamos?
• Cada curva es diferente dependiendo del
orden en que se incluyan las muestras
• Una opción es una curva suavizada
mediante promediación de combinaciones
de muestras: rarificación
• Construyan una curva rarificada para el
ejemplo anterior
 Curva rarificada por muestras
• Pasos (para método exacto):
– Haga una lista de las combinaciones posibles
de 1, 2, 3, 4, etc. # de muestras
– Calcular promedios de especies presentes en
todas las combinaciones de 1, 2, 3, 4, etc. #
de muestras
– Graficar los promedios
– También se acostumbra calcular las
desviaciones estándar para cada nivel de
grupos de parcelas
 Curva rarificada por muestras
• Pasos (para método aleatorio):
– Haga una lista de las combinaciones posibles
de 1, 2, 3, 4, etc. # de muestras
– Calcular promedios de especies presentes en
combinaciones seleccionadas al azar de 1, 2,
3, 4, etc. # de muestras
– Graficar los promedios
– También se acostumbra calcular las
desviaciones estándar para cada nivel de
grupos de parcelas
 Curva rarificada por individuos
• Pasos (para método aleatorio):
– Haga una lista de las combinaciones posibles
de 1, 2, 3, 4, etc. # de individuos
– Calcular promedios de especies presentes en
combinaciones seleccionadas al azar de 1, 2,
3, 4, etc. # de individuos
– Graficar los promedios
– También se acostumbra calcular las
desviaciones estándar para cada nivel de
grupos de individuos
Curva rarificada por parcelas o individuos
 Densidad de especies
• Muchas veces pensamos que podemos
estimar la diversidad basándonos en
promedios de diversidad por parcela
• Esta medida solo representa la densidad
de especies (especies por unidad de área)
• Densidad de especies es sensitiva al
número de individuos muestreados
 Estimación de riqueza
• No podemos estimar riqueza basándonos
en densidad de especies
• Determinar la riqueza de una comunidad o
un paisaje toma demasiado esfuerzo y
podemos equivocarnos
• Existen varios métodos de estimación
 Estimación de riqueza
• Métodos:
– Extrapolar la asíntota
– Ajustar una distribución a lo observado
• Distribución geométrica
• Distribución log-normal
• Otras
• Resultados ambiguos pues varias distribuciones
pueden resultar adecuadas dando estimados muy
diferentes
– Estimadores paramétricos
– Estimadores no-paramétricos
 Estimadores no-paramétricos
• Jackknife (incidencia)
– Jack1

– Jack2
–
• Chao
– Chao2

– Chao2 corregido
q1 = # esp en solo 1 muestra m = # muestras
 Calculen a Jack1, jack2 y Chao2
Parce S1 S2 S3 S4 S5 R
las
A 1 1 1 0 0 3

B 1 1 1 1 1 5

C 4 1 1 0 0 3

D 2 2 2 0 0 3

8 5 5 1 1 5
 Estimadores de riqueza
• También hay estimadores de riqueza que
utilizan los datos de abundancia
– Jackknife (jack1 y jack2)
– Chao1
– otros
 Estimadores no-paramétricos
• No hacen suposiciones acerca de las
características de la distribución de los
datos
• Tienden a dar estimados mas certeros
que otros métodos
Extrapolar la asíntota
Ajustar la distribución
Chao2: uno de los mejores