Manual de protocolos

  • 919 views
Uploaded on

Manual de protocolos

Manual de protocolos

More in: Education
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
    Be the first to like this
No Downloads

Views

Total Views
919
On Slideshare
0
From Embeds
0
Number of Embeds
0

Actions

Shares
Downloads
14
Comments
0
Likes
0

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 1. Manual de protocolos armonizados en laconformación del modelo de evaluación y monitoreo de la biodiversidad de CentroaméricaWilfredo MatamorosJuan CarrascoSamuel RiveraHéctor Portillo 1
  • 2. Índice Pag.AGRADECIMIENTOS 4RESUMEN EJECUTIVO 5PRIMER PROTOCOLO: CONTINUO RIBEREÑO 7 ¿Por qué un protocolo común? 7 La hoja de recolección de datos y su protocolo 8SEGUNDO PROTOCOLO: TRAMPAS CÁMARA 15 Selección de trampas cámara 16 Población cerrada 18 Todos los individuos tienen una probabilidad de captura mayor que cero 19 Ajustando el diseño 19 Armando las trampas cámara en el campo 21 Registro automático de fecha y hora 22 Lapso entre fotografías 22 Seleccionando sitios para las trampas cámara 23 Armando las trampas cámara 24 Revisando las trampas cámara 26 Preparación y análisis de los resultados 26 El programa Capture 27 Estimando la densidad poblacional 27TERCER PROTOCOLO: MONITOREO DE AVES 30PROPUESTA DE PROTOCOLOS ESTANDARIZADOS PARA ELMONITOREO DE AVES EN LA REGIÓN CENTROAMERICANA 31 Selección de métodos 32 Alcance geográfico 32 Orden de prioridades 32 Ubicación de una estación de monitoreo 33 Estaciones permanentes 34 Especies a cubrir 34 Métodos de censado 35 Consideraciones generales 35 Método de conteo por puntos 36 2
  • 3. Método de transecto en franjas 36 Método de mapeo de parcelas 37 Elaboración del mapa y marcaje de la parcela 37 Métodos de evaluación del hábitat 37 Clasificación general del hábitat 38PROPUESTA PRELIMINAR DE LOS SITIOS DE MONITOREO 39 Descripción general de los sitios 40EXPERIENCIAS DEL MONITOREO EN LA REGIÓNCENTROAMERICANA/ANÁLISIS DE LOS INDICADORES DE 44PROMEBIOEXPERIENCIAS DEL MONITOREO EN LA REGIÓN 45CENTROAMERICANA Experiencias en la Selva Maya en Guatemala 46 El monitoreo biológico en Honduras 46 Experiencias del Sistema de Monitoreo de la Gestión Ambiental por Cuenca Hidrográfica en Panamá 47 Experiencias de monitoreo de lapa verde en Nicaragua y Costa Rica, 47 Monitoreo permanente de aves en El Salvador, 48ANÁLISIS DE LOS INDICADORES DE PROMEBIO 50NIVEL DE LOS INDICADORES: ESPECIES 51NIVEL DE LOS INDICADORES: ECOSISTEMAS YECORREGIONES/FRAGMENTACIÓN 57BIBLIOGRAFÍA 91GLOSARIO 101APÉNDICES 104 Apéndices del Protocolo del continuo ribereño 104 Apéndices del Protocolo de trampas cámara 112 Programa DesktopGarp 118 3
  • 4. AGRADECIMIENTOS 4
  • 5. RESUMEN EJECUTIVOLa CCAD ha recibido una donación del Banco Interamericano de Desarrollo (BID)como parte de la Iniciativa de Bienes Públicos Regionales para desarrollar la plataformaregional de monitoreo y evaluación de la biodiversidad en Centroamérica, cuyo objetivoprincipal es hacer operativo el Programa de Monitoreo y Evaluación de la Biodiversidad(PROMEBIO) articulado con el Nodo Temático de Biodiversidad, eliminando lasasimetrías en cuanto a la generación y disponibilidad de información sobre labiodiversidad de Centroamérica.La unidad ejecutora central del proyecto es el Instituto Regional de Biodiversidad(Irbio). El programa estratégico PROMEBIO complementa otros proyectos de alcanceregional, hemisférico y global. Entre ellos se destaca la Red Interamericana deInformación sobre Biodiversidad (Iabin), la Facilidad Global de Información sobreBiodiversidad (GBIF) y la Red Mundial de Información sobre Biodiversidad (Remib),como sistema computarizado de información biológica, cuyas bases de datos de tipocuratorial, taxonómico, ecológico, cartográfico, bibliográfico, etnobiológico, de uso ycatálogos sobre recursos naturales y otros temas están articulados a las colecciones ymuseos de distintas organizaciones.El Plan de Implementación de la CDB establece como una de las metas para 2010 lareducción significativa de la tasa de pérdida de diversidad biológica, meta que ha sidoasumida por las partes contratantes del convenio y que en el caso de Centroamérica hasido incorporada en las estrategias nacionales y la estrategia regional de biodiversidad.La región centroamericana se halla enfocada en el cumplimiento de esas metas, enfunción de las cuales se han identificado y formulado nueve indicadores debiodiversidad que permiten evaluar la disminución en la tasa de pérdida de labiodiversidad en la región en tres niveles. Además ayudan a los países y a la región atomar decisiones para la conservación, protección y uso sostenible de la biodiversidad.A continuación se enumeran los nueve indicadores de PROMEBIO.Nivel del indicador: especie 1. Especies en peligro de extinción. 2. Presencia de especies invasoras. 3. Presencia de especies indicadoras.Nivel del indicador: ecosistemas 4. Superficie cubierta en la región por tipo de ecosistemasNivel del indicador: ecosistemas y ecorregiones 5. Superficie de áreas protegidas declaradas, terrestres y marino-costera (incluye áreas privadas protegidas). 6. Cobertura de ecosistemas boscosos.Nivel del indicador: fragmentación 5
  • 6. 7. Tamaño de parches del ecosistema meta. 8. Forma de los parches del ecosistema meta. 9. Distancia entre parches del ecosistema meta.En el presente manual se desarrollan los procedimientos y protocolos de monitoreo quepuedan ser aplicados en los niveles de especies, ecosistemas y ecorregiones según seapertinente al indicador, basados en principios científicos y estadísticos, fácilmenteaplicables por los países e instituciones encargadas de darle seguimiento al monitoreo.Estos protocolos armonizados en el contexto de PROMEBIO ofrecen a los países de laregión una propuesta metodológica para el monitoreo de la biodiversidad que pudieraaplicarse a distintos niveles y escalas de acuerdo con los fines del estudio y lasdisponibilidades presupuestarias.Por la naturaleza de la aplicación regional de los indicadores se requiere una visióncompartida e incluyente. Particularmente cuando el monitoreo implique trabajo decampo y los sitios de monitoreo deban ser ecosistemas o ecorregiones compartidos entrepaíses, como las especies indicadoras y el continuo ribereño, se sugieren cuencastransfronterizas como sitios de monitoreo, buscando compatibilidad,complementariedad, experiencias y socios en la cuenca que estén dispuestos a apoyareste monitoreo.Los países deben tener en cuenta que el monitoreo de la biodiversidad es un proceso alargo plazo que requiere el compromiso de las instituciones u organizaciones de lospaíses de la región centroamericana. Antes de ir al campo y asumiendo que existen lasestructuras nacionales y regionales que desarrollarán el monitoreo, este proceso debeempezar con la construcción de una línea base de información por país y regional sobrelos objetos que se desea evaluar y monitorear en los diferentes niveles de losindicadores de PROMEBIO.El objetivo es producir en el mediano plazo una idea concluyente del estado deconservación de los recursos naturales de la región que permitirá generar acciones decontrol, manejo y conservación en los diferentes niveles. La línea base debe estarconstruida con información proveniente de fuentes confiables como colecciones demuseos, herbarios, publicaciones científicas y reportes técnicos y deberá estardisponible y accesible a todo público científico. De esa manera se tendrá un punto departida y de comparación que deberá continuar enriqueciéndose con los resultados delmonitoreo de PROMEBIO. 6
  • 7. PRIMER PROTOCOLO CONTINUO RIBEREÑOLa biota de Centroamérica ha sido fuertemente influenciada por la historia geológica dela región (Coates & Obando, 1996), así como por el intercambio de flora y faunaproducido durante el levantamiento del istmo de Panamá y el cierre final de la conexióndel puente terrestre que conecta Sur y Norteamérica hace 3.5 millones de años (Bussing,1976). Estos fenómenos han creado una riqueza en la biodiversidad por la cual secaracteriza la región, catalogada como hot spot de biodiversidad de la Tierra (Meyers etal., 2000). Que la región sea llamada un hot spot de biodiversidad no implicanecesariamente que la biota y la fauna de la región sean conocidas apropiadamente yaunque la cantidad de conocimiento varía entre grupos taxonómicos, la fauna de losecosistemas fluviales de la región tiene algunos de los grupos taxonómicos másdesconocidos (por ejemplo peces, insectos y crustáceos). En el caso de los peces, si bienexisten listados taxonómicos para la mayoría de los países, por ejemplo, Belice(Greenfield & Thomerson, 1997), Guatemala (Kinh-Pineda et al., 2006), Honduras(Matamoros et al., 2009), El Salvador (Hildebrand, 1925) Nicaragua (Villa, 1982),Costa Rica (Bussing, 2002) y Panamá (Lofting, 1965), muchas de estas listas necesitanser actualizadas. Pero tal vez lo más importante es que el conocimiento sobre laecología de las comunidades ícticas en sistemas fluviales es un tema de investigaciónque no ha sido explorado, con la excepción de un par de publicaciones en la literaturacientífica (ver Angermeir & Karr, 1983; Esselman et al., 2006) que en la mayor parte delos casos sugieren que es imperativo estudiar los sistemas fluviales locales y proponercuáles son los mecanismos que determinan la distribución y biodiversidad íctica en ríoscentroamericanos.Los ríos centroamericanos están siendo objeto de cambios radicales debido al desarrollohidroeléctrico en la región, la introducción de especies exóticas (ej. tilapia) ycontaminación tanto química como orgánica de nuestros sistemas fluviales. Estasintervenciones que afectan negativamente nuestros sistemas fluviales pueden ser -antesque nada- prevenidas o mitigadas apropiadamente sólo cuando se tiene el conocimientode las funciones ecológicas y biológicas que se están afectando al intervenir estossistemas. Entonces, es importante enfatizar que sin información básica de labiodiversidad, distribución, biología y ecología de las comunidades ícticas que habitanlos ríos de la región, la tarea de dictar las medidas de manejo apropiadas para laconservación de nuestros sistemas fluviales será aun más ardua para las agencias demanejo de recursos naturales tanto del Estado como privadas. Este protocolo estádiseñado con el propósito de proveer una herramienta de muestreo comprensible de usocomún, que se espera sea adoptada por las diferentes agencias de manejo de recursosnaturales en la región, con el objetivo de producir información sensible y útil sobrenuestros sistemas fluviales.¿Por qué un protocolo común?La biodiversidad íctica de un río puede ser medida o estimada por muchos medios. Lasartes de pesca son diversas y pueden ir desde simples conteos visuales, el uso deatarrayas, trasmallos, trampas o técnicas que implican tecnología más moderna como eluso de electropesca. El caso es que no existe un arte de pesca que sea perfecto y cuandouna técnica trabaja bien con determinada especie y clases de talla o hábitat, otras 7
  • 8. técnicas son más efectivas con otras especies, tallas y hábitats. Un sistema de monitoreoapropiado es aquel que da la flexibilidad a los investigadores en su protocolo de detectarla mayoría de las especies presentes en sus diferentes clases de tallas en un tiempo yespacio determinado.El objetivo de este protocolo es proveer a investigadores de la región de unaherramienta de recolección de datos comprensible, de fácil aplicación y suficientementefuerte para producir información que nos permitan entender: 1. Las relaciones entre las comunidades ícticas en diferentes ríos deCentroamérica. 2. La relación de estas comunidades con su entorno biótico y abiótico. 3. Un protocolo estándar que nos permitirá comparar resultados en la regióna través de espacio y tiempo. De esta forma los esfuerzos de muestreo locales (a nivelde país) o regionales (dos o más países) podrán ser consecuentemente combinados ycomparados.La hoja de recolección de datos y su protocoloEn la sección Apéndices se presenta una hoja de recolección de datos con variassecciones (Apéndice 1). Cada sección de la hoja de datos es explicada detalladamentecon cada uno de sus incisos. Luego se presentan las tablas de información de especies(Apéndice 2) y parámetros ambientales (Apéndice 3) que son el resultado final de lasrecolecciones de campo. Finalmente, en el Apéndice 4 se presenta la lista de equipo ymateriales necesarios para completar el trabajo propuesto en este protocolo.La hoja de recolección de datos está dividida en: 1. Información general de los colectores de datos y la localidad. 2. Información del esfuerzo de muestreo. 3. Información de recolección de datos por transectos y puntos de muestreo en los transectos. 4. Información de fijación, preservación y curación de muestras. 5. Información de especies. 6. Manejo y curación de datos.1. Información general de los colectores de datos y la localidad • Número de campo: es el número único que identifica el número de muestreo queha realizado la persona a cargo del equipo de muestreo. Usualmente son las iniciales delnombre, año y el número de muestreo que esta persona está practicando. Por ejemplo, simi nombre es Wilfredo A. Matamoros y saldré a muestrear por primera vez en el año2011, mi número de campo debe ser WAM11-01. • Fecha: el día, mes y año en que el muestreo se está desarrollando. 8
  • 9. • Nombre: nombres de las personas que hacen los muestreos, el nombre númerouno debe ser el de la persona a cargo del equipo de muestreo. • Inicio: hora de llegada al sitio de muestreo. • Final: hora en la que se terminaron los muestreos. • Vertiente: Pacífico o Atlántico. • Cuenca: cuenca en que se encuentra el río o tributario en que se estámuestreando. Por favor consultar el mapa nacional de cuencas para establecercorrectamente la localidad de la cuenca en que se está trabajando. • Río: nombre del río en que se encuentra la localidad de muestreo. • Tributario 1: indicar si éste es un tributario de determinado río. • Tributario 2: indicar si éste es un tributario de un tributario. • Orden del tributario: indicar el orden del cuerpo de agua en que se encuentra elpunto de muestreo. • Latitud: latitud dada en grados decimales. • Longitud: longitud dada en grados decimales. • País: Belice, Guatemala, El Salvador, Honduras, Nicaragua, Costa Rica oPanamá. • Departamento: departamento político en el que se encuentra el punto demuestreo. • Municipio: municipalidad en la que se encuentra el punto de muestreo. • Ciudad o pueblos cercanos: indicar cuáles son las ciudades, pueblos o caseríoscercanos al punto de muestreo. • Localidad: en este espacio se dará una descripción del sitio de muestreo; esimportante realzar atributos reconocibles de la localidad que la pueden hacer fácil deencontrar. Por ejemplo, esta localidad se encuentra un kilómetro al oeste de la ciudadde Tela, precisamente bajo el puente en el río Lancetilla. Río con poco caudal, fondoslodosos, vegetación a los alrededores. Aquí se puede anotar cualquier característica delsitio que lo hace particular o fácil de reconocer. • Distancia en kilómetros del punto de muestreo a la boca del río: ésta es ladistancia más corta en kilómetros de río desde la boca del río hasta el punto demuestreo. • A.s.n.m. (m) en el punto = Altura sobre el nivel del mar en metros, altura delpunto de muestreo sobre el nivel del mar. • A.s.n.m. (m) 500 m río arriba = Altura sobre el nivel del mar en metros, 500metros río arriba del punto de muestreo. • A.s.n.m. (m) 500 m río abajo = Altura sobre el nivel del mar en metros, 500metros río abajo del punto de muestreo.Las tres medidas de arriba servirán para calcular la pendiente en el punto de muestreode la siguiente forma: pendiente = (a.s.n.m. (m) 500 m río arriba – a.s.n.m. (m) 500 mrío abajo)/1000) X 100. 9
  • 10. Figuras 1 y 2. Selección de transecto: se procura muestrear diversos hábitats; el largo deltransecto depende del ancho del cauce.2. Información del esfuerzo de muestreoEn esta parte del protocolo se determinará el largo de la sección de río a muestrear. Estadistancia se calculará basada en cinco medidas al azar de ancho del río en los sitios demuestreo y el promedio aritmético que estas medidas produzcan.-Se deben tomar cinco medidas de anchura de río.-Se calculará el promedio de ancho del río.-Este promedio debe caer dentro de las seis categorías indicadas en el protocolo. Estascategorías dan el largo de la sección de río que debe ser muestreada. Por ejemplo, si laanchura promedio resulta ser de entre 5 y 10 m, una sección de río de 100 m debe sermuestreada así como está indicado en el protocolo.-Número de pasos de trasmallo: indica cuántas veces se pasó el trasmallo en la secciónde río a muestrear.-Número de pasos con el aparato de electropesca: indica cuántas veces se usó el aparatode electropesca en la sección de río a muestrear.3. Información de recolección de datos por transectos y puntos de muestreo enlos transectos • Medidas por transectosEn cada sección de río se muestrearán cinco transectos equidistantes. Por ejemplo, si lasección de río a muestrear es de 100 m, se colocarán 5 transectos separados cada 20 mcomenzando río abajo (transecto I) y terminando río arriba (transecto V). En cadatransecto se tomarán una serie de medidas únicas:Velocidad de la corriente: velocidad de la corriente en metros/segundo, usando uncorrentómetro. 10
  • 11. Pequeños rápidos: presencia (1) o ausencia (0) de rápidos pequeños.Rápidos: presencia (1) o ausencia (0) de rápidos.Remansos: presencia (1) o ausencia (0) de remansos.Cascadas: presencia (1) o ausencia (0) de cascadas. Altura de las cascadas, si estánpresentes.Ancho del río: ancho del río en el lugar del transecto.Dosel (%): estimación del porcentaje de área cubierta por el dosel.Salinidad: salinidad en partes por mil (PPM).Temperatura: temperatura del agua en grados Celsius (°C).pH: para medir el grado de acidez o alcalinidad del agua.Oxígeno disuelto (OD): mide la cantidad de oxígeno disuelta en el agua. Se medirá enmg/l.Conductividad: mide la capacidad del agua para conducir la corriente eléctrica; en esteprotocolo se medirá en microsiemens/cm (µS/cm).Secchi: mide la penetración luminosa; las medidas se tomarán en cm.Hábitat (%): estima la cantidad de espacio que los peces u otra taxa tienen pararefugiarse, por ejemplo piedras, rocas, troncos, etc.Vegetación en el agua (%): se estima el porcentaje de área cubierta por vegetaciónsumergida y emergente.Erosión (orilla derecha %): estimar la erosión en el banco derecho.Erosión (orilla izquierda %): estimar la erosión en el banco izquierdo.Pequeñas partes de árboles (%): estimar el porcentaje de área cubierta por pequeñaspiezas de árboles.Partes de árboles grandes (%): estimar el porcentaje de área cubierta por partes grandesde árboles. • Medidas en cada punto de muestreo dentro de los transectosPrimero es necesario determinar cuál es el banco derecho e izquierdo del río. La formamás sencilla de hacer esto es pararse en cualquiera de los dos bancos e imaginar queestamos en el centro del río, viendo río arriba. El banco derecho es el lado del río que seesté dirigiendo hacia nuestra mano derecha y el izquierdo hacia nuestra mano izquierda.Los puntos número 1, 4, 7, 10 y 13 están localizados en el banco derecho. Los puntos 3,6, 9, 12 y 15 están en el banco izquierdo. Los puntos 2, 5, 8, 11 y 14 están localizadosen el centro del transecto.En cada punto del transecto (tres puntos por transecto) se medirán los siguientesparámetros:Profundidad: esta medida se tomará al cm más cercano.Velocidad: la velocidad del agua se tomará en metros por segundo (m/s).Detritus (%): se estimará qué % del detritus está cubriendo el área.Finalmente se determinará el tipo de sustrato presente en el punto de muestreo.Arcilla (%): sustratos arcillosos son aquellos que miden ≤ 0.002 mm.Lodo o limo (%): sustratos lodos son aquellos que miden entre 0.002 mm y 0.06 mm.Arena (%): sustratos que miden entre 0.06 y 2 mm.Grava (%): sustratos que miden entre 2 mm y 6 cm.Cantos rodados (%): sustratos que miden entre 6 cm y 25 cm.Bloques (%): sustratos que miden > de 25 cm. 11
  • 12. 4. Información de fijación, preservación y curación de muestrasEsta parte del protocolo es para garantizar que las muestras sean apropiadamenteidentificadas y fijadas al ser recolectadas en el campo. Básicamente se tiene que marcarla etiqueta con el número de campo que ha sido introducido en los recipientes, elnúmero de recipientes y si las muestras han sido fijadas en formalina al 10%. En estaparte se debe indicar en qué colección se pretende depositar estas muestras.Peces ___ Etiqueta en el frasco _________ Muestra fijada en formalina al 10%_____Insectos ___ Etiqueta en el frasco ________ Muestra fijada en formalina al 10%_____Camarones___ Etiqueta en el frasco _______ Muestra fijada en formalina al 10%_____Si las muestras se preservan en otras soluciones (ej. etanol), se ofrece debajo de estoscampos espacio para explicar esta parte de los procedimientos. Aunque hay espacio enla sección del conteo de especies para anotar números de muestras de tejido y otrosparticulares, se recomienda anotar también esta información en esta parte del protocolo.En esta parte del protocolo se indicará en qué museo se depositarán las muestras.Museo depositario: ______________________________________Artes de pescaLa Figura 3 muestra diversas artes de pesca: 1. Seine de bolsa. Arte de pesca muy eficaz, utilizada en áreas someras, de aguas lentas o de corrientes suaves, fondos arenosos o lodosos. 12
  • 13. 2. Atarraya. Es una de las artes de pesca más generalistas. Puede ser utilizada en diversos hábitats, salvo en zonas profundas o con muchas ramas donde se puede enredar. 3. Pesca con anzuelo. Arte de pesca popular; se utiliza en todo tipo de hábitats. 4. Pesca con arpón. Se utiliza en áreas de rápidos y pozas. Es un arte selectiva. 5. Red agallera. Utilizada en aguas tranquilas. Se puede colocar paralela a las orillas o transversal al cauce o haciendo círculos o encierros. 6. Electropesca. Arte de alta eficacia, generalista, utilizada en diversos hábitats, prácticamente limitada en áreas de profundidad de más de un metro.5. Información de especiesEn esta parte del protocolo se anotarán primero en el campo la lista de especies y suabundancia. La segunda lista incluye los conteos de las especie hechos ya en ellaboratorio. Se asume que la segunda identificación es más minuciosa y que lospotenciales errores cometidos en el campo serán corregidos aquí. Ésta es la informaciónque potencialmente los curadores de los museos recibirán y la información que serápublicada en la base de datos de los museos. Se aconseja que las muestras seandepositadas en museos que pertenecen a bases de datos regionales o globales como debeser:Neodat: www.neodat.orgConabio: http://www.conabio.gob.mx/remib/doctos/acerca_remib.htmlFishnet2: http://www.fishnet2.net/6. Manejo y curación de datosEs importante que inmediatamente después de recolectar los datos en el campo setranscriban estos datos a hojas de cálculo electrónicas. Uno de los programas decomputadoras más usados para este trabajo es Excel, del cual se pueden convertir lashojas de cálculos a los diferentes formatos (ej. CSV, txt) que otros programas decomputadoras requieren para descargar datos dentro de ellos. ¿Por qué ejecutar estepaso de inmediato? Entre más rápido se transfieran los datos a hojas de cálculoelectrónicas, aquellos problemas que han sido pasados por alto en el campo apareceráncuando el investigador esté en su escritorio transfiriendo datos. Es más fácil recordar unincidente que ha pasado hace 24-48 horas que un par de meses más tarde. En otraspalabras, es vital pasar esta información cuando está fresca en la memoria. Cuando aquíse recomienda que los datos sean puestos en Excel, se hace el énfasis en que Excel no esel único programa de computadoras que maneja este tipo de datos, y que éstos tambiénpueden ser descargados directamente en programas de base de datos como Access uotros. Esta opción es altamente recomendada, ya que el manejo de datos desde una basede datos es mucho más eficiente que desde una hoja de cálculo. • Análisis de datos y producción de manuscritosCuando los datos han sido arreglados en una forma electrónica, el siguiente paso esanalizarlos e interpretarlos. Para cumplir esta parte de nuestra investigación seránecesario transferirlos a los programas de computadoras requeridos para hacer estos 13
  • 14. análisis. ¿Cuáles son los programas más apropiados para esta labor? Esto dependerá delas preguntas que se han planteado y del acceso a los paquetes estadísticos.Personalmente recomiendo el uso del paquete estadístico R (R Development Team;http://www.r-project.org/), pues es un programa extremadamente versátil, con capacidadcasi ilimitada para su uso en estadística. Más importante es que R es distribuidogratuitamente y se actualiza constantemente. Otros paquetes estadísticos comunes comoSPSS, SAS, Primer y PC-ORD tienen ventajas y desventajas, pero no son gratuitos yusualmente tienen más limitaciones que R en el tipo de análisis que pueden practicar.Los investigadores tienen que recordar que los datos que están recolectando no son desu propiedad y que las agencias financieras probablemente tienen fechas límites pararecibir reportes de avance y los reportes finales. Sin embargo, como investigadores,nuestra meta debería ser convertir estos reportes producto de nuestra investigación enpublicaciones arbitradas en la literatura científica. Esto demuestra con mayor severidadla calidad del producto de la investigación, que se ha seguido el proceso científico y quelos resultados han logrado pasar por el proceso de revisión exitosamente. Es importantetener claras las regulaciones de la agencia financiera en cuanto al tiempo y lascondiciones en que estos datos pueden salir a la luz pública. Usualmente estos asuntosson abordados en el contrato que el consultor firma con la agencia financiera. 14
  • 15. SEGUNDO PROTOCOLO TRAMPAS CÁMARA 15
  • 16. El presente manual pretende mostrar de manera sistemática y entendible el uso detrampas cámara como un método en que son relativamente altas las posibilidades decaptura de especies grandes de mamíferos y aves terrestres. En él se muestran los pasospara lograr con éxito el registro y el análisis de las especies capturadas; se muestranalgunas imágenes de cámaras recomendadas para este tipo de investigación, pero existeuna amplia variedad de marcas y diseños que pueden ser explorados por los interesadosen usar esta metodología y el equipo. Se dan algunas recomendaciones sobre el equipo ysugerencias para lograr un buen análisis de la información recolectada. Si se deseamayor detalle de la metodología, se recomienda visitar la siguiente página:www.panthera.org/publications/technical. A continuación se hace una descripción de lametodología y sus recomendaciones.Selección de trampas cámaraExisten dos tipos de trampas cámara, activa o pasiva, según el mecanismo de disparo.Trampas cámara activas. Las trampas cámara activas fotografían un animal u objetocuando cruza un rayo infrarrojo. Estas trampas cámara raras veces fallan en fotografiarel animal de interés, pero registran muchas capturas falsas, por ejemplo de hojasimpulsadas por el viento o de gotas de lluvia. En un día con mucho viento o lluviapueden disparar rollos enteros en fotos inútiles.Trampas cámara pasivas. Las trampas cámara pasivas disparan cuando un objeto conuna temperatura diferente a la ambiental se mueve dentro de la zona de detección de latrampa cámara. Estas trampas cámara tienen menos problemas con capturas falsas, perono detectan animales cuando la temperatura ambiental se acerca a las temperaturascorporales altas de esos animales. La luz directa del sol agrava el problema.En general, las trampas cámara usan rollos tradicionales. Últimamente se handesarrollado trampas cámara digitales. La posibilidad de eliminar el uso de rollos y deguardar un gran número de fotografías es una característica muy útil, pero dosproblemas limitan todavía su efectividad en muestreos para jaguares. En primer lugar,las cámaras digitales listas para disparar gastan las pilas en poco tiempo y hay quereemplazarlas muy seguido. Muchos proveedores publicitan que sus pilas duran de 2 a 3meses, aunque se calcula generalmente permitiendo que la cámara se “duerma” yconserve las pilas, pero se tarda tres segundos o más en disparar al detectar un animal.En segundo lugar se puede prolongar el lapso entre el momento cuando se detecta unanimal y cuando se dispara la cámara. Si tarda más de un segundo, el animal puedehaberse desplazado antes del disparo de la cámara.Los modelos de trampas cámara tienen diferentes características y diseños y la seleccióndel modelo depende generalmente de las características específicas del estudio. Acontinuación se presenta una lista parcial de factores por considerar en la selección detrampas cámara: 16
  • 17. Costos. Las trampas cámara cuestan entre $50 y 500. Un muestreo para jaguares puedenecesitar entre 20 y 50 trampas cámara y los requerimientos financieros varíanenormemente.Experiencia técnica. Algunos modelos de trampas cámara requieren cierta experienciapara su uso adecuado. En general, los sistemas con sensores activos exigen mayorhabilidad técnica para ser armados.Logística. Cuando el acceso a las trampas cámara es limitado y son revisadas con pocafrecuencia se debería tomar en cuenta el tiempo que duran pilas y rollos y el peso de lastrampas cámara. Se recomienda siempre llevar una trampa cámara de repuesto en cadaviaje de revisión. Si se hacen viajes largos para revisar varias estaciones de trampascámara, se recomienda llevar varios repuestos. Si se tiene que transportar las trampascámara por largas distancias, los modelos más grandes y pesados pueden ser másproblemáticos.Seguridad. Aunque sea casi imposible asegurar definitivamente las trampas cámara,algunos modelos vienen con accesorios antirrobo. Los diseños más seguros incluyenuna caja metálica y un mecanismo antirrobo que permite amarrar la trampa cámara a unárbol. Si no hay peligro de robo en el área de muestreo, los modelos sin accesoriosantirrobo son menos pesados. Figura 4. Locales misquitos colocando una trampa cámara en las selvas de La Mosquitia hondureña.Clima. Algunos modelos de trampa cámara son unidades cerradas y resistentes al clima.Ciertos modelos resistentes al agua se pueden sumergir completamente, mientras queotros tienen sensores que se pueden estropear si les ingresa agua que puede provenir delluvias fuertes o de inundaciones. 17
  • 18. Acceso a apoyo técnico. Se recomienda consultar a otros investigadores sobre susexperiencias con proveedores de trampas cámara. ¿Cuál es la garantía original? ¿Cuántocuestan las reparaciones comunes? ¿Hay acceso telefónico? ¿Cuánto tiempo se tarda enreparar o remplazar unidades con fallas mecánicas? Todos estos factores pueden afectarde manera significativa el número de trampas cámara disponibles para el investigador yque siguen funcionando en el campo. Figura 5. Cámara Bushnell Scoutgard Figura 6. Cámara Camtrakker Figura 7. Cámara DeercamPoblación cerradaEl modelo de captura-recaptura se basa en una población cerrada para el área demuestreo, o sea sin nacimientos, muertes, inmigración o emigración de individuosdurante el muestreo. En realidad, pocas poblaciones de jaguares son cerradas, así que serespeta la suposición al limitar la duración del muestreo. Mientras más tiempo dura elmuestreo, es más probable que la población sea abierta. Considerando la historia naturalde los tigres, Karanth y Nichols decidieron limitar el periodo de muestreo a un máximode tres meses, asumiendo que la población se mantiene cerrada durante ese lapso. 18
  • 19. Muestreos con leopardos africanos también se llevaron a cabo en dos o tres meses(Henschel & Ray, 2003). Aunque existan pocos datos sobre el historial natural de losjaguares, es razonable pensar que una duración similar es adecuada. Muchos muestreospara jaguares se han hecho en un periodo de tres meses o menos (Wallace et al., 2003;Silver et al., 2004; Maffei et al., 2004) para la toma de datos.Todos los individuos tienen una probabilidad de captura mayor que ceroEl segundo supuesto es que cada individuo del área de muestreo tenga algunaprobabilidad de captura (o sea debe haber por lo menos una trampa cámara dentro delárea de acción del individuo durante el muestreo). Es importante notar que no todos losjaguares en el área de muestreo tienen que ser fotografiados, pero que cada individuotenga alguna posibilidad de ser fotografiado. (Este supuesto determina la distancia entretrampas cámara y el área máxima continua dentro del área de muestreo sin ningunatrampa cámara). La distancia mínima entre trampas cámara la puede determinar elinvestigador, pero no debe haber vacíos entre trampas cámara lo suficiente extensoscomo para abarcar el área de acción entera de un jaguar. Una manera conservadora derespetar este supuesto es emplear como área mínima con una trampa cámara por lomenos el área de acción mínima documentada para la especie en el hábitat y/o regióngeográfica. Conociendo el área mínima se calcula el diámetro de un círculo querepresenta el área máxima; las trampas cámara se pueden acercar más. Aunque no hayadistancia mínima absoluta entre trampas cámara, el muestreo no generará datosconfiables si todas las trampas cámara se concentran en un área de muestreo muypequeña donde se pueden capturar pocos jaguares. Una distribución demasiado limitadacorre el peligro de no muestrear suficientes individuos como para estimar una densidadpoblacional confiable. La distribución tiene que abarcar un área suficientemente grandecomo para fotografiar varios individuos diferentes con la misma superficie. Esediámetro es la distancia máxima posible, en línea recta, entre trampas cámara. La Figura8 presenta un ejemplo de la distribución de trampas cámara. En este caso, una revisiónde la literatura estableció que el área de acción mínima reportada para jaguares en el 2área de muestreo era de 10 km . Por ende se permitió un máximo de 3.6 km (el diámetro 2de un círculo con superficie de 10 km ) como distancia máxima en línea recta entretrampas cámara.Antes de seleccionar sitios para armar las trampas cámara se debe definir la duración delmuestreo y la distancia a la que se van a instalar las trampas cámara. En ambos casos,las estimaciones pueden ser conservadoras sin violar los supuestos del modelo depoblación cerrada. No existe una duración mínima de muestreo ni una densidad mínimade trampas cámara para conseguir suficientes datos y generar una estimación dedensidad a través de un estudio de captura-recaptura.Ajustando el diseñoAl establecer el diseño básico que respeta los supuestos, se tiene que ajustar laubicación de las trampas cámara. Cabe destacar que la ubicación de las trampas cámarapuede no ser al azar. La ubicación de las trampas cámara debe maximizar lasprobabilidades de captura en el área de muestreo, cubriendo el área máxima posible demuestreo para maximizar el número de individuos fotografiados. Implica buscar un 19
  • 20. equilibrio entre la distribución de trampas cámara lo suficientemente cerca entre sí pararespetar el supuesto de que cada individuo tenga una probabilidad de captura mayor quecero (como se describe arriba), cubriendo un área de muestreo lo suficientementegrande para fotografiar varios individuos. También es deseable que los animales delárea de muestreo tengan probabilidades de captura similares. Mientras hay manerasanalíticas para tomar en cuenta probabilidades de captura variables, las estimaciones sonmás simples y más precisas cuando la probabilidad de captura no varía mucho entreindividuos. Con este fin se recomienda mantener una distribución consistente detrampas cámara a través del área de muestreo. Se debe evitar colocar varias trampascámara dentro del área de acción de un individuo y una sola trampa cámara dentro delárea de acción de otro.Para diseñar un muestreo se empieza con un mapa topográfico del área de muestreo. Semarcan sitios que presentan una alta probabilidad de fotografiar jaguares, como sendas,caminos sin asfaltar, etc. Se distancian las trampas cámara lo más que se pueda sinperder sitios óptimos ni violar el supuesto de que sea una población cerrada en términosgeográficos. Es necesario recordar que las trampas cámara se tienen que revisarperiódicamente, lo que puede presentar algunas limitaciones logísticas para el diseño.Después de identificar en el mapa los sitios ideales para trampas cámara se buscanvacíos entre trampas cámara que exceden el área mínima permitida para poner trampascámara a manera de llenar los vacíos o desplazar y acercar algunos de los sitios inicialesseleccionados. Puede que algunas trampas cámara se ubiquen en sitios con pocos rastrosde jaguares, pero se deben evitar sitios donde se sabe que un jaguar nunca pasará, porejemplo pendientes severas. En algunos casos se tendrán que abrir sendas nuevas paracolocar trampas cámara. 20
  • 21. Figura 8. Mapa de los puntos localizados para la colocación de las estaciones de trampas cámara.Se registran las coordenadas exactas de los sitios predeterminados. Estos sitios sedenominarán “coordenadas predeterminadas”. Éstas sirven de guía general para laubicación de las trampas cámara, pero la ubicación definitiva puede variar en el campo(ver la siguiente sección). Si se dispone de un número de trampas cámara limitado, sepuede aumentar el área de muestreo de la siguiente manera. Se diseñan dosdistribuciones de trampas cámara adyacentes y se muestrean en dos periodosconsecutivos. Empleando todas las trampas cámara, se muestrea la primera distribuciónprimero para conseguir un submuestreo del periodo total de muestreo (p. ej. cuatrosemanas), luego se llevan las trampas cámara a la segunda distribución de ubicaciones,durante el mismo periodo de muestreo (en este caso, cuatro semanas, para constituir unperiodo total de muestreo de ocho semanas). Al analizar los datos se consideran los dossubmuestreos como simultáneos. Todos los jaguares fotografiados el primer día decualquiera de los dos submuestreos se registra como fotografiado el día 1; los que sefotografían el día 2 de cualquier submuestreo se registran como fotografiados el día 2,etc. Los animales fotografiados en días distintos se consideran recapturas. Esta técnicase puede repetir si es necesario (aumentando el número de submuestreos) y los datosanalizados de la misma manera, pero el periodo total de muestreo no puede sobrepasarel tiempo máximo que respeta el supuesto de que la población sea cerrada.Armando las trampas cámara en el campoAntes de armar las trampas cámara (rollos o digital) es esencial etiquetar cada rollo conla fecha de inicio y el número de la trampa cámara (relacionado con la ubicación de latrampa cámara) antes de armarlas en el campo. Cuando se retiran y revelan los rollos, 21
  • 22. puede haber decenas de rollos de 20-30 ubicaciones y trampas cámaras diferentes. Esimprescindible conocer la ubicación de la que proviene cada fotografía para luegoestimar el área de muestreo efectiva (ver abajo). Figura 9. Poblador misquito programando una trampa cámara en la zona de Rus Rus.Registro automático de fecha y horaLas fotografías no sirven si no llevan la fecha y la hora cuando se tomaron. La fecha encada fotografía es esencial para determinar el evento de captura para el individuofotografiado. Cada periodo de 24 horas se considera un evento independiente, así quetodas las tomas de un mismo individuo fotografiado en la misma fecha se consideranuna sola captura. La impresión en las fotografías de la información sobre fecha y horavaría entre distintos modelos de trampas cámara, pero lo importante es que seaconsistente entre todas las trampas cámara del muestreo.Lapso entre fotografíasPara toda trampa cámara se puede programar un lapso entre fotografías sucesivas. Es untema relevante porque grupos de turistas, manadas de pecaríes u otros animales que nosean objetivos del muestreo pueden sacar gran cantidad de fotografías inútiles y ademásacabar con rollos antes de finalizar el muestreo. Una cámara sin rollo crea un vacío deinformación en el diseño del muestreo que puede invalidar todos los datos del muestreodurante ese periodo. El lapso programado debe basarse en la probabilidad de encontrargrupos grandes de especies que no sean de interés: la experiencia durante el estudiopiloto ayuda a definir el lapso apropiado para el muestreo. Un lapso mayor aumenta laprobabilidad de perder una captura; entonces, como regla básica, el investigador debeusar el lapso mínimo con el cual se siente cómodo. Cada ubicación de trampa cámara(llamada estación) debe contar con dos trampas cámara en ambos lados de la senda, río,o camino, orientadas a un ángulo perpendicular a la ruta que tomará supuestamente el 22
  • 23. jaguar. Se recomienda siempre incluir dos trampas cámara por estación para asegurarque se fotografíen ambos lados de cada jaguar (permitiendo la identificación definitiva através de una sola captura) y proveyendo cierto nivel de redundancia si falla algunatrampa cámara.Seleccionando sitios para las trampas cámaraEn el campo, el investigador debe buscar el mejor sitio lo más cerca que pueda de lascoordenadas predeterminadas. El sitio específico se selecciona para maximizar laprobabilidad de obtener fotografías buenas cada vez que pasa un jaguar. Figuras 10 y 11. Biólogo y paratécnicos locales planificando los sitios que seleccionarán para colocar estaciones de trampas cámara.El objetivo es fotografiar cada costado del jaguar, ya que es la parte del cuerpo conmanchas más notables y fáciles de distinguir.Seleccionando un buen sitio. En la zona de las coordenadas predeterminadas se busca elsitio más cercano con buenas posibilidades de ser visitado por un jaguar. Elementospaisajísticos como sendas, caminos sin asfaltar, orillas de ríos, playas y sendas hechaspor otros animales son frecuentados por jaguares. Se pueden buscar indicios de jaguares(huellas, heces o avistamientos). Figuras 12 y 13. Patrones de manchas de jaguar para identificación de individuos. 23
  • 24. Figuras 14 y 15. Búsqueda de evidencias que nos ayuden a corroborar la presencia de otras especies, como método alterno de monitoreo.En general, si hay indicios de jaguares en la senda, inclusive a unos cuantos kilómetros,es probable que los jaguares estén usando la senda entera.Determinación de la ruta del jaguar. Se selecciona un sitio que limita la ruta del jaguaral espacio entre las dos cámaras. Por ejemplo, un sitio con muchos indicios de jaguares,pero con una multitud de sendas diferentes cruzándose no es un sitio bueno para laubicación de trampas cámara. Si hay varias sendas es más difícil predecir la ruta queseleccionará el jaguar y será difícil apuntar las cámaras correctamente. Un sitio abiertotampoco es bueno porque el jaguar puede pasar en cualquier parte tomando cualquierruta. Una senda con indicios de jaguares y con pocas rutas alternativas es óptima para laubicación de trampas cámara.El área de detección de la trampa cámara. Una senda amplia tiene más rutas donde eljaguar puede cruzar el sensor y un área mayor que tiene que abarcar la cámara. Denuevo se quiere conseguir fotografías de ambas trampas cámara. La distancia máximaentre las trampas cámara no debe sobrepasar la distancia que abarca el “flash”.El terreno. El suelo debajo del rayo del sensor debe ser relativamente plano. Lapresencia de zanjas o pendientes puede ocultar el jaguar de los sensores y es posibleperder fotografías. Una pendiente pronunciada podría resultar en un sensor al nivel delhombro del jaguar si pasa por el lado alto de la senda y que no logra detectar al mismoanimal si pasa por el lado bajo de la senda. Hay que considerar todas las posibles rutasentre las trampas cámara.Armando las trampas cámaraUna vez contemplados todos los factores mencionados arriba se pueden armar lastrampas cámara. Se busca un sitio con dos árboles o palos adecuados frente a frente enambos lados de una senda. Son adecuados árboles con troncos relativamente rectos, losuficientemente angostos para amarrar un cable, pero no demasiado pequeños quepuedan ser movidos fácilmente por el viento, personas o animales. En el caso detrampas pasivas hay que minimizar el contacto directo con luz del sol, porque el calorexcesivo disminuye la sensibilidad de los sensores para detectar animales endotérmicos.Las trampas cámara se deben ubicar por lo menos a dos metros del punto más cercanodonde un jaguar puede cruzar el sensor. Esto permite obtener fotografías claras, bien 24
  • 25. enfocadas, y un área de detección suficientemente grande. La probabilidad de capturaral jaguar aumenta con el tiempo que permanece en el área de detección. Como el sensordebe apuntar al hombro del jaguar, la trampa cámara se debe armar a unos 50-70centímetros del suelo y paralelo al mismo. Las dos trampas cámara deben apuntaraproximadamente al mismo punto, pero no el punto directamente entre ellas, para evitarcualquier interferencia mutua entre los flashes. Se recomienda el uso de cables livianosy flexibles para amarrar la trampa cámara al tronco seleccionado. Con un alicate seajusta el cable o alambre cuando la posición de la trampa cámara sea óptima. Si se usancadenas (o candados para bicicletas) para evitar el robo de las trampas cámara seamarran las trampas cámara con alambre antes de asegurarlas. Figuras 16 y 17. Cables acerados utilizados para asegurar y fijar las cámaras en árbolesseleccionados como sitios de colocación de las cámaras. Se recomienda colocar las cámaras a la altura de la rodilla; esto permite un amplio ángulo para la captura fotográfica de otras especies pequeñas y medianas.Las cadenas y los candados no son lo suficientemente flexibles para amarrar la trampacámara al árbol. Se pueden cortar palos o ramas adicionales para ajustar la trampacámara contra el tronco. Un palito entre la caja de la trampa cámara y el tronco del árbolsirve para ajustar la orientación del sensor. (Se recomienda el uso de palos/palitosverdes para estos ajustes, por ser más flexibles que palos/palitos secos). Una vez armadala trampa cámara se quita todo obstáculo (plantas, palos, ramas) del área entre la mismay la ruta del animal. Cualquier obstrucción del sensor disminuye la capacidad dedetección de la trampa cámara y puede producir fotografías nulas. Las hojas grandespueden hacer disparar las trampas cámara cuando se calientan al sol y se mueven con elviento. Es mejor no apuntar a objetos expuestos al sol que pueden calentarse y dispararlos sensores, como piedras grandes o superficies de agua.Se debe comprobar el área de detección de ambas trampas cámara, pasando por todaslas rutas posibles entre las dos, confirmando cada vez la toma de fotografías por ambastrampas cámara. La mayoría de los modelos de trampa cámara viene con un indicadorque se prende cuando el sensor detecta un cuerpo en movimiento. Cuando cruce frente ala trampa, agáchese para aproximar el tamaño de un jaguar. A veces el terreno y la faltade árboles pueden afectar la cobertura completa de la senda. En estos casos se puedenechar ramas o palos en una parte de la senda para reducir las rutas posibles. Esta técnicatambién sirve si no se puede alejar la trampa cámara de la senda, para evitar que eljaguar pase tan cerca que la cámara no logre tomar una fotografía bien enfocada. 25
  • 26. Figuras 18 y 19. Ubicación de una estación de trampas cámara en un sitio donde la probabilidad de captura es mayor debido a la cantidad de huellas observadas en los senderos (captura por oportunidad).Revisando las trampas cámaraLa cantidad de animales fotografiados (de cualquier especie) y la sensibilidad delmodelo de trampa cámara definirán con qué frecuencia se deben cambiar rollos y pilas.Es muy importante evitar que los rollos o las pilas se acaben durante el muestreo. Unbuen estudio piloto ayudará a determinar el intervalo adecuado para reemplazar rollos ypilas. Todas las estaciones deben estar funcionando durante todo el periodo de muestreopara respetar los supuestos del diseño. La logística para la revisión de las trampascámara puede ser el factor limitante en cuanto el número de estaciones armadas. Serecomienda ser conservador al estimar la frecuencia del reemplazo de rollos y pilas. Figuras 20 y 21. Pobladores locales revisando trampas cámara en el parque nacional Pico Bonito, La Ceiba, Atlántida, Honduras.Preparación y análisis de los resultadosAl sacar el rollo de cada trampa cámara se revisa su etiqueta, indicando el número de latrampa cámara y el sitio y la fecha de inicio del rollo. Al revelar los rollos se asegura latransferencia de estos datos a los negativos o a las fotografías reveladas. Una vez setienen todas las fotografías se identifican los individuos de jaguares, comparandopatrones de manchas. Se confirma la identificación con una revisión independiente delas mismas fotografías por otra persona. Se anota la fecha cuando cada individuo sefotografió. Se anota en cada fotografía el número de la trampa cámara, el sitio y el 26
  • 27. código de identificación del individuo. Una buena base de datos en esta etapa esimprescindible.El programa CaptureExisten varios programas de computadora para analizar datos poblacionales segúnmarca-recaptura u otros diseños. Se pueden encontrar varios de estos programas en lapágina web del Patuxent Wildlife Research Center http://www.mbr-pwrc.usgs.gov/software.html, donde además se puede ver una descripción corta de cadauno para el análisis de poblaciones animales. El programa que más se utiliza para elanálisis de abundancia de jaguares por medio de fotografías de trampas cámara es elCapture (Otis et al., 1978; White et al., 1982; Rexstad & Burnham, 1991). Esteprograma emplea una serie de modelos para generar estimaciones de abundanciabasándose en el número de individuos capturados y la proporción de recapturas. Losmodelos varían de acuerdo con las fuentes de variación en probabilidad de captura,incluyendo diferencias entre individuos (p. ej. debido a sexo, edad, movimientos,dominancia, actividad), variación en el tiempo, cambios de comportamiento debido a lacaptura (flash) y combinaciones de los factores anteriores. El programa Capture llevauna función que determina el modelo y el estimador más apropiado para los datos delmuestreo. Para ejecutar el análisis de los datos en Capture se crea una matriz con lahistoria de captura de cada individuo fotografiado. Cada fila de la matriz describe lahistoria de captura de un individuo durante el muestreo. Cada día (o grupo de días) delperiodo de muestreo se considera una ocasión de muestreo y se representa en unacolumna independiente de la matriz. Para cada jaguar, el 0 representa una ocasióncuando el animal no se capturó, mientras que el 1 significa que el animal se capturó enesa ocasión. El número de filas es el mismo que el número de individuos fotografiados,mientras que el número de columnas coincide con el número de ocasiones de muestreo.La matriz se debe guardar como “sólo texto”. Luego, para su análisis, la matriz se pegadirectamente en el programa Capture en la siguiente página web: http://www.mbr-pwrc.usgs.gov/software/capture.html.Los datos se pueden analizar directamente en la misma página web o se puede bajar elprograma a una computadora. Tanto la página web como el Apéndice 1 dan ejemplos dela descripción del formato y de la matriz apropiada para el análisis en Capture, ademásde las tareas que puede ejecutar el programa.Estimando la densidad poblacionalEl programa Capture genera una estimación de abundancia y no de densidad. Se calculala densidad dividiendo la estimación de abundancia que genera Capture por el áreaefectiva de muestreo. El área efectiva de muestreo abarca todas las trampas cámaraademás de una franja o buffer alrededor de las mismas que toma en cuenta losindividuos cuyas áreas de acción se solapan con la distribución de trampas cámara.Existen varios métodos para estimar el ancho de la franja (ver Karanth y Nichols, 2002).Karanth y Nichols (1998), a partir del polígono dibujado por las cámaras externas,agregaron alrededor una franja con un ancho igual a la mitad del promedio de distanciasmáximas de desplazamiento (HMMDM) para todos los individuos que se fotografiaronen dos o más puntos diferentes durante el muestreo. En Belice determinamos HMMDMy usamos un SIG para crear un buffer circular alrededor de cada trampa cámara; el radio 27
  • 28. del círculo es igual a HMMDM. La sobreposición de todos los buffers circularesrepresenta el área de muestreo completa. Vacíos grandes (por ejemplo cuerpos de agua,pueblos, etc.) que no pueden contener jaguares se restan del área efectiva de muestreo. Figura 22. Ejemplo de una hoja del programa Capture donde se corren los análisis de las capturas y los individuos identificados en las fotografías de trampas cámara.Se considera el promedio de las distancias máximas de desplazamiento (MMDM) comoestimación del diámetro del área de acción. MMDM también sirve para confirmar elsupuesto original en relación con el área de acción mínima y la distribución de trampascámara. Si la aplicación del buffer presenta vacíos dentro del área efectiva de muestreo,indica que algunas áreas entre trampas cámara exceden el área de acción del animal y la 28
  • 29. suposición de que cada jaguar tiene una probabilidad de captura >0 no ha sido respetada(Nichols, com. pers.). En este caso se debe realizar un segundo muestreo ubicando lastrampas más cerca o simplemente no tomando en cuenta los huecos que quedan entrelos buffers. El promedio de las distancias máximas de desplazamiento (MMDM) puedevariar bastante entre muestreos (inclusive en la misma zona). Si se dispone de datos demuestreos múltiples en la misma zona usamos la mitad del MMDM acumulado. EsteMMDM acumulado promedia las distancias máximas de desplazamiento de todos losindividuos registrados durante muestreos múltiples en la misma zona. Aumenta eltamaño de muestreo y disminuye la varianza asociada con la estimación de MMDM,produciendo una estimación más correcta del área efectiva de muestreo.Aparte de estimar la abundancia, el programa Capture genera una probabilidad decaptura, el error estándar de la estimación de abundancia y un intervalo de confianza de95%. Este método no precisa una cifra absoluta, sino una estimación robusta entérminos estadísticos del rango. El error estándar y el intervalo de confianza expresan elgrado de confiabilidad que tenemos sobre nuestros datos y son importantes endeterminar cómo se interpretan los mismos.La estimación de densidad no siempre se puede usar para extrapolar densidades fuera dela zona de estudio. Con la excepción de una región muy homogénea en cuanto a hábitat,el muestreo genera estimaciones de abundancia que se pueden aplicar sólo en la mismaárea de muestreo. No se debe asumir que la estimación de abundancia de un muestreo sepuede aplicar de forma general a una región más amplia donde la topografía y lascondiciones meteorológicas varían bastante en relación con el área de muestreo. Hayque tener en cuenta que se pueden estimar las abundancias relativas con base en lasnoches/trampas cámara y de esta manera podemos establecer líneas base de especiescon algún interés especial. 29
  • 30. TERCER PROTOCOLOMONITOREO DE AVES 30
  • 31. PROPUESTA DE PROTOCOLOS ESTANDARIZADOSPARA EL MONITOREO DE AVES EN LA REGIÓN CENTROAMERICANA 31
  • 32. El presente manual describe los pasos necesarios para el establecimiento de unprograma de monitoreo de aves. Se incluyen métodos utilizados para la determinacióndel tamaño poblacional, índices de productividad y sobrevivencia, distribución deedades, proporción de sexos, relaciones con el hábitat y otros parámetros. Describimoscon detalle cuatro métodos para la determinación del tamaño de la población, dosmétodos para la medición de factores demográficos y dos sistemas de evaluación delhábitat. Se aporta información sobre requisitos básicos en cuanto a equipo, personal,recursos y técnicas necesarias para llevar a cabo con éxito el programa. Dependiendo delos recursos económicos y humanos disponibles, diversas combinaciones de losmétodos aquí descritos pueden ser adaptadas a prácticamente cualquier situación ypresupuesto.Selección de métodosLas metodologías estandarizadas presentadas aquí deben ser aplicadas tal comoaparecen descritas a fin de mantener la compatibilidad entre los datos de distintasestaciones de monitoreo. Estas metodologías son de carácter integrado y jerárquico, demanera que los sistemas de monitoreo de una zona puedan complementar los de otras yfacilitar la comparación de datos entre ellas. Los métodos presentados deben llevarse acabo durante un periodo mínimo de tres años y preferiblemente más, aunquedependiendo de los objetivos particulares es posible obtener resultados en uno o dosaños.Alcance geográficoAunque lo idóneo sería poder cubrir la totalidad de una región, provincia o estado, esinevitable que existan lagunas geográficas en el alcance del método. Se sugiere que encada unidad geográfica se desarrollen tanto métodos poblacionales como demográficos,cubriendo cualquier superficie, desde unas decenas hasta varias miles de hectáreas. Serecomienda que la toma de datos dentro de cada unidad geográfica esté estratificada almenos por tipo de hábitat, por ejemplo: bosque de coníferas, páramo, manglar, chaparrallitoral, etc. Por lo general, los datos utilizados en cada análisis no deberán incluir más deun tipo de hábitat. Los datos resultantes de estas unidades proporcionarán patronespoblacionales a gran escala, como decrementos en toda una región o en un determinadotipo de hábitat. Los resultados de estos análisis permitirán detectar tendencias querequieran investigación adicional o mayor intensidad de monitoreo a fin de identificarsus causas. De hecho, el programa en su conjunto podría ser considerado un mecanismogenerador de hipótesis a gran escala.Orden de prioridadesEste manual describe tres técnicas de censado; el método de conteo por puntos de radiofijo ha sido adoptado como método estándar recomendado y su operación se describemás adelante. Cada método descrito está organizado en intervalos de diez días, aexcepción del primero, que dura un solo día. Por ejemplo, si se dispone de recursos paraveintiún días de trabajo de campo, solamente se llevarán a cabo las prioridades I, II yIII. Estas estimaciones no incluyen el tiempo empleado en instalación y entrenamiento,los cuales variarán en función de la cualificación del personal. Las cantidades mínimasde puntos de conteo o series de redeo que presentamos a continuación derivan de 32
  • 33. nuestra experiencia con diversos programas de monitoreo. Creemos que son útiles, peroen ningún caso restrictivas.Ubicación de una estación de monitoreo Figura 23. Punto de muestreo. Monitoreado por locales en una de las estaciones para observación de Ara macao.Una estación de monitoreo debe ubicarse en un hábitat representativo de la zona o en unárea de especial interés. La estación puede abarcar varios tipos de hábitats, algunos delos cuales contarán con mayores densidades de aves que otros. Debido a la posibilidadde que los parámetros poblacionales y demográficos derivados sean altamente sensiblesa cambios sucesorios de la vegetación, las estaciones no deberán situarse en hábitatsdemasiado jóvenes.Sin embargo, el uso de un hábitat joven es aceptable si éste se mantiene en un estadiosucesorio bajo debido a técnicas de manejo activas en la zona (tala forestal, agricultura,etc.). Si el método de monitoreo utilizado en la estación incluye un elevado número depuntos de conteo, éstos pueden repartirse a lo largo de una red de carreteras o senderos,cubriendo una amplia superficie dentro de la zona estudiada. Esto aportará solidez a losdatos obtenidos, ya que cada punto se encontrará situado en un lugar representativo delos hábitats de la zona. Para los métodos de búsqueda de nidos y mapeo de parcelas, lasparcelas de estudio, normalmente cuadradas o rectangulares, suelen establecerse enzonas de un solo tipo de hábitat. Las parcelas situadas en hábitats heterogéneos nosuelen ser tan útiles, ya que resulta difícil analizarlas en función de cada uno de loshábitats que contienen. Para el método de captura con redes, sugerimos que las redes sesitúen donde el número de capturas sea alto. Por el contrario, los puntos de conteo y lasparcelas de búsqueda de nidos deben situarse en lugares representativos de la zona. 33
  • 34. Figura 24. Ara macao observada en uno de los puntos de monitoreo en Casa Sola, Rus Rus. HondurasEstaciones permanentesAunque los programas de monitoreo a gran escala son de vital importancia, estudiosdetallados en áreas protegidas, tales como parques o reservas biológicas, puedencontribuir notablemente a aumentar nuestros conocimientos sobre las poblaciones deaves terrestres. Los estudios intensivos sobre la biología de especies determinadas,normalmente mediante el marcaje de individuos con anillos de colores, pueden aportarvaliosa información para su manejo. Asimismo, el desarrollo simultáneo de otrasinvestigaciones biológicas en la estación ayudará a conocer mejor los distintos factoresque afectan a las poblaciones de aves y sus hábitats. Las estaciones de monitoreopermanentes con proyectos de campo activos y alojamiento para biólogos son idóneaspara el desarrollo de programas intensivos en zonas remotas y a menudo atraenvoluntarios. La obtención de patrocinadores institucionales para estaciones permanentespuede dar lugar a compromisos de largo plazo. Un programa de monitoreo con dichoscompromisos continuará adelante a pesar de reemplazos en el personal y, con suerte,contará con un aporte estable de fondos. Además, la participación de voluntarios localesen la toma de datos y otras actividades de la estación puede dar lugar al desarrollo deprogramas educativos que promuevan el acercamiento entre la estación, otras entidadesde la región y la comunidad local. Los observatorios ornitológicos y las estacionesbiológicas universitarias en Norteamérica y América Latina llevan años poniendo enpráctica programas de estas características.Especies a cubrirDe las muchas especies que serán censadas en cada estación, solamente algunas seráncapturadas y sólo de unas pocas se podrán localizar los nidos. En climas templados cadaestación debería obtener una buena estimación del tamaño poblacional de unas treintaespecies y datos demográficos sobre unas diez especies. Los datos procedentes dediferentes estaciones podrán combinarse a fin de obtener patrones poblacionales ydemográficos de un número superior de especies. 34
  • 35. Métodos de censadoLa estimación de índices de abundancia debe ser una parte integral de cualquierprograma de monitoreo. Un gran número de métodos ha sido empleado y probado afondo (véase Ralph y Scott, 1981). Durante mucho tiempo, la abundancia de aves hasido utilizada como indicador de la condición de un hábitat. Sin embargo, este métodoes retrospectivo, no aporta información sobre las posibles causas de las tendenciasobservadas y estas últimas pueden incluso resultar engañosas (Van Horne, 1983). Esaconsejable utilizar un método que permita al investigador censar el mayor númeroposible de puntos en el tiempo disponible con el fin de conseguir el mayor númeroposible de puntos de datos independientes. En otras palabras, estadísticamente espreferible censar cinco puntos en un intervalo de diez días que censar cinco veces desdeun mismo punto. Mientras mayor sea la distancia entre los puntos, más probabilidadestendrán los datos obtenidos de ser extrapolados a zonas más amplias. A continuación se describen cuatro métodos principales. Dos de ellos, el de conteopor puntos (point counts) y el mapeo de parcelas (spot mapping), son los máscomúnmente utilizados (para definiciones véase Ralph, 1981b). El método de conteopor puntos suele ser el más apropiado en la mayoría de los casos y ha sido adoptadocomo método estándar de monitoreo (Ralph et al., 1995). La metodología para estos dosmétodos ha sido extraída en parte del excelente libro por Koskimies y Vaisanen (1991).Además se presentan los métodos de transecto en franjas (strip transect count) ybúsqueda intensiva (area search).Consideraciones generalesHora del día. La mejor hora para efectuar censos en la mayoría de las zonas en latitudestempladas suele ser entre las 5:00 y las 9:00 de la mañana. Generalmente no deberánefectuarse censos más tarde de las 10:00, aunque se pueden dar excepciones si el censose lleva a cabo fuera de la temporada reproductora. Es preferible comenzar durante los15 primeros minutos después de la hora oficial de la salida del sol, siendo las 3 ó 4horas siguientes el periodo más estable en cuanto a la detección de aves. Para la mayoríade especies, las tasas de canto son más altas durante el periodo entre la primera luz deldía (el amanecer) y la salida del sol. Sin embargo, a fin de poder comparar laprobabilidad de detección de distintas especies entre diferentes puntos se recomiendacomenzar a censar después de la salida del sol y no antes. En zonas tropicales, loshorarios de canto de las diferentes especies pueden ser variables. Blake (1992)recomienda censar desde antes del amanecer hasta tres horas después.Periodo de censado. Los censos por puntos durante la temporada reproductora debenefectuarse cuando la tasa de detección para las especies estudiadas es más estable. EnNorteamérica, mayo, junio y la primera semana de julio son la mejor época para contarpaseriformes. Sin embargo, en zonas más septentrionales, los periodos estables decensado pueden comenzar en abril, mientras que en las zonas boreales pueden alargarseconsiderablemente. En los trópicos, la temporada reproductora es considerablementemás larga y pueden efectuarse censos provechosos a lo largo de todo el año.Condiciones atmosféricas. No deberán efectuarse censos cuando la lluvia o el vientointerfieran con la intensidad o la audibilidad de las vocalizaciones de las aves, cuando 35
  • 36. haya niebla o lluvia que no permitan una visibilidad adecuada o cuando periodos de fríointenso reduzcan la actividad vocal de las aves.Método de conteo por puntos Figuras 25 y 26. En muchos de los casos, para la observación de aves es recomendable buscar sitios altos para una mejor identificación de las especies.Sugerimos dos tipos de conteos por puntos: los conteos extensivos se efectúan desdepuntos situados como mínimo a intervalos de 250 m, normalmente a lo largo decarreteras o caminos y cubriendo toda una región; los conteos intensivos se llevan acabo dentro de áreas de captura con redes o parcelas de búsqueda de nidos (o cualquierotra área de estudio de dimensiones reducidas) y los puntos están situados a intervalosde 75 a 150 m.Antecedentes y objetivos. Los conteos por puntos son el principal método de monitoreode aves terrestres en un gran número de países debido a su eficacia en todo tipo deterrenos y hábitats y a la utilidad de los datos obtenidos. El método permite estudiar loscambios anuales en las poblaciones de aves en puntos fijos, las diferentescomposiciones específicas según el tipo de hábitat y los patrones de abundancia de cadaespecie.Repetición de los conteos por puntos. En general, cada estación debe ser censada unavez cada temporada. Los censos se pueden repetir si se desea obtener estimaciones másexactas sobre áreas determinadas. El periodo del año en que una ruta de puntos escensada debe mantenerse constante de año en año y no debe diferir en más de siete díasde la fecha del primer censo. Si existen diferencias interanuales en cuanto a la fenologíade la vegetación, las fechas pueden ser cambiadas y ajustadas como corresponda. Lahora del comienzo del censo no debe diferir en más de media hora de la del primer año.Si es posible, cada ruta de puntos deberá ser censada cada año por el mismo observador.Método de transecto en franjasEste método es similar a los conteos por puntos, pero aquí el observador registra lasaves detectadas mientras camina a través de un área en línea recta. Las divisiones dedicha línea recta son las unidades de medición y pueden ser de 100 ó 250 m. Estemétodo es útil en hábitats abiertos, donde el observador puede concentrarse en las avessin tener que prestar atención a dónde pisa. El observador debe cubrir cada intervalo deltransecto en un tiempo determinado, por ejemplo 100 m en 10 minutos. 36
  • 37. Método de mapeo de parcelasEste método de censado se basa en la conducta territorial de las aves y consiste enmarcar sobre un plano la posición de los individuos observados en visitas consecutivas ala parcela de estudio a lo largo de la temporada reproductora. El objetivo es determinarel número de territorios y estimar la densidad de machos reproductores por especie en elárea. Esta técnica no suele ser utilizada en programas de monitoreo a gran escala, ya querequiere mucho más tiempo y trabajo que los censos por puntos o los transectos enfranjas. Sin embargo, el método resulta muy útil cuando se necesitan datos precisossobre distribución territorial, número de parejas nidificadoras o densidades específicasen un área de estudio reducida. El método convencional presentado aquí es menosapropiado para el censado de especies que viven en colonias, así como para aves noterritoriales o con territorios demasiado extensos.Elaboración del mapa y marcaje de la parcelaLa parcela de estudio debe ser lo más cuadrada o circular posible a fin de mantener lalongitud de los bordes al mínimo, ya que los territorios sobre los bordes son los másdifíciles de analizar. Cuando el área ha sido seleccionada, se debe trazar un plano de lazona (plano de visita) de escala 1:2,000 a partir de un mapa topográfico (1:20,000). Loslímites de la parcela de estudio y accidentes del terreno como arroyos, caminos,senderos, edificios, árboles aislados, ecotonos, etc., deben ser incluidos en el plano. Éstedebe contar con suficientes puntos de referencia para que el observador pueda localizarla situación de las aves con precisión. Si la zona no cuenta con suficientes marcasnaturales, el área deberá ser marcada con una cuadrícula de estacas situadas cada 50 m,marcadas con cinta plástica de colores y con las coordenadas escritas sobre ellas(cuadrícula de censado). Se necesitará una copia del mapa en cada visita y deberánreservarse suficientes copias para elaborar mapas diferentes para cada especie.Métodos de evaluación del hábitatNumerosas aplicaciones de los análisis de la vegetación pueden encontrarse en laliteratura (véase por ejemplo Verner et al., 1986). Describir los distintos tipos de análisispracticables no es parte de los objetivos del presente manual, aunque sí se consideranecesario resaltar la importancia de evaluar las características de la vegetación encualquier estación de monitoreo. Los objetivos de dicha evaluación pueden ser muchosy variados, aunque el más común es relacionar los cambios en composición yabundancia de la avifauna con cambios en la vegetación. Estos cambios en la vegetaciónpueden consistir en cambios a lo largo del tiempo o bien en diferencias entre hábitats.Dos buenos métodos de evaluación son los de James y Shugart (1970), especialmentepara hábitats boscosos, y el de Noon (1981). Un método excelente y rápido que puedesustituir al método de evaluación de las características de la vegetación descrito másabajo es el de MacArthur y MacArthur (1961), el cual incluye la estimación de ladensidad del follaje. Este método ha sido comprobado y ha proporcionado resultadosconfiables (Conner y O’Halloran, 1986; Conner, 1990). Si el investigador deseacaracterizar las interacciones entre las aves y el hábitat en una zona determinada deberáclasificar la vegetación tomando muestras de los diferentes hábitats existentes demanera proporcional a la abundancia relativa de cada uno en la zona. El muestreo,estratificado con respecto al hábitat, debe llevarse a cabo con la asistencia de unbioestadista. 37
  • 38. Clasificación general del hábitatObjetivos. Este método proporciona una clasificación breve y general de la vegetación,así como un plano de la vegetación del área que otros investigadores pueden utilizarpara evaluar el hábitat de la estación. Estos datos son el mínimo recomendado en unaestación de monitoreo. Si la evaluación del hábitat es más detallada, la toma de datos eneste nivel no será necesaria.Consideraciones. La información recogida debe permitir determinar los tipos devegetación presentes. El método no proporciona información cuantitativa paraordenaciones y análisis correlativos.Procedimiento. Lo mejor es trazar un mapa de escala 1:2,000 de los principales hábitatsde la estación al principio de cada temporada. El mapa debe contener los principalestipos de vegetación y cubrir un área mínima de 100 m más allá de la red de captura másalejada. Además debe incluir caminos, senderos, arroyos, marismas, etc., y la ubicaciónexacta de las redes de captura y de los puntos de conteo. También es necesario queaparezca sobre el mapa un punto de referencia localizable sobre un mapa topográficooficial del servicio geográfico local. Se recomienda utilizar diferentes colores paradelinear los distintos hábitats y registrar los siguientes datos: 1. Tipo de hábitat: indicar la categoría general del hábitat (bosque, chaparral,marisma, pradera, etc.) 2. Vegetación arbustiva: listar las especies de arbustos que ocupan más del 10%del área en orden de abundancia. 3. Arbolado: listar las especies de árboles que ocupen más del 10% del área enorden de abundancia. 4. Altura de la vegetación: registrar la altura media aproximada de la vegetación(en metros). 5. Vegetación a nivel del suelo: describir la vegetación a nivel del suelo,registrando el nombre común de los principales grupos de especies presentes, porejemplo, gramíneas, hierba, cactus, musgo, etc. 6. En zonas húmedas: indicar la profundidad del agua y la presencia o ausencia dearroyos o estanques de carácter temporal. 38
  • 39. PROPUESTA PRELIMINAR DELOS SITIOS DE MONITOREO 39
  • 40. A manera de propuesta se identifican sitios transfronterizos o cuencas compartidas entrelos países para hacer el monitoreo y un análisis de los requisitos de cada uno de lossitos, buscando compatibilidad, complementariedad, experiencias y socios en la cuencaque estén dispuestos a apoyar este monitoreo.Los sitios de monitoreo serán áreas fronterizas como cuencas, áreas protegidas ycorredores biológicos compartidos entre los países y se ubicarán en las vertientesatlántica y pacífica. Esto permitirá obtener una mejor visión del estado de conservaciónde los recursos naturales de la región y deberá facilitar la toma de decisiones. EnCentroamérica existen 237 cuencas hidrográficas -el 36% de las cuales sontransicionales-, drenando el 70% en la vertiente atlántica y el 30% en la vertiente delPacífico (Marena, 2008). Cuencas, áreas protegidas y corredores biológicos compartidos entre los países donde se hará el monitoreo de la biodiversidadPaíses Áreas transfronterizas Ríos propuestosBelice-Guatemala Cuenca del río Sarstún Sarstún/Sartstoon TemashHonduras-Guatemala- Parque Nacional Montecristo LempaEl Salvador – El TrifinioCosta Rica-Panamá La Amistad SixsaloaNicaragua-Costa Rica Corredor biológico San Juan- San Juan La SelvaHonduras–Nicaragua Reserva de biosfera Plátano transfronteriza Corazón del Corredor Biológico MesoamericanoHonduras-El Salvador Golfo de Fonseca GoascoránDescripción general de los sitiosCuenca transfronteriza del río Sarstún/Sartstoon. Se ubica en la frontera sur de Belicecon Guatemala. La reserva reúne humedales continentales, costeros y artificiales. Tieneconnotación binacional, ya que funciona como zona de amortiguamiento del ParqueNacional Sartstoon-Temash en Belice. Posee muestras de los ecosistemas remanentesdel Corredor Biológico del Caribe y humedales con características únicas. Variasespecies de fauna en peligro han sido registradas. Los principales tipos de hábitat en elárea son los bosques de mangle rojo y mangle blanco con parches de mangle negrocorrespondientes al segundo sistema de manglares más grande del Caribe de Guatemala.Parque Nacional Montecristo-Trifinio. Para la región de Trifinio se hizo una propuestasimilar que incluye 106,200 ha, en las que se incluyen el Parque Nacional Montecristo ylas ANP San Diego-La Barra y El Pital. El Área Prioritaria Trifinio abarca unaextensión de 106,211 ha. Se delimita políticamente entre la República de El Salvador alnoroeste, Honduras al norte y por la línea fronteriza de la República de Guatemala haciael oeste. La región del Trifinio comprende aproximadamente 7,541 kilómetroscuadrados, de los cuales el 44.7% corresponde a Guatemala, 15.3% a El Salvador y40% a Honduras. Se constituye como una unidad ecológica indivisible a través de untratado suscrito por los gobiernos de El Salvador, Guatemala y Honduras para laejecución de un plan de desarrollo trinacional fronterizo denominado Plan Trifinio. Laregión del Trifinio sustenta una riqueza en recursos hídricos. Se distingue por ser parte 40
  • 41. relevante de uno de los sistemas hídricos más importantes de América Central, en el quese destacan tres cuencas: la cuenca trinacional del río Lempa, la cuenca binacional delrío Motagua (entre Honduras y Guatemala) y la cuenca nacional del río Ulúa enHonduras. La del río Lempa es la mayor de las cuencas hidrográficas comunes de laregión, por lo que el manejo coordinado de sus recursos naturales es prioritario para lostres gobiernos. Éstos, por medio de la Comisión Trinacional del Plan Trifinio, inviertenconjuntamente en el manejo sostenible de la cuenca alta del río Lempa. Se ubica en unazona de interconexión con corredores biológicos ya identificados en los tres paísesdentro del marco del Corredor Biológico Mesoamericano (CBM), reconocidos por suimportancia como hábitats y avenidas de movimiento y migración de especies de faunaen el istmo centroamericano(www.sica.int/trifinio/trifinio/breve_trifinio.aspx?IdEnt=140).Parque Internacional La Amistad, Río Sixaola (también llamado PILA). Es un parquetransfronterizo creado por los gobiernos de Costa Rica (PILA-Costa Rica) y Panamá(PILA-Panamá) al reunir la reserva de la cordillera de Talamanca y el Parque NacionalLa Amistad en una sola entidad donde la dirección es compartida entre las dos naciones.El parque fue declarado patrimonio de la humanidad por la Unesco en 1983 y ParqueInternacional de la Paz al seguir la recomendación de la Unesco del año 1988. Tiene unasuperficie de 567,845 ha, la mayoría está en Costa Rica (193,929 ha), en las provinciasde San José, Cartago, Limón y Puntarenas, y es sumamente inaccesible y parcialmenteinexplorado. La parte panameña es de acceso más fácil, abarcando las provincias deBocas del Toro y Chiriquí. Está compuesto en su mayor parte de pluviselva y abarca lazona de la cordillera de Talamanca, donde se encuentran las cimas más altas de los dospaíses (http://es.wikipedia.org/wiki/Parque_Internacional_La_Amistad).Corredor Biológico San Juan-La Selva. La diversidad biológica presente en el CorredorBiológico San Juan-La Selva es característica de la interfase entre las biotas de la zonaneotropical de Sudamérica y la neártica de Norteamérica. Florísticamente, la zona entreel sur de Nicaragua y el norte de Costa Rica representa la frontera entre las florasneotropical y neártica. Posiblemente, San Juan-La Selva sea el corredor con mayordiversidad biológica en el país, con un número importante de especies vegetalesendémicas. Su fauna también refleja la situación transicional entre las zonas neotropicaly neártica. En el Corredor Biológico San Juan-La Selva se han registrado 32 especies demamíferos, 63 de aves, 36 de anfibios, 28 de reptiles, 10 de peces y 34 especies deárboles que sufren algún grado de vulnerabilidad, de las cuales 20 son endémicas, 25 enpeligro y al menos 168 se encuentran amenazadas. En un estudio de científicos de laEstación Biológica La Selva sobre seis familias de plantas (Cyclanthaceae,Marantaceae, Cecropiaceae, Clusiaceae, Lauraceae y Moraceae) se encontró que un45% de las especies parecen ser endémicas de Centroamérica y un 10% de Costa Rica,un número mucho más alto que el encontrado en zonas de alto endemismo en regionestempladas. Un estudio de Amigos de la Tierra-Costa Rica comprobó que los sectores deCutris y Cureña contienen los índices de biodiversidad más altos del país: hasta 140especies de árboles por hectárea. En ellos se mantienen poblaciones de nueve especiesde árboles en peligro de extinción, varias especies de flora amenazada y por lo menostres especies endémicas [Proyecto Río San Juan (2000), Plan de manejo del RefugioNacional de Vida Silvestre Corredor Biológico Fronterizo, PRSJ/AT/CBF, Costa Rica].Reserva de Biosfera Transfronteriza Corazón del Corredor Biológico Mesoamericano–Río Plátano. Los gobiernos de Honduras y Nicaragua y la Comisión Centroamericanade Ambiente y Desarrollo, con la cooperación del Fondo para el Medio AmbienteMundial (GEF) y con el Banco Mundial como agencia implementadora, ejecutan el 41
  • 42. Proyecto Reserva de Biosfera Transfronteriza Corazón del Corredor BiológicoMesoamericano, cuyo objetivo es mejorar la gestión nacional y binacional del área de lapropuesta Reserva de Biosfera Transfronteriza Corazón del Corredor BiológicoMesoamericano, respetando los derechos de los habitantes ancestrales y tradicionales(www.sica.int/busqueda/Noticias.aspx). Grupos étnicos, alcaldías y comunidadescampesinas ubicadas en las zonas de influencia de la Reserva del Hombre y BiosferaRío Plátano, Parque Nacional Patuca y Reserva Tawahka Asagni impulsan accionesorganizadas para la protección ambiental de los recursos naturales y el combate contrala pobreza en estas áreas del territorio hondureño. Estas tres regiones y la Reserva deBiosfera Bosawas de Nicaragua constituyen la Reserva Transfronteriza Corazón delCorredor Biológico Mesoamericano. Ambos países solicitaron que la Unesco declarereserva de biosfera transfronteriza la superficie que conforman las áreas protegidasmencionadas. Toda la región cubre 34,000 kilómetros cuadrados y en ella habitanpueblos indígenas ancestrales como los misquitos, tawahkas, pech, garífunas ymayangnas, además de comunidades campesinas de población ladina o mestiza.(rds.hn/index.php?documento=8856). En el interior existen varias cuencas y ríos dentroo parcialmente dentro del corazón de corredor. Uno de los protocolos que se utilizaránpara el monitoreo será el del continuo ribereño, que implica estudiar la red hídrica comoun continuo desde su cuenca alta, media y baja, hasta su desembocadura en el mar. Serecomienda hacer el monitoreo en la cuenca del río Plátano porque se encuentra en sutotalidad dentro del corazón del corredor, desemboca en el mar en un estuario de río, elárea de su cuenca es mediana y manejable y en general tiene buen estado deconservación, por lo que los resultados de su estudio serán una buena referencia de labiodiversidad en cuencas con condiciones ecológicas similares.Golfo de Fonseca, río Goascorán. La propuesta de corredor biológico en el Golfo deFonseca se hizo en 2001 y plantea como misión asegurar la conectividad de laspoblaciones, comunidades y procesos ecológicos naturales del Golfo de Fonsecamediante un proceso de planificación técnica y participación de los pobladores yautoridades nacionales y locales para lograr la conservación, el uso sostenible de losrecursos naturales, la recreación y la educación (CBM 2001b). En esta propuestatrinacional se plantean, para El Salvador, 100,984 ha de conexiones, además de las37,540 ha de áreas núcleo del SANP. El área prioritaria Golfo de Fonseca abarca unaextensión de 138,123 ha y comprende un área terrestre y una marítima. El área terrestrees de 56,802.25 ha y la marítima es de 81,320.79 ha, comprendida entre las aguasmarinas del Golfo y del océano Pacífico hasta una profundidad de 30 m. Esta área fuedefinida bajo los criterios (CBM 2001) que se mencionan a continuación. Paracomenzar, el área delimitada incluye las tres áreas naturales más importantespreviamente delimitadas y propuestas por el Sistema de Áreas Naturales Protegidas, enla zona. El área delimitada incluye regiones naturales que podrían ser estudiadas ydelimitadas como áreas de interconexión entre áreas protegidas identificadas. El áreadelimitada coincide en más de un 70% de su cobertura territorial con el sector de ElSalvador incluido dentro del Proyecto de Conservación de Ecosistemas Costeros en elGolfo de Fonseca (Progolfo) ejecutado en el área con financiamiento de la AutoridadDanesa para el Desarrollo Internacional (Danida). Este proyecto produjo una importantebase de información sobre el área a partir de un diagnóstico de recursos biofísicos,socioeconómicos e institucionales en los tres países que comparten el Golfo de Fonseca,actualizando la información hasta 1997. En el corredor biológico Golfo de Fonseca sedrena el río Goascorán, cuya cuenca es compartida por Honduras (sur del país) y ElSalvador (oriente del país). Tiene una extensión superficial de 2,345.5 km² y estáconformada por 36 subcuencas que forman parte de los departamentos de La Unión y 42
  • 43. Morazán en El Salvador y La Paz, Valle, Comayagua y Francisco Morazán enHonduras. Su desembocadura es en la bahía de Chismuyo en el Golfo de Fonseca. Lacuenca brinda electricidad y agua a ambos países; la demanda más alta es en ElSalvador. Se identificaron problemas por deforestación para uso de leña, alta demandapara consumo humano y animales domésticos (Catie, 2008). Con el apoyo de la UniónEuropea, en la cuenca se organiza un grupo gestor de la Cuenca Binacional del RíoGoascorán (Ggbcg), que es una instancia multisectorial creada para integrar, incidir ycoordinar la gestión del manejo sostenible de dicha cuenca compartida y mejorar lascondiciones de vida de los habitantes de la región. En ella, la Unión Europea ha llevadoa cabo varias labores. 43
  • 44. EXPERIENCIAS DEL MONITOREO EN LAREGIÓN CENTROAMERICANA/ANÁLISIS DE LOS INDICADORES DE PROMEBIO 44
  • 45. EXPERIENCIAS DEL MONITOREOEN LA REGIÓN CENTROAMERICANA 45
  • 46. El presente documento pretende compartir algunas de las experiencias del monitoreo debiodiversidad en los países centroamericanos con el objeto de conocer leccionesaprendidas y de que sirva como retroalimentación de los futuros esfuerzos en elmonitoreo biológico en la región. Aquí se describen de manera general los métodos,técnicas y experiencias de campo de todas las actividades en cada país y se coloca lareferencia del documento para todos aquellos interesados en consultar en busca de másinformación que permita tener en detalle dicha actividad por país. Esperamos que estainformación sea de uso y consulta para todas las personas que deseen conocer estasexperiencias.Experiencias en la Selva Maya en GuatemalaLecciones aprendidas. Una de las lecciones aprendidas en el monitoreo en la SelvaMaya es que éste debe compartirse con otras organizaciones de la región con diferentesenfoques jerárquicos de monitoreo y un enfoque de enlace de paisaje, en el que cadaárea representa un espacio entrelazado por diferentes mosaicos de bosques, actividadesagroforestales y silvopastoriles. Estas mesas de monitoreo han generado plataformas deoportunidades para darle sostenibilidad a esta actividad con monitoreos binacionales,regionales y locales.El espacio generado por medio de la mesa de monitoreo ha permitido que el sistema demonitoreo de la integridad ecológica de la RBM se discutido y analizado por los actoreslocales involucrados en el manejo de la reserva. Es un foro para presentar nuevasiniciativas de monitoreo e investigación en la RBM. Se estima que el sistema propuestode integración de indicadores provee un marco apropiado, entendible y flexible para lasíntesis de información sobre integridad ecológica en la RBM. Su virtud más importantees la posibilidad de dar a sus usuarios potenciales diferentes perspectivas de evaluación,empezando por unidades de manejo individuales.Es también necesaria la incorporación completa de indicadores evaluados en esteejercicio, pero que no fueron completamente integrados al sistema, y de otros quetengan el potencial de proveer información relevante. Esta integración ocurriráúnicamente si existe voluntad y recursos para ampliar líneas base y recolectarinformación adicional, particularmente sobre el terreno, para mejorar el enfoque, lasensibilidad y la utilidad del sistema. Es un esfuerzo que debe involucrar a todos losinteresados en aspectos de monitoreo en la RBM para lo que la mesa de monitoreo esuna plataforma de trabajo ideal a la que debe darse continuidad bajo la dirección delConap (Conap & WCS, 2008).El monitoreo biológico en HondurasLecciones aprendidas. Uno de los principales logros del programa de monitoreobiológico en Honduras entre 2000 y 2006 fue potenciar el capital humano local comoguardas y paratécnicos para la toma de datos. Aunque una de las tareas más arduas esotorgar formación a personas locales con baja educación académica se logró formartécnicos con capacidad de recolectar y reportar fidedignamente información recabada enel campo. Se creó conciencia de la importancia de la fauna como elemento fundamentalde las áreas protegidas; antes se consideraba únicamente la cobertura vegetal. Segeneraron listados de fauna (mamíferos, aves y reptiles) para las áreas protegidas. 46
  • 47. Para ciertas áreas protegidas (ej. R.V.S. Cuero y Salado y P.N. Patuca) se elaboraronmapas preliminares de distribución de algunas especies. En ese entonces se identificaronsitios de observación de diferentes especies y se confeccionaron los primeros mapas dedistribución actualizados de especies como jaguar, guara roja y oso hormiguero gigante.Se creó la línea base de muchas especies entre sitios de observación y mapas dedistribución potencial, pero sobre todo el capital humano calificado, que fue absorbidopor organizaciones de conservación en los sitios de origen de los guardas locales,contribuyendo a mejorar la calidad de vida de muchos de los 104 guardas capacitados ya incorporar personal calificado y comprometido con la conservación de las áreasprotegidas del país. Muchos llegaron a ofrendar sus vidas por este fin. Esto contribuyó aque se concretaran iniciativas como el proyecto del Corredor de Dispersión del Jaguar yotras que se concretarán próximamente, como la Estación Biológica de Mabita en RusRus, en La Mosquitia hondureña.Experiencias del Sistema de Monitoreo de la Gestión Ambiental por CuencaHidrográfica en PanamáUno de los procesos novedosos aplicados es el monitoreo ambiental, tomando comounidad la cuenca hidrográfica. A partir de estos principios, el Sistema de Monitoreo yEvaluación de la Gestión Ambiental por Cuenca Hidrográfica establece los métodos conque serán monitoreados, evaluados y controlados los objetivos estratégicos para la tomaoportuna de decisiones y la medición de la efectividad de los resultados.La metodología aplicada y los componentes del Sistema de Monitoreo y Evaluación porCuenca Hidrográfica se detallan en cuatro fases. La primera fase fue de aprendizajecolectivo y abarcó el diagnóstico organizacional, para lo que se revisó la declaración dela misión, visión estratégica, valores institucionales, competencias organizacionales,objetivos estratégicos y análisis del entorno interno y externo, entre otros componentes,empleando como referencia la Ley General del Ambiente de la República de Panamá, elorganigrama institucional, las políticas públicas de gestión ambiental, la Estrategia deGestión Ambiental para el Desarrollo Sostenible 2008-2012, los Lineamientos dePolítica de la Autoridad Nacional del Ambiente 2004–2009, la Estrategia Nacional delAmbiente (ENA) y la Gestión Ambiental para el Desarrollo Sostenible. Ello permitióafianzar el sentido de pertenencia, el compromiso por la excelencia, el trabajo en equipoy la fluidez en la comunicación, culminando en la redefinición de estos componentesorganizacionales y la generación de una nueva visión holística compartida (http:www.anam.gob.pa).Experiencias de monitoreo de lapa verde en Nicaragua y Costa RicaDesde el año 2000, la Fundación del Río y el Centro Científico Tropical en Costa Ricaempezaron un proceso de sensibilización sobre la protección de los recursos naturalesde las zonas transfronterizas (sureste de Nicaragua y noroeste de Costa Rica).Para ello se tomó como especie representativa la lapa verde (Ara ambiguus), endémicacentroamericana que, como se ha demostrado, está asociada a los bosques tropicales.Esta especie se encuentra fuertemente amenazada por empresas madereras quedestruyen el hábitat y por cazadores que la utilizan para alimentarse o venderla en losmercados nacionales e internacionales. 47
  • 48. El objetivo es promover la protección y recuperación del hábitat de la lapa verdemediante la integración de los pobladores locales en las actividades de investigación,monitoreo, educación ambiental y conservación de bosque que asegure a la especie.Investigación. Desde 2002, en las comunidades de la zona de amortiguamiento de laReserva Biológica Indio-Maíz se ha efectuado un monitoreo comunitario permanente delugares de anidación de lapas verdes y rojas.Esto ha permitido la contabilización, hasta la fecha, de 35 nidos activos de lapas (treintade Ara ambiguus y cinco de Ara macao). Se mantiene un monitoreo permanente deavistamiento; se han hecho cuatro censos binacionales simultáneos (Costa Rica-Nicaragua). Se trabaja con telemetría satelital, colocándole un collar transmisor a unindividuo con el objetivo de estudiar su rango de migración y espacios utilizados. Conel apoyo de integrantes de las comunidades (niñez, docencia, dueños de fincas yguardaparques) se labora en una base de datos sobre avistamiento de lapas en lascomunidades del municipio, lo que ha permitido obtener más de 1,500 observaciones yregistro de lapas.Educación ambiental. Se ha desarrollado una campaña de educación y sensibilizaciónambiental para promover el orgullo por la lapa verde como ave emblema del municipioEl Castillo. En esta labor se visitan las escuelas de ese municipio para promover ydivulgar la importancia ecológica y biológica de esta ave. Se han publicado tresediciones de la cartilla escolar Coloreando la lapa verde, afiches, calendarios,calcomanías, camisetas, plegables, cartillas ecológicas y cuñas radiales.A partir del año 2005 se conformó la Red Municipal de Niños y Niñas Monitores deLapas. A sus integrantes se les ha capacitado y equipado (binoculares, tabla de campo,hojas de monitoreo, camisetas, carné, broche, gorra, mochila, material didáctico) parahacer el monitoreo biológico de las lapas en sus comunidades.Radio Voz Juvenil/Fundación del Río transmiten el programa infantil de contenidoambiental Arita, la hija de la lapa verde, que promueve valores de amor, cariño yrespeto por la lapa verde y todo su entorno. El programa es transmitido todos lossábados de 9:30 a 10:30 AM. Como complemento del programa radial se desarrolla elprograma educativo Arita visita tu escuela. En éste, el personaje de Arita (disfraz delapa verde) visita once escuelas del municipio El Castillo. Las actividades abarcancharlas dinámicas e interactivas con los estudiantes, juegos y presentación de videos.Además promueve la elaboración de poemas, versos, bombas, canciones y dibujosalusivos a la lapa verde (http://www.fundaciondelrio.org/campana.php/1).Monitoreo permanente de aves en El SalvadorSe están monitoreando cinco estaciones de aves en el Parque Nacional El Imposible,Parque Nacional Los Volcanes (sector Los Andes y zona de amortiguamiento FincaNuevos Horizontes) y Parque Nacional Montecristo (bosque pino-roble y nebuloso). Endos mil horas red y doce días de campo se atraparon y liberaron 276 aves.Entre las capturas más interesantes está la de un individuo de Amaurospiza con color -semillero azul- en la estación de El Imposible (una de las especies más raras en el paísque tiene una población aislada en El Imposible), y la segunda captura de la especie 48
  • 49. migratoria Hylocichla mustelina -zorzalito maculado- en la estación de MontecristoNebuloso. Entre las recapturas más antiguas está la de un Catharus frantzii -zorzalito deFrantzius- anillado hace 69 meses en Los Andes, una Mniotilta varia -chipe trepador-anillada 47 meses atrás en Finca Nuevos Horizontes y un Trogon collaris -trogóncollarejo- anillado hace 25 meses en Montecristo Pino Roble. Este último individuodifiere de la mayoría de su especie porque tiene color anaranjado en el pecho, diferenteal rojo que presenta la mayoría de su especie.Con esta iniciativa de monitoreo permanente de aves se pretende levantar las líneas basede aves de la región y empezar procesos estratégicos de conservación de hábitats deimportancia entre áreas protegidas. 49
  • 50. ANÁLISIS DE LOS INDICADORES DE PROMEBIO 50
  • 51. Nivel de los indicadores: Especies11. Nivel biológico: especies.2. Nombre del indicador: especies en peligro extinción, presencia de especiesindicadoras y presencia de especies invasoras.3. Definición del indicador: se refiere a la cantidad de especies en peligro de extinción,presencia de especies indicadoras usadas por los países como especies bandera u objetosde conservación. Asimismo, las especies exóticas o domésticas consideradas invasorasen áreas protegidas en la región centroamericana, según el Libro rojo y listas nacionalesde la flora y la fauna de Centroamérica y México (UICN). Las tendencias de aumento odisminución del número de especies a lo largo del tiempo nos pueden dar a conocer lastendencias de distribución y abundancias de cada especie como una alarma dentro decada país.4. Justificación e importancia del indicador: el número de especies en peligro deextinción es revisado periódicamente por la UICN, de tal manera que posee un respaldoinstitucional. La información que este indicador integra se relaciona con el flujo degenes entre poblaciones y “calidad” de los ecosistemas, por lo que se hace un análisisamplio por grupo taxonómico (es decir, reptiles, aves, mamíferos, plantas, hongos, etc.)y por grupo funcional (es decir, depredadores, omnívoros, etc.).La lista roja constituye un instrumento crucial para evaluar el uso sostenible de labiodiversidad en la región. Debido a la reducción drástica que está experimentandonuestra biodiversidad, esta lista ya no está sólo en manos de la comunidad científica,sino que comprende los aportes de las comunidades locales y de los tomadores dedecisiones a diferentes niveles.5. Unidad de medida del indicador:número de especies (abundancias relativas por esfuerzo de muestreo, noches cámara).6. Fórmula del indicador: número de individuos/esfuerzo de muestreo, noches cámara.Se analizan las especies indicadoras seleccionadas por países, que se distribuyen en lasáreas protegidas de la región.Con el fin de que la información del indicador tenga alguna relevancia es importantecumplir los siguientes requisitos: a) mismo sitio de muestreo, b) misma metodología de captura/visualización de especies, c) mismo esfuerzo de captura/visualización, d) misma comunidad o grupo taxonómico, e) misma época del año, f) conocer la identificación de las especies para que cada año sea igual el proceso de identificación y su historia natural de tal manera que se pueda definir su valor de distribución.La información que se levanta corresponde al número de individuos por especie en untiempo y área dada.7. Descripción metodológica: uso de trampas cámara para la capturas de individuos yestimar poblaciones de manera relativa y de manera absoluta. El esfuerzo de muestreose mide según el número de noches que las cámaras están en campo. Se llamaestaciones a la colocación de las cámaras colocan en parejas en sitios donde la captura 51
  • 52. es por oportunidad.7.1. Proceso de cálculo general del indicador: se parte de los estudios de trampascámara hechos en los países de Centroamérica.7.2. Definición de cada variable de la fórmula: S = número de especies por esfuerzo(noches cámara).8. Limitaciones del indicador: solamente se podrán monitorear mamíferos medianos ygrandes.9. Cobertura: regional.10. Fuente de datos: estudios con trampas cámara por país en la regióncentroamericana.11. Disponibilidad de los datos: años 2000-2010.12. Forma de presentación de los datos: tablas de Excel y gráficos, curvas deacumulación.13. Periodicidad del indicador: bienal.14. Entidades responsables del indicador (CTBio proponga): UICN/ departamentosde vida silvestre por país.15. Documentación relacionada con el indicador: CCAD (1999), Libro rojo de lafauna de Centroamérica y México. Listados de preocupación especial por país.16. Bases de datos simplificadas y salida del indicador: listados, gráficos, tablas17. Observaciones: se asume que la UICN está comprometida con el Libro rojo y queseguirá actualizando la información.19. Elaborado por: Matamoros/Rivera/Portillo/Carrasco 52
  • 53. 21. Nivel biológico: especies (aves).2. Nombre del indicador: presencia de especies indicadoras.3. Definición del indicador: aplicable para especies indicadoras del grado de conservaciónde ecosistemas en la región. Al desaparecer algunas de las especies indicadoras seinterpreta que la biodiversidad en general está disminuyendo.4. Justificación e importancia del indicador: es un indicador directo de presencia oausencia de las especies seleccionadas por países que cumplan la condición deregionalidad. Existe información disponible sobre especies indicadoras en los países de laque habría que seleccionar las especies de ámbito regional.5. Unidad de medida del indicador: abundancia relativa.6. Fórmula del indicador: horas esfuerzo de monitoreo, número de individuos observados.7. Descripción metodológica: para conocer el estado de conservación de las avesindicadoras es necesario establecer las poblaciones de las diferentes especies; lasabundancias absolutas son las más recomendadas. Para esto se pueden utilizar lo que seconoce como censos de poblaciones, consistentes en crear puntos de conteo donde seestablece un protocolo para tomar datos por sitio. En cada sitio se permanecerá dos horas yse harán conteos cada 15 minutos con intervalos de 15 minutos, lo que representa 4 conteospor cada 2 horas por las mañanas, iniciando a las 5.30 am y finalizando a las 8.30 am. Cadaconteo se hará durante tres días en cada uno de los sitios seleccionados en 5 sitios. Estorepresenta 15 días de muestro. Se llenarán las hojas de los protocolos para luego servaciadas en tablas para su posterior análisis.Tipo de análisisLa toma de los datos por sitio de conteo nos permitirá ser flexibles en el análisis de losmismos, siendo los siguientes los posibles paquetes estadísticos a usar con sus resultados: Paquete estadístico Resultado Dominio: público/pagado Distance 5 Abundancias relativas y Público absolutas SPSS Estadística descriptiva, T- Pagado test, Anovas R Análisis de estadística Público descriptiva, correlaciones Chi cuadrado, T-test, análisis multivariados, análisis de componentes principales Sprecrich Abundancias relativas, Público riqueza Estimate Diversidad, riqueza, rarefacciones ArcGIS, ArcVIEW, Diva- Distribución, buffers de Pagado, público GIS. áreas hipotéticas de acción7.1. Proceso de cálculo general del indicador: se analizan las especies indicadorasseleccionadas por países, que se distribuyen en las áreas protegidas de la región.Con el fin de que la información del indicador tenga alguna relevancia es importante 53
  • 54. cumplir los siguientes requisitos: a) mismo sitio de muestreo, b) misma metodología de captura/visualización de especies/vocalización, c) mismo esfuerzo de captura/visualización/vocalización, d) misma comunidad o grupo taxonómico, e) misma época del año, f) conocer la identificación de las especies para que cada año sea igual el proceso de identificación y su historia natural de tal manera que se pueda definir su valor de distribución.La información que se levanta corresponde al número de individuos por especie en untiempo y área dada.7.2. Definición de cada variable de la fórmula: número de individuos/horas esfuerzo es elnúmero de individuos observados por periodos de tiempo según cada protocolo. Losanálisis básicos serán por abundancia relativa. Los análisis posteriores, usando paquetesestadísticos, dependerán de la habilidad y/o necesidad de información de los investigadores.8. Limitaciones del indicador: financiamiento para levantar base de datos.9. Cobertura: regional.10. Fuente de datos: grupos de ornitólogos por país, universidades, ONG con especialidaden aves.11. Disponibilidad de los datos: base de datos por país, listados oficiales de aves. Base dedatos de especies de interés especial.12. Forma de presentación de los datos: tablas de Excel o base de datos, gráficos ymapas.13. Periodicidad del indicador: bianual.14. Entidades responsables del indicador (CTBio proponga): UICN.15. Documentación relacionada con el indicador: Listados UICN. Listados de especies de preocupación especial por país. Listados de Birdlife. Listados de Partners in Flight.16. Bases de datos simplificadas y salida del indicador: listados, gráficos, mapas.17. Observaciones:18. Tipo según EPIR: Estado.19. Elaborado por: Matamoros/Rivera/ Portillo/Carrasco 54
  • 55. 31. Nivel biológico: especie.2. Nombre del indicador: presencia de especies invasoras.3. Definición del indicador: se trata de identificar las especies animales y vegetalesintroducidas en nuestro territorio, no presentes de forma natural en nuestros ecosistemas,que pueden suponer una amenaza contra la biodiversidad autóctona. La simple presencia deuna especie no supone en sí misma un hecho negativo, pero sí una potencial amenaza. Hayque considerar que en ocasiones en el pasado ciertas especies fueron introducidas yaclimatadas con éxito, por lo que puede resultar complicado evaluar el impacto real de laintroducción de estas especies, que podrían llenar huecos en ciertos nichos de especies yadesaparecidas debido a la acción humana directa.4. Justificación e importancia del indicador: la introducción de especies invasoras y ladestrucción de hábitats son dos de las principales amenazas contra la biodiversidad. Lasespecies introducidas pueden competir con una especie autóctona por un mismo nichoecológico, con el resultado final de desplazar a ésta por no disponer de enemigos naturaleso presentar un comportamiento agresivo hacia la otra. Se trata de un fenómeno difícilmenterecuperable una vez extendido y muchas veces es resultado de acciones involuntarias y derápida extensión, especialmente en el mar.5. Unidad de medida del indicador: abundancia de especies y su distribución por mediode modelación, usando variables ambientales y condiciones. Se recomienda emplearpaquetes de modelación basados en georreferenciaciones y mapas grids. Entre ellospodemos recomendar el DesktopGarp, que es de dominio público y compatible con lamayoría de sistemas de información geográfica.6. Fórmula del indicador: no aplica.7. Descripción metodológica: DesktopGarp funciona en la plataforma Intel/Windows,incluyendo Windows 98, ME, NT4, 2000 y XP. No funciona en Windows 95 ni en laprimera edición de 98. No funciona en Mac, Linux, Solaris o cualquier tipo de Unix.GARP es un algoritmo genético con el cual se crea un modelo de nicho ecológico para unaespecie que representa las condiciones ambientales donde dicha especie sería capaz demantener su población. GARP utiliza como entrada un conjunto de localidades (puntos)donde se sabe que la especie está presente y un grupo de coberturas geográficas querepresentan los parámetros ambientales que pueden limitar la capacidad de supervivenciade la especie.7.1. Proceso de cálculo general del indicador: 1. Insumos: base de datos de especies invasoras con localidades georreferenciadas. 2. Paquete estadístico. 3. Base de datos de mapas grids por país (temperatura, humedad, precipitación, cobertura). 4. Correr paquete de modelación. 5. Análisis de los mapas generados.7.2. Definición de cada variable de la fórmula:8. Limitaciones del indicador: Requiere al menos 10 datos georreferenciados. Manejo de paquetes estadísticos. Manejo de paquetes de sistemas de información geográfica.9. Cobertura: regional. 55
  • 56. 10. Fuente de datos: UICN/SIAM, listados de especies introducidas por país.11. Disponibilidad de los datos: búsqueda de información en herbarios, museos,secretarías de Estado y organizaciones ambientales.12. Forma de presentación de los datos: mapas digitales formatos raster y grid.13. Periodicidad del indicador: bianual.14. Entidades responsables del indicador (CTBio proponga): SICAP, UICN, OIT, CDB.15. Documentación relacionada con el indicador: listados de UICN.16. Bases de datos simplificadas y salida del indicador: listado de especies e informes,así como mapas de distribución.17. Observaciones: las modelaciones deberán ser interpretadas por grupos de especialistasque puedan identificar tendencias de las modelaciones y sus especies de acuerdo con labiología y ecología de la misma.18. Tipo de información: mapas grid, mapas en formato jpg.19. Elaborado por: Matamoros/Rivera/ Portillo/Carrasco 56
  • 57. NIVEL DE LOS INDICADORES: ECOSISTEMAS YECORREGIONES/FRAGMENTACIÓN 57
  • 58. En las siguientes fichas se describen los seis indicadores regionales del nivel deecosistemas y ecorregiones propuestos para Centroamérica. La siguiente figuramuestra el diagrama de flujo para la obtención de los indicadores. Diagrama de flujo para el proceso del cálculo de los indicadores de fragmentación de ecosistemas.Para obtener los valores se usan los programas de sistemas de informacióngeográficos (SIG): ArcGIS, Erdas-Imagine y Fragstats. El proceso empiezabajando y seleccionando la imagen Modis, bajando el mapa de ecosistemas de lamapoteca de la CCAD y otros mapas SIG relacionados con informacióngeográfica. Paralelamente a este documento se ha diseñado un protocolo decálculo de los indicadores. Favor referirse a éste para mayor información técnicaconcerniente a los procedimientos.Área de estudioEl área de estudio comprende los países del área centroamericana: Belice,Guatemala, El Salvador, Honduras, Nicaragua, Costa Rica y Panamá. Cada paíscalcula los indicadores, dependiendo de las necesidades de información y laexperiencia de los encargados de calcular los indicadores. 58
  • 59. MetodologíaLa metodología consiste, en forma general, en efectuar un análisis de la coberturay el uso de la tierra para el área centroamericana y la manipulación en un SIG: deun mapa de CA, mapa de áreas protegidas y mapa de ecosistemas. En todos seobtienen sus respectivas medidas de fragmentación que incluyen los siguientesindicadores: 1. Superficie cubierta en la región por tipo de ecosistemas. 2. Superficie de áreas protegidas gubernamentales y privadas declaradas. 3. Área de cobertura boscosa. 4. Tamaño de fragmentos por tipo de ecosistema. 5. Forma de los fragmentos (longitud del borde) por tipo de ecosistema. 6. Distancia entre fragmentos por tipo de ecosistema. 59
  • 60. Indicador 11. Nivel biológico: ecosistemas.2. Nombre del indicador: superficie cubierta en la región por tipo deecosistemas (área).3. Definición del indicador: se refiere al área de ciertos ecosistemas en lospaíses de la región. Los ecosistemas escogidos se basan en el mapa deecosistemas (2004) generado por los países de la región, el cual usa la siguientesimbología. Las clases representan los ecosistemas más representativos de laregión.4. Justificación e importancia del indicador: la disminución de la superficiede ciertos ecosistemas conllevaría directamente a una pérdida en labiodiversidad de sus componentes y a su propio peligro como entidadsupraespecífica. Este indicador complementa la información incluida en losindicadores de fragmentación de espacios naturales, así como el de especies, demanera que se abarcan todos los componentes del medio, no sóloexclusivamente biológicos, sino también sistémicos relacionados. Elecosistema es considerado objeto de protección y conservación en múltiplesherramientas de ordenación. Bajo la Clasificación Centroamericana Unesco, unecosistema es definido como una unidad relativamente homogénea(distinguible a nuestra escala de 1:250,000) de organismos, procesosecológicos y elementos geofísicos como suelo, clima y régimen de aguas, queinteractúan entre sí. Un ecosistema se define primordialmente por la aparienciafísica y estructura (fisonomía) de su especie dominante de planta y también porsus procesos ecológicos dominantes, como fuego, inundaciones y pastoreo(Vreugdenhil et al., 2002).5. Unidad de medida del indicador: km2.6. Fórmula del indicador: el indicador es la sumatoria en km2 de todos losecosistemas de la región o país y se denota por la siguiente fórmula: SER = ΣEEi … EEn. 7. Descripción metodológica: para el cálculo de este indicador hay queestablecer a priori los ecosistemas que se tendrán en cuenta, ya que esteindicador comprende ecosistemas boscosos y no boscosos. Es importante tenera disposición el mapa de ecosistema actualizado obtenido de la mapoteca de laCCAD (http://www.ccad.ws/mapas/mapoteca.htm del sitio web SIAM) o de laentidad correspondiente por país.La información deberá ser procesada y analizada con la ayuda de Sistemas deInformación Geográfica. El mapa de abajo muestra los diferentes ecosistemasencontrados en el istmo centroamericano: 60
  • 61. 7.1. Proceso de cálculo general del indicador: el cálculo se hace partiendodel mapa de ecosistemas en el nivel centroamericano o de país o región, segúnel criterio de cada país. Posteriormente se calcula la extensión de cada polígonocorrespondiente a cada tipo de ecosistema utilizando ArcGIS, se hace lasumatoria de cada uno de ellos por tipo, así como una sumatoria total final.Cada país calcula la cobertura de sus propios ecosistemas, haciendo unaselección en ArcGIS de los ecosistemas de cada país. La siguiente figuramuestra el mapa de ecosistemas de Nicaragua, así como la correspondientetabla de atributos (desplegada): 61
  • 62. Se crea el archivo para cada país, con el país seleccionado en la tabla deatributos. Se seleccionan los ecosistemas de cada país en la tabla de atributos yluego se crea un archivo sólo para los ecosistemas de Nicaragua, en este caso.En la tabla de atributos se ordenan los ecosistemas por nombre (ya sea enforma ascendente o descendente) y luego la tabla se exporta como un archivo.dbf, que se puede abrir y guardar en Excel.En Excel se hacen las sumatorias por tipo de ecosistema. Esto dará comoresultado las estadísticas correspondientes al área de los tipos de ecosistemaslistados en la simbología, en este caso de Nicaragua. La sumatoria de lassuperficies por ecosistemas se usará como valor de este indicador.Si es necesario se convierte de mapa vector a raster usando la función Polygonto raster. Se crea el raster file y luego este se procesa con la función Zonalstatistical as table de Spatial analysis tool para obtener unas estadísticasmás detalladas. Esto da las medidas de paisaje de los polígonos de losecosistemas. Se pueden establecer estas medidas para efectos de comparaciónposterior. 62
  • 63. 7.2. Definición de cada variable de la fórmula:SER: superficie del ecosistema en la región.EE: extensión de los fragmentos del ecosistema en la región.i: fragmenton: total de fragmentos8. Limitaciones del indicador: es importante mencionar que el mapa de ecosistemaspuede en algunas ocasiones definirse como un mapa hipotético, más predictivo quedescriptivo, que en otras palabras demuestra la que podría ser la ubicación real dedeterminado tipo de ecosistema.Entonces tiene que saberse con anticipación si éste es ese tipo de mapa o si se estátrabajando sobre un mapa basado en la ubicación real de los ecosistemas. Definidoen estos términos, se considera que un ecosistema es una aproximación de unacomunidad relativamente homogénea y única de especies que permite el uso denuestros datos para aproximar la información que pudiera recogerse a partir deinventarios globales de fauna y flora (Vreugdenhil et al., 2002).9. Cobertura: regional.10. Fuente de datos: los mapas de ecosistemas de la región para identificar los tiposde ecosistemas se pueden obtener de la mapoteca de la CCAD:http://www.ccad.ws/mapas/mapoteca.htm del sitio web SIAM o referirse al CorredorBiológico Mesoamericano: http://www.biomeso.net/.11. Disponibilidad de los datos: línea base del mapa de ecosistemas (2004). Estemapa es el esfuerzo más completo que se ha hecho en Centroamérica. El mapa fueelaborado en 2002 y actualizado por la CCAD y el Banco Mundial con lacolaboración de los Ministerios de Ambiente e institutos geográficos de la región. Elmapa fue publicado en agosto de 2004.Las citas son:El documento:Vreugdenhil, Daan., Jan Meerman, Alain Meyart, Luis Diego Gómez y Douglas J.Graham (2002), Map of ecosystems of Central America: final report, World Bank,Washington DC.Mapa de ecosistemas de Centroamérica:World Bank y CCAD (2000), Ecosystems of Central America (ArcView map files at1:250,000), World Institute for Conservation and Environment (WICE) y CentroAgronómico de Investigación y Enseñanza (Catie), Washington DC(http://www.worldbank.org/ca-env).12. Forma de presentación de los datos: tablas de Excel y mapas.13. Periodicidad del indicador: bienal.14. Entidad responsable del indicador: SIAM.15. Documentación relacionada con el indicador:Mapa de ecosistemas de Centroamérica:World Bank y CCAD (2000), Ecosystems of Central America (ArcView map files at1:250,000), World Institute for Conservation and Environment (WICE) y CentroAgronómico de Investigación y Enseñanza (Catie), Washington DC(http://www.worldbank.org/ca-env). 63
  • 64. 16. Bases de datos simplificadas y salida del indicador: mapas y gráficos.17. Observaciones:18. Tipo según EPIR: Estado.19. Elaborado por: Samuel Rivera. 64
  • 65. Indicador 21. Nivel biológico: ecosistemas y ecorregiones.2. Nombre del indicador: superficie de áreas protegidas gubernamentales y privadasdeclaradas, terrestres y marino costeras (bajo régimen legal).3. Definición del indicador: se refiere al área en este concepto de manejo existente enlos países de la región.4. Justificación e importancia del indicador: su disminución conllevaría directamentea una pérdida en la biodiversidad.5. Unidad de medida del indicador: área expresada en porcentaje del total (%).6. Fórmula del indicador: área bajo protección (%) = área del país (km2) (SAPCA = ΣSAPi,n, sumatoria de las áreas protegidas en km2) x 100/ área total del país.El siguiente ejemplo muestra la tabla de atributos del mapa de áreas protegidas deHonduras:7. Descripción metodológica: del sitio oficial de la CCAD se toma el mapa de áreasprotegidas por país (ver figura abajo). Estas áreas deben incluir las áreas protegidasgubernamentales y privadas declaradas, terrestres y marino-costeras que se encuentranbajo régimen legal.Una vez obtenido el shape file, se exporta la tabla la medición como una tabla dbf queluego se puede abrir en Excel y hacer los cálculos de áreas. 65
  • 66. Si es necesario se convierte de mapa vector a raster usando la función Polygon toraster. Se crea el raster file y luego éste se procesa con la función Zonal statistical astable de Spatial analysis tool para obtener estadísticas más detalladas. Esto da lasmedidas de paisaje de los polígonos de los ecosistemas. Se pueden establecer estasmedidas para efectos de comparación posterior.7.1. Proceso de cálculo general del indicador: el cálculo se efectúa partiendo de losdatos oficiales de la CCAD o de cada Ministerio de Ambiente de cada país, que tienenen cuenta los registros de solicitudes oficializadas por los Ministerios del Ambiente delos países de la región: http://www.ccad.ws/mapas/mapoteca.htm del sitio web SIAM oreferirse al Corredor Biológico Mesoamericano: http://www.biomeso.net/.Se suman las áreas protegidas por categorías, así como las reservas privadas protegidas,resaltando las modificaciones entre los momentos de monitoreo. Los resultados sedeben expresar también en términos de porcentaje.7.2. Definición de cada variable de la fórmula:SAPCA: superficie de áreas protegidas gubernamentales y privadas en Centroamérica.SAP: superficie de área protegida.i: identificación de área protegida gubernamental y privada.n: total de áreas protegidas medidas en la muestra de la región.8. Limitaciones del indicador: los datos varían según la tecnología utilizada en losprocesos de digitalización y en la interpretación de los decretos sobre los límitesestablecidos.La declaración de áreas protegidas no significa que los sistemas contenidos representena ecosistemas naturales. Cada país tiene definiciones diferentes para el manejo de lasáreas protegidas; algunas con presencia humana, manteniendo actividades de ganadería 66
  • 67. y agricultura.Es importante mencionar que algunas veces cuando existen áreas costeras o marinas,estén o no estén dentro del área continental o territorial, entonces esta área es mayorque el área territorial o terrestre de cada país. Por ejemplo, Honduras tiene aprox.114,000 kilómetros cuadrados de extensión territorial, pero éstos no incluyen losarrecifes de coral que se encuentran sumergidos ni otros ecosistemas marinos.9. Cobertura: regional.10. Fuente de datos: CCAD, SIAM y SICAP.11. Disponibilidad de los datos: no hay datos disponibles por el momento. Esimportante el levantamiento de una línea base de información.Mapoteca de la CCAD: http://www.ccad.ws/mapas/mapoteca.htm del sitio web SIAMo referirse al Corredor Biológico Mesoamericano: http://www.biomeso.net/.12. Forma de presentación de los datos: el área de las áreas protegidas se muestra enhojas Excel a través del tiempo y en gráficos que ilustran los cambios.Se encuentran en formato digital e impreso.13. Periodicidad del indicador: bienal.14. Entidad responsables del indicador:Sistema Centroamericano de Áreas Protegidas (Sicap).15. Documentación relacionada con el indicador: mapas, decretos y leyes deáreas protegidas.Sistema Centroamericano de Áreas Protegidas (2003), “Un entorno para conservar ladiversidad biológica”, Informe regional 2003: avance en el cumplimiento del Conveniosobre la Diversidad Biológica, Guatemala, febrero de 2003.16. Bases de datos simplificadas y salida del indicador: listado de áreas protegidas ysu extensión.17. Observaciones: es importante mencionar que algunas veces cuando existen áreascosteras o marinas, están no están dentro del área continental o territorial, entonces estaárea es mayor que el área territorial o terrestre de cada país.18. Tipo según EPIR: Estado.19. Elaborado por: Samuel Rivera. 67
  • 68. Indicador 31. Nivel biológico: ecosistemas y ecorregiones.2. Nombre del indicador: área de cobertura boscosa.3. Definición del indicador: se refiere al área de cobertura de bosque natural en la región.4. Justificación e importancia del indicador: hay una relación directa entre la disminución de lacobertura de bosque y la pérdida de biodiversidad. Centroamérica tiene la segunda tasa mundial dedeforestación (Eggen-McIntosh et al., 1994). Casi todos los países de Centroamérica estánclasificados con una amenaza alta de perder sus recursos boscosos (Honduras, Nicaragua y Belice),mientras que otros no cuentan con una evaluación exacta de la pérdida de sus recursos (Guatemalay El Salvador) (Global Forest Watch, 2010, http://www.globalforestwatch.org/). El monitoreoapropiado es un paso importante para determinar cuánto recurso bosque debe ser manejado yconservado. Los acercamientos de la teledetección para determinar y supervisar recursosproporcionan los medios rentables por los cuales los inventarios del bosque y la supervisión de lautilización del suelo puedan ser alcanzados.5. Unidad de medida del indicador: área en km2.6. Fórmula del indicador: SEBR = Σ EEBRi = [(ΣEEB1) + (ΣEEB2)+ ... (ΣEEBn)] 68
  • 69. 7. Descripción metodológica: en el proceso del cálculo de la cobertura boscosa, cada país puedeutilizar el medio que estime conveniente. En este indicador recomendaremos tres diferentesmétodos para la calificación de una imagen Modis. Todos estos métodos son apropiados; sólo hayque tomar en cuenta que si se utilizan como línea base, siempre se debe utilizar el mismo método, alos dos años, para que las áreas puedan ser comparables y se pueda estimar si existe un aumento ouna disminución del área de bosque. Cada método tiene sus ventajas y desventajas, dependiendo dela experiencia de cada país o institución encargada de hacer el monitoreo. La siguiente figuramuestra una imagen Modis clasificada, con las áreas boscosas en verde:Los métodos son explicados ampliamente en un manual adjunto a estas fichas, pero se hace unresumen a continuación:1. Una clasificación no supervisada de una imagen Modis tomada de enero a marzode 2010 constituye el primer método. La clasificación no supervisada debe ser de siete clases,en un proceso automático de Erdas-Imagine llamado Isodata. Esta imagen de ser bajada,georreferenciada y almacenada en al menos 7 bandas usando la función Layer stack. Una vezclasificada en siete clases, las clases deben ser agrupadas usando la experiencia del analistapara dejar dos clases: bosque y no-bosque. El mapa que se obtendrá debe semejarse alsiguiente: 69
  • 70. 2. El segundo método consiste en bajar una imagen que contenga un productoModis, que puede ser el Índice Mejorado de la Vegetación (EVI, por su sigla en inglés) -izquierda- o el Índice Normalizado de Diferenciación de la Vegetación (NDVI, por su sigla eninglés) –derecha-. Ambos índices son obtenidos mediante una combinación de bandasespectrales que denotan o resaltan el verdor o el contenido de clorofila de la vegetación. Losmapas de abajo muestran el verdor de la vegetación por medio de ambos índices en Honduras,El Salvador y parte de Nicaragua y Belice. El analista puede comparar cuál de los índicespodría representar una mejor opción, siempre tomando en cuenta que será la cobertura quedeberá usar para hacer comparaciones. Es importante mencionar que en estos índices hay queestablecer el valor que divide la vegetación baja o arbustiva de la leñosa, que caracteriza losbosques. 70
  • 71. 3. El tercer método será tomar la imagen cruda de Modis y efectuar unaclasificación supervisada usando los algoritmos de Erdas. La imagen abajo muestra las áreasen verde como las áreas de vegetación. Éste es el método más exacto, pero el más costosoporque necesita tomar bastantes muestras de campo con el fin de entrenar al software para que“busque” las áreas de bosque y no-bosque, basado en muestras espectrales previamenteidentificadas. El mapa de abajo muestra una clasificación supervisada de Honduras, obtenida através de muestras asignadas. Los países que cuentan con suficientes muestras espectrales(también llamadas áreas de entrenamiento) pueden optar por este método. 71
  • 72. 7.1. Proceso de cálculo general del indicador: el cálculo se hace partiendo de imágenes satelitalesen las que se identifican las formaciones boscosas mediante uno de los tres tipos de clasificacionesdescritas anteriormente.Posteriormente se calcula la extensión de cada polígono correspondiente a cada parche de bosqueutilizando la tabla de atributos de ArcGIS. Esta tabla se puede exportar como un archivo dbf y sepuede leer en Excel y hacer los cálculos. También si se quieren tener estadísticas más completas sepuede utilizar la función de Spatial analyst denominada Zonal statistics as table.7.2. Definición de cada variable de la fórmula:SEBR: superficie de los parches de bosque existentes en la región.EEBR: número de los parches ecosistema meta existentes en la región.i: identificación de los parches 1 hasta n. 72
  • 73. n: total de parches medidos en la muestra de la región.EEB1: extensión del parche de bosque.En la tabla de atributos se puede exportar a un archivo dbf, que posteriormente puede serabierto en Excel para hacerlos cálculos de áreas y establecer el número de polígonos. Paratener estadísticas más completas se puede utilizar la función de Spatial analyst de Zonalstatistic as table. Ver la siguiente figura:8. Limitaciones del indicador: la sumatoria de parches brinda una cifra que será interpretadacomo proporcional al comportamiento de la biodiversidad en la región. Es importante recordar queel tamaño de los parches determina la viabilidad de las poblaciones presentes; en consecuencia,para que las poblaciones presentes en parches pequeños sobrevivan deberán encontrarse adistancias con otros parches franqueables para mantener un flujo genético suficiente que mantengaa las especies.Se recomienda que la interpretación de este indicador se lleve a cabo junto con los indicadores detamaño (ficha 7), forma (ficha 8) y distancia (ficha 9) entre los parches.El analista puede comparar cuál de las clasificaciones propuestas podría representar una mejoropción, siempre tomando en cuenta que será la misma clasificación que deberá usar para hacercomparaciones, manteniendo el principio de que sólo se pueden comparar “manzanas conmanzanas y naranjas con naranjas”.9. Cobertura: regional.10. Fuente de datos: imágenes de satélite (Modis) de la región.11. Disponibilidad de los datos:Mapoteca de la CCAD: http://www.ccad.ws/mapas/mapoteca.htm, sitio web SIAM.Google localiza el USGS Global Visualization Viewer: http://glovis.usgs.gov/.12. Forma de presentación de los datos: tablas de Excel y mapas.13. Periodicidad del indicador: quinquenal.14. Entidad responsable del indicador: SIAM.15. Documentación relacionada con el indicador:Mapa de ecosistemas y cobertura boscosa de Centroamérica.Eggen-McIntosh, S. K. B. Lannon y D. M. Jacobs (1994), Mapping distributions of Central Americaand Mexico, USDA-USFS, Southern Experiment Station, New Orleans, Lousiana, USA. Proceeding 73
  • 74. reprint.Forest Watch (2010), http://www.globalforestwatch.org/.FAO (2005), Forest resources assessment, FAO, Roma, Italia.Unesco (1973), International Classification and Mapping of Vegetation, United Nations.Congalton, R. y K. Green (1999), Assessing the accuracy of remotely sensed data: principles andpractices, Lewis Publishers, New York.Foody, G. (2002), “Status of land-cover classification accuracy assessment”, Remote sensing ofenvironment, 80:185-201.McGarigal, K.; S. A. Cushman; M. C. Neel y E. Ene (2002), Fragstats: spatial pattern analysisprogram for categorical maps. Computer software program produced by the authors at theUniversity of Massachusetts, Amherst. Disponible en este web site:www.umass.edu/landeco/research/fragstats/fragstats.html.Poiani, K. A.; B. D. Richter; M. G. Anderson y H. E. Richter (2000), “Biodiversity conservation atmultiple scales: functional sites, landscapes and networks”, Bioscience, 50: 133-146.16. Bases de datos simplificadas y salida del indicador: mapas y gráficos.17. Observaciones:18. Tipo según EPIR: Estado.19. Elaborado por: Samuel Rivera. 74
  • 75. Indicador 41. Nivel biológico: ecosistemas y ecorregiones.2. Nombre del indicador: tamaño de parches del ecosistema meta.3. Definición del indicador: se refiere a los parches originados por la fragmentación de unecosistema originalmente continuo dentro del ámbito de una matriz. También se refiere aporciones de ecosistemas naturales rodeados de sistemas productivos, creando un “potencial”aislamiento entre una porción de ecosistema natural y otro. Se dice con ello que un ecosistema seencuentra fragmentado. Es importante agregar que en la medida que aumenta la fragmentación,disminuye la conectividad y con ello se reduce el flujo genético.4. Justificación e importancia del indicador: este índice es complementario de los indicadoresde cobertura de bosque, ya que permite determinar el dato del tamaño de los parches de losecosistemas en la región. Es sabido que hay una relación directa entre la disminución del tamañode los parches y la pérdida de biodiversidad, lo que se aprecia sobre todo en especies de mamíferosgrandes y aves. La mayoría de los paisajes altamente fragmentados son producto del desarrollo delas actividades humanas. La siguiente figura explica de manera sencilla cómo el fraccionamiento del paisaje afecta lamovilización y distribución de especies animales y vegetales.La configuración del paisaje puede tener un efecto muy grande en las diferentes especies deanimales y plantas que se encuentran en la zona.Revisiones de los efectos de la fragmentación sobre la biodiversidad pueden encontrarse enForman (1994), Saunders et al. (1991) y Turner (1996) o en la bibliografía citada en esta fichametodológica. 75
  • 76. 5. Unidad de medida del indicador: km2 o ha.6. Fórmula del indicador: Ā = ΣAPi /n.7. Descripción metodológica: es importante tener a disposición un mapa de áreas de bosqueobtenido de imágenes satelitales recientes de la región que servirán de base para hacer lasmediciones. La información deberá ser procesada y analizada con la ayuda de sistemas deinformación geográfica.Como primer paso se separa el ecosistema meta: bosques siempreverdes y semisiempreverdes delatifoliadas (en verde), presente en toda la región centroamericana, muy susceptible y fácilmenteidentificable cuando se cambia su cobertura. Esta separación del ecosistema se hace en ArcGISusando la función Select de la tabla de atributos y creando el shape file a partir de esta selección.El resultado se muestra en el siguiente mapa:Ya sea para cada país o para toda la región, calcularemos las medidas de paisaje del área de bosqueque ocupa las áreas delimitadas por los ecosistemas meta; en este caso hemos escogido bosquessiempreverdes y semisiempreverdes de latifoliadas. Este traslape del mapa de bosque de CA y elmapa del ecosistema meta lo logramos con las herramientas Combine o Merge del Spatialanalyst de ArcGIS. Como resultado obtenemos un mapa que muestra las áreas de bosque queestán dentro de las áreas delimitadas por el ecosistema meta. Queda a criterio de cada país si quiereusar el ecosistema meta o un área protegida importante como área de cálculo de los indicadores delas medidas de paisaje.El cálculo de este indicador: distancia entre fragmentos por tipo de ecosistema meta requiere el usodel programa computacional Fragstats. El análisis de los patrones de fragmentación del paisaje se 76
  • 77. lleva a cabo por medio del cálculo de índices de fragmentación, utilizando el programa Fragstats(McGarigal y Marks, 1994) y programas desarrollados en ArcGIS. El paisaje se considera unmosaico de elementos o parches.Los índices describen la fragmentación del paisaje caracterizando cada parche (su tamaño. forma,aislamiento) y la totalidad del paisaje (proporción y arreglo espacial de los elementos que locomponen).El Programa Fragstats funciona como un apéndice de ArcGIS. Y se baja en forma gratuita delsiguiente sitio web (http://www.umass.edu/landeco/research/fragstats/fragstats.html):Se procede a la instalación del programa Fragstats y luego se necesita tener instalado el programaErdas ArcGIS para correrlo. Se instala el archivo descomprimido al seleccionar el archivo setup.exe localizado en C:/Program files/ArcGIS/Bin. Se corre al seleccionar el archivo Fragstat.exe.Se obtiene una pantalla como la siguiente: 77
  • 78. En una pantalla similar a ésta se indicarán el tipo de archivo que se correrá y los parámetros desalida:7.1. Proceso de cálculo general del indicador: el cálculo se hace partiendo de imágenessatelitales en las que se determinan los fragmentos y se definen como polígonos cubiertos de 78
  • 79. bosque por separación de colores. Posteriormente se calcula el área de cada polígono utilizando elsoftware adecuado para tal efecto, de manera que pueda monitorearse el aumento o la disminucióndel tamaño promedio de los parches presentes en Centroamérica.La cuantificación de la configuración de parche en el paisaje es necesaria para la base del análisis yla comprensión de la ecología del paisaje. Se trata de cuantificar parches individuales, clases otodo el paisaje para evaluar la continuidad, contigüidad o fragmentación de los elementos delpaisaje.En este estudio usaremos únicamente las medidas de los parches de bosque dentro del ecosistemameta. Las medidas de parches por obtener se describe a continuación:• Zona• Densidad de parches• Tamaño del parche• Variabilidad del borde• Forma• Núcleo zona• Vecino más cercano• Diversidad• Contagio y entremezclado.La siguiente figura muestra el archivo de salida de Fragstats: FocalPatch ExtensionFragstats • Patch metrics (image from Fragstats manual)Phil Hurvitz 2002 17Para este indicador usaremos el LSIM (índice de similaridad de paisaje), definido por la siguientefórmula: 79
  • 80. “a” es la sumatoria de todos los parches de bosque dentro del ecosistema meta. “A” es el área totaldel ecosistema meta. Para cada tipo de parche o area boscosa dentro del ecosistema meta, el LSIMes la proporción (porcentaje) del bosque dentro de ese ecosistema meta. Es un indicador delpredominio relativo del área cubierta de bosque dentro de esa área mayor que es el ecosistemameta. El Fragstats lo calcula automáticamente y los muestra como LSIM.7.2. Definición de cada variable de la fórmula: para este indicador usaremos el LSIM (índice desimilaridad de paisaje), definido por la sumatoria de todos los parches de bosque dentro delecosistema meta. Para cada tipo de parche o área boscosa dentro del ecosistema meta, el LSIM esla proporción (porcentaje) del bosque dentro de ese ecosistema meta. Es un indicador delpredominio relativo del área cubierta de bosque dentro de esa área mayor que es el ecosistemameta.8. Limitaciones del indicador: la interpretación del indicador es general. En la medida que elpromedio del tamaño de los parches disminuya, deberá entenderse que hay un peligro inminente dedisminución en la biodiversidad general de la región.9. Cobertura: regional.10. Fuente de datos: SIAM.11. Disponibilidad de los datos: no hay datos disponibles al momento. Es importante ellevantamiento de una línea base de información.12. Forma de presentación de los datos: tablas de Excel y mapas.13. Periodicidad del indicador: quinquenal.14. Entidad responsable del indicador (CTBio proponga): SIAM.15. Documentación relacionada con el indicador: Mapa de ecosistemas de Centroamérica.El documento:Vreugdenhil, Daan.; Jan Meerman; Alain Meyart; Luis Diego Gomez y Douglas J. Graham (2002),Map of ecosystems of Central America: final report, World Bank, Washington DC.Mapa de ecosistemas de Centroamérica. World Bank y CCAD (2000), Ecosystems of CentralAmerica (ArcView map files at 1:250,000). World Institute for Conservation and Environment(WICE) y Centro Agronómico de Investigación y Enseñanza (Catie), Washington DC,(http://www.worldbank.org/ca-env). Bibliografía sobre fragmentación:Burkey, T. V. (1993), “Edge effects in seed and egg predation at two neotropical rainforest sites”,Biological Conservation, no. 66, pp. 139-143.Didham, R. K. (1997), “The influence of edge effects and forest fragmentation on leaf litterinvertebrates in central Amazonia”, en Laurance, W. F. y R. O. Bierregaard Jr. (editores), Tropicalforest remnants-ecology, management and conservation of fragmented communities, TheUniversity of Chicago Press, pp. 55-70. 80
  • 81. MacArthur, R. H. y E. O. Wilson (1967), The theory of island biogeography, Princeton UniversityPress, Princeton.Lauga J., J. J. (1992), “Modeling the effects of forest fragmentation on certain species of forestbreeding birds”, Landscape Ecology, no. 6, pp. 183-193.Mclntyre. N. E. (1995), “Effects of forest patch size on avian diversity”, Landscape Ecology, vol.10, no. 2, pp. 85-99.McGarigal, K.; S. A. Cushman; M. C. Neel y E. Ene (2002), Fragstats: spatial pattern analysisprogram for categorical maps. Computer software program produced by the authors at theUniversity of Massachusetts, Amherst, disponible en el web sitewww.umass.edu/landeco/research/fragstats/fragstats.html.Mas, Jean-Francois y Jorge Correa Sandoval (2000), “Análisis de la fragmentación del paisaje enel área protegida ‘Los Petenes’”, Boletín del Instituto de Geografía, Campeche, México,Investigaciones Geográficas UNAM, 43, pp. 42-59.16. Bases de datos simplificadas y salida del indicador: mapas y gráficos.17. Observaciones:18. Tipo según EPIR: Estado.19. Elaborado por: Samuel Rivera. 81
  • 82. Indicador 51. Nivel biológico: ecosistemas y ecorregiones.2. Nombre del indicador: forma de los parches (longitud del borde) del ecosistema meta.3. Definición del indicador: se refiere a la forma de los parches originados por lafragmentación de un ecosistema originalmente continuo dentro del ámbito de una matriz.Al aumentar la irregularidad de los parches aumentan las características propicias deespecies colonizadoras y por ende disminuye la cantidad de espacio disponible para lasespecies “originales” del parche. Conforme aumenta el indicador, disminuye labiodiversidad.4. Justificación e importancia del indicador: Este indicador está relacionado con elindicador “tamaño de parches” y “cobertura boscosa”, ya que según varios autores la formade los parches determina el tipo de biodiversidad que éstos albergan.5. Unidad de medida del indicador: factor de 1 a 2.6. Fórmula del indicador: el segundo índice es la dimensión fractal (DF).Originalmente,ésta describe una relación invariable en la escala de observación entre el perímetro y lasuperficie de un objeto como lo indica la ecuación de abajo (Mandelbrot, 1977). Donde IF= dimensión fractal, PT = perímetro y A = superficie.Gráficamente, In(K) se determina como la ordenada al origen entre la pendiente de laregresión, es decir, el valor de In(PT) cuando In(A) es igual a cero. En el algoritmoutilizado por el programa Fragstats se considera que K = 1, es decir, que In (K) = O(ecuación 4). La dimensión fractal toma valores entre 1 y 2. Valores cercanos a uno indicanformas geométricas sencillas. Los valores se acercan a 2 conforme las formas se vuelvenmás complejas.La longitud total del borde existente en todos los parches contra el área que representan enreferencia al área de un círculo estándar supone que la forma óptima que alberga lasespecies del ecosistema “original” es el círculo.IF = PT / (2 √ π * A)Dimensión fractal (FRACT)Este índice indica la convolución de la forma de cada parche y se localiza entre1 < =FRACT <=2.Valores de 1 para las formas simples (círculo, cuadrado) y valores de 2 para formasaltamente complicados o con un perímetro con muchas vueltas. 82
  • 83. 7. Descripción metodológica: como primer paso se separa el ecosistema meta: bosquessiempreverdes y semisiempreverdes de latifoliadas (en verde), presente en toda la regióncentroamericana y muy susceptible y fácilmente identificable cuando se cambia sucobertura. Esta separación del ecosistema se hace en ArcGIS usando la función Select dela tabla de atributos y creando el shape file a partir de esta selección. El resultado semuestra en el siguiente mapa de Costa Rica, donde se separaron todas las áreas que cubre elecosistema meta:Ya sea para cada país o para toda la región, calcularemos las medidas de paisaje del área debosque que ocupa las áreas delimitadas por los ecosistemas meta; en este caso hemosescogido bosques siempreverdes y semisiempreverdes de latifoliadas. Este traslape delmapa de bosque de CA y el mapa del ecosistema meta lo logramos con las herramientasCombine o Merge del Spatial analyst de ArcGIS. Como resultado obtenemos un mapaque muestra las áreas de bosque que están dentro de las áreas delimitadas por el ecosistemameta. Queda a criterio de cada país si quieren usar el ecosistema meta o un área protegidaimportante como área de cálculo de los indicadores de las medidas de paisaje.El cálculo de la 2. Forma de los fragmentos (longitud del borde) por tipo de ecosistemameta requiere el uso del programa computacional Fragstats. El programa Fragstats funcionacomo un apéndice de ArcGIS y se baja gratuitamente del sitio webhttp://www.umass.edu/landeco/research/fragstats/fragstats.html.7.1. Proceso de cálculo general del indicador: el cálculo se hace partiendo del mapa debosque traslapado con el mapa de ecosistemas. El cálculo del índice lo hace directamenteen el output de Fragstats, como se muestra a continuación: 83
  • 84. FocalPatch ExtensionFragstats • Patch metrics (image from Fragstats manual)Phil Hurvitz 2002 17Dimensión fractal (FRACT).Este índice indica la convolución de la forma de cada parche y se localiza entre1 < =FRACT <=2.Valores de 1 para las formas simples (círculo, cuadrado) y valores de 2 para formasaltamente complicados o con un perímetro con muchas vueltas. El programa Fragstats localcula automáticamente.7.2. Definición de cada variable de la fórmula:IF: índice de forma fractal:IF = PT / (2 √ π * A).PT: perímetro total (incluyendo perímetros internos).A: área total de parches en la región.π: letra griega pi: 3.1416 ó 22/7.8. Limitaciones del indicador: la dimensión fractal presenta un sesgo con la superficie. Ladimensión fractal es la medición a diferentes escalas basada en el concepto de la similitud através de las mismas. Los parches de diferentes tamaños observados a una sola escala seutilizan para substituir los cambios de escala. La constante K debe determinarse por unobjeto fractal (observado a diferentes escalas) y no para una mezcla de formas diferentes,como en el caso de los parches de un paisaje (Frohn, 1998). 84
  • 85. 9. Cobertura: regional.10. Fuente de datos: (CTBio proponga): SIAM.11. Disponibilidad de los datos: no hay datos disponibles al momento. Es importante ellevantamiento de una línea base de información.12. Forma de presentación de los datos: tablas de Excel y gráficos de cambio.13. Periodicidad del indicador: quinquenal.14. Entidad responsable del indicador: SIAM.15. Documentación relacionada con el indicador: mapa de ecosistemas de Centroamérica.El documento:Vreugdenhil, Daan.; Jan Meerman; Alain Meyart; Luis Diego Gómez y Douglas J. Graham(2002), Map of ecosystems of Central America: final report, World Bank, Washington DC.Mapa de Ecosistemas de Centroamérica, World Bank y CCAD (2000), Ecosystems ofCentral America (ArcView map files at 1:250,000). World Institute for Conservation andEnvironment (WICE) y Centro Agronómico de Investigación y Enseñanza (Catie),Washington DC (http://www.worldbank.org/ca-env). Bibliografía sobre fragmentación.Burkey, T. V. (1993), “Edge effects in seed and egg predation at two neotropical rainforestsites”, Biological Conservation, no. 66, pp. 139-143.Didham, R. K. (1997), “The influence of edge effects and forest fragmentation on leaf litterinvertebrates in central Amazonia” en Laurance, W. F. y R. O. Bierregaard Jr. (ed.),Tropical forest remnants-ecology, management and conservation of fragmentedcommunities, The University of Chicago Press, pp. 55-70.MacArthur, R. H. y E. O. Wilson (1967), The theory of island biogeography, PrincetonUniversity Press, Princeton.Lauga J., J. J. (1992), “Modeling the effects of forest fragmentation on certain species offorest breeding birds”, Landscape Ecology, no. 6, pp. 183-193.Mclntyre. N. E. (1995), “Effects of forest patch size on avian diversity”, LandscapeEcology, vol. 10, no. 2, pp. 85-99.McGarigal, K.; S. A. Cushman; M. C. Neel y E. Ene (2002), Fragstats: spatial patternanalysis program for categorical maps. Computer software program produced by theauthors at the University of Massachusetts, Amherst. Disponible en el web sitewww.umass.edu/landeco/research/fragstats/fragstats.html.Mas, Jean-Francois y Jorge Correa Sandoval (2000), “Análisis de la fragmentación delpaisaje en el área protegida ‘Los Petenes’”, Boletín del Instituto de Geografía, Campeche,México. Investigaciones Geográficas UNAM. Núm. 43, pp. 42-59.16. Bases de datos simplificadas y salida del indicador: mapas y gráficos.17. Observaciones:18. Tipo según EPIR: Estado.19. Elaborado por: Samuel Rivera. 85
  • 86. Indicador 61. Nivel biológico: Ecosistemas y ecorregiones.2. Nombre del indicador: distancia entre parches del ecosistema meta.3. Definición del indicador: se refiere a la distancia existente entre los parches. Hay unarelación directa entre el aumento de la distancia entre parches y la pérdida de biodiversidad.4. Justificación e importancia del indicador: la distancia entre los parches se utiliza comoun indicador de potencial flujo genético entre los parches (es decir aislamientobiogeográfico). A medida que esta distancia aumenta, se disminuye el movimiento deindividuos entre los parches y por ende la viabilidad de las poblaciones presente en losparches.5. Unidad de medida del indicador: unidades: ninguna (m2/m2).PROXIM = 0 si el parche no tiene vecinos del mismo tipo en el radio de búsquedaespecificados. El índice PROXIM aumenta a medida que la cercanía entre los parches de lamisma clase aumenta (definida por el radio de búsqueda especificado). Esto indica si estámás o menos fragmentado el paisaje con respecto a la distribución de parches. El límitesuperior de la proximidad se ve afectado por el radio de búsqueda y la distancia mínimaentre parches. PROXIM se reporta como "NA" en el nombre base. Nombre del archivocompleto y un punto "." en el nombre base. Parche si un radio de búsqueda no se haespecificado por el usuario.6. Fórmula del indicador: el grado de asilamiento de un parche puede ser calculado pormedio de la distancia al parche vecino más cercano. El programa Fragstats permite calcularadicionalmente el alejamiento y el tamaño de los parches vecinos. Este índice es igual a lasuma de la superficie de los parches vecinos dividida por el cuadrado de la distancia y sedenomina índice de proximidad (PROXIM).PROXIM es igual a la suma del área de parche (m2) dividida por la distancia más cercanade borde a borde al cuadrado (m2) entre el parche y todos los bordes de los parches delmismo tipo dentro de una distancia especificada (m). Tenga en cuenta que cuando el bufferde búsqueda se extiende más allá de los límites del paisaje, sólo parches contenidos en elpaisaje son considerados en los cálculos.7. Descripción metodológica: como primer paso se separa el ecosistema meta: bosquessiempreverdes y semisiempreverdes de latifoliadas (en verde), presente en toda la regióncentroamericana y es muy susceptible y fácilmente identificable cuando se cambia su 86
  • 87. cobertura. Esta separación del ecosistema se hace en ArcGIS usando la función Select dela tabla de atributos y creando el shape file a partir de esta selección. El resultado semuestra en el siguiente mapa de Belice, donde se separaron todas las áreas que cubre elecosistema meta:Ya sea para cada país o para toda la región, calcularemos las medidas de paisaje del área debosque que ocupa las áreas delimitadas por los ecosistemas meta, en este caso hemosescogido Bosques siempreverdes y semisiempreverdes de latifoliadas. Este traslape delmapa de bosque de CA y el mapa del ecosistema meta lo logramos con las herramientasCombine o Merge del Spatial analyst de ArcGIS. Como resultado obtenemos un mapaque muestra las áreas de bosque que están dentro de las áreas delimitadas por el ecosistemameta. Queda a criterio de cada país si quiere usar el ecosistema meta o un área protegidaimportante como área de cálculo de los indicadores de las medidas de paisaje.El cálculo de la distancia entre parches por tipo de ecosistema meta requiere el uso delprograma computacional Fragstats. El programa Fragstats funciona como un apéndice deArcGIS y se baja gratuitamente del sitio webhttp://www.umass.edu/landeco/research/fragstats/fragstats.html.7.1. Proceso de cálculo general del indicador: usando imágenes satelitales se obtiene lainformación base de la ubicación de los parches de bosque en la región centroamericana.Después de digitalizar la información con los bordes de los polígonos que representan a losparches se procede, con un sistema de información geográfica, a definir las distanciasmínimas entre los parches (polígonos). Con esta lista de distancia mínimas entre lospolígonos es posible generar el promedio existente. Fragstats calcula directamente el índice 87
  • 88. de proximidad (PROXIM): FocalPatch ExtensionFragstats • Patch metrics (image from Fragstats manual)Phil Hurvitz 2002 177.2. Definición de cada variable de la fórmula:DP: distancia promedio entre parches.DPm: distancia mínima entre los parches identificados.i: identificación del parche i.j: identificación del parche j.n: número total de distancias medidas entre parches.8. Limitaciones del indicador: en cuanto al índice de proximidad, su interpretación esdelicada, pues refleja a la vez la distancia de los parches vecinos y su tamaño. Cuando ladistancia del parche vecino disminuye a la mitad, el valor del índice, que depende delinverso de la distancia al cuadrado, se multiplica por cuatro. En el caso de parches muycercanos, las variaciones del índice pueden carecer de sentido desde el punto de vista de suinterpretación ecológica.9. Cobertura: regional.10. Fuente de datos: SIAM.11. Disponibilidad de los datos:12. Forma de presentación de los datos: hojas Excel y gráficos de cambio en el tiempo.13. Periodicidad del indicador: quinquenal.14. Entidad responsable del indicador: SIAM.15. Documentación relacionada con el indicador: Mapa de ecosistemas de Centroamérica.El documento:Vreugdenhil, Daan.; Jan Meerman; Alain Meyart; Luis Diego Gómez y Douglas J. Graham(2002), Map of ecosystems of Central America: final report, World Bank, Washington DC.Mapa de Ecosistemas de Centroamérica.World Bank y CCAD (2000), “Ecosystems of Central America (ArcView map files at 88
  • 89. 1:250,000), World Institute for Conservation and Environment (WICE) y CentroAgronómico de Investigación y Enseñanza (Catie), Washington DC(http://www.worldbank.org/ca-env). Bibliografía sobre fragmentación.Burkey, T. V. (1993), “Edge effects in seed and egg predation at two neotropical rainforestsites”, Biological Conservation, no. 66, pp. 139-143.Didham, R. K. (1997), “The influence of edge effects and forest fragmentation on leaf litterinvertebrates in central Amazonia” en Laurance, W. F. y R. O. Bierregaard Jr. (ed.),Tropical forest remnants-ecology, management and conservation of fragmentedcommunities, The University of Chicago Press, pp. 55-70.MacArthur, R. H. y E. O. Wilson (1967), The theory of island biogeography, PrincetonUniversity Press, Princeton.Lauga J., J. J. (1992), “Modeling the effects of forest fragmentation on certain species offorest breeding birds”, Landscape Ecology, no. 6, pp. 183-193.Mclntyre. N. E. (1995), “Effects of forest patch size on avian diversity”, LandscapeEcology, vol. 10, no. 2, pp. 85-99.McGarigal, K.; S. A. Cushman; M. C. Neel y E. Ene (2002), Fragstats: spatial patternanalysis program for categorical maps. Computer software program produced by theauthors at the University of Massachusetts, Amherst, disponible en el web sitewww.umass.edu/landeco/research/fragstats/fragstats.html.Mas, Jean-Francois y Jorge Correa Sandoval (2000), “Análisis de la fragmentación delpaisaje en el área protegida ‘Los Petenes’”, Boletín del Instituto de Geografía, Campeche,México, Investigaciones Geográficas UNAM, 43, pp. 42-59.16. Bases de datos simplificadas y salida del indicador: obtenidos por Fragstats. Unatabla similar a ésta debe ser el resultado (output) de Fragstats: 89
  • 90. Fuente: Mas y Correa-Sandoval, 2000.17. Observaciones:18. Tipo según EPIR: Estado.19. Elaborado por: Samuel Rivera. 90
  • 91. BibliografíaProtocolo continuo ribereñoAngermeier, P. y Karr, J. (1983), “Fish communities along environmental gradients in asystem of tropical streams”, Environmental Biology of Fishes, 9, 117-135.Bussing, W. (1976), “Geographic distribution of the San Juan ichthyofauna of CentralAmerica with remarks on its origin and ecology”, en Thorson, T.B. (ed.), Investigationsof the ichthyofauna of Nicaraguan lakes, University of Nebraska, Lincoln, Nebraska,pp. 157-175.Bussing, W.A. (2002), Peces de las aguas continentales de Costa Rica/Freshwaterfishes of Costa Rica, Universidad de Costa Rica, San José, Costa Rica, 468 pp.Coates, A. y Obando, J. (1996), “The geologic evolution of the Central Americanisthmus”, en Jackson, J.; Budd, A. & Coates, A. (ed.), Evolution and environment intropical America, University of Chicago Press, Chicago, pp. 21–56.Esselman, P.C.; Freeman, M.C. y Pringle, C.M. (2006), “Fish-assemblage variationbetween geologically defined regions and across a longitudinal gradient in the MonkeyRiver basin, Belize”, Journal of the North American Benthological Society, 142-156.Greenfield, D.W. y Thomerson, J.E. (1997), Fishes of the continental waters of Belize,University Press of Florida, Gainesville, FL, 311 pp.Kihn-Pineda, P.H.; Cano, E.B. y Morales, A. (2006), “Peces de las aguas interiores deGuatemala”, en Cano, E.B. (ed.), Biodiversidad de Guatemala, Universidad del Valle deGuatemala, Guatemala, pp. 457–486.Loftin, H.G. (1965), The geographical distribution of freshwater fishes in Panama”,Florida State University, Tallahassee, FL., 528 pp.Matamoros, W.A.; Schaefer, J.F. y Kreiser, B.R. (2009), “Annotated checklist of thefreshwater fishes of continental and insular Honduras”, Zootaxa, 2307, 1-38.Myers, N.; Mittermeier, R.; Mittermeier, C.; da Fonseca, G. y Kent, J. (2000),“Biodiversity hot spots for conservation priorities”, Nature, 403, 853-858.Villa, J. (1982), Peces nicaragüenses de agua dulce, Colección Cultural del Banco deAmérica, Serie geográfica y naturaleza, Managua, Nicaragua, 253 pp.Protocolo trampas cámaraHenschel, P. y Ray, J. (2003), Leopards in african rainforests: survey and monitoringtechniques, WCS Global Carnivore Program website. 91
  • 92. Karanth, K.U. y Nichols, J.D. (1998), “Estimation of tiger densities in India usingphotographic captures and recaptures”, Ecology, 79(8), 2852–2862.Karanth, K.U. y Nichols, J.D. (2000), Ecological status and conservation of tigers inIndia. Final technical report to the Division of International Conservation, U.S. Fishand Wildlife Service, Washington D.C. and Wildlife Conservation Society, New York,Centre for Wildlife Studies, Bangalore, India.Karanth, K.U. y Nichols, J.D. (2002), Monitoring tigers and their prey: a manual forresearchers, managers and conservationists in tropical Asia, Centre for WildlifeStudies, Bangalore, India.Karanth, K.U. (1995), “Estimating tiger (Panthera tigris) populations from camera-trapdata using capturerecapture models”, Biological Conservation, 71, 333–338.Maffei, L.; Cuellar, E. y Noss, A. (2004), “One thousand jaguars (Panthera onca) inBolivias Chaco? Camera trapping in the Kaa-Iya National Park”, Journal of Zoology,262 (3): 295-304.Otis, D.L.; Burnham, K.P.; White, G.C. y Anderson, D.R. (1978), “Statistical inferencefrom capture data on closed populations”, Wildlife Monographs, 62, 1–135.Rexstad, E. y Burnham, K.P. (1991), User’s guide for interactive program Capture.Abundance estimation of closed populations, Colorado State University, Fort Collins,Colorado, USA.Silver, S.C.; Ostro, L.E.; Marsh, L.K.; Maffei, L.; Noss, A.J.; Kelly, M.J.; Wallace,R.B.; Gomez, H. y Ayala, G. (2004), “The use of camera traps for estimating jaguar(Panthera onca) abundance and density using capture/recapture analysis”, Oryx, 38 (2):148-154.Wallace, R.B.; Gomez, H.; Ayala, G. y Espinoza, F. (2003), “Camera trapping capturefrequencies for jaguar (Panthera onca) in the Tuichi Valley, Bolivia”, MastozoologiaNeotropical, 10(1): 133-139.White, G.C.; Anderson, D.R.; Burnham, K.P. y Otis, D.L. (1982), Capture-recaptureand removal methods for sampling closed populations, Los Alamos NationalLaboratory, Los Alamos, New Mexico, USA.Protocolo de monitoreo de avesAmbrose, S. (1989), “The Australian bird count–have we got your numbers?”, RAOUNewsletter, publicado por The Royal Australasian Ornithologists Union, MooneePonds, Vic. 3039, Australia, 80:1-2.Baillie, S.R.; Green, R.E.; Boddy, M. y Buckland, S.T. (1986), An evaluation of theconstant efforts sites scheme. Report of the Constant Effort Sites Review Group to theRinging Committee of the British Trust for Ornithology, British Trust for Ornithology,Beech Grove, Tring, Herts. HP23 5NR, Reino Unido. [Se pueden conseguir copias aprecio de costo por medio del BTO o los autores de este manual.] 92
  • 93. Baillie, S. y Holden, B. (1988), “Population changes on constant effort sites 1986-1987”, BTO (British Trust for Ornithology) News, 155: 8-9.Baldwin, S.P. (1931), Bird banding by systematic trapping, scientific publication,Cleveland Museum of Natural History, I (5): 125-168.Baldwin, S.P.; Oberholser, H.C. y Worley, L.G. (1931), Measurements of birds,scientific publication, Cleveland Museum of Natural History II.Bart, Jonathan (1977), “Impact of human visitations on avian nesting success”, LivingBird, 16:187-192.Bart, Jonathan y Robson, D.S. (1982), “Estimating survivorship when the subjects arevisited periodically”, Ecology, 63(4): 1078-1090.Berthold, P. y Scherner, R. (1975), “Das «Mettnau-Reit-Illmitz-Programm», einlangfristiges Vogelfangprogramm der Vogelwarte Radolfzell mit vielfaltigerFragestellung”, Vogelwarte, 28:97-123.Blake, John C. (1963), The brood patch, Eastern Bird Banding Association Workshopmanual, 2:8-9.Blake, John C. (1992), “Temporal variation in point counts of birds in a lowland wetforest in Costa Rica”, Condor, 94:265-267.Bleitz, D. (1957), “On the use of mist nets”, News from the Bird Banders (WesternBird-Banding Association), 32:22-25.Bleitz, D. (1970), “Mist nets and their use”, Inland Bird Banding News 42(2). [Sepueden conseguir copias gratis a través de Avinet, P.O. Box 1103, Dryden, NY 13053,E.U.A.].Bub, H. (1991), Bird trapping and bird banding, Ithaca, NY, Cornell University Press,330 pp.Burley, N. (1980), “Clutch overlap and clutch size: alternative and complementaryreproductive tactics”, American Naturalist, 115: 223-246.CWS y USFWS (Canadian Wildlife Service and U.S. Fish and Wildlife Service) (1991),North American bird banding, U.S. Department of Interior, Fish and Wildlife Service,Laurel, MD, E.U.A., y Ottawa, Canada, Environment Canada, Canadian WildlifeService.Conner, Richard N. y O’Halloran, Kathleen A. (1986), “A comparison of theMacArthur foliage density estimate with actual leaf surface area and biomass”,Southwestern Naturalist, 31: 270-273.Conner, Richard N. (1990), “The effect of observer variability on the MacArthur foliagedensity estimate”, Wilson Bulletin, 102: 341-343. 93
  • 94. Cooperrider, Allen Y.; Boyd, Raymond J. y Stuart, Hanson R. (1986), Inventory andmonitoring of wildlife habitat, Denver, CO, Service Center, Bureau of LandManagement, U.S. Department of Interior, 858 pp. [Copias disponibles por medio deSuperintendent of Documents, U.S. Government Printing Office, Washington, DC,20402, E.U.A., GPO # 024-011-00170-1].Daubenmire, R.F. (1968), Plant communities: textbook of plant synecology, New York,NY, Harper and Row, 300 p.DeSante, David F. (1991), The Monitoring Avian Productivity and Survivorship(MAPS) program: first annual report, The Institute for Bird Populations, Inverness, CA[copias disponibles por medio del IBP, P.O. Box 1346, Point Reyes Station, CA 94956,E.U.A.].DeSante, David F. (1992a), “Monitoring Avian Productivity and Survivorship (MAPS):a sharp, rather than blunt, tool for monitoring and assessing landbird populations”, enMcCullough, Dale R.; Barrett, Reginald H. (editores), Wildlife 2001: populations,Londres, Reino Unido, Elsevier Applied Science, 511-521.DeSante, David F. (1992b), An invitation and instructions for participation in theMonitoring Avian Productivity and Survivorship (MAPS) program, Institute for BirdPopulations, P.O. Box 1346, Point Reyes Station, CA 94956.DeSante, David F. y Geupel, Geoffrey R. (1987), “Landbird productivity in centralcoastal California: the relationship to annual rainfall, and a reproductive failure in1986”, Condor, 89:636-653.Geupel, Geoffrey R.; Howell, S.N.G.; Pyle, P. y Webb, S. (1992), Ornitología decampo tropical, curso de identificación de aves neotropicales y métodos de monitoreode sus poblaciones, llevado a cabo en Chiapas, México, en abril de 1992, informe parael Centro de Aves Migradoras de la Smithsonian Institution y el U. S. Fish and WildlifeService, documento no publicado, Point Reyes Bird Observatory, Stinson Beach,California, E.U.A.Geupel, Geoffrey R. y DeSante, David F. (1990a), “Incidence and determinants ofdouble brooding in wrentits”, Condor, 92: 67-75.Geupel, Geoffrey R. y DeSante, David F. (1990b), The Palomarin handbook, StinsonBeach, CA, Point Reyes Bird Observatory.Ginn, H.B. y Melville, D.S. (1983), Moult in birds, BTO guide 19, Hertfordshire, ReinoUnido, British Trust for Ornithology, 112 pp.Gottfried, Bradley M. y Thompson, Charles F. (1978), “Experimental analysis of nestpredation in an old-field habitat”, Auk, 304-312.Herman, S.G. (1989), The naturalist field journal, based on the method by J. Grinnell,Vermillion, SD, Buteo Books. 94
  • 95. Higgins, Kenneth F.; Kirsch, Leo M. y Ball, I. Joseph, Jr. (1969), “A cable-chain devicefor locating duck nests”, Journal of Wildlife Management, 33: 1009-1011.Hilden, Olavi; Koskimies,Pertii; Pakarinen, Raimo y Vaisanen, Risto A. (1991), “Pointcount of breeding landbirds” en Koskimies, Pertii; Vaisanen, Risto A. (ed.), Monitoringbird populations, Helsinki, Zoological Museum, Finnish Museum of Natural History,University of Helsinki, 27-32.Huff, Mark H.; Manuwal, David A. y Putera, Judy A. (1991), “Winter bird communitiesin the southern Washington cascade range” en Wildlife and vegetation of unmanagedDouglas-fir forests, Gen. Tech. Rep. PNW-285. Portland, OR, Pacific NorthwestResearch Station, Forest Service, U.S. Department of Agriculture, 533 pp.Hutchinson, G.E. (1978), An introduction to population ecology, New Haven, CT, YaleUniversity Press.I.B.C.C. (International Bird Census Committee) (1970), “An international standard for amapping method in bird census work recommended by the International Bird CensusCommittee”, Audubon Field Notes, 24: 722-726.James, F.C. y Shugart, H.H., Jr. (1970), “A quantitative method of habitat description”Audubon Field Notes, 24: 727-736.Karr, James R. (1981), “Surveying birds with mist nets” en Ralph, C. John y Scott, J.Michael (ed.), Estimating numbers of terrestrial birds, studies in avian biology, 6: 62-67.Kendeigh, S. C. (1952), Parental care and its evolution in birds, Illinois BiologicalMonograph, 22: 1-357.Kepler, Cameron B. y Scott, J. Michael (1981), “Reducing bird count variability bytraining observers” en Ralph, C. John y Scott, J. Michael (ed.), Estimating numbers ofterrestrial birds, studies in avian biology, 6: 366-371.Keyes, B.E. y Grue C.E. (1982), “Capturing birds with mist nets: a review”, NorthAmerican Bird Bander, 7(1):2-1.Koskimies, Pertii y Vaisanen, Risto A. (1991), Monitoring bird populations, Helsinki:Zoological Museum, Finnish Museum of Natural History, University of Helsinki, 145pp. [Se pueden conseguir copias a través de Natural History Book Service, 2 Wills Rd.,Totnes, Devon TQ9 5XN, Reino Unido, o St. Ann’s Books, 26 Priory Rd., GreatMalvern, Worcs., WR14 3DR, R.U.]Labisky, R.F. (1957), “Relation of hay harvesting to duck nesting under a refuge-permittee system”, Journal of Wildlife Management, 21: 194-200.Lack, David. (1954), The natural regulation of animal numbers, Londres, OxfordUniversity Press.Lack, David (1966), Population studies of birds, Oxford, Clarendon Press. 95
  • 96. Lincoln, F.C. (1947), Manual for bird banders, edición revisada, Washington, DC, U.S.Fish and Wildlife Service.Lincoln, F.C. y Baldwin, S.P. (1929), Manual for bird banders, miscel. publ., No. 58.Washington, DC, U.S. Department of Agriculture.Lockley, R.M. y Russell, R. (1953), Bird-ringing: the art of bird study by individualmarking, Londres, Crosby Lockwood & Son Ltd.Low, S.H. (1957), “Banding with mist nets”, Bird Banding, 28: 115-128.Lyon, Bruce E. y Montgomerie, Robert D. (1987), “Ecological correlates of incubationfeeding: a comparative study of high arctic finches”, Ecology, 68(3): 713-722.MacArthur, Robert H. y MacArthur, John W. (1961), “On bird species diversity”,Ecology, 42:594-598.Major, Richard E. (1989), “The effect of human observers on the intensity of nestpredation”, Ibis, 132(4): 608-612.Manuwal, David A. y Huff, Mark. (1987), “Spring and winter bird populations in aDouglas-fir forest sere”, Journal of Wildlife Management, 51(3): 586-595.Martin, Thomas E. (1992), “Breeding productivity considerations: what are theappropriate habitat features for management?” en Hagan, J.M. y Johnston, D.W. (ed.),Ecology and conservation of neotropical migrant birds, Washington, D.C., SmithsonianInstitute Press, 455-473.Martin, Thomas E. y Geupel, Geoffrey R. (1993), “Nest-monitoring plots: methods forlocating nests and monitoring success”, Journal of Field Ornithology, 64:507-519.Martin, Thomas E. y Li, P. (1992), “Life history traits of cavity-versus open-nestingbirds”, Ecology, 73(2): 579-592.Martin, Thomas E. y Roper, J.J. (1988), “Nest predation and nest site selection of awestern population of the hermit thrush”, Condor, 90: 51-57.Mayfield, Harold F. (1961), “Nesting success calculated from exposure”, WilsonBulletin, 73: 255-261.Mayfield, Harold F. (1975), “Suggestions for calculating nesting success”, WilsonBulletin, 87: 456-466.McClure, H.E. (1984), Bird banding, Pacific Grove, CA, The Boxwood Press, 183Ocean View Blvd. [Disponible por medio del editor]McDonald, M.V. y Greenberg, R. (1991), “Nest departure calls in female songbirds”,Condor, 93: 365-373. 96
  • 97. Mueller-Dombois, D. y Ellenberg, H. (1974), Aims and methods of vegetation ecology,New York, NY, John Wiley and Sons, Inc., 547 pp.Noon, Barry R. (1981), “Techniques for sampling avian habitats” en The use ofmultivariate statistics in studies of wildlife habitat, Capen, David E. (editor), Gen. Tech.Rep. RM-87, U.S. Department of Agriculture, Forest Service, 42-52.Peach, Will J. (1992), Combining mark-recapture data sets for small passerines,Proceedings of the Euring 1992 Technical Conference.Peach, Will J. y Baillie, Stephen (1991), “Population changes on constant effort sites1989-1990”, BTO (British Trust for Ornithology) News, 173: 12-14.Peach, Will J.; Baillie, Stephen y Underhill, Les. (1991), “Survival of British sedgewarblers Acrocephalus schoenobaenus in relation to west African rainfall”, Ibis,133:300-305.Peach, Will J.; Buckland, S.T. y Baillie, Stephen R. (1990), “Estimating survival ratesusing mark-recapture data from multiple ringing sites”, The Ring, 13: 87-102.Picozzi, N. (1975), “Crow predation on marked nests”, Journal of Wildlife Mangement,39: 151-155.Pyle, Peter; Howell, S.N.G.; Yunick, R.P. y DeSante, David F. (1987), Identificationguide to North American passerines, Bolinas, CA, Slate Creek Press, P.O. Box 219,94924, E.U.A. [Se pueden conseguir copias por medio de la editorial].Ralph, C. John (1967), Taking data at a banding station, Western Bird-BandingAssociation Workshop Manual, Bolinas, CA, Point Reyes Bird Observatory, Bolinas,California.Ralph, C. John (1976), “Standardization of mist net captures for quantification of avianmigration”, Bird-Banding, 47: 44-47.Ralph, C. John (1978), “Disorientation and possible fate of young passerine coastalmigrants”, Bird-Banding, 49: 237-247.Ralph, C. John (1981a), “Age ratios and their possible use in determining autumn routesof passerine migrants”, Wilson Bulletin, 93: 164-188.Ralph, C. John (1981b), “Terminology used in estimating numbers of Birds” en Ralph,C. John y Scott, J. Michael (ed.), Estimating numbers of terrestrial birds. Studies inavian biology, No. 6: 577-578.Ralph, C. John (1988), A brief guide to banding birds. Western Bird-BandingAssociation Workshop manual, Arcata, CA: Humboldt Bay Bird Observatory.Ralph, C. John (1992), “In memoriam: L. Richard Mewaldt, 1917-1990”, Auk, 109(3),646-647. 97
  • 98. Ralph, C. John; Droege, Sam y Sauer, John R. (1995), “Managing and monitoring birdsusing point counts: standards and applications” en Ralph, C. John; Sauer, John R. yDroege, Sam (ed.), Monitoring landbirds with point counts, Gen. Tech. Rep.PSW.GTR-149 Albany, CA, Pacific Southwest Research Station, Forest Service, U.S.Department of Agriculture.Ralph, C. John y Scott, J. Michael, ed. (1981), “Estimating numbers of terrestrial birds”,Studies in avian biology, No. 6. 630 pp.Ricklefs, R.E. (1969a), “An analysis of nesting mortality in birds”, SmithsonianContributions Zoology, 9: 1-48.Ricklefs, R.E. (1969b), “The nesting cycle of songbirds in tropical and temperateregions”, Living Bird, 8: 165-175.Ricklefs, R.E. y Bloom, G. (1977), “Components of avian breeding productivity”, Auk,94: 86-96.Robbins, Chandler S.; Bridge, D. y Feller, R. (1959), “Relative abundance of adult maleredstarts at an inland and a coastal locality during fall migration”, Maryland Birdlife,15: 23-25.Robbins, Chandler S.; Bystrak, Danny y Geissler, Paul H. (1986), The breeding birdsurvey: its first fifteen years, 1965-1979, resource publication 157, Washington, DC,U.S. Department of Interior, Fish and Wildlife Service.Robbins, Chandler S.; Sauer, John R.; Greenberg, R.S. y Droege, Sam (1989),“Population declines in North American birds that migrate to the neotropics”,Proceedings of the National Academy of Sciences (USA), 86: 7658-7662.Shreve, A. (1965), “Preventing net casualties”, Eastern Bird Banding AssociationWorkshop manual, Vol. 4: 1-22.Silver, R.; Andrews, H. y Ball, G.F. (1985), “Parental care in an ecological perspective:a quantitative analysis of avian subfamilies”, American Zool., 25: 823-840.Slack, R.D. (1976), “Nest guarding behavior by male gray catbirds”, Auk, 93: 292-300.Temple, Stan A. y Wiens, J.A. (1989), “Bird populations and environmental changes:can birds be bio-indicators?”, American Birds, 43: 260-270.Van Horne, B. (1983), “Density as a misleading indicator of habitat quality”, Journal ofWildlife Management, 47(4): 893-901.Verner, Jared y Milne, Kathleen A. (1989), “Coping with sources of variability whenmonitoring population trends”, Ann. Zool., 26: 191-200.Verner, Jared; Morrison, Michael L. y Ralph, C. John, ed. (1986), Wildlife 2000:modeling habitat relationships of terrestrial vertebrates, Madison, WI, University ofWisconsin Press, 470 pp. 98
  • 99. Westmoreland, D. y Best, L.B. (1985), “The effect of disturbance on mourning dovenesting success”, Auk, 102: 774-780.Willis, E.O. (1973), “Survival rates for visited and unvisited nests of bicoloredantbirds”, Auk, 90: 263-267.Zerba, E. y Morton, M.L. (1983), “The rhythm of incubation from egg-laying tohatching in mountain white-crowned sparrows”, Ornis Scandinavica, 14: 188-197.Algoritmo GARPStockwell, D. R. B. (1999), “Genetic algorithms II” en A. H. Fielding (ed.), Machinelearning methods for ecological applications, Kluwer Academic Publishers, Boston, pp.123-144.Stockwell, D. R. B. y Peters, D. P. (1999), “The GARP modelling system: problems andsolutions to automated spatial prediction”, International Journal of GeographicInformation Systems, 13:143-158.Stockwell, D. R. B. y Noble, I. R. (1992), “Induction of sets of rules from animaldistribution data: a robust and informative method of analysis”, Mathematics andComputers in Simulation, 33:385-390.Aplicaciones de GARPAnderson, R. P.; Laverde, M. y Peterson, A. T. (2002), “Geographical distributions ofspiny pocket mice in South America: insights from predictive models”, Global Ecologyand Biogeography, 11:131-141. (*)Anderson, R. P.; Laverde, M. y Peterson, A. T. (2002), “Using niche-based GISmodeling to test geographic predictions of competitive exclusion and competitiverelease in South American pocket mice”, Oikos, 93:3-16. (*)Anderson, R. P.; Lew, D. y Peterson, A. T., en imprenta, “Evaluating predictive modelsof species’ distributions: criteria for selecting optimal models”, Ecological Modelling,v. 162, p. 211 232. (*)Chen, G. Y Peterson, A. T. (2000), “A new technique for predicting distributions ofterrestrial vertebrates using inferential modeling”, Zoological Research, 21:231-237.Chen, G. y Peterson, A. T., en imprenta, “Prioritization of areas in China forbiodiversity conservation based on the distribution of endangered bird species”, BirdConservation International.Feria, T. P. y A. T. Peterson (2002), “Using point occurrence data and inferentialalgorithms to predict local communities of birds”, Diversity and Distributions, 8:49-56.Godown, M. E. y A. T. Peterson (2000), “Preliminary distributional analysis of U.S.endangered bird species”, Biodiversity and Conservation, 9:1313-1322. 99
  • 100. Papes, M. y Peterson, A. T., en imprenta, “Predictions of the geographic course of theinvasion of Ageratina adenophora in China”, Journal of Wuhan Botanical Research. (*)Peterson, A. T. (2001), “Predicting species’ geographic distributions based onecological niche modeling”, Condor, 103:599-605.Peterson, A. T.; Ball, L. G. y Cohoon, K. C., (2002), “Predicting distributions oftropical birds”, Ibis, 144:e27-e32.Peterson, A. T. y Cohoon, K. C., (1999), “Sensitivity of distributional predictionalgorithms to geographic data completeness”, Ecological Modelling, 117:159-164.Peterson, A. T.; Ortega-Huerta, M. A.; Bartley, J.; Sanchez-Cordero, V.; Soberon, J.R.;Buddemeier, H. y Stockwell, D. R. B. (2002), “Future projections for Mexican faunasunder global climate change scenarios”, Nature, 416:626-629.Peterson, A. T.; Sanchez-Cordero, V.; Beard, C. B. y Ramsey, J. M. (2002), "Ecologicniche modeling and potential reservoirs for Chagas disease, Mexico”, EmergingInfectious Diseases, 8:662-667. (*)Peterson, A. T.; Sanchez-Cordero, V.; Soberon, J.; Bartley, J.; Buddemeier, R. H. yNavarro-Siguenza, A. G. (2001), “Effects of global climate change on geographicdistributions of mexican cracidae”, Ecological Modelling, 144:21-30.Peterson, A. T.; Soberon, J. y Sanchez-Cordero, V. (1999), “Conservatism of ecologicalniches in evolutionary time”, Science, 285:1265-1267.Peterson, A. T.; Stockwell, D. R. B. y Kluza, D. A. (2002), “Distributional predictionbased on ecological niche modeling of primary occurrence data” en J. M. Scott, P. J.Heglund y M. L. Morrison (ed.), Predicting species occurrences: issues of scale andaccuracy, Island Press, Washington, D.C., 617-623 (*)Peterson, A. T. y Vieglais, D. A. (2001), “Predicting species invasions using ecologicalniche modeling”, BioScience, 51:363-371.Stockwell, D. R. B. y Peterson, A. T. (2002a), “Controlling bias in biodiversity data”,en J. M. Scott, P. J. Heglund y M. L. Morrison (ed.), Predicting species occurrences:issues of scale and accuracy, Island Press, Washington, D.C., 537-546.Stockwell, D. R. B. y Peterson, A. T. (2002b), “Effects of sample size on accuracy ofspecies distribution models”, Ecological Modelling, 148:1-13.(*) Artículos que emplean el DesktopGarp. 100
  • 101. GlosarioArcGIS: programa computacional para manipular, analizar y desarrollar mapas u otrainformación geo-espacial.Área buffer: radio de tres kilómetros de cada una de las estaciones de trampas cámara,estimadas usando sistemas de información geográfica.Área de detección: distancia de alcance de una cámara al tomar una fotografía de día ypor las noches cuando usa el flash.Área máxima continua: cobertura de todas las estaciones de cámaras colocadas en elsitio de estudio. Puede ser entre 100 km² y 180 km².Área mínima de muestreo: cobertura mínima de las estaciones, pudiendo ser desde 28km².Biodiversidad íctica: riqueza de especies de peces.Captura-recaptura: método ecológico para determinar poblaciones cerradas (número deindividuos por área). Se usó con peces por primera vez.Capturas falsas: son todas aquellas fotografías que no registran individuos o especies deinterés para el estudio.Comunidad íctica: los miembros de todas las especies de peces en función de tiempo yespacio.Clasificación No-supervisada: clasificación de una imagen de satélite en clases de usodel suelo, donde el software asigna el nombre a las clases de acuerdo a informaciónespectral, y no se requiere información adquirida en el terreno.Clasificación Supervisada: clasificación de una imagen de satélite en clases de uso delsuelo, donde el analista asigna el nombre a las clases de acuerdo a informaciónadquirida en el terreno.Continuo ribereño: hipótesis basada en la idea de que el cauce del río es un ecosistemaabierto que está en constante interacción con sus bancos y en constante movimientodesde su naciente en la cuenca alta hasta la boca en la cuenca baja. Los cambios a lolargo del río son constantes y las bases de estos cambios están relacionadas con elcambio gradual en las condiciones físicas como ancho del río, profundidad, descarga,temperatura, etc. Estos cambios graduales en las condiciones físicas están altamentecorrelacionados con cambios en la estructura de los ensambles bióticos (ver Vannote etal. 1980 por una explicación completa).Coordenadas predeterminadas: sitios donde se han tomado coordenadas geográficascomo lugares potenciales de estaciones para el estudio con trampas cámara.Datos poblacionales: el número de individuos de una especie en un área determinada,sean relativos o absolutos en espacio y tiempo de esfuerzo de muestreo. 101
  • 102. Diseño básico de estudio: diseño mínimo requerido para establecer la abundancia deespecies crípticas, 20 estaciones y 60 días de muestreo 80-100 km² de área a cubrir.Ecosistema meta: ecosistema, previamente seleccionado, donde se efectúan medicionesde paisaje.Efectividad en muestreos: eficacia o eficiencia en la captura (registro) de fotografías enel estudio.Electropesca: técnica de pesca en la cual se aplican impulsos eléctricos en la columnade agua para desmayar los peces. Cuando los peces están desmayados se utilizan redesde mano para capturarlos.Entorno abiótico: caracteres del entorno natural que son vivos. En el caso del río, paraenumerar algunos: ancho del río, caudal, temperatura, erosión, etc.Entorno biótico: se refiere a los recursos vivos u orgánicos como plantas y animales.ERDAS: programa computacional para importar, preparar, analizar imágenes de satélite,con el objetivo de producir mapas de cobertura y suso del suelo.Estación de muestreo: sitio donde se han colocado dos cámaras una frente a la otra demanera que puedan capturar ambos lados de las especies crípticas.Estudio piloto: periodo de tiempo menor que el estudio del protocolo para conocer elfuncionamiento de cámaras, senderos, esfuerzo de muestreo, tiempo de duración debaterías y otros necesarios que nos den la experiencia para desarrollar de manera exitosala investigación a largo plazo.Factores demográficos: variables que inciden en el crecimiento de una población dada,como muerte, natalidad, inmigración y emigración.Fenología de la vegetación: ciencia que estudia la relación entre los factores climáticosy los ciclos de los seres vivos. La fitofenología es la parte de la fenología que estudiacómo afectan las variables meteorológicas a las manifestaciones periódicas oestacionales de las plantas (floración, aparición –cuajado- de frutos y su maduración).FRAGSTAT: programa computacional utilizado para efectuar medidas de paisaje.Hot spot de biodiversidad: región con alta concentración de especies que ha mantenidoal menos un 70% de su vegetación original (Myers).Lagunas geográficas: espacios territoriales no monitoreados, dejando vacíos deinformación en algún sitio determinado de muestreo o investigación.MODIS: imagen satelital de especto de moderada resolución de 500 metros o 1 km.Usada para caracterización de paisajes a nivel de país, principalmente.Parches: unidad minima de mapeo en fragmentación de paisajes. 102
  • 103. Patrones de manchas: formas y ubicación de las manchas (rosetas) de los felinosespecialmente usadas para su identificación.Población abierta: estructura poblacional de una especie que cuenta con eventos demuertes, nacimientos, inmigración y emigración por un determinado tiempo.Población cerrada: estructura poblacional de una especie que no cuenta con eventos demuertes, nacimientos, inmigración y emigración por un determinado tiempo.Probabilidad de captura: posibilidad estadística de que las cámaras capturen unaespecie en un tiempo determinado.Protocolo de muestreo: guías y directrices estandarizadas para completar los muestreosde campo propuestos.Sensores activos: parte electrónica de las trampas cámara sensibles al movimiento o alcalor de los cuerpos de las especies o animales.Sistemas fluviales: se refiere a ríos y sus tributarios.Submuestreo: estudio parcial en tiempo y espacio, cuando no se cuenta con el total delas estaciones de cámaras. Se hacen en dos períodos conocidos como tiempo 1 y tiempo2.Tabla de Atributos: datos tabulados asociados a un mapa o una referencia cartográfica.Zona de detección: área donde estadísticamente puede haber posibilidades de captura deespecies (pueden ser radios de tres kilómetros o más). 103
  • 104. ApéndicesApéndices del Protocolo del continuo ribereñoApéndice 1Hoja de recolección de datos con todos sus campos. En el campo, el investigador sedebe asegurar de que se tienen suficientes hojas para los puntos que muestreará en undía de trabajo. La hoja de materiales debe ser revisada antes de salir al campo paraasegurarse de que no falta equipo ni materiales para completar el trabajo. Por ejemplo,el GPS y las cámaras trabajan con baterías y por ello siempre es necesario acarrearbaterías extras para recargar cuando se gasten las que están en uso. Esta regla se aplica atodo tipo de material que pueda perecer en el campo.Hoja de recolección de datos # de campo Fecha Nombre (1) Nombre (2) Comenzó Terminó Nombre (3) Nombre (4) Vertiente Cuenca Río Tributario 1 Tributario 2 Orden del tributario Latitud Longitud País Departamento Municipio Ciudad o pueblos cercanos Localidad Distancia en kilómetros del punto de muestreo a la boca del río A.s.n.m.(m) en el punto A.s.n.m.(m) 500 m río arriba A.s.n.m.(m) 500 m río abajo Anchura promedio del río (_______+_______+_______+_______+_______)/5 = >0 a 2m = 50m >2 a 5m = 75m >5m a 10m = 100 >10 a 20m = 200 >20 a 30m = 300m >30m = 400m 104
  • 105. # de pases trasmallo # de pases electropesca Transecto Parámetro I II III IV V Velocidad de la corriente Pequeños rápidos Remansos Cascadas Ancho del río Dosel (%) Salinidad Temperatura pH DO (mg/l) Conductividad Secchi/turbidez Hábitat (%) Vegetación en el agua Erosión (derecho %) Erosión (izquierdo %) Pequeñas partes de árboles Partes de árboles grandes Medidas en cada punto de los transectos Sustratos Cantos Profundidad Velocidad Detritus Arcilla Lodo Arena Grava rodados Bloques Punto (cm) (m/s) (0 o 1) (%) (limo) (%) (%) (%) (%) (%) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15Arcilla = 0.002 mm; lodo (limo) = 0.002 – 0.06 mm; arena = 0.06 – 2 mm; cantos rodados = 6 -25 cm; bloques = >25 cmPeces____ Etiqueta en el frasco__________ Muestra fijada en formalina al 10%______Insectos____ Etiqueta en el frasco_________ Muestra fijada en formalina al 10%______Camarones___ Etiqueta en el frasco _______Muestra fijada en formalina al 10%_____Muestras serán depositadas en el siguiente museo (s) _____________________________________ 105
  • 106. Notas 106
  • 107. Conteo de especies en el campo Conteo de especies en el laboratorioFecha: Fecha:Persona que identificó: Persona que identificó:Especies identificadas Especies identificadas1. 1.2. 2.3. 3.4. 4.5. 5.6. 6.7. 7.8. 8.9. 9.10. 10.11. 11.12. 12.13. 13.14. 14.15. 15.16. 16.17. 17.18. 18.19. 19.20. 20.21. 21.22. 22.23. 23.24. 24.25. 25.26. 26.27. 27.28. 28. 107
  • 108. Conteo de especies en elcampo Conteo de especies en el laboratorio Fec Identific ha ado por Fecha Identificado por Nombre de la Nombre de la especie Tejido especie Tejido 1. 1. 2. 2. 3. 3. 4. 4. 5. 5. 6. 6. 7. 7. 8. 8. 9. 9. 10. 10. 11. 11. 12. 12. 13. 13. 14. 14. 15. 15. 16. 16. 17. 17. 18. 18. 19. 19. 20. 20. Etiqueta Etiqueta Etiqueta 108
  • 109. Apéndice 2Hoja de información de datos recolectados de especiesLocalidad Especie 1 Especie 2 Especie 3 Especie 4 Especie 5 Especie 6 Especie 7Localidad 1Localidad 2Localidad 3Localidad 4Localidad 5Localidad 6Localidad 7Apéndice 3Hoja de información de datosrecolectados de parámetros ambientalesLocalidad Profundidad Velocidad pH DO Conductividad Arcilla LodoLocalidad 1Localidad 2Localidad 3Localidad 4Localidad 5Localidad 6Localidad 7Apéndice 4Lista de materiales y equipo necesarios para implementar el protocolo:En el campoHoja de recolección de campo impresa en papel para lluvia (asegurarse de que habrásuficientes hojas para todos los puntos).Cartapacios impermeables para mantener las hojas de recolección de datos.Tijeras.Suficiente formalina para el día de muestreo.Suficiente etanol para el día de muestreo.Frascos (nalgene) para almacenar las muestras en el campo de peces. Se deben tenerdiferentes botellas para los peces, insectos y crustáceos.Etiquetas para cada muestra en cada botella (peces, insectos y crustáceos).Viales para almacenar tejido si se recolecta tejido para estudios futuros de genética.Lápices de carbón y sacapuntas.Cámara fotográfica digital.GPS.Altímetro.Medidor digital de distancia (range finders).Estacas con banderas (para marcar los transectos).Trasmallos sin bolsa y trasmallos con bolsa.Electropesca.Baterías para el electropesca. 109
  • 110. Cargador para las baterías del electropesca.Bastón con ánodo y cátodo para el electropesca.Correntómetro.Medidor de calidad de agua multiparámetros (salinidad, pH, temperatura, oxígenodisuelto, conductividad).Disco de secchi.Regla de madera o metálica para medir profundidad.En el laboratorioAgua potable para lavar las muestras. Las muestras deben estar en formalina al 10% porlo menos 72 horas. Luego pueden ser enjuagadas en agua del grifo y ser transferidas aetanol al 75%.Los materiales requeridos en el laboratorio son:Etanol puro para diluirlo al 75% para la preservación de las muestras.Frascos de diferentes tamaños para almacenar las muestras.Bandejas metálicas o plásticas.Estereoscopio y microscopio.Pinzas de diferentes tamaños.Papel resistente a la lluvia para hacer las etiquetas.Lápices de carbón.Guías de identificación de taxa (peces, insectos y crustáceos).Acceso a agua potable.Para enviar y depositar las muestras en la colección de un museo:Las muestras deberán ir apropiadamente identificadas y contadas. Envueltas en gasa ysimplemente rociadas en etanol al 75%. Antes de enviar las muestras a cualquier museo,por favor contactar a los curadores de las colecciones, por si ellos requieren atenciónespecial en algunos detalles para el envío.Apéndice 5Hoja metodológica del Protocolodel continuo de los ríos1.2. Nivel biológico: especies2. Nombre del indicador: especies indicadoras.3. Definición del indicador: estructura de las comunidades ícticas.Aplicable a los cambios en la estructura de las comunidades ícticas y su relación concambios ambientales a lo largo del continuo del río.4. Justificación e importancia del indicador: la estructura de las comunidades a lolargo del continuo de un río puede ser un indicador directo del estado de conservaciónde la cuenca, al tiempo que permite sacar conclusiones respecto al estado de laspoblaciones de la comunidad. Dichas poblaciones pueden ser de especies nativas,exóticas, en peligro e indicadoras.5. Unidad de medida del indicador: Diversidad, abundancia y frecuencia. Componentes ambientales.6. Fórmula del indicador: no tiene.7. Descripción metodológica:7.1. Proceso de cálculo general del indicador: implementación de protocolos 110
  • 111. definidos para el estudio de las comunidades ribereñas a lo largo del continuo.La intensidad y frecuencia con que se hagan los muestreos permitirá conocer laestructura de las comunidades, identificar cambios y la fuente del mismo y el estado deconservación, así como comparar las poblaciones dentro de la comunidad, lasestructuras de las comunidades en el tiempo, entre ríos y entre cuencas.La recolección de especies es generalizada y no selectiva, con el fin de producirinformación de los ensambles, lo que permite la captura de especies indicadoras, enpeligro de extinción y exóticas. Los datos recolectados podrán ser analizados según lasprioridades de cada país.7.2. Definición de cada variable de la fórmula: no procede.8. Limitaciones del indicador: financiamiento. La mayoría de los países carecen delínea de base de información de la fauna íctica.9. Cobertura: regional.10. Fuentes de datos:• Colecciones de museos.• Publicaciones científicas.• Informes técnicos.11. Disponibilidad de los datos: en general, en los países de Centroamérica se hagenerado información científica sobre los peces de agua dulce. La información seencuentra dispersa y debe ser organizada para producir una línea base por país y unabase de datos regional.12. Forma de presentación de los datos: tablas de Excel o base de datos, gráficos ymapas.13. Periodicidad del indicador: anual.14. Entidades responsables del indicador: el gobierno de cada país.15. Documentación relacionada con el indicador: línea base y protocolos.16. Bases de datos simplificadas y salida del indicador: tablas de frecuencias ygráficos.17. Observaciones:18. Tipo según EPIR: Estado.19. Elaborado por: Juan Carlos Carrasco y Wilfredo Matamoros. 111
  • 112. Apéndices del Protocolo de trampas cámaraHojas metodológicas delProtocolo de trampas cámara11. Nivel biológico: especies.2. Nombre del indicador: especies en peligro de extinción, presencia de especiesindicadoras y presencia de especies invasoras.3. Definición del indicador: se refiere a la cantidad de especies en peligro de extinción,presencia de especies indicadoras usadas por los países como especies bandera u objetosde conservación. Asimismo, las especies exóticas o domésticas consideradas invasorasen áreas protegidas en la región centroamericana, según el Libro rojo y listas nacionalesde la flora y la fauna de Centroamérica y México (UICN). Las tendencias de aumento odisminución del número de especies a lo largo del tiempo nos pueden dar a conocer lastendencias de distribución y abundancias de cada especie como una alarma dentro decada país.4. Justificación e importancia del indicador: el número de especies en peligro deextinción es revisado periódicamente por la UICN, de tal manera que posee un respaldoinstitucional. La información que este indicador integra se relaciona con el flujo degenes entre poblaciones y “calidad” de los ecosistemas, por lo que se hace un análisisamplio por grupo taxonómico (es decir, reptiles, aves, mamíferos, plantas, hongos, etc.)y por grupo funcional (es decir, depredadores, omnívoros, etc.).La lista roja constituye un instrumento crucial para evaluar el uso sostenible de labiodiversidad en la región. Debido a la reducción drástica que está experimentandonuestra biodiversidad, esta lista ya no está sólo en manos de la comunidad científica,sino que comprende los aportes de las comunidades locales y de los tomadores dedecisiones a diferentes niveles.5. Unidad de medida del indicador: número de especies (abundancias relativas poresfuerzo de muestreo, noches cámara).6. Fórmula del indicador: número de individuos/esfuerzo de muestreo, noches cámara.Se analizan las especies indicadoras seleccionadas por países, que se distribuyen en lasáreas protegidas de la región.Con el fin de que la información del indicador tenga alguna relevancia es importantecumplir los siguientes requisitos: a) mismo sitio de muestreo, b) misma metodología de captura/visualización de especies, c) mismo esfuerzo de captura/visualización, d) misma comunidad o grupo taxonómico, e) misma época del año, f) conocer la identificación de las especies para que cada año sea igual el proceso de identificación y su historia natural de tal manera que se pueda definir su valor de distribución.La información que se levanta corresponde al número de individuos por especie en un 112
  • 113. tiempo y área dada.7. Descripción metodológica: uso de trampas cámara para la capturas de individuos yestimar poblaciones de manera relativa y de manera absoluta. El esfuerzo de muestreose mide según el número de noches que las cámaras están en campo. Se llamaestaciones a la colocación de las cámaras en parejas en sitios donde la captura es poroportunidad.7.1. Proceso de cálculo general del indicador: se parte de los estudios de trampascámara hechos en los países de Centroamérica.7.2. Definición de cada variable de la fórmula: S = número de especies por esfuerzo(noches cámara).8. Limitaciones del indicador: solamente se podrán monitorear mamíferos medianos ygrandes.9. Cobertura: regional.10. Fuente de datos: estudios con trampas cámara por país en la regióncentroamericana.11. Disponibilidad de los datos: años 2000-2010.12. Forma de presentación de los datos: tablas de Excel y gráficos, curvas deacumulación.13. Periodicidad del indicador: bienal14. Entidades responsables del indicador (CTBio proponga): UICN/ departamentosde vida silvestre por país.15. Documentación relacionada con el indicador: CCAD (1999), Libro rojo de lafauna de Centroamérica y México. Listados de preocupación especial por país.16. Bases de datos simplificadas y salida del indicador: listados, gráficos, tablas17. Observaciones: se asume que la UICN está comprometida con el Libro rojo y queseguirá actualizando la información.19. Elaborado por: Portillo/Carrasco/Matamoros/Rivera. 113
  • 114. 21. Nivel biológico: especies (aves).2. Nombre del indicador: presencia de especies indicadoras.3. Definición del indicador: aplicable para especies indicadoras del grado de conservaciónde ecosistemas en la región. Al desaparecer algunas de las especies indicadoras seinterpreta que la biodiversidad en general está disminuyendo.4. Justificación e importancia del indicador: es un indicador directo de presencia oausencia de las especies seleccionadas por países que cumplan la condición deregionalidad. Existe información disponible sobre especies indicadoras en los países de laque habría que seleccionar las especies de ámbito regional.5. Unidad de medida del indicador: abundancia relativa.6. Fórmula del indicador: horas esfuerzo de monitoreo, número de individuos observados.7. Descripción metodológica: para conocer el estado de conservación de las avesindicadoras es necesario establecer las poblaciones de las diferentes especies; lasabundancias absolutas son las más recomendadas. Para esto se pueden utilizar lo que seconoce como censos de poblaciones, consistentes en crear puntos de conteo donde seestablece un protocolo para tomar datos por sitio. En cada sitio se permanecerá dos horas yse harán conteos cada 15 minutos con intervalos de 15 minutos, lo que representa 4 conteospor cada 2 horas por las mañanas, iniciando a las 5.30 am y finalizando a las 8.30 am. Cadaconteo se hará durante tres días en cada uno de los sitios seleccionados en 5 sitios. Estorepresenta 15 días de muestro. Se llenarán las hojas de los protocolos para luego servaciadas en tablas para su posterior análisis.Tipo de análisisLa toma de los datos por sitio de conteo nos permitirá ser flexibles en el análisis de losmismos, siendo los siguientes los posibles paquetes estadísticos a usar con sus resultados: Paquete estadístico Resultado Dominio: público/pagado Distance 5 Abundancias relativas y Público absolutas SPSS Estadística descriptiva, T- Pagado test, Anovas R Análisis de estadística Público descriptiva, correlaciones chi cuadrado, T-test, análisis multivariados, análisis de componentes principales Sprecrich Abundancias relativas, Público riqueza Estimate Diversidad, riqueza, rarefacciones ArcGIS, ArcVIEW, Diva- Distribución, buffers de Pagado, público GIS. áreas hipotéticas de acción7.1. Proceso de cálculo general del indicador: se analizan las especies indicadorasseleccionadas por países, que se distribuyen en las áreas protegidas de la región. Con el finque la información del indicador tenga alguna relevancia es importante cumplir los 114
  • 115. siguientes requisitos: a) mismo sitio de muestreo, b) misma metodología de captura/visualización de especies/vocalización, c) mismo esfuerzo de captura/visualización/vocalización, d) misma comunidad o grupo taxonómico, e) misma época del año, f) conocer la identificación de las especies para que cada año sea igual el proceso de identificación y su historia natural de tal manera que se pueda definir su valor de distribución.La información que se levanta corresponde a número de individuos por especie en untiempo y área dados.7.2. Definición de cada variable de la fórmula: número de individuos/horas esfuerzo es elnúmero de individuos observados por periodos de tiempo según cada protocolo. Losanálisis básicos serán por abundancia relativa. Los análisis posteriores, usando paquetesestadísticos, dependerán de la habilidad y/o necesidad de información de los investigadores.8. Limitaciones del indicador: financiamiento para levantar base de datos.9. Cobertura: regional.10. Fuente de datos: grupos de ornitólogos por país, universidades, ONG con especialidaden aves.11. Disponibilidad de los datos: base de datos por país, listados oficiales de aves. Base dedatos de especies de interés especial.12. Forma de presentación de los datos: tablas de Excel o base de datos, gráficos ymapas.13. Periodicidad del indicador: bianual.14. Entidades responsables del indicador (CTBio proponga): UICN.15. Documentación relacionada con el indicador: Listados UICN. Listados de especies de preocupación especial por país. Listados de Birdlife. Listados de Partners in Flight.16. Bases de datos simplificadas y salida del indicador: listados, gráficos, mapas.17. Observaciones:18. Tipo según EPIR: Estado.19. Elaborado por: Portillo/Carrasco/Matamoros/Rivera. 115
  • 116. 31. Nivel biológico: especie.2. Nombre del indicador: presencia de especies invasoras.3. Definición del indicador: se trata de identificar las especies animales y vegetalesintroducidas en nuestro territorio, no presentes de forma natural en nuestros ecosistemas,que pueden suponer una amenaza contra la biodiversidad autóctona. La simple presencia deuna especie no supone en sí misma un hecho negativo, pero sí una potencial amenaza. Hayque considerar que en ocasiones en el pasado ciertas especies fueron introducidas yaclimatadas con éxito, por lo que puede resultar complicado evaluar el impacto real de laintroducción de estas especies, que podrían llenar huecos en ciertos nichos de especies yadesaparecidas por la acción humana directa.4. Justificación e importancia del indicador: la introducción de especies invasoras y ladestrucción de hábitats son dos de las principales amenazas contra la biodiversidad. Lasespecies introducidas pueden competir con una especie autóctona por un mismo nichoecológico, con el resultado final de desplazar a ésta por no disponer de enemigos naturaleso presentar un comportamiento agresivo hacia la otra. Se trata de un fenómeno difícilmenterecuperable una vez extendido y muchas veces es resultado de acciones involuntarias y derápida extensión, especialmente en el mar.5. Unidad de medida del indicador: abundancia de especies y su distribución por mediode modelación, usando variables ambientales y condiciones. Se recomienda emplearpaquetes de modelación basados en georreferenciaciones y mapas grids. Entre ellospodemos recomendar el DesktopGarp, que es de dominio público y compatible con lamayoría de sistemas de información geográfica.6. Fórmula del indicador: no aplica.7. Descripción metodológica: DesktopGarp funciona en la plataforma Intel/Windows,incluyendo Windows 98, ME, NT4, 2000 y XP. No funciona en Windows 95 ni en laprimera edición de 98. No funciona en Mac, Linux, Solaris o cualquier tipo de Unix.GARP es un algoritmo genético que crea un modelo de nicho ecológico para una especiecon el cual se representan las condiciones ambientales donde dicha especie sería capaz demantener su población. GARP utiliza como entrada un conjunto de localidades (puntos)donde se sabe que la especie está presente y un grupo de coberturas geográficas querepresentan los parámetros ambientales que pueden, potencialmente, limitar la capacidad desupervivencia de la especie.7.1. Proceso de cálculo general del indicador: 1. Insumos: base de datos de especies invasoras con localidades georreferenciadas. 2. Paquete estadístico. 3. Base de datos de mapas grids por país (temperatura, humedad, precipitación, cobertura). 4. Correr paquete de modelación. 5. Análisis de los mapas generados.7.2. Definición de cada variable de la fórmula:8. Limitaciones del indicador: Requiere al menos 10 datos georreferenciados. Manejo de paquetes estadísticos. Manejo de paquetes de sistemas de información geográfica. 116
  • 117. 9. Cobertura: regional.10. Fuente de datos: UICN/SIAM, listados de especies introducidas por país.11. Disponibilidad de los datos: búsqueda de información en herbarios, museos,secretarías de Estado y organizaciones ambientales.12. Forma de presentación de los datos: mapas digitales formatos raster y grid.13. Periodicidad del indicador: bianual.14. Entidades responsables del indicador (CTBio proponga): SICAP, UICN, OIT, CDB.15. Documentación relacionada con el indicador: listados de UICN.16. Bases de datos simplificadas y salida del indicador: listado de especies e informes,así como mapas de distribución.17. Observaciones: las modelaciones deberán ser interpretadas por grupos de especialistasque puedan identificar tendencias de las modelaciones y sus especies de acuerdo con labiología y ecología de la misma.18. Tipo de información: mapas grid, mapas en formato jpg.19. Elaborado por: Rivera/Portillo/Carrasco/Matamoros 117
  • 118. Apéndice: programa DesktopGarp 118
  • 119. DesktopGarpManual de usuarioPrograma para las modelaciones y proyecciones de biodiversidad 119
  • 120. DesktopGarp es un software para hacer investigación en biodiversidad y ecología quepermite al usuario predecir y analizar la distribución de especies.Es la versión de “escritorio” del algoritmo GARP. El acrónimo viene del inglés geneticalgorithm for rule-set production (algoritmo genético basado en reglas). GARP fuedesarrollado originalmente por David Stockwell en el ERIN Unit of EnvironmentAustralia y mejorado en San Diego Supercomputer Center. Una versión interactiva delalgoritmo, implementada por la vía web, se encuentra en la página web de BiodiversitySpecies Workshop.GARP es un algoritmo genético que crea un modelo de nicho ecológico para unaespecie que representa las condiciones ambientales donde dicha especie sería capaz demantener su población. GARP utiliza como entrada un conjunto de localidades (puntos)donde se sabe que la especie está presente y un grupo de coberturas geográficas querepresentan los parámetros ambientales que pueden limitar la capacidad desupervivencia de la especie.GARP trata, de forma interactiva, de encontrar las correlaciones entre las presencias yausencias de la especie con los parámetros ambientales, utilizando una serie de reglasdiferentes. Cada tipo de regla implementa un método diferente para construir losmodelos de predicción de la especie. Actualmente hay cuatro tipos de reglasimplementadas: atómica, regresión logística, envoltura bioclimática y negación de laenvoltura bioclimática. Para una descripción detallada del algoritmo GARP, vaya aldocumento escrito por David Stockwell, “GARP technical manual and user’s guide”.Requerimientos del sistemaLa configuración mínima del sistema para ejecutar DesktopGarp es: o Sistema operativo basado en Intel/Pentium. o Windows 98 SE (second edition), ME, NT 4, 2000 (todas las versiones) y XP (todas las versiones). o 64 MB de memoria RAM. o 100 MB en el disco duro.Adicionalmente, la configuración del sistema recomendada, basándonos en el tamañomedio de los experimentos, es: o 256 MB o más de memoria RAM. Cuanto más, mejor: el tamaño óptimo de memoria RAM depende de cuán voluminosas sean sus bases de datos (número de píxeles), el número de coberturas que usted tiene y el número de “vueltas” del modelo necesarias para su experimento. La cantidad de memoria se puede estimar según (número de píxeles por cobertura) X (número de coberturas en la base de datos) X (10KB X número de vueltas del modelo). o 40GB de disco duro, preferiblemente un disco rápido SCSI. El resultado del modelo puede ser bastante numeroso y voluminoso, dependiendo de los parámetros de su experimento. o Microsoft Excel 97, 2000 o XP para procesar los datos de entrada y los resultados. 120
  • 121. o ESRI ArcView con la extensión Spatial analyst para crear bases de datos adecuadas a sus necesidades y para analizar los mapas de distribución resultantes. o Las máquinas con multiproceso no mejorarán la ejecución de un experimento único, ya que DesktopGarp es totalmente secuencial (no paralelo) en la actualidad. La ganancia sólo se apreciará si se están ejecutando dos o más experimentos al mismo tiempo (cada experimento utilizará un procesador).InstalaciónEjecute el archivo de instalación descargado desde la página web. SitúeDesktopGarpSetup_1_1_6.exe utilizando Windows Explorer y haga doble click sobreél. Si se elige abrir el archivo directamente desde la página web, el proceso deinstalación comenzará inmediatamente una vez que la descarga se haya completado.Cuando comience el proceso de instalación siga las instrucciones que aparezcan en lapantalla.Durante el proceso de instalación se le ofrecerá instalar un software adicional llamadoMicrosoft XML Parser. Lea y acepte el acuerdo de licencia si está de acuerdo con él ysiga los pasos que aparezcan en pantalla. Tenga en cuenta que DesktopGarp nofuncionará si usted no tiene este software de Microsoft instalado en su sistema.Una vez que tenga los dos softwares instalados está preparado para utilizarDesktopGarp.Uso de DesktopGarpLa interfaz de uso de DesktopGarp es relativamente sencilla. Contiene una sola ventanadonde el usuario especifica todos los parámetros y datos que se usarán en elexperimento. En la figura siguiente se muestra la interfaz. 121
  • 122. Más adelante se detalla el funcionamiento de cada uno de los paneles de la interfaz deusuario.Entrada de puntos de datosEl panel Species data points maneja los datos de ocurrencia (puntos) de la especie.Un ejemplo de esta área se muestra en la siguiente figura.Se puede insertar nueva información de ocurrencia de especies haciendo click en elbotón Upload data points. Se abrirá una nueva ventana donde especificar lalocalización del archivo con los datos de ocurrencia. Por el momento, el programasoporta tres tipos de formatos: delimitado por comas (comma delimited), hoja decálculo de Excel (MS Excel spreadsheets) y coberturas de ArcView (ArcViewshapefiles). 122
  • 123. Los archivos delimitados por comas y los archivos de Excel deben contener trescolumnas: la primera para el nombre de la especie, la segunda para la longitud y latercera para la latitud. La primera línea de los archivos es ignorada por el programa, porlo que puede utilizarse para poner los títulos o etiquetas.En esta versión, DesktopGarp sólo acepta archivos en este formato, por lo que debeasegurarse de que las columnas están ordenadas: nombre de la especie, longitud ylatitud. Nótese que la longitud va antes que la latitud.Cada línea del archivo representa un único punto de datos para la especie. Los datospara la misma especie deben ir juntos. Diferentes nombres de especie definen diferentesespecies en el software.A continuación mostramos un ejemplo de una hoja de cálculo de Excel y elcorrespondiente archivo delimitado por comas, que contienen información de dosespecies. Estos archivos se pueden descargar de MS Excel sample y comma delimitedsample.Elegir una cobertura ESRI hace que aparezca una columna para el nombre de lasespecies. En este caso el atributo debe ser del tipo point (debe ser una cobertura depuntos).En el panel se mostrarán todas las especies cargadas en el programa y su número depuntos de ocurrencia (en paréntesis). Las casillas de la izquierda permiten al usuario, 123
  • 124. marcando o desmarcando, controlar qué especies de la lista serán utilizadas en elexperimento.En este panel, el usuario puede especificar también dos parámetros que definen cómoserán muestreados y utilizados los datos. La primera opción permite al usuarioespecificar qué porcentaje de puntos serán utilizados para entrenar el modelo(construcción del modelo). Los puntos restantes se usarán para testear el modelo. Si el100% de puntos se utilizan para entrenar el modelo, no se realizará ningún test designificancia sobre los modelos.La segunda opción permite al usuario especificar el mínimo número de puntos a utilizarpara entrenar el modelo. Para activarla, seleccione la casilla de la izquierda de estaopción. Cuando esté seleccionada, esta opción prevalece sobre el porcentaje de valores autilizar y utiliza al menos el número de puntos especificado. Esta opción es útil paraespecies con pocos datos de ocurrencia porque fuerza al programa a emplear un númeromínimo de datos en los análisis. El algoritmo no funciona bien, normalmente, conmenos de 20 puntos de entrenamiento.Parámetros de optimizaciónEn el panel de Optimization parameters, el usuario puede especificar algunos de losparámetros que controlan el comportamiento general del algoritmo genético. Unamuestra de este panel se muestra a continuación.El número de “vueltas” por experimento define cuántas veces se llevará a cabo cadatarea en el experimento. Por ejemplo, para dos especies y 10 vueltas por experimento, elalgoritmo se ejecutará 20 veces: 10 veces para la primera especie y otras 10 para lasegunda.El límite de convergencia (Convergente limit) establece la condición en la cual lasiteraciones del algoritmo genético se detienen. Su comportamiento depende de lo fácil ocomplejo que sea el problema. Normalmente, valores entre 0.01 y 0.10 son adecuados.Si el parámetro se fija en 0, el algoritmo se detendrá sólo cuando se haya alcanzado elmáximo número de iteraciones.Max iterations define el valor de iteraciones máximas, otra condición para que elalgoritmo genético se detenga. Este parámetro fuerza a la optimización a detenerse en la 124
  • 125. iteración especificada, aunque el límite de convergencia no se haya alcanzado aún. Unnúmero mayor de iteraciones da lugar a resultados más estables. Los valores usualesestán entre 100 y 1,000.Las casillas de Rule types (tipos de reglas) generan una tarea para cada combinación delas reglas seleccionadas. Para una discusión completa de cada tipo de regla vaya aldocumento escrito por David Stockwell: “GARP technical manual and user’s guide”.Todas las combinaciones de casillas generan una tarea para cada combinación de reglasseleccionadas. Por ejemplo, si Range, Logit y Atomic rules están seleccionadas,DesktopGarp creará una tarea donde sólo cada una de esas reglas se utilice, otra para lasreglas range y logit, otra para range y atomic, otra para logit y atomic y otra para las tresreglas combinadas. Esto es útil para analizar el impacto sobre los resultados de cadaregla en particular. Las etiquetas bajo las casillas muestran cuántas combinaciones secrearán y también cuántas veces se ejecutará el modelo (cuántas tareas: combinaciones= número de tareas). 125
  • 126. Bases de datos de los rangos nativosEl panel de bases de datos de los rangos nativos o coberturas ambientales(Environmental layers) permite al usuario definir las coberturas ambientales que seutilizarán como datos de entrada para la predicción. El algoritmo tratará decorrelacionar los datos de ocurrencia con los valores de estas coberturas para llegar auna predicción final.La ventana de las bases de datos muestra la elección de coberturas a utilizar en elexperimento. Las coberturas listadas en esta ventana son las que se cargan utilizando enel menú la opción Datasets->scan directory....Una vez que se han elegido el directorio, DesktopGarp hará automáticamente una listade todas las coberturas presentes y la mostrará en la ventana del panel. De este modo, elusuario puede controlar qué coberturas se utilizarán seleccionando o no la casilla queaparece a la izquierda del nombre de cada cobertura.Nota: hay un conjunto de coberturas de muestra que viene con DesktopGarp. Estásituada en el directorio SampleDataset, incluido en el directorio de instalación (que pordefecto es C:Program FilesDesktopGarpSampleDataset).Bajo la lista de coberturas hay tres botones que definen cómo se utilizarán las coberturasseleccionadas. El primero, All selected layers (todas las coberturas seleccionadas),fuerza a DesktopGarp a utilizar todas la coberturas en la optimización. 126
  • 127. All combinations of selected layers (todas las combinaciones de coberturasseleccionadas) forzará al experimento a ejecutar el modelo una vez por cada una de lascombinaciones de coberturas posibles.La opción All combinations of selected size N (todas las combinaciones decoberturas seleccionadas de tamaño N) tiene un efecto similar, pero limitará elexperimento a las combinaciones que contengan exactamente N coberturas.Las últimas dos alternativas, que utilizan combinaciones de cobertura, son útiles paradeterminar qué coberturas son importantes para las especies. Un método para analizarlopodría ser utilizar una regresión lineal múltiple para predecir los errores (de omisión ycomisión), utilizando información de la tarea en que una cobertura en particular se hayausado como variable independiente.Nota: el uso de combinaciones de variables puede hacer que el número de tareas(vueltas) del experimento sea demasiado grande. Hay una etiqueta junto al botón delpanel que muestra cuántas combinaciones de variables se llevarán a cabo. Los tests hanmostrado que DesktopGarp funciona bien con hasta 10,000 tareas (vueltas del modelo)en el mismo experimento.Parámetros de salida (resultados)El panel Output especifica el formato del mapa de predicción que se obtendrá comoresultado y el directorio de salida para los mapas y otros documentos que se generan.Los mapas de predicción se pueden generar en tres formatos: o Bitmaps: mapas de bits de MS Windows bitmaps, con extensión .bmp; o ASCII raster grids: formato de texto ASCII, con extensión .asc; o ESRI arc/info grids: formato de ESRI para el almacenaje y manejo de grids espaciales. Se crea un directorio (carpeta) separado para cada grid.Nota: en algunos sistemas, la última casilla (Maps as ARC/INFO grids) no estarádisponible (en tono gris) debido a la falta de una librería importante de ESRI, la GridI/O library, en el sistema. Para hacer que esta opción esté disponible, siga las siguientesinstrucciones: o Instale ESRI ArcView GIS; o Instale la extensión ESRI spatial analyst extension, eligiendo Custom setup e incluyendo GRID I/O en la instalación; o Añada la librería GRID I/O a la ruta del sistema del siguiente modo: o En los sistemas operativos Windows 2000 y XP, haga click derecho sobre el icono My Computer (Mi PC) del escritorio y seleccione en el menú 127
  • 128. Properties (propiedades). Haga click en Avanzadas y haga click en el botón Environmental variables.... En la lista de variables del sistema (abajo), seleccione la variable Path (o ruta), haciendo doble clic. Añada el directorio al directorio de ESRI ArcView bin32 que está ya definido para esa variable, separado por un punto y coma ";". Como instalación por defecto, usted debe añadir: C:ESRIAV_GIS30ARCVIEWBIN32 a lo que ya esté definido en la variable Path (o ruta). Asegúrese de que no borra lo que ya estaba escrito en la variable Path (o ruta), ya que puede hacer que algún otro software de su ordenador no funcione correctamente. Pida asistencia a su administrador de sistema o al servicio técnico si no está seguro de cómo hacer estas modificaciones sobre su sistema. o En Windows 98/ME pida la asistencia del administrador del sistema. o Ahora está hecho. La próxima vez que abra DesktopGarp, la opción de Arc/info grid deberá estar disponible.Otro archivo importante que se almacena en el directorio de salida es el result.xls, quecontiene un resumen de todas las áreas, mensajes de error, parámetros del resultado, testestadístico, precisión y otra información. En la sección “Tabla de resultados” seencuentra una descripción y un método de análisis para de estos datos.Todos los archivos .bmp, .asc y otros resultados se guardan en el directorio especificadoen la casilla Output directory. Ésta debe ser una carpeta válida (local o remota),accesible desde el ordenador que se está utilizando. Las grids de ESRI arc/info sealmacenan en subdirectorios del Output directory y se nombran, de forma secuencial,grid00000, grid00100, grid00200, etc. El directorio grid00100 contiene el resultado delas áreas que van de la 100 a la 199. Esto es debido a una limitación de ESRI con lasgrids permitidas en un directorio.Para más detalles sobre los archivos generados como resultado del experimento, vaya ala sección “Resultados”.ProyeccionesEn el panel Projection datasets, el usuario especifica qué coberturas se utilizarán enla fase de proyección del experimento. La siguiente figura muestra un ejemplo de estepanel:Al finalizar cada tarea, DesktopGarp proyectará las reglas obtenidas durante laoptimización sobre cada cobertura especificada en la lista de coberturas de proyección(Current datasets). DesktopGarp también proyectará las reglas sobre las coberturas dela distribución nativa, definidas en el panel (Native range dataset). 128
  • 129. En la ventana de Available datasets se muestra una lista de las coberturas disponibles.El botón Add añade las coberturas seleccionadas a la lista. Para eliminar una coberturade la lista Current datasets selecciónela y después haga click sobre el botón Remove.Utilizar distintas coberturas en los experimentos es útil a la hora de investigar especiesinvasivas, cambios climáticos y cambios temporales.Crear un conjunto de coberturas personalizadas con Dataset managerAunque DesktopGarp viene con coberturas ejemplo para mostrar su funcionamiento,puede que éstas no sean las apropiadas para todos los experimentos. En ese caso esnecesario crear un conjunto con coberturas personalizadas que sea compatible con elformato de DesktopGarp.Hay una herramienta llamada Dataset manager que se instala junto con DesktopGarpy sirve para crear nuevas listas de coberturas. Está disponible en el menú Start->Programs->Desktop Garp->Dataset manager. La interfaz de Dataset manager es:El panel Dataset info permite definir metadatos generales sobre el conjunto decoberturas. Por el momento, los campos más útiles son los de Identifier (identificador)y Title (título). Esos valores se mostrarán en DesktopGarp una vez que las coberturashayan sido cargadas desde el disco duro. En la parte de abajo de éste hay algunainformación sobre el conjunto de datos, como su extensión y el número y tamaño de lospíxeles. 129
  • 130. El panel Environmental layer info permite al usuario introducir metadatos genéricossobre cada cobertura individual del conjunto actual.La ventana Layer list muestra todas las coberturas disponibles en el conjuntoseleccionado. En el ejemplo hay dos coberturas (EnvLayer1 y EnvLayer2) y unacobertura de máscara (mask). El botón de la derecha debajo de la lista permite cambiarel orden de las coberturas y eliminarlas o añadir nuevos datos manualmente.Para crear el conjunto de datos de DesktopGarp, esta herramienta necesita que lascoberturas estén en formato ASCII raster grid y situadas en el mismo directorio. Todaslas coberturas deben tener la misma extensión geográfica y el mismo tamaño de píxel (sitodas las coberturas se superponen, los píxeles deben coincidir perfectamente).Nota: hay una extensión de ESRI ArcView que viene con el paquete de instalación deDesktopGarp diseñada para crear ASCII raster grids con ArcView. Esta extensión seencuentra en el directorio de instalación de DesktopGarp (por defecto, C:ProgramFilesDesktopGarp), y se llama GarpDatasets.avx. Para instalar y usar esta extensiónhay que copiar el archivo GarpDatasets.avx en el directorio ESRI ArcView ext32 (en lasinstalaciones estándar, este directorio está en C: ESRI AV_GIS30 ARCVIEWEXT32). Haga click sobre la ventana del proyecto y vaya al menú File->Extensions.Marque la casilla que está junto a la extensión GarpDatasets y luego presione OK. Estocreará un nuevo submenú en el menú de View, llamado Garp. El único elemento delsubmenú es el que permite crear ASCII raster grids para Dataset manager desde lasgrids de ArcView.Una vez que las coberturas ambientales (.asc) estén preparadas para convertirlas en elformato Desktop manager, haga click en el menú Load layers->From ASCII raster gridsy una aplicación llevará al usuario donde están guardados los archivos asc. Elija uno delos archivos asc para comenzar la conversión. A medida que se vayan procesando lascoberturas, se mostrarán en la layer list. La aplicación puede tardar un poco, desdesegundos a varios minutos, dependiendo del tamaño de cada cobertura. Simplementeespere hasta que finalice el proceso.Nota: para restringir (enmascarar) el área de estudio a una región en particular dentro delas coberturas, cree un ASCII raster grid llamado mask.asc, con valores NO_DATA enlos píxeles que no deben ser incluidos en el experimento de GARP. Si usted tienevalores NO_DATA en sus coberturas ambientales puede copiar simplemente uno de losarchivos .asc en el mismo directorio y renombrarlo como mask.asc. La herramienta deDataset manager convertirá automáticamente esta cobertura y la usará para definir loslímites geográficos del área de estudio durante el proceso de conversión.Una vez que ya estén convertidas todas las coberturas, el usuario debe ir a File->Save yelegir un nombre para el conjunto de coberturas. Este archivo se debe guardar en elmismo directorio que el resto de los archivos .asc. El conjunto de datos está listo paraser utilizado en DesktopGarp. 130
  • 131. ResultadosDurante la ejecución, DesktopGarp crea muchos archivos como resultado, así comodirectorios, dependiendo de los parámetros de salida. Todos esos objetos son elresultado de los experimentos. Los objetos más importantes son los mapas de prediccióny la tabla de resultados.Mapas de predicciónEstos mapas se crean en tres formatos, dependiendo de las opciones seleccionadas en elpanel de Output parameter. Los formatos son: o bitmaps: mapas de bits de MS Windows bitmaps, con extensión ".bmp"; o ASCII raster grids: formato de texto ASCII, con extensión ".asc"; o ESRI arc/info grids: formato de ESRI para el almacenaje y manejo de grids espaciales. Se crea un directorio (carpeta) separado para cada grid.Los mapas de predicción, independientemente del formato elegido, son representacionesgráficas de la distribución geográfica predicha para la especie en cada “vuelta” enconcreto del modelo.Nota: normalmente, el usuario tiene que hacer algún postproceso y selección adicionalsobre los mapas de resultado para obtener una respuesta más precisa y fiable. Aunqueuna sola “vuelta” del modelo puede dar lugar a un buen mapa de predicción, haysituaciones en que el algoritmo de GARP se detiene en un óptimo local que hace que elresultado no tenga la calidad suficiente. Para evitar este tipo de situaciones siga lasrecomendaciones descritas en el apartado “Métodos” descritas más adelante.El formato de mapa de bits está pensado para ser utilizado en sistemas que no tienenmucha capacidad para efectuar análisis posteriores ni herramientas de visualización.Este formato permite al usuario ver el resultado de cada vuelta del modelo conherramientas estándar de visualización de imágenes.La figura muestra una imagen en mapa de bits de una predicción en Brasil. 131
  • 132. Los otros dos formatos, registrados por ESRI (datos en formato grid y ASCII), permitenal usuario hacer análisis posteriores para obtener un resultado más completo y robusto.El formato ASCII se debe importar de un software de GIS para visualizar los mapas,mientras que el formato ESRI Arc/info grid permite visualizar los mapas directamenteen ESRI u otro software de GIS.Todos los archivos .bmp, .asc y otros resultados se guardan en el directorio especificadoen la casilla Output directory. Ésta debe ser una carpeta válida (local o remota)accesible desde el ordenador que se está utilizando. Las grids de ESRI Arc/Info sealmacenan en subdirectorios del Output directory y se nombran, de forma secuencial,grid00000, grid00100, grid00200, etc. El directorio grid00100 contiene el resultado delas áreas que van de la 100 a la 199. Esto es debido a una limitación de ESRI con lasgrids permitidas en un directorio.Tabla de resultadosToda la información sobre la ejecución del experimento para cada una de las vueltas deGARP se guarda en un archivo MS-Excel, con nombre result.xls y situado en eldirectorio de salida. Este archivo muestra un resumen de todas las vueltas del algoritmo,mensajes de error, test estadísticos preliminares, precisión, etc.En la figura se muestra un ejemplo de un archivo de resultados. 132
  • 133. La primera línea del archivo contiene los nombres de cada columna. Cada línea muestrala información para cada ejecución del algoritmo en el experimento. Las columnascontienen la siguiente información: Número secuencial o identificador asignado a cada ejecución. El identificador de cada vuelta del modelo se corresponde con el archivoTask que contiene el mapa de predicción obtenido en un archivo con el mismo nombre. Número secuencial asignado a un grupo de vueltas del modelo que son repeticiones con los mismos parámetros de entrada. Por ejemplo, si se han seleccionado 5 repeticiones en el panel de OptimizationRun parameters, el algoritmo se ejecutará 5 veces repetidamente, que representarán 5 números diferentes en esta columna, de 1 a 5 en este caso. El nombre de la especie tal como se da en el archivo de entrada y comoSpecies se especifica en la ventana donde se listan los puntos de datos para cada especie. Indica si se han utilizado reglas atómicas en el experimento. Los valoresAtomic rules posibles para esta columna son 0 (falso) o 1 (verdadero). Indica si se han utilizado reglas de rango en el experimento. Los valoresRange rules posibles para esta columna son 0 (falso) o 1 (verdadero). Indica si se han utilizado reglas de negación en el experimento. LosNegated rules valores posibles para esta columna son 0 (falso) o 1 (verdadero). Indica si se han utilizado reglas de regresión logística en el experimento.Logit rules Los valores posibles para esta columna son 0 (falso) o 1 (verdadero). 133
  • 134. Número de iteraciones que ha realizado GARP en esa vuelta del modelo. El valor está limitado por el máximo número de iteraciones. El valor debe ser menor si se ha alcanzado el límite de convergencia antes que elIter. máximo número de iteraciones. Dado que la iteración final suma los resultados de optimización, esta columna normalmente da el máximo número de iteraciones más una. Valor de la variable de convergencia cuando se ha detenido una vuelta del modelo. Puede ser un poco menor que el valor especificado como límite de convergencia en el panel de Optimization parametersConv. cuando se alcance el límite. También puede ser mayor que el límite en los casos en que se alcance el número máximo de iteraciones antes que el límite de convergencia.CEF No utilizado. Precisión calculada utilizando el conjunto de datos de entrenamiento. LaTrain acc. precisión se calcula según la expresión: (a+b)/(a+b+c+d). Las variables a, b, c y d se explican más abajo. Número de puntos donde el modelo ha predicho una presencia (presence) y hay una presencia en los datos de muestreo (actual record). En estePr:Pr/Ac:Pr caso, el modelo ha predicho el lugar correctamente. Ésta es una variable de una expresión de precisión. Las letras del nombre de columna representan Pr(edicted):Pr(esent)/Ac(tual record):Pr(esence). Número de puntos donde el modelo ha predicho una ausencia y hay una presencia en los datos de muestreo (actual point). En este caso, el modelo ha predicho el punto incorrectamente. Este valor normalmente representa un error real, sea por la baja calidad del modelo o por la mis-Pr:Ab/Ac:Pr identificación de un punto de muestreo. El error es real cuando estamos utilizando sólo datos de presencia, que es el caso de esta versión de DesktopGarp. Ésta es la variable c de la expresión de precisión. Las letras de nombre de la columna representan: Pr(edicted):Ab(sent)/Ac(tual record):Pr(esence). Número de puntos donde el modelo ha predicho una presencia y hay una ausencia en el punto de muestreo. A primera vista, el modelo ha predicho el punto incorrectamente. No obstante, cuando utilizamos sólo datos de presencia, este error se puede deber a un muestreo insuficiente del áreaPr:Pr/Ac:Ab de interés en los casos en que el punto presente las condiciones ambientales óptimas para la especie, pero no habiendo información de ocurrencia en este punto. Ésta es la variable de la expresión de precisión. Las letras de nombre de la columna representan Pr(edicted):Pr(esent)/Ac(tual record):Ab(sence). Número de puntos donde el modelo ha predicho una ausencia y hay una ausencia en el punto de muestreo. En este caso, el modelo ha predicho elPr:Ab/Ac:Ab punto correctamente. Ésta es la variable b de la expresión de precisión. Las letras de nombre de la columna representan Pr(edicted):Ab(sent)/Ac(tual record):Ab(sence). Esta columna muestra la precisión calculada utilizando los puntos deTest Acc. muestreo separados aparte para realizar el test de precisión y que no se han empleado para entrenar el modelo. El valor está calculado con la 134
  • 135. misma expresión descrita para los datos de entrenamiento y las columnas Pr:Pr/Ac:Pr, Pr:Ab/Ac:Pr, Pr:Pr/Ac:Ab and Pr:Ab/Ac:Ab representan los mismos conceptos descritos anteriormente, pero aplicados al conjunto de datos de test.Total area Número total de píxeles no enmascarados en el área de estudio.Presence area Número total de píxeles donde la especie se predice como presente.Absence area Número total de píxeles donde la especie se predice como ausencia. Número total de píxeles donde el algoritmo no pudo determinar si laNon- especie está presente o ausente (esto significa que no se ha aplicadopredicted area ninguna de las reglas en esas áreas).Yes Número de puntos de test que caen dentro del área de presencia.No Número de puntos de test que caen fuera del área de presencia.ChiSq Valor intermedio para calcular el valor del test de chi-cuadrado. Test de chi-cuadrado. Probabilidad de que una predicción al azar seap similar al resultado, esto es, teniendo el mismo número de puntos correctos que el modelo que ha generado GAP. Porcentaje del área predicha que excede el número de puntos deCommission ocurrencia. Omisión intrínseca. Porcentaje de puntos de entrenamiento que se hanOmission omitido en la predicción; esto es, aquellos que fueron predichos como(int) ausencia, pero que eran presencias de muestreo. Omisión extrínseca. Porcentaje de puntos de test que se han omitido enOmission la predicción; esto es, aquellos que fueron predichos como ausencia, pero(ext) que eran puntos de ocurrencia en el subconjunto de test. Estado de la vuelta del modelo. Puede ser waiting to be processed (enStatus espera), successfully processed (proceso completado) o failed (error).Message Mensaje más detallado para explicar el mensaje de estado. Indica qué coberturas se han usado en la predicción. Están representadasLayers por 0 (falso) o 1 (verdadero) bajo el nombre de la cobertura.MétodosEsta sección describe los métodos para obtener los resultados de DesktopGarp enalgunos ejemplos de estudios ecológicos y de biodiversidad. Para una discusión máscompleta y formal sobre los métodos de DesktopGarp aplicados a la investigación de labiodiversidad consulte la sección de bibliografía.Rango de la distribución nativaLa forma más directa de utilizar DesktopGarp es obtener la predicción de distribuciónde las especies en su lugar de origen. Esto se puede llevar a cabo de distintas formas.Primero, el usuario de DesktopGarp puede fijar los parámetros y ejecutar una vuelta delmodelo. Este resultado dará lugar a un único mapa de predicción en el directorio desalida. Esto es similar al resultado que se obtiene de la GARP web interface de DavidStockwell en el Centro de Supercomputación de San Diego. 135
  • 136. Aunque ese resultado puede ser útil por sí mismo, su calidad puede estar limitada porlas propias limitaciones del algoritmo GARP. Dado que es un algoritmo deoptimización, GARP puede detenerse en óptimo local durante su ejecución, dando lugara resultados pobres.Para evitar este problema, el usuario puede especificar un alto número de ejecuciones enel panel de parámetros y dejar que DesktopGarp produzca muchos resultados utilizandolos mismos parámetros de entrada. Después, empleando un GIS, el usuario puedeagrupar todos los resultados y sumar todas las grids en un raster de resultados. AunqueGARP puede ser inestable a veces, cuando se lleva a cabo la misma tarea muchas veces,GARP normalmente predice algunas áreas de una forma muy estable. Otras áreas sonpredichas con menos frecuencia. Por tanto, sumar muchos resultados disminuye laprobabilidad de tener resultados sesgados debido a problemas de optimización.Hay otros métodos más avanzados para predecir la distribución de especies en su lugarde origen, por ejemplo la selección Best Subset desarrollada por A.T. Peterson y otrosmétodos desarrollados por E. Wiley y McNyset utilizando un método estadísticollamado análisis ROC. Para más información sobre estos métodos, vaya a la sección debibliografía.Selección de coberturas ambientalesOtra aplicación de DesktopGarp es la de investigar qué factores ambientales son másimportantes para una especie. Esta operación se denomina environmental layerjackknifing.Se puede llevar a cabo utilizando los controles del panel Environmental layers. Haytres botones en este panel que permiten controlar cómo se usarán las variablesambientales en el experimento.Ejecutando múltiples veces el modelo con combinaciones de coberturas, ya sean todaslas combinaciones o un subconjunto de éstas con un número fijo de coberturas, elusuario puede analizar los resultados del experimento mediante regresiones linealesmúltiples con el fin de comprobar qué variables tienen un impacto significativo sobrelos errores del resultado.DesktopGarp escribe el archivo de resultados en un formato que es relativamente simplede introducir en un análisis de regresiones múltiples. Los resultados se especifican enlas columnas de coberturas del archivo de resultados.Cuando se ha completado el experimento, DesktopGarp guarda valores en las columnasreferentes a las coberturas, que pueden ser 0 ó 1, indicando si una cobertura enparticular se ha utilizado en esa vuelta del modelo. Esos valores se pueden emplearcomo variables independientes en un análisis de regresión lineal múltiple y serutilizados para predecir los valores de precisión y los errores del modelo.En general es mejor utilizar los errores de comisión y omisión como variablesdependientes en vez de los valores de precisión. La precisión integra ambos errores, que 136
  • 137. tienen significados diferentes. El usuario puede analizar cada cobertura para determinarla existencia de una correlación significativa positiva o negativa con los errores.Es siguiente paso es preparar y ejecutar otro experimento utilizando sólo aquellascoberturas significativas para el modelo, minimizando el error de omisión ymanteniendo el error de comisión en un nivel razonable.Para una discusión de los conceptos de error de omisión y comisión en los modelos depredicción de especies vaya a la bibliografía o a los links que se encuentran en la páginaweb.Nota: con un número muy alto de coberturas, el uso de combinaciones de variablespuede dar lugar a un aumento exponencial o factorial del número de vueltas del modeloa ejecutar. Tenga en cuenta que DesktopGarp ejecuta entre 2,000 y 10,000 vueltas en unexperimento en un tiempo razonable, utilizando un ordenador estándar. Hay algunosproyectos en desarrollo que pretenden crear una versión en paralelo de DesktopGarp.Cuando estén terminados será posible ejecutar experimentos grandes utilizando todaslas combinaciones de variables.Selección del tipo de reglasDel mismo modo que se pueden seleccionar las coberturas significativas para lapredicción también se puede intentar identificar la regla más relevante para una especieen particular.Este proceso puede que sea más útil para el desarrollo de algoritmos que para ejecutarpredicciones particulares. No obstante está disponible en la interfaz de usuario delsoftware.Durante el desarrollo de DesktopGarp se ejecutaron muchos experimentos utilizandoesta aproximación para determinar la significancia de cada regla particular en lapredicción de distribuciones de muchas especies diferentes. Aunque estos experimentosmostraron que las reglas atómicas son menos significativas que las de rango, las denegación y las logísticas, para la mayoría de las situaciones casi siempre las reglasatómicas suponen una buena contribución al modelo.Historia de desarrollos recientes, problemas conocidos y otros aspectosLos aspectos y problemas que se conocen de la versión actual son: o En algunos sistemas, el paquete de instalación no funciona correctamente y es incapaz de instalar el software. Esto se debe normalmente a la falta de algunos links dinámicos en las librerías de Windows 95 (primera edición). Se está preparando un paquete para corregir esta situación y estará disponible en una versión futura. o Durante la ejecución del experimento se ha detectado un escape de memoria que hace que el programa desaproveche algo de memoria del sistema, especialmente cuando se deja ejecutando un número muy alto de ejecuciones 137
  • 138. durante bastante tiempo. Este problema puede aparecer por encima de las2,000 ó 3,000 iteraciones.Para corregir este problema interrumpa el experimento cuando DesktopGarpesté utilizando demasiada memoria del sistema y cierre la aplicación. Abra laaplicación de nuevo y haga click en Run unfinished experiment, dentrodel menú Model.Este problema debería estar resuelto en la próxima versión. 138