Evaluación de un modelo predictivo de la Distribución Geográfica de Bursera graveolens (Kunth) Triana & Planch. (BURSERACEAE) en la Provincia de Lja

Loading...

Flash Player 9 (or above) is needed to view presentations.
We have detected that you do not have it on your computer. To install it, go here.

1 comments

Comments 1 - 1 of 1 previous next Post a comment

Post a comment
Embed Video
Edit your comment Cancel

2 Favorites

Evaluación de un modelo predictivo de la Distribución Geográfica de Bursera graveolens (Kunth) Triana & Planch. (BURSERACEAE) en la Provincia de Lja - Presentation Transcript

  1. “ Evaluación de un modelo predictivo de la Distribución Geográfica de Bursera graveolens (Kunth) Triana & Planch. (BURSERACEAE) en la Provincia de Loja. ” Autor: Angel B. Cuenca C . [email_address] Director: Nixon Cumbicus T . [email_address] Instituto de Ecología Unidad de Botánica y Etnobotánica Universidad Técnica Particular de Loja La Universidad Católica de Loja Instituto de Ecología
  2. INTRODUCCIÓN
    • El SIG como herramienta útil (Burneo, 2007).
    • Modelamiento de Nicho Ecológico herramientas que permiten conocer patrones de distribución geográfica de las diferentes especies. (Phillips et al ., 2006).
    • Correlaciona datos de presencia con datos climáticos y físicos.
    • Bursera graveolens (Kunth) Triana & Planch. (Palo Santo), utilizado ancestralmente por las comunidades locales: medicina, repelente para insectos, Sánchez et al., 2006.
    • Escasa información de distribución, su hábitat está amenazado por la deforestación, avance de la frontera agrícola; representan el 50% en Ecuador, <25% bs original (Aguirre y Lars, 2005)
    • Según Sierra et al., (1999), los bosques secos semideciduos constituyen la primera prioridad de conservación del Ecuador continental.
    • Se modeló la distribución y se evaluó la exactitud.
  3. PREGUNTAS E HIPOTESIS.
    • ¿Cuán optimo es el modelo predictivo generado?
    • ¿Cuales son las variables que mas aportan en la distribución de la especie, las físicas o las ambientales?
    • H1: El modelo predictivo generado es altamente preciso.
    • H2: Las variables ambientales influyen más en la distribución de B. graveolens que las físicas.
  4. OBJETIVOS
    • GENERAL
    • Evaluar un modelo predictivo de distribución geográfica de B. graveolens (Kunth) Triana & Planch para la provincia de Loja.
    • ESPECIFICOS
    • Conocer la precisión del modelo generado por MaxEnt evaluándolo estadísticamente y comprobándolo en el campo.
    • Identificar las variables ambientales y físicas que determinan la distribución de la especie.
    • Realizar un mapa de distribución geográfica óptima de B. graveolens para la provincia de Loja.
  5. METODOLOGÍA
    • COORDENADAS (UTM)
    • 670673; 9633158 Norte
    • 674245; 9476137 Sur
    • 711434; 9600101 Este
    • 556617; 9549413 Oeste
    • Superficie: 10793 Km 2
    Área de Estudio “Provincia de Loja”
  6. METODOLOGÍA
    • Revisión y documentación bibliográfica.
    • Calibración de datos de ocurrencia, 37 registros.
    • Obtención de variables físicas y ambientales (worldclim)para modelar.
    • Georeferenciación de las diferentes poblaciones de Bursera graveolens (Kunth) Triana & Planch., en el campo.
    • Se corrió un modelo con todas las variables analizando el porcentaje de contribución de c/variable (Jackknife).
    Fuente Tipo # Herbarios Nacionales Coordenadas geográficas 7 TESIS Coordenadas geográficas 1 Herbario Loja Coordenadas geográficas 3 COLECCIONISTAS BOTÁNICOS Coordenadas geográficas 4 HUTPL Coordenadas geográficas 24 TOTAL   39
  7. METODOLOGÍA
    • Predicción y evaluación del modelo de distribución con MAXENT ( Maximun Entropy Modeling ) . Phillips, S. et al. (2004).
    • Evaluación, análisis Bootstrap, con 4 repeticiones tomando el 75% de puntos de presencia para entrenamiento y el 25% para evaluarlo.
    • Evaluación mediante una matriz de confusión ( Fielding & Bell, 1997 ).
    • Análisis y edición los paquetes de datos obtenidos mediante ArcGis.
    • Obtención del modelo predictivo resultado de la evaluación.
    • Mapa de distribución geográfica.
    UNIVERSIDA TÉCNICA PARTICULAR DE LOJA La Universidad Católica de Loja Matriz de confusión MUESTRA DE EVALUACIÓN PRESENCIA AUSENCIA MODELO PRESENCIA AUSENCIA
  8. RESULTADOS Y DISCUSIÓN
    • Los colores más fuertes como el rojo muestran una presencia del 100% de la especie donde las Condiciones físico-ambientales representan el nicho potencial para la especie concordando con las áreas señaladas como presencia de B. graveolens (Kunth) Triana & Planch. por Sánchez et al., (2006) de color rojo = 100%.
    Colores como el negro representan areas de ausencia de la especie o no representan sus requerimientos mencionados por Jorgensen & León, (1999) y Tituaña et al., 2006.
  9. RESULTADOS Y DISCUSIÓN
    • Evaluación realizada por MaxEnt
    • El modelo presenta un rango óptimo en la evaluación de las curvas Roc.
    • Aceptar el modelo
    • -> AUC > 0.7 Guisan et al. 2007
  10. RESULTADOS Y DISCUSIÓN
    • Evaluación aplicando un análisis de Bootstrap, presenta valores altos Roc y Kappa.
    Reconociendo una alta significancia del modelo predicho por MaxEnt (Elith et al. , 2006; de Pando & de Giles, 2007)
  11. RESULTADOS Y DISCUSIÓN Análisis mediante la Matriz de confusión tomada de (Fielding & Bell 1997) Matriz de confusión MUESTRA DE EVALUACIÓN PRESENCIA AUSENCIA MODELO PRESENCIA 28 2 AUSENCIA 3 27 TOTAL (60)
  12. RESULTADOS Y DISCUSIÓN
    • La Matriz de confusión presenta
    Según (Fielding & Bell. 1997; de Pando & de Giles, (2007), presentan una alta credibilidad y aplicabilidad del modelo para conocer la distribución de la especie, según sus requerimientos ecológicos MEDIDA CÁLCULO Sensibilidad ¿Qué fracción de las presencias se predijeron correctamente? a/(a+c)= 0.90 Especificidad ¿Qué fracción de ausencias se predijeron correctamente? d/(b+d)= 0.93 Poder predictivo positivo De las presencias predichas ¿Qué fracción es correcta? a/(a+b)= 0.94 Poder predictivo negativo De las ausencias predichas ¿Qué fracción es correcta? d/(c+d)= 0.9 Kappa ¿Qué fracción de puntos se predijo correctamente teniendo en cuenta el azar? ((a+d)-((a+c)(a+b)+(b+d)(c+d))/N) / (N-((a+c)(a+b)+(b+d))/N)) = 0.833
  13. RESULTADOS Y DISCUSIÓN
    • Según los análisis utilizados como: Curvas Roc, Bootstrap, Matriz de confusión, el modelo predictivo realizado por MaxEnt (Maxima Entropía) es muy útil (de Pando & de Giles, 2007; Elith et al., 2006.
    • Con pocos datos de presencia se puede modelar la distribución de las especies, lo que concuerda con Phillips et al., (2006); de Pando & de Giles, (2007); Fielding & Bell, (1997); Pearson et al., (2007) que MaxEnt puede modelar con datos de hasta 5 registros.
  14. RESULTADOS Y DISCUSIÓN Variables que aportan al modelo Variables que no aportan al modelo Variable % contribución Precipitación estacional (Coef. De variación) 23.6 Temperatura estacional (Desv. Est.+100) 17.1 Rango de temperatura media mensual 16.7 Temperatura máxima del mes más cálido 13.3 Precipitación del mes más seco 8 Precipitación del trimestre más húmedo 6.9 Altitud 5.4 Precipitación anual 4.4 Precipitación del trimestre más cálido 1.4 Isotermalidad (p2/p7) (100) 1.2 precipitación del trimestre más seco 0.9 Pendiente 0.7 Precipitación del trimestre más frio 0.4 Temperatura media anual 0 Temperatura mínima del mes más frío 0 Rango anual de temperatura (P5-P6) 0 Temperatura media del trimestre más húmedo 0 Temperatura media del trimestre más cálido 0 Temperatura media del trimestre más seco 0 Temperatura media del trimestre más frío 0 Suelos 0 Dirección 0 Vegetación 0
  15. RESULTADOS Y DISCUSIÓN
    • La especie se restringe a la precipitación y temperatura estacional, lo que coincide con Tituaña et al., (2006) , los periodos de floración, fructificación y defoliación B. graveolens (Kunth) Triana & Planch están restringidos a las lluvias y temperaturas estacionales, típica de los bosques secos deciduos y semi deciduos.
  16. DISTRIBUCION DE B. graveolens (Kunth) Triana & Planch. PARA LA PROVINCIA DE LOJA Presencia Ausencia Umbral <presencia - ausencia> 48,12 1 Loja 2 Calvas 3 Catamayo 4 Celica 5 Chaguarpamba 6 Espíndola 7 Gonzanamá 8 Macará 9 Paltas 10 Puyango 11 Saraguro 12 Sozoranga 13 Zapotillo 14 Pindal 15 Quilanga 16 Olmedo
  17. RESULTADOS Y DISCUSIÓN
    • El área de distribución concuerda con los requerimientos ecológicos de la especie descritos por Jorgensen & León, (1995) y Tituaña et al., (2006)
    • Donde las combinaciones climáticas con los puntos de ocurrencia procesados por MaxEnt, orientan la distribución de la especie a lugares con pendientes bastante pronunciadas en rangos altitudinales que van entre los 200 y 1600 m.s.n.m. con precipitaciones anuales promedio de 600mm aproximadamente
  18. RESULTADOS Y DISCUSIÓN
    • Nuestro mapa de predicho concuerda con las variables utilizadas.
    Mapa altitudinal
  19. CONCLUSIONES
    • Las variables que más aportan son la precipitación y temperatura, la especie es sensible ante estos cambios, poniendo en riesgo el estado de sus poblaciones por el fenómeno del cambio climático.
    • La utilización de variables medioambientales, físicas, topográficas son herramientas bastante útiles, según el manejo que se les aplique y bajo un buen respaldo estadístico, proponen una buena aproximación en el estudio de la ecología.
    • El uso de modelamiento predictivo muy útil y barato
  20. CONCLUSIONES
    • MaxEnt predijo el nicho potencial de B. graveolens (Kunth) Triana & Planch con una alta significancia estadística, produciendo un modelo verás según los requerimientos ecológicos de la especie conocidos en la revisión bibliográfica.
    • El modelo predicho por MaxEnt, según el análisis estadístico, es aplicable y sirve para efectuar futuros estudios como: cambios en los patrones de distribución, áreas ocupadas y potenciales para realizar el manejo de sus poblaciones como planes de reforestación y conservación en la provincia de Loja.
  21. CONCLUSIONES
    • En el análisis ROC, los valores AUC para las 4 repeticiones del bootstrap de la evaluación del modelo en DivaGis, tanto para el estadístico ROC como para Kappa corroboraron la excelencia y aplicabilidad del modelo proyectado por MaxEnt.
    • El aporte de las modernas herramientas informáticas como los SIG, así como también la disponibilidad de los datos a través de internet, son de mucha ayuda para procesar la información en distintas áreas como en la ecología.
  22. RECOMENDACIONES
    • Modelar solo con las variables que más influyen.
    • Es necesario conocer y comprender la ecología y la biología de la misma, para tener un criterio acertado a la hora de inferir en la aplicabilidad del modelo.
    • Es necesario modelar la distribución de la especie con escenarios futuros para conocer cómo puede afectar el cambio climático en dicha su distribución.
  23. RECOMENDACIONES
    • Es importante hacer revisar el modelo producido por un especialista para conocer su opinión sobre el mismo y corroborar la aplicabilidad según su experiencia y criterio profesional.
  24. AGRADECIMIENTOS
    • Técnicos de:
    • Herbario UTPL
    • Herbario Loja
    • Banco de Germoplasma
    • Planta de Productos Naturales
    UNIVERSIDAD TÉCNICA PARTICULAR DE LOJA La Universidad Católica de Loja
  25.  
  26. ANEXOS

+ Angel CuencaAngel Cuenca, 2 years ago

custom

1211 views, 2 favs, 0 embeds more stats

Modelamiento predictivo para determinar el nicho pa more

More info about this document

© All Rights Reserved

Go to text version

  • Total Views 1211
    • 1211 on SlideShare
    • 0 from embeds
  • Comments 1
  • Favorites 2
  • Downloads 0
Most viewed embeds

more

All embeds

less

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate. If needed, use the feedback form to let us know more details.

Cancel
File a copyright complaint
Having problems? Go to our helpdesk?