Your SlideShare is downloading. ×
Evaluación de un modelo predictivo de la Distribución Geográfica de Bursera graveolens (Kunth) Triana & Planch. (BURSERACEAE) en la Provincia de Lja
Evaluación de un modelo predictivo de la Distribución Geográfica de Bursera graveolens (Kunth) Triana & Planch. (BURSERACEAE) en la Provincia de Lja
Evaluación de un modelo predictivo de la Distribución Geográfica de Bursera graveolens (Kunth) Triana & Planch. (BURSERACEAE) en la Provincia de Lja
Evaluación de un modelo predictivo de la Distribución Geográfica de Bursera graveolens (Kunth) Triana & Planch. (BURSERACEAE) en la Provincia de Lja
Evaluación de un modelo predictivo de la Distribución Geográfica de Bursera graveolens (Kunth) Triana & Planch. (BURSERACEAE) en la Provincia de Lja
Evaluación de un modelo predictivo de la Distribución Geográfica de Bursera graveolens (Kunth) Triana & Planch. (BURSERACEAE) en la Provincia de Lja
Evaluación de un modelo predictivo de la Distribución Geográfica de Bursera graveolens (Kunth) Triana & Planch. (BURSERACEAE) en la Provincia de Lja
Evaluación de un modelo predictivo de la Distribución Geográfica de Bursera graveolens (Kunth) Triana & Planch. (BURSERACEAE) en la Provincia de Lja
Evaluación de un modelo predictivo de la Distribución Geográfica de Bursera graveolens (Kunth) Triana & Planch. (BURSERACEAE) en la Provincia de Lja
Evaluación de un modelo predictivo de la Distribución Geográfica de Bursera graveolens (Kunth) Triana & Planch. (BURSERACEAE) en la Provincia de Lja
Evaluación de un modelo predictivo de la Distribución Geográfica de Bursera graveolens (Kunth) Triana & Planch. (BURSERACEAE) en la Provincia de Lja
Evaluación de un modelo predictivo de la Distribución Geográfica de Bursera graveolens (Kunth) Triana & Planch. (BURSERACEAE) en la Provincia de Lja
Evaluación de un modelo predictivo de la Distribución Geográfica de Bursera graveolens (Kunth) Triana & Planch. (BURSERACEAE) en la Provincia de Lja
Evaluación de un modelo predictivo de la Distribución Geográfica de Bursera graveolens (Kunth) Triana & Planch. (BURSERACEAE) en la Provincia de Lja
Evaluación de un modelo predictivo de la Distribución Geográfica de Bursera graveolens (Kunth) Triana & Planch. (BURSERACEAE) en la Provincia de Lja
Evaluación de un modelo predictivo de la Distribución Geográfica de Bursera graveolens (Kunth) Triana & Planch. (BURSERACEAE) en la Provincia de Lja
Evaluación de un modelo predictivo de la Distribución Geográfica de Bursera graveolens (Kunth) Triana & Planch. (BURSERACEAE) en la Provincia de Lja
Evaluación de un modelo predictivo de la Distribución Geográfica de Bursera graveolens (Kunth) Triana & Planch. (BURSERACEAE) en la Provincia de Lja
Evaluación de un modelo predictivo de la Distribución Geográfica de Bursera graveolens (Kunth) Triana & Planch. (BURSERACEAE) en la Provincia de Lja
Evaluación de un modelo predictivo de la Distribución Geográfica de Bursera graveolens (Kunth) Triana & Planch. (BURSERACEAE) en la Provincia de Lja
Evaluación de un modelo predictivo de la Distribución Geográfica de Bursera graveolens (Kunth) Triana & Planch. (BURSERACEAE) en la Provincia de Lja
Evaluación de un modelo predictivo de la Distribución Geográfica de Bursera graveolens (Kunth) Triana & Planch. (BURSERACEAE) en la Provincia de Lja
Evaluación de un modelo predictivo de la Distribución Geográfica de Bursera graveolens (Kunth) Triana & Planch. (BURSERACEAE) en la Provincia de Lja
Evaluación de un modelo predictivo de la Distribución Geográfica de Bursera graveolens (Kunth) Triana & Planch. (BURSERACEAE) en la Provincia de Lja
Evaluación de un modelo predictivo de la Distribución Geográfica de Bursera graveolens (Kunth) Triana & Planch. (BURSERACEAE) en la Provincia de Lja
Evaluación de un modelo predictivo de la Distribución Geográfica de Bursera graveolens (Kunth) Triana & Planch. (BURSERACEAE) en la Provincia de Lja
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

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

4,737

Published on

Modelamiento predictivo para determinar el nicho para Bursera graveolens

Modelamiento predictivo para determinar el nicho para Bursera graveolens

4 Comments
5 Likes
Statistics
Notes
No Downloads
Views
Total Views
4,737
On Slideshare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
0
Comments
4
Likes
5
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. “ 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

    ×