Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Presentación 4 - Herramientas SelecVar, ELCmapas y ECOGEO

310 views

Published on

Programa CAPFITOGEN, Tratado Internacional sobre los Recursos Fitogenéticos para la Alimentación y la Agricultura - FAO

Published in: Education
  • Be the first to comment

  • Be the first to like this

Presentación 4 - Herramientas SelecVar, ELCmapas y ECOGEO

  1. 1. Herramientas Mauricio Parra Quijano Consultor FAO Tratado Internacional sobre los Recursos Fitogenéticos Para la Alimentación y la Agricultura Coordinador Programa CAPFITOGEN
  2. 2. SelecVar Permite seleccionar las variables ecogeográficas más importantes y menos redundantes para la obtención de mapas ELC (objetivos) y SDM (Modela) SelecVar
  3. 3. Por qué esta planta/población está aquí? Y por qué no aquí?... O por qué cuando se trasloca la población y se le proveen mejores condiciones, su comportamiento es:
  4. 4. Cuales factores abióticos ocultos u obvios están influenciando la adaptación? Las herramientas CAPFITOGEN incluyen 105 variables ecogeográficas 67 bioclimáticas 7 geofísicas 31 edáficas
  5. 5. Para qué seleccionar un subconjunto de variables de importancia en la adaptación? Para obtener mapas que reflejen los diferentes escenarios ecogeográficos que realmente ocurren en el territorio objetivo para la especie objetivo Para obtener modelos de distribución de especies mucho más válidos y fiables
  6. 6. Como seleccionar conjuntos de las más importantes variables? Cuáles variables son las más importantes para crear grupos los cuales representan escenarios similares de adaptación de plantas? • Clustvarsel • Random Forest Precipitation1 Temperature12 Soil3 Landscape3 Grupos 1 2 3 4 5 DatosdepresenciadeSp
  7. 7. Cuáles variables proveen información diferente/complementaria y tienen la mayor capacidad para discriminar? • Análisis de Componentes Principales (PCA) Precipitation1 Temperature12 Soil3 Landscape3 CS2 CS3 CS1 tmax11 bio1 bio3 tmin2 Como seleccionar conjuntos de las más importantes variables?
  8. 8. Cuáles variables están relacionadas con otras, produciendo redundancia al ser introducidas? • Análisis de correlación bivariada Precipitation1 Precipitation2 Precipitation3 Precipitation12 Temperature1 Temperature5 Annual temp Soil2 Soil3 Landscape3 P12 P1 P3 P2 S2 S1 L1 PRECIPITATION TEMPERATURE SOIL landscape PRECIPITACIÓN TEMPERATURA SUELO PAISAJE Como seleccionar conjuntos de las más importantes variables?
  9. 9. ELCmapas Permite obtener mapas de caracterización ecogeográfica del terreno (ELC) que reflejan escenarios adaptativos para una especie (o grupos de especies) y un país o región determinada
  10. 10. Caracterizar un territorio
  11. 11. Selección de las variables Variables Geofísicas Análisis de agrupamientos Determinación Número óptimo grupos Combinación (N bioclimáticos*N geofísicos*N edáficos) Categorías MAPA Descripción Categorías por variables originales Variables Edáficas Análisis de Agrupamientos Determinación Número óptimo grupos Variables Bioclimáticas Análisis de Agrupamientos Determinación Número óptimo grupos Cómo se hace un mapa ELC?
  12. 12. Conocimiento experto • Los expertos y conocedores de una especie son una valiosa fuente de información • Las encuestas son un medio eficiente para recabar información de conocimiento experto (internet/correo electrónico, encuentros, talleres, etc.) • Se hacen listas de variables por componente, con detalles sobre la naturaleza de las variables (explicación de códigos, unidades de la variable, fuente, etc.) y se pide asignar un valor en base a la importancia que tendría la variable en la adaptación de la especie. Búsquedas bibliográficas sobre factores preponderantes en la adaptación de una especie objetivo Selección de las variables I
  13. 13. Selección de las variables II Depuración: • Redundancia? Correlación? Colinealidad? • Análisis de correlaciones bivariadas, PCA, factor de inflación de la varianza VIF (comparación de las relaciones lineales entre variables – solo en regresión) • Significancia. A través de un análisis de regresión múltiple contando con una variable dependiente (que nos de una idea de adaptación). x1 x2 x1 x1 x1
  14. 14. Que tipo de mapa quiere hacer? De acuerdo al enfoque del análisis, el mapa ELC puede ser: 1. Mapas generalistas 2. Mapas por Especies/Acervo genético/Género Define los ambientes mayores para un gran número de especies (emparentadas o no). Para la mayoría de esas especies, el mapa ELC debería discriminar los diferentes escenarios adaptativos en el área objetivo. Se espera encontrar relaciones no ajustadas entre las características adaptativas de un grupo menor de especies y el mapa (ver Parra-Quijano et al., 2012). Definen con más detalle los ambientes clave para una especie en particular o un set de especies genéticamente emparentadas y de número limitado. Se espera un ajuste muy alto entre el mapa y características adaptativas de la especie objetivo.
  15. 15. Resultados ELCmapas • Mapas (se pueden abrir con DIVA-GIS) y tablas que describen cada categoría.
  16. 16. ECOGEO Permite hacer caracterizaciones ecogeográficas de los sitios de recolección del germoplasma
  17. 17. 0 cm 5 cm 10 cm Longitud entrenudos = 5.56 cm 1 2 3 1 0 1 0 1 0 = presente = 1 = ausente = 0 NO del germoplasma Sino del sitio de recolección ECOGEO es una caracterización
  18. 18. Proceso caracterización ecogeográfica Matriz de caracterización (identificador entrada vs descriptores Ecogeográficos) Tabla datos pasaporte SIG Elevación Temp media anual Carbón Orgánico suelo pH suelo sup …. …. Y X
  19. 19. Extracción puntual o radial? 2 4 3 1 3 2 1 3 2 1 1 3 1 1 3 4 Variable ecogeográfica x NA NA NA NA 1 1 3 4NA ACCENUMB VARIABLE a NA b NA c 2 2 4 3 1 3 2 1 3 2 1 1 3 1 1 3 4 NA NA NA NA 1 1 3 4NA a b c Distribución entradas en datos pasaporte 2 4 3 1 3 2 1 3 2 1 1 3 1 1 3 4 NA NA NA NA 1 1 3 4NA Superimposición SIG Resultado extracción ACCENUMB VARIABLE a NA (1) b 1 c 3 a b c Verdadera ubicación a=68 b=65 c=50 GEOQUAL incertidumbre Radio (tamp) Extracción radial
  20. 20. 2 4 3 1 3 2 1 3 2 1 1 3 1 1 3 4 NA NA NA NA 1 1 3 4NA ACCENUMB VALORES CAPTURADOS PROMEDIO a NA,1,1 1 b NA,1,1 1 c 3,2,1,3,2, 3 2.333 Superimposición SIG Resultado extracción radial ACCENUMB VARIABLE a 1 b 1 c 3 Extracción correcta ACCENUMB VARIABLE a NA b NA c 2 Extracción puntual 1 1 2.333 Extracción radial
  21. 21. Matriz de caracterización 409-09 320-05319-05 318-05317-05 315-05316-05 405-09 391-07390-07 386-09385-07 386-07375-06 406-09323-05 376-07321-05 401-08311-05 372-06 377-07307-05 369-06299-05 368-06530-09 528-09527-09 523-09524-09 378-07379-07 526-09 504-09-v504-09 503-09-v503-09 501-09502-09 507-09534-09 533-09531-09 532-09 300-05541-09 540-09536-09 535-09522-09 529-09539-09 537-09538-09 308-05414-09 276-05 277-05306-05 357-06365-06 366-06505-09-v 525-09415-09 285-05283-05 284-05546-10 403-09 402-09355-06 356-06304-05 302-05303-05 349-06337-06 338-06397-08 353-06396-08 413-09 516-09454-09 455-09412-09 279-05281-05 287-05280-05 291-05309-05 389-07392-07 324-06 350-06351-06 521-09-v521-09 520-09-v519-09-v 519-09518-09-v 518-09517-09-v 517-09516-09-v 515-09-v 515-09514-09-v 514-09465-09 464-09463-09 462-09461-09 460-09459-09 458-09456-09 457-09 506-09-v505-09 506-09513-09-v 513-09512-09-v 512-09511-09-v 511-09510-09-v 510-09509-09-v 509-09 508-09508-09-v 268-05288-05 289-05361-06 341-06360-06 292-05548-10 348-06 347-06346-06 345-06343-06 342-06335-06 334-06333-06 332-06327-06-v 325-06293-05 298-05 551-10297-05 296-05295-05 294-05262-05 263-05410-09 411-09417-09 418-09393-07 275-05 394-07549-10 552-10550-10 395-07404-09 266-05380-07 274-05467-09 416-09466-09 383-07 382-07269-05 265-05267-05 381-07273-05 272-05270-05 271-05301-05 282-05305-05 507-09-v 453-09452-09 450--09451-09 02468 Cluster analysis - Ecogeographic characterization hclust (*, "average") ecogeodist Height d = 1 23 4 5 6 7 8 9101112 1314 1516 17 18 19 20 212223 24 2526 27 2829 30313233 34 35 36 37 383940 41 42 43 44 45 46 474849505152 53 54 55 565758596061 6263 64 656667686970 71 7273 74 7576 77 7879 8081 82 83 84 85 86 87 8889 90 91 9293 949596 97 9899 100 101 102 103 104105 106 107108 109 110 111 112 113 114 115 116 117 118 119 120 121 122123124125 126127 128129130131132133134135136137 138139 140141142143144145 146 147 148149 150 151 152153154155156157158159160161162163 164165166167 168 169170171172173174175176177178 179 180181 182 183 184185 186 187 188189190191 192193 194195196 197198 199 200 201202 203 204 DECLATITUDE alt northness slope bio_18 bio_1 t_clay t_sand t_oc t_silt t_ph_h2o Eigenvalues Análisis de los datos

×