El Nicho Ecológico y la Abundancia de las Especies

Transcripción

El Nicho Ecológico y la Abundancia
de las Especies
Enrique Martínez Meyer
Instituto de Biología
Universidad Nacional Autónoma de México
La abundancia poblacional de las especies varía
enormemente a lo largo de sus distribuciones
Contopus virens
Fuente: Breeding Bird Survey
Algunas generalidades
1. La mayoría de los sitios de ocupación de una especie tienen
pocos individuos, mientras que pocos sitios tienen órdenes de
magnitud más de individuos (‘hot spots’)
Fuente: Brown et al. 1995. Ecology 76: 2028-243
2. La abundancia presenta una fuerte autocorrelación
espacial: sitios cercanos entre sí tienen abundancias más
similares que sitios más alejados
3. La variación geográfica de la abundancia tiende a ser
mayor hacia el centro de la distribución, donde hay números
altos y bajos. Hacia la periferia, la abundancia tiende a ser
constantemente baja (Hipóteisis Centro-Abundante).
Spiza americana
La Hipótesis Centro-Abundante
…sin embargo, la validez misma de la HCA no ha sido suficientemente documentada
empíricamente y los resultados de algunos meta-análisis ponen en duda su
‘generalidad’
Por ejemplo, sólo 39% de 145 bases de datos independientes de diversos grupos
taxonómicos mostraron un patrón centro-abundante
Fuente: Sagarin et al. 2006. TREE 9: 524-530
¿En dónde le gusta más vivir al león?
El poder explicativo de este MNE sobre la
distribución de la abundancia de esta
especie es muy bajo
Panthera leo
45
y = 3.7152Ln(x) + 8.4987
40
2
R = 0.0495
P = 0.05
Abundance
35
30
25
20
15
10
5
0
0
0.2
0.4
0.6
0.8
Maxent Probability
1
1.2
La información que aportan los valores de favorabilidad
generados por MexEnt sobre la abundancia de las especies
permite, en el mejor de los casos, conocer los límtes máximos
de abundancia
vol. 174, no. 2
the american naturalist
!
august 2009
Abundance and the Environmental Niche: Environmental
Suitability Estimated from Niche Models Predicts
the Upper Limit of Local Abundance
Jeremy VanDerWal,* Luke P. Shoo, Christopher N. Johnson, and Stephen E. Williams
Centre for Tropical Biodiversity and Climate Change, School of Marine and Tropical Biology, James Cook University, Townsville,
Queensland 4811, Australia
Submitted June 6, 2008; Accepted February 20, 2009; Electronically published June 11, 2009
Online enhancements: appendixes.
abstract: Ecologists seek to understand patterns of distribution
and abundance of species. Studies of distribution often use occurrence data to build models of the environmental niche of a species.
Environmental suitability (ES) derived from such models may be
used to predict the potential distributions of species. The ability of
such models to predict spatial patterns in abundance is unknown;
we argue that there should be a positive relationship between ES and
be as simple as correlations between occurrence data (i.e.,
locations where a species has been observed) and climatic
variables or as complex as mechanistic relationships between the physiology of an organism and its surrounding
environment (Elith et al. 2006; Kearney 2006). Either way,
estimates of environmental
suitability can
to map
Fuente: VanderWal
etbeal.used
2009.
The American
Naturalist 172: 282-291
jaguar population density data. Methods’ na
follows article’s text
La relación de la abundancia con la
favorabilidad modelada por diferentes
métodos, es moderada en algunos de
éstos y baja o nula en otros
Distribution models and population density
BIOCLIM suitability values
0 – 0.00001
0.00001 – 0.5
0.5 – 0.75
0.75 – 1
1 – 115.75
115.75 – 230.5
230.5 – 345.25
345.25 – 460
OLS
SDM
37 data group
BIOCLIM
MD
DOMAIN
MAXENT
CTA
RF
GBM
MARS
MDA
ANN
GARP
17 data group
BIOCLIM
MD
DOMAIN
MAXENT
CTA
RF
GBM
MARS
MDA
ANN
GARP
Quantile regress
R2
P
0.24**
0.03
0.03
0.13*
0.06
0.04
0.11*
0.00
0.00
0.03
0.09
0.00
0.31
0.29
0.03
0.16
0.26
0.05
0.95
0.90
0.33
0.06
0.03*
)1.23
0.95
0.06
11.84
12.78*
13.08
19.13
7.81
7.29
0.19
0.0
)1.1
0.9
0.0
12.1
12.0
16.5
9.3
9.7
9.6
0.2
0.33*
0.13
0.05
0.07
0.03
0.00
0.05
0.00
0.16
0.06
0.26*
0.02
0.16
0.37
0.30
0.51
0.94
0.42
0.95
0.11
0.37
0.04
0.03
)1.12
1.25
0.10
9.61
)11.92
11.18
20.73*
)23.08*
8.16
0.40
0.0
)1.1
1.3
0.1
9.6
)19.3
11.6
20.7
)23.0
8.4
0.4
80th
85th
*P < 0.05; **P < 0.01.
0
500 1000
2000 KM
Fuente: Tôrres et al. 2012. Diversity & Distribution 18: 615-627
A partir de esto surgen dos preguntas:
1. ¿Qué significan los valores de probabilidad, de similitud,
de favorabiliad que dan las salidas de los MNE?
2. ¿Es posible modelar la distribución de la abundancia de
las especies?
¿Qué mecanismos causan estos patrones?
La Hipótesis del Nicho Ecológico
“… the spatial variation in abundance largely reflects the extent to
which local sites satisfy the niche requirements of a species” (Brown
et al. 1995, Ecology 76: 2028-2043)
Concepto Hutchinsoniano de Nicho
El hipervolumen n-dimensional en el que cada
punto corresponde a un estado del ambiente
que permite la existencia de la especie
indefinidamente.
Respuesta de una población a una variable
fundamental
Letal
Letal
Óptimo
Subóptimo
Abundancia
Subóptimo
Variable importante (ej. Temperatura)
El nicho ecológico y la abundancia de las especies
La estructura interna del nicho ecológico
(Maguire 1973, Am. Nat. 107: 213-246)
En el espacio ecológico, teóricamente existe un óptimo en donde las
poblaciones tenderían a ver maximizada su tasa de natalidad y
minimizada su tasa de mortalidad; que se reducen conforme se alejan
de dicho óptimo
El modelado de nichos ecológicos (MNE) permite caracterizar las
condiciones ecológicas que determinan la distribución geográfica
de las especies y representarlas en forma de mapa
Registros de presencia
de una especie
Algoritmo de modelado
.....
.
+
Humedad
(Bioclim, GLM, GAM, ANN,
GARP, MAxEnt, etc.)
Mapa de
distribución
potencial
Temperatura
.....
.
Producto
Datos de entrada
Entonces, una hipótesis que surge es:
Abundancia
Precipitación
Existiría una relación inversa entre la distancia al
óptimo del nicho y la abundancia de las poblaciones de
una especie
Temperatura
Distancia al
centroide
In Honoris
1917
The Auk, Vol. 34, 427-433
Cuitlacoche de California
(Toxostoma redivivum)
Requerimientos de datos
1. Datos de abundancia a lo largo
de la distribución de una especie
(US Breeding Bird Survey)
© Dick Cannings
Cuitlacoche de California
(Toxostoma redivivum)
2. Conjunto de variables ambientales
relevantes en la distribución de la
especie
1. Annual mean temperature
2. Mean diurnal range
3. Isothermality
4. Temperature seasonality
5. Max temp of the hottest month
6. Min temp of the coldest month
7. Annual range temp
8. Mean temp of the wettest quarter
9. Mean temp of the driest quarter
10. Mean temp of the hottest quarter
11. Mean temp of the coldest quarter
12. Annual precipitation
13. Precipitation of the wettest month
14. Precipitation of the driest month
15. Precipitation seasonality
16. Precip of the wettest quarter
17. Precip of the driest quarter
18. Precip of the hottest quarter
19. Precip of the coldest quarter
20. Elevation
21. Slope
22. Aspect
23. Topographic Index
Métodos
3. Reconstrucción del nicho ecológico
Espacio Geográfico
Humedad
Espacio Ecológico
Modelo de Nicho Ecológico
Algoritmo de modelado
ANN, ENFA, GAM, GARP, GLM, MaxEnt
Temperatura
Datos de entrada
Producto
T
$
T$
T
$
T$
T
$
T
$
T$
T$$
T
T$
$
T
T
$
T
$
T$
T$$
T
T$
$
T
T
$
T
$
TT
$
$
T
$
T
$
T
$
T
$
T
T$
$
T$
$
T
T
$
T
$
T
$
T
$
T$
$
T
T
$
Información
Ambiental
Proyección de vuelta al
espacio geográfico
T $
$
T
T
$
T $
$
T$
$
T
T
T$
$
T$
T
T$
$
T$
TTT$
T $
T$
T
T$
T$
T$
T$
T$
T$
T$$
T$
T $
T
$
T$
$
T$
T$
T
T$
$
T$
T
$
T
$
T$
$
T
T$$
T$
T$
T
T$$
T $
T$
T$
T$
T
T
$
TT
$
$
T
$
T
$
T
$
T $
$
T
T
$
T$
$
T
T
$
T$
$
T
TT
$
$
T
$
T
$
T
$
T
$
Registros de presencia
de una especie
T
$
T
$
T
$
T
T$
$
T$
$
T
T
$
T
$
T$
$
T
T
$
T $
$
T
T
$
T $
$
T$
$
T
T
T$
$
T$
T
T$
T$
TTTT$$
T T$$
T
T$
$
T$
T$
T$
T$
T$
$
T$
$
T $
T
$
T$
T$
T$
T
T$
$
T$
T
$
T
$
T$
$
T
T$
$
T$
T$
T
T$$
T T$$
T$
T$
T
T
$
T
$
T
$
T
$
T$
$
T
T T$
$
T
$
T$
$
T
TT
$
$
T
$
T
$
T
$
T
$
Predicción de distribución
Métodos
La obtención de un modelo de distribución adecuado indica que también se
tiene una buena caracterización del nicho de la especie
Modelo GARP
4. Extraer los pixeles que representan la distribución modelada
y estandarizar las variables ambientales
Métodos
6. Calcular la distancia
Euclidiana multidimensional
de cada punto poblacional al
centroide del nicho
Precipitación
5. Calcular el centroide del nicho
en espacio ecológico
Temperatura
Relación Distancia Ecológica vs Abundancia
60
-1.9078
y = 49.107x
2
R = 0.5745
P < 0.001
n = 48
Abundance (ind/route)
50
40
30
20
© Dick Cannings
10
0
0
2
4
6
Distance to centroid
8
10
Distancia Geográfica
© Dick Cannings
60
y = 0.533x0.3278
2
R = 0.0361
P = 0.196
n = 48
50
40
30
20
10
0
0
100
200
300
400
Geographic distance (km)
500
600
Favorabilidad de MaxEnt
© Dick Cannings
Toxostoma redivivum
60
y = 1.7249e
Abundance
50
1.1729x
2
R = 0.0557
P > 0.05
40
30
20
10
0
0
0.2
0.4
0.6
Maxent Probability
0.8
1
Hylocicla mustelina
Hylocicla mustelina
y = 122.28x -2.0201
R2 = 0.3706
P < 0.001
60
Abundance
50
40
30
20
10
0
0
1
2
3
4
5
6
7
8
9
10
11
12
Hylocichla mustelina
60
70
Abundance
60
50
7.911x
y = 0.0511e
2
R = 0.2926
P < 0.001
50
y = -2.9798Ln(x) + 26.024
R2 = 0.0641
40
30
20
40
30
20
10
10
0
0
0
0.2
0.4
M axent Probability
0.6
0.8
0
300
600
900
1200
1500
Calamospiza melanocornys
Abundance
Calamospiza melanocorys
y = 1552e-1.1712x
R2 = 0.4196
P < 0.001
450
400
350
300
250
200
150
100
50
0
0
1
2
3
4
5
6
7
450
y = 1.9769e
4.6759x
500
2
R = 0.1219
P < 0.001
Abundance
400
300
200
100
400
y = -28.825Ln(x) + 242.77
350
R = 0.0459
P < 0.01
2
300
250
200
150
100
50
0
0
0
0.2
0.4
M axent Probability
0.6
0.8
0
200
400
600
800
1000
1200
Spiza americana
400
400
y = 887.44e
R = 0.5621
P < 0.001
300
250
200
150
100
200
150
100
0
0
4
6
8
10
12
14
R = 0.4353
P < 0.001
250
50
2
-0.0034x
2
300
50
0
y = 83.25e
350
2
350
-0.6672x
0
200
400
600
800
1000
1200
1400
1600
1800
Canis lupus
Canis lupus
50
y = 149.32x -1.485
R2 = 0.716
P < 0.001
30
20
10
0
0
1
2
3
4
5
6
7
8
9
10
50
Canis lupus
y = -0.2146x + 23.015
45
y = 4.3771e
45
1.8151x
50
2
R = 0.2715
P < 0.01
40
Abundance
Abundance
40
35
30
25
20
15
10
2
R = 0.0467
P = 0.197
40
35
30
25
20
15
10
5
5
0
0
0
0.2
0.4
0.6
M axent Probability
0.8
1
0
10
20
30
40
50
60
Alouatta palliata
Alouatta palliata
120
y = -28.563x + 214.98
R2 = 0.8622
P < 0.001
80
60
40
20
3
4
5
6
7
8
Alouatta palliata
Alouatta palliata
100
1.2363
y = 38.796x
90
2
R = 0.1068
P > 0.05
80
70
Density
Abundance
Abundance
100
60
50
40
30
20
10
0
0
0.2
0.4
M axent Probability
0.6
0.8
Linear
y = -0.0056x + 35.596
R2 = 0.0038
P = 0.865
n = 10
100
90
80
70
60
50
40
30
20
10
0
300
600
900
1200
1500
Más especies
Panthera leo
50
y = 44.97e-0.7202x
R2 = 0.5044
P < 0.001
20
y = -14.971Ln(x) + 22.816
R2 = 0.3458
P < 0.001
15
Abundance
40
Abundance
Panthera tigris
30
20
10
5
10
0
0
1
2
3
4
5
0
6
0
1
2
4
-1.5622x
50
y = 81.944e
-1.3349x
Abundance
R = 0.3683
P < 0.05
15
y = 163.96e
2
R = 0.4233
P < 0.001
40
2
20
6
Peromyscus maniculatus
30
25
5
Peromyscus leucopus
Abundance
3
10
30
20
10
5
0
0
0
1
2
3
4
5
0
1
2
3
4
5
Clemys guttata
Clemmys guttata
90
y = 53007x-1.6695
10
9
8
7
6
5
4
3
2
1
0
y = 103.45x -3.5903
R2 = 0.7842
P < 0.01
Abundance
80
R2 = 0.1939
P = 0.194
70
60
50
40
30
20
10
2
3
4
5
6
7
0
0
200
400
600
800
1000
1200
¿Y para qué sirve?
Es posible generar modelos espaciales predictivos de la abundancia relativa de las
especies usando las ecuciones de regresión.
Toxostoma redivivum
R = 0.827
P < 0.05
y = 5.0179e -0.0006x
R2 = 0.0008
12
8
Ranked abundance (ind/route)
Modeled abundance
10
6
4
2
0
0
2
4
6
8
10
Observed abundance (ind/route)
12
14
10
8
6
4
2
0
0
20
40
60
Maxent Values (suitability)
80
100
Modelos en escenarios alternos
Modelación de abundancias en escenarios de cambio climático
Presente
2050 bajo el
escenario
CCM3 A1
Modelo predictivo de presencia
Modelo predictivo de abundancia
Sin embargo, en la revisión del
artículo hubo la necesidad de repetir
los análisis, y las cosas no fueron
tan lindas ¿viste?
En lugar
Salió
esto:
de esto:
Toxostoma redivivum
60
-1.9078
y = 49.107x
R2 = 0.312; P = 0.001
2
R = 0.5745
P < 0.001
n = 48
50
40
30
20
10
0
0
2
4
6
8
10
R2 = 0.161; P < 0.001
y = 1552e-1.1712x
R2 = 0.4196
P < 0.001
450
400
350
300
250
200
150
100
50
0
0
1
2
3
4
5
6
Abundance
Abundance
7
Spiza americana
400
y = 887.44e
350
-0.6672x
2
R = 0.5621
P < 0.001
300
R2 = 0.081; P < 0.001
250
200
150
100
50
0
0
2
4
6
8
10
12
14
Environmental distance
Hylocichla mustelina
Hylocicla mustelina
y = 122.28x -2.0201
R2 = 0.3706
P < 0.001
60
Abundance
50
R2 = 0.083; P < 0.001
40
30
20
10
0
0
1
2
3
4
5
6
7
8
9
10
11
12
Abundance
Peromyscus leucopus
Peromyscus leucopus
30
R2 = 0.074; P = 0.045
Abundance
25
y = 81.944e
-1.3349x
2
20
R = 0.3683
P < 0.05
15
10
5
0
0
1
2
3
4
5
Alouatta palliata
Alouatta palliata
R2 = 0.691; P = 0.016
120
y = -28.563x + 214.98
R2 = 0.8622
P < 0.001
Abundance
100
80
60
40
3
4
5
6
7
Abundance
20
8
Abundance
Clemmys guttata
Clemmys guttata
10
9
8
7
6
5
4
3
2
1
0
-3.5903
y = 103.45x
R2 = 0.7842
P < 0.01
R2 = 0.440; P < 0.010
Geographic distance
2
3
4
5
6
7
¿Qué pasó?
En el primer análisis el
cálculo del “centroide” no fue
en realidad al centroide
geométrico del nicho, sino al
óptimo con base en el
análisis de las curvas de
respuesta de las especies a
las variables ambientales, lo
que favoreció el mayor
ajuste de los modelos de
regresión
A pesar de ello, unos análisis sí funcionan con elOikos
centroide,
lo que indica que para
000: 001–009, 2012
doi: 10.1111/j.1600-0706.2012.20350.x
ciertas especies o escalas, si no se© tienen
datos
deNordic
abundancia,
la estimación de la
2012 The Authors.
Oikos ©Oikos
2012
Society Oikos
000: 001–009,
2012
Subject Editor:doi:
Joseph
Bailey. Accepted 28 March 2012
10.1111/j.1600-0706.2012.20350.x
distancia al centroide a partir sólo de
los
datos
de presencia informa más que las
© 2012 The Authors. Oikos © 2012 Nordic Society Oikos
Subject Editor:
Joseph Bailey. Accepted 28 March 2012
favorabilidades modeladas con métodos
tradicionales
Modelling geographic patterns of population density of the
white-tailed
deer in central
Mexico
by implementing
ecological
Modelling geographic
patterns
of population
density of
the
niche
theory
white-tailed deer in central Mexico by implementing ecological
niche theory
Carlos Yañez-Arenas, Enrique Martínez-Meyer, Salvador Mandujano and Octavio Rojas-Soto
C. Yañez-Arenas, Div. de Posgrado, Inst. de Ecología A. C., km 2.5 Camino Antiguo a Coatepec No. 351, Congregación del Haya,
Carlos Yañez-Arenas,
Enrique
Salvador Mandujano
Octavio
MX-91070
Xalapa, Veracruz, México.
– E.Martínez-Meyer,
Martínez-Meyer ([email protected]),
Depto deand
Zoología,
Inst. de Rojas-Soto
Biología, Univ.
Nacional Autónoma de México, Tercer Circuito Exterior s/n, Ciudad Universitaria, MX-04510 México City, México. – S. Mandujano,
C. Yañez-Arenas, Div. de Posgrado, Inst. de Ecología A. C., km 2.5 Camino Antiguo a Coatepec No. 351, Congregación del Haya,
Red de Biología y Conservación de Vertebrados, Inst. de Ecología A. C., km 2.5 Camino Antiguo a Coatepec No. 351, Congregación del Haya,
MX-91070 Xalapa, Veracruz, México. – E. Martínez-Meyer ([email protected]), Depto de Zoología, Inst. de Biología, Univ.
MX-91070 Xalapa, Veracruz, México. – O. Rojas-Soto, Red de Biología Evolutiva, Inst. de Ecología A. C., km 2.5 Camino Antiguo a
Nacional Autónoma de México, Tercer Circuito Exterior s/n, Ciudad Universitaria, MX-04510 México City, México. – S. Mandujano,
Coatepec No. 351, Congregación del Haya, MX-91070 Xalapa, Veracruz, México.
Red de Biología y Conservación de Vertebrados, Inst. de Ecología A. C., km 2.5 Camino Antiguo a Coatepec No. 351, Congregación del Haya,
MX-91070 Xalapa, Veracruz, México. – O. Rojas-Soto, Red de Biología Evolutiva, Inst. de Ecología A. C., km 2.5 Camino Antiguo a
Coatepec No. 351, Congregación del Haya, MX-91070 Xalapa, Veracruz, México.
Conservation and management of species require basic knowledge on their geographic distribution and abundance.
Here, we propose a novel approach, based on the theory of the ecological niche, to model the spatial patterns of the
white-tailed deer Odocoileus virginianus population density in two regions of central Mexico (Balsas Basin and TehuacánConservation and management of species require basic knowledge on their geographic distribution and abundance.
Cuicatlán Valley). We used an ecological niche model to generate binary geographic distribution maps of the white-tailed
Here, we propose a novel approach, based on the theory of the ecological niche, to model the spatial patterns of the
deer in each region based on occurrence data and a set of environmental variables. Then, the centroid of the distributions
white-tailed deer Odocoileus virginianus population density in two regions of central Mexico (Balsas Basin and Tehuacánwas calculated in ecological space (niche centroid) and the multidimensional Euclidian ecological distance of each pixel to
Cuicatlán Valley). We used an ecological niche model to generate binary geographic distribution maps of the white-tailed
the niche centroid was estimated. Finally, for each region the distance to the niche centroid (DNC) was regressed against
deer in each region based on occurrence data and a set of environmental variables. Then, the centroid of the distributions
14
in eachcentroid)
site containing
deer density
information
todistance
determine
the function
wasindependent
calculated inoccurrence
ecological points
space (niche
and thewhite-tailed
multidimensional
Euclidian
ecological
of each
pixel to
describing
the
DNC-density
relationship,
which
was
used
to
generate
maps
describing
the
distribution
of
white-tailed
deer
the niche centroid was estimated. Finally, for each region the distance to the niche centroid (DNC)
was regressed against
2 0.90 and Tehuacándensity.
Our
results
indicated
an
inverse
DNC-density
relationship
in
both
regions
(Balsas
Basin:
r
14 independent
occurrence points in each site containing white-tailed deer density information to determine the function
Cuicatlán:
r 2 DNC-density
0.76) that wasrelationship,
validated via
bootstrapping
a predicting
capacity
of near 62%
for Balsas Basin
describing the
which
was used toresulting
generateinmaps
describing
the distribution
of white-tailed
deer
and
65%
for
Tehuacán-Cuicatlán
Valley.
Our
results
suggest
that
the
distance
to
the
niche
centroid
method
a robust,
2
density. Our results indicated an inverse DNC-density relationship in both regions (Balsas Basin: r 0.90 andisTehuacánscience-based
correlative
that resulted
useful to predict
theinpopulation
density
of the
white-tailed
in aBasin
spaCuicatlán: r 2 0.76) thatapproach
was validated
via bootstrapping
resulting
a predicting
capacity
of near
62% fordeer
Balsas
tially
explicit
fashion.
The
proposed
approach
is
suitable
for
predicting
the
distribution
of
density
for
white-tailed
deer
for
and 65% for Tehuacán-Cuicatlán Valley. Our results suggest that the distance to the niche centroid method is a robust,
which
occurrence
data
with
accompanying
density
information
exists,
but
relative
abundance
can
also
be
estimated
when
science-based correlative approach that resulted useful to predict the population density of the white-tailed deer in a spano
abundance
data areThe
available.
tially
explicit fashion.
proposed approach is suitable for predicting the distribution of density for white-tailed deer for
which occurrence data with accompanying density information exists, but relative abundance can also be estimated when
no abundance data are available.
Conservation and management of species require some
basic information regarding their geographic distribution
and
abundanceand
(McShea
et al. 1997).
In recent
years,some
ecoConservation
management
of species
require
mechanisms have been invoked to explain these patterns,
including population and dispersal dynamics (Pulliam
Fuente: Yáñez-Arenas et al. 2012. Oikos
1988)
or physiological
none is
mechanisms
have been tolerances
invoked to(Brown
explain 1984),
these patterns,
25
Tortoise abundance
20
15
10
5
0
2.5 3 3.5 4 4.5 5 Distance to niche centroid
5.5 6 6.5 ¿Qué hemos aprendido?
La variación geográfica de la abundancia de las
poblaciones de las especies está mejor explicada por las
las condiciones del nicho en los sitios de ocupación que
por su estructura geográfica. La integración de ambos
factores explica mejor la variación de la abundancia
¿Qué hemos aprendido?
Existe una estructura interna del nicho que determina la
adecuación de las poblaciones, y esto su abundancia;
siendo máxima en torno a un óptimo, que puede o no ser
el centroide geométrico. Además, estos óptimos pueden o
no estar restringidos por la geografía en la que vive la
especie
¿Qué hemos aprendido?
Es posible modelar y mapear la distribución de la
abundancia, lo que representa un paso importante en la
modelación de nichos y distribuciones geográficas de las
especies, tanto teóricamente como en ciencia aplicada
¿Para dónde vamos?
1. Seguir haciéndo análisis sobre optimalidad ecológica y su
interacción con la geografía que nos permita entender mejor
la estructura interna del nicho y la abundancia
2. Probar el concepto del centroide para ciencia aplicada
(e.g., probar si el rendimiento de maíz nativo responde al
concepto de centroide [Carolina Ureta]; aprovechamiento
cinegético de fauna [Dr. Salvador Mandujano])
3. Desarrollo de un conjunto de programas para modelar la
distribución de la abundancia bajo el concepto del centroide
Desarrollo de un conjunto de programas para modelar la distribución
de la abundancia bajo el concepto del centroide (Nichosfera)

El Nicho Ecológico y la Abundancia de las Especies

Transcripción

Documentos relacionados

Presentación de PowerPoint

Renoviertes Apartment in der Altstadt von Palma