Un posible criterio para la definición de las reglas de decisión en

Un posible criterio para la definición de las reglas de decisión en

Un posible criterio para la definición de las reglas de decisión en Martitracks, análisis
basado en la zona de transición mexicana.
Julián Libardo Suarez Afanador
Estudiante escuela de biología, Universidad industrial de Santander.
Introducción
La distribución geográfica de las especies ha sido considerada un recurso substancial para la
documentación y la conservación de la biodiversidad [1]. Dado el crecimiento de los datos
distribucionales la necesidad de nuevas herramientas que faciliten el manejo, reduzcan la
complejidad y generar patrones esta en incremento. En este contexto el enfoque
panbiogeografico da herramientas las cuales permiten analizar este tipo de datos de una
manera sencilla. El enfoque panbiogeografico se centra en el componente espacial o
geográfico, como una condición previa fundamental para el análisis de los patrones y procesos
de cambio evolutivo [5,3], este enfoque fue desarrollado por Croizat [4,5]. El método del
enfoque panbiogeografico el cual delimita patrones distribucionales de varias especies (análisis
de trazos).este análisis está basado en tres elementos gráficos principales: trazos individuales,
trazos generalizados y nodos [2, 3, 6, 7]. Existen diferentes enfoques con el método
panbiogeografico: reconstrucción manual (5, 8), análisis de compatibilidad de trazos [9], PAE
(análisis de endemismos por parsimonia) [2].Martitracks es un programa que contiene un nuevo
algoritmo para analizar los trazos panbiogeograficos basados en un enfoque geométrico. Este
algoritmo evalúa a partir de funciones y procesos geométricos la congruencia de los trazos
[10].Martitraks usa los puntos de distribución para construir un trazo para cada especie y la
congruencia de cada trazo para determinar si existen trazos que representen patrones
generales de distribución (trazos generalizados) [10].el programa genera trazos genera a partir
de varios pasos y en cada uno evalúa la congruencia de los trazos evaluando la distancia
mínima entre los puntos, la congruencia espacial de los trazos individuales basada en la
función desarrollada por Paul Bourke [10].como describen los autores la congruencia también
depende de las distancias euclidianas entre los segmentos y los puntos donde las distancias
máximas y mínimas entre los segmentos definen dos reglas de congruencia ( dos segmentos
son congruentes si la distancia mínima y máxima entre los segmentos no exceden los limites
predefinidos), como describen los autores los valores del lmin, lmax, lmax-line se predefinen de
acuerdo al nivel de congruencia que el usuario requiera[10], pero muchas veces estos valores
se convierten en una búsqueda aleatoria que se detiene cuando los resultados se han ajustado
a las preferencias del usuario, búsqueda que podría estar reflejando un resultado que no es el
verdadero. Con el marco de referencia anteriormente planteado, en este trabajo se describe un
posible método para definir las reglas de decisión en Martitracks haciendo la evaluación sobre
la zona de transición mexicana, basados en el hecho que estos valores están asociados con el
tamaño y la regionalización de las áreas de estudio.
Materiales y Métodos
Análisis del área de estudio
Las áreas de estudio se basaron en la regionalización de C. J. Marshall & J. K. Liebherr,
2000[11]. Los taxa monofileticos analizados en el estudio fueron Typlusechus, Abronia,
Ateuchus, Mesaspis, Ciprimella, Xiphophorus, Crotalus, Yucca,
Agonum, Phloeoxena,
Amblygnathus, Heterandria, Phrynosoma, Ctenosauria, Coleonyx, Viguiera Habromys, tomados
del trabajo de C. J. Marshall & J. K. Liebherr, 2000 y de León-Paniagua et al. (2007[12]).
Se realizo una delimitación del área de estudio y de las regiones dentro de estas a partir de la
información geográfica del trabajo de [13] ubicando los sitios por puntos y conectando los
puntos en el software Google Earth pro versión 6(grafica1), se realizo la medición del área
(km2) y del perímetro (grados) tanto del área total como de las regiones dentro de esta (tabla1),
además se llevo a cabo el cálculo de las distancias entre cada área dentro de la región de
estudio y se midió tanto en km como su equivalencia en grados(tabla 2), lo anteriormente
descrito se llevo a cabo con la herramienta polygon y la herramienta ruler de Google Earth pro
6.Para realizar la estimación de los valores de cut, lmin, lmax se llevaron a cabo los cálculos a
partir de las siguientes formulas:
cut ≅ (∑(π୧ /π୲ )/n
‫( = ݅݀ ݉݋ݎ݌‬di1 + di2 + ⋯ din)/n
݈݉݅݊ = (prom di)/dmax
݈݉ܽ‫( = ݔ‬prom di)/dmin
Siendo πi los perímetros de cada área (tabla1) dentro del área de estudio, πt el perímetro del
área total, n es el número total de las áreas, di es la distancia entre áreas (tabla2), dmax y
dmin son las distancias máxima y mínima entre las áreas respectivamente. Luego del cálculo
de los valores, se realizo el análisis en Martitracks, se llevaron a cabo un análisis con los datos
calculados, otro con los valores por defecto, otro con valores mayores tanto de los valores por
defecto como de los valores calculados por las formulas y con los valores usados en el análisis
de Suarez [15].
Resultados y Discusión
Del cálculo a partir de las formulas se obtuvieron los valores de cut, lmin, lmax para las áreas
de estudio (tabla1,tabla 2) y del análisis en martitracks para cada prueba de valores se observa
en las graficas 2, 3, 4, 5, donde se observa que la mejor resolución de los trazos en referencia
al área de transición mexicana y a la observación de los componentes del norte y del sur que la
conforman en la grafica 5, al realizar una comparación con lo obtenido por [14] y refleja mejor
los puntos posibles de contacto entre las biota y asocia estos puntos al componente mexicano
de montaña que al cual Morrone restringe la zona de transición mexicana, esta grafica
corresponde a los valores de los parámetros calculados por las formulas esto se debe a que la
resolución de los trazos depende de la escala geográfica sobre la que se está llevando el
análisis con estos resultados no solo se está observando una dependencia del tamaño del área
total sino también de la regionalización del área de estudio la cual va a ser un factor importante
que se debe tener en cuenta al plantear un valor para los valores de lmin y lmax. Una pregunta
interesante a discutir ahora es el por qué la correspondencia de cada formula con un
correspondiente parámetro, por que el valor del lmin no puede ser más alto que el del lmax o
del lmax line. La correspondencia de las formulas a cada parámetro se ve reflejada en cada
uno de los datos que para el cálculo se requiere si se observa la fórmula del cálculo del cut es
la sumatoria de las proporciones de cada área respecto al área total, pero por que usar estas y
no solo un promedio; esto se debe a que el valor del cut determina cuando dos puntos están
cercanos son el mismo punto o es uno diferente por ende es una buena referencia saber cuál
es la proporción de esa área en la que se encuentra respecto no solo al área total si no también
a la proporción de su área mas cercana y al medir estas proporciones obtenemos un valor para
el cual al realizar la evaluación de la congruencia va a estar en directa relación tanto con el
tamaño del área total como el tamaño de cada regionalización. La correspondencia de las
formulas del lmin y lmax al promedio de las distancias entre las áreas se debe a que si se
tienen dos puntos en dos diferentes áreas correspondientes a la misma especie la distancia
entre esas dos zonas va a determinar de manera directa el tamaño del segmento que conforma
el trazo que es lo que evalúa Martitracks cuando hace la congruencia por las reglas basadas en
el lmin y el lmax. El por qué no pueden tener el mismo valor es sencillo, el lmin no puede ser
mayor al lmax y mucho menos al lmax-line ya que si son los puntos de referencia, el programa
al evaluar congruencia ya tiene especificado que lmin<lmax<lmax-line y mayor de lmin
rompería con esta regla para evaluar la congruencia.
Conclusiones
Al llevar a cabo un análisis de trazos es importante analizar el efecto que tiene la escala
geográfica a la cual se está trabajando para tener no solo una mejor resolución sino que
además represente lo que los datos realmente reflejan.
Se recomienda probar esta metodología en otras áreas y con otras regionalizaciones para
reafirmar los resultados acá encontrados.
Bibliografía
1. Richardson DM, Whittaker RJ (2010) Conservation biogeography foundations, concepts and
challenges. Diversity and Distributions 16: 313-320.
2. Craw RC, Grehan JR, Heads MJ (1999) Panbiogeography: Tracking the History of Life.
Oxford University Press, 229 pp.
3. Grehan JR (2001) Introducción a la Biogeografía en Latinoamérica: Teorías, conceptos,
métodos y aplicaciones, México: Las Prensas de Ciencias, Universidad Nacional Autónoma de
México, chapter Panbiogeografia y la geografía de la vida. pp. 181-195.
4. Croizat L (1952) Manual of Phytogeography. The Hague: Junk, 696 pp.
5. Croizat L (1962) Space, Time, Form: The Biological Synthesis. Caracas: Published by the
author, 881 pp.
6. Crisci JV, Morrone JJ (1992) Panbiogeografia y biogeografia cladistica: paradigmas actuales
de la biogeografia historica. Ciencias 6: 87-97.
7. Espinosa-Organista D, Morrone JJ, Llorente-Bousquets J, Villela-Flores O (2002)
Introduccional análisis de patrones en biogeografa histórica, Las Prensas de Ciencias,
Universidad Nacional Autónoma de México, chapter Patrones de homología espacial. pp. 5364.
8. Croizat L (1958) Panbiogeography. Caracas: Published by the author, 2755 pp.
9. Craw RC (1989) Quantitative panbiogeography: Introduction to methods. New Zealand
Journal of Zoology 16: 485-494.
10. Susy Echeverría-Londoño, Daniel Rafael Miranda-Esquivel. MartiTracks: a geometrical
approach for identifying geographical patterns of distribution.
11. Marshall, C. J. y J. K. Liebherr. 2000. Cladistic biogeography of the Mexican transition zone.
Journal of Biogeography 27: 203-216.
12. León-Paniagua, L., A. G. Navarro-Sigüenza, B. E. Hernández-Baños, J. C. Morales. 2007.
Diversification of the arboreal mice of the genus Habromys (Rodentia: Cricetidae: Neotominae)
in the Mesoamerican highlands. Molecular Phylogenetics and Evolution 42, 653–664
13. Morrone, J.J. 2005. Hacia una síntesis biogeográfica de México. Rev. Mex. Biodiv. 76 : 207252.
14. Morrone JJ, Marquez J (2001) Halfter's Mexican transition zone, beetle generalized tracks,
and Geographical homology. Journal of Biogeography 28: 635-650.
15. Suarez Julián (2011). Análisis Biogeografico de México. Sistemática. Escuela de biología