Upload
mercedes-quiroga-flores
View
250
Download
1
Embed Size (px)
Citation preview
Estimación de la diversidad
Curvas de acumulación de especies
Curvas de acumulación de especies
curva de acumulación de especies (curva de colector)
0
1
2
3
4
5
6
1 2 3 4
parcelas
# d
e es
pec
ies
A A+B
A+B+C
A+B+C+D
Curvas de acumulación de especies
El orden de muestreo fue arbitrario. Pudo comenzar con cualquier parcela dando los mismos resultados.
Curvas de acumulación de especies
curva de acumulación de especies
0
1
2
3
4
5
6
1 2 3 4
parcelas
# d
e es
pec
ies B A+B
A+B+C
A+B+C+D
Curvas de acumulación de especies
curva de acumulación de especies
0
1
2
3
4
5
6
1 2 3 4
parcelas
# d
e es
pec
ies C A+C
A+B+C
A+B+C+D
¿Y si añadimos parcelas?
• Siguiendo la teoría de biogeografía de islas podemos deducir que a mayor área de muestreo o mayor esfuerzo de colección mayor diversidad.
Distribución de abundancias
Distribución de abundancias
Distribución de abundancias
• La mayoría de las especies en una comunidad tienen abundancias intermedias
• Son pocas las mas abundantes
• Son pocas las menos abundantes (raras)
• Esto sugiere que a mayor área de muestreo o esfuerzo de colección mas especies raras se añadirán
Algunas curvas de acumulación tienden a una asíntota otras no
?
área o # de individuos área o # de individuos
# especies
Las que tienden a una asíntota
• Pueden sugerirnos la riqueza total
área o # de individuos
# especies
¿Cuál de las curvas de acumulación anteriores utilizamos?• Cada curva es diferente dependiendo del
orden en que se incluyan las muestras
• Una opción es una curva suavizada mediante promediación de combinaciones de muestras: rarificación
• Construyan una curva rarificada para el ejemplo anterior
Curva rarificada por muestras
• Pasos (para método exacto):– Haga una lista de las combinaciones posibles
de 1, 2, 3, 4, etc. # de muestras – Calcular promedios de especies presentes en
todas las combinaciones de 1, 2, 3, 4, etc. # de muestras
– Graficar los promedios– También se acostumbra calcular las
desviaciones estándar para cada nivel de grupos de parcelas
Curva rarificada por muestras
• Pasos (para método aleatorio):– Haga una lista de las combinaciones posibles
de 1, 2, 3, 4, etc. # de muestras – Calcular promedios de especies presentes en
combinaciones seleccionadas al azar de 1, 2, 3, 4, etc. # de muestras
– Graficar los promedios– También se acostumbra calcular las
desviaciones estándar para cada nivel de grupos de parcelas
Curva rarificada por individuos
• Pasos (para método aleatorio):– Haga una lista de las combinaciones posibles
de 1, 2, 3, 4, etc. # de individuos – Calcular promedios de especies presentes en
combinaciones seleccionadas al azar de 1, 2, 3, 4, etc. # de individuos
– Graficar los promedios– También se acostumbra calcular las
desviaciones estándar para cada nivel de grupos de individuos
Curva rarificada por parcelas o individuos
Densidad de especies
• Muchas veces pensamos que podemos estimar la diversidad basándonos en promedios de diversidad por parcela
• Esta medida solo representa la densidad de especies (especies por unidad de área)
• Densidad de especies es sensitiva al número de individuos muestreados
Estimación de riqueza
• No podemos estimar riqueza basándonos en densidad de especies
• Determinar la riqueza de una comunidad o un paisaje toma demasiado esfuerzo y podemos equivocarnos
• Existen varios métodos de estimación
Estimación de riqueza
• Métodos:– Extrapolar la asíntota– Ajustar una distribución a lo observado
• Distribución geométrica• Distribución log-normal• Otras• Resultados ambiguos pues varias distribuciones
pueden resultar adecuadas dando estimados muy diferentes
– Estimadores paramétricos– Estimadores no-paramétricos
Estimadores no-paramétricos
• Jackknife (incidencia)– Jack1
– Jack2–
• Chao– Chao2
– Chao2 corregido
q1 = # esp en solo 1 muestra m = # muestras
Calculen a Jack1, jack2 y Chao2Parcelas
S1 S2 S3 S4 S5 R
A 1 1 1 0 0 3
B 1 1 1 1 1 5
C 4 1 1 0 0 3
D 2 2 2 0 0 3
8 5 5 1 1 5
Estimadores de riqueza
• También hay estimadores de riqueza que utilizan los datos de abundancia– Jackknife (jack1 y jack2)– Chao1– otros
Estimadores no-paramétricos
• No hacen suposiciones acerca de las características de la distribución de los datos
• Tienden a dar estimados mas certeros que otros métodos
Extrapolar la asíntota
Ajustar la distribución
Chao2: uno de los mejores