Vegetación y tipos de hábitats de interés en la Unión EuropeaVegetación y tipos de hábitats de interés en la Unión Europea

Tema 4Tema 4

Fitosociología e informáticaDr. Francisco José Alcaraz Ariza

Universidad de MurciaEspaña

(versión de 28 de febrero de 2011)

Copyright: © 2011 Francisco José Alcaraz Ariza. Esta obra está bajo una licencia de Reconocimiento-No Comercial de Creative Commons. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by-nc/3.0/deed.es_CL

o envíe una carta a Creative Commons, 559 Nathan Abbott Way, Stanford, California 94305, USA.

Índice

1. Introducción................................................................................................................................................................1

2. Entrada y manejo de los datos..................................................................................................................................1

2.1. Formato de los datos de entrada..............................................................................................................................................1

2.2. Editores de texto.....................................................................................................................................................................2

2.3. Hojas de cálculo.....................................................................................................................................................................2

2.4. TurboVeg................................................................................................................................................................................2

2.5. JUICE.....................................................................................................................................................................................4

2.6. Vegana....................................................................................................................................................................................6

3. Ordenación..................................................................................................................................................................6

3.1. Introducción............................................................................................................................................................................6

3.2. Espacios vectoriales................................................................................................................................................................6

3.3. Análisis de gradientes (indirecto vs directo)...........................................................................................................................7

3.4. Análisis de componentes principales (PCA)...........................................................................................................................9

3.5. Análisis de correspondencias (CA, RA)..................................................................................................................................9

3.6. Análisis de correspondencias segmentado (DCA).................................................................................................................10

3.7. Análisis de correspondencias constreñido.............................................................................................................................11

4. Clasificación..............................................................................................................................................................11

4.1. Introducción..........................................................................................................................................................................11

4.2. Tipos de clasificación............................................................................................................................................................11

4.3. Detalles sobre la clasificación jerárquica..............................................................................................................................124.3.1. Cálculo de la matriz similitud.......................................................................................................................124.3.2. Estrategias de fusión......................................................................................................................................124.3.3. Interpretación.................................................................................................................................................13

4.4. Métodos de tabulación automatizada con JUICE..................................................................................................................13

4.5. Métodos de tabulación automatizada con vegemite..............................................................................................................15

4.6. Combinación de ordenación y clasificación..........................................................................................................................16

5. Mapa conceptual.......................................................................................................................................................17

6. Actividades de evaluación.......................................................................................................................................18

7. Bibliografía................................................................................................................................................................19

7.1. Bibliografía básica................................................................................................................................................................19

I

7.2. Bibliografía complementaria................................................................................................................................................19

7.3. Páginas Web.........................................................................................................................................................................19

Índice de Cuadros

Cuadro 1: Gradientes directos e indirectos....................................................................................................................................9

Índice de figuras

Figura 1: Interfaz de Turboveg......................................................................................................................................................3

Figura 2: Introducción de los datos de cabecera............................................................................................................................3

Figura 3: Introducción de los datos para cada especie del inventario.............................................................................................4

Figura 4: Ordenación y edición de inventarios en Juice (1)...........................................................................................................5

Figura 5: Ordenación y edición de inventarios en Juice (2)...........................................................................................................5

Figura 7: Resumen del papel de la ordenación en la geobotánica..................................................................................................8

Figura 8: Análisis de componentes principales realizado con R...................................................................................................10

Figura 9: Esquema del proceso realizado por el DCA..................................................................................................................11

Figura 10: Pasos en la clasificación jerárquica............................................................................................................................12

Figura 11: Principales estrategias de fusión.................................................................................................................................13

Figura 12: Clasificación divisiva no supervisada con Twinspan..................................................................................................14

Figura 13: Ordenando los inventarios de acuerdo con la clasificación realizada..........................................................................14

Figura 14: Determinación numérica con Juice de las especies de diagnóstico, constantes y dominantes.....................................16

II

Tema 4Tema 4

Fitosociología e informáticaDr. Francisco José Alcaraz Ariza

Universidad de MurciaEspaña

(versión de 28 de febrero de 2011)

Copyright: © 2011 Francisco José Alcaraz Ariza. Esta obra está bajo una licencia de Reconocimiento-No Comercial de Creative Commons. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by-nc/3.0/deed.es_CL

o envíe una carta a Creative Commons, 559 Nathan Abbott Way, Stanford, California 94305, USA.

Interrogantes centrales

● ¿Qué tipos de herramientas informáticas se pueden utilizar como apoyo a las clasificaciones fitosociológicas?

● ¿Qué formato deben tener los datos y cómo pueden ser preparados?

● ¿Cómo podemos guardar los datos y combinarlos para poder analizarlos posteriormente en conjunto o de forma independiente?

1. Introducción

Todos los métodos que existen en la actualidad para el reconocimiento y la definición de comunidades de plantas están relacionados con la clasificación. El objetivo de la clasificación es agrupar un conjunto de individuos (unidades muestrales de vegetación) por sus atributos (composición florística). El producto final de una clasificación debería ser un conjunto de grupos formados a partir de los individuos donde, los componentes de cada grupo presentan más semejanzas con los demás del grupo que con los de otros grupos. Los grupos derivados de un conjunto de unidades muestrales a través de una clasificación en relación con su composición florística se consideran como las comunidades de plantas de la zona de estudio.

Los métodos para llevar a cabo esta clasificación son numerosos y diversos. Los antiguos métodos, como los tradicionales de la escuela sigmatista, consistían en la ordenación manual de cuadros de datos florísticos y se han denominado en ocasiones como «subjetivos». Desde la llegada de los ordenadores a finales de la década de los cincuenta del siglo pasado, son varios los métodos numéricos que se han aplicado a estos datos y suelen haberse nombrado como «objetivos», sin embargo esta palabra debe ser definida y utilizada con cuidado. Aunque la distinción entre métodos subjetivos y objetivos está hecha, las diferencias hay que buscarlas más en el conjunto del método aplicado, esto quiere decir que no sólo hay que tener en cuenta el tipo de análisis realizado, sino también el cómo se han tomado los datos.

2. Entrada y manejo de los datos

2.1. Formato de los datos de entrada

Algunas aplicaciones informáticas requieren formatos muy complejos (Canoco), pero la tendencia actual es hacia formatos de archivos sólo texto, que se pueden modificar con un simple editor de texto. También es posible usar una hoja de cálculo (por ejemplo Calc de OpenOffice.org) y tras comprobar gracias al sistema de celdillas que los datos han sido bien transcritos, exportarlas a formato texto, por ejemplo, para 4 unidades muestrales (filas) con un total de 5 especies (primera

Tema 4

fila), el formato grabado en el fichero de texto puro es:

ANTHCYTI ASTRALOG ROSMOFFI QUERILEB LOBUMARI0 1 0 2 31 1 4 0 02 1 2 0 12 0 2 1 1

En este caso las especies se han codificado usando 8 caracteres, siendo los primeros cuatro para el nombre genérico y luego cuatro caracteres para el epíteto específico. En el caso de que el taxón esté en el rango de subespecie o variedad el último carácter se usa para destacar este hecho, dejando sólo tres para el epíteto específico. En los ejemplos del caso anterior la correspondencia es: ANTHCYTI (Anthyllis cytisoides); ASTRALOG (Astragalus alopecuroides subsp. grossi); ROSMOFFI (Rosmarinus officinalis), QUERILEB (Quercus ilex subsp. ballota) y LOBUMARI (Lobularia maritima).

2.2. Editores de texto

Para matrices con pocos inventarios puede ser suficiente con introducir los datos con un editor de texto simple, que grabe los archivos resultantes en texto puro (.txt) o delimitado por comas (.csv). Puede usarse bajo sistemas operativos Windows editores simples como el block de notas o wordpat; en Linux la oferta es interminable (nano, emac, vi, vim, nedit, gedit, kwriter, etc...).

2.3. Hojas de cálculo

Tanto Calc (OpenOffice.org) como Excel (MsOffice) pueden ser utilizados para introducir datos de inventarios. Sin embargo cuando se trabaja habitualmente en un territorio es mejor disponer de otros programas tipo base de datos con los que se puedan almacenar los datos y tener una lista de especies estandarizada.

Las hojas de cálculo de los programas que no estén en sus versiones más recientes tienen una importante limitación en el número de columnas máximo (256), por lo que en algunos casos se pueden quedar cortas. Las versiones más recientes tanto de Calc como de Excel permiten más de 65000 columnas.

Entre las ventajas de usar hojas de cálculo para estos menesteres hay que destacar el mayor control que se tiene sobre la adecuada introducción de los datos, al trabajar con filas y columnas, las mayores facilidades de edición y la posibilidad de exportar los datos a muchos formatos.

2.4. TurboVeg

Programa de bases de datos para introducir, almacenar y exportar datos de vegetación (ver figuras 1, 2 y 3). Funciona bajo sistemas operativos windows, pero parcialmente funciona en linux usando «wine» y al 100% en sistemas virtuales (p.e. Virtual Box).

Es programa de pago, más información en: http://www.si.muni.cz/botany/dbase.cz.htm#Turboveg

● Apropiado para la entrada de datos y su almacenamiento.

● Permite exportar los datos a muchos formatos diferentes, aptos para ser utilizados por diversos programas de análisis numérico.

● En centroeuropa se ha convertido en un estándar para la introducción de datos.

2

Fitosociología e informática

3

Figura 2: Introducción de los datos de cabecera

Figura 1: Interfaz de Turboveg

Tema 4

2.5. JUICE

JUICE (ver figuras 4 y 5) es un software para editar, clasificar y analizar conjuntos grandes de inventarios de vegetación. Esta diseñado para sistemas Windows, pero en Linux funciona perfectamente con las versiones más recientes de Wine.

● Tiene grandes facilidades para manipular las tablas resultantes, es muy sencillo mover columnas y filas, resaltar inventarios, etc.

● Los inventarios los debe importar los datos ya sea de turboveg, «csv» con algún añadido en la cabecera, formato canoco, etc.

● Viene con una versión de Twinspan, clásico programa de clasificación de inventarios fitosociológicos (véase sección 3 de este tema), cuyos resultados al aplicarlo a una tabla de datos sirven para automatizar la reordenación de la misma.

● Permite determinar las especies de diagnóstico o carácter.

● No permite almacenar los datos en una base de datos, sólo manipula ficheros individuales, aunque se pueden guardar para tratamiento posterior.

● Es gratuito y se puede obtener en: http://www.sci.muni.cz/botany/juice.htm.

4

Figura 3: Introducción de los datos para cada especie del inventario

Fitosociología e informática

5

Figura 5: Ordenación y edición de inventarios en Juice (2)

Figura 4: Ordenación y edición de inventarios en Juice (1)

Tema 4

2.6. Vegana

VEGANA (Vegetation edition and Analysis) es un paquete integrado de programas destinado a la gestión y análisis de datos ecológicos en general y muy especialmente de vegetación. Contiene cuatro programas principales:

● Ginkgo: está orientado a la representación y clasificación de individuos a partir de datos multivariantes. Entre otras técnicas, permite realizar grupos jerárquicos y partitivos (K-means y fuzzy C-means); análisis discriminante lineal, cuadrático y basado en distancias; reducción de la dimensionalidad, análisis de componentes principales (PCA), análisis de coordenadas principales (MDS), multidimensional scaling no métrico (NMDS) y análisis factorial de correspondencias (CA).

● Quercus: es un editor de tablas de datos del tipo inventario. Permite la introducción y gestión de inventarios de especies y su posterior exportación a Ginkgo. Es posible también editar los ficheros tesauros asociados (taxones, comunidades y bibliografía). Los datos pueden ser importados del Banco de datos de biodiversidad de Cataluña (http://biodiver.bio.ub.es/biocat/homepage.html) mediante el formato XML.

● Fagus: es un editor y gestor de citas florísticas. Se pueden almacenar datos inéditos, bibliográficos y de colecciones.

● Yucca: permite la representación cartográfica de los datos, principalmente distribuciones de taxones o grupos de áreas.

Todo el software de VegAna está escrito en lenguaje Java, que permite que funcione en todas las plataformas que soportan el Java Virtual Machine (JVM). Principalmente, se distribuye mediante un modo basado en la web, para hacer las correcciones de problemas y las actualizaciones del programa de una forma más fácil. Vegana utiliza la tecnología Java Web Start y este es un pre-requisito para usar el software VegAna. Una vez se tiene el Java Web Start instalado, los programas de VegAna pueden iniciarse haciendo click sobre el enlace del navegador de Internet.

En este enlace (destacado en azul) están las instrucciones de instalación.

La página web es: http://biodiver.bio.ub.es/vegana/castellano/index.html

3. Ordenación

3.1. Introducción

Para entender las técnicas de ordenación es preciso verter algunos comentarios sobre el concepto matemático de espacios vectoriales y sobre el análisis de gradientes ambientales.

3.2. Espacios vectoriales

Un espacio puede ser descrito sobre la base de sus dimensiones. Podemos fijar un punto de origen de coordenadas y un punto en ese espacio se suele denominar a través de sus n coordenadas. Los espacios pueden tener desde una hasta muchas dimensiones, siendo estos ejes, por acuerdo, ortogonales.

En Geobotánica hay tres espacios de particular interés que debemos conocer:

1. El de las unidades muestrales, en el que las especies son puntos en un espacio multidimensional con tantos ejes como unidades muestrales.

2. El de las especies, los puntos son ahora las unidades muestrales en un espacio

6

Fitosociología e informática

multidimensional con tantos ejes como especies.

3. El ecológico, con ejes que representan los n factores del medio y en el que podemos situar las especies, las unidades muestrales o ambos.

Lo ideal es que partiendo del espacio a o del b podamos llegar al c.

● Los resultados de una ordenación se disponen en un espacio multidimensional.

● Se necesitan herramientas para reducir las dimensiones.

● En general se utiliza el giro de ejes y la proyección buscando los ejes que atraviesen puntos de máxima varianza.

● La máxima varianza se interpreta como significado ecológico más alto (ver figuras 6 y 7).

3.3. Análisis de gradientes (indirecto vs directo)

En el análisis indirecto de gradientes el muestreo no necesita ser continuo ni regular, el gradiente se intenta generar por la suma de los datos de gradientes parciales (los de las diversas unidades muestrales estudiadas). Los datos, que son únicamente de vegetación, se mecanizan en un único fichero, y el análisis multivariante genera unos ejes en los que se disponen, según sus coordenadas calculadas, las especies, las unidades muestrales o ambas de forma simultánea. Estos ejes deben ser interpretados por el investigador desde un punto de vista ecológico, bien entendido que en muchas ocasiones no representan una variable ambiental aislada, sino una combinación más o menos compleja de varias de ellas.

En el análisis directo de gradientes el muestreo debe ser continuo a lo largo de la zona de máxima variación del gradiente, o al menos distribuirse las unidades muestrales de forma regular a lo largo del mismo. Además de tomarse los datos que se consideren necesarios sobre la vegetación1, se deben obtener los datos ecológicos apropiados al tema (según el caso, parámetros edáficos, pendiente, orientación, tipos de alteración, etc.).

1 Siempre de acuerdo al problema a resolver o hipótesis de trabajo.

7

Figura 6: En el diagrama de ordenación de unidades muestrales (especies) cada punto representa una muestra (especie) y cuanto más grande sea la distancia entre dos puntos más grande es la

diferencia florística de las unidades muestrales (especies) que representan.

Matriz de datos bruta

Método deOrdenación

Especieso

Inventarios

1. Matriz de datos(inventarios/especies)

2. Análisis

3. Diagrama de ordenación de

inventarios (especies)1 .... ... .. ... ... ... ... n

n ..

.. .

.. .

. ..

. ..

. ..

. ..

. 1

eje 1ej

e 2

Tema 4

La información se mecaniza en dos archivos, uno para los datos de vegetación y otro para los datos ecológicos, procediéndose a un análisis ya sea por separado de los dos, comparando los resultados, o conjunto (análisis canónico). En el segundo caso las variables ambientales se usan para la generación de los ejes (espacio ecológico).

En el cuadro 1 se refleja de forma sintética la diferencia entre un tipo de análisis y el otro.

Dentro de los métodos de ordenación, tanto fundamentados en análisis directo como indirecto de gradientes, destacaremos los siguientes:

● PCA: análisis de componentes principales.

● CA o RA: análisis de correspondencias.

8

Figura 7: Resumen del papel de la ordenación en la geobotánica, mostrando el típico formato de los conjuntos de datos obtenidos por muestreo y su estudio por

análisis de gradientes directos e indirectos.

Ambiente Plantas

Datosambientales

Datosde especies

Parcelas (unidades

muestrales)

Análisis indirecto de gradientes

Análisis indirecto de gradientes

Análisis directo de gradientes

Resumen por

ordenación

Parcelas (unidades

muestrales)

Fitosociología e informática

● DCA: análisis de correspondencias segmentado.

● CCA: análisis de correspondencias constreñido.

Cuadro 1: Gradientes directos e indirectos

Directo Indirecto

Muestreo continuo (transectos) No se toman datos ecológicos

Toma de datos ecológicos Las especies reflejan los gradientes existentes

Análisis canónico Los ejes de la ordenación deberían ser relacionados directamente con el ambiente

3.4. Análisis de componentes principales (PCA)

● Modelo lineal de respuesta de las especies a gradientes.

● Reduce las dimensiones en una forma eficiente.

● Facilita la interpretación valorando la importancia de las variables.

● Eigenvectores = importancia de cada variable = longitud del eje.

● Eigenvalue = importancia de cada componente = % de la varianza total.

● En este tipo de análisis hay una equivalencia entre la inercia y varianza, por lo que sólo las especies con elevada abundancia tienen significado en el resultado.

● Interpretación: más importantes cuanto más a la periferia.

● Transformación: Correlación / Covarianza.

● Superior en el estudio de gradientes sencillos.

● Resultado gráfico en un diagrama de dispersión (ver figura 8).

3.5. Análisis de correspondencias (CA, RA)

● Modelo unimodal de respuesta de las especies a gradientes.

● Reduce las dimensiones en una forma eficiente.

● Facilita la interpretación valorando la importancia de las variables.

● Eigenvectores = importancia de cada variable = longitud del eje.

● Eigenvalue = importancia de cada componente = % de la varianza total.

● La inercia es el coeficiente de cuadrados medios de la contingencia, basada en la distancia χ2.

● Interpretación: pérdida de importancia de modo concéntrico respecto a especies o espacios, según el tipo de gráfico elegido.

● Transformación: media recíproca (reciprocal averaging).

● Superior para el manejo de múltiples gradientes en comunidades.

9

Tema 4

3.6. Análisis de

correspondencias segmentado (DCA)

Aunque el CA es un método mucho más robusto en la ordenación de comunidades que el PCA, en gradientes ecológicos prolongados muestra algunos defectos que fueron corregidos con este otro método (ver figura 9):

● Para corregir las curvas o arcos que forman las unidades muestrales o las especies en la ordenación cuando se trabaja con gradientes simples pero prolongados, segmenta los ejes.

● Para evitar que las unidades muestrales se agrupen en los extremos del gradiente, reescala los ejes e iguala la varianza.

● Para evitar el problema de que las especies raras influyen mucho en el resultado, les quita peso.

10

Figura 8: Análisis de componentes principales realizado con R (librería vegan)

Fitosociología e informática

3.7. Análisis de correspondencias constreñido

● Análisis directo de gradientes.

● Se usan dos ficheros, uno para los datos de vegetación y otro para los ambientales.

● Las especies y las unidades muestrales se ordenan con técnicas conocidas (PCA, CA, DCA).

● Encuentra la mejor combinación linear de los datos ambientales prediciendo la ordenación.

● Expresa la posición de las unidades muestrales o las especies por combinaciones lineares de datos ambientales.

● T-valor de los coeficientes permite el uso de pruebas estadísticas.

● El test de Monte Carlo ayuda a comprobar la importancia de las variables.

4. Clasificación

4.1. Introducción

La clasificación es un proceso natural en el hombre, que trata de la transmisión de datos de manera comunicable. Sin embargo tiene muchos problemas de subjetividad, debido a que:

● Supone una interacción entre el observador y lo observado.

● Para clasificar hay que pensar en medidas de distancias y definir umbrales de separación (son artificiales).

El resultado son agrupaciones en clases. Aunque las clases son normalmente arbitrarias, pueden tener sentido, ser reales o servir para interpretar la realidad. Sin embargo la aplicación de criterios diversos origina clasificaciones distintas, pero:

● El uso de varios métodos alternativos de clasificación revela aspectos insospechados de los datos.

● Si hay resultados claros, las unidades tienen sentido.

Como la ordenación, la clasificación es utilizada como apoyo con métodos de análisis más objetivos a la clasificación jerarquizada fitosociológica.

4.2. Tipos de clasificación

● Jerárquica (sintaxonomía) < no jerárquica (adecuada para mapas vegetación, percepción grupos probables).

● Monotética (basada en un solo carácter) < politética (basada en varios caracteres).

11

Figura 9: Esquema del proceso realizado por el DCA: a) espacio ecológico original; b) curvatura en arco provocada por PCA o RA; c) representación del espacio ecológico en DCA.

Tema 4

● Aglomerativa (se inicia en objetos aislados) < divisiva (va subdividiendo el conjunto).

4.3. Detalles sobre la clasificación jerárquica

Los pasos vienen esquematizados en la figura 10.

4.3.1. Cálculo de la matriz similitud

● Se comparan las unidades muestrales dos a dos.

● a = similitud (algunos programas incluyen más de 40 índices diferentes).

● 1-a = disimilitud.

● Cualitativos (presencia/ausencia)

● Jaccard: número de especies comunes/ número total especies (0 a 1).

● Cuantitativos (abundancia)

● Relación de similitud (xij es abundancia de la especie i en la unidad muestral j):

∑i=1

n

x ij xik

∑i=1

n

x2 y∑i=1

n

x2 ik−∑i=1

n

x ij x ik

4.3.2. Estrategias de fusión

Se resumen las principales en la figura 11.

12

Figura 10: Pasos en la clasificación jerárquica

Fitosociología e informática

4.3.3. Interpretación

● Tomar decisiones sobre los puntos de corte en el dendrograma (nº de grupos).

● Decidir que índice de similitud y que estrategia de fusión se utiliza.

● Posibilidad de comparar varios resultados para ver grupos estables y grupos inestables.

● Recomendado combinar clasificación y ordenación.

4.4. Métodos de tabulación automatizada con JUICE

El programa JUICE permite realizar una ordenación de tablas con la idea del método tradicional de la escuela fitosociológica, pero aprovechando la potencia de las computadoras para su realización.

En primer lugar el programa, tras cargar la matriz o tabla de datos, aplica una técnica de análisis numérico sobre los mismos usando un programa externo. Como el programa incluye una versión de Twinspan, lo más fácil es hacer la clasificación con el mismo, pero se puede enlazar a otros programas externos de pago (MULVA, CANOCO, etc.). La ventaja de usar Twinspan para el proceso es que además de que aquel viene incluido en el paquete informático, el proceso funciona tanto en Windows como en Linux (usando Wine para arrancar JUICE) (ver figura 12).

Una vez hecha la clasificación, se puede forzar la reordenación de la tabla con los resultados de la clasificación (ver figura 13).

Otra característica interesante de JUICE es que permite automatizar la determinación de la fidelidad de las especies para una tabla dada (ver figura 14).

13

Figura 11: Principales estrategias de fusión

Tema 4

14

Figura 12: Clasificación divisiva no supervisada con Twinspan

Figura 13: Ordenando los inventarios de acuerdo con la clasificación realizada

Fitosociología e informática

4.5. Métodos de tabulación automatizada con vegemite

Dentro de la librería de R vegan, la función vegemite permite tabular unidades muestrales (inventarios) de forma similar al método clásico, pero permitiendo que se aplique a los datos un análisis numérico previo e incluso eliminando las especies de presencia baja; con los comandos del ejemplo que se ilustra a continuación se carga un fichero con inventarios de tomillares de yesos (yesos.dat) del Sureste de España, se eliminan las especies con frecuencia absoluta menor de 5 (la matriz contiene 29 unidades muestrales), pero la entrada a vegemite no es el fichero original, sino un análisis de correspondencias segmentado con la función decorana:

library(vegan)read.table("yesos.dat",header=T)->yesosvegemite(yesos,use=decorana(yesos),sp.ind=freq>5,zeros="-")

El resultado es el siguiente:

2 2 21 2221 112111112122 29865118404730253875691329476 ANTHCYTI 5.33..53.532352...233.......2 ATRAHUMI 33..23..3322....3.....3...... BRACRETU .35.325..2..533..........2... DIPLHARC ...332.3..2..3..3.3.........2 FUMAERIC 2...23323....333..3.33.22.... FUMATHYM 5335232353..22...3.....3..... GYPSSTRS ......................533.335 HELISQUA 2225.533553.233.3555523323553 HELISYRI .3332322322.33335533553323.52 HERNFRUE 35.525.2.335....3............ HERNFRUF ......3.5....325.355323..5... ONONTRID .53.35..33.25......2..25253.. PLANALBI 32232.33.2..2...33........... ROSMOFFI 3...32...2.........5..532.3.. SEDUSEDI 2.23..23.3..2323.........5.2. STIPTENA .........2.5...........53.5.2 TEUCCARG ..5.2.3....25.3..........23.. TEUCLIBA 5555.2357255.23.53573.225.3.. THYMMEMB 53.333.3.535....3............ THYMMORO ..3...3.....3325.55.32....... sites species 29 20

Como vemos realiza una función similar a las conseguidas con JUICE, pero es un programa mucho más versátil puesto que a la entrada de datos puede aplicársele cualquier función de R.

15

Tema 4

4.6. Combinación de ordenación y clasificación

● En estos métodos primero se hace una ordenación, la más apropiada a las características de los datos.

● Las coordenadas (scores) de cada objeto (unidad muestral o especie) se usan de entrada para una clasificación jerárquica.

● En matrices grandes relacionadas con gradientes complejos, el proceso suele dar excelentes resultados.

16

Figura 14: Determinación numérica con Juice de las especies de diagnóstico, constantes y dominantes para grupos reconocidos de inventarios

Fitosociología e informática

5. Mapa conceptual

17

Espacios vectoriales

Etapas ordenación

● De las unidades muestrales● De las especies● Ecológico

Tipos de ordenación

● Componentes principales (PCA)● Correspondencias (CA, RA)● Segmentado (DCA)● Constreñido

Etapas clasificación

● Matriz de datos● Matriz de similitud● Estrategias de fusión● Interpretación

● Matriz de datos● Método de ordenación● Diagrama de ordenación

Tema 4

6. Actividades de evaluación

Tras la lectura del guión y en su caso consulta de información adicional relacionada con el contenido del mismo, responda a las siguientes preguntas (algunas de estas serán la base de las que encontrará en la prueba de evaluación de Exanet – SUMA – ):

1. En un estudio de saladares se han realizado varios transectos con parcelas contiguas y se han tomado datos de cobertura de las especies y edáficos a finales de la estación seca: conductividad, K y materia orgánica. ¿Qué tipo de análisis numérico sería el más adecuado a la vista de la información de que se dispone? ¿Porqué?

2. Dispone de unidades muestrales de vegetación climácica o madura, con estimas de la cobertura, de Sierra Nevada desde la base norte, en Granada, hasta la cumbre del Veleta, con una frecuencia de uno cada 50 metros de desnivel, realizados aproximadamente en la misma exposición y pendiente. ¿Qué tipo de ordenación utilizaría para sacarle partido a los datos? ¿Qué otros datos hubiera sido deseable recoger para analizar los cambios altitudinales de la cubierta vegetal? Razone las respuestas.

3. En un estudio de gradiente en saladares se observa, al realizar el diagrama de ordenación directa unidimensional, que entre dos parcelas hay un cambio casi total de las especies presentes. ¿Cuáles pueden ser las causas más razonables de dicho cambio? Razone las respuestas.

4. Usted está estudiando los tomillares de la mitad sur de España mediante ordenación indirecta. Se trata de unidades muestrales procedentes de un territorio muy amplio, con influencias edáficas, climáticas y biogeográficas. ¿Qué tipo de método juzga más adecuado para la ordenación: PCA o CA? ¿Porqué?

5. ¿Cuáles son los espacios vectoriales de interés en fitosociología? ¿Cuál es el más importante de ellos?

6. ¿Para qué tipo de datos es más apropiada la ordenación con el análisis de componentes principales? ¿Y el de correspondencias?

7. ¿Por qué las clasificaciones con aplicaciones informáticas se dice que no son objetivas y pueden arrojar resultados muy diferentes usando los mismos datos?

8. ¿Qué heramienta tenemos para comprobar la importancia de las variables ambientales en un análisis de correspondencias constreñido?

9. En una clasificación con computadora, ¿en qué pasos del proceso el investigador interactua con el programa?

10. Enumere las estrategias de fusión que conozca (además de las comentadas en el tema, busque algunas en la bibliografía o por Intenet).

18

Fitosociología e informática

7. Bibliografía

7.1. Bibliografía básica Alcaraz, F.; Clemente, M.; Barreña, J.A. y Álvarez Rogel, J. 1999. Manual de teoría y práctica de Geobotánica. ICE Universidad de Murcia y Diego

Marín. Murcia

Álvarez Rogel, J. 1997. Relaciones suelo-vegetación en saladares del S.E. de España. Tesis Doctoral, Universidad de Murcia, Murcia.

Greig-Smith, P. 1983. Quantitative Plant Ecology. Studies in Ecology, vol. 9. Blackwell. Oxford: 227-289.

Jongman, R.H.G.; ter Braak, C.J.F. y van Tongeren, O.F.R. 1987. Data analysis in community and landscape ecology. Pudoc. Wageningen: 91-173.

7.2. Bibliografía complementaria Austin, M.P. 1985. Continuum concept, ordination methods, and niche theory. Ann. Rev. Ecol. Syst. 16: 39-61.

Austin, M.P.; Nicholls, A.O. y Margules, C.R. 1990. Measurement of the realized qualitative niche: environmental niches of five Eucalyptus species. Ecological Monograph 60(2): 161-177.

Goodall, D.W. 1978. Numerical classification. In R.H. Whittaker (Ed.), Classification of plant communities. Dr. W. Junk. La Haya, pp: 247-286.

Mitchell, J. 1977. The effect of bracken distribution on moorland vegetation and soils. Tesis Doctoral inédita, Universidad de Glasgow.

Podani, J. 1989. Comparison of ordinations and classifications of vegetation data. Vegetatio 83: 111-128.

Podani, J. 1994. Multivariate data analysis in ecology and systematics. Ecological Computations Series (ECS) 6. SPB Academic Publishing.

Whittaker, R.H. 1960. Vegetation of the Siskiyou Mountains, Oregon and California. Ecology 47: 103-121.

Whittaker, R.H. 1967. Gradient analysis of vegetation. Biol. Rev. 42: 207-264.

7.3. Páginas Webhttp://cc.oulu.fi/~jarioksa/opetus/metodi/index.html

http://cc.oulu.fi/~jarioksa/softhelp/vegan.html

http://ciberconta.unizar.es/LECCION/cluster/inicio.html

http://ciberconta.unizar.es/LECCION/cluster/inicio.html

http://grad.uprm.edu/tesis/jaimes.pdf

http://labdsv.nr.usu.edu/

http://labdsv.nr.usu.edu/splus_R/index.html

http://sorrel.humboldt.edu/~kll1/lectures/lec04.html

http://www.cesma.usb-r/~bravo/co6111/clase4.pdf

http://www.estadistico.com/arts.html2.2001.0723#subcap2

http://www.geog.missouri.edu/cowell/geog402/s402.html

http://www.nicholas.duke.edu/landscape/classes/env358/env358.html

http://www.snr.missouri.edu/multivariate/

http://www.stat.fi/isi99/proceedings/arkisto/varasto/baeu0802.pdf

19