1

Manual de protocolos armonizados en la conformación del modelo de evaluación y monitoreo de la biodiversidad de Centroamérica

Wilfredo Matamoros Juan Carrasco Samuel Rivera Héctor Portillo

AGRADECIMIENTOS

2

Tabla del Contenido Tabla del Contenido ......................................................................................................................2 RESUMEN .....................................................................................................................................5 ABSTRACT ...................................................................................................................................6 1. PRIMER PROTOCOLO: CONTINUO RIBEREÑO ...........................................................9

¿Por qué un protocolo común? ..................................................................................... 9 La hoja de recolección de datos y su protocolo.......................................................... 10 Información general de los colectores de datos y la localidad ................................... 10 Información de recolección de datos por transectos y puntos de muestreo en los transectos .................................................................................................................... 12 Medidas en cada punto de muestreo dentro de los transectos .................................... 13 Información de fijación, preservación y curación de muestras .................................. 14 Información de especies ............................................................................................. 15 Análisis de datos y producción de manuscritos.......................................................... 15

2. SEGUNDO PROTOCOLO: MONITOREO DE MAMIFEROS .......................................17 Selección de trampas cámara...................................................................................... 17 Población cerrada ....................................................................................................... 19 Probabilidad de captura mayor que cero .................................................................... 20 Ajustando el diseño .................................................................................................... 20 Armando las trampas cámara en el campo ................................................................. 22 Registro automático de fecha y hora .......................................................................... 23 Lapso entre fotografías ............................................................................................... 23 Seleccionando sitios para las trampas cámara............................................................ 23 Armando las trampas cámara ..................................................................................... 25 Revisando las trampas cámara.................................................................................... 26 Preparación y análisis de los resultados ..................................................................... 27 El programa Capture................................................................................................... 27 Estimando la densidad poblacional ............................................................................ 28

3. TERCER PROTOCOLO: MONITOREO DE AVES .........................................................31 Selección de métodos ................................................................................................. 32 Alcance geográfico ..................................................................................................... 32 Orden de prioridades .................................................................................................. 33 Ubicación de una estación de monitoreo.................................................................... 33 Estaciones permanentes.............................................................................................. 34 Especies a cubrir......................................................................................................... 34 Métodos de censado ................................................................................................... 35 Consideraciones generales.......................................................................................... 35 Método de conteo por puntos ..................................................................................... 36 Método de transecto en franjas................................................................................... 37 Método de mapeo de parcelas .................................................................................... 37 Elaboración del mapa y marcaje de la parcela ........................................................... 37 Métodos de evaluación del hábitat ............................................................................. 37 Clasificación general del hábitat................................................................................. 38

4. PROPUESTA PRELIMINAR DE LOS SITIOS DE MONITOREO ................................39 Descripción general de los sitios ................................................................................ 40 Experiencias en la Selva Maya en Guatemala............................................................ 44 El monitoreo biológico en Honduras.......................................................................... 44 Experiencias del Sistema de Monitoreo de la Gestión Ambiental por Cuenca

3

Hidrográfica en Panamá ............................................................................................. 45 Experiencias de monitoreo de lapa verde en Nicaragua y Costa Rica ....................... 45

5. ANÁLISIS DE LOS 3 INDICADORES DE ESPECIES .....................................................48 Indicador 1.................................................................................................................. 48 Especies en peligro extinción ..................................................................................... 48 Indicador 2.................................................................................................................. 50

Presencia de especies indicadoras .......................................................................... 50 Indicador 3.................................................................................................................. 51

Presencia de especies invasoras.............................................................................. 51 6. ANALISIS DE LOS 6 INDICADORES DE ECOSISTEMAS Y ECORREGIONES / FRAGMENTACIÓN...............................................................................54

Área de estudio ........................................................................................................... 54 Metodología................................................................................................................ 55 Indicador 1.................................................................................................................. 55

Superficie cubierta en la región por tipo de ecosistemas (área). ............................ 55 Indicador 2.................................................................................................................. 59

Superficie de áreas protegidas gubernamentales y privadas declaradas, terrestres y marino costeras (bajo régimen legal)...................................................................... 59

Indicador 3.................................................................................................................. 63 Área de cobertura boscosa.......................................................................................... 63 Indicador 4.................................................................................................................. 69

Tamaño de parches del ecosistema meta. ............................................................... 69 Indicador 5.................................................................................................................. 76

Forma de los parches (longitud del borde) del ecosistema meta............................ 76 Indicador 6.................................................................................................................. 80

Distancia entre parches del ecosistema meta.......................................................... 80 7. BIBLIOGRAFÍA .....................................................................................................................85

Protocolo continuo ribereño ................................................................................... 85 Protocolo trampas cámara ...................................................................................... 85 Protocolo de monitoreo de aves.............................................................................. 86 Aplicaciones de GARP........................................................................................... 93 Bibliografía para la fragmentación de ecosistemas ................................................ 95

8. GLOSARIO..............................................................................................................................96 9. APÉNDICES ............................................................................................................................99

Apéndice 1: Apéndices del Protocolo del continuo ribereño ..................................... 99 Apéndice 2: Hoja de información de datos recolectados de especies ...................... 104 Apéndice 3: Hoja de información de datos recolectados de parámetros ambientales.................................................................................................................................. 104 Apéndice 4: Lista de materiales y equipo necesarios para implementar el protocolo.................................................................................................................................. 105 Apéndice 5: Hoja metodológica del Protocolo del continuo de los ríos .................. 106 Apéndices 6: Protocolo de trampas cámara.............................................................. 107 Apéndice7: Programa DesktopGarp......................................................................... 112

Generalidades ....................................................................................................... 112 Requerimientos del sistema .................................................................................. 112 Instalación............................................................................................................. 113 Uso de DesktopGarp............................................................................................. 113 Entrada de puntos de datos ................................................................................... 114 Parámetros de optimización ................................................................................. 116 Bases de datos de los rangos nativos .................................................................... 117

4

Parámetros de salida (resultados) ......................................................................... 118 Proyecciones......................................................................................................... 120 Coberturas personalizadas con Dataset Manager ................................................. 120 Resultados............................................................................................................. 122 Mapas de predicción............................................................................................. 122 Tabla de resultados ............................................................................................... 124 Rango de la distribución nativa ............................................................................ 126 Selección de coberturas ambientales .................................................................... 127 Selección del tipo de reglas .................................................................................. 128

5

RESUMEN

La CCAD ha recibido una donación del Banco Interamericano de Desarrollo (BID) como parte de la Iniciativa de Bienes Públicos Regionales para desarrollar la plataforma regional de monitoreo y evaluación de la biodiversidad en Centroamérica, cuyo objetivo principal es hacer operativo el Programa de Monitoreo y Evaluación de la Biodiversidad (PROMEBIO) articulado con el Nodo Temático de Biodiversidad, eliminando las asimetrías en cuanto a la generación y disponibilidad de información sobre la biodiversidad de Centroamérica. La unidad ejecutora central del proyecto es el Instituto Regional de Biodiversidad (IRBIO). El programa estratégico PROMEBIO complementa otros proyectos de alcance regional, hemisférico y global. Entre ellos se destaca la Red Interamericana de Información sobre Biodiversidad (IABIN), la Facilidad Global de Información sobre Biodiversidad (GBIF) y la Red Mundial de Información sobre Biodiversidad (REMIB), como sistema computarizado de información biológica, cuyas bases de datos de tipo curatorial, taxonómico, ecológico, cartográfico, bibliográfico, etnobiológico, de uso y catálogos sobre recursos naturales y otros temas están articulados a las colecciones y museos de distintas organizaciones. El Plan de Implementación de la CDB establece como una de las metas para 2010 la reducción significativa de la tasa de pérdida de diversidad biológica, meta que ha sido asumida por las partes contratantes del convenio y que en el caso de Centroamérica ha sido incorporada en las estrategias nacionales y la estrategia regional de biodiversidad. La región centroamericana se halla enfocada en el cumplimiento de esas metas, en función de las cuales se han identificado y formulado nueve indicadores de biodiversidad que permiten evaluar la disminución en la tasa de pérdida de la biodiversidad en la región en tres niveles. Además ayudan a los países y a la región a tomar decisiones para la conservación, protección y uso sostenible de la biodiversidad. A continuación se enumeran los nueve indicadores de PROMEBIO. Nivel del indicador: especie 1. Especies en peligro de extinción. 2. Presencia de especies invasoras. 3. Presencia de especies indicadoras. Nivel del indicador: ecosistemas 4. Superficie cubierta en la región por tipo de ecosistemas 5. Superficie de áreas protegidas declaradas, terrestres y marino-costera (incluye áreas privadas protegidas). 6. Cobertura de ecosistemas boscosos. 7. Tamaño de parches del ecosistema meta. 8. Forma de los parches del ecosistema meta. 9. Distancia entre parches del ecosistema meta.

6

En el presente manual se desarrollan los procedimientos y protocolos de monitoreo que puedan ser aplicados en los niveles de especies, ecosistemas y ecorregiones según sea pertinente al indicador, basados en principios científicos y estadísticos, fácilmente aplicables por los países e instituciones encargadas de darle seguimiento al monitoreo. Estos protocolos armonizados en el contexto de PROMEBIO ofrecen a los países de la región una propuesta metodológica para el monitoreo de la biodiversidad que pudiera aplicarse a distintos niveles y escalas de acuerdo con los fines del estudio y las disponibilidades presupuestarias. Por la naturaleza de la aplicación regional de los indicadores se requiere una visión compartida e incluyente. Particularmente cuando el monitoreo implique trabajo de campo y los sitios de monitoreo deban ser ecosistemas o ecorregiones compartidos entre países, como las especies indicadoras y el continuo ribereño, se sugieren cuencas transfronterizas como sitios de monitoreo, buscando compatibilidad, complementariedad, experiencias y socios en la cuenca que estén dispuestos a apoyar este monitoreo. Los países deben tener en cuenta que el monitoreo de la biodiversidad es un proceso a largo plazo que requiere el compromiso de las instituciones u organizaciones de los países de la región centroamericana. Antes de ir al campo y asumiendo que existen las estructuras nacionales y regionales que desarrollarán el monitoreo, este proceso debe empezar con la construcción de una línea base de información por país y regional sobre los objetos que se desea evaluar y monitorear en los diferentes niveles de los indicadores de PROMEBIO. El objetivo es producir en el mediano plazo una idea concluyente del estado de conservación de los recursos naturales de la región que permitirá generar acciones de control, manejo y conservación en los diferentes niveles. La línea base debe estar construida con información proveniente de fuentes confiables como colecciones de museos, herbarios, publicaciones científicas y reportes técnicos y deberá estar disponible y accesible a todo público científico. De esa manera se tendrá un punto de partida y de comparación que deberá continuar enriqueciéndose con los resultados del monitoreo de PROMEBIO.

ABSTRACT

The CCAD has received a grant from the Inter-American Development Bank (IDB) as part of Regional Public Goods Initiative to develop a regional platform for monitoring and evaluation of biodiversity in Central America. Its main objective is to set up the Monitoring and Evaluation Biodiversity Program (PROMEBIO) articulated with the Biodiversity Thematic Node, eliminating asymmetries in the generation and availability of information on biodiversity in Central America. The executing unit of this is the Regional Institute of Biodiversity (IRBIO). PROMEBIO strategic program complements other projects of regional, hemispheric and global. Prominent among these is the Inter-American Biodiversity Information Network (IABIN), the Global Facility Biodiversity Information Facility (GBIF) and the Global Biodiversity Information (REMIB) and computerized system of biological information,

7

which database type curatorial, taxonomic, ecological, cartographic, bibliographic, ethnobiological, use and natural resource catalogs and other issues are articulated to the collections and museums in different organizations. The Plan of Implementation of the CBD establishes as a goal for 2010 a significant reduction in the rate of biodiversity loss, a goal that has been assumed by contracting parties to the agreement and in the case of Central America has been incorporated into the national strategies and regional biodiversity strategy. Central America has focused on the compliance of those goals in terms of which have been identified and formulated nine biodiversity indicators for assessing the decrease in the rate of loss of biodiversity in the region into three levels. They also help countries and the region to make decisions for the conservation, protection and sustainable use of biodiversity. The following are the nine indicators established by PROMEBIO. Indicator level: species 1. Endangered species. 2. Presence of invasive species. 3. Presence of indicator species. Indicator level: ecosystems 4. Covered area in the region by type of ecosystem 5. Size of declared protected areas, terrestrial and marine-coastal (including private protected areas). 6. Coverage of forest ecosystems. 7. Ecosystem patch size goal. 8. Shape of the target ecosystem patches. 9. Distance between patches of the target ecosystem. In the present manual, procedures and monitoring protocols that can be applied in the levels of species, ecosystems and ecoregions as relevant to the indicator, based on scientific and statistical principles. They are easily applied by countries and institutions to follow up the monitoring. These harmonized protocols in the context of PROMEBIO offer to the region a methodology for monitoring of biodiversity that could be applied at different levels and scales consistent with the aims of the study and the available budget. Countries should take into account that the monitoring of biodiversity is a long-term process that requires the commitment of the institutions or organizations in the countries of Central America. Before going to the field and assuming that there are national and regional structures that will develop the monitoring, this process should begin with the construction of a baseline of country and regional information on the objects to be evaluated and monitored at different levels PROMEBIO indicators. The aim is to produce in the medium term a conclusive idea of the conservation status of natural resources in the region that will generate actions for control, management and conservation at different levels. The baseline should be constructed with information from trusted sources like museum collections, herbaria, scientific publications and

8

technical reports and should be available and accessible to all scientific audience. That way there will be a starting point and should continue enriching comparison with monitoring results PROMEBIO.

9

1. PRIMER PROTOCOLO: CONTINUO RIBEREÑO La biota de Centroamérica ha sido fuertemente influenciada por la historia geológica de la región (Coates & Obando, 1996), así como por el intercambio de flora y fauna producido durante el levantamiento del istmo de Panamá y el cierre final de la conexión del puente terrestre que conecta Sur y Norteamérica hace 3.5 millones de años (Bussing, 1976). Estos fenómenos han creado una riqueza en la biodiversidad por la cual se caracteriza la región, catalogada como hot spot de biodiversidad de la Tierra (Meyers et al., 2000). Que la región sea llamada un hot spot de biodiversidad no implica necesariamente que la biota y la fauna de la región sean conocidas apropiadamente y aunque la cantidad de conocimiento varía entre grupos taxonómicos, la fauna de los ecosistemas fluviales de la región tiene algunos de los grupos taxonómicos más desconocidos (por ejemplo peces, insectos y crustáceos). En el caso de los peces, si bien existen listados taxonómicos para la mayoría de los países, por ejemplo, Belice (Greenfield & Thomerson, 1997), Guatemala (Kinh-Pineda et al., 2006), Honduras (Matamoros et al., 2009), El Salvador (Hildebrand, 1925) Nicaragua (Villa, 1982), Costa Rica (Bussing, 2002) y Panamá (Lofting, 1965), muchas de estas listas necesitan ser actualizadas. Pero tal vez lo más importante es que el conocimiento sobre la ecología de las comunidades ícticas en sistemas fluviales es un tema de investigación que no ha sido explorado, con la excepción de un par de publicaciones en la literatura científica (ver Angermeir & Karr, 1983; Esselman et al., 2006) que en la mayor parte de los casos sugieren que es imperativo estudiar los sistemas fluviales locales y proponer cuáles son los mecanismos que determinan la distribución y biodiversidad íctica en ríos centroamericanos. Los ríos centroamericanos están siendo objeto de cambios radicales debido al desarrollo hidroeléctrico en la región, la introducción de especies exóticas (ej. tilapia) y contaminación tanto química como orgánica de nuestros sistemas fluviales. Estas intervenciones que afectan negativamente nuestros sistemas fluviales pueden ser -antes que nada- prevenidas o mitigadas apropiadamente sólo cuando se tiene el conocimiento de las funciones ecológicas y biológicas que se están afectando al intervenir estos sistemas. Entonces, es importante enfatizar que sin información básica de la biodiversidad, distribución, biología y ecología de las comunidades ícticas que habitan los ríos de la región, la tarea de dictar las medidas de manejo apropiadas para la conservación de nuestros sistemas fluviales será aun más ardua para las agencias de manejo de recursos naturales tanto del Estado como privadas. Este protocolo está diseñado con el propósito de proveer una herramienta de muestreo comprensible de uso común, que se espera sea adoptada por las diferentes agencias de manejo de recursos naturales en la región, con el objetivo de producir información sensible y útil sobre nuestros sistemas fluviales.

¿Por qué un protocolo común? La biodiversidad íctica de un río puede ser medida o estimada por muchos medios. Las artes de pesca son diversas y pueden ir desde simples conteos visuales, el uso de atarrayas, trasmallos, trampas o técnicas que implican tecnología más moderna como el uso de electropesca. El caso es que no existe un arte de pesca que sea perfecto y cuando

10

una técnica trabaja bien con determinada especie y clases de talla o hábitat, otras técnicas son más efectivas con otras especies, tallas y hábitats. Un sistema de monitoreo apropiado es aquel que da la flexibilidad a los investigadores en su protocolo de detectar la mayoría de las especies presentes en sus diferentes clases de tallas en un tiempo y espacio determinado. El objetivo de este protocolo es proveer a investigadores de la región de una herramienta de recolección de datos comprensible, de fácil aplicación y suficientemente fuerte para producir información que nos permitan entender: Las relaciones entre las comunidades ícticas en diferentes ríos de Centroamérica. La relación de estas comunidades con su entorno biótico y abiótico. Un protocolo estándar que nos permitirá comparar resultados en la región a través de espacio y tiempo. De esta forma los esfuerzos de muestreo locales (a nivel de país) o regionales (dos o más países) podrán ser consecuentemente combinados y comparados. La hoja de recolección de datos y su protocolo En la sección Apéndices se presenta una hoja de recolección de datos con varias secciones (Apéndice 1). Cada sección de la hoja de datos es explicada detalladamente con cada uno de sus incisos. Luego se presentan las tablas de información de especies (Apéndice 2) y parámetros ambientales (Apéndice 3) que son el resultado final de las recolecciones de campo. Finalmente, en el Apéndice 4 se presenta la lista de equipo y materiales necesarios para completar el trabajo propuesto en este protocolo.

La hoja de recolección de datos y su protocolo La hoja de recolección de datos está dividida en: Información general de los colectores de datos y la localidad. Información del esfuerzo de muestreo. Información de recolección de datos por transectos y puntos de muestreo en los transectos. Información de fijación, preservación y curación de muestras. Información de especies. Manejo y curación de datos.

Información general de los colectores de datos y la localidad Número de campo: es el número único que identifica el número de muestreo que ha realizado la persona a cargo del equipo de muestreo. Usualmente son las iniciales del nombre, año y el número de muestreo que esta persona está practicando. Por ejemplo, si mi nombre es Wilfredo A. Matamoros y saldré a muestrear por primera vez en el año 2011, mi número de campo debe ser WAM11-01. Fecha: el día, mes y año en que el muestreo se está desarrollando. Nombre: nombres de las personas que hacen los muestreos, el nombre número uno debe ser el de la persona a cargo del equipo de muestreo. Inicio: hora de llegada al sitio de muestreo. Final: hora en la que se terminaron los muestreos.

11

Vertiente: Pacífico o Atlántico. Cuenca: cuenca en que se encuentra el río o tributario en que se está muestreando. Por favor consultar el mapa nacional de cuencas para establecer correctamente la localidad de la cuenca en que se está trabajando. Río: nombre del río en que se encuentra la localidad de muestreo. Tributario 1: indicar si éste es un tributario de determinado río. Tributario 2: indicar si éste es un tributario de un tributario. Orden del tributario: indicar el orden del cuerpo de agua en que se encuentra el punto de muestreo. Latitud: latitud dada en grados decimales. Longitud: longitud dada en grados decimales. País: Belice, Guatemala, El Salvador, Honduras, Nicaragua, Costa Rica o Panamá. Departamento: departamento político en el que se encuentra el punto de muestreo. Municipio: municipalidad en la que se encuentra el punto de muestreo. Ciudad o pueblos cercanos: indicar cuáles son las ciudades, pueblos o caseríos cercanos al punto de muestreo. Localidad: en este espacio se dará una descripción del sitio de muestreo; es importante realzar atributos reconocibles de la localidad que la pueden hacer fácil de encontrar. Por ejemplo, esta localidad se encuentra un kilómetro al oeste de la ciudad de Tela, precisamente bajo el puente en el río Lancetilla. Río con poco caudal, fondos lodosos, vegetación a los alrededores. Aquí se puede anotar cualquier característica del sitio que lo hace particular o fácil de reconocer. Distancia en kilómetros del punto de muestreo a la boca del río: ésta es la distancia más corta en kilómetros de río desde la boca del río hasta el punto de muestreo. A.s.n.m. (m) en el punto = Altura sobre el nivel del mar en metros, altura del punto de muestreo sobre el nivel del mar. A.s.n.m. (m) 500 m río arriba = Altura sobre el nivel del mar en metros, 500 metros río arriba del punto de muestreo. A.s.n.m. (m) 500 m río abajo = Altura sobre el nivel del mar en metros, 500 metros río abajo del punto de muestreo. Las tres medidas de arriba servirán para calcular la pendiente en el punto de muestreo de la siguiente forma: pendiente = (a.s.n.m. (m) 500 m río arriba – a.s.n.m. (m) 500 m río abajo)/1000) X 100.

12

Figuras 1 y 2. Selección de transecto: se procura muestrear diversos hábitats; el largo del transecto depende del ancho del cauce. Información del esfuerzo de muestreo En esta parte del protocolo se determinará el largo de la sección de río a muestrear. Esta distancia se calculará basada en cinco medidas al azar de ancho del río en los sitios de muestreo y el promedio aritmético que estas medidas produzcan. -Se deben tomar cinco medidas de anchura de río. -Se calculará el promedio de ancho del río. -Este promedio debe caer dentro de las seis categorías indicadas en el protocolo. Estas categorías dan el largo de la sección de río que debe ser muestreada. Por ejemplo, si la anchura promedio resulta ser de entre 5 y 10 m, una sección de río de 100 m debe ser muestreada así como está indicado en el protocolo. -Número de pasos de trasmallo: indica cuántas veces se pasó el trasmallo en la sección de río a muestrear. -Número de pasos con el aparato de electropesca: indica cuántas veces se usó el aparato de electropesca en la sección de río a muestrear.

Información de recolección de datos por transectos y puntos de muestreo en los transectos Medidas por transectos En cada sección de río se muestrearán cinco transectos equidistantes. Por ejemplo, si la sección de río a muestrear es de 100 m, se colocarán 5 transectos separados cada 20 m comenzando río abajo (transecto I) y terminando río arriba (transecto V). En cada transecto se tomarán una serie de medidas únicas: Velocidad de la corriente: velocidad de la corriente en metros/segundo, usando un correntómetro.

13

Pequeños rápidos: presencia (1) o ausencia (0) de rápidos pequeños. Rápidos: presencia (1) o ausencia (0) de rápidos. Remansos: presencia (1) o ausencia (0) de remansos. Cascadas: presencia (1) o ausencia (0) de cascadas. Altura de las cascadas, si están presentes. Ancho del río: ancho del río en el lugar del transecto. Dosel (%): estimación del porcentaje de área cubierta por el dosel. Salinidad: salinidad en partes por mil (PPM). Temperatura: temperatura del agua en grados Celsius (°C). pH: para medir el grado de acidez o alcalinidad del agua. Oxígeno disuelto (OD): mide la cantidad de oxígeno disuelta en el agua. Se medirá en mg/l. Conductividad: mide la capacidad del agua para conducir la corriente eléctrica; en este protocolo se medirá en microsiemens/cm (µS/cm). Secchi: mide la penetración luminosa; las medidas se tomarán en cm. Hábitat (%): estima la cantidad de espacio que los peces u otra taxa tienen para refugiarse, por ejemplo piedras, rocas, troncos, etc. Vegetación en el agua (%): se estima el porcentaje de área cubierta por vegetación sumergida y emergente. Erosión (orilla derecha %): estimar la erosión en el banco derecho. Erosión (orilla izquierda %): estimar la erosión en el banco izquierdo. Pequeñas partes de árboles (%): estimar el porcentaje de área cubierta por pequeñas piezas de árboles. Partes de árboles grandes (%): estimar el porcentaje de área cubierta por partes grandes de árboles.

Medidas en cada punto de muestreo dentro de los transectos Primero es necesario determinar cuál es el banco derecho e izquierdo del río. La forma más sencilla de hacer esto es pararse en cualquiera de los dos bancos e imaginar que estamos en el centro del río, viendo río arriba. El banco derecho es el lado del río que se esté dirigiendo hacia nuestra mano derecha y el izquierdo hacia nuestra mano izquierda. Los puntos número 1, 4, 7, 10 y 13 están localizados en el banco derecho. Los puntos 3, 6, 9, 12 y 15 están en el banco izquierdo. Los puntos 2, 5, 8, 11 y 14 están localizados en el centro del transecto. En cada punto del transecto (tres puntos por transecto) se medirán los siguientes parámetros: Profundidad: esta medida se tomará al cm más cercano. Velocidad: la velocidad del agua se tomará en metros por segundo (m/s). Detritus (%): se estimará qué % del detritus está cubriendo el área. Finalmente se determinará el tipo de sustrato presente en el punto de muestreo. Arcilla (%): sustratos arcillosos son aquellos que miden ≤ 0.002 mm. Lodo o limo (%): sustratos lodos son aquellos que miden entre 0.002 mm y 0.06 mm. Arena (%): sustratos que miden entre 0.06 y 2 mm. Grava (%): sustratos que miden entre 2 mm y 6 cm. Cantos rodados (%): sustratos que miden entre 6 cm y 25 cm. Bloques (%): sustratos que miden > de 25 cm.

14

Información de fijación, preservación y curación de muestras Esta parte del protocolo es para garantizar que las muestras sean apropiadamente identificadas y fijadas al ser recolectadas en el campo. Básicamente se tiene que marcar la etiqueta con el número de campo que ha sido introducido en los recipientes, el número de recipientes y si las muestras han sido fijadas en formalina al 10%. En esta parte se debe indicar en qué colección se pretende depositar estas muestras. Peces ___ Etiqueta en el frasco _________ Muestra fijada en formalina al 10%_____ Insectos ___ Etiqueta en el frasco ________ Muestra fijada en formalina al 10%_____ Camarones___ Etiqueta en el frasco _______ Muestra fijada en formalina al 10%_____ Si las muestras se preservan en otras soluciones (ej. etanol), se ofrece debajo de estos campos espacio para explicar esta parte de los procedimientos. Aunque hay espacio en la sección del conteo de especies para anotar números de muestras de tejido y otros particulares, se recomienda anotar también esta información en esta parte del protocolo. En esta parte del protocolo se indicará en qué museo se depositarán las muestras. Museo depositario: ______________________________________ Artes de pesca

La Figura 3 muestra diversas artes de pesca: Seine de bolsa. Arte de pesca muy eficaz, utilizada en áreas someras, de aguas lentas o de corrientes suaves, fondos arenosos o lodosos.

15

Atarraya. Es una de las artes de pesca más generalistas. Puede ser utilizada en diversos hábitats, salvo en zonas profundas o con muchas ramas donde se puede enredar. Pesca con anzuelo. Arte de pesca popular; se utiliza en todo tipo de hábitats. Pesca con arpón. Se utiliza en áreas de rápidos y pozas. Es un arte selectiva. Red agallera. Utilizada en aguas tranquilas. Se puede colocar paralela a las orillas o transversal al cauce o haciendo círculos o encierros. Electropesca. Arte de alta eficacia, generalista, utilizada en diversos hábitats, prácticamente limitada en áreas de profundidad de más de un metro.

Información de especies En esta parte del protocolo se anotarán primero en el campo la lista de especies y su abundancia. La segunda lista incluye los conteos de las especie hechos ya en el laboratorio. Se asume que la segunda identificación es más minuciosa y que los potenciales errores cometidos en el campo serán corregidos aquí. Ésta es la información que potencialmente los curadores de los museos recibirán y la información que será publicada en la base de datos de los museos. Se aconseja que las muestras sean depositadas en museos que pertenecen a bases de datos regionales o globales como debe ser: Neodat: www.neodat.org Conabio: http://www.conabio.gob.mx/remib/doctos/acerca_remib.html Fishnet2: http://www.fishnet2.net/ 6. Manejo y curación de datos Es importante que inmediatamente después de recolectar los datos en el campo se transcriban estos datos a hojas de cálculo electrónicas. Uno de los programas de computadoras más usados para este trabajo es Excel, del cual se pueden convertir las hojas de cálculos a los diferentes formatos (ej. CSV, txt) que otros programas de computadoras requieren para descargar datos dentro de ellos. ¿Por qué ejecutar este paso de inmediato? Entre más rápido se transfieran los datos a hojas de cálculo electrónicas, aquellos problemas que han sido pasados por alto en el campo aparecerán cuando el investigador esté en su escritorio transfiriendo datos. Es más fácil recordar un incidente que ha pasado hace 24-48 horas que un par de meses más tarde. En otras palabras, es vital pasar esta información cuando está fresca en la memoria. Cuando aquí se recomienda que los datos sean puestos en Excel, se hace el énfasis en que Excel no es el único programa de computadoras que maneja este tipo de datos, y que éstos también pueden ser descargados directamente en programas de base de datos como Access u otros. Esta opción es altamente recomendada, ya que el manejo de datos desde una base de datos es mucho más eficiente que desde una hoja de cálculo.

Análisis de datos y producción de manuscritos Cuando los datos han sido arreglados en una forma electrónica, el siguiente paso es analizarlos e interpretarlos. Para cumplir esta parte de nuestra investigación será necesario transferirlos a los programas de computadoras requeridos para hacer estos análisis. ¿Cuáles son los programas más apropiados para esta labor? Esto dependerá de

16

las preguntas que se han planteado y del acceso a los paquetes estadísticos. Personalmente recomiendo el uso del paquete estadístico R (R Development Team; http://www.r-project.org/), pues es un programa extremadamente versátil, con capacidad casi ilimitada para su uso en estadística. Más importante es que R es distribuido gratuitamente y se actualiza constantemente. Otros paquetes estadísticos comunes como SPSS, SAS, Primer y PC-ORD tienen ventajas y desventajas, pero no son gratuitos y usualmente tienen más limitaciones que R en el tipo de análisis que pueden practicar. Los investigadores tienen que recordar que los datos que están recolectando no son de su propiedad y que las agencias financieras probablemente tienen fechas límites para recibir reportes de avance y los reportes finales. Sin embargo, como investigadores, nuestra meta debería ser convertir estos reportes producto de nuestra investigación en publicaciones arbitradas en la literatura científica. Esto demuestra con mayor severidad la calidad del producto de la investigación, que se ha seguido el proceso científico y que los resultados han logrado pasar por el proceso de revisión exitosamente. Es importante tener claras las regulaciones de la agencia financiera en cuanto al tiempo y las condiciones en que estos datos pueden salir a la luz pública. Usualmente estos asuntos son abordados en el contrato que el consultor firma con la agencia financiera.

17

2. SEGUNDO PROTOCOLO: MONITOREO DE MAMIFEROS El presente manual pretende mostrar de manera sistemática y entendible el uso de trampas cámara como un método en que son relativamente altas las posibilidades de captura de especies grandes de mamíferos y aves terrestres. En él se muestran los pasos para lograr con éxito el registro y el análisis de las especies capturadas; se muestran algunas imágenes de cámaras recomendadas para este tipo de investigación, pero existe una amplia variedad de marcas y diseños que pueden ser explorados por los interesados en usar esta metodología y el equipo. Se dan algunas recomendaciones sobre el equipo y sugerencias para lograr un buen análisis de la información recolectada. Si se desea mayor detalle de la metodología, se recomienda visitar la siguiente página: www.panthera.org/publications/technical. A continuación se hace una descripción de la metodología y sus recomendaciones.

Selección de trampas cámara Existen dos tipos de trampas cámara, activa o pasiva, según el mecanismo de disparo. Trampas cámara activas. Las trampas cámara activas fotografían un animal u objeto cuando cruza un rayo infrarrojo. Estas trampas cámara raras veces fallan en fotografiar el animal de interés, pero registran muchas capturas falsas, por ejemplo de hojas impulsadas por el viento o de gotas de lluvia. En un día con mucho viento o lluvia pueden disparar rollos enteros en fotos inútiles. Trampas cámara pasivas. Las trampas cámara pasivas disparan cuando un objeto con una temperatura diferente a la ambiental se mueve dentro de la zona de detección de la trampa cámara. Estas trampas cámara tienen menos problemas con capturas falsas, pero no detectan animales cuando la temperatura ambiental se acerca a las temperaturas corporales altas de esos animales. La luz directa del sol agrava el problema. En general, las trampas cámara usan rollos tradicionales. Últimamente se han desarrollado trampas con cámaras digitales. La posibilidad de eliminar el uso de rollos y de guardar un gran número de fotografías es una característica muy útil, pero dos problemas limitan todavía su efectividad en muestreos para jaguares. En primer lugar, las cámaras digitales listas para disparar gastan las pilas en poco tiempo y hay que reemplazarlas muy seguido. Muchos proveedores publicitan que sus pilas duran de 2 a 3 meses, aunque se calcula generalmente permitiendo que la cámara se “duerma” y conserve las pilas, pero se tarda tres segundos o más en disparar al detectar un animal. En segundo lugar se puede prolongar el lapso entre el momento cuando se detecta un animal y cuando se dispara la cámara. Si tarda más de un segundo, el animal puede haberse desplazado antes del disparo de la cámara.

Los modelos de trampas cámara tienen diferentes características y diseños y la selección del modelo depende generalmente de las características específicas del estudio. A continuación se presenta una lista parcial de factores por considerar en la selección de trampas cámara:

18

Costos. Las trampas cámara cuestan entre $50 y 500. Un muestreo para jaguares puede necesitar entre 20 y 50 trampas cámara y los requerimientos financieros varían enormemente. Experiencia técnica. Algunos modelos de trampas cámara requieren cierta experiencia para su uso adecuado. En general, los sistemas con sensores activos exigen mayor habilidad técnica para ser armados. Logística. Cuando el acceso a las trampas cámara es limitado y son revisadas con poca frecuencia se debería tomar en cuenta el tiempo que duran pilas y rollos y el peso de las trampas cámara. Se recomienda siempre llevar una trampa cámara de repuesto en cada viaje de revisión. Si se hacen viajes largos para revisar varias estaciones de trampas cámara, se recomienda llevar varios repuestos. Si se tiene que transportar las trampas cámara por largas distancias, los modelos más grandes y pesados pueden ser más problemáticos. Seguridad. Aunque sea casi imposible asegurar definitivamente las trampas cámara, algunos modelos vienen con accesorios antirrobo. Los diseños más seguros incluyen una caja metálica y un mecanismo antirrobo que permite amarrar la trampa cámara a un árbol. Si no hay peligro de robo en el área de muestreo, los modelos sin accesorios antirrobo son menos pesados.

Figura 4. Locales misquitos colocando una trampa cámara en las selvas de La Mosquitia hondureña. Clima. Algunos modelos de trampa cámara son unidades cerradas y resistentes al clima. Ciertos modelos resistentes al agua se pueden sumergir completamente, mientras que otros tienen sensores que se pueden estropear si les ingresa agua que puede provenir de lluvias fuertes o de inundaciones. Acceso a apoyo técnico. Se recomienda consultar a otros investigadores sobre sus experiencias con proveedores de trampas cámara. ¿Cuál es la garantía original? ¿Cuánto cuestan las reparaciones comunes? ¿Hay acceso telefónico? ¿Cuánto tiempo se tarda en reparar o remplazar unidades con fallas mecánicas? Todos estos factores pueden afectar de manera significativa el número de trampas cámara disponibles para el investigador y que siguen funcionando en el campo.

19

Figura 5. Cámara Bushnell Scoutgard

Figura 6. Cámara Camtrakker Figura 7. Cámara Deercam

Población cerrada El modelo de captura-recaptura se basa en una población cerrada para el área de muestreo, o sea sin nacimientos, muertes, inmigración o emigración de individuos durante el muestreo. En realidad, pocas poblaciones de jaguares son cerradas, así que se respeta la suposición al limitar la duración del muestreo. Mientras más tiempo dura el muestreo, es más probable que la población sea abierta. Considerando la historia natural de los tigres, Karanth y Nichols decidieron limitar el periodo de muestreo a un máximo de tres meses, asumiendo que la población se mantiene cerrada durante ese lapso. Muestreos con leopardos africanos también se llevaron a cabo en dos o tres meses (Henschel & Ray, 2003). Aunque existan pocos datos sobre el historial natural de los jaguares, es razonable pensar que una duración similar es adecuada. Muchos muestreos para jaguares se han hecho en un periodo de tres meses o menos (Wallace et al., 2003; Silver et al., 2004; Maffei et al., 2004) para la toma de datos.

20

Probabilidad de captura mayor que cero El segundo supuesto es que cada individuo del área de muestreo tenga alguna probabilidad de captura (o sea debe haber por lo menos una trampa cámara dentro del área de acción del individuo durante el muestreo). Es importante notar que no todos los jaguares en el área de muestreo tienen que ser fotografiados, pero que cada individuo tenga alguna posibilidad de ser fotografiado. (Este supuesto determina la distancia entre trampas cámara y el área máxima continua dentro del área de muestreo sin ninguna trampa cámara). La distancia mínima entre trampas cámara la puede determinar el investigador, pero no debe haber vacíos entre trampas cámara lo suficiente extensos como para abarcar el área de acción entera de un jaguar. Una manera conservadora de respetar este supuesto es emplear como área mínima con una trampa cámara por lo menos el área de acción mínima documentada para la especie en el hábitat y/o región geográfica. Conociendo el área mínima se calcula el diámetro de un círculo que representa el área máxima; las trampas cámara se pueden acercar más. Aunque no haya distancia mínima absoluta entre trampas cámara, el muestreo no generará datos confiables si todas las trampas cámara se concentran en un área de muestreo muy pequeña donde se pueden capturar pocos jaguares. Una distribución demasiado limitada corre el peligro de no muestrear suficientes individuos como para estimar una densidad poblacional confiable. La distribución tiene que abarcar un área suficientemente grande como para fotografiar varios individuos diferentes con la misma superficie. Ese diámetro es la distancia máxima posible, en línea recta, entre trampas cámara. La Figura 8 presenta un ejemplo de la distribución de trampas cámara. En este caso, una revisión de la literatura estableció que el área de acción mínima reportada para jaguares en el área de muestreo era de 10 km2. Por ende se permitió un máximo de 3.6 km (el diámetro de un círculo con superficie de 10 km2) como distancia máxima en línea recta entre trampas cámara. Antes de seleccionar sitios para armar las trampas cámara se debe definir la duración del muestreo y la distancia a la que se van a instalar las trampas cámara. En ambos casos, las estimaciones pueden ser conservadoras sin violar los supuestos del modelo de población cerrada. No existe una duración mínima de muestreo ni una densidad mínima de trampas cámara para conseguir suficientes datos y generar una estimación de densidad a través de un estudio de captura-recaptura.

Ajustando el diseño Al establecer el diseño básico que respeta los supuestos, se tiene que ajustar la ubicación de las trampas cámara. Cabe destacar que la ubicación de las trampas cámara puede no ser al azar. La ubicación de las trampas cámara debe maximizar las probabilidades de captura en el área de muestreo, cubriendo el área máxima posible de muestreo para maximizar el número de individuos fotografiados. Implica buscar un equilibrio entre la distribución de trampas cámara lo suficientemente cerca entre sí para respetar el supuesto de que cada individuo tenga una probabilidad de captura mayor que cero (como se describe arriba), cubriendo un área de muestreo lo suficientemente grande para fotografiar varios individuos. También es deseable que los animales del área de muestreo tengan probabilidades de captura similares. Mientras hay maneras analíticas para tomar en cuenta probabilidades de captura variables, las estimaciones son

21

más simples y más precisas cuando la probabilidad de captura no varía mucho entre individuos. Con este fin se recomienda mantener una distribución consistente de trampas cámara a través del área de muestreo. Se debe evitar colocar varias trampas cámara dentro del área de acción de un individuo y una sola trampa cámara dentro del área de acción de otro. Para diseñar un muestreo se empieza con un mapa topográfico del área de muestreo. Se marcan sitios que presentan una alta probabilidad de fotografiar jaguares, como sendas, caminos sin asfaltar, etc. Se distancian las trampas cámara lo más que se pueda sin perder sitios óptimos ni violar el supuesto de que sea una población cerrada en términos geográficos. Es necesario recordar que las trampas cámara se tienen que revisar periódicamente, lo que puede presentar algunas limitaciones logísticas para el diseño. Después de identificar en el mapa los sitios ideales para trampas cámara se buscan vacíos entre trampas cámara que exceden el área mínima permitida para poner trampas cámara a manera de llenar los vacíos o desplazar y acercar algunos de los sitios iniciales seleccionados. Puede que algunas trampas cámara se ubiquen en sitios con pocos rastros de jaguares, pero se deben evitar sitios donde se sabe que un jaguar nunca pasará, por ejemplo pendientes severas. En algunos casos se tendrán que abrir sendas nuevas para colocar trampas cámara.

Figura 8. Mapa de los puntos localizados para la colocación de las estaciones de trampas cámara. Se registran las coordenadas exactas de los sitios predeterminados. Estos sitios se denominarán “coordenadas predeterminadas”. Éstas sirven de guía general para la

22

ubicación de las trampas cámara, pero la ubicación definitiva puede variar en el campo (ver la siguiente sección). Si se dispone de un número de trampas cámara limitado, se puede aumentar el área de muestreo de la siguiente manera. Se diseñan dos distribuciones de trampas cámara adyacentes y se muestrean en dos periodos consecutivos. Empleando todas las trampas cámara, se muestrea la primera distribución primero para conseguir un submuestreo del periodo total de muestreo (p. ej. cuatro semanas), luego se llevan las trampas cámara a la segunda distribución de ubicaciones, durante el mismo periodo de muestreo (en este caso, cuatro semanas, para constituir un periodo total de muestreo de ocho semanas). Al analizar los datos se consideran los dos submuestreos como simultáneos. Todos los jaguares fotografiados el primer día de cualquiera de los dos submuestreos se registra como fotografiado el día 1; los que se fotografían el día 2 de cualquier submuestreo se registran como fotografiados el día 2, etc. Los animales fotografiados en días distintos se consideran recapturas. Esta técnica se puede repetir si es necesario (aumentando el número de submuestreos) y los datos analizados de la misma manera, pero el periodo total de muestreo no puede sobrepasar el tiempo máximo que respeta el supuesto de que la población sea cerrada.

Armando las trampas cámara en el campo Antes de armar las trampas cámara (rollos o digital) es esencial etiquetar cada rollo con la fecha de inicio y el número de la trampa cámara (relacionado con la ubicación de la trampa cámara) antes de armarlas en el campo. Cuando se retiran y revelan los rollos, puede haber decenas de rollos de 20-30 ubicaciones y trampas cámaras diferentes. Es imprescindible conocer la ubicación de la que proviene cada fotografía para luego estimar el área de muestreo efectiva (ver abajo).

Figura 9. Poblador misquito programando una trampa cámara en la zona de Rus Rus.

23

Registro automático de fecha y hora Las fotografías no sirven si no llevan la fecha y la hora cuando se tomaron. La fecha en cada fotografía es esencial para determinar el evento de captura para el individuo fotografiado. Cada periodo de 24 horas se considera un evento independiente, así que todas las tomas de un mismo individuo fotografiado en la misma fecha se consideran una sola captura. La impresión en las fotografías de la información sobre fecha y hora varía entre distintos modelos de trampas cámara, pero lo importante es que sea consistente entre todas las trampas cámara del muestreo.

Lapso entre fotografías Para toda trampa cámara se puede programar un lapso entre fotografías sucesivas. Es un tema relevante porque grupos de turistas, manadas de pecaríes u otros animales que no sean objetivos del muestreo pueden sacar gran cantidad de fotografías inútiles y además acabar con rollos antes de finalizar el muestreo. Una cámara sin rollo crea un vacío de información en el diseño del muestreo que puede invalidar todos los datos del muestreo durante ese periodo. El lapso programado debe basarse en la probabilidad de encontrar grupos grandes de especies que no sean de interés: la experiencia durante el estudio piloto ayuda a definir el lapso apropiado para el muestreo. Un lapso mayor aumenta la probabilidad de perder una captura; entonces, como regla básica, el investigador debe usar el lapso mínimo con el cual se siente cómodo. Cada ubicación de trampa cámara (llamada estación) debe contar con dos trampas cámara en ambos lados de la senda, río, o camino, orientadas a un ángulo perpendicular a la ruta que tomará supuestamente el jaguar. Se recomienda siempre incluir dos trampas cámara por estación para asegurar que se fotografíen ambos lados de cada jaguar (permitiendo la identificación definitiva a través de una sola captura) y proveyendo cierto nivel de redundancia si falla alguna trampa cámara.

Seleccionando sitios para las trampas cámara En el campo, el investigador debe buscar el mejor sitio lo más cerca que pueda de las coordenadas predeterminadas. El sitio específico se selecciona para maximizar la probabilidad de obtener fotografías buenas cada vez que pasa un jaguar o cualquier otra especie.

24

Figuras 10 y 11. Biólogo y paratécnicos locales planificando los sitios que seleccionarán para colocar estaciones de trampas cámara. El objetivo es fotografiar cada costado del jaguar, ya que es la parte del cuerpo con manchas más notables y fáciles de distinguir. Seleccionando un buen sitio. En la zona de las coordenadas predeterminadas se busca el sitio más cercano con buenas posibilidades de ser visitado por un jaguar. Elementos paisajísticos como sendas, caminos sin asfaltar, orillas de ríos, playas y sendas hechas por otros animales son frecuentados por jaguares. Se pueden buscar indicios de jaguares (huellas, heces o avistamientos).

Figuras 12 y 13. Patrones de manchas de jaguar para identificación de individuos.

Figuras 14 y 15. Búsqueda de evidencias que nos ayuden a corroborar la presencia de otras especies, como método alterno de monitoreo. En general, si hay indicios de jaguares en la senda, inclusive a unos cuantos kilómetros, es probable que los jaguares estén usando la senda entera. Determinación de la ruta del jaguar. Se selecciona un sitio que limita la ruta del jaguar al espacio entre las dos cámaras. Por ejemplo, un sitio con muchos indicios de jaguares, pero con una multitud de sendas diferentes cruzándose no es un sitio bueno para la ubicación de trampas cámara. Si hay varias sendas es más difícil predecir la ruta que seleccionará el jaguar y será difícil apuntar las cámaras correctamente. Un sitio abierto tampoco es bueno porque el jaguar puede pasar en cualquier parte tomando cualquier ruta. Una senda con indicios de jaguares y con pocas rutas alternativas es óptima para la ubicación de trampas cámara.

25

El área de detección de la trampa cámara. Una senda amplia tiene más rutas donde el jaguar puede cruzar el sensor y un área mayor que tiene que abarcar la cámara. De nuevo se quiere conseguir fotografías de ambas trampas cámara. La distancia máxima entre las trampas cámara no debe sobrepasar la distancia que abarca el “flash”. El terreno. El suelo debajo del rayo del sensor debe ser relativamente plano. La presencia de zanjas o pendientes puede ocultar el jaguar de los sensores y es posible perder fotografías. Una pendiente pronunciada podría resultar en un sensor al nivel del hombro del jaguar si pasa por el lado alto de la senda y que no logra detectar al mismo animal si pasa por el lado bajo de la senda. Hay que considerar todas las posibles rutas entre las trampas cámara.

Armando las trampas cámara Una vez contemplados todos los factores mencionados arriba se pueden armar las trampas cámara. Se busca un sitio con dos árboles o palos adecuados frente a frente en ambos lados de una senda. Son adecuados árboles con troncos relativamente rectos, lo suficientemente angostos para amarrar un cable, pero no demasiado pequeños que puedan ser movidos fácilmente por el viento, personas o animales. En el caso de trampas pasivas hay que minimizar el contacto directo con luz del sol, porque el calor excesivo disminuye la sensibilidad de los sensores para detectar animales endotérmicos. Las trampas cámara se deben ubicar por lo menos a dos metros del punto más cercano donde un jaguar puede cruzar el sensor. Esto permite obtener fotografías claras, bien enfocadas, y un área de detección suficientemente grande. La probabilidad de capturar al jaguar aumenta con el tiempo que permanece en el área de detección. Como el sensor debe apuntar al hombro del jaguar, la trampa cámara se debe armar a unos 50-70 centímetros del suelo y paralelo al mismo. Las dos trampas cámara deben apuntar aproximadamente al mismo punto, pero no el punto directamente entre ellas, para evitar cualquier interferencia mutua entre los flashes. Se recomienda el uso de cables livianos y flexibles para amarrar la trampa cámara al tronco seleccionado. Con un alicate se ajusta el cable o alambre cuando la posición de la trampa cámara sea óptima. Si se usan cadenas (o candados para bicicletas) para evitar el robo de las trampas cámara se amarran las trampas cámara con alambre antes de asegurarlas.

Figuras 16 y 17. Cables acerados utilizados para asegurar y fijar las cámaras en árboles seleccionados como sitios de colocación de las cámaras. Se recomienda colocar las cámaras a la altura de la rodilla; esto permite un amplio ángulo para la captura fotográfica de otras especies pequeñas y medianas.

26

Las cadenas y los candados no son lo suficientemente flexibles para amarrar la trampa cámara al árbol. Se pueden cortar palos o ramas adicionales para ajustar la trampa cámara contra el tronco. Un palito entre la caja de la trampa cámara y el tronco del árbol sirve para ajustar la orientación del sensor. (Se recomienda el uso de palos/palitos verdes para estos ajustes, por ser más flexibles que palos/palitos secos). Una vez armada la trampa cámara se quita todo obstáculo (plantas, palos, ramas) del área entre la misma y la ruta del animal. Cualquier obstrucción del sensor disminuye la capacidad de detección de la trampa cámara y puede producir fotografías nulas. Las hojas grandes pueden hacer disparar las trampas cámara cuando se calientan al sol y se mueven con el viento. Es mejor no apuntar a objetos expuestos al sol que pueden calentarse y disparar los sensores, como piedras grandes o superficies de agua. Se debe comprobar el área de detección de ambas trampas cámara, pasando por todas las rutas posibles entre las dos, confirmando cada vez la toma de fotografías por ambas trampas cámara. La mayoría de los modelos de trampa cámara viene con un indicador que se prende cuando el sensor detecta un cuerpo en movimiento. Cuando cruce frente a la trampa, agáchese para aproximar el tamaño de un jaguar. A veces el terreno y la falta de árboles pueden afectar la cobertura completa de la senda. En estos casos se pueden echar ramas o palos en una parte de la senda para reducir las rutas posibles. Esta técnica también sirve si no se puede alejar la trampa cámara de la senda, para evitar que el jaguar pase tan cerca que la cámara no logre tomar una fotografía bien enfocada.

Figuras 18 y 19. Ubicación de una estación de trampas cámara en un sitio donde la probabilidad de captura es mayor debido a la cantidad de huellas observadas en los senderos (captura por oportunidad).

Revisando las trampas cámara La cantidad de animales fotografiados (de cualquier especie) y la sensibilidad del modelo de trampa cámara definirán con qué frecuencia se deben cambiar rollos y pilas. Es muy importante evitar que los rollos o las pilas se acaben durante el muestreo. Un buen estudio piloto ayudará a determinar el intervalo adecuado para reemplazar rollos y pilas. Todas las estaciones deben estar funcionando durante todo el periodo de muestreo para respetar los supuestos del diseño. La logística para la revisión de las trampas cámara puede ser el factor limitante en cuanto el número de estaciones armadas. Se recomienda ser conservador al estimar la frecuencia del reemplazo de rollos y pilas.

27

Figuras 20 y 21. Pobladores locales revisando trampas cámara en el parque nacional Pico Bonito, La Ceiba, Atlántida, Honduras.

Preparación y análisis de los resultados Al sacar el rollo de cada trampa cámara se revisa su etiqueta, indicando el número de la trampa cámara y el sitio y la fecha de inicio del rollo. Al revelar los rollos se asegura la transferencia de estos datos a los negativos o a las fotografías reveladas. Una vez se tienen todas las fotografías se identifican los individuos de jaguares, comparando patrones de manchas. Se confirma la identificación con una revisión independiente de las mismas fotografías por otra persona. Se anota la fecha cuando cada individuo se fotografió. Se anota en cada fotografía el número de la trampa cámara, el sitio y el código de identificación del individuo. Una buena base de datos en esta etapa es imprescindible.

El programa Capture Existen varios programas de computadora para analizar datos poblacionales según marca-recaptura u otros diseños. Se pueden encontrar varios de estos programas en la página web del Patuxent Wildlife Research Center http://www.mbr-pwrc.usgs.gov/software.html, donde además se puede ver una descripción corta de cada uno para el análisis de poblaciones animales. El programa que más se utiliza para el análisis de abundancia de jaguares por medio de fotografías de trampas cámara es el Capture (Otis et al., 1978; White et al., 1982; Rexstad & Burnham, 1991). Este programa emplea una serie de modelos para generar estimaciones de abundancia basándose en el número de individuos capturados y la proporción de recapturas. Los modelos varían de acuerdo con las fuentes de variación en probabilidad de captura, incluyendo diferencias entre individuos (p. ej. debido a sexo, edad, movimientos, dominancia, actividad), variación en el tiempo, cambios de comportamiento debido a la captura (flash) y combinaciones de los factores anteriores. El programa Capture lleva una función que determina el modelo y el estimador más apropiado para los datos del muestreo. Para ejecutar el análisis de los datos en Capture se crea una matriz con la historia de captura de cada individuo fotografiado. Cada fila de la matriz describe la historia de captura de un individuo durante el muestreo. Cada día (o grupo de días) del periodo de muestreo se considera una ocasión de muestreo y se representa en una

28

columna independiente de la matriz. Para cada jaguar, el 0 representa una ocasión cuando el animal no se capturó, mientras que el 1 significa que el animal se capturó en esa ocasión. El número de filas es el mismo que el número de individuos fotografiados, mientras que el número de columnas coincide con el número de ocasiones de muestreo. La matriz se debe guardar como “sólo texto”. Luego, para su análisis, la matriz se pega directamente en el programa Capture en la siguiente página web: http://www.mbr-pwrc.usgs.gov/software/capture.html. Los datos se pueden analizar directamente en la misma página web o se puede bajar el programa a una computadora. Tanto la página web como el Apéndice 1 dan ejemplos de la descripción del formato y de la matriz apropiada para el análisis en Capture, además de las tareas que puede ejecutar el programa. Estimando la densidad poblacional

Estimando la densidad poblacional El programa Capture genera una estimación de abundancia y no de densidad. Se calcula la densidad dividiendo la estimación de abundancia que genera Capture por el área efectiva de muestreo. El área efectiva de muestreo abarca todas las trampas cámara además de una franja o buffer alrededor de las mismas que toma en cuenta los individuos cuyas áreas de acción se solapan con la distribución de trampas cámara. Existen varios métodos para estimar el ancho de la franja (ver Karanth y Nichols, 2002). Karanth y Nichols (1998), a partir del polígono dibujado por las cámaras externas, agregaron alrededor una franja con un ancho igual a la mitad del promedio de distancias máximas de desplazamiento (HMMDM) para todos los individuos que se fotografiaron en dos o más puntos diferentes durante el muestreo. En Belice determinamos HMMDM y usamos un SIG para crear un buffer circular alrededor de cada trampa cámara; el radio del círculo es igual a HMMDM. La sobreposición de todos los buffers circulares representa el área de muestreo completa. Vacíos grandes (por ejemplo cuerpos de agua, pueblos, etc.) que no pueden contener jaguares se restan del área efectiva de muestreo.

29

Figura 22. Ejemplo de una hoja del programa Capture donde se corren los análisis de las capturas y los individuos identificados en las fotografías de trampas cámara. Se considera el promedio de las distancias máximas de desplazamiento (MMDM) como estimación del diámetro del área de acción. MMDM también sirve para confirmar el supuesto original en relación con el área de acción mínima y la distribución de trampas cámara. Si la aplicación del buffer presenta vacíos dentro del área efectiva de muestreo, indica que algunas áreas entre trampas cámara exceden el área de acción del animal y la suposición de que cada jaguar tiene una probabilidad de captura >0 no ha sido respetada (Nichols, com. pers.). En este caso se debe realizar un segundo muestreo ubicando las trampas más cerca o simplemente no tomando en cuenta los huecos que quedan entre los buffers. El promedio de las distancias máximas de desplazamiento (MMDM) puede variar bastante entre muestreos (inclusive en la misma zona). Si se dispone de datos de

30

muestreos múltiples en la misma zona usamos la mitad del MMDM acumulado. Este MMDM acumulado promedia las distancias máximas de desplazamiento de todos los individuos registrados durante muestreos múltiples en la misma zona. Aumenta el tamaño de muestreo y disminuye la varianza asociada con la estimación de MMDM, produciendo una estimación más correcta del área efectiva de muestreo. Aparte de estimar la abundancia, el programa Capture genera una probabilidad de captura, el error estándar de la estimación de abundancia y un intervalo de confianza de 95%. Este método no precisa una cifra absoluta, sino una estimación robusta en términos estadísticos del rango. El error estándar y el intervalo de confianza expresan el grado de confiabilidad que tenemos sobre nuestros datos y son importantes en determinar cómo se interpretan los mismos. La estimación de densidad no siempre se puede usar para extrapolar densidades fuera de la zona de estudio. Con la excepción de una región muy homogénea en cuanto a hábitat, el muestreo genera estimaciones de abundancia que se pueden aplicar sólo en la misma área de muestreo. No se debe asumir que la estimación de abundancia de un muestreo se puede aplicar de forma general a una región más amplia donde la topografía y las condiciones meteorológicas varían bastante en relación con el área de muestreo. Hay que tener en cuenta que se pueden estimar las abundancias relativas de las especies fotografiadas con base en las observaciones sobre noches trampas cámara y de esta manera podemos establecer línea base de especies con algún interés especial. Este numero relativo obtenido puede ser el numero de las otras especies que acompañan al jaguar en un estudio diseñad para esto. Sin embargo también es aplicable a estudios donde no es densidad lo que se requiere, sino mas bien el numero de individuos por esfuerzo de muestreo (abundancia relativas de especies) de las cuales se quiere conocer un numero de individuos en el sitio de estudio, tal como se muestra en el siguiente cuadro.

Tabla 1. Abundancias relativas especies/trampas cámara del Parque Nacional de Pico Bonito, Río Cangrejal 2006.

Especies Encontradas Nombre común observación /1000 noches trampa

Scirius variegatoides Ardilla 2 / 706 Trampas noche Dasyprocta punctata Guatuza 42 / 706Trampas noche Leopardus pardales Ocelote 5 / 706 Trampas noche Nasua Larica Pizote 5 / 706 Trampas noche Eira barbara Tayra 5 / 706 Trampas noche Dasipus novemcintus Armadillo 1 / 706 Trampas noche Agouti paca Tepezcuintle 6 / 706 Trampas noche Fam Didelfidae Marsupial 8 / 706 Trampas noche Fam Muridae Ratón 3 / 706 Trampas noche Conepatus semistriatus Zorrillo 1 / 706 Trampas noche

.

31

3. TERCER PROTOCOLO: MONITOREO DE AVES

El presente manual describe los pasos necesarios para el establecimiento de un programa de monitoreo de aves. Se incluyen métodos utilizados para la determinación del tamaño poblacional, índices de productividad y sobrevivencia, distribución de edades, proporción de sexos, relaciones con el hábitat y otros parámetros. Describimos con detalle cuatro métodos para la determinación del tamaño de la población, dos métodos para la medición de factores demográficos y dos sistemas de evaluación del hábitat. Se aporta información sobre requisitos básicos en cuanto a equipo, personal, recursos y técnicas necesarias para llevar a cabo con éxito el programa. Dependiendo de los recursos económicos y humanos disponibles, diversas combinaciones de los métodos aquí descritos pueden ser adaptadas a prácticamente cualquier situación y presupuesto.

32

Selección de métodos Las metodologías estandarizadas presentadas aquí deben ser aplicadas tal como aparecen descritas a fin de mantener la compatibilidad entre los datos de distintas estaciones de monitoreo. Estas metodologías son de carácter integrado y jerárquico, de manera que los sistemas de monitoreo de una zona puedan complementar los de otras y facilitar la comparación de datos entre ellas. Los métodos presentados deben llevarse a cabo durante un periodo mínimo de tres años y preferiblemente más, aunque dependiendo de los objetivos particulares es posible obtener resultados en uno o dos años.

Alcance geográfico Aunque lo idóneo sería poder cubrir la totalidad de una región, provincia o estado, es inevitable que existan lagunas geográficas en el alcance del método. Se sugiere que en cada unidad geográfica se desarrollen tanto métodos poblacionales como demográficos, cubriendo cualquier superficie, desde unas decenas hasta varias miles de hectáreas. Se recomienda que la toma de datos dentro de cada unidad geográfica esté estratificada al menos por tipo de hábitat, por ejemplo: bosque de coníferas, páramo, manglar, chaparral litoral, etc. Por lo general, los datos utilizados en cada análisis no deberán incluir más de un tipo de hábitat. Los datos resultantes de estas unidades proporcionarán patrones poblacionales a gran escala, como decrementos en toda una región o en un determinado tipo de hábitat. Los resultados de estos análisis permitirán detectar tendencias que requieran investigación adicional o mayor intensidad de monitoreo a fin de identificar sus causas. De hecho, el programa en su conjunto podría ser considerado un mecanismo generador de hipótesis a gran escala.

33

Orden de prioridades Este manual describe tres técnicas de censado; el método de conteo por puntos de radio fijo ha sido adoptado como método estándar recomendado y su operación se describe más adelante. Cada método descrito está organizado en intervalos de diez días, a excepción del primero, que dura un solo día. Por ejemplo, si se dispone de recursos para veintiún días de trabajo de campo, solamente se llevarán a cabo las prioridades I, II y III. Estas estimaciones no incluyen el tiempo empleado en instalación y entrenamiento, los cuales variarán en función de la cualificación del personal. Las cantidades mínimas de puntos de conteo o series de redeo que presentamos a continuación derivan de nuestra experiencia con diversos programas de monitoreo. Creemos que son útiles, pero en ningún caso restrictivas.

Ubicación de una estación de monitoreo

Figura 23. Punto de muestreo. Monitoreado por locales en una de las estaciones para observación de Ara macao. Una estación de monitoreo debe ubicarse en un hábitat representativo de la zona o en un área de especial interés. La estación puede abarcar varios tipos de hábitats, algunos de los cuales contarán con mayores densidades de aves que otros. Debido a la posibilidad de que los parámetros poblacionales y demográficos derivados sean altamente sensibles a cambios sucesorios de la vegetación, las estaciones no deberán situarse en hábitats demasiado jóvenes. Sin embargo, el uso de un hábitat joven es aceptable si éste se mantiene en un estadio sucesorio bajo debido a técnicas de manejo activas en la zona (tala forestal, agricultura, etc.). Si el método de monitoreo utilizado en la estación incluye un elevado número de puntos de conteo, éstos pueden repartirse a lo largo de una red de carreteras o senderos, cubriendo una amplia superficie dentro de la zona estudiada. Esto aportará solidez a los datos obtenidos, ya que cada punto se encontrará situado en un lugar representativo de los hábitats de la zona. Para los métodos de búsqueda de nidos y mapeo de parcelas, las parcelas de estudio, normalmente cuadradas o rectangulares, suelen establecerse en zonas de un solo tipo de hábitat. Las parcelas situadas en hábitats heterogéneos no suelen ser tan útiles, ya que resulta difícil analizarlas en función de cada uno de los

34

hábitats que contienen. Para el método de captura con redes, sugerimos que las redes se sitúen donde el número de capturas sea alto. Por el contrario, los puntos de conteo y las parcelas de búsqueda de nidos deben situarse en lugares representativos de la zona.

Figura 24. Ara macao observada en uno de los puntos de monitoreo en Casa Sola, Rus Rus. Honduras

Estaciones permanentes Aunque los programas de monitoreo a gran escala son de vital importancia, estudios detallados en áreas protegidas, tales como parques o reservas biológicas, pueden contribuir notablemente a aumentar nuestros conocimientos sobre las poblaciones de aves terrestres. Los estudios intensivos sobre la biología de especies determinadas, normalmente mediante el marcaje de individuos con anillos de colores, pueden aportar valiosa información para su manejo. Asimismo, el desarrollo simultáneo de otras investigaciones biológicas en la estación ayudará a conocer mejor los distintos factores que afectan a las poblaciones de aves y sus hábitats. Las estaciones de monitoreo permanentes con proyectos de campo activos y alojamiento para biólogos son idóneas para el desarrollo de programas intensivos en zonas remotas y a menudo atraen voluntarios. La obtención de patrocinadores institucionales para estaciones permanentes puede dar lugar a compromisos de largo plazo. Un programa de monitoreo con dichos compromisos continuará adelante a pesar de reemplazos en el personal y, con suerte, contará con un aporte estable de fondos. Además, la participación de voluntarios locales en la toma de datos y otras actividades de la estación puede dar lugar al desarrollo de programas educativos que promuevan el acercamiento entre la estación, otras entidades de la región y la comunidad local. Los observatorios ornitológicos y las estaciones biológicas universitarias en Norteamérica y América Latina llevan años poniendo en práctica programas de estas características.

Especies a cubrir De las muchas especies que serán censadas en cada estación, solamente algunas serán capturadas y sólo de unas pocas se podrán localizar los nidos. En climas templados cada estación debería obtener una buena estimación del tamaño poblacional de unas treinta especies y datos demográficos sobre unas diez especies. Los datos procedentes de

35

diferentes estaciones podrán combinarse a fin de obtener patrones poblacionales y demográficos de un número superior de especies.

Métodos de censado La estimación de índices de abundancia debe ser una parte integral de cualquier programa de monitoreo. Un gran número de métodos ha sido empleado y probado a fondo (véase Ralph y Scott, 1981). Durante mucho tiempo, la abundancia de aves ha sido utilizada como indicador de la condición de un hábitat. Sin embargo, este método es retrospectivo, no aporta información sobre las posibles causas de las tendencias observadas y estas últimas pueden incluso resultar engañosas (Van Horne, 1983). Es aconsejable utilizar un método que permita al investigador censar el mayor número posible de puntos en el tiempo disponible con el fin de conseguir el mayor número posible de puntos de datos independientes. En otras palabras, estadísticamente es preferible censar cinco puntos en un intervalo de diez días que censar cinco veces desde un mismo punto. Mientras mayor sea la distancia entre los puntos, más probabilidades tendrán los datos obtenidos de ser extrapolados a zonas más amplias. A continuación se describen cuatro métodos principales. Dos de ellos, el de conteo por puntos (point counts) y el mapeo de parcelas (spot mapping), son los más comúnmente utilizados (para definiciones véase Ralph, 1981b). El método de conteo por puntos suele ser el más apropiado en la mayoría de los casos y ha sido adoptado como método estándar de monitoreo (Ralph et al., 1995). La metodología para estos dos métodos ha sido extraída en parte del excelente libro por Koskimies y Vaisanen (1991). Además se presentan los métodos de transecto en franjas (strip transect count) y búsqueda intensiva (area search).

Consideraciones generales Hora del día. La mejor hora para efectuar censos en la mayoría de las zonas en latitudes templadas suele ser entre las 5:00 y las 9:00 de la mañana. Generalmente no deberán efectuarse censos más tarde de las 10:00, aunque se pueden dar excepciones si el censo se lleva a cabo fuera de la temporada reproductora. Es preferible comenzar durante los 15 primeros minutos después de la hora oficial de la salida del sol, siendo las 3 ó 4 horas siguientes el periodo más estable en cuanto a la detección de aves. Para la mayoría de especies, las tasas de canto son más altas durante el periodo entre la primera luz del día (el amanecer) y la salida del sol. Sin embargo, a fin de poder comparar la probabilidad de detección de distintas especies entre diferentes puntos se recomienda comenzar a censar después de la salida del sol y no antes. En zonas tropicales, los horarios de canto de las diferentes especies pueden ser variables. Blake (1992) recomienda censar desde antes del amanecer hasta tres horas después. Periodo de censado. Los censos por puntos durante la temporada reproductora deben efectuarse cuando la tasa de detección para las especies estudiadas es más estable. En Norteamérica, mayo, junio y la primera semana de julio son la mejor época para contar paseriformes. Sin embargo, en zonas más septentrionales, los periodos estables de censado pueden comenzar en abril, mientras que en las zonas boreales pueden alargarse

36

considerablemente. En los trópicos, la temporada reproductora es considerablemente más larga y pueden efectuarse censos provechosos a lo largo de todo el año. Condiciones atmosféricas. No deberán efectuarse censos cuando la lluvia o el viento interfieran con la intensidad o la audibilidad de las vocalizaciones de las aves, cuando haya niebla o lluvia que no permitan una visibilidad adecuada o cuando periodos de frío intenso reduzcan la actividad vocal de las aves.

Método de conteo por puntos Sugerimos dos tipos de conteos por puntos: los conteos extensivos se efectúan desde puntos situados como mínimo a intervalos de 250 m, normalmente a lo largo de carreteras o caminos y cubriendo toda una región; los conteos intensivos se llevan a cabo dentro de áreas de captura con redes o parcelas de búsqueda de nidos (o cualquier otra área de estudio de dimensiones reducidas) y los puntos están situados a intervalos de 75 a 150 m.

Figuras 25 y 26. En muchos de los casos, para la observación de aves es recomendable buscar sitios altos para una mejor identificación de las especies. Antecedentes y objetivos. Los conteos por puntos son el principal método de monitoreo de aves terrestres en un gran número de países debido a su eficacia en todo tipo de terrenos y hábitats y a la utilidad de los datos obtenidos. El método permite estudiar los cambios anuales en las poblaciones de aves en puntos fijos, las diferentes composiciones específicas según el tipo de hábitat y los patrones de abundancia de cada especie. Repetición de los conteos por puntos. En general, cada estación debe ser censada una vez cada temporada. Los censos se pueden repetir si se desea obtener estimaciones más exactas sobre áreas determinadas. El periodo del año en que una ruta de puntos es censada debe mantenerse constante de año en año y no debe diferir en más de siete días de la fecha del primer censo. Si existen diferencias interanuales en cuanto a la fenología de la vegetación, las fechas pueden ser cambiadas y ajustadas como corresponda. La hora del comienzo del censo no debe diferir en más de media hora de la del primer año. Si es posible, cada ruta de puntos deberá ser censada cada año por el mismo observador.

37

Método de transecto en franjas Este método es similar a los conteos por puntos, pero aquí el observador registra las aves detectadas mientras camina a través de un área en línea recta. Las divisiones de dicha línea recta son las unidades de medición y pueden ser de 100 ó 250 m. Este método es útil en hábitats abiertos, donde el observador puede concentrarse en las aves sin tener que prestar atención a dónde pisa. El observador debe cubrir cada intervalo del transecto en un tiempo determinado, por ejemplo 100 m en 10 minutos.

Método de mapeo de parcelas Este método de censado se basa en la conducta territorial de las aves y consiste en marcar sobre un plano la posición de los individuos observados en visitas consecutivas a la parcela de estudio a lo largo de la temporada reproductora. El objetivo es determinar el número de territorios y estimar la densidad de machos reproductores por especie en el área. Esta técnica no suele ser utilizada en programas de monitoreo a gran escala, ya que requiere mucho más tiempo y trabajo que los censos por puntos o los transectos en franjas. Sin embargo, el método resulta muy útil cuando se necesitan datos precisos sobre distribución territorial, número de parejas nidificadoras o densidades específicas en un área de estudio reducida. El método convencional presentado aquí es menos apropiado para el censado de especies que viven en colonias, así como para aves no territoriales o con territorios demasiado extensos.

Elaboración del mapa y marcaje de la parcela La parcela de estudio debe ser lo más cuadrada o circular posible a fin de mantener la longitud de los bordes al mínimo, ya que los territorios sobre los bordes son los más difíciles de analizar. Cuando el área ha sido seleccionada, se debe trazar un plano de la zona (plano de visita) de escala 1:2,000 a partir de un mapa topográfico (1:20,000). Los límites de la parcela de estudio y accidentes del terreno como arroyos, caminos, senderos, edificios, árboles aislados, ecotonos, etc., deben ser incluidos en el plano. Éste debe contar con suficientes puntos de referencia para que el observador pueda localizar la situación de las aves con precisión. Si la zona no cuenta con suficientes marcas naturales, el área deberá ser marcada con una cuadrícula de estacas situadas cada 50 m, marcadas con cinta plástica de colores y con las coordenadas escritas sobre ellas (cuadrícula de censado). Se necesitará una copia del mapa en cada visita y deberán reservarse suficientes copias para elaborar mapas diferentes para cada especie.

Métodos de evaluación del hábitat Numerosas aplicaciones de los análisis de la vegetación pueden encontrarse en la literatura (véase por ejemplo Verner et al., 1986). Describir los distintos tipos de análisis practicables no es parte de los objetivos del presente manual, aunque sí se considera necesario resaltar la importancia de evaluar las características de la vegetación en cualquier estación de monitoreo. Los objetivos de dicha evaluación pueden ser muchos

38

y variados, aunque el más común es relacionar los cambios en composición y abundancia de la avifauna con cambios en la vegetación. Estos cambios en la vegetación pueden consistir en cambios a lo largo del tiempo o bien en diferencias entre hábitats. Dos buenos métodos de evaluación son los de James y Shugart (1970), especialmente para hábitats boscosos, y el de Noon (1981). Un método excelente y rápido que puede sustituir al método de evaluación de las características de la vegetación descrito más abajo es el de MacArthur y MacArthur (1961), el cual incluye la estimación de la densidad del follaje. Este método ha sido comprobado y ha proporcionado resultados confiables (Conner y O’Halloran, 1986; Conner, 1990). Si el investigador desea caracterizar las interacciones entre las aves y el hábitat en una zona determinada deberá clasificar la vegetación tomando muestras de los diferentes hábitats existentes de manera proporcional a la abundancia relativa de cada uno en la zona. El muestreo, estratificado con respecto al hábitat, debe llevarse a cabo con la asistencia de un bioestadista.

Clasificación general del hábitat Objetivos. Este método proporciona una clasificación breve y general de la vegetación, así como un plano de la vegetación del área que otros investigadores pueden utilizar para evaluar el hábitat de la estación. Estos datos son el mínimo recomendado en una estación de monitoreo. Si la evaluación del hábitat es más detallada, la toma de datos en este nivel no será necesaria. Consideraciones. La información recogida debe permitir determinar los tipos de vegetación presentes. El método no proporciona información cuantitativa para ordenaciones y análisis correlativos. Procedimiento. Lo mejor es trazar un mapa de escala 1:2,000 de los principales hábitats de la estación al principio de cada temporada. El mapa debe contener los principales tipos de vegetación y cubrir un área mínima de 100 m más allá de la red de captura más alejada. Además debe incluir caminos, senderos, arroyos, marismas, etc., y la ubicación exacta de las redes de captura y de los puntos de conteo. También es necesario que aparezca sobre el mapa un punto de referencia localizable sobre un mapa topográfico oficial del servicio geográfico local. Se recomienda utilizar diferentes colores para delinear los distintos hábitats y registrar los siguientes datos: 1. Tipo de hábitat: indicar la categoría general del hábitat (bosque, chaparral, marisma, pradera, etc.) 2. Vegetación arbustiva: listar las especies de arbustos que ocupan más del 10% del área en orden de abundancia. 3. Arbolado: listar las especies de árboles que ocupen más del 10% del área en orden de abundancia. 4. Altura de la vegetación: registrar la altura media aproximada de la vegetación (en metros). 5. Vegetación a nivel del suelo: describir la vegetación a nivel del suelo, registrando el nombre común de los principales grupos de especies presentes, por ejemplo, gramíneas, hierba, cactus, musgo, etc. 6. En zonas húmedas: indicar la profundidad del agua y la presencia o ausencia de arroyos o estanques de carácter temporal.

39

4. PROPUESTA PRELIMINAR DE LOS SITIOS DE MONITOREO A manera de propuesta se identifican sitios transfronterizos o cuencas compartidas entre los países para hacer el monitoreo y un análisis de los requisitos de cada uno de los sitos, buscando compatibilidad, complementariedad, experiencias y socios en la cuenca que estén dispuestos a apoyar este monitoreo. Los sitios de monitoreo serán áreas fronterizas como cuencas, áreas protegidas y corredores biológicos compartidos entre los países y se ubicarán en las vertientes atlántica y pacífica. Esto permitirá obtener una mejor visión del estado de conservación de los recursos naturales de la región y deberá facilitar la toma de decisiones. En Centroamérica existen 237 cuencas hidrográficas -el 36% de las cuales son transicionales-, drenando el 70% en la vertiente atlántica y el 30% en la vertiente del Pacífico (Marena, 2008). Tabla 2. Cuencas, áreas protegidas y corredores biológicos compartidos entre los países donde se hará el monitoreo de la biodiversidad Países Áreas transfronterizas Ríos propuestos Belice-Guatemala Cuenca del río Sarstún Sarstún/Sartstoon Temash

Honduras-Guatemala-El Salvador

Parque Nacional Montecristo – El Trifinio

Lempa

Costa Rica-Panamá La Amistad Sixsaloa Nicaragua-Costa Rica Corredor biológico San Juan-

La Selva San Juan

Honduras–Nicaragua Reserva de biosfera transfronteriza Corazón del Corredor Biológico Mesoamericano

Plátano

Honduras-El Salvador Golfo de Fonseca Goascorán

40

Descripción general de los sitios Cuenca transfronteriza del río Sarstún/Sartstoon. Se ubica en la frontera sur de Belice con Guatemala. La reserva reúne humedales continentales, costeros y artificiales. Tiene connotación binacional, ya que funciona como zona de amortiguamiento del Parque Nacional Sartstoon-Temash en Belice. Posee muestras de los ecosistemas remanentes del Corredor Biológico del Caribe y humedales con características únicas. Varias especies de fauna en peligro han sido registradas. Los principales tipos de hábitat en el área son los bosques de mangle rojo y mangle blanco con parches de mangle negro correspondientes al segundo sistema de manglares más grande del Caribe de Guatemala. Parque Nacional Montecristo-Trifinio. Para la región de Trifinio se hizo una propuesta similar que incluye 106,200 ha, en las que se incluyen el Parque Nacional Montecristo y las ANP San Diego-La Barra y El Pital. El Área Prioritaria Trifinio abarca una extensión de 106,211 ha. Se delimita políticamente entre la República de El Salvador al noroeste, Honduras al norte y por la línea fronteriza de la República de Guatemala hacia el oeste. La región del Trifinio comprende aproximadamente 7,541 kilómetros cuadrados, de los cuales el 44.7% corresponde a Guatemala, 15.3% a El Salvador y 40% a Honduras. Se constituye como una unidad ecológica indivisible a través de un tratado suscrito por los gobiernos de El Salvador, Guatemala y Honduras para la ejecución de un plan de desarrollo trinacional fronterizo denominado Plan Trifinio. La región del Trifinio sustenta una riqueza en recursos hídricos. Se distingue por ser parte relevante de uno de los sistemas hídricos más importantes de América Central, en el que se destacan tres cuencas: la cuenca trinacional del río Lempa, la cuenca binacional del río Motagua (entre Honduras y Guatemala) y la cuenca nacional del río Ulúa en Honduras. La del río Lempa es la mayor de las cuencas hidrográficas comunes de la región, por lo que el manejo coordinado de sus recursos naturales es prioritario para los tres gobiernos. Éstos, por medio de la Comisión Trinacional del Plan Trifinio, invierten conjuntamente en el manejo sostenible de la cuenca alta del río Lempa. Se ubica en una zona de interconexión con corredores biológicos ya identificados en los tres países dentro del marco del Corredor Biológico Mesoamericano (CBM), reconocidos por su importancia como hábitats y avenidas de movimiento y migración de especies de fauna en el istmo centroamericano (www.sica.int/trifinio/trifinio/breve_trifinio.aspx?IdEnt=140). Parque Internacional La Amistad, Río Sixaola (también llamado PILA). Es un parque transfronterizo creado por los gobiernos de Costa Rica (PILA-Costa Rica) y Panamá (PILA-Panamá) al reunir la reserva de la cordillera de Talamanca y el Parque Nacional La Amistad en una sola entidad donde la dirección es compartida entre las dos naciones. El parque fue declarado patrimonio de la humanidad por la Unesco en 1983 y Parque Internacional de la Paz al seguir la recomendación de la Unesco del año 1988. Tiene una superficie de 567,845 ha, la mayoría está en Costa Rica (193,929 ha), en las provincias de San José, Cartago, Limón y Puntarenas, y es sumamente inaccesible y parcialmente inexplorado. La parte panameña es de acceso más fácil, abarcando las provincias de Bocas del Toro y Chiriquí. Está compuesto en su mayor parte de pluviselva y abarca la zona de la cordillera de Talamanca, donde se encuentran las cimas más altas de los dos países (http://es.wikipedia.org/wiki/Parque_Internacional_La_Amistad). Corredor Biológico San Juan-La Selva. La diversidad biológica presente en el Corredor Biológico San Juan-La Selva es característica de la interfase entre las biotas de la zona neotropical de Sudamérica y la neártica de Norteamérica. Florísticamente, la zona entre

41

el sur de Nicaragua y el norte de Costa Rica representa la frontera entre las floras neotropical y neártica. Posiblemente, San Juan-La Selva sea el corredor con mayor diversidad biológica en el país, con un número importante de especies vegetales endémicas. Su fauna también refleja la situación transicional entre las zonas neotropical y neártica. En el Corredor Biológico San Juan-La Selva se han registrado 32 especies de mamíferos, 63 de aves, 36 de anfibios, 28 de reptiles, 10 de peces y 34 especies de árboles que sufren algún grado de vulnerabilidad, de las cuales 20 son endémicas, 25 en peligro y al menos 168 se encuentran amenazadas. En un estudio de científicos de la Estación Biológica La Selva sobre seis familias de plantas (Cyclanthaceae, Marantaceae, Cecropiaceae, Clusiaceae, Lauraceae y Moraceae) se encontró que un 45% de las especies parecen ser endémicas de Centroamérica y un 10% de Costa Rica, un número mucho más alto que el encontrado en zonas de alto endemismo en regiones templadas. Un estudio de Amigos de la Tierra-Costa Rica comprobó que los sectores de Cutris y Cureña contienen los índices de biodiversidad más altos del país: hasta 140 especies de árboles por hectárea. En ellos se mantienen poblaciones de nueve especies de árboles en peligro de extinción, varias especies de flora amenazada y por lo menos tres especies endémicas [Proyecto Río San Juan (2000), Plan de manejo del Refugio Nacional de Vida Silvestre Corredor Biológico Fronterizo, PRSJ/AT/CBF, Costa Rica]. Reserva de Biosfera Transfronteriza Corazón del Corredor Biológico Mesoamericano–Río Plátano. Los gobiernos de Honduras y Nicaragua y la Comisión Centroamericana de Ambiente y Desarrollo, con la cooperación del Fondo para el Medio Ambiente Mundial (GEF) y con el Banco Mundial como agencia implementadora, ejecutan el Proyecto Reserva de Biosfera Transfronteriza Corazón del Corredor Biológico Mesoamericano, cuyo objetivo es mejorar la gestión nacional y binacional del área de la propuesta Reserva de Biosfera Transfronteriza Corazón del Corredor Biológico Mesoamericano, respetando los derechos de los habitantes ancestrales y tradicionales (www.sica.int/busqueda/Noticias.aspx). Grupos étnicos, alcaldías y comunidades campesinas ubicadas en las zonas de influencia de la Reserva del Hombre y Biosfera Río Plátano, Parque Nacional Patuca y Reserva Tawahka Asagni impulsan acciones organizadas para la protección ambiental de los recursos naturales y el combate contra la pobreza en estas áreas del territorio hondureño. Estas tres regiones y la Reserva de Biosfera Bosawas de Nicaragua constituyen la Reserva Transfronteriza Corazón del Corredor Biológico Mesoamericano. Ambos países solicitaron que la Unesco declare reserva de biosfera transfronteriza la superficie que conforman las áreas protegidas mencionadas. Toda la región cubre 34,000 kilómetros cuadrados y en ella habitan pueblos indígenas ancestrales como los misquitos, tawahkas, pech, garífunas y mayangnas, además de comunidades campesinas de población ladina o mestiza. (rds.hn/index.php?documento=8856). En el interior existen varias cuencas y ríos dentro o parcialmente dentro del corazón de corredor. Uno de los protocolos que se utilizarán para el monitoreo será el del continuo ribereño, que implica estudiar la red hídrica como un continuo desde su cuenca alta, media y baja, hasta su desembocadura en el mar. Se recomienda hacer el monitoreo en la cuenca del río Plátano porque se encuentra en su totalidad dentro del corazón del corredor, desemboca en el mar en un estuario de río, el área de su cuenca es mediana y manejable y en general tiene buen estado de

42

conservación, por lo que los resultados de su estudio serán una buena referencia de la biodiversidad en cuencas con condiciones ecológicas similares. Golfo de Fonseca, río Goascorán. La propuesta de corredor biológico en el Golfo de Fonseca se hizo en 2001 y plantea como misión asegurar la conectividad de las poblaciones, comunidades y procesos ecológicos naturales del Golfo de Fonseca mediante un proceso de planificación técnica y participación de los pobladores y autoridades nacionales y locales para lograr la conservación, el uso sostenible de los recursos naturales, la recreación y la educación (CBM 2001b). En esta propuesta trinacional se plantean, para El Salvador, 100,984 ha de conexiones, además de las 37,540 ha de áreas núcleo del SANP. El área prioritaria Golfo de Fonseca abarca una extensión de 138,123 ha y comprende un área terrestre y una marítima. El área terrestre es de 56,802.25 ha y la marítima es de 81,320.79 ha, comprendida entre las aguas marinas del Golfo y del océano Pacífico hasta una profundidad de 30 m. Esta área fue definida bajo los criterios (CBM 2001) que se mencionan a continuación. Para comenzar, el área delimitada incluye las tres áreas naturales más importantes previamente delimitadas y propuestas por el Sistema de Áreas Naturales Protegidas, en la zona. El área delimitada incluye regiones naturales que podrían ser estudiadas y delimitadas como áreas de interconexión entre áreas protegidas identificadas. El área delimitada coincide en más de un 70% de su cobertura territorial con el sector de El Salvador incluido dentro del Proyecto de Conservación de Ecosistemas Costeros en el Golfo de Fonseca (Progolfo) ejecutado en el área con financiamiento de la Autoridad Danesa para el Desarrollo Internacional (Danida). Este proyecto produjo una importante base de información sobre el área a partir de un diagnóstico de recursos biofísicos, socioeconómicos e institucionales en los tres países que comparten el Golfo de Fonseca, actualizando la información hasta 1997. En el corredor biológico Golfo de Fonseca se drena el río Goascorán, cuya cuenca es compartida por Honduras (sur del país) y El Salvador (oriente del país). Tiene una extensión superficial de 2,345.5 km² y está conformada por 36 subcuencas que forman parte de los departamentos de La Unión y Morazán en El Salvador y La Paz, Valle, Comayagua y Francisco Morazán en Honduras. Su desembocadura es en la bahía de Chismuyo en el Golfo de Fonseca. La cuenca brinda electricidad y agua a ambos países; la demanda más alta es en El Salvador. Se identificaron problemas por deforestación para uso de leña, alta demanda para consumo humano y animales domésticos (Catie, 2008). Con el apoyo de la Unión Europea, en la cuenca se organiza un grupo gestor de la Cuenca Binacional del Río Goascorán (Ggbcg), que es una instancia multisectorial creada para integrar, incidir y coordinar la gestión del manejo sostenible de dicha cuenca compartida y mejorar las condiciones de vida de los habitantes de la región. En ella, la Unión Europea ha llevado a cabo varias labores.

43

El presente documento pretende compartir algunas de las experiencias del monitoreo de biodiversidad en los países centroamericanos con el objeto de conocer lecciones aprendidas y de que sirva como retroalimentación de los futuros esfuerzos en el monitoreo biológico en la región. Aquí se describen de manera general los métodos, técnicas y experiencias de campo de todas las actividades en cada país y se coloca la referencia del documento para todos aquellos interesados en consultar en busca de más información que permita tener en detalle dicha actividad por país. Esperamos que esta

44

información sea de uso y consulta para todas las personas que deseen conocer estas experiencias.

Experiencias en la Selva Maya en Guatemala Lecciones aprendidas. Una de las lecciones aprendidas en el monitoreo en la Selva Maya es que éste debe compartirse con otras organizaciones de la región con diferentes enfoques jerárquicos de monitoreo y un enfoque de enlace de paisaje, en el que cada área representa un espacio entrelazado por diferentes mosaicos de bosques, actividades agroforestales y silvopastoriles. Estas mesas de monitoreo han generado plataformas de oportunidades para darle sostenibilidad a esta actividad con monitoreos binacionales, regionales y locales. El espacio generado por medio de la mesa de monitoreo ha permitido que el sistema de monitoreo de la integridad ecológica de la RBM se discutido y analizado por los actores locales involucrados en el manejo de la reserva. Es un foro para presentar nuevas iniciativas de monitoreo e investigación en la RBM. Se estima que el sistema propuesto de integración de indicadores provee un marco apropiado, entendible y flexible para la síntesis de información sobre integridad ecológica en la RBM. Su virtud más importante es la posibilidad de dar a sus usuarios potenciales diferentes perspectivas de evaluación, empezando por unidades de manejo individuales. Es también necesaria la incorporación completa de indicadores evaluados en este ejercicio, pero que no fueron completamente integrados al sistema, y de otros que tengan el potencial de proveer información relevante. Esta integración ocurrirá únicamente si existe voluntad y recursos para ampliar líneas base y recolectar información adicional, particularmente sobre el terreno, para mejorar el enfoque, la sensibilidad y la utilidad del sistema. Es un esfuerzo que debe involucrar a todos los interesados en aspectos de monitoreo en la RBM para lo que la mesa de monitoreo es una plataforma de trabajo ideal a la que debe darse continuidad bajo la dirección del Conap (Conap & WCS, 2008).

El monitoreo biológico en Honduras Lecciones aprendidas. Uno de los principales logros del programa de monitoreo biológico en Honduras entre 2000 y 2006 fue potenciar el capital humano local como guardas y paratécnicos para la toma de datos. Aunque una de las tareas más arduas es otorgar formación a personas locales con baja educación académica se logró formar técnicos con capacidad de recolectar y reportar fidedignamente información recabada en el campo. Se creó conciencia de la importancia de la fauna como elemento fundamental de las áreas protegidas; antes se consideraba únicamente la cobertura vegetal. Se generaron listados de fauna (mamíferos, aves y reptiles) para las áreas protegidas. Para ciertas áreas protegidas (ej. R.V.S. Cuero y Salado y P.N. Patuca) se elaboraron mapas preliminares de distribución de algunas especies. En ese entonces se identificaron sitios de observación de diferentes especies y se confeccionaron los primeros mapas de distribución actualizados de especies como jaguar, guara roja y oso hormiguero gigante. Se creó la línea base de muchas especies entre sitios de observación y mapas de

45

distribución potencial, pero sobre todo el capital humano calificado, que fue absorbido por organizaciones de conservación en los sitios de origen de los guardas locales, contribuyendo a mejorar la calidad de vida de muchos de los 104 guardas capacitados y a incorporar personal calificado y comprometido con la conservación de las áreas protegidas del país. Muchos llegaron a ofrendar sus vidas por este fin. Esto contribuyó a que se concretaran iniciativas como el proyecto del Corredor de Dispersión del Jaguar y otras que se concretarán próximamente, como la Estación Biológica de Mabita en Rus Rus, en La Mosquitia hondureña.

Experiencias del Sistema de Monitoreo de la Gestión Ambiental por Cuenca Hidrográfica en Panamá

Uno de los procesos novedosos aplicados es el monitoreo ambiental, tomando como unidad la cuenca hidrográfica. A partir de estos principios, el Sistema de Monitoreo y Evaluación de la Gestión Ambiental por Cuenca Hidrográfica establece los métodos con que serán monitoreados, evaluados y controlados los objetivos estratégicos para la toma oportuna de decisiones y la medición de la efectividad de los resultados. La metodología aplicada y los componentes del Sistema de Monitoreo y Evaluación por Cuenca Hidrográfica se detallan en cuatro fases. La primera fase fue de aprendizaje colectivo y abarcó el diagnóstico organizacional, para lo que se revisó la declaración de la misión, visión estratégica, valores institucionales, competencias organizacionales, objetivos estratégicos y análisis del entorno interno y externo, entre otros componentes, empleando como referencia la Ley General del Ambiente de la República de Panamá, el organigrama institucional, las políticas públicas de gestión ambiental, la Estrategia de Gestión Ambiental para el Desarrollo Sostenible 2008-2012, los Lineamientos de Política de la Autoridad Nacional del Ambiente 2004–2009, la Estrategia Nacional del Ambiente (ENA) y la Gestión Ambiental para el Desarrollo Sostenible. Ello permitió afianzar el sentido de pertenencia, el compromiso por la excelencia, el trabajo en equipo y la fluidez en la comunicación, culminando en la redefinición de estos componentes organizacionales y la generación de una nueva visión holística compartida (http: www.anam.gob.pa).

Experiencias de monitoreo de lapa verde en Nicaragua y Costa Rica Desde el año 2000, la Fundación del Río y el Centro Científico Tropical en Costa Rica empezaron un proceso de sensibilización sobre la protección de los recursos naturales de las zonas transfronterizas (sureste de Nicaragua y noroeste de Costa Rica). Para ello se tomó como especie representativa la lapa verde (Ara ambiguus), endémica centroamericana que, como se ha demostrado, está asociada a los bosques tropicales. Esta especie se encuentra fuertemente amenazada por empresas madereras que destruyen el hábitat y por cazadores que la utilizan para alimentarse o venderla en los mercados nacionales e internacionales. El objetivo es promover la protección y recuperación del hábitat de la lapa verde mediante la integración de los pobladores locales en las actividades de investigación, monitoreo, educación ambiental y conservación de bosque que asegure a la especie.

46

Investigación. Desde 2002, en las comunidades de la zona de amortiguamiento de la Reserva Biológica Indio-Maíz se ha efectuado un monitoreo comunitario permanente de lugares de anidación de lapas verdes y rojas. Esto ha permitido la contabilización, hasta la fecha, de 35 nidos activos de lapas (treinta de Ara ambiguus y cinco de Ara macao). Se mantiene un monitoreo permanente de avistamiento; se han hecho cuatro censos binacionales simultáneos (Costa Rica-Nicaragua). Se trabaja con telemetría satelital, colocándole un collar transmisor a un individuo con el objetivo de estudiar su rango de migración y espacios utilizados. Con el apoyo de integrantes de las comunidades (niñez, docencia, dueños de fincas y guardaparques) se labora en una base de datos sobre avistamiento de lapas en las comunidades del municipio, lo que ha permitido obtener más de 1,500 observaciones y registro de lapas. Educación ambiental. Se ha desarrollado una campaña de educación y sensibilización ambiental para promover el orgullo por la lapa verde como ave emblema del municipio El Castillo. En esta labor se visitan las escuelas de ese municipio para promover y divulgar la importancia ecológica y biológica de esta ave. Se han publicado tres ediciones de la cartilla escolar Coloreando la lapa verde, afiches, calendarios, calcomanías, camisetas, plegables, cartillas ecológicas y cuñas radiales. A partir del año 2005 se conformó la Red Municipal de Niños y Niñas Monitores de Lapas. A sus integrantes se les ha capacitado y equipado (binoculares, tabla de campo, hojas de monitoreo, camisetas, carné, broche, gorra, mochila, material didáctico) para hacer el monitoreo biológico de las lapas en sus comunidades. Radio Voz Juvenil/Fundación del Río transmiten el programa infantil de contenido ambiental Arita, la hija de la lapa verde, que promueve valores de amor, cariño y respeto por la lapa verde y todo su entorno. El programa es transmitido todos los sábados de 9:30 a 10:30 AM. Como complemento del programa radial se desarrolla el programa educativo Arita visita tu escuela. En éste, el personaje de Arita (disfraz de lapa verde) visita once escuelas del municipio El Castillo. Las actividades abarcan charlas dinámicas e interactivas con los estudiantes, juegos y presentación de videos. Además promueve la elaboración de poemas, versos, bombas, canciones y dibujos alusivos a la lapa verde (http://www.fundaciondelrio.org/campana.php/1). Monitoreo permanente de aves en El Salvador Se están monitoreando cinco estaciones de aves en el Parque Nacional El Imposible, Parque Nacional Los Volcanes (sector Los Andes y zona de amortiguamiento Finca Nuevos Horizontes) y Parque Nacional Montecristo (bosque pino-roble y nebuloso). En dos mil horas red y doce días de campo se atraparon y liberaron 276 aves. Entre las capturas más interesantes está la de un individuo de Amaurospiza con color -semillero azul- en la estación de El Imposible (una de las especies más raras en el país que tiene una población aislada en El Imposible), y la segunda captura de la especie migratoria Hylocichla mustelina -zorzalito maculado- en la estación de Montecristo Nebuloso. Entre las recapturas más antiguas está la de un Catharus frantzii -zorzalito de Frantzius- anillado hace 69 meses en Los Andes, una Mniotilta varia -chipe trepador- anillada 47 meses atrás en Finca Nuevos Horizontes y un Trogon collaris -trogón collarejo- anillado hace 25 meses en Montecristo Pino Roble. Este último individuo difiere de la mayoría de su especie porque tiene color anaranjado en el pecho, diferente al rojo que presenta la mayoría de su especie.

47

Con esta iniciativa de monitoreo permanente de aves se pretende levantar las líneas base de aves de la región y empezar procesos estratégicos de conservación de hábitats de importancia entre áreas protegidas.

48

5. ANÁLISIS DE LOS 3 INDICADORES DE ESPECIES

Indicador 1

Nivel biológico: especies.

Especies en peligro extinción 3. Definición del indicador: se refiere a la cantidad de especies en peligro de extinción, presencia de especies indicadoras usadas por los países como especies bandera u objetos de conservación. Asimismo, las especies exóticas o domésticas consideradas invasoras en áreas protegidas en la región centroamericana, según el Libro rojo y listas nacionales de la flora y la fauna de Centroamérica y México (UICN). Las tendencias de aumento o disminución del número de especies a lo largo del tiempo nos pueden dar a conocer las tendencias de distribución y abundancias de cada especie como una alarma dentro de cada país. 4. Justificación e importancia del indicador: el número de especies en peligro de extinción es revisado periódicamente por la UICN, de tal manera que posee un respaldo institucional. La información que este indicador integra se relaciona con el flujo de genes entre poblaciones y “calidad” de los ecosistemas, por lo que se hace un análisis amplio por grupo taxonómico (es decir, reptiles, aves, mamíferos, plantas, hongos, etc.) y por grupo funcional (es decir, depredadores, omnívoros, etc.). La lista roja constituye un instrumento crucial para evaluar el uso sostenible de la biodiversidad en la región. Debido a la reducción drástica que está experimentando nuestra biodiversidad, esta lista ya no está sólo en manos de la comunidad científica, sino que comprende los aportes de las comunidades locales y de los tomadores de decisiones a diferentes niveles. 5. Unidad de medida del indicador: Número de especies (abundancias relativas por esfuerzo de muestreo, noches cámara). 6. Fórmula del indicador: número de individuos/esfuerzo de muestreo, noches cámara. Se analizan las especies indicadoras seleccionadas por países, que se distribuyen en las áreas protegidas de la región. Con el fin de que la información del indicador tenga alguna relevancia es importante cumplir los siguientes requisitos: mismo sitio de muestreo, misma metodología de captura/visualización de especies, mismo esfuerzo de captura/visualización, misma comunidad o grupo taxonómico, misma época del año, conocer la identificación de las especies para que cada año sea igual el proceso de identificación y su historia natural de tal manera que se pueda definir su valor de distribución. La información que se levanta corresponde al número de individuos por especie en un

49

tiempo y área dada. 7. Descripción metodológica: uso de trampas cámara para la capturas de individuos y estimar poblaciones de manera relativa y de manera absoluta. El esfuerzo de muestreo se mide según el número de noches que las cámaras están en campo. Se llama estaciones a la colocación de las cámaras colocan en parejas en sitios donde la captura es por oportunidad. 7.1. Proceso de cálculo general del indicador: se parte de los estudios de trampas cámara hechos en los países de Centroamérica. 7.2. Definición de cada variable de la fórmula: S = número de especies por esfuerzo (noches cámara). 8. Limitaciones del indicador: solamente se podrán monitorear mamíferos medianos y grandes. 9. Cobertura: regional. 10. Fuente de datos: estudios con trampas cámara por país en la región centroamericana.11. Disponibilidad de los datos: años 2000-2010. 12. Forma de presentación de los datos: tablas de Excel y gráficos, curvas de acumulación. 13. Periodicidad del indicador: bienal. 14. Entidades responsables del indicador (CTBio proponga): UICN/ departamentos de vida silvestre por país. 15. Documentación relacionada con el indicador: CCAD (1999), Libro rojo de la fauna de Centroamérica y México. Listados de preocupación especial por país. 16. Bases de datos simplificadas y salida del indicador: listados, gráficos, tablas 17. Observaciones: se asume que la UICN está comprometida con el Libro rojo y que seguirá actualizando la información. 19. Elaborado por: Matamoros/Rivera/Portillo/Carrasco

50

Indicador 2 Nivel biológico: especies (aves)

Presencia de especies indicadoras 3. Definición del indicador: aplicable para especies indicadoras del grado de conservación de ecosistemas en la región. Al desaparecer algunas de las especies indicadoras se interpreta que la biodiversidad en general está disminuyendo. 4. Justificación e importancia del indicador: es un indicador directo de presencia o ausencia de las especies seleccionadas por países que cumplan la condición de regionalidad. Existe información disponible sobre especies indicadoras en los países de la que habría que seleccionar las especies de ámbito regional. 5. Unidad de medida del indicador: abundancia relativa. 6. Fórmula del indicador: horas esfuerzo de monitoreo, número de individuos observados. 7. Descripción metodológica: para conocer el estado de conservación de las aves indicadoras es necesario establecer las poblaciones de las diferentes especies; las abundancias absolutas son las más recomendadas. Para esto se pueden utilizar lo que se conoce como censos de poblaciones, consistentes en crear puntos de conteo donde se establece un protocolo para tomar datos por sitio. En cada sitio se permanecerá dos horas y se harán conteos cada 15 minutos con intervalos de 15 minutos, lo que representa 4 conteos por cada 2 horas por las mañanas, iniciando a las 5.30 am y finalizando a las 8.30 am. Cada conteo se hará durante tres días en cada uno de los sitios seleccionados en 5 sitios. Esto representa 15 días de muestro. Se llenarán las hojas de los protocolos para luego ser vaciadas en tablas para su posterior análisis. Tipo de análisis La toma de los datos por sitio de conteo nos permitirá ser flexibles en el análisis de los mismos, siendo los siguientes los posibles paquetes estadísticos a usar con sus resultados: Paquete estadístico Resultado Dominio: público/pagado Distance 5 Abundancias relativas y

absolutas Público

SPSS Estadística descriptiva, T-test, Anovas

Pagado

R Análisis de estadística descriptiva, correlaciones Chi cuadrado, T-test, análisis multivariados, análisis de componentes principales

Público

Sprecrich Abundancias relativas, riqueza

Público

Estimate Diversidad, riqueza, rarefacciones

ArcGIS, ArcVIEW, Diva-GIS.

Distribución, buffers de áreas hipotéticas de acción

Pagado, público 7.1. Proceso de cálculo general del indicador: se analizan las especies indicadoras seleccionadas por países, que se distribuyen en las áreas protegidas de la región. Con el fin de que la información del indicador tenga alguna relevancia es importante cumplir los siguientes requisitos:

51

mismo sitio de muestreo, misma metodología de captura/visualización de especies/vocalización, mismo esfuerzo de captura/visualización/vocalización, misma comunidad o grupo taxonómico, misma época del año, conocer la identificación de las especies para que cada año sea igual el proceso de identificación y su historia natural de tal manera que se pueda definir su valor de distribución. La información que se levanta corresponde al número de individuos por especie en un tiempo y área dada. 7.2. Definición de cada variable de la fórmula: número de individuos/horas esfuerzo es el número de individuos observados por periodos de tiempo según cada protocolo. Los análisis básicos serán por abundancia relativa. Los análisis posteriores, usando paquetes estadísticos, dependerán de la habilidad y/o necesidad de información de los investigadores.8. Limitaciones del indicador: financiamiento para levantar base de datos. 9. Cobertura: regional. 10. Fuente de datos: grupos de ornitólogos por país, universidades, ONG con especialidad en aves. 11. Disponibilidad de los datos: base de datos por país, listados oficiales de aves. Base de datos de especies de interés especial. 12. Forma de presentación de los datos: tablas de Excel o base de datos, gráficos y mapas. 13. Periodicidad del indicador: bianual. 14. Entidades responsables del indicador (CTBio proponga): UICN. 15. Documentación relacionada con el indicador: Listados UICN. Listados de especies de preocupación especial por país. Listados de Birdlife. Listados de Partners in Flight. 16. Bases de datos simplificadas y salida del indicador: listados, gráficos, mapas. 17. Observaciones: 18. Tipo según EPIR: Estado. 19. Elaborado por: Matamoros/Rivera/ Portillo/Carrasco

Indicador 3 Nivel biológico: especie Presencia de especies invasoras 3. Definición del indicador: se trata de identificar las especies animales y vegetales introducidas, no presentes de forma natural en nuestros ecosistemas, que pueden suponer una amenaza contra la biodiversidad autóctona. La simple presencia de una especie no supone en sí misma un hecho negativo, pero sí una potencial amenaza. Hay que considerar que en ocasiones en el pasado ciertas especies fueron introducidas y aclimatadas con éxito, por lo que puede resultar complicado evaluar el impacto real de la introducción de estas especies, que podrían llenar huecos en ciertos nichos de especies ya desaparecidas debido a

52

la acción humana directa. 4. Justificación e importancia del indicador: la introducción de especies invasoras y la destrucción de hábitats son dos de las principales amenazas contra la biodiversidad. Las especies introducidas pueden competir con una especie autóctona por un mismo nicho ecológico, con el resultado final de desplazar a ésta por no disponer de enemigos naturales o presentar un comportamiento agresivo hacia la otra. Se trata de un fenómeno difícilmente recuperable una vez extendido y muchas veces es resultado de acciones involuntarias y de rápida extensión, especialmente en el mar. 5. Unidad de medida del indicador: abundancia de especies y su distribución por medio de modelación, usando variables ambientales y condiciones. Se recomienda emplear paquetes de modelación basados en georreferenciaciones y mapas grids. Entre ellos podemos recomendar el DesktopGarp, que es de dominio público y compatible con la mayoría de sistemas de información geográfica. 6. Fórmula del indicador: no aplica. 7. Descripción metodológica: DesktopGarp funciona en la plataforma Intel/Windows, incluyendo Windows 98, ME, NT4, 2000 y XP. No funciona en Windows 95 ni en la primera edición de 98. No funciona en Mac, Linux, Solaris o cualquier tipo de Unix. GARP es un algoritmo genético con el cual se crea un modelo de nicho ecológico para una especie que representa las condiciones ambientales donde dicha especie sería capaz de mantener su población. GARP utiliza como entrada un conjunto de localidades (puntos) donde se sabe que la especie está presente y un grupo de coberturas geográficas que representan los parámetros ambientales que pueden limitar la capacidad de supervivencia de la especie. 7.1. Proceso de cálculo general del indicador: Insumos: base de datos de especies invasoras con localidades georreferenciadas. Paquete estadístico. Base de datos de mapas grids por país (temperatura, humedad, precipitación, cobertura). Correr paquete de modelación. Análisis de los mapas generados. 7.2. Definición de cada variable de la fórmula: 8. Limitaciones del indicador: Requiere al menos 10 datos georreferenciados. Manejo de paquetes estadísticos. Manejo de paquetes de sistemas de información geográfica. 9. Cobertura: regional. 10. Fuente de datos: UICN/SIAM, listados de especies introducidas por país. 11. Disponibilidad de los datos: búsqueda de información en herbarios, museos, secretarías de Estado y organizaciones ambientales. 12. Forma de presentación de los datos: mapas digitales formatos raster y grid. 13. Periodicidad del indicador: bianual. 14. Entidades responsables del indicador (CTBio proponga): SICAP, UICN, OIT, CDB. 15. Documentación relacionada con el indicador: listados de UICN. 16. Bases de datos simplificadas y salida del indicador: listado de especies e informes, así como mapas de distribución. 17. Observaciones: las modelaciones deberán ser interpretadas por grupos de especialistas que puedan identificar tendencias de las modelaciones y sus especies de acuerdo con la

53

biología y ecología de la misma. 18. Tipo de información: mapas grid, mapas en formato jpg. 19. Elaborado por: Matamoros/Rivera/ Portillo/Carrasco

54

6. ANALISIS DE LOS 6 INDICADORES DE ECOSISTEMAS Y ECORREGIONES / FRAGMENTACIÓN En las siguientes fichas se describen los seis indicadores regionales del nivel de ecosistemas y ecorregiones propuestos para Centroamérica. La siguiente figura muestra el diagrama de flujo para la obtención de los indicadores.

Diagrama de flujo para el proceso del cálculo de los indicadores de fragmentación de ecosistemas. Para obtener los valores se usan los programas de sistemas de información geográficos (SIG): ArcGIS, Erdas-Imagine y Fragstats. El proceso empieza bajando y seleccionando la imagen Modis, bajando el mapa de ecosistemas de la mapoteca de la CCAD y otros mapas SIG relacionados con información geográfica. Paralelamente a este documento se ha diseñado un protocolo de cálculo de los indicadores. Favor referirse a éste para mayor información técnica concerniente a los procedimientos.

Área de estudio El área de estudio comprende los países del área centroamericana: Belice, Guatemala, El Salvador, Honduras, Nicaragua, Costa Rica y Panamá. Cada país calcula los indicadores, dependiendo de las necesidades de información y la experiencia de los encargados de calcular los indicadores.

55

Metodología La metodología consiste, en forma general, en efectuar un análisis de la cobertura y el uso de la tierra para el área centroamericana y la manipulación en un SIG: de un mapa de CA, mapa de áreas protegidas y mapa de ecosistemas. En todos se obtienen sus respectivas medidas de fragmentación que incluyen los siguientes indicadores: Superficie cubierta en la región por tipo de ecosistemas. Superficie de áreas protegidas gubernamentales y privadas declaradas. Área de cobertura boscosa. Tamaño de fragmentos por tipo de ecosistema. Forma de los fragmentos (longitud del borde) por tipo de ecosistema. Distancia entre fragmentos por tipo de ecosistema.

Indicador 1 1. Nivel biológico: ecosistemas.

Superficie cubierta en la región por tipo de ecosistemas (área). 3. Definición del indicador: se refiere al área de ciertos ecosistemas en los países de la región. Los ecosistemas escogidos se basan en el mapa de ecosistemas (2004) generado por los países de la región, el cual usa la siguiente simbología. Las clases representan los ecosistemas más representativos de la región. 4. Justificación e importancia del indicador: la disminución de la superficie de ciertos ecosistemas conllevaría directamente a una pérdida en la biodiversidad de sus componentes y a su propio peligro como entidad supraespecífica. Este indicador complementa la información incluida en los indicadores de fragmentación de espacios naturales, así como el de especies, de manera que se abarcan todos los componentes del medio, no sólo exclusivamente biológicos, sino también sistémicos relacionados. El ecosistema es considerado objeto de protección y conservación en múltiples herramientas de ordenación. Bajo la Clasificación Centroamericana Unesco, un ecosistema es definido como una unidad relativamente homogénea (distinguible a nuestra escala de 1:250,000) de organismos, procesos ecológicos y elementos geofísicos como suelo, clima y régimen de aguas, que interactúan entre sí. Un ecosistema se define primordialmente por la apariencia física y estructura (fisonomía) de su especie dominante de planta y también por sus procesos ecológicos dominantes, como fuego, inundaciones y pastoreo (Vreugdenhil et al., 2002). 5. Unidad de medida del indicador: km2.

6. Fórmula del indicador: el indicador es la sumatoria en km2 de todos los ecosistemas de la región o país y se denota por la siguiente fórmula: SER = Σ EEi … EEn. Descripción metodológica: para el cálculo de este indicador hay que establecer a priori los ecosistemas que se tendrán en cuenta, ya que este indicador comprende ecosistemas boscosos y no boscosos. Es importante tener a disposición el mapa de ecosistema actualizado obtenido de la mapoteca de la CCAD (http://www.ccad.ws/mapas/mapoteca.htm del sitio web SIAM) o de la entidad

56

correspondiente por país. La información deberá ser procesada y analizada con la ayuda de Sistemas de Información Geográfica. El mapa de abajo muestra los diferentes ecosistemas encontrados en el istmo centroamericano:

7.1. Proceso de cálculo general del indicador: el cálculo se hace partiendo del mapa de ecosistemas en el nivel centroamericano o de país o región, según el criterio de cada país. Posteriormente se calcula la extensión de cada polígono correspondiente a cada tipo de ecosistema utilizando ArcGIS, se hace la sumatoria de cada uno de ellos por tipo, así como una sumatoria total final. Cada país calcula la cobertura de sus propios ecosistemas, haciendo una selección en ArcGIS de los ecosistemas de cada país. La siguiente figura muestra el mapa de ecosistemas de Nicaragua, así como la correspondiente tabla de atributos (desplegada):

57

Se crea el archivo para cada país, con el país seleccionado en la tabla de atributos. Se seleccionan los ecosistemas de cada país en la tabla de atributos y luego se crea un archivo sólo para los ecosistemas de Nicaragua, en este caso. En la tabla de atributos se ordenan los ecosistemas por nombre (ya sea en forma ascendente o descendente) y luego la tabla se exporta como un archivo .dbf, que se puede abrir y guardar en Excel.

En Excel se hacen las sumatorias por tipo de ecosistema. Esto dará como resultado las estadísticas correspondientes al área de los tipos de ecosistemas listados en la simbología, en este caso de Nicaragua. La sumatoria de las superficies por ecosistemas se usará como valor de este indicador. Si es necesario se convierte de mapa vector a raster usando la función Polygon to raster. Se crea el raster file y luego este se procesa con la función Zonal statistical as table de Spatial analysis tool para obtener unas estadísticas más detalladas. Esto da las medidas de paisaje de los polígonos de los ecosistemas. Se pueden establecer estas medidas para efectos de comparación posterior.

58

7.2. Definición de cada variable de la fórmula: SER: superficie del ecosistema en la región. EE: extensión de los fragmentos del ecosistema en la región. i: fragmento n: total de fragmentos 8. Limitaciones del indicador: es importante mencionar que el mapa de ecosistemas puede en algunas ocasiones definirse como un mapa hipotético, más predictivo que descriptivo, que en otras palabras demuestra la que podría ser la ubicación real de determinado tipo de ecosistema. Entonces tiene que saberse con anticipación si éste es ese tipo de mapa o si se está trabajando sobre un mapa basado en la ubicación real de los ecosistemas. Definido en estos términos, se considera que un ecosistema es una aproximación de una comunidad relativamente homogénea y única de especies que permite el uso de nuestros datos para aproximar la información que pudiera recogerse a partir de inventarios globales de fauna y flora (Vreugdenhil et al., 2002). 9. Cobertura: regional.

10. Fuente de datos: los mapas de ecosistemas de la región para identificar los tipos de ecosistemas se pueden obtener de la mapoteca de la CCAD: http://www.ccad.ws/mapas/mapoteca.htm del sitio web SIAM o referirse al Corredor Biológico Mesoamericano: http://www.biomeso.net/. 11. Disponibilidad de los datos: línea base del mapa de ecosistemas (2004). Este mapa es el esfuerzo más completo que se ha hecho en Centroamérica. El mapa fue elaborado en 2002 y actualizado por la CCAD y el Banco Mundial con la colaboración de los Ministerios de Ambiente e institutos geográficos de la región. El mapa fue publicado en agosto de 2004. Las citas son: El documento: Vreugdenhil, Daan., Jan Meerman, Alain Meyart, Luis Diego Gómez y Douglas J. Graham (2002), Map of ecosystems of Central America: final report, World Bank, Washington DC. Mapa de ecosistemas de Centroamérica: World Bank y CCAD (2000), Ecosystems of Central America (ArcView map files at 1:250,000), World Institute for Conservation and Environment (WICE) y Centro Agronómico de Investigación y Enseñanza (Catie), Washington DC (http://www.worldbank.org/ca-env). 12. Forma de presentación de los datos: tablas de Excel y mapas.

13. Periodicidad del indicador: bienal.

14. Entidad responsable del indicador: SIAM.

15. Documentación relacionada con el indicador: Mapa de ecosistemas de Centroamérica: World Bank y CCAD (2000), Ecosystems of Central America (ArcView map files at 1:250,000), World Institute for Conservation and Environment (WICE) y Centro Agronómico de Investigación y Enseñanza (Catie), Washington DC (http://www.worldbank.org/ca-env).

59

16. Bases de datos simplificadas y salida del indicador: mapas y gráficos.

17. Observaciones: 18. Tipo según EPIR: Estado. 19. Elaborado por: Samuel Rivera.

Indicador 2 1. Nivel biológico: ecosistemas y ecorregiones.

Superficie de áreas protegidas gubernamentales y privadas declaradas, terrestres y marino costeras (bajo régimen legal). 3. Definición del indicador: se refiere al área en este concepto de manejo existente en los países de la región. 4. Justificación e importancia del indicador: su disminución conllevaría directamente a una pérdida en la biodiversidad. 5. Unidad de medida del indicador: área expresada en porcentaje del total (%). 6. Fórmula del indicador: área bajo protección (%) = área del país (km2) (SAPCA = Σ SAPi,n, sumatoria de las áreas protegidas en km2) x 100/ área total del país. El siguiente ejemplo muestra la tabla de atributos del mapa de áreas protegidas de Honduras:

60

7. Descripción metodológica: del sitio oficial de la CCAD se toma el mapa de áreas protegidas por país (ver figura abajo). Estas áreas deben incluir las áreas protegidas gubernamentales y privadas declaradas, terrestres y marino-costeras que se encuentran bajo régimen legal. Una vez obtenido el shape file, se exporta la tabla la medición como una tabla dbf que luego se puede abrir en Excel y hacer los cálculos de áreas.

61

Si es necesario se convierte de mapa vector a raster usando la función Polygon to raster. Se crea el raster file y luego éste se procesa con la función Zonal statistical as table de Spatial analysis tool para obtener estadísticas más detalladas. Esto da las medidas de paisaje de los polígonos de los ecosistemas. Se pueden establecer estas medidas para efectos de comparación posterior. 7.1. Proceso de cálculo general del indicador: el cálculo se efectúa partiendo de los datos oficiales de la CCAD o de cada Ministerio de Ambiente de cada país, que tienen en cuenta los registros de solicitudes oficializadas por los Ministerios del Ambiente de los países de la región: http://www.ccad.ws/mapas/mapoteca.htm del sitio web SIAM o referirse al Corredor Biológico Mesoamericano: http://www.biomeso.net/. Se suman las áreas protegidas por categorías, así como las reservas privadas protegidas, resaltando las modificaciones entre los momentos de monitoreo. Los resultados se deben expresar también en términos de porcentaje. 7.2. Definición de cada variable de la fórmula: SAPCA: superficie de áreas protegidas gubernamentales y privadas en Centroamérica. SAP: superficie de área protegida. i: identificación de área protegida gubernamental y privada. n: total de áreas protegidas medidas en la muestra de la región. 8. Limitaciones del indicador: los datos varían según la tecnología utilizada en los procesos de digitalización y en la interpretación de los decretos sobre los límites establecidos. La declaración de áreas protegidas no significa que los sistemas contenidos representen a ecosistemas naturales. Cada país tiene definiciones diferentes para el manejo de las áreas protegidas; algunas con presencia humana, manteniendo actividades de ganadería

62

y agricultura. Es importante mencionar que algunas veces cuando existen áreas costeras o marinas, estén o no estén dentro del área continental o territorial, entonces esta área es mayor que el área territorial o terrestre de cada país. Por ejemplo, Honduras tiene aprox. 114,000 kilómetros cuadrados de extensión territorial, pero éstos no incluyen los arrecifes de coral que se encuentran sumergidos ni otros ecosistemas marinos. 9. Cobertura: regional. 10. Fuente de datos: CCAD, SIAM y SICAP. 11. Disponibilidad de los datos: no hay datos disponibles por el momento. Es importante el levantamiento de una línea base de información. Mapoteca de la CCAD: http://www.ccad.ws/mapas/mapoteca.htm del sitio web SIAM o referirse al Corredor Biológico Mesoamericano: http://www.biomeso.net/. 12. Forma de presentación de los datos: el área de las áreas protegidas se muestra en hojas Excel a través del tiempo y en gráficos que ilustran los cambios. Se encuentran en formato digital e impreso. 13. Periodicidad del indicador: bienal. 14. Entidad responsables del indicador: Sistema Centroamericano de Áreas Protegidas (Sicap). 15. Documentación relacionada con el indicador: mapas, decretos y leyes de áreas protegidas. Sistema Centroamericano de Áreas Protegidas (2003), “Un entorno para conservar la diversidad biológica”, Informe regional 2003: avance en el cumplimiento del Convenio sobre la Diversidad Biológica, Guatemala, febrero de 2003. 16. Bases de datos simplificadas y salida del indicador: listado de áreas protegidas y su extensión. 17. Observaciones: es importante mencionar que algunas veces cuando existen áreas costeras o marinas, están no están dentro del área continental o territorial, entonces esta área es mayor que el área territorial o terrestre de cada país. 18. Tipo según EPIR: Estado. 19. Elaborado por: Samuel Rivera.

63

Indicador 3 1. Nivel biológico: ecosistemas y ecorregiones.

Área de cobertura boscosa.

3. Definición del indicador: se refiere al área de cobertura de bosque natural en la región.

4. Justificación e importancia del indicador: hay una relación directa entre la disminución de la cobertura de bosque y la pérdida de biodiversidad. Centroamérica tiene la segunda tasa mundial de deforestación (Eggen-McIntosh et al., 1994). Casi todos los países de Centroamérica están clasificados con una amenaza alta de perder sus recursos boscosos (Honduras, Nicaragua y Belice), mientras que otros no cuentan con una evaluación exacta de la pérdida de sus recursos (Guatemala y El Salvador) (Global Forest Watch, 2010, http://www.globalforestwatch.org/). El monitoreo apropiado es un paso importante para determinar cuánto recurso bosque debe ser manejado y conservado. Los acercamientos de la teledetección para determinar y supervisar recursos proporcionan los medios rentables por los cuales los inventarios del bosque y la supervisión de la utilización del suelo puedan ser alcanzados. 5. Unidad de medida del indicador: área en km2. 6. Fórmula del indicador: SEBR = Σ EEBRi = [(ΣEEB1) + (ΣEEB2)+ ... (ΣEEBn)]

64

7. Descripción metodológica: en el proceso del cálculo de la cobertura boscosa, cada país puede utilizar el medio que estime conveniente. En este indicador recomendaremos tres diferentes métodos para la calificación de una imagen Modis. Todos estos métodos son apropiados; sólo hay que tomar en cuenta que si se utilizan como línea base, siempre se debe utilizar el mismo método, a los dos años, para que las áreas puedan ser comparables y se pueda estimar si existe un aumento o una disminución del área de bosque. Cada método tiene sus ventajas y desventajas, dependiendo de la experiencia de cada país o institución encargada de hacer el monitoreo. La siguiente figura muestra una imagen Modis clasificada, con las áreas boscosas en verde:

Los métodos son explicados ampliamente en un manual adjunto a estas fichas, pero se hace un resumen a continuación: Una clasificación no supervisada de una imagen Modis tomada de enero a marzo de 2010 constituye el primer método. La clasificación no supervisada debe ser de siete clases, en un proceso automático de Erdas-Imagine llamado Isodata. Esta imagen de ser bajada, georreferenciada y almacenada en al menos 7 bandas usando la función Layer stack. Una vez clasificada en siete clases, las clases deben ser agrupadas usando la experiencia del analista para dejar dos clases: bosque y no-bosque. El mapa que se obtendrá debe semejarse al siguiente:

65

El segundo método consiste en bajar una imagen que contenga un producto Modis, que puede ser el Índice Mejorado de la Vegetación (EVI, por su sigla en inglés) -izquierda- o el Índice Normalizado de Diferenciación de la Vegetación (NDVI, por su sigla en inglés) –derecha-. Ambos índices son obtenidos mediante una combinación de bandas espectrales que denotan o resaltan el verdor o el contenido de clorofila de la vegetación. Los mapas de abajo muestran el verdor de la vegetación por medio de ambos índices en Honduras, El Salvador y parte de Nicaragua y Belice. El analista puede comparar cuál de los índices podría representar una mejor opción, siempre tomando en cuenta que será la cobertura que deberá usar para hacer comparaciones. Es importante mencionar que en estos índices hay que establecer el valor que divide la vegetación baja o arbustiva de la leñosa, que caracteriza los bosques.

66

El tercer método será tomar la imagen cruda de Modis y efectuar una clasificación supervisada usando los algoritmos de Erdas. La imagen abajo muestra las áreas en verde como las áreas de vegetación. Éste es el método más exacto, pero el más costoso porque necesita tomar bastantes muestras de campo con el fin de entrenar al software para que “busque” las áreas de bosque y no-bosque, basado en muestras espectrales previamente identificadas. El mapa de abajo muestra una clasificación supervisada de Honduras, obtenida a través de muestras asignadas. Los países que cuentan con suficientes muestras espectrales (también llamadas áreas de entrenamiento) pueden optar por este método.

67

7.1. Proceso de cálculo general del indicador: el cálculo se hace partiendo de imágenes satelitales en las que se identifican las formaciones boscosas mediante uno de los tres tipos de clasificaciones descritas anteriormente. Posteriormente se calcula la extensión de cada polígono correspondiente a cada parche de bosque utilizando la tabla de atributos de ArcGIS. Esta tabla se puede exportar como un archivo dbf y se puede leer en Excel y hacer los cálculos. También si se quieren tener estadísticas más completas se puede utilizar la función de Spatial analyst denominada Zonal statistics as table. 7.2. Definición de cada variable de la fórmula: SEBR: superficie de los parches de bosque existentes en la región. EEBR: número de los parches ecosistema meta existentes en la región. i: identificación de los parches 1 hasta n. n: total de parches medidos en la muestra de la región. EEB1: extensión del parche de bosque. En la tabla de atributos se puede exportar a un archivo dbf, que posteriormente puede ser abierto en Excel para hacerlos cálculos de áreas y establecer el número de polígonos. Para tener estadísticas más completas se puede utilizar la función de Spatial analyst de Zonal statistic as table. Ver la siguiente figura:

68

8. Limitaciones del indicador: la sumatoria de parches brinda una cifra que será interpretada como proporcional al comportamiento de la biodiversidad en la región. Es importante recordar que el tamaño de los parches determina la viabilidad de las poblaciones presentes; en consecuencia, para que las poblaciones presentes en parches pequeños sobrevivan deberán encontrarse a distancias con otros parches franqueables para mantener un flujo genético suficiente que mantenga a las especies. Se recomienda que la interpretación de este indicador se lleve a cabo junto con los indicadores de tamaño (ficha 7), forma (ficha 8) y distancia (ficha 9) entre los parches. El analista puede comparar cuál de las clasificaciones propuestas podría representar una mejor opción, siempre tomando en cuenta que será la misma clasificación que deberá usar para hacer comparaciones, manteniendo el principio de que sólo se pueden comparar “manzanas con manzanas y naranjas con naranjas”. 9. Cobertura: regional. 10. Fuente de datos: imágenes de satélite (Modis) de la región. 11. Disponibilidad de los datos: Mapoteca de la CCAD: http://www.ccad.ws/mapas/mapoteca.htm, sitio web SIAM. Google localiza el USGS Global Visualization Viewer: http://glovis.usgs.gov/. 12. Forma de presentación de los datos: tablas de Excel y mapas. 13. Periodicidad del indicador: quinquenal. 14. Entidad responsable del indicador: SIAM. 15. Documentación relacionada con el indicador: Mapa de ecosistemas y cobertura boscosa de Centroamérica. Eggen-McIntosh, S. K. B. Lannon y D. M. Jacobs (1994), Mapping distributions of Central America and Mexico, USDA-USFS, Southern Experiment Station, New Orleans, Lousiana, USA. Proceeding reprint. Forest Watch (2010), http://www.globalforestwatch.org/. FAO (2005), Forest resources assessment, FAO, Roma, Italia. Unesco (1973), International Classification and Mapping of Vegetation, United Nations. Congalton, R. y K. Green (1999), Assessing the accuracy of remotely sensed data: principles and practices, Lewis Publishers, New York.

69

Foody, G. (2002), “Status of land-cover classification accuracy assessment”, Remote sensing of environment, 80:185-201. McGarigal, K.; S. A. Cushman; M. C. Neel y E. Ene (2002), Fragstats: spatial pattern analysis program for categorical maps. Computer software program produced by the authors at the University of Massachusetts, Amherst. Disponible en este web site: www.umass.edu/landeco/research/fragstats/fragstats.html. Poiani, K. A.; B. D. Richter; M. G. Anderson y H. E. Richter (2000), “Biodiversity conservation at multiple scales: functional sites, landscapes and networks”, Bioscience, 50: 133-146. 16. Bases de datos simplificadas y salida del indicador: mapas y gráficos. 17. Observaciones: 18. Tipo según EPIR: Estado. 19. Elaborado por: Samuel Rivera.

Indicador 4 1. Nivel biológico: ecosistemas y ecorregiones.

Tamaño de parches del ecosistema meta.

3. Definición del indicador: se refiere a los parches originados por la fragmentación de un ecosistema originalmente continuo dentro del ámbito de una matriz. También se refiere a porciones de ecosistemas naturales rodeados de sistemas productivos, creando un “potencial” aislamiento entre una porción de ecosistema natural y otro. Se dice con ello que un ecosistema se encuentra fragmentado. Es importante agregar que en la medida que aumenta la fragmentación, disminuye la conectividad y con ello se reduce el flujo genético. 4. Justificación e importancia del indicador: este índice es complementario de los indicadores de cobertura de bosque, ya que permite determinar el dato del tamaño de los parches de los ecosistemas en la región. Es sabido que hay una relación directa entre la disminución del tamaño de los parches y la pérdida de biodiversidad, lo que se aprecia sobre todo en especies de mamíferos grandes y aves. La mayoría de los paisajes altamente fragmentados son producto del desarrollo de las actividades humanas. La siguiente figura explica de manera sencilla cómo el fraccionamiento del paisaje afecta la movilización y distribución de especies animales y vegetales.

70

La configuración del paisaje puede tener un efecto muy grande en las diferentes especies de animales y plantas que se encuentran en la zona. Revisiones de los efectos de la fragmentación sobre la biodiversidad pueden encontrarse en Forman (1994), Saunders et al. (1991) y Turner (1996) o en la bibliografía citada en esta ficha metodológica. 5. Unidad de medida del indicador: km2 o ha. 6. Fórmula del indicador: Ā = ΣAPi /n. 7. Descripción metodológica: es importante tener a disposición un mapa de áreas de bosque obtenido de imágenes satelitales recientes de la región que servirán de base para hacer las mediciones. La información deberá ser procesada y analizada con la ayuda de sistemas de información geográfica. Como primer paso se separa el ecosistema meta: bosques siempreverdes y semisiempreverdes de latifoliadas (en verde), presente en toda la región centroamericana, muy susceptible y fácilmente identificable cuando se cambia su cobertura. Esta separación del ecosistema se hace en ArcGIS usando la función Select de la tabla de atributos y creando el shape file a partir de esta selección. El resultado se muestra en el siguiente mapa:

71

Ya sea para cada país o para toda la región, calcularemos las medidas de paisaje del área de bosque que ocupa las áreas delimitadas por los ecosistemas meta; en este caso hemos escogido bosques siempreverdes y semisiempreverdes de latifoliadas. Este traslape del mapa de bosque de CA y el mapa del ecosistema meta lo logramos con las herramientas Combine o Merge del Spatial analyst de ArcGIS. Como resultado obtenemos un mapa que muestra las áreas de bosque que están dentro de las áreas delimitadas por el ecosistema meta. Queda a criterio de cada país si quiere usar el ecosistema meta o un área protegida importante como área de cálculo de los indicadores de las medidas de paisaje. El cálculo de este indicador: distancia entre fragmentos por tipo de ecosistema meta requiere el uso del programa computacional Fragstats. El análisis de los patrones de fragmentación del paisaje se lleva a cabo por medio del cálculo de índices de fragmentación, utilizando el programa Fragstats (McGarigal y Marks, 1994) y programas desarrollados en ArcGIS. El paisaje se considera un mosaico de elementos o parches. Los índices describen la fragmentación del paisaje caracterizando cada parche (su tamaño. forma, aislamiento) y la totalidad del paisaje (proporción y arreglo espacial de los elementos que lo componen). El Programa Fragstats funciona como un apéndice de ArcGIS. Y se baja en forma gratuita del siguiente sitio web (http://www.umass.edu/landeco/research/fragstats/fragstats.html):

72

Se procede a la instalación del programa Fragstats y luego se necesita tener instalado el programa Erdas ArcGIS para correrlo. Se instala el archivo descomprimido al seleccionar el archivo set up.exe localizado en C:/Program files/ArcGIS/Bin. Se corre al seleccionar el archivo Fragstat.exe. Se obtiene una pantalla como la siguiente:

En una pantalla similar a ésta se indicarán el tipo de archivo que se correrá y los parámetros de salida:

73

7.1. Proceso de cálculo general del indicador: el cálculo se hace partiendo de imágenes satelitales en las que se determinan los fragmentos y se definen como polígonos cubiertos de bosque por separación de colores. Posteriormente se calcula el área de cada polígono utilizando el software adecuado para tal efecto, de manera que pueda monitorearse el aumento o la disminución del tamaño promedio de los parches presentes en Centroamérica. La cuantificación de la configuración de parche en el paisaje es necesaria para la base del análisis y la comprensión de la ecología del paisaje. Se trata de cuantificar parches individuales, clases o todo el paisaje para evaluar la continuidad, contigüidad o fragmentación de los elementos del paisaje. En este estudio usaremos únicamente las medidas de los parches de bosque dentro del ecosistema meta. Las medidas de parches por obtener se describe a continuación: Zona Densidad de parches Tamaño del parche Variabilidad del borde Forma Núcleo zona Vecino más cercano Diversidad Contagio y entremezclado. La siguiente figura muestra el archivo de salida de Fragstats:

74

FocalPatch Extension

Phil Hurvitz 2002 17

Fragstats

• Patch metrics

(image from Fragstats manual)

Para este indicador usaremos el LSIM (índice de similaridad de paisaje), definido por la siguiente fórmula:

“a” es la sumatoria de todos los parches de bosque dentro del ecosistema meta. “A” es el área total del ecosistema meta. Para cada tipo de parche o area boscosa dentro del ecosistema meta, el LSIM es la proporción (porcentaje) del bosque dentro de ese ecosistema meta. Es un indicador del predominio relativo del área cubierta de bosque dentro de esa área mayor que es el ecosistema meta. El Fragstats lo calcula automáticamente y los muestra como LSIM. 7.2. Definición de cada variable de la fórmula: para este indicador usaremos el LSIM (índice de similaridad de paisaje), definido por la sumatoria de todos los parches de bosque dentro del ecosistema meta. Para cada tipo de parche o área boscosa dentro del ecosistema meta, el LSIM es la proporción (porcentaje) del bosque dentro de ese ecosistema meta. Es un indicador del predominio relativo del área cubierta de bosque dentro de esa área mayor que es el ecosistema meta. 8. Limitaciones del indicador: la interpretación del indicador es general. En la medida que el promedio del tamaño de los parches disminuya, deberá entenderse que hay un peligro inminente de disminución en la biodiversidad general de la región. 9. Cobertura: regional. 10. Fuente de datos: SIAM. 11. Disponibilidad de los datos: no hay datos disponibles al momento. Es importante el levantamiento de una línea base de información. 12. Forma de presentación de los datos: tablas de Excel y mapas.

75

13. Periodicidad del indicador: quinquenal. 14. Entidad responsable del indicador (CTBio proponga): SIAM. 15. Documentación relacionada con el indicador: Mapa de ecosistemas de Centroamérica. El documento: Vreugdenhil, Daan.; Jan Meerman; Alain Meyart; Luis Diego Gomez y Douglas J. Graham (2002), Map of ecosystems of Central America: final report, World Bank, Washington DC. Mapa de ecosistemas de Centroamérica. World Bank y CCAD (2000), Ecosystems of Central America (ArcView map files at 1:250,000). World Institute for Conservation and Environment (WICE) y Centro Agronómico de Investigación y Enseñanza (Catie), Washington DC, (http://www.worldbank.org/ca-env). Bibliografía sobre fragmentación: Burkey, T. V. (1993), “Edge effects in seed and egg predation at two neotropical rainforest sites”, Biological Conservation, no. 66, pp. 139-143. Didham, R. K. (1997), “The influence of edge effects and forest fragmentation on leaf litter invertebrates in central Amazonia”, en Laurance, W. F. y R. O. Bierregaard Jr. (editores), Tropical forest remnants-ecology, management and conservation of fragmented communities, The University of Chicago Press, pp. 55-70. MacArthur, R. H. y E. O. Wilson (1967), The theory of island biogeography, Princeton University Press, Princeton. Lauga J., J. J. (1992), “Modeling the effects of forest fragmentation on certain species of forest breeding birds”, Landscape Ecology, no. 6, pp. 183-193. Mclntyre. N. E. (1995), “Effects of forest patch size on avian diversity”, Landscape Ecology, vol. 10, no. 2, pp. 85-99. McGarigal, K.; S. A. Cushman; M. C. Neel y E. Ene (2002), Fragstats: spatial pattern analysis program for categorical maps. Computer software program produced by the authors at the University of Massachusetts, Amherst, disponible en el web site www.umass.edu/landeco/research/fragstats/fragstats.html. Mas, Jean-Francois y Jorge Correa Sandoval (2000), “Análisis de la fragmentación del paisaje en el área protegida ‘Los Petenes’”, Boletín del Instituto de Geografía, Campeche, México, Investigaciones Geográficas UNAM, 43, pp. 42-59. 16. Bases de datos simplificadas y salida del indicador: mapas y gráficos. 17. Observaciones: 18. Tipo según EPIR: Estado. 19. Elaborado por: Samuel Rivera.

76

Indicador 5 1. Nivel biológico: ecosistemas y ecorregiones.

Forma de los parches (longitud del borde) del ecosistema meta.

3. Definición del indicador: se refiere a la forma de los parches originados por la fragmentación de un ecosistema originalmente continuo dentro del ámbito de una matriz. Al aumentar la irregularidad de los parches aumentan las características propicias de especies colonizadoras y por ende disminuye la cantidad de espacio disponible para las especies “originales” del parche. Conforme aumenta el indicador, disminuye la biodiversidad. 4. Justificación e importancia del indicador: Este indicador está relacionado con el indicador “tamaño de parches” y “cobertura boscosa”, ya que según varios autores la forma de los parches determina el tipo de biodiversidad que éstos albergan. 5. Unidad de medida del indicador: factor de 1 a 2. 6. Fórmula del indicador: el segundo índice es la dimensión fractal (DF).Originalmente, ésta describe una relación invariable en la escala de observación entre el perímetro y la superficie de un objeto como lo indica la ecuación de abajo (Mandelbrot, 1977). Donde IF = dimensión fractal, PT = perímetro y A = superficie. Gráficamente, In(K) se determina como la ordenada al origen entre la pendiente de la regresión, es decir, el valor de In(PT) cuando In(A) es igual a cero. En el algoritmo utilizado por el programa Fragstats se considera que K = 1, es decir, que In (K) = O (ecuación 4). La dimensión fractal toma valores entre 1 y 2. Valores cercanos a uno indican formas geométricas sencillas. Los valores se acercan a 2 conforme las formas se vuelven más complejas. La longitud total del borde existente en todos los parches contra el área que representan en referencia al área de un círculo estándar supone que la forma óptima que alberga las especies del ecosistema “original” es el círculo. IF = PT / (2 √ π * A) Dimensión fractal (FRACT) Este índice indica la convolución de la forma de cada parche y se localiza entre 1 < =FRACT <=2. Valores de 1 para las formas simples (círculo, cuadrado) y valores de 2 para formas altamente complicados o con un perímetro con muchas vueltas.

77

7. Descripción metodológica: como primer paso se separa el ecosistema meta: bosques siempreverdes y semisiempreverdes de latifoliadas (en verde), presente en toda la región centroamericana y muy susceptible y fácilmente identificable cuando se cambia su cobertura. Esta separación del ecosistema se hace en ArcGIS usando la función Select de la tabla de atributos y creando el shape file a partir de esta selección. El resultado se muestra en el siguiente mapa de Costa Rica, donde se separaron todas las áreas que cubre el ecosistema meta:

Ya sea para cada país o para toda la región, calcularemos las medidas de paisaje del área de bosque que ocupa las áreas delimitadas por los ecosistemas meta; en este caso hemos escogido bosques siempreverdes y semisiempreverdes de latifoliadas. Este traslape del mapa de bosque de CA y el mapa del ecosistema meta lo logramos con las herramientas Combine o Merge del Spatial analyst de ArcGIS. Como resultado obtenemos un mapa que muestra las áreas de bosque que están dentro de las áreas delimitadas por el ecosistema meta. Queda a criterio de cada país si quieren usar el ecosistema meta o un área protegida importante como área de cálculo de los indicadores de las medidas de paisaje. El cálculo de la 2. Forma de los fragmentos (longitud del borde) por tipo de ecosistema meta requiere el uso del programa computacional Fragstats. El programa Fragstats funciona como un apéndice de ArcGIS y se baja gratuitamente del sitio web

78

http://www.umass.edu/landeco/research/fragstats/fragstats.html. 7.1. Proceso de cálculo general del indicador: el cálculo se hace partiendo del mapa de bosque traslapado con el mapa de ecosistemas. El cálculo del índice lo hace directamente en el output de Fragstats, como se muestra a continuación:

FocalPatch Extension

Phil Hurvitz 2002 17

Fragstats

• Patch metrics

(image from Fragstats manual)

Dimensión fractal (FRACT).

Este índice indica la convolución de la forma de cada parche y se localiza entre 1 < =FRACT <=2. Valores de 1 para las formas simples (círculo, cuadrado) y valores de 2 para formas altamente complicados o con un perímetro con muchas vueltas. El programa Fragstats lo calcula automáticamente. 7.2. Definición de cada variable de la fórmula: IF: índice de forma fractal: IF = PT / (2 √ π * A). PT: perímetro total (incluyendo perímetros internos). A: área total de parches en la región. π: letra griega pi: 3.1416 ó 22/7. 8. Limitaciones del indicador: la dimensión fractal presenta un sesgo con la superficie. La dimensión fractal es la medición a diferentes escalas basada en el concepto de la similitud a través de las mismas. Los parches de diferentes tamaños observados a una sola escala se

79

utilizan para substituir los cambios de escala. La constante K debe determinarse por un objeto fractal (observado a diferentes escalas) y no para una mezcla de formas diferentes, como en el caso de los parches de un paisaje (Frohn, 1998). 9. Cobertura: regional. 10. Fuente de datos: (CTBio proponga): SIAM. 11. Disponibilidad de los datos: no hay datos disponibles al momento. Es importante el levantamiento de una línea base de información. 12. Forma de presentación de los datos: tablas de Excel y gráficos de cambio. 13. Periodicidad del indicador: quinquenal. 14. Entidad responsable del indicador: SIAM. 15. Documentación relacionada con el indicador: mapa de ecosistemas de Centroamérica. El documento: Vreugdenhil, Daan.; Jan Meerman; Alain Meyart; Luis Diego Gómez y Douglas J. Graham (2002), Map of ecosystems of Central America: final report, World Bank, Washington DC. Mapa de Ecosistemas de Centroamérica, World Bank y CCAD (2000), Ecosystems of Central America (ArcView map files at 1:250,000). World Institute for Conservation and Environment (WICE) y Centro Agronómico de Investigación y Enseñanza (Catie), Washington DC (http://www.worldbank.org/ca-env). Bibliografía sobre fragmentación. Burkey, T. V. (1993), “Edge effects in seed and egg predation at two neotropical rainforest sites”, Biological Conservation, no. 66, pp. 139-143. Didham, R. K. (1997), “The influence of edge effects and forest fragmentation on leaf litter invertebrates in central Amazonia” en Laurance, W. F. y R. O. Bierregaard Jr. (ed.), Tropical forest remnants-ecology, management and conservation of fragmented communities, The University of Chicago Press, pp. 55-70. MacArthur, R. H. y E. O. Wilson (1967), The theory of island biogeography, Princeton University Press, Princeton. Lauga J., J. J. (1992), “Modeling the effects of forest fragmentation on certain species of forest breeding birds”, Landscape Ecology, no. 6, pp. 183-193. Mclntyre. N. E. (1995), “Effects of forest patch size on avian diversity”, Landscape Ecology, vol. 10, no. 2, pp. 85-99. McGarigal, K.; S. A. Cushman; M. C. Neel y E. Ene (2002), Fragstats: spatial pattern analysis program for categorical maps. Computer software program produced by the authors at the University of Massachusetts, Amherst. Disponible en el web site www.umass.edu/landeco/research/fragstats/fragstats.html. Mas, Jean-Francois y Jorge Correa Sandoval (2000), “Análisis de la fragmentación del paisaje en el área protegida ‘Los Petenes’”, Boletín del Instituto de Geografía, Campeche, México. Investigaciones Geográficas UNAM. Núm. 43, pp. 42-59. 16. Bases de datos simplificadas y salida del indicador: mapas y gráficos. 17. Observaciones: 18. Tipo según EPIR: Estado.

80

19. Elaborado por: Samuel Rivera.

Indicador 6 1. Nivel biológico: Ecosistemas y ecorregiones.

Distancia entre parches del ecosistema meta. 3. Definición del indicador: se refiere a la distancia existente entre los parches. Hay una relación directa entre el aumento de la distancia entre parches y la pérdida de biodiversidad. 4. Justificación e importancia del indicador: la distancia entre los parches se utiliza como un indicador de potencial flujo genético entre los parches (es decir aislamiento biogeográfico). A medida que esta distancia aumenta, se disminuye el movimiento de individuos entre los parches y por ende la viabilidad de las poblaciones presente en los parches. 5. Unidad de medida del indicador: unidades: ninguna (m2/m2). PROXIM = 0 si el parche no tiene vecinos del mismo tipo en el radio de búsqueda especificados. El índice PROXIM aumenta a medida que la cercanía entre los parches de la misma clase aumenta (definida por el radio de búsqueda especificado). Esto indica si está más o menos fragmentado el paisaje con respecto a la distribución de parches. El límite superior de la proximidad se ve afectado por el radio de búsqueda y la distancia mínima entre parches. PROXIM se reporta como "NA" en el nombre base. Nombre del archivo completo y un punto "." en el nombre base. Parche si un radio de búsqueda no se ha especificado por el usuario. 6. Fórmula del indicador: el grado de asilamiento de un parche puede ser calculado por medio de la distancia al parche vecino más cercano. El programa Fragstats permite calcular adicionalmente el alejamiento y el tamaño de los parches vecinos. Este índice es igual a la suma de la superficie de los parches vecinos dividida por el cuadrado de la distancia y se denomina índice de proximidad (PROXIM). PROXIM es igual a la suma del área de parche (m2) dividida por la distancia más cercana de borde a borde al cuadrado (m2) entre el parche y todos los bordes de los parches del mismo tipo dentro de una distancia especificada (m). Tenga en cuenta que cuando el buffer de búsqueda se extiende más allá de los límites del paisaje, sólo parches contenidos en el paisaje son considerados en los cálculos.

7. Descripción metodológica: como primer paso se separa el ecosistema meta: bosques siempreverdes y semisiempreverdes de latifoliadas (en verde), presente en toda la región

81

centroamericana y es muy susceptible y fácilmente identificable cuando se cambia su cobertura. Esta separación del ecosistema se hace en ArcGIS usando la función Select de la tabla de atributos y creando el shape file a partir de esta selección. El resultado se muestra en el siguiente mapa de Belice, donde se separaron todas las áreas que cubre el ecosistema meta:

Ya sea para cada país o para toda la región, calcularemos las medidas de paisaje del área de bosque que ocupa las áreas delimitadas por los ecosistemas meta, en este caso hemos escogido Bosques siempreverdes y semisiempreverdes de latifoliadas. Este traslape del mapa de bosque de CA y el mapa del ecosistema meta lo logramos con las herramientas Combine o Merge del Spatial analyst de ArcGIS. Como resultado obtenemos un mapa que muestra las áreas de bosque que están dentro de las áreas delimitadas por el ecosistema meta. Queda a criterio de cada país si quiere usar el ecosistema meta o un área protegida importante como área de cálculo de los indicadores de las medidas de paisaje. El cálculo de la distancia entre parches por tipo de ecosistema meta requiere el uso del programa computacional Fragstats. El programa Fragstats funciona como un apéndice de ArcGIS y se baja gratuitamente del sitio web http://www.umass.edu/landeco/research/fragstats/fragstats.html. 7.1. Proceso de cálculo general del indicador: usando imágenes satelitales se obtiene la información base de la ubicación de los parches de bosque en la región centroamericana. Después de digitalizar la información con los bordes de los polígonos que representan a los parches se procede, con un sistema de información geográfica, a definir las distancias mínimas entre los parches (polígonos). Con esta lista de distancia mínimas entre los polígonos es posible generar el promedio existente. Fragstats calcula directamente el índice de proximidad (PROXIM):

82

FocalPatch Extension

Phil Hurvitz 2002 17

Fragstats

• Patch metrics

(image from Fragstats manual)

7.2. Definición de cada variable de la fórmula: DP: distancia promedio entre parches. DPm: distancia mínima entre los parches identificados. i: identificación del parche i. j: identificación del parche j. n: número total de distancias medidas entre parches. 8. Limitaciones del indicador: en cuanto al índice de proximidad, su interpretación es delicada, pues refleja a la vez la distancia de los parches vecinos y su tamaño. Cuando la distancia del parche vecino disminuye a la mitad, el valor del índice, que depende del inverso de la distancia al cuadrado, se multiplica por cuatro. En el caso de parches muy cercanos, las variaciones del índice pueden carecer de sentido desde el punto de vista de su interpretación ecológica. 9. Cobertura: regional. 10. Fuente de datos: SIAM. 11. Disponibilidad de los datos: 12. Forma de presentación de los datos: hojas Excel y gráficos de cambio en el tiempo. 13. Periodicidad del indicador: quinquenal. 14. Entidad responsable del indicador: SIAM. 15. Documentación relacionada con el indicador: Mapa de ecosistemas de Centroamérica. El documento: Vreugdenhil, Daan.; Jan Meerman; Alain Meyart; Luis Diego Gómez y Douglas J. Graham (2002), Map of ecosystems of Central America: final report, World Bank, Washington DC. Mapa de Ecosistemas de Centroamérica.

83

World Bank y CCAD (2000), “Ecosystems of Central America (ArcView map files at 1:250,000), World Institute for Conservation and Environment (WICE) y Centro Agronómico de Investigación y Enseñanza (Catie), Washington DC (http://www.worldbank.org/ca-env). Bibliografía sobre fragmentación. Burkey, T. V. (1993), “Edge effects in seed and egg predation at two neotropical rainforest sites”, Biological Conservation, no. 66, pp. 139-143. Didham, R. K. (1997), “The influence of edge effects and forest fragmentation on leaf litter invertebrates in central Amazonia” en Laurance, W. F. y R. O. Bierregaard Jr. (ed.), Tropical forest remnants-ecology, management and conservation of fragmented communities, The University of Chicago Press, pp. 55-70. MacArthur, R. H. y E. O. Wilson (1967), The theory of island biogeography, Princeton University Press, Princeton. Lauga J., J. J. (1992), “Modeling the effects of forest fragmentation on certain species of forest breeding birds”, Landscape Ecology, no. 6, pp. 183-193. Mclntyre. N. E. (1995), “Effects of forest patch size on avian diversity”, Landscape Ecology, vol. 10, no. 2, pp. 85-99. McGarigal, K.; S. A. Cushman; M. C. Neel y E. Ene (2002), Fragstats: spatial pattern analysis program for categorical maps. Computer software program produced by the authors at the University of Massachusetts, Amherst, disponible en el web site www.umass.edu/landeco/research/fragstats/fragstats.html. Mas, Jean-Francois y Jorge Correa Sandoval (2000), “Análisis de la fragmentación del paisaje en el área protegida ‘Los Petenes’”, Boletín del Instituto de Geografía, Campeche, México, Investigaciones Geográficas UNAM, 43, pp. 42-59. 16. Bases de datos simplificadas y salida del indicador: obtenidos por Fragstats. Una tabla similar a ésta debe ser el resultado (output) de Fragstats:

Fuente: Mas y Correa-Sandoval, 2000.

84

17. Observaciones: 18. Tipo según EPIR: Estado. 19. Elaborado por: Samuel Rivera.

85

7. BIBLIOGRAFÍA

Protocolo continuo ribereño Angermeier, P. y Karr, J. (1983), “Fish communities along environmental gradients in a system of tropical streams”, Environmental Biology of Fishes, 9, 117-135. Bussing, W. (1976), “Geographic distribution of the San Juan ichthyofauna of Central America with remarks on its origin and ecology”, en Thorson, T.B. (ed.), Investigations of the ichthyofauna of Nicaraguan lakes, University of Nebraska, Lincoln, Nebraska, pp. 157-175. Bussing, W.A. (2002), Peces de las aguas continentales de Costa Rica/Freshwater fishes of Costa Rica, Universidad de Costa Rica, San José, Costa Rica, 468 pp. Coates, A. y Obando, J. (1996), “The geologic evolution of the Central American isthmus”, en Jackson, J.; Budd, A. & Coates, A. (ed.), Evolution and environment in tropical America, University of Chicago Press, Chicago, pp. 21–56. Esselman, P.C.; Freeman, M.C. y Pringle, C.M. (2006), “Fish-assemblage variation between geologically defined regions and across a longitudinal gradient in the Monkey River basin, Belize”, Journal of the North American Benthological Society, 142-156. Greenfield, D.W. y Thomerson, J.E. (1997), Fishes of the continental waters of Belize, University Press of Florida, Gainesville, FL, 311 pp. Kihn-Pineda, P.H.; Cano, E.B. y Morales, A. (2006), “Peces de las aguas interiores de Guatemala”, en Cano, E.B. (ed.), Biodiversidad de Guatemala, Universidad del Valle de Guatemala, Guatemala, pp. 457–486. Loftin, H.G. (1965), The geographical distribution of freshwater fishes in Panama”, Florida State University, Tallahassee, FL., 528 pp. Matamoros, W.A.; Schaefer, J.F. y Kreiser, B.R. (2009), “Annotated checklist of the freshwater fishes of continental and insular Honduras”, Zootaxa, 2307, 1-38. Myers, N.; Mittermeier, R.; Mittermeier, C.; da Fonseca, G. y Kent, J. (2000), “Biodiversity hot spots for conservation priorities”, Nature, 403, 853-858. Villa, J. (1982), Peces nicaragüenses de agua dulce, Colección Cultural del Banco de América, Serie geográfica y naturaleza, Managua, Nicaragua, 253 pp.

Protocolo trampas cámara Henschel, P. y Ray, J. (2003), Leopards in african rainforests: survey and monitoring techniques, WCS Global Carnivore Program website.

86

Karanth, K.U. y Nichols, J.D. (1998), “Estimation of tiger densities in India using photographic captures and recaptures”, Ecology, 79(8), 2852–2862. Karanth, K.U. y Nichols, J.D. (2000), Ecological status and conservation of tigers in India. Final technical report to the Division of International Conservation, U.S. Fish and Wildlife Service, Washington D.C. and Wildlife Conservation Society, New York, Centre for Wildlife Studies, Bangalore, India. Karanth, K.U. y Nichols, J.D. (2002), Monitoring tigers and their prey: a manual for researchers, managers and conservationists in tropical Asia, Centre for Wildlife Studies, Bangalore, India. Karanth, K.U. (1995), “Estimating tiger (Panthera tigris) populations from camera-trap data using capturerecapture models”, Biological Conservation, 71, 333–338. Maffei, L.; Cuellar, E. y Noss, A. (2004), “One thousand jaguars (Panthera onca) in Bolivia's Chaco? Camera trapping in the Kaa-Iya National Park”, Journal of Zoology, 262 (3): 295-304. Otis, D.L.; Burnham, K.P.; White, G.C. y Anderson, D.R. (1978), “Statistical inference from capture data on closed populations”, Wildlife Monographs, 62, 1–135. Rexstad, E. y Burnham, K.P. (1991), User’s guide for interactive program Capture. Abundance estimation of closed populations, Colorado State University, Fort Collins, Colorado, USA. Silver, S.C.; Ostro, L.E.; Marsh, L.K.; Maffei, L.; Noss, A.J.; Kelly, M.J.; Wallace, R.B.; Gomez, H. y Ayala, G. (2004), “The use of camera traps for estimating jaguar (Panthera onca) abundance and density using capture/recapture analysis”, Oryx, 38 (2): 148-154. Wallace, R.B.; Gomez, H.; Ayala, G. y Espinoza, F. (2003), “Camera trapping capture frequencies for jaguar (Panthera onca) in the Tuichi Valley, Bolivia”, Mastozoologia Neotropical, 10(1): 133-139. White, G.C.; Anderson, D.R.; Burnham, K.P. y Otis, D.L. (1982), Capture-recapture and removal methods for sampling closed populations, Los Alamos National Laboratory, Los Alamos, New Mexico, USA.

Protocolo de monitoreo de aves Ambrose, S. (1989), “The Australian bird count–have we got your numbers?”, RAOU Newsletter, publicado por The Royal Australasian Ornithologists Union, Moonee Ponds, Vic. 3039, Australia, 80:1-2. Baillie, S.R.; Green, R.E.; Boddy, M. y Buckland, S.T. (1986), An evaluation of the constant efforts sites scheme. Report of the Constant Effort Sites Review Group to the Ringing Committee of the British Trust for Ornithology, British Trust for Ornithology,

87

Beech Grove, Tring, Herts. HP23 5NR, Reino Unido. [Se pueden conseguir copias a precio de costo por medio del BTO o los autores de este manual.] Baillie, S. y Holden, B. (1988), “Population changes on constant effort sites 1986-1987”, BTO (British Trust for Ornithology) News, 155: 8-9. Baldwin, S.P. (1931), Bird banding by systematic trapping, scientific publication, Cleveland Museum of Natural History, I (5): 125-168. Baldwin, S.P.; Oberholser, H.C. y Worley, L.G. (1931), Measurements of birds, scientific publication, Cleveland Museum of Natural History II. Bart, Jonathan (1977), “Impact of human visitations on avian nesting success”, Living Bird, 16:187-192. Bart, Jonathan y Robson, D.S. (1982), “Estimating survivorship when the subjects are visited periodically”, Ecology, 63(4): 1078-1090. Berthold, P. y Scherner, R. (1975), “Das «Mettnau-Reit-Illmitz-Programm», ein langfristiges Vogelfangprogramm der Vogelwarte Radolfzell mit vielfaltiger Fragestellung”, Vogelwarte, 28:97-123. Blake, John C. (1963), The brood patch, Eastern Bird Banding Association Workshop manual, 2:8-9. Blake, John C. (1992), “Temporal variation in point counts of birds in a lowland wet forest in Costa Rica”, Condor, 94:265-267. Bleitz, D. (1957), “On the use of mist nets”, News from the Bird Banders (Western Bird-Banding Association), 32:22-25. Bleitz, D. (1970), “Mist nets and their use”, Inland Bird Banding News 42(2). [Se pueden conseguir copias gratis a través de Avinet, P.O. Box 1103, Dryden, NY 13053, E.U.A.]. Bub, H. (1991), Bird trapping and bird banding, Ithaca, NY, Cornell University Press, 330 pp. Burley, N. (1980), “Clutch overlap and clutch size: alternative and complementary reproductive tactics”, American Naturalist, 115: 223-246. CWS y USFWS (Canadian Wildlife Service and U.S. Fish and Wildlife Service) (1991), North American bird banding, U.S. Department of Interior, Fish and Wildlife Service, Laurel, MD, E.U.A., y Ottawa, Canada, Environment Canada, Canadian Wildlife Service. Conner, Richard N. y O’Halloran, Kathleen A. (1986), “A comparison of the MacArthur foliage density estimate with actual leaf surface area and biomass”, Southwestern Naturalist, 31: 270-273.

88

Conner, Richard N. (1990), “The effect of observer variability on the MacArthur foliage density estimate”, Wilson Bulletin, 102: 341-343. Cooperrider, Allen Y.; Boyd, Raymond J. y Stuart, Hanson R. (1986), Inventory and monitoring of wildlife habitat, Denver, CO, Service Center, Bureau of Land Management, U.S. Department of Interior, 858 pp. [Copias disponibles por medio de Superintendent of Documents, U.S. Government Printing Office, Washington, DC, 20402, E.U.A., GPO # 024-011-00170-1]. Daubenmire, R.F. (1968), Plant communities: textbook of plant synecology, New York, NY, Harper and Row, 300 p. DeSante, David F. (1991), The Monitoring Avian Productivity and Survivorship (MAPS) program: first annual report, The Institute for Bird Populations, Inverness, CA [copias disponibles por medio del IBP, P.O. Box 1346, Point Reyes Station, CA 94956, E.U.A.]. DeSante, David F. (1992a), “Monitoring Avian Productivity and Survivorship (MAPS): a sharp, rather than blunt, tool for monitoring and assessing landbird populations”, en McCullough, Dale R.; Barrett, Reginald H. (editores), Wildlife 2001: populations, Londres, Reino Unido, Elsevier Applied Science, 511-521. DeSante, David F. (1992b), An invitation and instructions for participation in the Monitoring Avian Productivity and Survivorship (MAPS) program, Institute for Bird Populations, P.O. Box 1346, Point Reyes Station, CA 94956. DeSante, David F. y Geupel, Geoffrey R. (1987), “Landbird productivity in central coastal California: the relationship to annual rainfall, and a reproductive failure in 1986”, Condor, 89:636-653. Geupel, Geoffrey R.; Howell, S.N.G.; Pyle, P. y Webb, S. (1992), Ornitología de campo tropical, curso de identificación de aves neotropicales y métodos de monitoreo de sus poblaciones, llevado a cabo en Chiapas, México, en abril de 1992, informe para el Centro de Aves Migradoras de la Smithsonian Institution y el U. S. Fish and Wildlife Service, documento no publicado, Point Reyes Bird Observatory, Stinson Beach, California, E.U.A. Geupel, Geoffrey R. y DeSante, David F. (1990a), “Incidence and determinants of double brooding in wrentits”, Condor, 92: 67-75. Geupel, Geoffrey R. y DeSante, David F. (1990b), The Palomarin handbook, Stinson Beach, CA, Point Reyes Bird Observatory. Ginn, H.B. y Melville, D.S. (1983), Moult in birds, BTO guide 19, Hertfordshire, Reino Unido, British Trust for Ornithology, 112 pp. Gottfried, Bradley M. y Thompson, Charles F. (1978), “Experimental analysis of nest predation in an old-field habitat”, Auk, 304-312. Herman, S.G. (1989), The naturalist field journal, based on the method by J. Grinnell, Vermillion, SD, Buteo Books.

89

Higgins, Kenneth F.; Kirsch, Leo M. y Ball, I. Joseph, Jr. (1969), “A cable-chain device for locating duck nests”, Journal of Wildlife Management, 33: 1009-1011. Hilden, Olavi; Koskimies,Pertii; Pakarinen, Raimo y Vaisanen, Risto A. (1991), “Point count of breeding landbirds” en Koskimies, Pertii; Vaisanen, Risto A. (ed.), Monitoring bird populations, Helsinki, Zoological Museum, Finnish Museum of Natural History, University of Helsinki, 27-32. Huff, Mark H.; Manuwal, David A. y Putera, Judy A. (1991), “Winter bird communities in the southern Washington cascade range” en Wildlife and vegetation of unmanaged Douglas-fir forests, Gen. Tech. Rep. PNW-285. Portland, OR, Pacific Northwest Research Station, Forest Service, U.S. Department of Agriculture, 533 pp. Hutchinson, G.E. (1978), An introduction to population ecology, New Haven, CT, Yale University Press. I.B.C.C. (International Bird Census Committee) (1970), “An international standard for a mapping method in bird census work recommended by the International Bird Census Committee”, Audubon Field Notes, 24: 722-726. James, F.C. y Shugart, H.H., Jr. (1970), “A quantitative method of habitat description” Audubon Field Notes, 24: 727-736. Karr, James R. (1981), “Surveying birds with mist nets” en Ralph, C. John y Scott, J. Michael (ed.), Estimating numbers of terrestrial birds, studies in avian biology, 6: 62-67. Kendeigh, S. C. (1952), Parental care and its evolution in birds, Illinois Biological Monograph, 22: 1-357. Kepler, Cameron B. y Scott, J. Michael (1981), “Reducing bird count variability by training observers” en Ralph, C. John y Scott, J. Michael (ed.), Estimating numbers of terrestrial birds, studies in avian biology, 6: 366-371. Keyes, B.E. y Grue C.E. (1982), “Capturing birds with mist nets: a review”, North American Bird Bander, 7(1):2-1. Koskimies, Pertii y Vaisanen, Risto A. (1991), Monitoring bird populations, Helsinki: Zoological Museum, Finnish Museum of Natural History, University of Helsinki, 145 pp. [Se pueden conseguir copias a través de Natural History Book Service, 2 Wills Rd., Totnes, Devon TQ9 5XN, Reino Unido, o St. Ann’s Books, 26 Priory Rd., Great Malvern, Worcs., WR14 3DR, R.U.] Labisky, R.F. (1957), “Relation of hay harvesting to duck nesting under a refuge-permittee system”, Journal of Wildlife Management, 21: 194-200. Lack, David. (1954), The natural regulation of animal numbers, Londres, Oxford University Press.

90

Lack, David (1966), Population studies of birds, Oxford, Clarendon Press. Lincoln, F.C. (1947), Manual for bird banders, edición revisada, Washington, DC, U.S. Fish and Wildlife Service. Lincoln, F.C. y Baldwin, S.P. (1929), Manual for bird banders, miscel. publ., No. 58. Washington, DC, U.S. Department of Agriculture. Lockley, R.M. y Russell, R. (1953), Bird-ringing: the art of bird study by individual marking, Londres, Crosby Lockwood & Son Ltd. Low, S.H. (1957), “Banding with mist nets”, Bird Banding, 28: 115-128. Lyon, Bruce E. y Montgomerie, Robert D. (1987), “Ecological correlates of incubation feeding: a comparative study of high arctic finches”, Ecology, 68(3): 713-722. MacArthur, Robert H. y MacArthur, John W. (1961), “On bird species diversity”, Ecology, 42:594-598. Major, Richard E. (1989), “The effect of human observers on the intensity of nest predation”, Ibis, 132(4): 608-612. Manuwal, David A. y Huff, Mark. (1987), “Spring and winter bird populations in a Douglas-fir forest sere”, Journal of Wildlife Management, 51(3): 586-595. Martin, Thomas E. (1992), “Breeding productivity considerations: what are the appropriate habitat features for management?” en Hagan, J.M. y Johnston, D.W. (ed.), Ecology and conservation of neotropical migrant birds, Washington, D.C., Smithsonian Institute Press, 455-473. Martin, Thomas E. y Geupel, Geoffrey R. (1993), “Nest-monitoring plots: methods for locating nests and monitoring success”, Journal of Field Ornithology, 64:507-519. Martin, Thomas E. y Li, P. (1992), “Life history traits of cavity-versus open-nesting birds”, Ecology, 73(2): 579-592. Martin, Thomas E. y Roper, J.J. (1988), “Nest predation and nest site selection of a western population of the hermit thrush”, Condor, 90: 51-57. Mayfield, Harold F. (1961), “Nesting success calculated from exposure”, Wilson Bulletin, 73: 255-261. Mayfield, Harold F. (1975), “Suggestions for calculating nesting success”, Wilson Bulletin, 87: 456-466. McClure, H.E. (1984), Bird banding, Pacific Grove, CA, The Boxwood Press, 183 Ocean View Blvd. [Disponible por medio del editor] McDonald, M.V. y Greenberg, R. (1991), “Nest departure calls in female songbirds”, Condor, 93: 365-373.

91

Mueller-Dombois, D. y Ellenberg, H. (1974), Aims and methods of vegetation ecology, New York, NY, John Wiley and Sons, Inc., 547 pp. Noon, Barry R. (1981), “Techniques for sampling avian habitats” en The use of multivariate statistics in studies of wildlife habitat, Capen, David E. (editor), Gen. Tech. Rep. RM-87, U.S. Department of Agriculture, Forest Service, 42-52. Peach, Will J. (1992), Combining mark-recapture data sets for small passerines, Proceedings of the Euring 1992 Technical Conference. Peach, Will J. y Baillie, Stephen (1991), “Population changes on constant effort sites 1989-1990”, BTO (British Trust for Ornithology) News, 173: 12-14. Peach, Will J.; Baillie, Stephen y Underhill, Les. (1991), “Survival of British sedge warblers Acrocephalus schoenobaenus in relation to west African rainfall”, Ibis, 133:300-305. Peach, Will J.; Buckland, S.T. y Baillie, Stephen R. (1990), “Estimating survival rates using mark-recapture data from multiple ringing sites”, The Ring, 13: 87-102. Picozzi, N. (1975), “Crow predation on marked nests”, Journal of Wildlife Mangement, 39: 151-155. Pyle, Peter; Howell, S.N.G.; Yunick, R.P. y DeSante, David F. (1987), Identification guide to North American passerines, Bolinas, CA, Slate Creek Press, P.O. Box 219, 94924, E.U.A. [Se pueden conseguir copias por medio de la editorial]. Ralph, C. John (1967), Taking data at a banding station, Western Bird-Banding Association Workshop Manual, Bolinas, CA, Point Reyes Bird Observatory, Bolinas, California. Ralph, C. John (1976), “Standardization of mist net captures for quantification of avian migration”, Bird-Banding, 47: 44-47. Ralph, C. John (1978), “Disorientation and possible fate of young passerine coastal migrants”, Bird-Banding, 49: 237-247. Ralph, C. John (1981a), “Age ratios and their possible use in determining autumn routes of passerine migrants”, Wilson Bulletin, 93: 164-188. Ralph, C. John (1981b), “Terminology used in estimating numbers of Birds” en Ralph, C. John y Scott, J. Michael (ed.), Estimating numbers of terrestrial birds. Studies in avian biology, No. 6: 577-578. Ralph, C. John (1988), A brief guide to banding birds. Western Bird-Banding Association Workshop manual, Arcata, CA: Humboldt Bay Bird Observatory. Ralph, C. John (1992), “In memoriam: L. Richard Mewaldt, 1917-1990”, Auk, 109(3), 646-647.

92

Ralph, C. John; Droege, Sam y Sauer, John R. (1995), “Managing and monitoring birds using point counts: standards and applications” en Ralph, C. John; Sauer, John R. y Droege, Sam (ed.), Monitoring landbirds with point counts, Gen. Tech. Rep. PSW.GTR-149 Albany, CA, Pacific Southwest Research Station, Forest Service, U.S. Department of Agriculture. Ralph, C. John y Scott, J. Michael, ed. (1981), “Estimating numbers of terrestrial birds”, Studies in avian biology, No. 6. 630 pp. Ricklefs, R.E. (1969a), “An analysis of nesting mortality in birds”, Smithsonian Contributions Zoology, 9: 1-48. Ricklefs, R.E. (1969b), “The nesting cycle of songbirds in tropical and temperate regions”, Living Bird, 8: 165-175. Ricklefs, R.E. y Bloom, G. (1977), “Components of avian breeding productivity”, Auk, 94: 86-96. Robbins, Chandler S.; Bridge, D. y Feller, R. (1959), “Relative abundance of adult male redstarts at an inland and a coastal locality during fall migration”, Maryland Birdlife, 15: 23-25. Robbins, Chandler S.; Bystrak, Danny y Geissler, Paul H. (1986), The breeding bird survey: its first fifteen years, 1965-1979, resource publication 157, Washington, DC, U.S. Department of Interior, Fish and Wildlife Service. Robbins, Chandler S.; Sauer, John R.; Greenberg, R.S. y Droege, Sam (1989), “Population declines in North American birds that migrate to the neotropics”, Proceedings of the National Academy of Sciences (USA), 86: 7658-7662. Shreve, A. (1965), “Preventing net casualties”, Eastern Bird Banding Association Workshop manual, Vol. 4: 1-22. Silver, R.; Andrews, H. y Ball, G.F. (1985), “Parental care in an ecological perspective: a quantitative analysis of avian subfamilies”, American Zool., 25: 823-840. Slack, R.D. (1976), “Nest guarding behavior by male gray catbirds”, Auk, 93: 292-300. Temple, Stan A. y Wiens, J.A. (1989), “Bird populations and environmental changes: can birds be bio-indicators?”, American Birds, 43: 260-270. Van Horne, B. (1983), “Density as a misleading indicator of habitat quality”, Journal of Wildlife Management, 47(4): 893-901. Verner, Jared y Milne, Kathleen A. (1989), “Coping with sources of variability when monitoring population trends”, Ann. Zool., 26: 191-200.

93

Verner, Jared; Morrison, Michael L. y Ralph, C. John, ed. (1986), Wildlife 2000: modeling habitat relationships of terrestrial vertebrates, Madison, WI, University of Wisconsin Press, 470 pp. Westmoreland, D. y Best, L.B. (1985), “The effect of disturbance on mourning dove nesting success”, Auk, 102: 774-780. Willis, E.O. (1973), “Survival rates for visited and unvisited nests of bicolored antbirds”, Auk, 90: 263-267. Zerba, E. y Morton, M.L. (1983), “The rhythm of incubation from egg-laying to hatching in mountain white-crowned sparrows”, Ornis Scandinavica, 14: 188-197. Algoritmo GARP Stockwell, D. R. B. (1999), “Genetic algorithms II” en A. H. Fielding (ed.), Machine learning methods for ecological applications, Kluwer Academic Publishers, Boston, pp. 123-144. Stockwell, D. R. B. y Peters, D. P. (1999), “The GARP modelling system: problems and solutions to automated spatial prediction”, International Journal of Geographic Information Systems, 13:143-158. Stockwell, D. R. B. y Noble, I. R. (1992), “Induction of sets of rules from animal distribution data: a robust and informative method of analysis”, Mathematics and Computers in Simulation, 33:385-390.

Aplicaciones de GARP Anderson, R. P.; Laverde, M. y Peterson, A. T. (2002), “Geographical distributions of spiny pocket mice in South America: insights from predictive models”, Global Ecology and Biogeography, 11:131-141. (*) Anderson, R. P.; Laverde, M. y Peterson, A. T. (2002), “Using niche-based GIS modeling to test geographic predictions of competitive exclusion and competitive release in South American pocket mice”, Oikos, 93:3-16. (*) Anderson, R. P.; Lew, D. y Peterson, A. T., en imprenta, “Evaluating predictive models of species’ distributions: criteria for selecting optimal models”, Ecological Modelling, v. 162, p. 211 232. (*) Chen, G. Y Peterson, A. T. (2000), “A new technique for predicting distributions of terrestrial vertebrates using inferential modeling”, Zoological Research, 21:231-237. Chen, G. y Peterson, A. T., en imprenta, “Prioritization of areas in China for biodiversity conservation based on the distribution of endangered bird species”, Bird Conservation International.

94

Feria, T. P. y A. T. Peterson (2002), “Using point occurrence data and inferential algorithms to predict local communities of birds”, Diversity and Distributions, 8:49-56. Godown, M. E. y A. T. Peterson (2000), “Preliminary distributional analysis of U.S. endangered bird species”, Biodiversity and Conservation, 9:1313-1322. Papes, M. y Peterson, A. T., en imprenta, “Predictions of the geographic course of the invasion of Ageratina adenophora in China”, Journal of Wuhan Botanical Research. (*) Peterson, A. T. (2001), “Predicting species’ geographic distributions based on ecological niche modeling”, Condor, 103:599-605. Peterson, A. T.; Ball, L. G. y Cohoon, K. C., (2002), “Predicting distributions of tropical birds”, Ibis, 144:e27-e32. Peterson, A. T. y Cohoon, K. C., (1999), “Sensitivity of distributional prediction algorithms to geographic data completeness”, Ecological Modelling, 117:159-164. Peterson, A. T.; Ortega-Huerta, M. A.; Bartley, J.; Sanchez-Cordero, V.; Soberon, J.R.; Buddemeier, H. y Stockwell, D. R. B. (2002), “Future projections for Mexican faunas under global climate change scenarios”, Nature, 416:626-629. Peterson, A. T.; Sanchez-Cordero, V.; Beard, C. B. y Ramsey, J. M. (2002), "Ecologic niche modeling and potential reservoirs for Chagas disease, Mexico”, Emerging Infectious Diseases, 8:662-667. (*) Peterson, A. T.; Sanchez-Cordero, V.; Soberon, J.; Bartley, J.; Buddemeier, R. H. y Navarro-Siguenza, A. G. (2001), “Effects of global climate change on geographic distributions of mexican cracidae”, Ecological Modelling, 144:21-30. Peterson, A. T.; Soberon, J. y Sanchez-Cordero, V. (1999), “Conservatism of ecological niches in evolutionary time”, Science, 285:1265-1267. Peterson, A. T.; Stockwell, D. R. B. y Kluza, D. A. (2002), “Distributional prediction based on ecological niche modeling of primary occurrence data” en J. M. Scott, P. J. Heglund y M. L. Morrison (ed.), Predicting species occurrences: issues of scale and accuracy, Island Press, Washington, D.C., 617-623 (*) Peterson, A. T. y Vieglais, D. A. (2001), “Predicting species invasions using ecological niche modeling”, BioScience, 51:363-371. Stockwell, D. R. B. y Peterson, A. T. (2002a), “Controlling bias in biodiversity data”, en J. M. Scott, P. J. Heglund y M. L. Morrison (ed.), Predicting species occurrences: issues of scale and accuracy, Island Press, Washington, D.C., 537-546. Stockwell, D. R. B. y Peterson, A. T. (2002b), “Effects of sample size on accuracy of species distribution models”, Ecological Modelling, 148:1-13. (*) Artículos que emplean el DesktopGarp.

95

Bibliografía para la fragmentación de ecosistemas

AFE-COHDEFOR, 2006. Evaluación Nacional Forestal de Honduras 2005-2006. Proyecto Apoyo al Inventario y Evaluación de Bosques y Arboles TC-HON-3001 (A). Resultatdos del Inventrio de Bosques y Arboles 2005-2006. Honduras. Octubre 2006. 127 p.

Burkey, T. V. (1993), “Edge effects in seed and egg predation at two neotropical

rainforest sites”, Biological Conservation, no. 66, pp. 139-143. Cherrington, E. A., E. Ek, P. Cho, B. F. Howell, B. E. Hernandez, E. R. Anderson, A. I.

Flores, B. C. Garcia, E. Sempris And D. E. Irwin., 2010. Forest And Deforestation In Belize: 1980-2010. 41 P. Unpublished Report.

Didham, R. K. (1997), “The influence of edge effects and forest fragmentation on leaf

litter invertebrates in central Amazonia” en Laurance, W. F. y R. O. Bierregaard Jr. (ed.), Tropical forest remnants-ecology, management and conservation of fragmented communities, The University of Chicago Press, pp. 55-70.

Eggen-McIntosh, S. K. B. Lannon and D. M. Jacobs, 1994. mapping distributions of

central America and Mexico. USDA-USFS. Southern Experiment Station. New Orleans LA. USA. Proceeding reprint.

FAO, 2005. Forest Resources Assessment. FAO. Rome, Italy. Forest Watch, 2010: http://www.globalforestwatch.org/ Green, E.P., Mumby, P.J., Edwards, A.J. & Clark, C.D. (Ed. A.J. Edwards).

(2000):Remote Sensing Handbook For Tropical Coastal Management, Coastal Management Sourcebooks 3, United Nations Educational, Scientific and Cultural Organization, Paris, France, Pp. X + 316.

MacArthur, R. H. y E. O. Wilson (1967), The theory of island biogeography, Princeton

University Press, Princeton. Mclntyre. N. E. (1995), “Effects of forest patch size on avian diversity”, Landscape

Ecology, vol. 10, no. 2, pp. 85-99. Lauga J., J. J. (1992), “Modeling the effects of forest fragmentation on certain species

of forest breeding birds”, Landscape Ecology, no. 6, pp. 183-193. McGarigal, K.; S. A. Cushman; M. C. Neel y E. Ene (2002), Fragstats: spatial pattern

analysis program for categorical maps. Computer software program produced by the authors at the University of Massachusetts, Amherst, disponible en el web site www.umass.edu/landeco/research/fragstats/fragstats.html.

Mas, Jean-Francois y Jorge Correa Sandoval (2000), “Análisis de la fragmentación del

paisaje en el área protegida ‘Los Petenes’”, Boletín del Instituto de Geografía, Campeche, México, Investigaciones Geográficas UNAM, 43, pp. 42-59.

96

Ordónez, T. M. M. and P. House. 2002. Mapa de Ecosistemas Vegetales de Honduras: Manual de Consulta. Proyecto P.A.A.R., Tegucigalpa, Honduras.

UNESCO, 1973. International Classification and Mapping of Vegetation. United Nations Educational, and Scientific

8. GLOSARIO ArcGIS: programa computacional para manipular, analizar y desarrollar mapas u otra información geo-espacial. Área buffer: radio de tres kilómetros de cada una de las estaciones de trampas cámara, estimadas usando sistemas de información geográfica. Área de detección: distancia de alcance de una cámara al tomar una fotografía de día y por las noches cuando usa el flash. Área máxima continua: cobertura de todas las estaciones de cámaras colocadas en el sitio de estudio. Puede ser entre 100 km² y 180 km². Área mínima de muestreo: cobertura mínima de las estaciones, pudiendo ser desde 28 km². Biodiversidad íctica: riqueza de especies de peces. Captura-recaptura: método ecológico para determinar poblaciones cerradas (número de individuos por área). Se usó con peces por primera vez. Capturas falsas: son todas aquellas fotografías que no registran individuos o especies de interés para el estudio. Comunidad íctica: los miembros de todas las especies de peces en función de tiempo y espacio. Clasificación No-supervisada: clasificación de una imagen de satélite en clases de uso del suelo, donde el software asigna el nombre a las clases de acuerdo a información espectral, y no se requiere información adquirida en el terreno. Clasificación Supervisada: clasificación de una imagen de satélite en clases de uso del suelo, donde el analista asigna el nombre a las clases de acuerdo a información adquirida en el terreno. Continuo ribereño: hipótesis basada en la idea de que el cauce del río es un ecosistema abierto que está en constante interacción con sus bancos y en constante movimiento desde su naciente en la cuenca alta hasta la boca en la cuenca baja. Los cambios a lo largo del río son constantes y las bases de estos cambios están relacionadas con el cambio gradual en las condiciones físicas como ancho del río, profundidad, descarga, temperatura, etc. Estos cambios graduales en las condiciones físicas están altamente

97

correlacionados con cambios en la estructura de los ensambles bióticos (ver Vannote et al. 1980 por una explicación completa). Coordenadas predeterminadas: sitios donde se han tomado coordenadas geográficas como lugares potenciales de estaciones para el estudio con trampas cámara. Datos poblacionales: el número de individuos de una especie en un área determinada, sean relativos o absolutos en espacio y tiempo de esfuerzo de muestreo. Diseño básico de estudio: diseño mínimo requerido para establecer la abundancia de especies crípticas, 20 estaciones y 60 días de muestreo 80-100 km² de área a cubrir. Ecosistema meta: ecosistema, previamente seleccionado, donde se efectúan mediciones de paisaje. Efectividad en muestreos: eficacia o eficiencia en la captura (registro) de fotografías en el estudio. Electropesca: técnica de pesca en la cual se aplican impulsos eléctricos en la columna de agua para desmayar los peces. Cuando los peces están desmayados se utilizan redes de mano para capturarlos. Entorno abiótico: caracteres del entorno natural que son vivos. En el caso del río, para enumerar algunos: ancho del río, caudal, temperatura, erosión, etc. Entorno biótico: se refiere a los recursos vivos u orgánicos como plantas y animales. ERDAS: programa computacional para importar, preparar, analizar imágenes de satélite, con el objetivo de producir mapas de cobertura y suso del suelo. Estación de muestreo: sitio donde se han colocado dos cámaras una frente a la otra de manera que puedan capturar ambos lados de las especies crípticas. Estudio piloto: periodo de tiempo menor que el estudio del protocolo para conocer el funcionamiento de cámaras, senderos, esfuerzo de muestreo, tiempo de duración de baterías y otros necesarios que nos den la experiencia para desarrollar de manera exitosa la investigación a largo plazo. Factores demográficos: variables que inciden en el crecimiento de una población dada, como muerte, natalidad, inmigración y emigración. Fenología de la vegetación: ciencia que estudia la relación entre los factores climáticos y los ciclos de los seres vivos. La fitofenología es la parte de la fenología que estudia cómo afectan las variables meteorológicas a las manifestaciones periódicas o estacionales de las plantas (floración, aparición –cuajado- de frutos y su maduración). FRAGSTAT: programa computacional utilizado para efectuar medidas de paisaje. Hot spot de biodiversidad: región con alta concentración de especies que ha mantenido al menos un 70% de su vegetación original (Myers).

98

Lagunas geográficas: espacios territoriales no monitoreados, dejando vacíos de información en algún sitio determinado de muestreo o investigación. MODIS: imagen satelital de especto de moderada resolución de 500 metros o 1 km. Usada para caracterización de paisajes a nivel de país, principalmente. Parches: unidad minima de mapeo en fragmentación de paisajes. Patrones de manchas: formas y ubicación de las manchas (rosetas) de los felinos especialmente usadas para su identificación. Población abierta: estructura poblacional de una especie que cuenta con eventos de muertes, nacimientos, inmigración y emigración por un determinado tiempo. Población cerrada: estructura poblacional de una especie que no cuenta con eventos de muertes, nacimientos, inmigración y emigración por un determinado tiempo. Probabilidad de captura: posibilidad estadística de que las cámaras capturen una especie en un tiempo determinado. Protocolo de muestreo: guías y directrices estandarizadas para completar los muestreos de campo propuestos. Sensores activos: parte electrónica de las trampas cámara sensibles al movimiento o al calor de los cuerpos de las especies o animales. Sistemas fluviales: se refiere a ríos y sus tributarios. Submuestreo: estudio parcial en tiempo y espacio, cuando no se cuenta con el total de las estaciones de cámaras. Se hacen en dos períodos conocidos como tiempo 1 y tiempo 2. Tabla de Atributos: datos tabulados asociados a un mapa o una referencia cartográfica. Zona de detección: área donde estadísticamente puede haber posibilidades de captura de especies (pueden ser radios de tres kilómetros o más).

99

9. APÉNDICES

Apéndice 1: Apéndices del Protocolo del continuo ribereño Hoja de recolección de datos con todos sus campos. En el campo, el investigador se debe asegurar de que se tienen suficientes hojas para los puntos que muestreará en un día de trabajo. La hoja de materiales debe ser revisada antes de salir al campo para asegurarse de que no falta equipo ni materiales para completar el trabajo. Por ejemplo, el GPS y las cámaras trabajan con baterías y por ello siempre es necesario acarrear baterías extras para recargar cuando se gasten las que están en uso. Esta regla se aplica a todo tipo de material que pueda perecer en el campo. Hoja de recolección de datos # de campo Fecha Nombre (1) Nombre (2) Comenzó Terminó Nombre (3) Nombre (4) Vertiente Cuenca Río Tributario 1 Tributario 2 Orden del tributario Latitud Longitud País Departamento Municipio Ciudad o pueblos cercanos

Localidad

Distancia en kilómetros del punto de muestreo a la boca del río

A.s.n.m.(m) en el punto A.s.n.m.(m) 500 m río arriba

A.s.n.m.(m) 500 m río abajo Anchura promedio del río (_______+_______+_______+_______+_______)/5 =

>0 a 2m = 50m

>2 a 5m = 75m

>5m a 10m = 100

>10 a 20m = 200

>20 a 30m = 300m >30m = 400m

100

Transecto

Parámetro I II III IV V Velocidad de la corriente Pequeños rápidos Remansos Cascadas Ancho del río Dosel (%) Salinidad Temperatura pH DO (mg/l) Conductividad Secchi/turbidez Hábitat (%)

Vegetación en el agua

Erosión (derecho %) Erosión (izquierdo %) Pequeñas partes de árboles Partes de árboles grandes

Medidas en cada punto de los transectos Sustratos

Punto Profundidad (cm)

Velocidad (m/s)

Detritus (0 o 1)

Arcilla (%)

Lodo (limo) (%)

Arena (%)

Grava (%)

Cantos rodados (%)

Bloques (%)

1 2 3 4 5 6 7 8 9 10

# de pases trasmallo # de pases electropesca

101

11 12 13 14 15

Arcilla = 0.002 mm; lodo (limo) = 0.002 – 0.06 mm; arena = 0.06 – 2 mm; cantos rodados = 6 -25 cm; bloques = > 25 cm Peces____ Etiqueta en el frasco__________ Muestra fijada en formalina al 10%______ Insectos____ Etiqueta en el frasco_________ Muestra fijada en formalina al 10%______ Camarones___ Etiqueta en el frasco _______Muestra fijada en formalina al 10%_____ Muestras serán depositadas en el siguiente museo (s) _____________________________________ Notas

102

Conteo de especies en el campo Conteo de especies en el laboratorio Fecha: Fecha: Persona que identificó: Persona que identificó: Especies identificadas Especies identificadas 1. 1. 2. 2. 3. 3. 4. 4. 5. 5. 6. 6. 7. 7. 8. 8. 9. 9. 10. 10. 11. 11. 12. 12. 13. 13. 14. 14. 15. 15. 16. 16. 17. 17. 18. 18. 19. 19. 20. 20. 21. 21. 22. 22. 23. 23. 24. 24. 25. 25. 26. 26. 27. 27. 28. 28.

103

Conteo de especies en el campo Conteo de especies en el laboratorio

Fecha

Identificado por Fecha Identificado por

Nombre de la especie Tejido

Nombre de la especie

Tejido

Etiqueta Etiqueta Etiqueta

104

Apéndice 2: Hoja de información de datos recolectados de especies Localidad Especie

1 Especie 2

Especie 3

Especie 4

Especie 5

Especie 6

Especie 7

Localidad 1

Localidad 2

Localidad 3

Localidad 4

Localidad 5

Localidad 6

Localidad 7

Apéndice 3: Hoja de información de datos recolectados de parámetros ambientales Localidad Profundidad Velocidad pH DO Conductividad Arcilla Lodo Localidad 1

Localidad 2

Localidad 3

Localidad 4

Localidad 5

Localidad 6

Localidad 7

105

Apéndice 4: Lista de materiales y equipo necesarios para implementar el protocolo En el campo Hoja de recolección de campo impresa en papel para lluvia (asegurarse de que habrá suficientes hojas para todos los puntos). Cartapacios impermeables para mantener las hojas de recolección de datos. Tijeras. Suficiente formalina para el día de muestreo. Suficiente etanol para el día de muestreo. Frascos (nalgene) para almacenar las muestras en el campo de peces. Se deben tener diferentes botellas para los peces, insectos y crustáceos. Etiquetas para cada muestra en cada botella (peces, insectos y crustáceos). Viales para almacenar tejido si se recolecta tejido para estudios futuros de genética. Lápices de carbón y sacapuntas. Cámara fotográfica digital. GPS. Altímetro. Medidor digital de distancia (range finders). Estacas con banderas (para marcar los transectos). Trasmallos sin bolsa y trasmallos con bolsa. Electropesca. Baterías para el electropesca. Cargador para las baterías del electropesca. Bastón con ánodo y cátodo para el electropesca. Correntómetro. Medidor de calidad de agua multiparámetros (salinidad, pH, temperatura, oxígeno disuelto, conductividad). Disco de secchi. Regla de madera o metálica para medir profundidad. En el laboratorio Agua potable para lavar las muestras. Las muestras deben estar en formalina al 10% por lo menos 72 horas. Luego pueden ser enjuagadas en agua del grifo y ser transferidas a etanol al 75%. Los materiales requeridos en el laboratorio son: Etanol puro para diluirlo al 75% para la preservación de las muestras. Frascos de diferentes tamaños para almacenar las muestras. Bandejas metálicas o plásticas. Estereoscopio y microscopio. Pinzas de diferentes tamaños. Papel resistente a la lluvia para hacer las etiquetas. Lápices de carbón. Guías de identificación de taxa (peces, insectos y crustáceos). Acceso a agua potable. Para enviar y depositar las muestras en la colección de un museo: Las muestras deberán ir apropiadamente identificadas y contadas. Envueltas en gasa y simplemente rociadas en etanol al 75%. Antes de enviar las muestras a cualquier museo,

106

por favor contactar a los curadores de las colecciones, por si ellos requieren atención especial en algunos detalles para el envío.

Apéndice 5: Hoja metodológica del Protocolo del continuo de los ríos 1.2. Nivel biológico: especies 2. Nombre del indicador: especies indicadoras. 3. Definición del indicador: estructura de las comunidades ícticas. Aplicable a los cambios en la estructura de las comunidades ícticas y su relación con cambios ambientales a lo largo del continuo del río. 4. Justificación e importancia del indicador: la estructura de las comunidades a lo largo del continuo de un río puede ser un indicador directo del estado de conservación de la cuenca, al tiempo que permite sacar conclusiones respecto al estado de las poblaciones de la comunidad. Dichas poblaciones pueden ser de especies nativas, exóticas, en peligro e indicadoras. 5. Unidad de medida del indicador: Diversidad, abundancia y frecuencia. Componentes ambientales. 6. Fórmula del indicador: no tiene. 7. Descripción metodológica: 7.1. Proceso de cálculo general del indicador: implementación de protocolos definidos para el estudio de las comunidades ribereñas a lo largo del continuo. La intensidad y frecuencia con que se hagan los muestreos permitirá conocer la estructura de las comunidades, identificar cambios y la fuente del mismo y el estado de conservación, así como comparar las poblaciones dentro de la comunidad, las estructuras de las comunidades en el tiempo, entre ríos y entre cuencas. La recolección de especies es generalizada y no selectiva, con el fin de producir información de los ensambles, lo que permite la captura de especies indicadoras, en peligro de extinción y exóticas. Los datos recolectados podrán ser analizados según las prioridades de cada país. 7.2. Definición de cada variable de la fórmula: no procede. 8. Limitaciones del indicador: financiamiento. La mayoría de los países carecen de línea de base de información de la fauna íctica. 9. Cobertura: regional. 10. Fuentes de datos: Colecciones de museos. Publicaciones científicas. Informes técnicos. 11. Disponibilidad de los datos: en general, en los países de Centroamérica se ha generado información científica sobre los peces de agua dulce. La información se encuentra dispersa y debe ser organizada para producir una línea base por país y una base de datos regional. 12. Forma de presentación de los datos: tablas de Excel o base de datos, gráficos y mapas. 13. Periodicidad del indicador: anual.

107

14. Entidades responsables del indicador: el gobierno de cada país.

15. Documentación relacionada con el indicador: línea base y protocolos.

16. Bases de datos simplificadas y salida del indicador: tablas de frecuencias y gráficos. 17. Observaciones: 18. Tipo según EPIR: Estado. 19. Elaborado por: Juan Carlos Carrasco y Wilfredo Matamoros.

Apéndices 6: Protocolo de trampas cámara 1 1. Nivel biológico: especies. 2. Nombre del indicador: especies en peligro de extinción, presencia de especies indicadoras y presencia de especies invasoras. 3. Definición del indicador: se refiere a la cantidad de especies en peligro de extinción, presencia de especies indicadoras usadas por los países como especies bandera u objetos de conservación. Asimismo, las especies exóticas o domésticas consideradas invasoras en áreas protegidas en la región centroamericana, según el Libro rojo y listas nacionales de la flora y la fauna de Centroamérica y México (UICN). Las tendencias de aumento o disminución del número de especies a lo largo del tiempo nos pueden dar a conocer las tendencias de distribución y abundancias de cada especie como una alarma dentro de cada país. 4. Justificación e importancia del indicador: el número de especies en peligro de extinción es revisado periódicamente por la UICN, de tal manera que posee un respaldo institucional. La información que este indicador integra se relaciona con el flujo de genes entre poblaciones y “calidad” de los ecosistemas, por lo que se hace un análisis amplio por grupo taxonómico (es decir, reptiles, aves, mamíferos, plantas, hongos, etc.) y por grupo funcional (es decir, depredadores, omnívoros, etc.). La lista roja constituye un instrumento crucial para evaluar el uso sostenible de la biodiversidad en la región. Debido a la reducción drástica que está experimentando nuestra biodiversidad, esta lista ya no está sólo en manos de la comunidad científica, sino que comprende los aportes de las comunidades locales y de los tomadores de decisiones a diferentes niveles. 5. Unidad de medida del indicador: número de especies (abundancias relativas por esfuerzo de muestreo, noches cámara). 6. Fórmula del indicador: número de individuos/esfuerzo de muestreo, noches cámara. Se analizan las especies indicadoras seleccionadas por países, que se distribuyen en las áreas protegidas de la región. Con el fin de que la información del indicador tenga alguna relevancia es importante cumplir los siguientes requisitos: mismo sitio de muestreo,

108

misma metodología de captura/visualización de especies, mismo esfuerzo de captura/visualización, misma comunidad o grupo taxonómico, misma época del año, conocer la identificación de las especies para que cada año sea igual el proceso de identificación y su historia natural de tal manera que se pueda definir su valor de distribución. La información que se levanta corresponde al número de individuos por especie en un tiempo y área dada. 7. Descripción metodológica: uso de trampas cámara para la capturas de individuos y estimar poblaciones de manera relativa y de manera absoluta. El esfuerzo de muestreo se mide según el número de noches que las cámaras están en campo. Se llama estaciones a la colocación de las cámaras en parejas en sitios donde la captura es por oportunidad. 7.1. Proceso de cálculo general del indicador: se parte de los estudios de trampas cámara hechos en los países de Centroamérica. 7.2. Definición de cada variable de la fórmula: S = número de especies por esfuerzo (noches cámara). 8. Limitaciones del indicador: solamente se podrán monitorear mamíferos medianos y grandes. 9. Cobertura: regional. 10. Fuente de datos: estudios con trampas cámara por país en la región centroamericana.11. Disponibilidad de los datos: años 2000-2010. 12. Forma de presentación de los datos: tablas de Excel y gráficos, curvas de acumulación. 13. Periodicidad del indicador: bienal 14. Entidades responsables del indicador (CTBio proponga): UICN/ departamentos de vida silvestre por país. 15. Documentación relacionada con el indicador: CCAD (1999), Libro rojo de la fauna de Centroamérica y México. Listados de preocupación especial por país. 16. Bases de datos simplificadas y salida del indicador: listados, gráficos, tablas 17. Observaciones: se asume que la UICN está comprometida con el Libro rojo y que seguirá actualizando la información. 19. Elaborado por: Portillo/Carrasco/Matamoros/Rivera.

109

2 1. Nivel biológico: especies (aves). 2. Nombre del indicador: presencia de especies indicadoras. 3. Definición del indicador: aplicable para especies indicadoras del grado de conservación de ecosistemas en la región. Al desaparecer algunas de las especies indicadoras se interpreta que la biodiversidad en general está disminuyendo. 4. Justificación e importancia del indicador: es un indicador directo de presencia o ausencia de las especies seleccionadas por países que cumplan la condición de regionalidad. Existe información disponible sobre especies indicadoras en los países de la que habría que seleccionar las especies de ámbito regional. 5. Unidad de medida del indicador: abundancia relativa. 6. Fórmula del indicador: horas esfuerzo de monitoreo, número de individuos observados. 7. Descripción metodológica: para conocer el estado de conservación de las aves indicadoras es necesario establecer las poblaciones de las diferentes especies; las abundancias absolutas son las más recomendadas. Para esto se pueden utilizar lo que se conoce como censos de poblaciones, consistentes en crear puntos de conteo donde se establece un protocolo para tomar datos por sitio. En cada sitio se permanecerá dos horas y se harán conteos cada 15 minutos con intervalos de 15 minutos, lo que representa 4 conteos por cada 2 horas por las mañanas, iniciando a las 5.30 am y finalizando a las 8.30 am. Cada conteo se hará durante tres días en cada uno de los sitios seleccionados en 5 sitios. Esto representa 15 días de muestro. Se llenarán las hojas de los protocolos para luego ser vaciadas en tablas para su posterior análisis. Tipo de análisis La toma de los datos por sitio de conteo nos permitirá ser flexibles en el análisis de los mismos, siendo los siguientes los posibles paquetes estadísticos a usar con sus resultados: Paquete estadístico Resultado Dominio: público/pagado Distance 5 Abundancias relativas y

absolutas Público

SPSS Estadística descriptiva, T-test, Anovas

Pagado

R Análisis de estadística descriptiva, correlaciones chi cuadrado, T-test, análisis multivariados, análisis de componentes principales

Público

Sprecrich Abundancias relativas, riqueza

Público

Estimate Diversidad, riqueza, rarefacciones

ArcGIS, ArcVIEW, Diva-GIS.

Distribución, buffers de áreas hipotéticas de acción

Pagado, público 7.1. Proceso de cálculo general del indicador: se analizan las especies indicadoras seleccionadas por países, que se distribuyen en las áreas protegidas de la región. Con el fin que la información del indicador tenga alguna relevancia es importante cumplir los siguientes requisitos: mismo sitio de muestreo, misma metodología de captura/visualización de especies/vocalización, mismo esfuerzo de captura/visualización/vocalización,

110

misma comunidad o grupo taxonómico, misma época del año, conocer la identificación de las especies para que cada año sea igual el proceso de identificación y su historia natural de tal manera que se pueda definir su valor de distribución. La información que se levanta corresponde a número de individuos por especie en un tiempo y área dados. 7.2. Definición de cada variable de la fórmula: número de individuos/horas esfuerzo es el número de individuos observados por periodos de tiempo según cada protocolo. Los análisis básicos serán por abundancia relativa. Los análisis posteriores, usando paquetes estadísticos, dependerán de la habilidad y/o necesidad de información de los investigadores.8. Limitaciones del indicador: financiamiento para levantar base de datos. 9. Cobertura: regional. 10. Fuente de datos: grupos de ornitólogos por país, universidades, ONG con especialidad en aves. 11. Disponibilidad de los datos: base de datos por país, listados oficiales de aves. Base de datos de especies de interés especial. 12. Forma de presentación de los datos: tablas de Excel o base de datos, gráficos y mapas. 13. Periodicidad del indicador: bianual. 14. Entidades responsables del indicador (CTBio proponga): UICN. 15. Documentación relacionada con el indicador: Listados UICN. Listados de especies de preocupación especial por país. Listados de Birdlife. Listados de Partners in Flight. 16. Bases de datos simplificadas y salida del indicador: listados, gráficos, mapas. 17. Observaciones: 18. Tipo según EPIR: Estado. 19. Elaborado por: Portillo/Carrasco/Matamoros/Rivera.

3 1. Nivel biológico: especie. 2. Nombre del indicador: presencia de especies invasoras. 3. Definición del indicador: se trata de identificar las especies animales y vegetales introducidas en nuestro territorio, no presentes de forma natural en nuestros ecosistemas, que pueden suponer una amenaza contra la biodiversidad autóctona. La simple presencia de una especie no supone en sí misma un hecho negativo, pero sí una potencial amenaza. Hay que considerar que en ocasiones en el pasado ciertas especies fueron introducidas y

111

aclimatadas con éxito, por lo que puede resultar complicado evaluar el impacto real de la introducción de estas especies, que podrían llenar huecos en ciertos nichos de especies ya desaparecidas por la acción humana directa. 4. Justificación e importancia del indicador: la introducción de especies invasoras y la destrucción de hábitats son dos de las principales amenazas contra la biodiversidad. Las especies introducidas pueden competir con una especie autóctona por un mismo nicho ecológico, con el resultado final de desplazar a ésta por no disponer de enemigos naturales o presentar un comportamiento agresivo hacia la otra. Se trata de un fenómeno difícilmente recuperable una vez extendido y muchas veces es resultado de acciones involuntarias y de rápida extensión, especialmente en el mar. 5. Unidad de medida del indicador: abundancia de especies y su distribución por medio de modelación, usando variables ambientales y condiciones. Se recomienda emplear paquetes de modelación basados en georreferenciaciones y mapas grids. Entre ellos podemos recomendar el DesktopGarp, que es de dominio público y compatible con la mayoría de sistemas de información geográfica. 6. Fórmula del indicador: no aplica. 7. Descripción metodológica: DesktopGarp funciona en la plataforma Intel/Windows, incluyendo Windows 98, ME, NT4, 2000 y XP. No funciona en Windows 95 ni en la primera edición de 98. No funciona en Mac, Linux, Solaris o cualquier tipo de Unix. GARP es un algoritmo genético que crea un modelo de nicho ecológico para una especie con el cual se representan las condiciones ambientales donde dicha especie sería capaz de mantener su población. GARP utiliza como entrada un conjunto de localidades (puntos) donde se sabe que la especie está presente y un grupo de coberturas geográficas que representan los parámetros ambientales que pueden, potencialmente, limitar la capacidad de supervivencia de la especie. 7.1. Proceso de cálculo general del indicador: Insumos: base de datos de especies invasoras con localidades georreferenciadas. Paquete estadístico. Base de datos de mapas grids por país (temperatura, humedad, precipitación, cobertura). Correr paquete de modelación. Análisis de los mapas generados. 7.2. Definición de cada variable de la fórmula: 8. Limitaciones del indicador: Requiere al menos 10 datos georreferenciados. Manejo de paquetes estadísticos. Manejo de paquetes de sistemas de información geográfica. 9. Cobertura: regional. 10. Fuente de datos: UICN/SIAM, listados de especies introducidas por país. 11. Disponibilidad de los datos: búsqueda de información en herbarios, museos, secretarías de Estado y organizaciones ambientales. 12. Forma de presentación de los datos: mapas digitales formatos raster y grid. 13. Periodicidad del indicador: bianual. 14. Entidades responsables del indicador (CTBio proponga): SICAP, UICN, OIT, CDB. 15. Documentación relacionada con el indicador: listados de UICN. 16. Bases de datos simplificadas y salida del indicador: listado de especies e informes, así

112

como mapas de distribución. 17. Observaciones: las modelaciones deberán ser interpretadas por grupos de especialistas que puedan identificar tendencias de las modelaciones y sus especies de acuerdo con la biología y ecología de la misma. 18. Tipo de información: mapas grid, mapas en formato jpg. 19. Elaborado por: Rivera/Portillo/Carrasco/Matamoros

Apéndice7: Programa DesktopGarp

Generalidades DesktopGarp es un software para hacer investigación en biodiversidad y ecología que permite al usuario predecir y analizar la distribución de especies. Es la versión de “escritorio” del algoritmo GARP. El acrónimo viene del inglés genetic algorithm for rule-set production (algoritmo genético basado en reglas). GARP fue desarrollado originalmente por David Stockwell en el ERIN Unit of Environment Australia y mejorado en San Diego Supercomputer Center. Una versión interactiva del algoritmo, implementada por la vía web, se encuentra en la página web de Biodiversity Species Workshop. GARP es un algoritmo genético que crea un modelo de nicho ecológico para una especie que representa las condiciones ambientales donde dicha especie sería capaz de mantener su población. GARP utiliza como entrada un conjunto de localidades (puntos) donde se sabe que la especie está presente y un grupo de coberturas geográficas que representan los parámetros ambientales que pueden limitar la capacidad de supervivencia de la especie. GARP trata, de forma interactiva, de encontrar las correlaciones entre las presencias y ausencias de la especie con los parámetros ambientales, utilizando una serie de reglas diferentes. Cada tipo de regla implementa un método diferente para construir los modelos de predicción de la especie. Actualmente hay cuatro tipos de reglas implementadas: atómica, regresión logística, envoltura bioclimática y negación de la envoltura bioclimática. Para una descripción detallada del algoritmo GARP, vaya al documento escrito por David Stockwell, “GARP technical manual and user’s guide”.

Requerimientos del sistema La configuración mínima del sistema para ejecutar DesktopGarp es: Sistema operativo basado en Intel/Pentium. Windows 98 SE (second edition), ME, NT 4, 2000 (todas las versiones) y XP (todas las versiones). 64 MB de memoria RAM. 100 MB en el disco duro.

113

Adicionalmente, la configuración del sistema recomendada, basándonos en el tamaño medio de los experimentos, es: 256 MB o más de memoria RAM. Cuanto más, mejor: el tamaño óptimo de memoria RAM depende de cuán voluminosas sean sus bases de datos (número de píxeles), el número de coberturas que usted tiene y el número de “vueltas” del modelo necesarias para su experimento. La cantidad de memoria se puede estimar según (número de píxeles por cobertura) X (número de coberturas en la base de datos) X (10KB X número de vueltas del modelo). 40GB de disco duro, preferiblemente un disco rápido SCSI. El resultado del modelo puede ser bastante numeroso y voluminoso, dependiendo de los parámetros de su experimento. Microsoft Excel 97, 2000 o XP para procesar los datos de entrada y los resultados. ESRI ArcView con la extensión Spatial analyst para crear bases de datos adecuadas a sus necesidades y para analizar los mapas de distribución resultantes. Las máquinas con multiproceso no mejorarán la ejecución de un experimento único, ya que DesktopGarp es totalmente secuencial (no paralelo) en la actualidad. La ganancia sólo se apreciará si se están ejecutando dos o más experimentos al mismo tiempo (cada experimento utilizará un procesador).

Instalación Ejecute el archivo de instalación descargado desde la página web. Sitúe DesktopGarpSetup_1_1_6.exe utilizando Windows Explorer y haga doble click sobre él. Si se elige abrir el archivo directamente desde la página web, el proceso de instalación comenzará inmediatamente una vez que la descarga se haya completado. Cuando comience el proceso de instalación siga las instrucciones que aparezcan en la pantalla. Durante el proceso de instalación se le ofrecerá instalar un software adicional llamado Microsoft XML Parser. Lea y acepte el acuerdo de licencia si está de acuerdo con él y siga los pasos que aparezcan en pantalla. Tenga en cuenta que DesktopGarp no funcionará si usted no tiene este software de Microsoft instalado en su sistema. Una vez que tenga los dos softwares instalados está preparado para utilizar DesktopGarp.

Uso de DesktopGarp La interfaz de uso de DesktopGarp es relativamente sencilla. Contiene una sola ventana donde el usuario especifica todos los parámetros y datos que se usarán en el experimento. En la figura siguiente se muestra la interfaz.

114

Más adelante se detalla el funcionamiento de cada uno de los paneles de la interfaz de usuario.

Entrada de puntos de datos El panel Species data points maneja los datos de ocurrencia (puntos) de la especie. Un ejemplo de esta área se muestra en la siguiente figura.

Se puede insertar nueva información de ocurrencia de especies haciendo click en el botón Upload data points. Se abrirá una nueva ventana donde especificar la localización del archivo con los datos de ocurrencia. Por el momento, el programa soporta tres tipos de formatos: delimitado por comas (comma delimited), hoja de cálculo de Excel (MS Excel spreadsheets) y coberturas de ArcView (ArcView shapefiles).

115

Los archivos delimitados por comas y los archivos de Excel deben contener tres columnas: la primera para el nombre de la especie, la segunda para la longitud y la tercera para la latitud. La primera línea de los archivos es ignorada por el programa, por lo que puede utilizarse para poner los títulos o etiquetas. En esta versión, DesktopGarp sólo acepta archivos en este formato, por lo que debe asegurarse de que las columnas están ordenadas: nombre de la especie, longitud y latitud. Nótese que la longitud va antes que la latitud. Cada línea del archivo representa un único punto de datos para la especie. Los datos para la misma especie deben ir juntos. Diferentes nombres de especie definen diferentes especies en el software. A continuación mostramos un ejemplo de una hoja de cálculo de Excel y el correspondiente archivo delimitado por comas, que contienen información de dos especies. Estos archivos se pueden descargar de MS Excel sample y comma delimited sample.

Elegir una cobertura ESRI hace que aparezca una columna para el nombre de las especies. En este caso el atributo debe ser del tipo point (debe ser una cobertura de puntos). En el panel se mostrarán todas las especies cargadas en el programa y su número de puntos de ocurrencia (en paréntesis). Las casillas de la izquierda permiten al usuario,

116

marcando o desmarcando, controlar qué especies de la lista serán utilizadas en el experimento. En este panel, el usuario puede especificar también dos parámetros que definen cómo serán muestreados y utilizados los datos. La primera opción permite al usuario especificar qué porcentaje de puntos serán utilizados para entrenar el modelo (construcción del modelo). Los puntos restantes se usarán para testear el modelo. Si el 100% de puntos se utilizan para entrenar el modelo, no se realizará ningún test de significancia sobre los modelos. La segunda opción permite al usuario especificar el mínimo número de puntos a utilizar para entrenar el modelo. Para activarla, seleccione la casilla de la izquierda de esta opción. Cuando esté seleccionada, esta opción prevalece sobre el porcentaje de valores a utilizar y utiliza al menos el número de puntos especificado. Esta opción es útil para especies con pocos datos de ocurrencia porque fuerza al programa a emplear un número mínimo de datos en los análisis. El algoritmo no funciona bien, normalmente, con menos de 20 puntos de entrenamiento.

Parámetros de optimización En el panel de Optimization parameters, el usuario puede especificar algunos de los parámetros que controlan el comportamiento general del algoritmo genético. Una muestra de este panel se muestra a continuación.

El número de “vueltas” por experimento define cuántas veces se llevará a cabo cada tarea en el experimento. Por ejemplo, para dos especies y 10 vueltas por experimento, el algoritmo se ejecutará 20 veces: 10 veces para la primera especie y otras 10 para la segunda. El límite de convergencia (Convergente limit) establece la condición en la cual las iteraciones del algoritmo genético se detienen. Su comportamiento depende de lo fácil o complejo que sea el problema. Normalmente, valores entre 0.01 y 0.10 son adecuados. Si el parámetro se fija en 0, el algoritmo se detendrá sólo cuando se haya alcanzado el máximo número de iteraciones.

117

Max iterations define el valor de iteraciones máximas, otra condición para que el algoritmo genético se detenga. Este parámetro fuerza a la optimización a detenerse en la iteración especificada, aunque el límite de convergencia no se haya alcanzado aún. Un número mayor de iteraciones da lugar a resultados más estables. Los valores usuales están entre 100 y 1,000. Las casillas de Rule types (tipos de reglas) generan una tarea para cada combinación de las reglas seleccionadas. Para una discusión completa de cada tipo de regla vaya al documento escrito por David Stockwell: “GARP technical manual and user’s guide”. Todas las combinaciones de casillas generan una tarea para cada combinación de reglas seleccionadas. Por ejemplo, si Range, Logit y Atomic rules están seleccionadas, DesktopGarp creará una tarea donde sólo cada una de esas reglas se utilice, otra para las reglas range y logit, otra para range y atomic, otra para logit y atomic y otra para las tres reglas combinadas. Esto es útil para analizar el impacto sobre los resultados de cada regla en particular. Las etiquetas bajo las casillas muestran cuántas combinaciones se crearán y también cuántas veces se ejecutará el modelo (cuántas tareas: combinaciones = número de tareas).

Bases de datos de los rangos nativos

El panel de bases de datos de los rangos nativos o coberturas ambientales (Environmental layers) permite al usuario definir las coberturas ambientales que se utilizarán como datos de entrada para la predicción. El algoritmo tratará de

118

correlacionar los datos de ocurrencia con los valores de estas coberturas para llegar a una predicción final. La ventana de las bases de datos muestra la elección de coberturas a utilizar en el experimento. Las coberturas listadas en esta ventana son las que se cargan utilizando en el menú la opción Datasets->scan directory.... Una vez que se han elegido el directorio, DesktopGarp hará automáticamente una lista de todas las coberturas presentes y la mostrará en la ventana del panel. De este modo, el usuario puede controlar qué coberturas se utilizarán seleccionando o no la casilla que aparece a la izquierda del nombre de cada cobertura. Nota: hay un conjunto de coberturas de muestra que viene con DesktopGarp. Está situada en el directorio SampleDataset, incluido en el directorio de instalación (que por defecto es C:\Program Files\DesktopGarp\SampleDataset). Bajo la lista de coberturas hay tres botones que definen cómo se utilizarán las coberturas seleccionadas. El primero, All selected layers (todas las coberturas seleccionadas), fuerza a DesktopGarp a utilizar todas la coberturas en la optimización. All combinations of selected layers (todas las combinaciones de coberturas seleccionadas) forzará al experimento a ejecutar el modelo una vez por cada una de las combinaciones de coberturas posibles. La opción All combinations of selected size N (todas las combinaciones de coberturas seleccionadas de tamaño N) tiene un efecto similar, pero limitará el experimento a las combinaciones que contengan exactamente N coberturas. Las últimas dos alternativas, que utilizan combinaciones de cobertura, son útiles para determinar qué coberturas son importantes para las especies. Un método para analizarlo podría ser utilizar una regresión lineal múltiple para predecir los errores (de omisión y comisión), utilizando información de la tarea en que una cobertura en particular se haya usado como variable independiente. Nota: el uso de combinaciones de variables puede hacer que el número de tareas (vueltas) del experimento sea demasiado grande. Hay una etiqueta junto al botón del panel que muestra cuántas combinaciones de variables se llevarán a cabo. Los tests han mostrado que DesktopGarp funciona bien con hasta 10,000 tareas (vueltas del modelo) en el mismo experimento.

Parámetros de salida (resultados) El panel Output especifica el formato del mapa de predicción que se obtendrá como resultado y el directorio de salida para los mapas y otros documentos que se generan.

119

Los mapas de predicción se pueden generar en tres formatos: Bitmaps: mapas de bits de MS Windows bitmaps, con extensión .bmp; ASCII raster grids: formato de texto ASCII, con extensión .asc; ESRI arc/info grids: formato de ESRI para el almacenaje y manejo de grids espaciales. Se crea un directorio (carpeta) separado para cada grid. Nota: en algunos sistemas, la última casilla (Maps as ARC/INFO grids) no estará disponible (en tono gris) debido a la falta de una librería importante de ESRI, la Grid I/O library, en el sistema. Para hacer que esta opción esté disponible, siga las siguientes instrucciones: Instale ESRI ArcView GIS; Instale la extensión ESRI spatial analyst extension, eligiendo Custom setup e incluyendo GRID I/O en la instalación; Añada la librería GRID I/O a la ruta del sistema del siguiente modo: En los sistemas operativos Windows 2000 y XP, haga click derecho sobre el icono My Computer (Mi PC) del escritorio y seleccione en el menú Properties (propiedades). Haga click en Avanzadas y haga click en el botón Environmental variables.... En la lista de variables del sistema (abajo), seleccione la variable Path (o ruta), haciendo doble clic. Añada el directorio al directorio de ESRI ArcView bin32 que está ya definido para esa variable, separado por un punto y coma ";". Como instalación por defecto, usted debe añadir: C:\ESRI\AV_GIS30\ARCVIEW\BIN32 a lo que ya esté definido en la variable Path (o ruta). Asegúrese de que no borra lo que ya estaba escrito en la variable Path (o ruta), ya que puede hacer que algún otro software de su ordenador no funcione correctamente. Pida asistencia a su administrador de sistema o al servicio técnico si no está seguro de cómo hacer estas modificaciones sobre su sistema. En Windows 98/ME pida la asistencia del administrador del sistema. Ahora está hecho. La próxima vez que abra DesktopGarp, la opción de Arc/info grid deberá estar disponible. Otro archivo importante que se almacena en el directorio de salida es el result.xls, que contiene un resumen de todas las áreas, mensajes de error, parámetros del resultado, test estadístico, precisión y otra información. En la sección “Tabla de resultados” se encuentra una descripción y un método de análisis para de estos datos. Todos los archivos .bmp, .asc y otros resultados se guardan en el directorio especificado en la casilla Output directory. Ésta debe ser una carpeta válida (local o remota), accesible desde el ordenador que se está utilizando. Las grids de ESRI arc/info se almacenan en subdirectorios del Output directory y se nombran, de forma secuencial, grid00000, grid00100, grid00200, etc. El directorio grid00100 contiene el resultado de las áreas que van de la 100 a la 199. Esto es debido a una limitación de ESRI con las grids permitidas en un directorio.

120

Para más detalles sobre los archivos generados como resultado del experimento, vaya a la sección “Resultados”.

Proyecciones En el panel Projection datasets, el usuario especifica qué coberturas se utilizarán en la fase de proyección del experimento. La siguiente figura muestra un ejemplo de este panel:

Al finalizar cada tarea, DesktopGarp proyectará las reglas obtenidas durante la optimización sobre cada cobertura especificada en la lista de coberturas de proyección (Current datasets). DesktopGarp también proyectará las reglas sobre las coberturas de la distribución nativa, definidas en el panel (Native range dataset). En la ventana de Available datasets se muestra una lista de las coberturas disponibles. El botón Add añade las coberturas seleccionadas a la lista. Para eliminar una cobertura de la lista Current datasets selecciónela y después haga click sobre el botón Remove. Utilizar distintas coberturas en los experimentos es útil a la hora de investigar especies invasivas, cambios climáticos y cambios temporales.

Coberturas personalizadas con Dataset Manager Aunque DesktopGarp viene con coberturas ejemplo para mostrar su funcionamiento, puede que éstas no sean las apropiadas para todos los experimentos. En ese caso es necesario crear un conjunto con coberturas personalizadas que sea compatible con el formato de DesktopGarp. Hay una herramienta llamada Dataset manager que se instala junto con DesktopGarp y sirve para crear nuevas listas de coberturas. Está disponible en el menú Start->Programs->Desktop Garp->Dataset manager. La interfaz de Dataset manager es:

121

El panel Dataset info permite definir metadatos generales sobre el conjunto de coberturas. Por el momento, los campos más útiles son los de Identifier (identificador) y Title (título). Esos valores se mostrarán en DesktopGarp una vez que las coberturas hayan sido cargadas desde el disco duro. En la parte de abajo de éste hay alguna información sobre el conjunto de datos, como su extensión y el número y tamaño de los píxeles. El panel Environmental layer info permite al usuario introducir metadatos genéricos sobre cada cobertura individual del conjunto actual. La ventana Layer list muestra todas las coberturas disponibles en el conjunto seleccionado. En el ejemplo hay dos coberturas (EnvLayer1 y EnvLayer2) y una cobertura de máscara (mask). El botón de la derecha debajo de la lista permite cambiar el orden de las coberturas y eliminarlas o añadir nuevos datos manualmente. Para crear el conjunto de datos de DesktopGarp, esta herramienta necesita que las coberturas estén en formato ASCII raster grid y situadas en el mismo directorio. Todas las coberturas deben tener la misma extensión geográfica y el mismo tamaño de píxel (si todas las coberturas se superponen, los píxeles deben coincidir perfectamente). Nota: hay una extensión de ESRI ArcView que viene con el paquete de instalación de DesktopGarp diseñada para crear ASCII raster grids con ArcView. Esta extensión se encuentra en el directorio de instalación de DesktopGarp (por defecto, C:\Program Files\DesktopGarp), y se llama GarpDatasets.avx. Para instalar y usar esta extensión

122

hay que copiar el archivo GarpDatasets.avx en el directorio ESRI ArcView ext32 (en las instalaciones estándar, este directorio está en C:\ ESRI\ AV_GIS30\ ARCVIEW\ EXT32\). Haga click sobre la ventana del proyecto y vaya al menú File->Extensions. Marque la casilla que está junto a la extensión GarpDatasets y luego presione OK. Esto creará un nuevo submenú en el menú de View, llamado Garp. El único elemento del submenú es el que permite crear ASCII raster grids para Dataset manager desde las grids de ArcView. Una vez que las coberturas ambientales (.asc) estén preparadas para convertirlas en el formato Desktop manager, haga click en el menú Load layers->From ASCII raster grids y una aplicación llevará al usuario donde están guardados los archivos asc. Elija uno de los archivos asc para comenzar la conversión. A medida que se vayan procesando las coberturas, se mostrarán en la layer list. La aplicación puede tardar un poco, desde segundos a varios minutos, dependiendo del tamaño de cada cobertura. Simplemente espere hasta que finalice el proceso. Nota: para restringir (enmascarar) el área de estudio a una región en particular dentro de las coberturas, cree un ASCII raster grid llamado mask.asc, con valores NO_DATA en los píxeles que no deben ser incluidos en el experimento de GARP. Si usted tiene valores NO_DATA en sus coberturas ambientales puede copiar simplemente uno de los archivos .asc en el mismo directorio y renombrarlo como mask.asc. La herramienta de Dataset manager convertirá automáticamente esta cobertura y la usará para definir los límites geográficos del área de estudio durante el proceso de conversión. Una vez que ya estén convertidas todas las coberturas, el usuario debe ir a File->Save y elegir un nombre para el conjunto de coberturas. Este archivo se debe guardar en el mismo directorio que el resto de los archivos .asc. El conjunto de datos está listo para ser utilizado en DesktopGarp.

Resultados Durante la ejecución, DesktopGarp crea muchos archivos como resultado, así como directorios, dependiendo de los parámetros de salida. Todos esos objetos son el resultado de los experimentos. Los objetos más importantes son los mapas de predicción y la tabla de resultados.

Mapas de predicción Estos mapas se crean en tres formatos, dependiendo de las opciones seleccionadas en el panel de Output parameter. Los formatos son: bitmaps: mapas de bits de MS Windows bitmaps, con extensión ".bmp"; ASCII raster grids: formato de texto ASCII, con extensión ".asc"; ESRI arc/info grids: formato de ESRI para el almacenaje y manejo de grids espaciales. Se crea un directorio (carpeta) separado para cada grid.

123

Los mapas de predicción, independientemente del formato elegido, son representaciones gráficas de la distribución geográfica predicha para la especie en cada “vuelta” en concreto del modelo. Nota: normalmente, el usuario tiene que hacer algún postproceso y selección adicional sobre los mapas de resultado para obtener una respuesta más precisa y fiable. Aunque una sola “vuelta” del modelo puede dar lugar a un buen mapa de predicción, hay situaciones en que el algoritmo de GARP se detiene en un óptimo local que hace que el resultado no tenga la calidad suficiente. Para evitar este tipo de situaciones siga las recomendaciones descritas en el apartado “Métodos” descritas más adelante. El formato de mapa de bits está pensado para ser utilizado en sistemas que no tienen mucha capacidad para efectuar análisis posteriores ni herramientas de visualización. Este formato permite al usuario ver el resultado de cada vuelta del modelo con herramientas estándar de visualización de imágenes. La figura muestra una imagen en mapa de bits de una predicción en Brasil.

Los otros dos formatos, registrados por ESRI (datos en formato grid y ASCII), permiten al usuario hacer análisis posteriores para obtener un resultado más completo y robusto. El formato ASCII se debe importar de un software de GIS para visualizar los mapas, mientras que el formato ESRI Arc/info grid permite visualizar los mapas directamente en ESRI u otro software de GIS. Todos los archivos .bmp, .asc y otros resultados se guardan en el directorio especificado en la casilla Output directory. Ésta debe ser una carpeta válida (local o remota) accesible desde el ordenador que se está utilizando. Las grids de ESRI Arc/Info se almacenan en subdirectorios del Output directory y se nombran, de forma secuencial, grid00000, grid00100, grid00200, etc. El directorio grid00100 contiene el resultado de las áreas que van de la 100 a la 199. Esto es debido a una limitación de ESRI con las grids permitidas en un directorio.

124

Tabla de resultados Toda la información sobre la ejecución del experimento para cada una de las vueltas de GARP se guarda en un archivo MS-Excel, con nombre result.xls y situado en el directorio de salida. Este archivo muestra un resumen de todas las vueltas del algoritmo, mensajes de error, test estadísticos preliminares, precisión, etc. En la figura se muestra un ejemplo de un archivo de resultados.

La primera línea del archivo contiene los nombres de cada columna. Cada línea muestra la información para cada ejecución del algoritmo en el experimento. Las columnas contienen la siguiente información:

Task

Número secuencial o identificador asignado a cada ejecución. El identificador de cada vuelta del modelo se corresponde con el archivo que contiene el mapa de predicción obtenido en un archivo con el mismo nombre.

Run

Número secuencial asignado a un grupo de vueltas del modelo que son repeticiones con los mismos parámetros de entrada. Por ejemplo, si se han seleccionado 5 repeticiones en el panel de Optimization parameters, el algoritmo se ejecutará 5 veces repetidamente, que representarán 5 números diferentes en esta columna, de 1 a 5 en este caso.

Species El nombre de la especie tal como se da en el archivo de entrada y como se especifica en la ventana donde se listan los puntos de datos para cada especie.

Atomic rules Indica si se han utilizado reglas atómicas en el experimento. Los valores posibles para esta columna son 0 (falso) o 1 (verdadero).

Range rules Indica si se han utilizado reglas de rango en el experimento. Los valores posibles para esta columna son 0 (falso) o 1 (verdadero).

125

Negated rules Indica si se han utilizado reglas de negación en el experimento. Los valores posibles para esta columna son 0 (falso) o 1 (verdadero).

Logit rules Indica si se han utilizado reglas de regresión logística en el experimento. Los valores posibles para esta columna son 0 (falso) o 1 (verdadero).

Iter.

Número de iteraciones que ha realizado GARP en esa vuelta del modelo. El valor está limitado por el máximo número de iteraciones. El valor debe ser menor si se ha alcanzado el límite de convergencia antes que el máximo número de iteraciones. Dado que la iteración final suma los resultados de optimización, esta columna normalmente da el máximo número de iteraciones más una.

Conv.

Valor de la variable de convergencia cuando se ha detenido una vuelta del modelo. Puede ser un poco menor que el valor especificado como límite de convergencia en el panel de Optimization parameters cuando se alcance el límite. También puede ser mayor que el límite en los casos en que se alcance el número máximo de iteraciones antes que el límite de convergencia.

CEF No utilizado.

Train acc. Precisión calculada utilizando el conjunto de datos de entrenamiento. La precisión se calcula según la expresión: (a+b)/(a+b+c+d). Las variables a, b, c y d se explican más abajo.

Pr:Pr/Ac:Pr

Número de puntos donde el modelo ha predicho una presencia (presence) y hay una presencia en los datos de muestreo (actual record). En este caso, el modelo ha predicho el lugar correctamente. Ésta es una variable de una expresión de precisión. Las letras del nombre de columna representan Pr(edicted):Pr(esent)/Ac(tual record):Pr(esence).

Pr:Ab/Ac:Pr

Número de puntos donde el modelo ha predicho una ausencia y hay una presencia en los datos de muestreo (actual point). En este caso, el modelo ha predicho el punto incorrectamente. Este valor normalmente representa un error real, sea por la baja calidad del modelo o por la mis-identificación de un punto de muestreo. El error es real cuando estamos utilizando sólo datos de presencia, que es el caso de esta versión de DesktopGarp. Ésta es la variable c de la expresión de precisión. Las letras de nombre de la columna representan: Pr(edicted):Ab(sent)/Ac(tual record):Pr(esence).

Pr:Pr/Ac:Ab

Número de puntos donde el modelo ha predicho una presencia y hay una ausencia en el punto de muestreo. A primera vista, el modelo ha predicho el punto incorrectamente. No obstante, cuando utilizamos sólo datos de presencia, este error se puede deber a un muestreo insuficiente del área de interés en los casos en que el punto presente las condiciones ambientales óptimas para la especie, pero no habiendo información de ocurrencia en este punto. Ésta es la variable de la expresión de precisión. Las letras de nombre de la columna representan Pr(edicted):Pr(esent)/Ac(tual record):Ab(sence).

Pr:Ab/Ac:Ab

Número de puntos donde el modelo ha predicho una ausencia y hay una ausencia en el punto de muestreo. En este caso, el modelo ha predicho el punto correctamente. Ésta es la variable b de la expresión de precisión. Las letras de nombre de la columna representan

126

Pr(edicted):Ab(sent)/Ac(tual record):Ab(sence).

Test Acc.

Esta columna muestra la precisión calculada utilizando los puntos de muestreo separados aparte para realizar el test de precisión y que no se han empleado para entrenar el modelo. El valor está calculado con la misma expresión descrita para los datos de entrenamiento y las columnas Pr:Pr/Ac:Pr, Pr:Ab/Ac:Pr, Pr:Pr/Ac:Ab and Pr:Ab/Ac:Ab representan los mismos conceptos descritos anteriormente, pero aplicados al conjunto de datos de test.

Total area Número total de píxeles no enmascarados en el área de estudio. Presence area Número total de píxeles donde la especie se predice como presente. Absence area Número total de píxeles donde la especie se predice como ausencia.

Non-predicted area

Número total de píxeles donde el algoritmo no pudo determinar si la especie está presente o ausente (esto significa que no se ha aplicado ninguna de las reglas en esas áreas).

Yes Número de puntos de test que caen dentro del área de presencia. No Número de puntos de test que caen fuera del área de presencia. ChiSq Valor intermedio para calcular el valor del test de chi-cuadrado.

p Test de chi-cuadrado. Probabilidad de que una predicción al azar sea similar al resultado, esto es, teniendo el mismo número de puntos correctos que el modelo que ha generado GAP.

Commission Porcentaje del área predicha que excede el número de puntos de ocurrencia.

Omission (int)

Omisión intrínseca. Porcentaje de puntos de entrenamiento que se han omitido en la predicción; esto es, aquellos que fueron predichos como ausencia, pero que eran presencias de muestreo.

Omission (ext)

Omisión extrínseca. Porcentaje de puntos de test que se han omitido en la predicción; esto es, aquellos que fueron predichos como ausencia, pero que eran puntos de ocurrencia en el subconjunto de test.

Status Estado de la vuelta del modelo. Puede ser waiting to be processed (en espera), successfully processed (proceso completado) o failed (error).

Message Mensaje más detallado para explicar el mensaje de estado.

Layers Indica qué coberturas se han usado en la predicción. Están representadas por 0 (falso) o 1 (verdadero) bajo el nombre de la cobertura.

Métodos Esta sección describe los métodos para obtener los resultados de DesktopGarp en algunos ejemplos de estudios ecológicos y de biodiversidad. Para una discusión más completa y formal sobre los métodos de DesktopGarp aplicados a la investigación de la biodiversidad consulte la sección de bibliografía.

Rango de la distribución nativa

127

La forma más directa de utilizar DesktopGarp es obtener la predicción de distribución de las especies en su lugar de origen. Esto se puede llevar a cabo de distintas formas. Primero, el usuario de DesktopGarp puede fijar los parámetros y ejecutar una vuelta del modelo. Este resultado dará lugar a un único mapa de predicción en el directorio de salida. Esto es similar al resultado que se obtiene de la GARP web interface de David Stockwell en el Centro de Supercomputación de San Diego. Aunque ese resultado puede ser útil por sí mismo, su calidad puede estar limitada por las propias limitaciones del algoritmo GARP. Dado que es un algoritmo de optimización, GARP puede detenerse en óptimo local durante su ejecución, dando lugar a resultados pobres. Para evitar este problema, el usuario puede especificar un alto número de ejecuciones en el panel de parámetros y dejar que DesktopGarp produzca muchos resultados utilizando los mismos parámetros de entrada. Después, empleando un GIS, el usuario puede agrupar todos los resultados y sumar todas las grids en un raster de resultados. Aunque GARP puede ser inestable a veces, cuando se lleva a cabo la misma tarea muchas veces, GARP normalmente predice algunas áreas de una forma muy estable. Otras áreas son predichas con menos frecuencia. Por tanto, sumar muchos resultados disminuye la probabilidad de tener resultados sesgados debido a problemas de optimización. Hay otros métodos más avanzados para predecir la distribución de especies en su lugar de origen, por ejemplo la selección Best Subset desarrollada por A.T. Peterson y otros métodos desarrollados por E. Wiley y McNyset utilizando un método estadístico llamado análisis ROC. Para más información sobre estos métodos, vaya a la sección de bibliografía.

Selección de coberturas ambientales Otra aplicación de DesktopGarp es la de investigar qué factores ambientales son más importantes para una especie. Esta operación se denomina environmental layer jackknifing. Se puede llevar a cabo utilizando los controles del panel Environmental layers. Hay tres botones en este panel que permiten controlar cómo se usarán las variables ambientales en el experimento. Ejecutando múltiples veces el modelo con combinaciones de coberturas, ya sean todas las combinaciones o un subconjunto de éstas con un número fijo de coberturas, el usuario puede analizar los resultados del experimento mediante regresiones lineales múltiples con el fin de comprobar qué variables tienen un impacto significativo sobre los errores del resultado. DesktopGarp escribe el archivo de resultados en un formato que es relativamente simple de introducir en un análisis de regresiones múltiples. Los resultados se especifican en las columnas de coberturas del archivo de resultados. Cuando se ha completado el experimento, DesktopGarp guarda valores en las columnas referentes a las coberturas, que pueden ser 0 ó 1, indicando si una cobertura en

128

particular se ha utilizado en esa vuelta del modelo. Esos valores se pueden emplear como variables independientes en un análisis de regresión lineal múltiple y ser utilizados para predecir los valores de precisión y los errores del modelo. En general es mejor utilizar los errores de comisión y omisión como variables dependientes en vez de los valores de precisión. La precisión integra ambos errores, que tienen significados diferentes. El usuario puede analizar cada cobertura para determinar la existencia de una correlación significativa positiva o negativa con los errores. Es siguiente paso es preparar y ejecutar otro experimento utilizando sólo aquellas coberturas significativas para el modelo, minimizando el error de omisión y manteniendo el error de comisión en un nivel razonable. Para una discusión de los conceptos de error de omisión y comisión en los modelos de predicción de especies vaya a la bibliografía o a los links que se encuentran en la página web. Nota: con un número muy alto de coberturas, el uso de combinaciones de variables puede dar lugar a un aumento exponencial o factorial del número de vueltas del modelo a ejecutar. Tenga en cuenta que DesktopGarp ejecuta entre 2,000 y 10,000 vueltas en un experimento en un tiempo razonable, utilizando un ordenador estándar. Hay algunos proyectos en desarrollo que pretenden crear una versión en paralelo de DesktopGarp. Cuando estén terminados será posible ejecutar experimentos grandes utilizando todas las combinaciones de variables.

Selección del tipo de reglas Del mismo modo que se pueden seleccionar las coberturas significativas para la predicción también se puede intentar identificar la regla más relevante para una especie en particular. Este proceso puede que sea más útil para el desarrollo de algoritmos que para ejecutar predicciones particulares. No obstante está disponible en la interfaz de usuario del software. Durante el desarrollo de DesktopGarp se ejecutaron muchos experimentos utilizando esta aproximación para determinar la significancia de cada regla particular en la predicción de distribuciones de muchas especies diferentes. Aunque estos experimentos mostraron que las reglas atómicas son menos significativas que las de rango, las de negación y las logísticas, para la mayoría de las situaciones casi siempre las reglas atómicas suponen una buena contribución al modelo. Historia de desarrollos recientes, problemas conocidos y otros aspectos Los aspectos y problemas que se conocen de la versión actual son: En algunos sistemas, el paquete de instalación no funciona correctamente y es incapaz de instalar el software. Esto se debe normalmente a la falta de algunos links dinámicos

129

en las librerías de Windows 95 (primera edición). Se está preparando un paquete para corregir esta situación y estará disponible en una versión futura. Durante la ejecución del experimento se ha detectado un escape de memoria que hace que el programa desaproveche algo de memoria del sistema, especialmente cuando se deja ejecutando un número muy alto de ejecuciones durante bastante tiempo. Este problema puede aparecer por encima de las 2,000 ó 3,000 iteraciones. Para corregir este problema interrumpa el experimento cuando DesktopGarp esté utilizando demasiada memoria del sistema y cierre la aplicación. Abra la aplicación de nuevo y haga click en Run unfinished experiment, dentro del menú Model. Este problema debería estar resuelto en la próxima versión.