Generando mapas de adecuidad para Guaiacum officinale en el Bosque Seco de Guánica

Universidad de Puerto RicoRecinto Universitario de MayaguezDepartamento de Biología

Maricelys Figueroa-RuizPercepción Remota y Sistemas de Información Geográfica Aplicados a la Biología

Objetivos:•Utilizar datos de herbario para poder

generar modelos de predicción de hábitat para la posible distribución de Guaiacum officinale dentro de los limites del Bosque Seco de Guánica.

•Desarrollar mejores destrezas dentro del modelaje de hábitat para elaborar mi trabajo de tesis dirigido a la Conservación del Bosque.

Introducción •Bosque Seco de Guánica:

▫1919 –Declarado como El Bosque Estatal de Guánica 1981 - Declarado como la 2da Reserva Nacional de la Biosfera en Puerto Rico por la ONU

▫Foco de biodiversidad de especies e importancia científica.

Introducción• Guaiacum officinale – guayacán, lignumvitae

•1992 –listada por CITES (Apendice II)•2006 –listada por IUCN (Lista Roja de Especies Amenazadas)•Situación en PR

Introducción: Sistemas de Información Geográfica

Modelos de Adecuidad

•Buen desarrollo

•Descriptivos /Mecanísticos

•Diferentes algortimos: ENFA GLM MAXENT

Puntos de colección georeferenciados en el Bosque Seco de Guánica

Metodología:

•Conseguir los datos disponibles en la base de datos BRAHMS del Herbario de la UPRM . Total de 11 datos seleccionados.

•Escojer las variables necesarias para desarrollar el modelo. 7 variables escogidas: Elevación, Pendiente, Aspecto de la pendiente, Distancia a quebradas, Iluminación potencial relativa, Tipo de suelo y Tipo de vegetación.

•Correr el modelo de adecuidad de hábitat en el software de MaxEnt – Algoritmo de Máxima Entropía

•Analizar resultados obtenidos.

Resultados: Mapa de adecuidad

• Resultados del modelo de adecuidad generado por MaxEnt en un formato logístico. •Colores mas cálidos – mejores condiciones de predicción.•Puntos violetas – lugares de entrenamiento •Puntos blancos – lugares de prueba

Resultados Estadísticos: Curva de Omisión y Area Predicha para Guaiacum officinale

Resultados Estadísticos: Sensitividad vs. Sensibilidad

Resultados Estadísticos: Análisis de Contribución de las

Variables

Resultados Estadísticos: Jacknife Evaluando la ganancia del modelo

Resultados Estadísticos: Jacknife

Evaluando el Area Bajo la Curva del Modelo

Conclusión•El modelo generado a base de datos de museo

nos dió resultados confiables. ▫Ganancia de entrenamiento = 0.677▫Area bajo la curva = 0.878

•Mapa de probabilidad de presencia concuerda con el estado actual de disminución de la especie documentado para otras regiones.

•Sugerencias: Generar una imagen binaria de presencia y ausencia para poder obtener información más precisa acerca de la condición de la especie en el Bosque y en la Isla.

Referencias• Engler, R., Guisan, A. & Rechsteiner, L. (2004) An improved

approach for predicting the distribution of rare and endangered species from occurrence and pseudo-absence data. Journal of Applied Ecology, 41, 263-274

•  Francis, J.K. (1993) Guaiacum officinale. U.S. Department of Agriculture, Forest Service, Southern Forest Experiment Station, 4p.

• Kearney, M. (2006) Habitat, environment and niche: what are we modelling. OIKOS: A Journal of Ecology, 115:1

• Maderas de Puerto Rico. Website: maderaspr.uprm.edu/guayacan.pdf• Monsegur-Rivera, O. (2009) Vascular Flora of the Guanica Dry

Forest, Puerto Rico. Master Thesis• Newbold, T. (2010) Applications and limitations of museum data for

conservation and ecology, with particular attention to species distribution models. Progress in Physical Geography, 34(1) 3-22

• Pearson, R.G. Species’Distribution Modelling for Conservation Educators and Practitioners. Center for Biodiversity and Conservation, American Museum of National History.

• Phillips, S. Una breve guia didactica sobre MaxEnt.• Raxworthy, C.J., Martinez-Meyer, E., Horning, N., Nussbaum, R.A.,

Schneider, G.E., Ortega-Huerta, M.A. & Townsend, A. (2003) Predicting distributions of known and unknown reptile species in Madagascar. Nature, 426, 837-841

PREGUNTAS???