Estimación de la Integridad Ecosistémica

Presentación del tema: "Estimación de la Integridad Ecosistémica"— Transcripción de la presentación:

1 Estimación de la Integridad Ecosistémica
Miguel Equihua Zamora

2 Plan Concepto de integridad ecosistémica Aproximación bayesiana
Ejemplos de aplicación Avances

3 Orígenes del concepto Aldo Leopold (1949) propuso como una ética del uso de la tierra que: Algo esta bien hecho cuando tiende a preservar la integridad, estabilidad y belleza de las comunidades bióticas. Esta mal si tiende a hacerlo de otra forma. De esta noción derivan: La “ética de la conservación de los recursos” (Pinchot): El mayor beneficio para la mayor cantidad de personas por el mayor tiempo posible. La “ética de la conservación” (Muir): Las necesidades espirituales deben tener precedencia sobre las materiales. REFERENCE: Kay, J.J., "A Non-equilibrium Thermodynamic Framework Ecosystem Integrity", Environmental Management, Vol 15, No.4, pp An important observation is that this framework indicates ways in which an ecosystem might reorganize in the face of environmental change, but not which re-organizations constitute a loss of integrity. It could be argued that any environmental change which permanently changes the optimum operating point affects the integrity of the ecosystem. In this case, there would be four distinct types of loss of integrity. (Cases 0 through 3 above.) It could also be argued that, any time that the system can maintain itself at an optimum operating point, it has integrity. In this case, loss of integrity would only occur if the system is unable to maintain itself at an optimum operating point. In between these two extreme positions, there is the possibility of defining some optimum operating points as being undesirable changes in the system and therefore representing a loss of integrity. This would inject an anthropocentric component into the definition of integrity. Which set of system changes we decide constitutes a loss of integrity, will ultimately depend on the utility of the definition in a regulatory and management context. Some researchers are uncomfortable with definitions which are not "objective", that is, reflect the viewpoint of an observer. Physicists, during this century, have come to realize that there are no preferred observers. Each observer brings a unique viewpoint of, and interaction with, that which he observes. As long as the reference frame of the observer and his interactions are clearly defined, there is no problem. The observations will be reproducible, assuming that they are accurate to begin with. In the study of complex systems, the exercise known as systems identification is equivalent to the exercise of defining the observer's frame of reference in physics. What is proposed here would be part of a systems identification exercise for studying the integrity of ecosystems. It would explicitly involve defining why the observer is examining integrity and what he would consider a loss of integrity in terms of changes in the optimum operating point. The second point of note is that if the concept of integrity is to be useful, it must have an anthropocentric component which reflects which changes in the ecosystem are considered acceptable by the human observers. Otherwise we are restricted to defining integrity as the ability of an ecosystem to absorb environmental change without any ecosystem change. This would rule out the acceptability of the other three ecosystem responses to environmental change discussed above. This does not seem reasonable to this author.

4 There are several definitions of ecosystem integrity, and they all reflect the capability of a
system to support services of value to humans [1]. 1. "the maintenance of the community structure and function characteristic of a particular locale deemed satisfactory to society" [2]. 2. "the capability of supporting and maintaining a balanced, integrated, adaptive, community of organisms having species composition, diversity, and functional organisation comparable to that of natural habitats of the region." [3]. 3. "it is much more useful to characterize in detail the functional and structural aspects of ecosystems to provide a conceptual framework for assessing the impact of human activity on biological systems and to identify practical consequences stemming from this framework." [4]. 4. "integrity reflects the ability of ecosytems to sustain services to human, and the identification of those services can best emerge from multisector partnerships, in which all stakeholders seek agreement on the uses to which an

5 Algunas definiciones El mantenimiento de la estructura y función características de una comunidad local considerada satisfactoria para la sociedad. La capacidad de soportar y mantener una comunidad equilibrada, balanceada y adaptable que tenga una composición de especies y una organización funcional comparable a la que ocurre en hábitats o regiones no alteradas por el hombre. Se centra en un sistema pero con un sesgo hacia sus aspectos funcionales más que a los estructurales, se privilegia la preservación de la dinámica total del ecosistema. REFERENCE: Kay, J.J., "A Non-equilibrium Thermodynamic Framework for Discussing Ecosystem Integrity", Environmental Management, Vol 15, No.4, pp During the last twenty years our understanding of the development of complex systems has changed significantly. Two major advancements are catastrophe theory and non-equilibrium thermodynamics with its associated theory of self-organization. These theories indicate that complex system development is non-linear, discontinuous (catastrophes), not predictable (bifurcations), and multivalued (multiple developmental pathways). Ecosystem development should be expected to exhibit these characteristics. Traditional ecological theory has attempted to describe ecosystem stress response using some simple notions such as stability and resiliency. In fact, stress-response must be characterized by a richer set of concepts. The ability of the system to maintain its current operating point in the face of the stress, must be ascertained. If the system changes operating points, there are several questions to be considered: Is the change along the original developmental pathway or a new one? Is the change organizing or disorganizing? Will the system return to its original state? Will the system flip to some new state in a catastrophic way? Is the change acceptable to humans? The integrity of an ecosystem does not reflect a single characteristic of an ecosystem. The concept of integrity must be seen as multi-dimensional and encompassing a rich set of ecosystem behaviours. A framework of concepts for discussing integrity is presented in this paper. Integrity of an system refers to our sense of it as a whole. If a system is able to maintain its organization in the face of changing environmental conditions then it is said to have integrity. If a system is unable to maintain its organization than it has lost its integrity. (Change in Organization refers to changes in the function of a system and its internal connections (structure) so as to better carry out some organizational imperative. Environment refers to the biotic and abiotic components external to an ecosystem which impact upon it, including humans.) The discussion in the literature of the notion of stability has led to quite a number of conceptual terms and definitions. (Resiliency, elasticity, vulnerability, catastrophe, etc. See the Appendix, part II for a brief review). All of these ideas describe some aspect of an ecosystem's ability to cope with environmental change. Integrity should be seen as an umbrella concept which integrates these many different characteristics of an ecosystem which, when taken together, describe an ecosystem's ability to maintain its organization. What is presented below is a description of ecosystem development and organization which will serve as a framework connecting these concepts together.

6 Variabilidad conceptual
Los marcos conceptuales construidos por la comunidad científica son usados para interpretar, articular y coordinar las piezas de información y conocimiento pero también para promover y respaldar estrategias particulares de acción. Existen diversos marcos conceptuales en torno a integridad ecológica, cada uno enfatiza diferentes concepciones y a su vez promueven prácticas de conservación específicas. Reconocer y aceptar esta variabilidad conceptual mejora la transparencia y la contextualización adecuada de las decisiones que se toman.

7 Manuel-Navarrete, D. , J. J. Kay, and D. Dolderman. 2004
Manuel-Navarrete, D., J. J. Kay, and D. Dolderman Ecological Integrity Discourses : Linking Ecology with Cultural Transformation. Human Ecology Review 11:215–229.

8

9 Integridad como preferencia
Es importante reconocer que dado que no podemos evitar intervenir en la naturaleza no es posible definir la integridad ecológica simplemente en términos de “autenticidad” ecológica, es decir en términos de independencia de lo natural respecto de la historia cultural.

10 Integridad como salud En un sentido normativo un ecosistema es saludable si: mantiene su complejidad y capacidad para la autoorganización. Un sistema ecológico esta integro si retiene la diversidad total del sistema y las asociaciones de especies que ha mostrado a lo largo de los vaivenes históricos por los que ha transitado. la organización sistémica que presenta esa diversidad a través del tiempo, incluyendo particularmente las múltiples capas de complejidad jerárquica (biodiversidad).

11 Termodinámica de ecosistemas
La biosfera como un todo y sus ecosistemas constituyentes son el producto de un proceso continuo y nunca acabado de autoorganización. Los ecosistemas son sistemas dinámicos, mantenidos alejados del equilibrio por el insumo de recursos y por su habilidad para desechar fuera del sistema la entropía producida durante este proceso.

12 Ecosistemas y autoorganización
Los ecosistemas se tornan más organizados conforme se alejan del equilibrio termodinámico y así desarrollan una mayor eficacia para disipar energía solar. Al mismo tiempo que esta autoorganización ocurre se producen fluctuaciones en su entorno que atentan contra ella. El punto de equilibrio resultante de estos dos procesos contradictorios se denomina punto operativo óptimo (Kay 1984, 1989).

13

14 Posibles criterios operativos
La degradación de un ecosistema frecuentemente se refleja en: reducción de la productividad primarias (excepto casos como la eutrofización moderada). pérdida del capital de nutrientes. pérdida de diversidad biótica, dominancia de especies de vida corta, oportunistas y a menudo exóticas, incremento en las oscilaciones de poblaciones clave. retrogresión en la estructura biótica y un incremento en la incidencia de enfermedades. Los índices e indicadores de integridad deben analizar tres aspectos básicos de todo ecosistema: estructura del paisaje (escenario geográfico), régimen hidráulico. biodiversidad

15 Componentes de la integridad
Elementos Genes Especies / poblaciones Ecosistemas / comunidades Paisajes Procesos Ciclos de nutrimentos Fotosíntesis Ciclo hidrológico Especiación Competencia / depredación Mutualismos

16 Posibles Indicadores Generales Indicadores de incremento a la amenaza
Estado de salud de los ecosistemas naturales Indicadores de incremento a la amenaza Urbanización, crecimiento poblacional, vehículos, consumo creciente de energía y agua. Pérdida de bosques, recursos minerales, tierra de labranza, etc. Incremento de basura. Indicadores de reducción a la amenaza Producción creciente de biomasa. Mayores esfuerzos de reciclaje. Conservación de recursos escasos y valiosos. Prácticas ambientalmente amigables puestas en práctica y adoptadas por la población.

17 Caracterización de la integridad
Componente de integridad Un sistema con alta integridad deberá mostrar Bosques y praderas (ambiente terrestre) Un mosaico de comunidades de plantas y animales consistente de habitats bien conectados y de alta calidad como para dar sostén a ensambles diversos de especies nativas y no nativas deseables, todos los estadios relevantes de sus historias de vida y la diversidad genética necesaria para su persistencia y adaptación a largo plazo a un ambiente fluctuante. Acuático Un mosaico de habitats y agua bien conectado conalta calidad para sostener ensambles diversos de especies nativas y no nativas deseables, todos los estadios relevantes de su ciclo de vida, mecanismos de dispersión apropiados y la diversidad genética necesaria para asegurar su persistencia y adaptación a largo plazo ante un ambiente fluctuante. Compuesto ecológico Un mosaico de componentes del sistema que es resistente a la perturbación, sostiene especies nativas y no nativas deseables, consiste de un mosaico bien conectado de hábitats terrestres y acuáticos, tiene funciones ecosistémicas activas y operando eficazmente. Las interacciones terrestres y acuáticas generalmente están altamente acopladas. Adaptado de Quigley et al. (1996). Estimating ecological integrity in the interior Columbia River basin. Thomas M. Quigleya, *, Richard W Haynesb, Wendel J. Hannc. Forest Ecology and Management 153 (2001) 1.2. Ecological integrity The concept of integrity in ecosystems traces its roots to the land ethic defined by Leopold (1949). A rich, though mostly conceptual, literature exists on ecological integrity. Actual applications of this concept are not strongly represented. One expression of the concept, biotic or biological integrity, has been accepted in the aquatic ecology literature with specific meaning (Angermeier and Karr, 1994; Karr, 1981, 1991). Angermeier and Karr (1994) suggest a high state of biological integrity can be determined for a system that has little or no human influence. Their approach separates human influence and desire for specific elements of biological integrity from the measure of integrity itself, leaving society to choose among biological integrity levels with pristine (no human influence) as the highest attainable. Conversely, Kay (1993, p. 203), summarizing several papers on ecological integrity, states, “integrity can only be defined clearly (in terms of evaluative criteria) for specific ecosystems, in the context of humans which are an integral part of the ecosystem”. Kay concludes, that in defining ecological integrity, we must attempt to integrate everything we know about the ecological system and where we want it to be, including the sum of human preferences and concerns about the system. Kay’s conclusion .is consistent with the idea that defining and measuring ecological integrity is not strictly a scientific endeavor (Wickium and Davies, 1995). De Leo and Levin (1997) highlight the need for integrity measures that reflect the ability of ecosystems to maintain services valued by humans. Also debated in the literature is the utility of the concept of ecological integrity for decision-making (e.g., Callicott, 1995; De Leo and Levin, 1997; De Soyza et al., 1997; Ramade, 1995; Yazvenko and Rapport, 1996). The debate generally surrounds three broad categories of potential measures: structural (maintaining all the parts), functional (maintaining processes and functions), and human uses (maintaining desired services). Because no absolute measures of ecological integrity have been widely accepted, we adopted the concept that decision-making in the Basin could be improved using relative measures of ecological integrity (Steedman and Haider, 1993). ICBEMP scientists defined the primary attributes of a system that exhibits high ecological integrity and then, using proxies, compared existing conditions against these attributes. Thus, integrity, even in the absence of human influence, could be higher in some areas than in others. Results represent a relative rating of ecological integrity across the Basin and aid in understanding the relations among various ecosystem components and in focusing management resources.

18 Componentes de la integridad
Niveles de integridad Componentes de la integridad Indicadores potenciales Bosques Nivel de expansión de especies exóticas. Consistencia y densidad del arbolado con disturbio de largo plazo. Nivel de amenazas y caída de madera. Nivel de afectación a los regímenes hidrológicos. Ausencia o presencia de incendios naturales. Cambios en la severidad de los incendios así como en su frecuencia. Praderas Nivel de expansión de especies exóticas. Influencia del pastoreo sobre la composición y los patrones de la vegetación. Nivel de afectación a los regimenes hidrológicos. Cambios en la severidad y frecuencia de los incendios. Nivel de incremento en la ocurrencia de zonas con suelo desnudo. Nivel de expansión de los sitios arbolados. Acuáticos Presencia de peces nativos junto con otros organismos acuáticos. Distribución y conectividad de hábitats de alta calidad. Presencia de los estadios relevantes del ciclo de vida de las especies nativas. Mosaico de poblaciones de peces nativos y no nativos deseables fuertes y bien interconectadas. Resistencia de las poblaciones de peces nativos y no nativos deseables a los disturbios naturales.

19 KAY, James J, Ecosystems as Self-organizing Holarchic Open Systems : Narratives and the Second Law of Thermodynamics. En: JØRGENSEN, Sven Erik y MÜLLER, Felix (eds.), Handbook of Ecosystem Theories and Management. CRC Press. pp. 135–160. The theory of non-equilibrium thermodynamics suggests that the self-organization process in ecosystems proceeds in a way that: a) captures more resources (exergy and material); b) makes more effective use of the resources; c) builds more structure; d) enhances survivability (Kay, 1984, Kay and Schneider, 1992, Schneider and Kay, 1994a,b). These seem to be the kernel of the propensities of self-organization in ecosystems. How these propensities manifest themselves as morphogenetic causal loops is a function of the given environment (context) in which the ecosystem finds itself imbedded as well as the available materials, exergy and information.

20

21

22

23 Reglas de la simulación
Integridad Salud_Sano Naturalidad_Alta Si 0.8 0.9 No 0.1 Salud Grupo_funcional_Todos Sano Deteriorado Naturalidad similitud_Alta Alta Baja 0.2 Bosque Grupo funcional SLA_Alta polinizadores_Presentes Todos 0.7 0.6 Algunos 0.3 0.4 Pastizal 0.5

24 Learning Integrity net (full data)

25 ¿Por qué? Hay muchos procesos complicados en las ciencias ambientales. Un entendimiento adecuado de los procesos es importante tanto como la habilidad de razonar respecto de ellos. Es característico de los procesos mostrar una variación amplia y típicamente sólo una parte de todos los factores que los gobiernan pueden ser observados en la práctica. Los procesos incluyen los efectos de los componentes individuales así como variación aleatoria. En esencia son inciertos y las incertidumbres involucradas hacen que sea difícil lograr un entendimiento generar y razonar sobre ellos una tarea extenuante. Por tanto se requieren modelos que capturen esos procesos y métodos para usarlos, especialmente en el ámbito de la toma de decisiones en situaciones reales. There are many complicated processes in environmental sciences. A proper understanding of processes is important as it is the ability to reason about them. It is characteristics of the processes to vary widely and typically only part of all the factors by which they are governed can be observed in practice. Processes include the effects of individual components as well as random variation. Essentially they are uncertain; the uncertainties involved render an overall understanding hard to achieve and reasoning a daunting task. Models capturing these processes and methods for using these models are thus called for, especially to support decision-making in real-life.

26 ¿qué ofrecen? Las redes Bayesianas, con sus métodos asociados, son especialmente adecuadas para capturar y razonar a partir de datos con incertidumbre. Se están utilizando desde hace más de una década y se han vuelto cada vez más populares para manejar el conocimiento incierto involucrado en: Diagnóstico. Selección de políticas óptimas. Pronóstico de resultados. Las aplicaciones de las redes Bayesianas son cada vez más. Hay ejemplos en: Epidemiología, La construcción de modelos sobre enfermedades . La interpretación de datos de microarreglos sobre la expresión de genes.

27 Bayes y Aprendizaje Encapsula el proceso de aprendizaje pues:
a posteriori verosimilitud a priori Evidencia (Constante de normalización) Encapsula el proceso de aprendizaje pues:

28 Definición Una red Bayesiana es un modelo estadístico multivariado para un conjunto de variables aleatorias X= (x1,...,xn), que se especifica con base en dos componentes: Componente cualitativo: Un grafo acíclico dirigido (GAD) en el que cada vértice o nodo representa una variable en el modelo. Además la presencia de un arco que une dos variables indica la existencia de dependencia estadística entre ellas. Componente cuantitativo: Una matriz de distribución condicional p(xij|pa(xi)) para cada variable xi, i= 1,...,n dados sus nodos padres en el grafo, denotada como pa(xi)

29 Construcción de Redes Bayesianas
Decidir sobre el conjunto de variables relevantes y los valores que puede tomar. Construir la estructura gráfica de la red mediante la interconexión de las variables para producir un grafo acíclico dirigido (GAD). Definir las tablas o matrices de probabilidad condicional (TPC) para cada variable en la red. Este proceso de especificación cuantitativa de la red puede ser el más complejo en muchas situaciones. Hay que cuidar la generación de TPC potencialmente muy grandes tanto como el significado de los números concretos que se usen para llenarlas).

30 Infiltración

31 Dependencias Los arcos en el digrafo dan cuenta de la influencia probabilística entre las variables. Un arco entre cualesquiera dos nodos indica que hay una influencia entre las variables involucradas. Ausencia de un arco entre nodos implica que las variables correspondientes no se influyen directamente entre sí. Formalmente, una variable Vi se juzga como dependiente de sus padres e hijos directos en el grafo, pero condicionalmente independiente de cualquiera de los descendientes que no sean suyos, dados sus padres. Esta propiedad se conoce comúnmente como la condición Markoviana.

32 Condición Markoviana

33 Pensamiento Causal Una variable X se dice que es causa direca de Y si al asignar valores a X, los valores de Y pueden cambiar y no hay ninguna otra variable Z que sea una causa directa de Y tal que X sea una causa directa de Z.

34 Tipos de razonamiento Causal Reasoning (Deductive)
intuitively, inference goes in causal direction (direction of edges). Top down. Evidential Reasoning (diagnostic or abductive reasoning) condition the result, ask what the probability of the initial variables was (back from the cause), using Bayes' rule . Hence it is a bottom up. Intercausal Reasoning Flow of information between (for example) two causes of a single effect. When you condition the result, the causes are no longer independent. If you condition one of them again, you "explain away" the original condition. This also works across several edges and nodes The property, however, that sets inference in probabilistic networks apart from other automatic reasoning paradigms is its ability to make intercausal reasoning: Getting evidence that supports solely a single hypothesis (or a subset of hypotheses) automatically leads to decreasing belief in the unsupported, competing hypotheses. This property is often referred to as the explaining away effect. For example, in Figure 1.1, there are two competing causes of runny nose. Observing fever, however, provides strong evidence that cold is the cause of the problem, while our belief in allergy being the cause decreases substantially (i.e., it is explained away by the observation of fever). The ability of probabilistic networks to automatically perform such intercausal inference is a key contribution to their reasoning power.

35 Errores sobre Causalidad
Un error común al modelar es permitir que la dirección de los arcos apunten de efectos a causas, lo que conduce a proposiciones equivocadas de dependencia e independencia (condicionales) y por tanto, a inferencias erradas. Este tipo de razonamiento es muy común cuando se dan los primeros pasos en la construcción de redes probabilísticas y es quizás debido a un modelo mental de “flujo de información”, en el que la evidencia actua como “insumo” y las conclusiones obtenidas como el “producto”.

36 Tipos de Datos Kjærulff, U. B., and A. L. Madsen Probabilistic networks-an introduction to bayesian networks and influence diagrams. Aalborg University.

37 Datos y Parametrización

38 Grado de Creencia Un “grado de creencia” es un número que uno asigna a una proposición ante la expectativa de tenerla que declararla como un hecho (como en lógica deductiva) o como una suposición (como en lógica no monotónica). La asignación de un grado de creencia es un compromiso mayor que hacer una suposición. La “granularidad” fina de los grados de creencia codifica más información que la que se puede codificar en una suposición binaria.

39 “Aprendizaje” o Estimación
“Manualmente” por consulta con expertos del ámbito a modelar y por obtención de la estructura de “creencias”. Aprendizaje automatizado a partir de datos (por ejemplo distribución de spp, resultados experimentales o metanálisis de la literatura relevante). Tanto la estructura, las probabilidades o ambas pueden ser “aprendidas” de los datos disponibles (métodos: máxima verosimilitud y el Bayesiano son dos posibilidades comunes).

40 Reference: Kay. J. , Regier, H. , Boyle, M. and Francis, G. 1999
Reference: Kay. J., Regier, H., Boyle, M. and Francis, G "An Ecosystem Approach for Sustainability: Addressing the Challenge of Complexity" Futures Vol 31, #7, Sept. 1999, pp The diagram illustrates the necessity to integrate the biophysical sciences and the social sciences to generate an ecosystem description of the biophysical and socio-economic-political situation. This is used to formulate feasible and desirable futures, one of which is chosen to promote. It is then necessary to design a collaborative learning process for the ongoing adaptive process of governance, management, and monitoring for sustainability.

41 Regulación de Enfermedades
INECOL, INDRE, SESVER, CONABIO, UANL, IBUNAM, UV Regulación de Enfermedades

42 General epidemiology: Leishmaniases
About 2 million new cases occur each year worldwide. In the Americas they are present from southern USA to Argentina. Leishmania are parasites on different mammals and need phlebotomine sandflies as vectors.

43 Vector Species Species richness of anthropophilic sandflies identified
Species richness of Sandflies identified in each country Species richness of anthropophilic sandflies identified

44 Leishmania spp. 23 species infect humans Clasification
Suprapylaria Peripylaria Leishmania (Leishmania) Leishmania (Viannia) L. mexicana L. braziliensis L. donovani L. peruviana L. infantum (=L. chagasi) L. guyanensis L. tropica L. panamensis L. major L. shawi L. aethiopica L. naiffi L. amazonensis L. lainsoni + OTHER 9 species

45 Influence factors Leishmaniases are related with:
Mammal diversity (wild reservoirs) Insect vector diversity (transmission dynamics) Climate conditions Human populations strongly related to risk factors, especially marginal groups Strongly associated with ecosystem structure: pristine, altered, suburban and rural human settlements with a tendency to establish in urban environments

46

47

48 SISTEMA NACIONAL DE INFORMACIÓN
SOBRE BIODIVERSIDAD (SNIB) Plantas vasculares por 10 km2

49 Inventario Nacional Forestal y de Suelos (INFyS)
Plantas vasculares por conglomerado

50 Taxonomic Biodiversity:
Terrestrial Mammals Species Richness, from modelled distributions Intro to policies. Based on progressive implementation of REDD+ type initiatives

51 What Variables to Select: Structural Biodiversity
we define it as the number of different spatial patterns/dimensions in flora or fauna available in a particular site tree height (maximum, median, average) tree diameter at breast height (maximum, median, average) tree density (#/area): total and per species (NFI & RS) base area square mean diameter (NFI) form factor tree (NFI) volume wood / m3 (NFI) biomass (NFI & RS) epiphytes (Diversity: type + abundance) (NFI) tree crown diameter (NFI) variability of tree crown diameter (NFI) strata diversity (combination of species diversity and # of strata, NFI) # strata (NFI) leaf area index (RS) canopy cover parametres (e.g., fraction cover, crown cover density) (NFI & RS) Phenology (green-up, welting, duration of season) (RS) Intro to policies. Based on progressive implementation of REDD+ type initiatives

52 Structural Biodiversity: Average Tree Height in m / km2
Intro to policies. Based on progressive implementation of REDD+ type initiatives

53 Structural Biodiversity: Volume Tree Biomass m3 / km2
Intro to policies. Based on progressive implementation of REDD+ type initiatives

54 What Variables to Select: Functional Biodiversity
we define it as variety of ecosystem functions Plants traits: The focus in ROBIN will be on C- sequestration (i.e., NPP) and C-stocks (i.e. aboveground biomass) related traits (selection): Potential height Maximum stem diameter Specific leaf area → efficiency of light interception Leaf habitat (deciduous/evergreen) Seed mass Functional group approach Plant life form/ growth form Photosynthetic pathway (C3, C4, CAM) Regeneration requirements Drought tolerance Succesion state (NFI) “Re-growth” (height, frequency, age, vigour, damage, NFI) vigour and successional state (NFI) Animals: herbivore, insectivore and carnivore Intro to policies. Based on progressive implementation of REDD+ type initiatives

55 Richness of Functional Groups, Terrestrial Mammals
Intro to policies. Based on progressive implementation of REDD+ type initiatives

56 Diversity of Functional Groups,
Terrestrial Mammals, Shannon-Wiener Index Intro to policies. Based on progressive implementation of REDD+ type initiatives

57

58 Gracias…!!!!