Modelos de biodiversidad a nivel de comunidad Ferrier y Guisan Spatial modelling of biodiversity at the community level.
Modelos de adecuación de especies Anteriormente vimos que con datos de presencia de especies en varios lugares junto a datos de condiciones ambientales podemos generar modelos de distribución de especies individualmente. Una estrategia para generar mapas de biodiversidad es reunir mapas de muchas especies. Esta estrategia no es la única.
¿A qué aspiramos a nivel de comunidad? Que los modelos nos produzcan predicciones de: –muchas especies –tipos de comunidades –agrupaciones de especies –ejes de variabilidad en composición –niveles de disimilaridad en composición –propiedades colectivas (e.g., riqueza, endemismo)
Tres estrategias, varias maneras Primero reunir, luego predecir –Reunir: tipos de comunidad, grupos de especies, ejes de ordenación o niveles de riqueza Primero predecir, luego reunir –Predecir: tipos de comunidad desde modelos de especies, grupos de especies desde modelos de especies, ejes de ordenación desde modelos de especies o niveles de riqueza desde modelos de especies Reunir y predecir a la vez –Por modelos de multirespuesta, por ordenación constreñida, por clasificación constreñida o por modelación de disimilaridad en composición
Reunir primero, luego predecir
Diferencia entre modelar tipos de comunidades y grupos de especies
Reunir primero, luego predecir
Predecir primero, luego reunir
Reunir y predecir a la vez
Maneras (“approaches”): –Por modelos de multirespuesta –por ordenación constreñida –por clasificación constreñida –por modelación de disimilaridad en composición
Datos: parcelas
Datos: especies
Datos: ambiente Tenencia Topografia Sustrato Clima Derivados de telesensoria
Proceso de imputar a un píxel
Mapa de vegetacion
Mapas de especies
GDM: generalized dissimilarity modelling
Productos de GDM
Posición en 1er componente (eje) principal = a 1 y 1 + a 2 y 2 + a 3 y 3 …a n y nPosición en 1er componente (eje) principal = a 1 y 1 + a 2 y 2 + a 3 y 3 …a n y n