Manuel Mavila Loli BIODAMAZ-IIAP Viernes Científico, 27 may 2005

1. Aplicaciones de información primaria de Biodiversidad y Sistemas de Información Geográfica.El caso del Modelamiento de Datos sobre Biodiversidad Manuel Mavila Loli BIODAMAZ-IIAP Viernes Científico, 27 may 2005

2. Contenido • Datos primarios de biodiversidad • Biodiversidad e Informática • Modelamiento de datos • Teoría • Aplicaciones • Programa GARP

3. Datos primarios de biodiversidad

4. Linneo, 1750 www.ldeo.columbia.edu/.../ lectures/lect02.html www2.nrm.se/fbo/ hist/munchen.html.se Honorio, 2005 www.southampton.liu.edu/.../ plant.html Herbario FCF UNALM 3 siglos

5. especie altitud X,Y fecha 1300000000 www.nsrl.ttu.edu/ virtualtour/bird.htm www.cbs.umn.edu/ herbarium/

6. ¿cuántos registros? Fuente: GBIF

7. Informática para la biodiversidad

8. Conceptos Rama de las ciencias de computación que trata con información sobre los organismos vivos. Aplicación de la tecnología de la información al tema de la biodiversidad. Su esencia es asegurar que la información fluya eficientemente desde su creación, a través del análisis, hasta aplicaciones apropiadas.

9. ¿Para que sirve? Proporciona herramientas eficientes, efectivas y eficaces para: • Captura • Manejo • Análisis • Interpretación • Comprensión • Aplicación Información sobre biodiversidad

15. Modelamiento del Nicho Ecológico

16. Teoría La distribución geográfica de las especies está determinada a gran escala por estos factores: Luz Calor Agua Topografía

17. Teoría A un nivel más específico, influyen otros factores: Tipos de Suelo Evapotranspiración Productividad Calidad de luz Número de días bajo O0C

18. Manifestación de interacción de variables evapotranspiración productividad

19. Teoría: nicho ecológico El término nicho se define aquí como la suma de todos los factores ambientales que actúan sobre el organismo; el nicho es entonces definido como una región en un hiperespacio multidimensional (Hutchinson, 1944). Las condiciones en las cuales una especie puede fácilmente vivir son siempre mayores que en las que realmente vive, y esto es causado típicamente por interacciones bióticas (Hutchinson, 1958).

20. Teoría: nicho ecológico Espacio ecológico Nicho fundamental: todos los aspectos de este hipervolumen multidimensional, en ausencia de otras especies. Nicho real: La parte del nicho fundamental al cual está restringida determinda especie debido a interacciones interespecíficas.

21. Teoría: nicho ecológico El nicho de una especie es la unión de ciertas condiciones ambientales que permiten a una especie satisfacer sus necesidades mínimas, de tal manera que la tasa de natalidad de una población local es igual o mayor que su tasa de mortalidad… (Chase and Leibold, 2003)

22. Nicho abiótico Combinación apropiada entre condiciones abióticas y bióticas (= distribution potencial) Distribución geográfica real Accesibilidad Interacciones bióticas

23. Modelamiento del nicho ecológico Estimación de las dimensiones del nicho ecológico fundamental de una especie, para predecir su distribución geográfica (BI) Bajo estos diferentes conceptos de “nicho”, el Modelamiento del Nicho Ecológico es un instrumento que permite un análisis parcial de la influencia del ambiente sobre las especies, y que puede ser expresado en un contexto geográfico.

24. L. callotis L. californicus ¿Qué modelamos, nichos fundamentales o reales?

25. Proceso del Modelamiento Datos georeferenciados de especímenes ALGORITMO Datos climáticos, ecológicos… Predicción de la distribución geográfica de la especie

26. Model of niche in ecological dimensions precipitation temperature Projection back onto geography Invaded range prediction Modelamiento del Nicho Ecológico Geographic Space Ecological Space ecological niche modeling occurrence points on native distribution Native range prediction Challenges of Biodiversity Informatics David R.B. Stockwell

27. Aplicaciones

28. Enfermedades:Mal de Chagas www.bc.edu/.../biology/ research/insect/chagas/ Ecologic Niche Modeling and Potential Reservoirs for Chagas Disease, Mexico A. Townsend Peterson,* Victor Sánchez-Cordero,† C. Ben Beard,‡ and Janine M. Ramsey§ www.cdc.gov/ncidod/ EID/vol8no7/01-0454-G2.htm

29. Plagas – Especies invasoras www.licweb.com/ asianbeetle/ Predicted range of the Asian Longhorn Beetle in the USA (Anoplophora glabripennis) by A. Townsend Peterson (KU) Challenges of Biodiversity Informatics David R.B. Stockwell

30. Cambio climático www.mosquito-netting.com/ Malaria Transmission - This map displays the projected risk of malaria transmission in the year 2020, compared with the average risk in the years 1961 to 1990. This projection assumes a global temperature increase of 2ºF and no human efforts to contain the spread of malaria. Source: Pim Martens, Maastricht University

31. ANP: Zonificación Corredores Priorización David Peters & Richard Thackway, 1998, A New Biogeographic Regionalisation for Tasmanian Parks and Wildlife Service

32. Comparar distribuciones antiguas Tangara mexicana Potential Distribution Present Hadley Scenario (21,000 yrs ago)

33. Haffer’s Refugia? Haffer’s Refugia Potential Distribution 21,000 Years Ago Forest: All Species Hadley and Canadian

34. Programa GARP

35. Concepto Genetic Algorithm for Rule-set Prediction. Desarrollado por David Stockwell, San Diego Supercomputer Center Es un algoritmo genético que crea un modelo del nicho ecológico para una especie, y que representa las condiciones ambientales donde esa especie es capaz de mantener población. GARP trata de encontrar correlaciones entre la presencia y ausencia de especies y los valores de parámetros ambientales, usando diferentes tipos de “reglas”. Cada regla implementa un método diferente para construir los modelos de preicción de distribución de la especie. ¿Algoritmo genético? : es la optimización de algoritmos, desarrollados por expertos en inteligencia artificial que usa conceptos de genética y teoría de la evolución, para definir su estructura de datos y procedimientos. Rules:atomic, logistic regression, bioclimatic envelope and negated bioclimatic envelope.

36. Ecological Niche Modeling: GARP Collection locality data Distributional prediction in the present GARP Ecological data Genetic Algorithm of Rule-set Prediction Projection to past scenario

37. Especie Y , X Registros de especímenes

38. Variables ambientales BIOCLIM Bioclimatic variables are derived from the monthly temperature and rainfall values in order to generate more biologically meaningful variables. These are often used in ecological niche modeling (e.g., BIOCLIM, GARP). They are coded as follows: BIO1 = Annual Mean TemperatureBIO2 = Mean Diurnal Range (Mean of monthly (max temp - min temp))BIO3 = Isothermality (P2/P7) (* 100)BIO4 = Temperature Seasonality (standard deviation *100)BIO5 = Max Temperature of Warmest MonthBIO6 = Min Temperature of Coldest MonthBIO7 = Temperature Annual Range (P5-P6)BIO8 = Mean Temperature of Wettest Quarter BIO9 = Mean Temperature of Driest QuarterBIO10 = Mean Temperature of Warmest QuarterBIO11 = Mean Temperature of Coldest QuarterBIO12 = Annual PrecipitationBIO13 = Precipitation of Wettest MonthBIO14 = Precipitation of Driest MonthBIO15 = Precipitation Seasonality (Coefficient of Variation)BIO16 = Precipitation of Wettest QuarterBIO17 = Precipitation of Driest QuarterBIO18 = Precipitation of Warmest QuarterBIO19 = Precipitation of Coldest Quarter Rojo: variables usadas Fuente: Wordclim

39. Programa GARP

40. PP anual T x anual PP estacionalidad

41. Mazama americana

42. Leopardus pardalis

43. Nasua nasua

44. Potos flavus

45. Validación de la hipótesis

46. Evaluación de la calidad del “Modelo” 1. Generar un set de datos independientes: - Colectar nuevos datos - Separar tus datos en dos series Tendrás dos series de datos (data sets), uno para hacer el modelo, y otro para probarlo

47. 1. Generar un modelo con una serie de datos

48. Presencia real Ausencia real Predicción: presencia a b Predicción: ausencia c d 3. Cuantificar el error con una matriz de confusión: a & d = predicciones correctasb = error de comisión (falsos positivos, sobrepredicción)c = error de comisión (falsos negativos, subpredicción)

49. High OmissionLow Commission 100 Omission Error (% of occurrence points outside the predicted area) Zero OmissionHigh Commission Zero OmissionNo Commission Overfitting 0 100 Commission Index (% of area predicted present) Distribution of a species in an area

50. Nada es perfecto... • Se debe mejorar comprensión de como afecta la inclusión de determinadas variables ambientales • Errores en taxonomía • Errores en georeferencia