Centro Internacional de Ecología Tropical (CIET) Centro de excelencia UNESCO, con sede en el Instituto Venezolano de Investigaciones Científicas (IVIC) Apartado 21827, Caracas 1020A, Venezuela Tel.: + 582125041197, Fax: + 582125041088, Correo electrónico:
[email protected]
Calibración de protocolo de campo del proyecto NeoMapas para el muestreo sistemático de escarabajos necrófagos y coprófagos, y de mariposas diurnas INFORME FINAL TÉCNICO Y FINANCIERO PARA CONSERVACIÓN INTERNACIONAL – VENEZUELA
15 de junio de 2006 por
José Rafael FerrerParis Centro de Ecología, Instituto Venezolano de Investigaciones Científicas y Jon Paul Rodríguez Director, Centro Internacional de Ecología Tropical
El objetivo general del proyecto “Calibración de protocolo de campo del proyecto NeoMapas para el muestreo sistemático de escarabajos necrófagos y coprófagos, y de mariposas diurnas,” era preparar los métodos necesarios para el muestreo sistemático de dos grupos de invertebrados: los escarabajos necrófagos y coprófagos de la Subfamilia Scarabaeinae (Coleoptera) y la Familia Pieridae de mariposas diurnas (Lepidoptera). Hasta la fecha hemos completado la fase de campo, finalizado la mayor parte de los análisis de laboratorio y cuantitativos relativos a las mariposas, y estamos en la fase final del trabajo con escarabajos. La principal limitante, imprevista en la fase de diseño de este proyecto, fue la dificultad y lentitud de la identificación de los escarabajos colectados.
I.
INFORME TÉCNICO
A continuación se presentan los resultados de impacto logrados hasta la fecha, siguiendo el esquema utilizado en la propuesta. Se informa sobre el avance en los mismos y se evalúa el cumplimiento de los indicadores clave. I.1. Aplicación de los diferentes protocolos alternativos para la recolección de escarabajos y mariposas en seis unidades de muestreo con condiciones ambientales diferentes Para escoger sitios adecuados para calibrar los métodos se visitaron varias unidades de muestreo entre el 23 de abril y el 4 de Mayo, 28 y 29 de Mayo, 20 y 28 de julio, entre el 17 y el 19 de agosto, y el 17 de octubre de 2005; adicionalmente se evaluaron imágenes de satélite de moderada resolución y mapas de vegetación para escoger entre las rutas preseleccionadas aquellas que permitieran contrastar mejor los diferentes tipos de hábitat con sus faunas asociadas. Se realizaron cuatro salidas de campo para el muestreo simultáneo de escarabajos y mariposas y cuatro salidas adicionales para trabajar sólo con mariposas. Las actividades realizadas en cada salida de campo se describen en la siguiente tabla. Lugares visitados Yacambú, Río Tocuyo, Santa Rosa, JajíLa Azulita
Fecha
Participantes
Actividades
23/04/05 al A Sánchez Observación de transecciones. 04/05/05 JR FerrerParis (salida conjunta con un proyecto de la Lic. Sánchez, los gastos fueron cubiertos parcialmente con dinero de un proyecto del IVIC y Provita, sólo una parte aparece en el informe financiero )
NeoMapas, calibración escarabajos y mariposas – página 2
Lugares visitados
Fecha
Participantes
Actividades
JajíLa Azulita
12/05/05 al JR FerrerParis 20/05/05 T Good F Rey
Entrenamiento en la colocación de trampas, manejo de los cebos para escarabajos, colecta de escarabajos y su limpieza previo al almacenamiento. Colocación de 50 trampas para escarabajos en una transección entre bosque montano y zonas agrícolas, colecta estandarizada de mariposas en varios puntos de la transección y prueba de trampas para mariposas en cuatro localidades.
Yaracal
28/05/05 al JR FerrerParis 29/05/05 O Cisneros M Alarcón
Observación de transecciones, muestreos de mariposas
Araya, Paria
09/06/05 al JR FerrerParis 16/06/05 T Good A Sánchez Y Velásquez O Cisneros L Martínez I Herrera
Colocación de una transección de 50 trampas y dos mini transecciones de 20 trampas para escarabajos entre zona xerofítica y bosque seco con explotación agrícola. Prueba con diferentes tipos de cebos. Colecta estandarizada de mariposas en 40 puntos de muestreo a lo largo de la transección. Colocación de trampas en cuatro localidades.
San Joaquín de Navay, Otopun y Santa Bárbara de Barinas
20/07/05 al JR FerrerParis 28/07/05 A Sánchez (salida conjunta con un proyecto de la Lic. Sánchez, los gastos fueron cubiertos con dinero de un proyecto del IVIC y Provita, por tanto no aparecen en el informe financiero )
Observación de transecciones. Colecta estandarizada de mariposas en 18 localidades a lo largo de tres transecciones en vegetación de bosque montano, sabanas arboladas y bosque bajo intervenido. Colectas adicionales en diferentes localidades fuera y dentro de transecciones preseleccionadas. Colocación de trampas de mariposas en una localidad.
NeoMapas, calibración escarabajos y mariposas – página 3
Lugares visitados Guri, Puerto Ordaz, San Tomé
San Felipe
Fecha
Participantes
10/08/05 al JR FerrerParis 19/08/05 T Good A Sánchez N Paris de Bracho G Bracho L Martínez LA Martínez I Lau M Losada M Alarcón
17/10/05 JR FerrerParis T Good
Actividades Colocación de una transección con 95 trampas de escarabajos en un hábitat de sabana arbolada y remanentes de bosques bajo. Colectas estandarizadas de mariposas en varias localidades dentro y fuera de la transección. Colocación de trampas de mariposas en cinco localidades. Colectas estandarizadas de mariposas en una transección adicional en San Tomé en un hábitat de sabana arbolada en un área altamente intervenida. Observación de transecciones.
Hacienda Guáquira
23/11/05 al JR FerrerParis 28/11/05 A Sánchez Y Velásquez L Martínez
Colocación de una transección con 30 trampas de escarabajos en los linderos de la hacienda, incluyendo hábitat de bosque, cultivos y potreros. Colectas estandarizadas de mariposas en varias localidades dentro y fuera de la transección.
Península de Paraguaná
08/12/05 al JR FerrerParis 11/12/05 I Lau I Zager
Colectas estandarizadas de mariposas en varias localidades dentro y fuera de la transección.
Puerto La Cruz, Cumaná, Caripe, Isla de Margarita
29/12/05 – JR FerrerParis 03/01/06
Colectas estandarizadas de mariposas en varias localidades dentro y fuera de la transección.
Hacienda Guáquira
20/02/06 al JR FerrerParis 24/02/06 J Gutierrez W Hernández
Colectas estandarizadas de mariposas en varias localidades dentro y fuera de la transección.
Como resultado de estas salidas de campo se atraparon 3.458 mariposas y 12.093 escarabajos. Tanto para la revisión de las trampas como para los muestreos de mariposas se llenaron planillas con todos los datos asociados a la toma de las muestras. Estos datos fueron digitalizados y almacenados en una base de datos relacional alojada en un servidor del IVIC. La base de datos contiene toda la información de las planillas y le asigna un número a cada ejemplar. Las mariposas se colocaron individualmente en sobres de glasine, junto con una etiqueta impresa con el código del ejemplar. Los escarabajos recogidos cada día
NeoMapas, calibración escarabajos y mariposas – página 4
en cada trampa fueron preservados en alcohol al 70%, en frascos de vidrio o bolsas plásticas especiales (“whirl packs”) con doble etiqueta indicando el código de la trampa y la fecha. La identificación de las mariposas se realizó mediante el empleo de claves taxonómicas y la comparación de los patrones de coloración alar con fotografías y láminas a color. La identificación fue realizada por JR FerrerParis con la ayuda de dos ayudantes de pregrado, alcanzando 3.274 ejemplares identificados (incluyendo aquellos que han sido identificados parcialmente a nivel de morfo especie, principalmente en las familias Hesperiidae, Lycaenidae y Riodinidae), y 184 ejemplares que no han sido identificados aún (principalmente de las familias Lycaenidae y Riodinidae). Hasta el momento, se han identificado 298 especies pertenecientes a cinco familias de mariposas, pero posiblemente una validación de las identificaciones con expertos de los grupos más complicados arroje hasta un 5% de especies adicionales. Para la identificación de los escarabajos se solicitó la colaboración del Lic. Antonio A. De Ascencao de la Universidad de Los Andes en Mérida. Él y sus estudiantes identificaron un total de 7469 escarabajos recogidos en las dos primeras salidas de campo y están trabajando con el resto del material colectado. En el lote analizado se identificaron 34 especies de escarabajos coprófagos diferentes, de las cuales 18 han sido identificados a nivel de morfoespecies. Evaluación Para evaluar el cumplimiento de este objetivo se consideraron los siguientes indicadores, incluidos en la propuesta del proyecto: 1. Visitas preliminares a las unidades muestrales previamente escogidas para el proyecto NeoMapas para determinar los puntos de colocación de trampas y de captura de mariposas: una en hábitat de montaña, otra en una zona árida, una en los llanos, una en hábitat costero, una en hábitat boscoso húmedo y una en bosque seco de tierras bajas. 2. Recolección simultánea de escarabajos y mariposas en las unidades muestrales. 3. Identificación de los ejemplares de escarabajos y mariposas capturados, creación de una base de datos que relacione los ejemplares de cada especie con lugar y condiciones de colecta. 4. Creación de una base de datos con los datos de recolección e identificación de cada ejemplar.
NeoMapas, calibración escarabajos y mariposas – página 5
Evaluación del Indicador 1: Se realizaron visitas a transecciones representativas de hábitats de montaña, zonas áridascosteras, llanos, y bosque seco, y bosque húmedo. Indicador cumplido en su totalidad. Evaluación del Indicador 2: Debido a que los muestreos de escarabajos requieren una mayor inversión y la logística es más exigente, no fue posible realizar ambos muestreos simultáneamente en todas las salidas. Sin embargo los datos obtenidos en las transectas realizadas permiten comparar la efectividad de los métodos de captura de ambos grupos en paisajes con diferentes características. Evaluación del Indicador 3: La identificación de mariposas ha avanzado a buen ritmo, aunque aún quedan algunos ejemplares que necesitan verificación de su identidad, y un pequeño porcentaje que aún no ha sido identificado. Los análisis realizados hasta la fecha se basan en las identificaciones parciales o tentativas, y serán repetidos una vez se complete la identificación de todo el material. Sin embargo, no esperamos que esto afecte significativamente los resultados presentados en este informe. Para el caso de los escarabajos, el Prof. De Ascencao ha cumplido con aproximadamente 50% de las identificaciones. El retraso en su trabajo se debe parcialmente a problemas de salud que le aquejaron en los meses de noviembre y diciembre de 2005. El Prof. De Ascencao no se ha querido comprometer a dar una fecha tentativa de culminación de las identificaciones, así que presentaremos sólo resultados parciales. Sin embargo, dado que los resultados se basan en la identificación de más de 7400 escarabajos, confiamos que son representativos de los patrones generales observados en la naturaleza. Evaluación del Indicador 4: Actualmente la base de datos con toda la información de las colectas y los ejemplares de mariposas y escarabajos está operativa en un servidor del IVIC. Por los momentos, el acceso es exclusivo para el personal del laboratorio, mientras se terminan de realizar los trabajos de identificación y los análisis estadísticos. Posteriormente esta base de datos será accesible al público en general como información de referencia.
NeoMapas, calibración escarabajos y mariposas – página 6
I.2.
Evaluación de los protocolos tomando en cuenta la capacidad de optimizar la precisión (disminuir la varianza), y la exactitud (disminuir el sesgo en la media) de los estimados de abundancia y riqueza de especies, manteniendo bajos costos de tiempo, personal y recursos; Evaluación y comparación de grupos focales para escarabajos y mariposas, y; Elaboración de un presupuesto para el muestreo de escarabajos y mariposas paralelo al muestreo de aves de NeoMapas.
Evaluación Indicadores para la evaluación de estos objetivos, según la propuesta original: 1. Análisis de los datos. 2. Tabla comparativa de la media y la varianza de los estimados de riqueza de especies para cada tipo de muestreo. 3. Recomendación del protocolo más efectivo para la recolección de mariposas y escarabajos. 4. Recomendación del gremio de escarabajos y la o las familias de mariposas más apropiadas para incorporar a NeoMapas. 5. Un presupuesto detallado de los recursos necesarios (personal, vehículos, días de trabajo, material de colecta y almacenamiento, proceso de identificación de los ejemplares) para la realización del muestreo de mariposas y escarabajos en paralelo con el censo de aves. Consideraciones generales Estrategias de muestreo El objetivo del presente trabajo es optimizar los métodos para el inventario de mariposas y escarabajos coprófagos. El diseño del muestreo es similar para cada grupo y se basa la replicación de unidades elementales de muestreo dentro de una unidad de análisis de mayor extensión, que en la mayor parte de los casos es una transección de una longitud fija (40 km). Este diseño muestral es conocido en ecología de poblaciones como diseño robusto (Kéry & Schmid 2004). La unidad de muestreo de mariposas es el recorrido cronometrado, los cuales son una modificación de los recorridos cronometrados propuestos por Pollard (Caldas & Robbins 2003). Durante estos recorridos un grupo de colectores atrapa
NeoMapas, calibración escarabajos y mariposas – página 7
todas las mariposas que puede mientras un anotador lleva el tiempo, anota los datos del recorrido en una planilla y asiste a los colectores en su trabajo. El esfuerzo de muestro total de una transección lo denominamos Et, y viene dado por el número de recorridos, r, y el esfuerzo invertido en cada recorrido, Er, el cual se mide por la duración en minutos, d, y el número de colectores, c. Por tanto, E=r ×E r , si todos los recorridos tienen igual esfuerzo de muestreo, o, E=∑ d i ×c i , para i=1,2,...,r, si los recorridos difieren en duración y/o número de colectores. E se mide en minutos por persona o m*p. La unidad de muestreo de escarabajos es la trampa de caída con cebos atrayentes (Larsen & Forsyth 2005). En ese caso el esfuerzo de muestreo, Et, es igual al número de trampas, r, multiplicado por el tiempo de permanencia, Er=d, de las mismas, lo cual se cuantifica en número de horas por trampa (h*t). En ambos casos el objetivo es proponer una serie de reglas para realizar un muestreo que minimice los costos de tiempo, personal y recursos y que provea de datos comparables entre transecciones con la mayor precisión y exactitud posible. Para escoger el protocolo óptimo en el caso de las mariposas se realizaron cuatro pasos: (1) se determinó el esfuerzo de muestreo óptimo, Etopt, para obtener estimados de riqueza de especie confiables y comparables entre transecciones, (2) se estimó el esfuerzo óptimo por recorrido, Eropt, para maximixar el número de individuos y especies capturadas por recorrido y por la transección completa, (3) se determinó el número de recorridos, r, necesarios para cumplir con los puntos anteriores y la disposición espacial de los mismos para captar la heterogeneidad en la distribución y abundancia de especies a lo largo de la transección, y (4) se compararon las diferentes familias y subfamilias como candidatos para servir de grupos focales o indicadores. El punto (1) está relacionado principalmente con la estimación de riqueza para una transección, el punto (2) está relacionado con el concepto de complementariedad aplicado a los recorridos dentro de una transección, mientras que el punto (3) está relacionado con la relación entre autocorrelación espacial y complementariedad. Por su parte para el punto (4) consideramos dos criterios: la proporcionalidad constante y la representatividad de las subfamilias colectadas. En el caso de los escarabajos las variables que definen el esfuerzo de muestreo son el número de trampas y el número de días que permanezcan activas las trampas. Debido a que en este caso existen varias propuestas de métodos de colecta bien documentadas, fue posible fijar a priori algunos parámetros del muestreo: Las trampas se colocaron a una distancia mínima de 50 metros entre sí, NeoMapas, calibración escarabajos y mariposas – página 8
y fueron chequeadas una vez al día durante 4 días consecutivos. Por tanto para escoger el protocolo óptimo se varió el número de trampas y el espaciado entre ellas. Estimación de la riqueza de especies Para grupos muy diversos, como lo son las mariposas y los escarabajos, no es posible conocer con certeza el número de especies presentes en una localidad o una región debido al alto porcentaje de especies presentes a bajos niveles de abundancia o que son difíciles de detectar con los métodos de recolección empleados (Gotelli & Colwell 2001). El número de especies observadas, N, es un estimado ingenuo de la riqueza real de especies, S, el cual es afectado por el esfuerzo de muestreo, E, y la abundancia relativa de las especies en las muestras, y por tanto no permite la comparación directa entre regiones que difieran en alguno de estos parámetros. Para poder hacer comparaciones es necesario utilizar estimados, S , que tomen en cuenta el proceso de recolección de los datos y/o la distribución de las abundancias relativas de las especies. Existen una serie de estimados S que se basan en curvas de acumulación de especies, CAE, o curvas de rarefacción, CRE (Tojrve 2003). Ambas curvas representan el aumento en N a medida que se incrementa E, pero la curva de acumulación se construye siguiendo un orden arbitrario. Por ejemplo se pueden generar ordenando los muestreos según la fecha, o siguiendo el orden en que fueron colocadas las trampas. La curva de rarefacción se construye a partir de subconjuntos de muestreos en orden aleatóreo (usando técnicas de jacknife o bootstrap), y es, si se quiere, el valor esperado o promedio de todas las curvas de acumulación de especies posibles para los datos observados. Para una situación particular podemos construir el valor esperado y el intervalo de confiabilidad de la CRE y comparar estos valores con la CAE construida según una secuencia particular. De esta forma podemos probar si un órden o una regla particular de muestreo es más efectivo que la distribución aleatorea de las muestras. Los estimados S basados en una CAE o una CRE se fundamentan en el hecho de que el aumento en N es menor a medida que aumenta E, de tal forma que la curva tiende a encontrar un valor asintótico (Gotelli & Colwell 2001). Existen varias formulaciones matemáticas de esta relación, que se corresponden a diferentes supuestos sobre el proceso de muestreo: una de ellas es la formula de
NeoMapas, calibración escarabajos y mariposas – página 9
Clench (JiménezValverde & Hortal 2003). Si ajustamos una función como la de Clench a los datos observados de una CRE es posible extrapolar el valor de N para un esfuerzo de muestreo creciente, en teoría N≈ S cuando E ∞ . El valor de la asíntota lo denominamos S Clench . Inclusive, estas curvas permiten estimar Ek, o sea, el valor de E para el cual se cumple N / S Clench≥k , donde k es una fracción o porcentaje. A partir de la CRE es posible estimar la distribución esperada de la curva de Clench y del estimado S Clench , para ello se ajustan multiples curvas de Clench a subconjuntos aleatoreos de muestras. Una alternativa a las curvas de acumulación o rarefacción es utilizar estimados S basados en teoría de muestreo a partir de datos de abundancia de las especies en la muestra (Hellmann & Fowler 1999). En grupos de alta diversidad, muchas veces las curvas de acumulación o rarefacción no se acercan a un valor asintótico a pesar de grandes esfuerzos de muestreo. En estos casos es posible comparar la forma inicial de las curvas, pero a medida que aumenta E la variación en los valores esperados de N aumenta y los estimados de S terminan siendo muy imprecisos. Si bien la precisión y la exactitud de los estimados S basados en datos de abundancia, y por tanto su confiabilidad, son igualmente sensibles al esfuerzo de muestreo y/o tamaño de la muestra, ellos suelen alcanzar un valor asintótico antes que las curvas de acumulación o rarefacción, y por tanto suelen ser más eficaces (Gotelli & Colwell 2001). Existen varias formulas para estos estimados, algunas, como el estimado de ACE, S ACE se basan en el número de individuos capturados por especie; otras, como el estimado de Chao, S Chao se basan en el total de veces que aparece una especie en una serie de muestras; pero ambas medidas pueden calcularse a partir de una matriz de especies por sitio o especie por muestreo (Gotelli & Colwell 2001). Estimación de la complementariedad entre sitios La complementariedad es un componente importante de la biodiversidad que mide el grado en que la biota de un grupo de recorridos o trampas (o sitios, localidades, muestras, etc.) se distinguen entre sí (Colwell & Coddington 1994). Si la complementariedad es alta, la biota del conjunto de sitios va a ser mucho más rica que la biota de cada uno de los sitios por separado, mientras que niveles de complementariedad bajos significa que la biota de los sitios es muy similar entre sí y tiene pocos elementos distintivos. Este concepto está relacionado con el de diversidad . La complementariedad incide directamente en la efectividad de un diseño de inventarios de biodiversidad: entre mayor sea la complementariedad, mayor es el
NeoMapas, calibración escarabajos y mariposas – página 10
número de unidades muestrales que se requerirá para captar la riqueza total del área de interés (Colwell & Coddington 1994). Si bien el número de especies, Nt, capturados en una transección aumenta monotonamente con Et, la contribución de los recorridos individuales, Nr, no es , para i=1,2 , , r ; dónde C es siempre equivalente. De hecho N t ∝ ∑ N i / C el promedio de C ij , o sea la complementariedad entre las unidades de muestreo i y j en una transección. Esto se debe en parte a la heterogeneidad natural de las áreas de estudio, pero también al hecho de que la medida de Et que hemos escogido combina el efecto del número de recorridos, r, y el Er en un mismo valor. Es de esperar que Nr muestre una tendencia positiva con respecto a los componentes de Er: el número de colectores y la duración del recorrido en el caso de las mariposas, o la permanencia de las trampas, en el caso de los escarabajos. Sin embargo el efecto de estas variables sobre C ij no es fácil de predecir, debido a que depende de la probabilidad de detección o captura de las especies (Nichols et al. 1998). Si la probabilidad de captura de una misma especie varía entre sitios, las especies capturadas en cada unidad de muestreo (recorrido o trampa) seran diferentes (habrá mayor complementariedad), y por tanto entre más recorridos se hagan, mayor es la probabilidad de captar nuevas especies. Por otro lado, si la probabilidad de captura difiere entre especies en un mismo sitio, la tasa de captura de nuevas especies tenderá a aumentar a medida que se aumenta el esfuerzo por unidad de muestreo. Pero debido a que la probabilidad de captura varía naturalmente entre sitios y entre especies, no es fácil resolver la disyuntiva entre aumentar r ó aumentar Er. Una forma de estimar la complementariedad en una transección es a través de la comparación de CAE y CRE (Colwell & Coddington 1994). Para ello ordemos los recorridos de forma descendente por el número de especies capturadas, Nr, y llamamos esta curva CAE(sp). Si CAE(sp) está por encima de la CRE, esto implica una baja complementariedad entre sitios, pues la mayor parte de las especies están en los recorridos de alta riqueza de especies. Si por el contrario los recorridos son disímiles y las especies se reparten aleatoreamente por los recorridos, CAE(sp) no se distinguirá de un ordenamiento aleatoreo de los recorridos, o estará por debajo de la CRE. Por otro lado, si se calcula CAE(t) tomando el número acumulado de especies capturadas a intervalos consecutivos de cinco minutos en los diferentes muestreos, y se compara con la CRE, podemos estimar el efecto de la duración de NeoMapas, calibración escarabajos y mariposas – página 11
los muestreos en la efectividad de los recorridos para captar el número de especies presentes en la transección o región. Si CAE(t) está por encima de CRE, sería un indicio de que la probabilidad de capturar especies nuevas declina al aumentar la duración de los recorridos. Si por el contrario CAE(t) cae dentro del intervalo de confianza de CRE, la probabilidad de capturar nuevas especies es similar durante todo el recorrido. En el primer caso se deberían preferir múltiples recorridos de corta duración, y en el segundo, pocos recorridos largos. Esta forma de estimar la complementariedad tiene una seria limitación. Debido a que gran parte de las especies presentes en un sitio se encuentran en bajos niveles de abundancia, la probabilidad de capturarlas aumenta si la duración del recorrido es mayor. En este caso los recorridos cortos estarían subestimando el número de especies en un sitio, lo cual podría traducirse tanto en una sub como sobreestimación de la complementariedad. Una alternativa para estimar de forma robusta la complementariedad es , que tomen en cuenta las abundancias utilizando estimados de disimilaridad, D de las especies (Chao et al. 2000). El estimado de disimilaridad de ChaoJaccard, Chao J , es un estimado derivado del índice de similaridad de Jaccard, pero que D está basado en la abundancia de especies comunes entre dos sitios, y en el supuesto de que los inventarios son incompletos (Chao et al. 2005). Igualmente, este estimador es robusto ante la disparidad en el tamaño de la muestra entre los sitios y por tanto es aplicable a nuestro caso. Este índice mide, no sólo el número de especies compartidas entre dos sitios, sino también si las abundancias observadas son similares. Al aplicar este estimado a una matriz de especies por recorrido, obtenemos una matriz de disimilaridad o “distancia” entre pares de sitios. La distribución de valores de esta matriz nos dará un estimado de la complementariedad de los recorridos: valores cercanos a 1 indican alta disimilaridad y por tanto alta complementariedad, y valores cercanos a 0 indican baja disimilaridad. Autocorrelación en los valores de riqueza y abundancia La complementariedad puede verse afectada por la autocorrelación en la abundancia de las especies (Koenig 1999). La autocorrelación es una medida estadística de la estructura espacial de una variable. En nuestro caso, la abundancia de una especie puede mostrar autocorrelación espacial si las poblaciones cercanas muestran niveles moderados o altos de dispersión, si los recursos que usa una especie están distribuidos en unidades discretas y no de forma continua en el espacio, o si existen barreras o limitaciones para el movimiento de los individuos, entre otros factores.
NeoMapas, calibración escarabajos y mariposas – página 12
La autocorrelación puede causar que sitios cercanos entre sí sean muy parecidos en su composición de especies, pero que sitios alejados tengan pocas especies en común. Por tanto la disposición espacial de los recorridos cronometrados dentro de una transección tiene un efecto importante en los estimados de riqueza y de abundancia que se obtengan para la transección (Bjornstad et al. 1999). Si existe autocorrelación espacial en las abundancias de las especies, la realización de múltiples muestreos cortos cercanos entre sí tenderá a sobreestimar la abundancia de especies frecuentes y subestimar la abundancia de especies poco frecuentes, además de reducir la probabilidad de capturar especies escasas. Por otro lado, si existen especies con distribución espacial restringida dentro de la transección, la probabilidad de capturarlas disminuye si se reduce el número de localidades en las que se realicen los recorridos. Si fuese posible cuantificar estos patrones de autocorrelación, se podría establecer reglas sobre la disposición espacial de las unidades de muestreo que permitan mantener un balance entre una cobertura suficiente de la heterogeneidad de la unidad de análisis y la replicación de las unidades de muestreo necesaria para validar los estimados (Colwell & Coddington 1994). La autocorrelación entre valores observados de abundancia puede medirse a través de un correlograma o covariograma empírico (Bjornstad et al. 1999). El correlograma, V(d), es una función que describe como disminuye la covarianza, V, entre pares de sitios en función de la distancia, d, entre sitios. V(d) se mide como la relación entre el promedio de la covarianza de un par de puntos en una distancia d y la covarianza regional obtenida al promediar todos los puntos. V(d) tiene dos parámetros de interés para estimar la autocorrelación: el estimado de la covarianza local, denominada V0, y el intervalo de influencia, denominado d0. V0 es un estimado de la correlación de un par de observaciones cuando d 0 , mientras que d0 es un estimado de la distancia mínima para la cual la V d 0 y se aproxima a la varianza regional. De esta forma, d0 es un estimado de la escala de autocorrelación y V0 es un estimado de la magnitud de la misma (Bjornstad et al. 1999). Existen diferentes métodos para la estimación del covariograma de una variable, aunque las propiedades de estos métodos han sido poco exploradas para datos con una distribución que no sea normal (Bjornstad et al. 1999). Los datos de abundancia generalmente se describen a través de una distribución Poisson en escala logarítmica. Para este tipo de datos un método robusto y flexible es el correlograma noparamétrico basado en modelos aditivos generalizados,
NeoMapas, calibración escarabajos y mariposas – página 13
V spline d , con el cual se pueden estimar V 0 y d 0 , con intervalos de confianza calculados por medio de bootstrap (Peltonen et al. 2002).
Alternativamente, se puede medir el efecto directo de la distancia en los estimados de complementariedad utilizando un test de Mantel para matrices de distancias, el cual está basado en simulaciones Monte Carlo (Legendre & Chao J para todos los pares de sitios forman una Legendre 1998). Los valores de D matriz de distancias entre sitios, la cual se compara con la matriz de distancias geográfica entre sitios. A partir de ambas matrices se calcula la correlación entre estos valores y se compara con los valores calculados por permutación aleatórea de las celdas de ambas matrices. Por otro lado, se pueden graficar los valores de ambas matrices para obtener una figura análoga a un correlograma, a partir de la Chao J para diferentes cual se puede estimar el cambio en el promedio de D Chao J toma valores entre 0 y 1, se puede distancias geográficas. Debido a que D utilizar una regresión logística no paramétrica como un estimado robusto del efecto de la distancia en el valor de disimilaridad. Criterios para seleccionar grupos indicadores Existen muchas propuestas de criterios para escoger y evaluar grupos indicadores de biodiversidad que generalmente se basan en la evaluación del conocimiento científico acumulado para diferentes taxa (McGeoch 1998). Estos criterios son diferentes según el propósito del estudio, la variable de interés y la escala de trabajo, entre otros factores. El objetivo final de los muestreos es desarrollar mapas predictivos de riqueza y diversidad de especies a partir de modelos de distribución de un subconjunto de especies seleccionadas. El hecho de escoger un subconjunto de especies, en vez de trabajar con el conjunto completo de especies, se debe a la dificultad de identificar especies en grupos muy diversos, como las mariposas y los escarabajos. Los datos recogidos durante el estudio nos permiten evaluar dos criterios sencillos para escoger un grupo focal dentro de las familias de mariposas (Brown & Freitas 2000): (a) el subconjunto de especies escogido debe representar una proporción constante del total de especies, y (b) el subconjunto debe estar adecuadamente representado por un gran número de ejemplares distribuidos en un gran número de localidades. El criterio (a) lo denominaremos proporcionalidad constante, y el (b) representatividad. Los subconjuntos evaluados fueron grupos taxonómicos a nivel de familias y subfamilias.
NeoMapas, calibración escarabajos y mariposas – página 14
Para el caso de los escarabajos de la familia Scarabaeinae, nos propusimos en un principio hacer la evalución de grupos por gremio alimenticio (coprófagos, necrófagos y otros), y así lo hicimos para una de las transecciones. Sin embargo, la experiencia de campo, combinada con intercambios de información con expertos y consultas bibliográficas (Vernes et al. 2005), decidimos limitar nuestra investigación a los escarabajos coprófagos en el resto de las transecciones. Esto se puede justificar pues la mayor parte de las especies son atraídas a este tipo de cebos, aunque no todas son estrictamente coprófagas.
NeoMapas, calibración escarabajos y mariposas – página 15
Análisis de los datos de colecta de mariposas Se utilizaron los datos de las 7 regiones en Venezuela en las que se ha acumulado un esfuerzo de muestreo entre 780 y 2580 m*p. Las regiones llamadas Jají, Araya, Barinas, Guri y Guáquira fueron visitadas durante el período de financiamiento, y corresponden a bosque montano, árido costerobosque seco, ecotono llano piedemonte andino, ecotono sabanabosque bajo y mosaico agrícola con zonas boscosas, respectivamente. En otras zonas visitadas durante el período de trabajo, Oriente y Paraguaná, no se acumuló un esfuerzo de muestreo suficiente para poder realizar los análisis presentados aquí, y por ello esos datos no se incluyen en el presente informe. como elemento de comparación se incluyeron datos de muestreos realizados anteriormente. En agosto del 2004 se realizaron muestreos entre La Grita y La Fría (abreviado “Táchira”) en un gradiente altitudinal entre páramo (3000 m) y pastizales y potreros bajos, entre 300 y 600 m. En julio de 2004 se realizaron muestreos en los alrededores de la ciudad de Maracaibo, incluyendo un gradiente de cobertura vegetal desde zonas boscosas (semisecas y secas) hasta vegetación semiárida con cardonales y espinares. El esfuerzo de muestreo se definió contando el total de minutos por colector en todos los recorridos cronometrados realizados en la región. En Araya, Guri y Jají se realizaron recorridos cronometrados espaciados a lo largo de una transección. En Barinas, éstos estuvieron repartidos entre tres transecciones cercanas entre sí. En Guáquira, Maracaibo y Táchira parte de los recorridos se realizaron a lo largo de transecciones y parte fueron realizados en sitios escogidos aleatoreamente dentro de un área de 50 x 50 km (2.500 km2). Las diferencias en el esfuerzo de muestreo y la distribución espacial de los recorridos entre regiones se deben a diversas limitaciones logísticas, principalmente la disponibilidad de asistentes y vehículos, y las condiciones climáticas durante las visitas que en algunos casos impidieron o limitaron las colectas. Estas diferencias imponen mucha cautela a la hora de hacer comparaciones directas entre regiones. Sin embargo, y debido a que todas estas variables son incorporadas explícitamente en los análisis presentados, no impiden realizar comparaciones dentro de las transecciones. Todos los análisis se realizaron con el software estadístico R (R Development Core Team 2005). Esfuerzo óptimo por transección
NeoMapas, calibración escarabajos y mariposas – página 16
Para cada una de las siete regiones se crearon matrices, denominadas M, con N columnas y R filas, donde las columnas representan las especies, cada fila representan un recorrido cronometrado y el valor de cada celda es la abundancia de esa especie en ese recorrido. Para construir la curva de rarefacción de especies, estimar la curva de Clench y calcular los estimados de S Chao y S ACE , se usó el siguiente algoritmo (JiménezValverde & Hortal 2003): a) a partir de M se construye M* tomando un número i de filas al azar, (b) N* corresponde al número de columnas con sumas > 0 en M*, (c) se estima S Chao a partir de la matriz M*, se estima S ACE utilizando la suma de las columnas de M*, (d) se suma el esfuerzo de muestreo E de los recorridos que corresponden con las i filas, (e) se incrementa i en una unidad y se vuelve al paso (a) hasta que i=R. Luego, (f) se ajusta una curva de Clench a los datos de N y E mediante mínimos cuadrados no lineales, utilizando el algoritmo de GaussNewton, y se estiman los valores de S Clench E80 y E90. Este algoritmo se repite 1000 veces para generar una distribución de valores de los estimados. El cuantil 50% corresponde a la mediana, mientras que los cuantiles 2,5 y 97.5% permiten estimar su intervalo de confianza del 95%. El error estandard se estimó a partir de la desviación absoluta de la mediana (“Median Absolute Deviation”).
Esfuerzo óptimo por recorrido En las diferentes regiones se realizaron recorridos cronometrados que variaron en la duración total y en el número de colectores. Los datos se combinaron en una misma tabla y se ajustaron modelos lineales generalizados con distribución de errores Poisson y función de enlace logarítmica, para describir la relación entre Ir y Nr como variables dependientes y los componentes de Er (el número de colectores y la duración del recorrido) como variables independientes. Para estimar el efecto de la complementariedad entre recorridos se ajustaron la CAE(sp) y CAE(t) descritas anteriormente. Para la primera se ordenaron las matrices M según el número de especies por recorrido. Para CAE(t) se dividieron los recorridos en períodos de 3 o 5 minutos de duración (según como se llenaron los protocolos de campo en cada ocasión) y se realizaron matrices parecidas a las anteriores, pero con los períodos sustituyendo los recorridos. Los períodos se ordenaron de acuerdo a su posición dentro del recorrido y a partir de esta matriz se contó el número de especies capturadas en períodos consecutivos. Luego, para cada período se multiplicó el número de colectores por la duración del mismo y se sumaron estos valores para obtener el esfuerzo de muestreo. Para obtener el valor esperado y el intervalo de confianza de CRE para cada región se utilizó la función de Mao (Colwell et al. 2004) a partir de las matrices M. NeoMapas, calibración escarabajos y mariposas – página 17
Adicionalmente se calculó una matriz de disimilaridad entre recorridos, llamada Chao J a las filas de M (Chao et al. 2005). Para estimar S, aplicando el estimador D Chao J introducido por las diferencias en Er, se realizaron regresiones el sesgo en D Chao J y el Er promedio de ambos recorridos, y entre logísticas entre el valor de D Chao J y la relación entre los Er de ambos recorridos ( ∣log E i / E j ∣ , donde D i=1,2 ,,r y j=1,2 , ,r ). Debido a que los datos en la matriz S no son independientes entre sí, la regresión se estimó por medio del método de verosimilitud local (Bowman & Azzalini 1997). Adicionalmente, se examinó la distribución de los valores de S por medio de conteos locales ponderados (“kernel density estimates”). Disposición espacial de los recorridos Dentro de cada región se utilizaron los datos de abundancias de cada una de las especies para calcular el estimado V spline d promedio para el conjunto de las especies (Peltonen et al. 2002). A partir de esta función se obtuvieron los estimados V 0 y d 0 con sus respectivos intervalos de confianza. Aparte, se aplicó el test de Mantel para calcular la correlación entre la matriz S y la matriz de distancias geográfica entre recorridos, denominada G (Legendre & Legendre 1998). Adicionalmente se analizó el gráfico de los valores de S vs. G, con un estimado no paramétrico de la regresión logística entre ambas variables. Al comparar las curvas con el valor promedio de disimilaridad para todo el conjunto de puntos podemos ver para cuales intervalos de distancia la curva se aparta del promedio, desviaciones positivas o negativas implican elementos espaciales regulares. Selección de grupos indicadores Para detectar un subconjunto de subfamilias que cumplan con el criterio de proporcionalidad constante se creó una tabla de contingencia del número de especies por subfamilias y por región. Esta tabla de contingencia fue visualizada utilizando gráficos de contingencia (mosaicplots), que permiten comparar filas y columnas visualmente para detectar regularidades en las proporciones de cada combinación de variables o celdas. De esta forma, se detectaron grupos de subfamilias que potencialmente pudieran servir como grupos indicadores. Para cada uno de los grupos seleccionados y cada región se estimó una CRE y se calculó la proporción entre el CRE del grupo y el CRE total, para determinar si el
NeoMapas, calibración escarabajos y mariposas – página 18
criterio de proporcionalidad se cumple a diferentes niveles de muestreo. Por otro lado, se examinó el criterio de representatividad a partir de gráficos sencillos del número de recorridos por el número de individuos para cada especie. Resultados para mariposas Estimación de riqueza de especies por transección Los valores de N se encuentran entre 38 y 140 especies (Tabla 1), mientras que los estimados de S muestran consistentemente valores superiores, entre 48 y 245 especies. Por lo general los diferentes estimados S son parecidos entre sí y no muestran diferencias significativas, de hecho el intervalo de confianza de S Chao incluye los valores de N en todas las regiones con E2.500 m*p, Figuras 1b1h) la precisión disminuye drásticamente; especialmente la curva para Jají, y en menor medida las de Maracaibo y Guri, presentan intervalos de confianza muy grandes que se reflejan igualmente en la imprecisión de los estimados de S Clench . Las curvas ajustadas alcanzan el 80% del valor de S Clench entre 2.500 y 6.400 m*p, pero para alcanzar 90% habría que duplicar el esfuerzo (Tabla 2). También hay
NeoMapas, calibración escarabajos y mariposas – página 19
una gran incertidumbre por la imprecisión de los estimados obtenidos por extrapolación. Sin embargo, se puede asegurar (con un 95% de confianza) que para E>4.000 m*p las curvas estarán entre el 80% y el 90% de S Clench en cinco de las 7 regiones, y para E>5.000 m*p, se alcanzaría esta meta en las 7 regiones.
Figura 1. Curvas de rarefacción de especies (CRE, acumulación del número de especies esperadas, N, por unidad de esfuerzo, E) para todas las regiones estudiadas. (a) estimados de CRE para todas las regiones por medio de interpolación dentro del intervalo de E realmente muestreado según el método de Mao; (b) a (h) extrapolación de CRE para valores de E entre 0 y 15.000 m*p para cada una de las regiones por medio del ajuste de la función de Clench. En todos los casos la linea sólida es el estimado y las lineas punteadas representan el Intervalo de confianza del 95%. Cada región está representada por un color diferente, las áreas sombreadas representan la distribución del estimado de S Clench para cada región, las zonas más oscuras representan la parte central de la distribución (aprox. 25% a 75%).
NeoMapas, calibración escarabajos y mariposas – página 20
Tabla 2. Valores estimados de Ek para k=0.8 y k=0.9, o sea 80 y 90% del estimado S Clench respectivamente, para cada una de las regiones. Se presentan los estimados y el intervalo de confianza de 95% obtenido a partir de la distribución de los valores. Región Táchira Guáquira Maracaibo Araya Barinas Guri Jají
6.369,29 6.071,71 4.032,30 2.669,31 2.571,47 2.403,06 3.120,78
( ( ( ( ( ( (
E 0.8 5.053,28 8.342,48 4.721,29 7.980,22 2.587,68 6.602,34 2.045,38 3.604,29 2.127,31 3.073,90 1.729,22 3.783,78 1.510,83 9.172,35
) ) ) ) ) ) )
14.195,88 13.635,74 8.962,12 6.027,67 5.828,40 5.360,94 7.353,07
E 0.9 ( 11.445,95 18.231,00 ) ( 10.612,93 17.899,90 ) ( 5.952,15 13.860,38 ) ( 4.616,01 7.879,03 ) ( 4.924,54 6.943,28 ) ( 3.711,40 8.308,13 ) ( 3.547,10 19.641,70 )
Por su parte la trayectoria de los estimados S Chao y S ACE calculados para subconjuntos aleatoreos de los datos se presentan en la figura 2. como se puede apreciar en las Figuras 2a y 2b, en el ejemplo de la región Táchira, los estimados pueden variar mucho para un mismo esfuerzo de muestreo por el efecto del submuestreo aleatoreo, pero están siempre sobre los valores observados para esos mismos submuestreos. Esta diferencia tiende a aumentar con E, lo cual se interpreta generalmente como que el sesgo del estimado disminuye mucho más rápido que el sesgo de N. Sin embargo, no se puede apreciar que los estimados alcancen un valor asintótico en este intervalo de valores de E. El error estandard calculado para cada estimado S Chao es mucho mayor y variable que el de S ACE lo cual se refleja en valores del coeficiente de variación mucho más altos. Para todas las regiones (Figura 2c y 2d) los estimados S Chao y S ACE muestran un ascenso paulatino pero irregular al principio, con un coeficiente de variación inicial muy alto, que luego desciende rápidamente a medida que el valor del estimado se acerca (en teoría) a su valor asintótico. En nuestro caso los estimados predicen altos valores para Guáquira y Táchira, los menores valores para Araya y Maracaibo, y valores intermedios para las demás regiones, al tiempo que muestran las mismas tendencias a medida que aumenta el esfuerzo de muestro. En ambos casos el coeficiente de variación parece alcanzar valores mínimos entre 600 m*p y 1000 m*p. Para el caso de S ACE los estimados siguen aumentando hasta el final de los muestreos, excepto en la región de Araya. Para S Chao , al menos en los casos de Maracaibo, Araya y Barinas los estimados parecen acercarse a su valor asintótico a partir de 800 m*p, aunque en Guáquira y Táchira, siguieron aumentando hasta los 2000 m*p.
NeoMapas, calibración escarabajos y mariposas – página 21
Figura 2. Estimados S Chao y S ACE , y sus coeficientes de variación (CV) para todas las regiones estudiadas. (a) y (b) estimados S Chao y S ACE con sus respectivos coeficientes de variación (CV) para la región de Táchira, obtenidos por rarefacción de la matriz de especies por recorrido para diferentes valores de E; en la parte inferior los valores estimados en 1000 réplicas se muestran como puntos en gris oscuro con sus intervalos de confianza aproximados (2*E.S.), los valores observados (N) para cada replica se muetran en gris claro, la linea de color representa la tendencia de S Chao sobre E obtenida por regresión no paramétrica basada en medias locales (Friedman's SuperSmoother); en la parte superior los valores de CV =Var S / S se muestran en gris oscuro y la tendencia de CV sobre E se muestra como una linea de color. (c) y (d) las Chao y S ACE y sus respectivos CV sobre E para todas las tendencias de los estimados S regiones. El eje CV de las figuras (a) y (c) ha sido truncado para mejorar la visualización; para el caso de Táchira, aproximadamente 6% de los datos tienen valores de CV sobre 25, para valores de E entre 120 y 750 m*p.
NeoMapas, calibración escarabajos y mariposas – página 22
La magnitud de la diferencia varía entre ambos estimados, siendo S Chao poco estable y poco preciso como para poder validar estas diferencias. Según el comportamiento de los estimados en este intervalo, es posible predecir que un aumento del esfuerzo de muestreo disminuiría sustancialmente el sesgo de los estimados. Especialmente en las regiones con mayor riqueza de especies, aunque no mejore mucho la precisión, la cual parece estar estabilizada. Estimación de la complementariedad entre recorridos
En la Figura 3a observamos que el número de especies capturadas en un recorrido aumenta linealmente con E, al menos hasta 100 m*p. Para valores de E mayores no contamos con suficientes observaciones para hacer predicciones confiables. En las Figuras 3b y 3c se desglosa el efecto de los componentes de E en N, y vemos que ambos tienen una tendencia lineal positiva. Debido a que los variable respuesta es un conteo de especies nuevas, suponemos que los datos se ajustan a una distribución Poisson, la cuál se caracteriza por una relación lineal entre la varianza y la media. Esto justificó ajustar un modelo lineal generalizado con función de enlace logarítmica y modelo de errores Poisson. Para reducir la influencia de observaciones con una duración inusual, se ponderaron las observaciones según su duración (Tabla 3). Tanto la duracción como el número de colectores tienen un efecto positivo significativo, no así el término de la interacción entre estas variables. Según este modelo de regresión, un aumento de 12 minutos en la duración del recorrido equivale aproximadamente a incorporar un colector adicional. La devianza (deviance) explicada es significativamente mayor que la de un modelo nulo y el diagnóstico de los residuales del modelo revela un buen ajuste del mismo. La función de enlace logró estabilizar la varianza del estimador lineal y los residuales no mostraron valores inusuales que pudieran influenciar la precisión de la regresión.
NeoMapas, calibración escarabajos y mariposas – página 23
Figura 3. Relación entre el número de especies capturadas por recorrido y el esfuerzo de muestreo del recorrido, Nr y Er, respectivamente. Efecto conjunto (a) y separado (b y c) de la duración y el número de colectores en Nr; valores observados presentados por puntos (valor observado en una unica oportunidad), o estrellas (valor observados en más de una oportunidad, el número de rayos es igual al número de veces que ha sido observado); la tendencia de la relación (linea sólida) y su variabilidad (linea intermitente) fue estimada por medio de una regresión no paramétrica basada en máxima verosimilitud local con función de enlace logarítmica y distribución de errores poisson. Tabla 3. Parámetros de la regresión lineal generalizada del número de especies (N) por los componentes del esfuerzo de muestreo (colectores, c, y duración, d). Formulación del modelo /d ; el error, , sigue una distribución lineal generalizado: =c∗d ; pesos: d poisson, y la función de enlace es =log N con un parámetro de dispersión igual a 1.
Intercepto c d c:d
Estimado Error standard 0,717 0,222 0,242 0,122 0,020 0,009 0,001 0,005
Modelo nulo Residuales
Devianza 484,16 397,81
g. l. 210 207
z 3.228 1.991 2.170 229
Pr(>|z|) 0,001 0,046 0,030 0,819
AIC 1170
NeoMapas, calibración escarabajos y mariposas – página 24
Las curvas de acumulación de especies, por su parte, muestran un comportamiento distinto al considerar el conjunto de recorridos. Al comparar las curvas en las 7 regiones de estudio en la Figura 4, vemos que CAE(sp) está casi siempre por encima del intervalo de confianza de CRE, con la excepción de la transección de Guri. En las regiones con mayor riqueza de especies y que se consideran más heterogéneas (Táchira, Guáquira y en menor medida Guri), CAE(t) estuvo por encima del intervalo de confianza de CRE, pero en las otras regiones CAE(t) se mantuvo mayormente dentro del intervalo de confianza de CRE. Esto sugiere que los recorridos dentro de una región tienen baja complementariedad y, sobre todo en las regiones heterogéneas, las especies nuevas son capturadas primordialmente al principio de los recorridos. Por otro lado la distribución del estimado de ChaoJaccard, que incorpora datos de abundancia de las especies, sugiere que los recorridos no son tan similares entre sí como lo indica el análisis de las curvas. En todas las regiones predominan valores mayores a 0,8 y sólo en la región de Araya los valores del estimado están distribuidos con mayor equidad (Figura 5a). Posiblemente esto se deba al hecho de que las especies difieren en sus abundancias entre sitios, porque los recorridos no captan todas las especies presentes en un sitio debido a su corta duración. Cuando los recorridos comparados difieren mucho en el esfuerzo de Chao J tienden a aumentar muestro (Figuras 5b y 5d), los valores de D ligeramente, indicando que las muestras no son similares, mientras que, en algunas regiones, los valores tienden a disminuir cuando la duración promedio de los recorridos comparados aumenta (Figuras 5c y 5e). Este efecto es bastante pronunciado, pero puede estar influenciado por valores extremos, como en el caso del ejemplo de la región de Guáquira (Figuras 5b y 5c).
NeoMapas, calibración escarabajos y mariposas – página 25
Figura 4. Comparación de las curvas de acumulación de especies (CAE) y la curva de rarefacción de especies (CRE) para las siete regiones. Los valores esperados de CRE y su intervalo de confianza fueron obtenidos utilizando la formula de Mao. Los valores de las CAE fueron obtenidas a partir de los datos observados después de ordenarlos por el periodo del recorrido (CAE(t)) y por número de especies capturadas (CAE(sp)).
NeoMapas, calibración escarabajos y mariposas – página 26
Chao J ante el efecto del esfuerzo de muestreo. (a) Figura 5. Variabilidad del estimado D Chao J enre pares de recorridos para las 7 estimado de la distribución de los valores de D regiones, basado en conteos locales ponderados (“kernel density estimate”). (b) valores de Chao J entre pares de recorridos con diferente esfuerzo de muestreo en la Región Guáquira; el D eje x representa el valor absoluto del logaritmo de Ei/Ej, para dos recorridos de igual duración el valor es 0, los valores observados se presentan como puntos (observaciones únicas) y estrellas (observaciones repetidas, los rayos representan el número de repeticiones), y la tendencia de la relación (linea sólida) y su variabilidad (linea intermitente) fue estimada por medio de una regresión no paramétrica basada en máxima verosimilitud local ponderada con función de enlace logit y distribución de errores binomial; en (d) se observan las tendencias de las siete regiones. (c) Chao J entre pares de recorridos de esfuerzo de muestreo creciente en la Región valores de D Guáquira; el eje x representa el promedio de Ei y Ej; en (e) se muestran las tendencias para las siete regiones.
Autocorrelación de la abundancia y la complementariedad Si bien los correlogramas de las abundancias de las especies presentados en la Figura 6 muestran indicios de correlación espacial para cuatro de las siete regiones, los parámetros estimados a partir del correlograma en la Tabla 4 no son significativamente distintos de los valores de una distribución aleatorea. Sólo para las regiones de Táchira podemos hablar de una dependencia espacial significativa. Esto se debe a los amplios intervalos de confianza en ambos extremos de las curvas ajustadas.
NeoMapas, calibración escarabajos y mariposas – página 27
En todo caso, la magnitud de la autocorrelación es baja, pues podemos decir que la covarianza local apenas excede la covarianza regional por 1030%, mientras que la escala de influencia se extiende de 2,5 a 18,5 km. Por otro lado la correlación entre la matriz de disimilaridad y la matriz de distancias resultó significativamente positiva en cinco de las siete regiones, siendo mayor en Táchira y Guáquira. El estimado de escala obtenido por la intersección de las curvas de la Figura 7 con el valor de disimilaridad promedio fue, para todas las regiones, mayor que el estimado de escala obtenido a partir del correlograma, llegando a variar entre 3,4 y 40 km.
Figura 6. Correlograma estimado de las abundancias de todas las especies en las 7 regiones. Para cada región se trazó el valor de V obtenido utilizando regresión local ponderada (linea sólida) y los intervalos de confianza del 95% (linea intermitente) obtenidos mediante bootstraping de los valores observados. La linea punteada establece el valor de referencia para el cual la varianza local es similar a la varianza regional.
NeoMapas, calibración escarabajos y mariposas – página 28
Tabla 4. Parámetros de autocorrelación en las abundancias. Estimados de varianza local y del intervalo de influencia (con sus respectivos IC de 95%) obtenidos a partir de las curvas de la figura 6 para todas las regiones. Región Táchira Guáquira Maracaibo Araya Barinas Jají Guri
V 0 0,22 0,10 0,29 0,06 0,07 0,14 0,03
( ( ( ( ( ( (
0,11 0,00 0,03 0,14 0,06 0,02 0,15
d0
0,35 0,23 0,64 0,29 0,24 0,42 0,13
) ) ) ) ) ) )
12.058,32 2.549,11 16.967,41 8.781,29 15.897,33 6.066,96 18.525,31
( ( ( ( ( ( (
9.138,47 1,08 1.759,90 22.379,87 2.419,45 766,49 17.192,36
16.395,40 7.419,92 33.732,04 13.715,16 40.011,82 8.527,21 24.279,02
) ) ) ) ) ) )
Figura 7. Correlación entre la distancia geográfica y el estimado de disimilaridad de Chao Jaccard en las 7 regiones. Para cada región se muestran como circunferencias grises los valores Chao J en función de la distancia geográfica entre los recorridos comparados; el coeficiente de D de correlación de mantel se insertó en la parte inferior de cada gráfico, los valores significativos se anotaron con un asterisco (*); la tendencia de la relación (linea sólida) y su variabilidad (linea intermitente) fue estimada por medio de una regresión no paramétrica basada en máxima verosimilitud local ponderada con función de enlace logit y distribución de errores binomial; la linea intermitente representa el promedio para todas las comparaciones dentro de cada región.
NeoMapas, calibración escarabajos y mariposas – página 29
Selección de subconjuntos representativos Para comparar la proporcionalidad de las 6 familias de mariposas diurnas en las regiones estudiadas utilizamos un gráfico de contingencia (Figura 8). En este tipo de gráfico, los segmentos con una altura constante en todas las columnas representan subfamilias que cumplen con el criterio de proporcionalidad. Si, como en el caso de la familia Pieridae, los segmentos aumentan en altura mientras las columnas disminuyen en anchura, significa que esa subfamilia está sobrerepresentada en regiones pobres en especies pero subrepresentadas en regiones ricas en especies. Si por el contrario, la altura aumenta mientras las columnas se ensanchan, como es el caso de algunas subfamilias de Nymphalidae, significa que son subfamilias sobrerepresentadas en regiones ricas en especies. En ambos casos estas subfamilias o familias podrían utilizarse como indicadores de riqueza si se ajustan modelos apropiados de proporcionalidad (lineales, exponenciales, etc.) que no vamos a considerar en este caso. Nos interesan conjuntos de subfamilias que mantengan proporcionalidad constante. Si bien ninguna familia o subfamilia parece mostrar esta propiedad, es posible realizar una selección de varias subfamilias para obtener grupos no relacionados taxonomicamente que se complementen de tal forma que mantengan esta proporcionalidad. Identificamos tres grupos de subfamilias que se reparten aproximadamente el 43%, 20% y 37% de las especies respectivamente. El primer grupo esta conformado por 5 subfamilias con moderada o alta riqueza de especies, el grupo 2 esta conformado por 12 subfamilias representadas por pocas especies cada una y el grupo 3 está formado por 3 familias, dos de las cuales son de muy alta riqueza de especies. Al comparar las CRE del total de especies con las CRE de cada uno de los grupos para cada una de las regiones, podemos ver que la proporcionalidad de estos grupos se mantiene constante a partir de los 500 m*p (Figuras 9a y 9b). Las especies de cada uno de los grupos muestra una relación logarítmica entre el número de recorridos en los que fueron capturadas y el número de ejemplares (Figuras 9c, 9d y 9e). Sin embargo, las especies del grupo 2 son en lineas generales menos abundantes y menos frecuentes en los recorridos.
NeoMapas, calibración escarabajos y mariposas – página 30
Figura 8. Representación gráfica de la tabla de contingencia de subfamilias por región. Las columnas representan regiones, siendo el ancho proporcional al número de especies en cada región, estas columnas están divididas en tantos segmentos o celdas como subfamilias están presentes en la región, y cuya altura representa el porcentaje o proporción de especies en la combinación de esa subfamilia con esa región, la ausencia de una subfamilia en una región está indicada por una linea segmentada. Se presentan dos arreglos de una misma tabla de contingencia: En el gráfico de la izquierda se ordenando y colorearon las celdas por familia (marrón: Hesperiidae; rojo: Papilionidae; verde: Pieridae; azul: Lycaenidae; celeste: Riodiniidae; y anaranjado: Nymphalidae). En el gráfico de la derecha se ordenando las subfamilias en tres grupos aproximadamente proporcionales; para los grupos 1 y 3 se colorearon las subfamilias con colores diferentes. Las subfamilias identificadas fueron: Hspr: Hesperiinae; Pyrg: Pyrginae; Pyrr: Pyrrhopyginae; Ppln: Papilioninae; Cldn: Coliadinae; Dsmr: Dismorphiinae; Pirn: Pierinae; Plym: Polyommatinae; Thcl: Theclinae; Rdnn: Riodininae; Bbld: Biblidinae; Chrx: Charaxinae; Dann: Danainae; Hlcn: Heliconiinae; Ithm: Ithomiinae; Libyt: Libytheinae; Lmnt: Limenitidinae; Mrph: Morphinae; Nymp: Nymphalinae; Styr: Satyrinae.
NeoMapas, calibración escarabajos y mariposas – página 31
Figura 9. Proporcionalidad y representatividad de los 3 grupos de subfamilias que pueden servir como potenciales indicadores de la riqueza total. (a) y (b) Proporcion del número de especies de los tres grupos de subfamilias seleccionados con respecto al total de especies para diferentes niveles de esfuerzo de muestreo, las curvas fueron obtenidas al dividir la curva CRE del grupo con la curva CRE del total de especie; en (a) se presentan los resultados para Táchira, las lineas sólidas representan la proporción de los estimados, y las lineas puntuadas representan la proporción de los intervalos de confianza; en (b) se presentan la proporción de los estimados de las otras seis regiones; verde: grupo 1, azul: grupo 2; marrón: grupo3. (c), (d) y (e) Relación entre el logarítmo del número de individuos y el logarítmo del número de recorridos para las especies de cada uno de los grupos, los valores observados se presentan como puntos (observaciones únicas) y estrellas (observaciones repetidas, los rayos representan el número de repeticiones).
NeoMapas, calibración escarabajos y mariposas – página 32
Análisis de los datos de colecta de escarabajos Hasta la fecha hemos realizado recolecciones en cuatro transecciones y disponemos de identificaciones de los ejemplares en dos de ellas: Jají y Araya. Los resultados que aquí presentamos de refieren a estas dos transecciones. El esfuerzo de muestreo se definió contando el total de horas de permanencia de cada trampa en la transección. El tiempo de permanencia planificado era de 96 horas, pero en la práctica este tiempo fue variable debido al saqueo de algunas trampas realizado por habitantes de la zona y por animales, y, en menor medida, al hecho de que las trampas fueron colocadas y retiradas a diferentes horas del día. En Jají el esfuerzo de muestreo efectivo fue de 50 trampas con alrededor de 86 h de muestreo por trampa, para un total de 4.316,76 h*t. Del total de trampas, 42 trampas fueron cebadas con heces humanas y 8 fueron cebadas con pollo en descomposición. Las trampas se colocaron en 10 grupos de 5 trampas cada uno. Dentro de cada grupo, la distancia entre trampas era de 25100 metros, y la distancia entre grupos era de 4 km de carretera. Sin embargo, debido a que la carretera sobre la que se realizaron las transecciones no es lineal, las distancias reales entre grupos fueron siempre menores a 4 km. En Araya se colocaron 79 trampas, 49 cebadas con heces y 30 con diferentes cebos de material en descomposición (carne, fruta, pollo o pescado). En promedio las trampas permanecieron 89 h, para un total de 7.067,32 h*t. Se colocaron 11 grupos de 5 trampas como en el caso anterior, pero adicionalmente se colocaron, entre los primeros 3 y entre los últimos 3 grupos de trampas, grupos alternados de 1 y 2 trampas, separadas entre si por aproximadamente 1 km de carretera. El objetivo de estos diseños muestrales alternativos fue evaluar el efecto del arreglo espacial de las trampas y de cebos diferentes. Esfuerzo óptimo por transección Para cada una de las transecciones se crearon matrices, denominadas M, con N columnas y R filas, donde las columnas representan las especies, cada fila representa una trampa, y el valor de cada celda es la abundancia o número de individuos capturados de esa especie en esa trampa. Para construir la curva de rarefacción de especies, estimar la curva de Clench, y calcular los estimados de S Chao y S ACE , se usó el mismo algoritmo que para el caso de las mariposas.
NeoMapas, calibración escarabajos y mariposas – página 33
Esfuerzo óptimo por trampa Para estimar el efecto de la complementariedad entre trampas se ajustaron la CAE(sp) y CAE(t) descritas anteriormente. Para la primera se ordenaron las matrices M según el número de especies por trampa. Para CAE(t), se dividieron las trampas por día de colecta, midiendo la duración en horas entre dos visitas consecutivas a las trampas (según como se llenaron los protocolos de campo en cada ocasión) y se realizaron matrices parecidas a las anteriores, pero con las visitas sustituyendo las trampas. Las visitas se ordenaron en orden cronológico y a partir de esta matriz se contó el número acumulado de especies capturadas para cada día. Para obtener el valor esperado y el intervalo de confianza de CRE para cada transección se utilizó la función de Mao (Colwell et al. 2004) a partir de las matrices M. Adicionalmente se calculó la matriz S de disimilaridad entre trampas aplicando Chao J a las filas de M (Chao et al. 2005). el estimador D Disposición espacial de los recorridos Dentro de cada transección se utilizaron los datos de abundancia de cada una de las especies para calcular el estimado V spline d promedio para el conjunto de las especies (Peltonen et al. 2002). A partir de esta función se obtuvieron los estimados V 0 y d 0 con sus respectivos intervalos de confianza. Se aplicó el test de Mantel para calcular la correlación entre la matriz S y la matriz de distancias geográfica entre recorridos, denominada G (Legendre & Legendre 1998). Adicionalmente se analizó el gráfico de los valores de S vs. G, con un estimado no paramétrico de la regresión logística entre ambas variables. Al comparar las curvas con el valor promedio de disimilaridad para todo el conjunto de puntos podemos ver para cuales intervalos de distancia la curva se aparta del promedio: desviaciones positivas o negativas implican elementos espaciales regulares. Selección de grupos indicadores La matriz M se dividió en dos grupos según el tipo de cebo: las trampas cebadas con heces forman M 1 y las trampas con otros tipos de cebo forman M 2 . Se uso el método de Mao para estimar la CRE de cada matriz y se calculó el índice de disimilaridad de ChaoJaccard entre ellas para tener una medida de la diferencia en la captura de ambos grupos de trampas.
NeoMapas, calibración escarabajos y mariposas – página 34
Resultados para escarabajos Estimación de riqueza de especies por transección Los valores de N fueron 16 para Araya y 18 para Jají. Debido a que casi todas las especies están representados por un grupo numeroso de individuos, los estimados de S son casi idénticos a los valores de N (Tabla 5). Tabla 5. Valores observados y estimados de la riqueza de escarabajos coprófagos para dos Chao , S ACE y transecciones. E, esfuerzo de muestreo; N, número de especies observadas; S
S Clench corresponden a los respectivos estimados y sus errores standard (mediana de la Clench ). desviación absoluta para S Región Araya Jají
E [h*t] 7.067 4.317
N 16 18
S Chao 16,12 +/ 1,32
S ACE S Clench 16,4 +/ 1,57 16,99 +/ 0,19 18 +/ 1,58 19,24 +/ 0,26
Tomando como referencia las CRE (Figura 10a), vemos que las curvas muestran diferentes trayectorias a pesar de que la diferencia en N es pequeña. Al hacer extrapolaciones con la curva de Clench más allá de los valores observados (>7.000 h*t, Figuras 10b y 10c) no se esperan grandes aumentos en el número de especies. De hecho las curvas ajustadas alcanzan más del 90% del valor de S Clench con la mitad del E realizado. La trayectoria de los estimados S Chao y S ACE calculados para subconjuntos aleatoreos de los datos es similar a las CRE y por tanto no aportan información adicional. Estimación de la complementariedad entre recorridos
Al comparar las CAE(sp) y CAE(t) con la CRE para cada una de las transecciones es evidente que hay un alto nivel de redundancia entre las trampas (Figura 11). Las CAE estan casi siempre por encima del intervalo de confianza de CRE, de hecho, según CAE(sp) la totalidad de las especies pueden capturarse con menos de 1.000 h*t. Según CAE(t), casi todas las especies ya han sido capturadas en los primeros dos días (que corresponden a ~2400 h*t en Jají y a ~3800 h*t en Araya).
NeoMapas, calibración escarabajos y mariposas – página 35
Figura 10. Curvas de rarefacción de especies (CRE, acumulación del número de especies esperadas, N, por unidad de esfuerzo, E) para todas las regiones estudiadas. (a) estimados de CRE para ambas transecciones por medio de interpolación dentro del intervalo de E realmente muestreado según el método de Mao; (b) y (c) extrapolación de CRE para valores de E entre 0 y 10.000 h*t por medio del ajuste de la función de Clench, para Jají y Araya respectivamente. En todos los casos la linea sólida es el estimado y las lineas punteadas representan el Intervalo de confianza del 95%. Cada transección está representada por un color diferente, las áreas Clench para cada transección, las zonas sombreadas representan la distribución del estimado de S más oscuras representan la parte central de la distribución (aprox. 25% a 75%).
Autocorrelación de la abundancia y la complementariedad Los correlogramas de las abundancias de las especies presentados en la Figura 12 revelan valores altos de correlación espacial para ambas transecciones. En la Tabla 6 se muestran los parámetros del correlograma. La covarianza local excede en 3050% a la covarianza regional. La escala de influencia de la autocorrelación se extiende hasta 710 km. Estos resultados son confirmados por la correlación entre la matriz de disimilaridad y la matriz de distancias, la cual resultó significativamente positiva en ambas transecciones. El estimado de escala obtenido por la intersección de las curvas de la Figura 13 con el valor de disimilaridad promedio coincide con los valores presentados en la Tabla 6.
NeoMapas, calibración escarabajos y mariposas – página 36
Figura 11. Comparación de las curvas de acumulación de especies (CAE) y la curva de rarefacción de especies (CRE) para las dos transecciones. Los valores esperados de CRE y su intervalo de confianza fueron obtenidos utilizando la formula de Mao. Los valores de las CAE fueron obtenidos a partir de los datos observados después de ordenarlos por el periodo del recorrido (CAE(t)) y por número de especies capturadas (CAE(sp)).
Figura 12. Correlograma estimado de las abundancias de todas las especies en ambas spline d obtenido utilizando regresión local ponderada transecciones. Se trazó el valor de V (linea sólida) y los intervalos de confianza del 95% (linea intermitente) obtenidos mediante bootstraping de los valores observados. La linea punteada establece el valor de referencia para el cual la varianza local es similar a la varianza regional.
NeoMapas, calibración escarabajos y mariposas – página 37
Tabla 6. Parámetros de autocorrelación en las abundancias. Estimados de varianza local y del intervalo de influencia (con sus respectivos IC de 95%) obtenidos a partir de las curvas de la Figura 12 para todas las regiones.
Región Jají Araya
V 0 0,45 ( 0,34 (
0,30 0,60 ) 0,20 0,47 )
d 0 7.773,52 9.524,73
( (
2.272,44 11.915,76 ) 7.551,17 12.485,58 )
Figura 13. Correlación entre la distancia geográfica y el estimado de disimilaridad de Chao Jaccard en ambas transecciones. Para cada transección se muestran como circunferencias grises Chao J en función de la distancia geográfica entre los recorridos comparados; el los valores de D coeficiente de correlación de mantel se insertó en la parte inferior de cada gráfico, los valores significativos se anotaron con un asterisco (*); la tendencia de la relación (linea sólida) y su variabilidad (linea intermitente) fue estimada por medio de una regresión no paramétrica basada en máxima verosimilitud local ponderada con función de enlace logit y distribución de errores binomial; la linea intermitente representa el promedio para todas las comparaciones dentro de cada región.
Selección de subconjuntos representativos El uso de cebos diferentes no proporcionó información adicional relevante en ninguna de las transecciones. Para el caso de Jají, la tasa de captura de escarabajos en las 8 trampas con cebo de pollo fue muy baja, capturándose apenas 25 ejemplares de 10 especies (comparado con 4320 ejemplares de 18 especies para las 42 trampas cebadas con heces). En Araya hubo una mayor proporción y variedad de trampas que no fueron cebadas con heces: 777 individuos de 14 especies fueron atrapados en trampas sin heces y 2.327 individuos de 15 especies fueron capturados con cebos de heces. Si NeoMapas, calibración escarabajos y mariposas – página 38
bien el número de individuos por trampa fue menor en las trampas sin heces, la Chao J 0 . 01 ) y las CRE de ambos composición de especies fue muy similar ( D grupos son practicamente indistinguibles.
Figura 14. Curvas de rarefacción de especies (CRE, acumulación del número de especies esperadas, N, por unidad de esfuerzo, E) del conjunto de trampas cebadas con heces ( M 1 ) y del resto de las trampas ( M 2 ) para la transección de Araya. Estimados de CRE obtenido por medio de interpolación dentro del intervalo de E realmente muestreado según el método de Mao; la línea sólida es el estimado y las lineas punteadas representan el Intervalo de Confianza del 95%.
NeoMapas, calibración escarabajos y mariposas – página 39
Discusión de los resultados Propuesta de un protocolo de muestreo de mariposas En ninguno de los casos estudiados el esfuerzo de muestreo realizado fue suficiente para acercarce a los valores esperados de S, sin embargo, fue posible obtener estimados S bastante precisos. Un aumento en el esfuerzo de muestreo disminuiría sustancialmente los sesgos en los estimados. Según las datos analizados hasta el momento se pueden establecer diferentes metas de esfuerzo de muestreo por transección: a partir de 2000 m*p (similares a los valores máximos de E en las regiones estudiadas), los estimados S son lo suficientemente precisos para comparar transecciones. Sin embargo, el sesgo todavía puede ser relativamente grande en regiones muy diversas. A partir de 3000 m*p el sesgo disminuye y teoricamente los valores de N se acercarían al 70 80 % de S Clench . A partir de 4000 m*p los valores de N estarían entre 8090% de S Clench . Más allá de 5000 m*p el aumento en el esfuerzo de muestreo no tendría un impacto relevante en los valores de N y posiblemente tampoco en los estimados S . Los resultados de la regresión sugieren que la captura obtenida en los recorridos aún están muy por debajo del número total de especies presentes en el sitio, pues el número de especies sigue aumentando linealmente con el esfuerzo. Sin embargo, no existen indicios de que un aumento en el esfuerzo de muestreo vaya a influenciar los estimados de disimilaridad. La regresión estimada nos sirve para hacer predicciones concretas. Si los grupos de trabajo son pequeños (1 a 2 colectores) se requieren de recorridos de al menos 40 minutos de duración para asegurar una alta efectividad de muestreos,. Si los grupos cuentan con 3 o más colectores, basta con 30 minutos o menos. Por otro lado, las curvas de acumulación de especies nos permiten visualizar el efecto conjunto de los diferentes recorridos en el número de especies capturadas (N). Estas curvas indican que los recorridos son redundantes: para cumplir con la meta de esfuerzo que se escoja, basta con realizar pocos recorridos de larga duración en los que participen muchos colectores. Sin embargo, la tasa de captura de nuevas especies tiende a descender ligeramente con la duración del recorrido. Si bien los datos de abundancia presentan gran heterogeneidad espacial, no hay indicios de que haya una autocorrelación espacial realmente pronunciada.
NeoMapas, calibración escarabajos y mariposas – página 40
Debido a esto, los valores de disimilaridad se mantienen altos, aún entre recorridos cercanos. Aparentemente la autocorrelación no es un problema muy grande en este caso y por tanto sugerimos mantener un espaciado regular de los puntos de muestreo a lo largo de la transección y realizar el mayor número de recorridos posibles por transección. Tomando en cuenta todas estas recomendaciones, proponemos realizar el muestreo de la siguiente manera: 1. Fijar el número de recorridos por transección en 50, espaciados regularmente. 2. Cada recorrido se hará con 3 colectores y tendrá una duración de 30 minutos. Esta combinación resulta en un total de 4.500 m*p, lo cual representa entre tres y cinco días de trabajo para un sólo grupo de colectores dependiendo del número de horas que se pueda trabajar cada día. El mismo trabajo puede realizarse en menos tiempo si se disponen de varios grupos de colectores colectando simultaneamente en diferentes puntos de la transección: con dos grupos de trabajo es posible completar la transección en dos o tres días, y con tres grupos bastan con uno o dos días de trabajo. Alternativamente puede lograrse la misma meta si se realizan los recorridos de 45 minutos con 2 colectores, pero obviamente esto resultaría en más días de trabajo: entre cuatro y siete para un sólo grupo de colectores. En caso de contar con limitaciones de tiempo y personal, es posible reducir el número de recorridos. Haciendo sólo 35 recorridos, se reduce el esfuerzo de muestreo total a 3.150 m*p, lo cuál es aceptable, pero se reduce al menos un día de trabajo por transección.
Propuesta de un protocolo de muestreo de escarabajos Los resultados obtenidos en dos transecciones sugieren que el esfuerzo de muestreo realizado es suficiente para representar adecuadamente la diversidad de especies presentes. Inclusive, una disminución de E a la mitad proporcionaría resultados similares en ambas transecciones, sin necesidad de recurrir a estimados S . Esta reducción en E podría lograrse al reducir el número de trampas o el número de días de muestreo por trampa.
NeoMapas, calibración escarabajos y mariposas – página 41
Las trampas dentro de la transección son bastante redundantes, y muestran una autocorrelación espacial marcada, tanto en la composición de especies como en la abundancia de las especies atrapadas. La autocovarianza se divide casi equitativamente en covarianza regional y local ( V 0 ≈0 .5 ), por lo que el diseño de muestreo debería buscar un balance entre el número de trampas colocadas en los grupos de trampas y el número de grupos por transección. Posiblemente la solución óptima sea colocar 7 grupos de 7 trampas cada uno, o 5 grupos de 5 trampas. Estos resultados deben manejarse con cautela. Si bien los valores de N obtenidos en las dos primeras transecciones concuerdan con valores reportados para otras regiones de Venezuela (Havranek 1989), existen varios trabajos de zonas tropicales con mayor intensidad de muestreo que muestran un mayor número de especies, algunas de ellas representadas por pocos individuos (Hernández et al. 2003), (Scheffler 2005). Posiblemente el esfuerzo de muestreo que estemos empleando sea insuficiente para captar especies poco comunes, a pesar de que las curvas de acumulación de especies indican lo contrario. Por su parte el Prof. De Ascencao opina que el número de especies encontradas en nuestro trabajo de campo concuerda con lo esperado para estos ambientes en Venezuela, pero el número de ejemplares por especie está un poco por debajo de lo normal. Esto podría deberse a la inexperiencia de nuestro grupo de trabajo en el manejo y colocación de los cebos, y nos ha hecho algunas recomendaciones que deben ser tomadas en cuenta en fases posteriores del proyecto. Según su opinión la cantidad o la frescura del cebo que estamos empleando puede ser poco atractiva para especies y ejemplares de mayor tamaño, y por tanto introduzca un leve sesgo en nuestros resultados. Por tanto es necesario esperar los resultados de las dos transecciones restantes (Guri y Guáquira) en las que se realizó un muestreo más intensivo y que posiblemente contengan una mayor diversidad de especies. Estos resultados pueden confirmar o rebatir los planteamientos aquí expuestos. Grupos indicadores dentro de las mariposas De los tres grupo de subfamilias que cumplen con los criterios de proporcionalidad, sólo los grupos 1 y 3 cumplen adicionalmente con el criterio de representatividad, pues el grupo 2 esta conformado por pocas especies de bajos niveles de abundancia. Dentro de los grupos 1 y 3, en cambio, hay especies comunes y especies escasas por igual. La mayor diferencia entre los grupos es que el grupo 1 está conformado en su mayoría por especies que son fáciles de
NeoMapas, calibración escarabajos y mariposas – página 42
identificar con la literatura disponible, mientras que muchas de las especies del grupo 3, especialmente de las subfamilias Satyrinae y Pyrginae, son difíciles de identificar y requieren de la asistencia de expertos. Dentro del grupo 1 están dos subfamilias que anteriormente han sido propuestas como grupos indicadores de diversidad de mariposas en zonas boscosas (Beccaloni & Gaston 1995). Sin embargo, estos grupos tienden a estar subrepresentados en otros tipos de hábitat, mientras que las subfamilias Coliadinae y Pierinae muestran un patrón opuesto. La combinación de las subfamilias del grupo 1 logra compensar esta variabilidad en las regiones estudiadas, una agrupación similar ha sido propuesta anteriormente para comparaciones a escala continental (Brown & Freitas 2000). Grupos indicadores dentro de los escarabajos Encontramos pocas diferencias entre las capturas realizadas con distintos tipos de cebos que permitirían separar especies coprófagas de aquellas necrófagas y frutícolas. Todos los cebos atrajeron a un grupo similar de especies, siendo los cebos de heces más efectivos en el número de ejemplares por especies y por unidad de esfuerzo. Sin embargo, estos resultados fueron obtenidos en un hábitat árido a seco, y puede que no sean representativos de otras regiones, ya sea porque ahí no hayan muchos escarabajos especialistas o porque el esfuerzo de muestreo no sea suficiente para detectar diferencias. En la literatura se reporta un moderado nivel de especifícidad o preferencia de algunas especies según el tipo de cebo (Vernes et al. 2005), pero el porcentaje de especies involucradas es muy bajo, siendo la mayoría de los scarabaeinae especies predominantemente coprófagas que son atraídas por otras sustancias en descomposición.
NeoMapas, calibración escarabajos y mariposas – página 43
II.
INFORME FINANCIERO
II.1. Ingresos Hasta la fecha, se ha recibido un aporte de CI Venezuela por US$ 4,000. Aún queda pendiente el aporte final de US$ 1,000, para alcanzar el monto total aportado por CI Venezuela: US$ 5,000. Como fondos de contraparte, el IVIC y Provita han aportado con un total de US$ 6049,26. En total, a contrapartida representa al 72% del total de gastos ejecutados hasta el momento. II.2.Egresos En la siguiente tabla se presenta el presupuesto del proyecto en forma resumida (Todas las cantidades en US$). Ver archivo Excel adjunto con los detalles del gasto. Categoría
Aporte CI
Aporte contrapartida
Ejecutado
No ejecutado
Renta (Vehículo)
900
847,13
52,87
Consultoría
200
200
0
Salarios
850
850
0
Materiales/impresión
150
325,3
469,86
5,44
4445,83
4445,83
0
437,5
437,5
0
840,63
3088,01
652,65
Compra de equipo Mantenimiento Viajes
2900
Existe un total de 710,93 US$ que no fueron ejecutados durante este año, que corresponden con la última salida de campo para la colecta de escarabajos, la cuál no se ha realizado aún. En vista del esfuerzo logístico que representan las salidas para la colecta de escarabajos se esperaban algunos resultados de las primeras 3 transecciones que permitieran planificar más efectivamente esta última salida. Debido a los problemas de identificación anteriormente expuestos esto no ha sido posible hasta la fecha.
NeoMapas, calibración escarabajos y mariposas – página 44
Referencias Beccaloni, G. W. and Gaston, K. J. (1995) Predicting species richness of Neotropical forest butterflies: Ithomiinae (Lepidoptera: Nymphalidae) as indicators. Biological Conservation 71: 7786. Bjørnstad, O. N.; Ims, R. A. and Lambin, X. (1999) Spatial population dynamics: analyzing patterns and processes of population synchrony. Trends in Ecology and Evolution 14: 427432. Bowman, A. W. and Azzalini, A. (1997) Applied Smoothing Techniques for Data Analysis. Clarendon Press, Oxford. Brown, K. S. and Freitas, A. V. L. (2000) Atlantic Forest Butterflies: indicators for landscape conservation. Biotropica 32: 934956. Caldas, A. and Robbins, R. K. (2003) Modified Pollard transects for assessing tropical butterfly abundance and diversity. Biological Conservation 110: 211219. Chao, A.; Chazdon, R. L.; Colwell, R. K. and Shen, T.J. (2005) A new statistical approach for assessing similarity of species composition with incidence and abundance data. Ecology Letters 8: 148 159. Chao, A.; Hwang, W.; Chen, YC and Kuo, CY (2000) Estimating the number of shared species in two communities. Statistica Sinica 10: 227246. Colwell, R. K. and Coddington, J. A. (1994) Estimating terrestrial biodiversity through extrapolation. Philosophical Transactions of the Royal Society of London. Series B 345: 101118. Colwell, R.K.; Mao, C. X. and Chang, Jing (2004) Interpolating, extrapolating, and comparing incidencebased species accumulation curves. Ecology 85: 27172727. Gotelli, N. J. and Colwell, R. K. (2001) Quantifying biodiversity: procedures and pitfalls in the measurement and comparison of species richness. Ecology Letters 4: 379391. Hellmann, J. J. and Fowler, G. W. (1999) Bias, Precision and Accuracy of four measures of species Richness. Ecological Applications 9: 824834. Havranek, D. (1989) Coleopteros Coprófagos y Necrófagos (Scarabaeidae, Silphidae) atraídos a cebos, en bosques venezolanos. Revista Científica Unet 3: 5564. Hernández, B.; Maes, J.M.; Harvey, C. A.; Vílchez, S.; Medina, A. and Sánchez, D. (2003) Abundancia y diversidad de escarabajos coprófagos y mariposas diurnas en un paisaje ganadero en el departamento de Rivas, Nicaragua. Agroforestería en las Américas 10: 93102. JiménezValverde, A. and Hortal, J. (2003) Las curvas de acumulación de especies y la necesidad de evaluar la calidad de los inventarios biológicos. Revista Ibérica de Aracnología 8: 151161.
NeoMapas, calibración escarabajos y mariposas – página 45
Kéry, M. and Schmid, H. (2004) Monitoring programs need to take into account imperfect species detectability. Basic and Applied Ecology 5: 6573. Koenig, W. D. (1999) Spatial autocorrelation of ecological phenomena. Trends in Ecology and Evolution 14: 2226. Larsen, T. H. and Forsyth, A. (2005) Trap spacing and transect design for dung beetle biodiversity studies. Biotropica 37: 322325. Nichols, J. D.; Boulinier, T.; Hines, J. E.; Pollock, K. H. and Sauer, J. R. (1998) Inference Methods for Spatial Variation in Species Richness and Community Composition when not all species are detected. Conservation Biology 12: 13901398. Legendre, P. and Legendre, L. (1998) Numerical Ecology. Elsevier, 2nd English Edition McGeoch, M. A. (1998) The selection, testing and application of terrestrial insects as bioindicators. Biological Reviews 73: 181201. Peltonen, M.; Liebhold A. M.; Bjrnstad O. N. and Williams, D. W. (2002) Spatial synchrony in forest insect outbreaks: roles of regional stochasticity and dispersal. Ecology. 83:31203129. R Development Core TeamR (2005) A language and environment for statistical computing. Scheffler, P. Y. (2005) Dung beetle (Coleoptera: Scaraaeidae) diversity and community structure across three disturbance regimes in eastern Amazonia. Journal of Tropical Ecology 21: 919. Tøjrve, E. (2003) Shapes and functions of speciesarea curves: a review of possible models. Journal of Biogeography 30: 827835. Vernes, K.; Pope, L. C.; Hill, C. J. and Bärlocher, F. (2005) Seasonality, dung specificity and competition in dung beetle assemblages in the Australian Wet Tropics, northeastern Australia. Journal of Tropical Ecology 21: 18.
NeoMapas, calibración escarabajos y mariposas – página 46