Created
September 30, 2012 19:59
-
-
Save lsaravia/3808301 to your computer and use it in GitHub Desktop.
Source of the talk "Diversidad y Patrón Espacial A Lo Largo De La Sucesión" presented at "Reunion Argentina de Ecología 2012"
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
# Diversidad y Patrón Espacial A Lo Largo De La Sucesión | |
<center><font color = "grey"> La Influencia Del Tipo De Dispersión</font></center> | |
<br/> | |
<center>Leonardo A. Saravia <font color = "blue", size=4> Universidad Nacional de General Sarmiento</font> - RAE 2012![](figs/Portada.png) | |
</center> | |
# Hipótesis | |
+ El tipo de dispersión es importante para el mantenimiento de la biodiversidad | |
+ La dispersión de largo alcance genera mayor diversidad (la tercera dimensión) | |
# ¿Por qué utilizamos modelos? | |
+ Porque son lindos | |
+ Para explicar comportamientos sobre todo cuando la experimentación es complicada | |
+ Para generar nuevas hipótesis y guiar la experimentación | |
+ La combinación de estudios observacionales y modelos puede ser muy poderosa | |
# ¿Cómo caracterizamos a las comunidades? | |
+ El Patrón espacial | |
- Dimensión fractal de información: Mide la heterogeneidad, no depende de la escala | |
+ Biodiversidad | |
- Riqueza específica | |
- Índice de Shannon: tiene en cuenta la distribución de abundancias | |
# Modelos Estocásticos Espaciales | |
+ El espacio está representado como una grilla de sitios | |
+ Las transiciones entre estados son estocásticas | |
+ <center> | |
![](figs/NeutralModel.png) | |
</center> | |
# Dos sabores neutrales | |
+ **Sabor banana neutral** | |
- Todos los individuos son equivalentes | |
Las especies tienen todas los mismos parámetros | |
- Mortalidad (Asumimos crecimiento = 1) | |
- Inmigración: Existe una metacomunidad con una composición constante. | |
La frecuencia de especies da la probabilidad de inmigración. | |
- Tipo de dispersión local | |
* Uniforme | |
* Exponencial | |
* Potencial inversa | |
- Distancia de dispersión media | |
+ **Sabor frutilla jerárquica** | |
- Las especies con menor tasa inmigración reemplazan a las otras | |
- Todo lo demas igual que el anterior | |
# Los tipos de dispersión : *Uniforme* | |
```{r dispUni, echo=FALSE, message=FALSE, dev='png', fig.width=2, fig.height=2, fig.cap="", fig.align='center', cache=TRUE} | |
plot_model <- function(fname,time) | |
{ | |
require(lattice) | |
per <- read.table(fname, skip=2,header=F) | |
per <-data.matrix(per) | |
col.l <- colorRampPalette(c('white', 'green', 'purple', 'yellow', 'brown'))(64) | |
levelplot(per, scales = list(draw = FALSE),xlab =NULL, ylab = NULL,col.regions=col.l, | |
useRaster=T,colorkey=F, | |
main=list( time,cex=1)) | |
} | |
plot_model("anim1.sed",1) | |
plot_model("animUni-5.sed",5) | |
plot_model("animUni-7.sed",7) | |
plot_model("animUni-9.sed",9) | |
plot_model("animUni-11.sed",11) | |
plot_model("animUni-13.sed",13) | |
plot_model("animUni-15.sed",15) | |
plot_model("animUni-17.sed",17) | |
plot_model("animUni-19.sed",19) | |
plot_model("animUni-21.sed",21) | |
plot_model("animUni-23.sed",23) | |
plot_model("animUni-25.sed",25) | |
plot_model("animUni-27.sed",27) | |
plot_model("animUni-29.sed",29) | |
``` | |
# Los tipos de dispersión : *Exponencial* | |
```{r dispExp, echo=FALSE, message=FALSE, dev='png', fig.width=2, fig.height=2, fig.cap="", fig.align='center', cache=TRUE} | |
plot_model("anim1.sed",1) | |
plot_model("animExp-5.sed",5) | |
plot_model("animExp-7.sed",7) | |
plot_model("animExp-9.sed",9) | |
plot_model("animExp-11.sed",11) | |
plot_model("animExp-13.sed",13) | |
plot_model("animExp-15.sed",15) | |
plot_model("animExp-17.sed",17) | |
plot_model("animExp-19.sed",19) | |
plot_model("animExp-21.sed",21) | |
plot_model("animExp-23.sed",23) | |
plot_model("animExp-25.sed",25) | |
plot_model("animExp-27.sed",27) | |
plot_model("animExp-29.sed",29) | |
``` | |
# Los tipos de dispersión : *Potencial Inversa* | |
```{r dispPower, echo=FALSE, message=FALSE, dev='png', fig.width=2, fig.height=2, fig.cap="", fig.align='center', cache=TRUE} | |
plot_model("anim1.sed",1) | |
plot_model("animPow-5.sed",5) | |
plot_model("animPow-7.sed",7) | |
plot_model("animPow-9.sed",9) | |
plot_model("animPow-11.sed",11) | |
plot_model("animPow-13.sed",13) | |
plot_model("animPow-15.sed",15) | |
plot_model("animPow-17.sed",17) | |
plot_model("animPow-19.sed",19) | |
plot_model("animPow-21.sed",21) | |
plot_model("animPow-23.sed",23) | |
plot_model("animPow-25.sed",25) | |
plot_model("animPow-27.sed",27) | |
plot_model("animPow-29.sed",29) | |
``` | |
# Simulaciones | |
>* Se utilizaron los siguientes parámetros: | |
<center> | |
Parámetro Valores . . | |
---------------- --------- -------- -------- | |
Mortalidad 0.2 | |
Inmigración 0.001 | |
Distancia media 3 6 12 | |
</center> | |
* Se utilizó una escala de tiempo con significado ecológico: 100 generaciones. | |
* La composición de la metacomunidad se tomó de un experimento realizado con | |
perifiton: [Saravia LA et al. (2012) Oikos](http://doi.wiley.com/10.1111/j.1600-0706.2011.20423.x) | |
# Vemos que pasa a lo largo de la sucesión: $D_1$ | |
<center> | |
```{r DqEnTiempo, echo=FALSE, message=FALSE, dev='png', fig.width=7,fig.height=6, fig.cap="", fig.align='center', cache=TRUE } | |
per <- read.table("per64all.dat", header=TRUE) | |
per1 <- subset(per, per$Time>7 & per$ColonizationRate==0.001 & per$MortalityRate==0.2 ) | |
FDis <- factor(per1$DispersalDistance, labels=c('Dispersión=3','Dispersión=6','Dispersión=12')) | |
FMod <- factor(per1$Model, labels=c('Jerárquico','Neutral')) | |
xyplot(DqOrd~Time|FDis*FMod , data =per1, groups=DispFun, | |
type=c("p", "smooth"), | |
auto.key=list(x=.8,y=.2,cex=.8,cex.title=.8, title="Tipo dispersión", points=TRUE), | |
scales=list(tck=-1),xlab=list(font=3),ylab=list(expression(italic(D[1])),font=3), | |
main="Dimensión de información") | |
``` | |
</center> | |
* La tendencia es hacia un patron más uniforme | |
* El patrón espacial es similar entre los tipos de dispersión *Exponencial* y *Uniforme* | |
* El patrón es más heterogéneo para dispersión *Potencial* | |
* Puede haber oscilaciones en el modelo Jerárquico | |
# Vemos que pasa a lo largo de la sucesión: $S$ | |
<center> | |
```{r SEnTiempo, echo=FALSE, message=FALSE, dev='png', fig.width=7,fig.height=6, fig.cap="", fig.align='center', cache=TRUE } | |
xyplot(Richness~Time|FDis*FMod , data =per1, groups=DispFun, | |
type=c("p", "smooth"), | |
auto.key=list(x=.85,y=.35,cex=.8,cex.title=.8, title="Tipo dispersión", points=TRUE), | |
scales=list(tck=-1),xlab=list("Tiempo",font=3),ylab=list(expression(italic(S)),font=3), | |
main="Nro. de especies") | |
``` | |
</center> | |
# Vemos que pasa a lo largo de la sucesión: $H$ | |
<center> | |
```{r HEnTiempo, echo=FALSE, message=FALSE, dev='png', fig.width=7,fig.height=6, fig.cap="", cache=TRUE } | |
xyplot(H~Time|FDis*FMod , data =per1, groups=DispFun, | |
type=c("p", "smooth"), | |
auto.key=list(x=.8,y=.35,cex=.8,cex.title=.8, title="Tipo dispersión", points=TRUE), | |
scales=list(tck=-1),xlab=list("Tiempo",font=3),ylab=list(expression(italic(H)),font=3), | |
main="Indice de Shannon") | |
``` | |
</center> | |
* Las tendencias de $H$ y $S$ son similares | |
* En el modelo *neutral* no se observan diferencias entre tipos ni distancias de dispersión | |
* En el model *jerárquico* hay diferencias de la dispersión *Potencial* | |
<font color = "blue"> | |
* En el modelo *Neutral* el patrón espacial da diferencias significativas pero no hay diferencias entre $H$ y $S$ | |
* En el modelo *Jerarquico* hay diferencias en patrón y en $H$ y $S$ | |
</font> | |
# ¿Cómo es el tipo de dispersión con respecto a otros factores? | |
<center> | |
```{r comparacionTime98, echo=FALSE, message=FALSE, dev='png', fig.width=9,fig.height=4, fig.cap="", cache=TRUE } | |
per1 <- subset(per, per$Time==98 & per$ColonizationRate==0.001 & per$MortalityRate==0.2 & per$Model=="Neu") | |
with(per1,{ | |
par(mfrow=c(1,3)) | |
Distancia=as.factor(DispersalDistance) | |
TipoDisper=as.factor(DispFun) | |
plot.design(DqOrd~TipoDisper * Distancia, fun=median,xlab="",ylab=expression(italic(D[1])),cex.axis=0.8,main="Modelo Neutral") | |
plot.design(Richness~TipoDisper * Distancia, fun=median,xlab="",ylab=expression(italic(S)),cex.axis=0.8,main="") | |
plot.design(H~TipoDisper * Distancia, fun=median,xlab="",ylab=expression(italic(H)),cex.axis=0.8,main="") | |
}) | |
per1 <- subset(per, per$Time==98 & per$ColonizationRate==0.001 & per$MortalityRate==0.2 & per$Model=="Jer") | |
par(mfrow=c(1,3)) | |
with(per1,{ | |
Distancia=as.factor(DispersalDistance) | |
TipoDisper=as.factor(DispFun) | |
plot.design(DqOrd~TipoDisper * Distancia, fun=median,xlab="",ylab=expression(italic(D[1])),cex.axis=0.8,main="Modelo Jerárquico") | |
plot.design(Richness~TipoDisper * Distancia, fun=median,xlab="",ylab=expression(italic(S)),cex.axis=0.8,main="") | |
plot.design(H~TipoDisper * Distancia, fun=median,xlab="",ylab=expression(italic(H)),cex.axis=0.8,main="") | |
}) | |
``` | |
</center> | |
* En general es más importante la distancia media de dispersión que el tipo de dispersión | |
* Esto se mantiene para los dos modelos explorados (con competencia y sin competencia) lo cual le da robustez al resultado. | |
* En la naturaleza la distancia y el tipo de dispersión pueden estar relacionados. | |
* Potencial --> Dispersión por animales | |
* Exponencial --> Dispersión por viento | |
* Uniforme --> No es realista, pero termina siendo parecida a exponencial. | |
# ¿Cuál es la relación entre patron espacial y diversidad? | |
<center> | |
```{r PatternDiversityTime98, echo=FALSE, message=FALSE, dev='png', fig.width=8,fig.height=4, fig.cap="", cache=TRUE} | |
per1 <- subset(per, per$Time==98 & per$ColonizationRate==0.001 & per$MortalityRate==0.2) | |
#per1 <- subset(per, per$Time>7 & per$ColonizationRate==0.001 & per$MortalityRate==0.2) | |
x1 <-xyplot(DqOrd~H|DispersalDistance , data =per1, groups=Model, layout = c(3,1), | |
type = c("g", "p", "r"), | |
auto.key=list(x=.8,y=.35,cex=.8,cex.title=.8, title="Model", points=TRUE), | |
scales=list(tck=-1),xlab=list("Shannon",font=3),ylab=list(expression(italic(D[1])),font=3), | |
main="") | |
x2 <- xyplot(DqOrd~Richness|DispersalDistance , data =per1, groups=Model, layout = c(3,1), | |
type = c("g", "p", "r"), | |
auto.key=list(x=.8,y=.35,cex=.8,cex.title=.8, title="Model", points=TRUE), | |
scales=list(tck=-1),xlab=list("Riqueza",font=3),ylab=list(expression(italic(D[1])),font=3), | |
main="") | |
grid.arrange(x1,x2, ncol=2) | |
``` | |
</center> | |
* lo que se observa es que a mayor heterogeneidad en la distribucion espacial de las especies (menor $D_1$) son mayores la riqueza y el Shannon. | |
* La dimension fractal de informacion $D_1$ podría utilizarse como un indice de | |
diversidad | |
# Entonces?¿?¿?¿?¿?¿?¿ | |
* El tipo de dispersión parece es menos influyente que la distancia de dispersión con respecto a la diversidad ($S$ y $H$) | |
* El patrón espacial medido con la dimensión de información tiene una relación directa con la diversidad. | |
* En general la dispersión Potencial produce mayor diversidad en el modelo Neutral y menor diversidad en el modelo Jerárquico. | |
# Gracias! | |
<center> | |
![](figs/meDuermo.jpg) | |
</center> |
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment