Ecología de Poblaciones de Animales y PlantasAnimales y Plantas
Introducción a los estudios de densidad, abundancia y
distribución
Importancia del estudio de las poblaciones
El concepto de poblaciónPropiedades Emergentes
Propiedades Emergentes
Nivel de Organización Propiedades Emergentes
Individuos Eficiencia energética, ritmos, respuestas fisiológicas, características etológicas.etológicas.
Población Crecimiento poblacional, densidad, natalidad, mortalidad, migración, competencia intraespecífica, respuestas numéricas y funcionales
Comunidad Tramas tróficas, estabilidad, sucesión, diversidad, relaciones interespecíficas
Concepto de Densidad Estadísticas Vitales de las Poblaciones
Estudios de Abundancia
• Estamos interesados en conocer– Número de animales que habita un lugar
(Población)• Determinar su distribución espacial• Determinar su distribución espacial• Cómo ha cambiado su abundancia y distribución
con el correr del tiempo
DENSIDAD
Número de individuos o biomasa por unidad de área o volumen
• Diatomeas 5.000.000/m3
• Artrópodos 7.500/m3
• Ratón de Campo 217/ha• Venados 3,9/km2
Índices de Abundancia Relativa
• Número de individuos por unidad de esfuerzo. Expresan si una población es más o menos abundante en un momento o sitio dado.o sitio dado.
•# de aves vistas en una hora•Kl de peces extraídos por horas/hombre o m/redes/hora
Métodos de Estudio
Factores que afectan el estudio• Efecto de la disposición espacial y o variación temporal de la Población
• Efectos Metodológicos Instrumentales y personalesInstrumentales y personales
– Se requieren trampas, instrumentos aparatos que son manejados o deben ser leídos por personas.
– Operación de la cual depende la eficiencia del muestreo.
Factores que afectan el estudio
• Efecto de la variabilidad del Observador– Los resultados
obtenidos por una obtenidos por una persona rara vez coincidirá con los obtenidos por otra.
– En parte por el grado de experiencia
Factores que afectan el estudio
Efecto de la técnica de capturaAlgunas trampas son más exitosas que otras
Efecto en la variabilidad de la respuesta de los animales
Afición o rechazo a las trampas
Medición de la Densidad
• Métodos que implican – Recuento directo de animales– Signos de animales y objetos relacionados
con elloscon ellos– Marcado de animales
MEDICIÓN DE LA DENSIDAD
CONTEOS TOTALES– Censo– Mapeo de Territorio– Recuento por Ahuyentamiento– Censo Aereo– Censo Aereo– Captura Total
• METODOS DE MUESTREO (Censos muestrales)– Uso de cuadrantes– Puntos y transectos lineales– Muestreos sin cuadrantes
MÉTODOS QUE IMPLICAN RECUENTO DIRECTO DE
ANIMALES
CENSORecuento total de individuos que componen la población
Consiste en contar o enumerar por completo todos los individuos sobre un área dada.
Dificultades del Censo
• Tiempo• Personal• Dinero• Dinero• Riesgos de interferencia o destrucción• Inaccesibilidad a todos los individuos
Mapeo de Territorios
Recuento por Ahuyentamiento
• Utilizado para recuento de grandes mamíferos.
• Dos equipos, uno ahuyenta y otro controla ahuyenta y otro controla y cuenta los animales que salen o entran
• El contorno del área debe ser controlado
Censos Aéreos
• Grandes mamíferos, reptiles y aves
Censo por Captura Total o Exterminación
• Cotos de caza, estudio de vectores de enfermedades
• Costosa• Capturar totalmente todos los individuos • Capturar totalmente todos los individuos
de la población.
Métodos de Muestreo
• Censos Muestrales – Se contabilizan todos los individuos en una
muestra.
Censos Seudo-muestrales
D = densidad de árboles por hectárea, D = 100 000/Pi.(dmax)2Pi = pi (3.14159), y dmax = promedio de la distancia a los 10 árboles más cercanos (m).
Transectos lineales
• Método de Whitesides
D= (N)/2LWN= Número de individuos o grupos observadosN= Número de individuos o grupos observadosW= Promedio de distanciaL= Longitud total censada
Puntos de Muestreo
METODOS QUE IMPLICAN EL MARCADO DE ANIMALESMARCADO DE ANIMALES
TRAMPAS
REDES
REDES DE NIEBLA
USO DE LAS REDES
MARCAS
Métodos de Captura Recaptura
• Las marcas no deben alterar los mecanismos fisiológicos o hábitos etológicos
• Marcas fácilmente reconocibles• Marcas fácilmente reconocibles• Población Cerrada• Poblaciones estáticas
Captura Recaptura
• Consiste en marcar una porción de la población y reintegrarla para que se mezcle con los demás organismos
Captura Recaptura
• El Tamaño poblacional se determina en base al número de organismos marcados y su proporción con respecto a los no marcadosmarcados
Captura Recaptura
• Método de Lincoln • (Una sola campaña de
marcaje y una recaptura)
n1 : Tamaño de la primera muestra.n2 : Tamaño de la segunda muestra.m: Cantidad de individuos capturados en la m: Cantidad de individuos capturados en la segunda muestra que están marcados.
La estimación está dada por:
100020
)100)(200(ˆ 21 ===m
nnN
Usando estimación del cociente del total de una población, tenemos:
• n1 : Tamaño de la primera muestra.
• n2 : Tamaño de la segunda muestra.
• m: Cantidad de individuos capturados en lasegunda muestra y que además están marcados.segunda muestra y que además están marcados.
100020
)100)(200(ˆ 21 ===m
nnN
La estimación está dada por:
METODOS QUE IMPLICAN SIGNOS DE ANIMALESSIGNOS DE ANIMALES
MEDICIÓN DE LA ABUNDANCIADENSIDAD RELATIVA
• Número de individuos o biomasa por unidad de esfuerzo
• Trampas• Número de mojones• Número de mojones• Frecuencia de vocalización
MEDICIÓN DE LA ABUNDANCIA
• Número de dispositivos (Redes)
• Cuestionarios• Cuestionarios• Conteos en
ruta/río
• Registros de campañas peleteras• Captura por unidad de esfuerzo de
captura
Muestreo
Técnicas Estadísticas
INVESTIGACIÓN
• Proceso de producción de conocimientos científicos
• Para responder preguntas• Se recogen datos, se analizan e infieren • Se recogen datos, se analizan e infieren
sobre la información obtenida• Estadística es una herramienta para
organizar, resumir y describir datos y generar inferencias y generalizaciones basados en ellos
¿Porqué es necesaria la estadística?
• Para poder leer y entender revistas científicas– La probabilidad de encontrar un individuo de
primer año en la bahía de Asunción es significativamente mayor que la de un significativamente mayor que la de un individuo adulto 4,1=2א; gl=1; p<0,05*
• Para poder presentar resultados en forma rigurosa– La estadística no demuestra nada, solo indica
la probabilidad de que observamos sea producto del azar
Conceptos sobre medidas y muestreos
• Población: grupo de elementos que son objetos de investigación– Todos los árboles que pueden ser medidos y
contadoscontados
• Variable: característica de la población que difieren de un individuo (unidad, elemento) a otro. Que puede tomar distintos valores– Altura, DAP, Diámetro de la Copa, densidad, etc.
• Muestra: grupo de datos que representa a la problación.
Muestras
• Ejemplos: las parcelas a estudiar, todos los árboles que se medirán, la cantidad de transectas realizadas, la cantidad de puntos de observaciónpuntos de observación
• La muestra posee Unidades de Muestreo (una parcela, un árbol, un sitio puntual) del cual se obtiene la información u observación (12 individuos; 15 cm de DAP)
Muestra. Ejemplo de Estudio
• Variable: Distribución espacial; dada por la densidad de la especie (lombriz)
• Población: todos las colonias de lombrices• Muestra: Un transecto con 6 sitios • Muestra: Un transecto con 6 sitios
puntuales• Unidad de Muestreo: el punto de
observación• Observación: 5, 0, 2, etc. individuos
Muestra Representativa
• Debe ser tomada de forma aleatoria• Obtenemos una muestra para calcular un
ESTADÍSTICO (Ẋ, S2, S) que nos proporciona una estima del PARÁMETRO proporciona una estima del PARÁMETRO POBLACIONAL (µ,σ2, σ)
Son buenas nuestras estimaciones?
• La media de las medias, tiene su propia Desviación Típica que se llama ERROR TÍPICO de la media (ET) o ERROR ESTÁNDAR de la media que puede ser calculada por:
ET = s²/n, o s / n – donde n: número de observaciones
• ET indica lo buena que es nuestra estima de la media muestral.
Error Típico, su aplicación
• Si la media del DAP es 74,00 cm y el ET es ± 0,234 cm, podemos tener una confianza del 68% de que la media poblacional se encuentra entre 73,766 y 74,234 (74 ± 0,234)74,234 (74 ± 0,234)
• En 68 ocasiones de cada 100 el intervalo comprenderá la Media Poblacional
• Sin embargo 68% de confianza es muy bajo y por lo general queremos estar seguros de que la Media Poblacional se encuentra entre los límites establecidosencuentra entre los límites establecidos
Límites de Confianza
• Para obtener límites del 95 % o 99%, se multiplica el ET por valores de zadecuados (para muestras mayores a 30):
• 95% de confianza. x ± 1,92 ET• 95% de confianza. x ± 1,92 ET• 99% de confianza. x ± 2,58 ET• El intervalo generado comprenderá a la
Media Muestral en 95 o 99 ocasiones de cada 100
TEOREMA DEL LÍMITE CENTRAL– El Error Típico se aplica a variables con
distribuciones normales.
– Si la variable no posee una distribución normal, entonces tomamos un número grande de muestras en forma aleatoria a fin de acogernos al Teorema del en forma aleatoria a fin de acogernos al Teorema del Límite Central que dice:
– Las MEDIAS de un número grande de muestras, tomadas de forma aleatoria, se distribuye de forma normal y que la media de las medias, es la MEDIA POBLACIONAL
Tamaño Mínimo de la Muestra (n)
• n= 100(S2/Ẋ2) Tolera un ET de 10% alrededor de la Media.
Tipos de Muestreo
• De acuerdo a los organismos que se desean estudiar y la información que se desea obtener sobre ellos, la muestra puede tomarse siguiendo una de las puede tomarse siguiendo una de las siguientes metodologías:
• Muestreo Aleatorio Simple, Muestreo Estratificado Aleatorio y Muestreo Sistemático.
Muestreo Aleatorio Simple
• Es el que confiere idénticas posibilidades de extracción a todos los individuos, esto es, que el investigador no encuentre una justificación para seleccionarlos.
• Las estaciones y épocas de muestreo pueden obedecer al criterio del investigador más no así, la obedecer al criterio del investigador más no así, la selección de las muestras.
• En este tipo de muestreo, la precisión con que se estima el promedio de una variable, depende del número de muestras que se colecte. El muestreo aleatorio simple, se puede aplicar a todas aquellas comunidades distribuidas en forma aleatoria.
Muestreo Estratificado Aleatorio
• Consiste en separar por estratos la población o área a evaluar, buscando la mayor homogeneidad posible o menor varianza dentro de cada estrato.
• La presencia de gradientes ambientales, y la respuesta de las especies a los mismos, conducen respuesta de las especies a los mismos, conducen a que ocurran estratificaciones en las poblaciones.
• Un muestreo representativo debe abarcar las diferentes asociaciones o gradientes que se observe en el ecosistema que se desea evaluar.
Muestreo Estratificado Aleatorio�El muestreo estratificado, garantiza que los parámetros estimados sean más precisos. Con frecuencia se recurre a la fotointerpretación para estratificar la zona de estudio, lo que permite subdividirla en unidades homogéneas en cuanto a relieve, topografía, y estructura de vegetación.
Muestreo Sistemático
• Consiste en ubicar las muestras un una forma regular en toda la zona de estudio.
• Permite detectar variaciones espaciales en toda la comunidad. en toda la comunidad.
• Sin embargo no se puede obtener una estimación exacta de la precisión de la media considerada.
• Este modelo es preferido porque permite detectar variaciones y porque su aplicación es más sencilla en el campo.
Ejercicio
• Estimar límites de confianza para el número de individuos del género …
• Determinar tamaño mínimo de muestra con:con:– margen de variación de la media de 5
individuos.– 10% de variación en el ET
Cómo generar números aleatorios en la calculadora
• Conocer la población total a muestrear– Ej. 60 parcelas en total – De los cuales se muestrearán 10– Se calcula un valor de relación = – Se calcula un valor de relación =
Población/Nº Muestra = 60/10 = 6• El número aleatorio se genera utilizando:
– Shift . = …. X 6
punto
Muestreo en Bosque
• Método del individuo más cercano: • • Se eligen n puntos al azar• • Se miden las distancias entre cada punto y el
individuo más cercano (yi). Ver figura.• • D= (n-1)/��yi2 . Este es un estimador no sesgado, • • D= (n-1)/��yi2 . Este es un estimador no sesgado,
pero algunos autores utilizan simplemente D= n/��yi2 . El estimador se basa en el número de individuos contados (n, dividido por el área estimada que ocupan esos individuos.
Punto al
azar
Individuo más
cercano
yi
Top Related