Beruflich Dokumente
Kultur Dokumente
Introduccin
Un modelo es un esquema terico de un sistema o de una realidad compleja, que se elabora para facilitar su comprensin y el estudio de su comportamiento en situaciones difciles de observar en la realidad (RAE, 2011). La biodiversidad es un sistema complejo, ya que los elementos que la conforman son organismos que tienen interacciones ecolgicas difciles de establecer con precisin, de ah que la espacializacin de la biodiversidad y sus aplicaciones representan un desafo en aras de plasmar la realidad de la forma ms fiable.
1.
CLIRSEN, Componente Sistemas Productivos Agropecuarios y cobertura vegetal Natural; E-mail: danoyanez@hotmail.com
48
En ecologa, las tcnicas estadsticas y los SIG se conjugan para conseguir interpretaciones que permitan tomar decisiones en la gestin de la biodiversidad, convirtindose en una herramienta para el diagnstico y prediccin de determinados incidentes. As, los modelamientos de distribucin de especies, constituyen un elemento til para estipular las reas donde existe mayor probabilidad de que encontremos una especie determinada, dadas las aptitudes ecolgicas del sector. En casos de epidemias, como las causadas por el microorganismo Trypanosoma cruzi, cuyo vector es Triatoma dimidiata, causantes del mal de chagas, este tipo de diagnstico, es un instrumento que ayudar en la planificacin para la prevencin de la enfermedad, facilitando la gestin del territorio.
encargadas de la gestin de biodiversidad y registros de muestreos personales, dando un total de 69 registros. Con esta tabla generamos la base de datos que contenga las coordenadas geogrficas de la distribucin de la especie, la cual se convierte en un shape de puntos utilizando ArcMap 9.3, con el objeto de no perder informacin valiosa; se utilizaron todos los puntos obtenidos para la distribucin de la especie (Papes & Gaubert, 2007), al trabajar con los datos de sistemas distribuidos se carece de ausencias verdaderas, por lo cual es necesario generar ausencias al azar, estas se las conoce como Pseudo-ausencias. Para este trabajo fueron generadas con la extensin HawthsTools y la herramienta Intersect point tool de ArcMap 9.3, realizando una distribucin uniforme sobre toda la superficie del Ecuador, evitando zonas tampn alrededor de cada presencia, se generaron 5000 pseudo-ausencias; los temas de puntos: presencias y pseudoausencias, tienen que formar un solo tema de puntos, esto se lo hace mediante una unin merge, lo que nos permite obtener un solo shape de puntos. Para obtener las variables independientes se utilizaron las 19 variables bioclimticas generadas por el proyecto WordClim, cada una de estas variables corresponde a datos de clima (Tabla 1) con un formato raster con una resolucin espacial de 1 Km. Las capas raster de las variables climticas fueron intersecadas con los temas de puntos de cada presencia y pseudo-ausencia, mediante lo cual se obtiene una tabla de atributos con los datos de las 19 variables de cada pxel donde se intersec el punto intersect point tool (Tabla 2).
Metodologa
Variables
Existen numerosas colecciones cientficas, las cuales son la principal fuente de informacin primaria para empezar el modelamiento, se debe tener en cuenta que a mayor nmero de presencias, el modelo presentar menor riesgo de sesgo; para este trabajo se seleccion la especie Triatoma dimidiata de la familia Triatominae que son los vectores del microorganismo Trypanosoma cruzi causante del mal de chagas, las ocurrencias de esta especie se adquirieron de muestreos de campo, bases de datos de un sistema distribuido como GBIF, informacin de instituciones
49
BIO1 BIO2 BIO3 BIO4 BIO5 BIO6 BIO7 BIO8 BIO9 BIO10 BIO11 BIO12 BIO13 BIO14 BIO15 BIO16 BIO17 BIO18 BIO19
Temperatura media anual Rango medio diurno (Media de la (max temp - min temp) mensual) Isotermicidad (BIO2/BIO7) (x 100) Estacionalidad de la temperatura (desviacin estndar x 100) Temperatura mxima del mes ms clido Temperatura mnima del mes ms fro Rango anual de temperaturas (BIO5-BIO6) Temperatura media del trimestre ms hmedo Temperatura media del trimestre ms seco Temperatura media del trimestre ms clido Temperatura media del trimestre ms fro Precipitacin anual Precipitacin del mes ms hmedo Precipitacin del mes ms seco Estacionalidad de la precipitacin (como coeficiente de variacin) Precipitacin del trimestre ms hmedo Precipitacin del trimestre ms seco Precipitacin del trimestre ms clido Precipitacin del trimestre ms fro
Tabla 2. Segmento de tabla de atributos con las presencias y pseudo-ausencias intersecadas sobre las variables climticas
Latitude -2,26713 4,28812 2,21925 -0,393558 2,88157 2,6755 4,4762 0,546854 4,64876 6,19747 longitude -70,516403 -74,425102 -76,191002 -76,867401 -70,471703 -72,885201 -76,037399 -79,063599 -72,391701 -70,280296 pre aus 0 0 0 0 0 0 0 0 0 0 bio 19 620 616 422 773 1064 986 314 352 958 933 bio 18 730 496 443 883 271 216 304 1093 118 276 bio 17 607 283 335 718 255 216 191 351 76 58 bio 16 997 616 506 1024 1104 1008 379 1119 991 933 bio 15 20 38 19 16 47 49 35 50 64 67 bio 14 169 82 96 201 47 28 56 99 4 8 bio 13 337 247 185 373 389 356 154 404 356 340 bio 12 3109 1798 1725 3396 2813 2580 1136 2727 2332 2079 bio 11 252 219 128 241 256 262 233 240 255 259 bio 10 263 229 133 252 278 291 242 251 281 281 bio 9 254 225 132 243 273 291 239 240 277 275 bio 8 259 219 131 244 258 268 240 251 258 259 bio 7 104 107 111 112 124 134 131 103 132 128
50
1. Regresin logstica
Es muy adecuada para el modelado ecolgico puesto que necesita de presencias y ausencias, lo que la convierte en una variable dicotmica. El resultado est comprendido entre 0 (incompatible) y 1 (idneo). Este modelo logstico expresa la probabilidad de presencia, P(i), como: 1/(1+exp-(constante x valor x capa (+-segn corresponda valor x segunda capa, etc.) Para realizar este modelo se utiliza el software SPSS v. 18 y ArcMap 9.3
3. Bioclim
Este modelo consiste en encontrar una regla para identificar reas con clima similar a los lugares de la presencia de la especie, se usan 19 variables climticas para determinar la distribucin potencial de una especie, pero se pueden usar variables no climticas como: tipo de suelo y cobertura vegetal natural. La distribucin potencial se identifica interpolando las variables climticas, lo que da como resultado grfico un mapa binario. Al igual que DOMAIN, para generar este modelo utilizamos el Software Diva-GIS v. 5.2
2. DOMAIN
Es una tcnica que usa la distancia de Gower como ndice de similaridad ambiental entre cada pxel y el sitio ms prximo en el que est presente la especie (Carpenter et al., 1993), slo se necesita presencias para correr este modelo. Para la elaboracin de este modelo hacemos uso del Software Diva-GIS v. 5.2
4. Maxent
Es una tcnica que genera internamente pseudo-ausencias, la funcin es encontrar la distribucin que ms uniforme posible, (probabilidad de mxima entropa) para la especie estudiada, lo que trata de representar este modelo es la idoneidad de la especie para ser encontrada en un determinado pxel, mas no, como la probabilidad absoluta de encontrarlo dentro del mismo. Para generar nuestro modelo utilizamos el software Maxent 1.8.2.
51
Resultados
La distribucin de Triatoma dimidiata se caracteriza por estar presente en zonas tropicales, en especial en zonas de la regin amaznica, razn por la cual nuestros modelos tienen que corresponder a esa lgica de registros, los cuatro modelos nos determinan superficies de idoneidad que se encuentran dentro de la regin amaznica; como se mencion en la metodologa, se utilizaron cuatro tcnicas de modelado ecolgico, las cuales se las representa en el siguiente grfico:
GRFICO 1. Modelos obtenidos mediante el uso de las cuatro tcnicas aplicadas A) Regresin logstica; B) DOMAIN; C) Bioclimtico; D) Maxent
Cabe mencionar que para trabajar los modelos y utilizarlos como una herramienta para la gestin del territorio, se necesita introducir el rster generado en Diva-GIS y Maxent al ArcMap 9.3, para esto se usa el archivo ascii generado por los dos software
mencionados; estos archivos por lo general estn denominados de la siguiente manera nombre asignado.asc, una vez ingresado se puede trabajar y editar el archivo segn los objetivos que se hayan planteado.
52
GRFICO 2. Modelos obtenidos mediante las cuatro tcnicas, vistos desde ArcMap 9.3
Evaluacin de modelos
Para conseguir evaluar el alcance de prediccin de la distribucin potencial de la especie mediante el uso de los modelos, se realiz Anlisis AUC, el cual se encuentra dentro de los rangos de 0,5 y 1. Un valor de 0,5 equivale a una clasificacin al azar, mientras que un valor de 1 indica un ajuste perfecto (Fielding & Bell, 1997). El modelo de mayor valor fue el de regresin logstica (0,8); seguido por el modelo de Mxima entropa (0,7); DOMAIN (0,5) y Bioclim (0,2); por tanto, el modelo que expresa una mayor probabilidad de encontrar la especie es el de regresin logstica, siendo el ms idneo para trabajar en los planes de prevencin de la enfermedad causada por Triatoma dimidiata. Adems, se lo puede aplicar con fines de estudios biolgicos o de zoonosis.
53
Tipo Modelo
Max_tr regre_t tr_bio1 tr_dom
Sensitivity
0,6 0,4 0,2 0,0 0,0 0,2 0,4 0,6 0,8 1,0
1 - Specificity
Diagonal segments are produced by ties.
GRFICO 3. Curva ROC, donde nos expresa los valores de la evaluacin de cada una de las tcnicas de modelamiento ecolgico.
Idoneidad
En el contexto de haber establecido a la regresin logstica como modelo ms efectivo para predecir la distribucin de la especie, se utiliz el mismo para determinar el rea idnea para la presencia de la especie, se emple rangos numricos del raster distribuidos en quintiles, obtenindose cinco rangos categricos. En funcin de la perspectiva del investigador, los objetivos del proyecto o de la biologa de la especie, estos rangos pueden variar y hay que asignarlos de la manera ms adecuada.
VALUE
0 - 16 16.000000001 - 35 35.000000001 - 51 51.000000001 - 67 67.000000001 - 100
GRFICO 4. Rangos numricos de para determinar la idoneidad de la distribucin de la especie del modelo de regresin logstica.
54
Esta asignacin categrica permitir determinar las superficies donde existe la mayor idoneidad para la distribucin de la especie en el modelo de regresin logstica, en este caso el rango de 68 a 100 representado con color rojo, nos indica que existe una muy alta idoneidad para la presencia de la especie.
GRFICO 5. Segmento de tabla de atributos con los nombres de los poblados rurales donde se debe realizar compaas de prevencin para el mal de chagas
55
Discusin
La tcnica de regresin logstica demostr ser la que ms se apega a la realidad a la hora de predecir la distribucin de la especie estudiada, en base a las aptitudes bioclimticas. En este caso, se sigui la estrategia de modelizar la distribucin de una sola especie (Triatoma dimidiata), por ser la mayor responsable de la incidencia del mal de chagas en el Ecuador, por considerarlo ms realista que los modelos a nivel de comunidad, ya que existen trabajos donde se agrupan varios modelos para determinar la distribucin de varias especies de un mismo gnero. (Guisan & Zimmermann, 2000). Los modelos ecolgicos deben generarse a partir de las variables ambientales apropiadas (Ottaviani et al., 2004). Es probable que un modelo de distribucin pueda presentar algn tipo de sesgo a causa de no elegir las variables significativas para el tema de estudio o por el desconocimiento de la biologa de la especie. En el presente trabajo se utiliz 19 variables bioclimticas de Worldclim, derivadas de temperatura y precipitacin, acopladas a un modelo digital de terreno (MDT) de 90 m de resolucin; adicionalmente a esto se destaca la evaluacin del test AUC, que dio un valor significativo de confianza al modelo.
Existen varias formas de planificar la salud pblica, muchas de estas sostenidas en criterios como: zonas de incidencia de la enfermedad y donde se han realizado estudios de zoonosis, pero no se ha logrado ubicar sectores espaciales donde en realidad se distribuyen las especies vectores de enfermedades, o de igual manera zonas de aptitudes donde podra estar presente la misma, razn por la cual es evidente la necesidad de utilizar los modelamientos de especies vectores de enfermedades para determinar las zonas de idoneidad, donde se debe planificar estrategias de prevencin.
Conclusin
Los modelamientos ecolgicos se han convertido en una herramienta muy til al momento de realizar planificaciones sobre estudios biolgicos, ya que optimizan el tiempo y la disposicin de recursos; adems, se evidenci la utilidad del modelo para aplicarlo en la planificacin del territorio, especficamente en la gestin de la salud pblica, y con esto brindar seguridad y un buen vivir a la poblacin que habita estas reas.
56
Referencias Bibliogrficas
ABAD, R., S. AGUILLAR. 2007. Familia Triatominae vectores del mal de chagas en el Ecuador. Ministerio de salud Pblica del Ecuador CARPENTER, S., R, CARACO., D. CORRELL., W. HOWARTH., N. SHARPLEY., H. SMITH. 1993. Nonpoint pollution of surface waters with phosphorus and nitrogen. Ecological Applications 8:559-568. FIELDING, A., H. BELL. 1997. Review of methods for the assessment of prediction errors in conservation presence/absence models. Environmental Conservation, 24(1): 38-49 HANLEY, H., N, MCNEIL. 1982. Calculation of the Standard Error of the Area under the Curve (AUC) and of the difference between two AUCs. GUISAN, A., N, ZIMMERMANN. 2000. Predictive habitat distribution models in ecology. Ecological Modelling. 135: 147186 PAPES, M., C GAUBERT. 2001. Modelling ecological niches from low numbers of occurrences: assessment of the conservation status of poorly known viverrids (Mammalia, Carnivora) across two continents. Diversity and distributions. 12(2): 125-136 REAL ACADEMIA ESPAOLA, 2011. Diccionario de la Lengua Espaola. Vigsima segunda ed. Madrid. s.p.
57