Biología (plan 1997) 2021-2

Optativas, Seminario de Biología II

Estimados alumnos bienvenidos al curso de Modelado de Nicho Ecológico

Acontinuación se detallan los objetivos del curso, el temario y la forma de evaluación

Objetivo

Que el alumno adquiera los fundamentos teóricos y prácticos para la elaboración e interpretación de Modelos de Nicho Ecológico (MNE) y de Distribución Potencial (MDP), mediante la utilización de algoritmos matemáticos que contribuyan al conocimiento de la biodiversidad a través de la identificación de patrones de riqueza de especies, del reconocimiento de posibles sitios de búsqueda para especies nuevas, de zonas prioritarias para la conservación, así como los efectos que el Cambio Climático pudiera tener sobre la distribución de las especies.

Metodología y enseñanza

El curso se desarrollará bajo la modalidad presencial a través de clases teóricas y prácticas, para el procesamiento y análisis de datos de distribución de una especie de interés. Para ello, los estudiantes recopilarán la información a partir de bases de datos disponibles en línea, cartografía y variables ambientales, además de involucrarse en visitas a colecciones científicas para que conozcan las fuentes primarias de dicha información. Asimismo, se llevará a cabo una revisión minuciosa de dicha información (errores taxonómicos, geográficos, etc.), con el fin de mejorar su calidad. Los alumnos deberán participar activamente en la discusión de artículos referentes a temas vistos en clase, con el objetivo de reafirmar los conceptos teóricos. Como parte del programa, los estudiantes formarán equipos para desarrollar un proyecto final, en el cual, elaborarán un Modelo de Nicho Ecológico de una especie de su interés, considerando todos los elementos vistos a lo largo del semestre. Finalmente, se realizará la corroboración en campo de los MNE en una localidad cercana, con la finalidad de que los alumnos validen su trabajo en un escenario real y que su esfuerzo pueda verse reflejado en una posible publicación científica.

Sugerencias didácticas:

• Exposición oral.
• Ejercicios dentro de clase.
• Lecturas obligatorias.

Evaluación del curso:

• Exámenes parciales…………………………………….30%
• Tareas y Participación en clase..………………………..10%
• Prácticas………………………………………………...25%
• Presentación del proyecto de investigación final……….35%

La primera sesión será el próximo Lunes 1 de marzo 2021, a las 14:30 hrs., para ello, se adjunta la siguiente liga en zoom:

https://cuaed-unam.zoom.us/j/81227006693

TEMARIO

1. Informática de la biodiversidad (9 horas).

Que el alumno adquiera el conocimiento general para el manejo de la información en bases de datos y el uso de un Sistema de Información Geográfica (SIG).

1. Manejo básico de bases de datos.

1.1.1 Uso de Access (consultas de selección, elaboración e importación de tablas, actualización de datos, etc.).

1.1.2 Limpieza de la base de datos (errores taxonómicos, geográficos, etc.).

1. ¿Qué es un Sistema de Información Geográfica (SIG)?
2. Tipos de datos:

1. ¿Qué es un vector?
2. ¿Qué es un raster?
3. Análisis espacial con Quantum GIS.
   1. Importación de los datos (tablas de atributos).
   2. Manejo de vectores.
   3. Manejo de rasters.

2. Conceptos de Nicho Ecológico (3 horas).

Que el alumno comprenda los conceptos básicos que fundamentan la teoría de nicho ecológico.

2.1. Concepto de Nicho.

2.1.1 Nicho de Grinnell.

2.1.2 Nicho de Elton.

2.1.3 Nicho de Hutchinson.

2.1.4 Nuevos conceptos de Nicho (ej. Nicho dinámico).

3. Modelos de Nicho Ecológico y de Distribución Potencial (9 horas).

Que el alumno entienda la diferencia conceptual entre un Modelo de Nicho Ecológico (MNE) y un Modelo de Distribución Potencial (MDP).

3.1 ¿Qué es un modelo?

3.2 ¿Qué es un MNE y MDP?

3.3 Concepto de área de distribución.

3.4 Aplicaciones de los MNE y MDP (Cambio Climático, especies invasoras, enfermedades, riqueza de especies, conservación, etc.).

4. ¿Qué se necesita para elaborar MNE y MDP? (12 horas)

Que el alumno reconozca los requerimientos necesarios para la elaboración de los MNE y MDP.

4.1 Datos de ocurrencia:

4.1.1 Tipos de datos (colecciones científicas, bases de datos en línea, atlas, etc.).

4.1.2 Fuentes de obtención.

4.2 Datos ambientales:

4.2.1 Tipos de datos (precipitación, temperatura, topografía, etc.).

4.2.1 Fuentes de obtención.

4.3 Autocorrelación espacial.

4.3.1 Análisis de Componentes Principales (PCA).

4.3.1 Correlación de Pearson.

5. Algoritmos de Modelación (6 horas).

Que el alumno comprenda los supuestos teóricos de los diferentes algoritmos de modelación, así como el tipo de datos que requieren.

1. Modelos mecanísticos.
2. Modelos correlativos.

5.2.1 Modelos discriminantes: Ramdom forest, análisis de discriminantes mixtos (MDA), análisis de correspondencia canónicas (CCA), modelos lineares generalizados (GLM), Máxima Entropía (Maxent), BIOMOD.

5.2.2 Modelos descriptivos: BIOCLIM, DOMAIN.

5.2.3 Modelos mixtos: Algoritmos Genéticos de Modelación (GARP, DK-GARP, OM-GARP).

1. Modelos basados en procesos.

6. Generación de MNE y MDP empleando Maxent (15 horas).

Que el alumno conozca las características generales del programa Maxent, como una herramienta en la elaboración de los MNE y MDP.

1. Preparación de los datos de distribución.
2. Preparación de las variables ambientales.
3. Preparación del área de calibración (M del diagrama BAM).
4. Configuración del programa.
5. Interpretación de resultados.
6. Ventajas y desventajas de emplear Maxent.

7. Validación de los modelos (9 horas).

Que el alumno comprenda las diferentes pruebas estadísticas empleadas para probar el desempeño los MNE y MDP.

1. Porcentajes de errores de omisión y comisión.
2. Prueba binomial.
3. Curva ROC parcial.
4. Valores de AUC.
5. Corroboración en campo.

Bibliografía

1. Alexander JM (2016) Evolution under changing climates: climatic niche stasis despite rapid evolution in a non-native plant. Proceedings of the Royal Society B 280:20131446.

2. Araújo MB, Pearson RG. Equilibrium of species’ distributions with climate. Ecography, 2005; 28: 693˗695.

3. Beaumont LJ, Hughes L, Poulsen M. Predicting species distributions: use of climatic parameters in BIOCLIM and its impact on predictions of species’ current and future distributions. Ecol Model, 2005; 186: 250˗269.

4. Broennimann O, Fitzpatrick MC, Pearman PB, Petitpierre B, Pellissier L, Yoccoz NG, Thuiller W, Fortin MJ, Randin C, Zimmermann NE, Graham CH, Guisan A (2012) Measuring ecological niche overlap from occurrence and spatial environmental data. Global Ecol Biogeogr 21: 481-497.

5. Broennimann O, Treier UA, Müller-Schärer H, Thuillier W, Peterson AT, Guisan A. Evidence of climatic niche shift during biological invasion. Ecol Lett, 2007; 10: 701˗709.

6. Colwell RK, Rangel FR. Hutchinson’s duality: the once and future niche. Proc Nat Acad Sci, 2009; 106: 19651˗19658.

7. Cruz-Cárdenas, G. L. López-Mata, J. T. Silva, N. Bernal-Santana, F. Estrada-Godoy y J. A. López-Sandoval. 2016. Potential distrribution model of Pinaceae species under climate change scenarios in Michoacán. Revista de Chapingo Serie Ciencias Forestales y del Ambiente 22: 135-148.

8. Elith J, Graham CH, Anderson RP, Dudík M, Ferrier S, Guisan A et al. Novel methods improve prediction of species’ distributions from occurrence data. Ecography, 2006; 29: 129˗151.

9. Elith J, Leathwick JR. Species distribution models: ecological explanation and prediction across space and time. Annu Rev Ecol Evol Syst, 2009; 40: 677˗697.

10. Estrada, A. S., E. Ortiz, J. L. Villaseñor y F. J. Espinosa-García. 2016. The distribution of cultivated species of Porophyllum (Asteraceae) and their wild relatives under climate change. Systematic and Biodiversity 14: 572-582.

11. Franklin J, Miller J. A. 2009. Mapping species distributions. Spatial inference and prediction. United Kingdom: Cambridge University Press. 320 p.

12. Graham CH, Elith J, Hijmans RJ, Guisan A, et al. The influence of spatial errors in species occurrence data used in distribution models. J Appl Ecol, 2008; 45: 239˗247.

13. Graham CH, Hijmans RJ. A comparison of methods for mapping species ranges and species richness. Global Ecol Biogeogr, 2006; 15: 578˗587.

14. Guisan A, Thuiller W. Predicting species distribution: offering more than simple habitat models. Ecol Lett, 2005; 8: 993˗1009.

15. Hirzel AH, Lay GL, Helfer V, Randin C, Guisan A. Evaluating the ability of habitat suitability models to predict species presences. Ecol Model, 2006; 199: 142˗152.

16. Lane, A. y Jarvis, A. 2007. Changes in climate will modify the geography of crop suitability: Agricultural biodiversity can help with adaptation. International Crops Research Institute for the Semi-Arid Tropics, 4-12.

17. Ortega-Huerta MA, Peterson AT. Modeling ecological niches and predicting geographic distributions: a test of six presence-only methods. Rev Mex Biodivers, 2008; 79: 205˗216.

18. Peterson AT, Papes M, Kluza DA. Predicting the potential invasive distributions of four alien plant species in North America. Weed Sci, 2003; 51: 863˗868.

19. Peterson AT, Scachetti-Pereira R, Kluza DA (2003a) Assessment of invasive potential of Homalodisca coagulate in western North America and South America. Biota Neotrop. 3:1-7.

20. Peterson AT, Soberón J, Pearson RG, Anderson RP, Martínez-Meyer E, Nakamura M, Araujo MB (2011) Ecological Niches and Geographic Distributions. Monographs in Population Biology 49. New Jersey: Princeton University Press. 328 p.

21. Peterson AT, Vieglais DA (2001) Predicting species invasions using ecological niche modelling: new approaches from bioinformatics attack a pressing problem. BioScience. 51:363-371.

22. Peterson AT, Stockwell DRB, Kluza DA (2001) Distributional prediction based on ecological niche modeling of primary occurrence data. Predicting Species Occurrences: Issues of Scale and Accuracy. Washington (DC): Island Press.

23. Polce, Ch., M. Termanse, J. Aguirre-Gutiérrez, N. D. Boatman, G. E. Budge, A. Crowe, M. P. Garratt, S. Pietravalle, S. G. Potts, J. A. Ramirez, K. E. Somerwill y J. C. Biesmeijer. 2013. Species distribution models for Crop Pollination: A modelling framework applied to Great Britain. Plos One 8: 1-12.

24. Pulliam HR. On the relationship between niche and distribution. Ecol Lett, 2000; 3: 349˗361.

25. Sánchez-Cordero, V., P. Illoldi-Rangel, M. A. Linaje, S. Sarkar y A. T. Peterson. 2005. Deforestation and extant distributions of mexican endemic mammals. Biological Conservation 126: 465-473.

26. Villaseñor, J. L., E. Ortiz, J. Cadena-Rodríguez y A. S. Estrada. 2013. Patrones de riqueza florística en el estado de Jalisco: La tribu Senecioneae (Asteraceae) como 2studio de caso. Ibugana 4: 63-78.