Biología (plan 1997) 2024-1

Optativas, Seminario de Biología II

Seminario de Biología II

Modelado de Nicho Ecológico

Grupo 5269

Semestre 2024-1

Estimados alumnos, ¡sean bienvenidos al curso de Modelado de Nicho Ecológico!

El objetivo del curso es:

Que el alumno adquiera los fundamentos teóricos y prácticos para la elaboración e interpretación de Modelos de Nicho Ecológico (MNE), 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 en esta ocasión 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. Asimismo, se llevará a cabo una revisión minuciosa de dicha información (errores taxonómicos, geográficos, etc.), con el fin de mejorar su calidad. Con esa información aprenderán a manejar un algoritmo de modelado de nicho ecológico y a procesar, interpretar y aplicar el resultado. 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, referente al Modelado de Nicho Ecológico de una especie de su interés, considerando todos los elementos vistos a lo largo del semestre y cuyo esfuerzo pueda verse reflejado en una posible publicación científica.

Cabe señalar que:

• Cada alumno deberá contar con una computadora personal para poder llevar a cabo las prácticas que realizaremos en clase. Sin embargo, se dará la opción de trabajar en parejas, para lo cual al menos se deberá contar con una computadora personal por pareja. NOTA: Los profesores darán aviso previamente de las sesiones que requieran el uso de la computadora personal, ya que algunas clases serán teóricas.
• Tendremos pláticas con invitados especiales, algunas de las cuales se llevarán a cabo a través de la plataforma Zoom.
• Emplearemos Classroom y otras herramientas para el envío de las prácticas, tareas, etc.
• Se sugiere (no es obligatorio) contar con su correo institucional.

IMPORTANTE: Bajo las condiciones actuales de la pandemia acataremos las instrucciones de las autoridades universitarias para las actividades presenciales:

· Obligatorio el uso correcto del cubrebocas al realizar actividades en espacios cerrados y al estar en espacios abiertos con otras personas donde se pierda la sana distancia.

· Promover la ventilación de lugares cerrados (abrir puertas y ventanas).

· Estar vacunado con esquema completo y refuerzos de acuerdo con la edad o condición de salud individual.

· Aislamiento de las personas con síntomas mínimo 7 días a partir del inicio de síntomas o la primera prueba diagnóstica positiva (lo que ocurra primero); regresar a las actividades una vez completado este periodo, siempre y cuando se cumplan 3 días sin fiebre (sin tomar medicamentos para ello). No automedicarse, vigilar la evolución e identificar oportunamente cualquier complicación (fiebre persistente por más de dos días, dificultad respiratoria, oxigenación menor a 92%, alteración del estado de conciencia).

La evaluación se llevará a cabo de la siguiente manera:

• Proyecto de investigación…………………………………….50%
• Presentación del proyecto de investigación…………………...15%
• Tareas y Participación en clase..………………………….…..10%
• Prácticas………………………………………………….…...25%

Para cualquier duda al respecto, pueden contactarnos a través de nuestros correos electrónicos:

Ana Susana Estrada Márquez (sambucusansu@yahoo.com.mx)

Enrique Ortiz Bermúdez (eortiz@ib.unam.mx)

TEMARIO

1. Informática de la biodiversidad

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

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 Evolución del concepto de Nicho.

2.1.4 Otros conceptos de Nicho.

3. Modelos de Nicho Ecológico y de Distribución Potencial

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?

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 (GBIF).

4.2 Datos ambientales:

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

4.2.1 Fuentes de obtención (WorldClim).

4.3 Autocorrelación espacial.

4.3.1 Análisis de Componentes Principales (PCA).

4.3.1 Correlación de Pearson.

5. Algoritmos de Modelación

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: Random 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

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

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

1. Errores de omisión y comisión.
2. Especificidad y Sensibilidad.
3. Prueba binomial.
4. Valores de AUC.
5. Corroboración en campo.

Bibliografía básica:

Chase, J. M. y M. A. Leibold (2003). Ecological Niches. Linking classical and contemporary approaches. The University of Chicago Press. Chicago and London. 212 p.

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

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.

Bibliografía complementaria

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 distribution 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. 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.

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

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

14. 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.

15. 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.

16. 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.

17. 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.

18. 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.

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

20. 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.

21. 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.

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

23. 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.

24. 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 estudio de caso. Ibugana 4: 63-78.