manual de laboratorio - uabcs marina_manual.pdfmétodo de regresión lineal para tratar de predecir...
TRANSCRIPT
UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA SUR
ÁREA DE CONOCIMIENTO
DE CIENCIAS DEL MAR Y DE LA TIERRA
DEPARTAMENTO ACADÉMICO DE CIENCIAS MARINAS Y COSTERAS
PROGRAMA EDUCATIVO: BIÓLOGO MARINO PLAN DE ESTUDIOS POR COMPETENCIAS 2011-II
ECOLOGÍA MARINA
VII SEMESTRE
3 HORAS/SEMANA
Aula Asignada
MANUAL DE LABORATORIO
Dr. Héctor Reyes Bonilla La Paz, B.C.S., febrero de 2016
INTRODUCCIÓN
Este manual fue creado para apoyar el curso de “Ecología General” y “Ecología
Marina”…
PRÁCTICA 1
CORRELACIÓN Y REGRESIÓN DE FACTORES FISICOQUÍMICOS
3 horas en 1 sesión
INTRODUCCION
La distribución y abundancia de las especies en una determinada comunidad depende
en gran medida de la calidad relativa de las condiciones ambientales presentes en un
sitio (Brown & Lomolino, 1998). Todos los taxa tienen límites fisiológicos en su
tolerancia al medio, resultantes del proceso de evolución por selección natural; de esta
manera, el analizar las condiciones del ambiente es un paso preliminar necesario para
profundizar en la investigación ecológica a todos niveles.
OBJETIVO DE APRENDIZAJE
El alumno se familiarizará con algunas páginas de internet donde existe información
ambiental útil para apoyar sus investigaciones. Además conocerá el modo de acceder
la información, procesarla de forma sencilla, y denotar algunas de las aplicaciones de
estas herramientas.
METODOLOGIA
Obtención de la información
Paso 1. Entrar a la siguiente página web:
http://www.nodc.noaa.gov/OC5/SELECT/woaselect/woaselect.html
Leer el texto
Paso 2. Entrar a la ceja “Temperature”
Paso 3. En el mapa, con el zoom y/o marcando las coordenadas, seleccionar el
cuadrante 15°N a 30°N, -120°W a -97°W (Golfo de California y Pacífico
tropical mexicano). OJO. el mapa mostrará las coordenadas 240°W a 265°W,
que es otra forma de decir lo mismo.
Paso 4. Seleccionar:
grid: “one degree”
figure type: “climatological mean”
period: “annual”
depth: “surface”
... con esto se obtienen los datos de temperatura promedio anual en la
superficie, para cada cuadro de 1° x 1° donde se tengan disponibles.
Paso 5. Marcar “show figure” (la figura es esquemática y no será empleada en la
práctica).
Paso 6. En “DATA ACCESS”, escoger la opción “ASCII”. Guardar el archivo
(terminación csv.gz).
Paso 7. Descomprimir el archivo, y abrirlo posteriormente en una hoja de cálculo
Excel. Aparecerá una serie de columnas marcando la latitud, longitud, y los
datos de temperatura en distintos niveles de profundidad.
Paso 8. Separar solo los datos de temperatura superficial, con sus respectivas
coordenadas.
Paso 9. Repetir el procedimiento a partir del “Paso 2” para obtener los datos de
oxígeno disuelto (ml/L), salinidad (UPS), silicatos, fosfatos y nitratos (µmol/L).
ANÁLISIS NUMÉRICO Y DISCUSIÓN
Correlación Simple
Una vez con toda la información, realizar un análisis de correlación simple (coeficiente
de Pearson) entre todos los factores oceanográficos:
Paso 1. Abrir STATISTICA y copiar los datos de Excel de los parámetros
oceanográficos pegándolos con etiquetas.
Paso 2. Seleccionar la pestaña “Statistics”
Paso 3. “Basics Statistics/Tables”
Paso 4. “Correlation matrices”
Paso 5. En “One Variable list” seleccionar los 6 variables a analizar y le damos click
en “Ok”
Paso 6. En la pestaña “Options” habilitamos la casilla de “Display r, p-levels, and N’s”
Paso 7. Finalmente damos click en “Summary”.
…una vez que se obtuvo la matriz de correlación de todos los factores oceanográficos,
contestar:
1. ¿Qué factores estuvieron más relacionados entre sí? Apoyar la respuesta
con una tabla que presente los valores del coeficiente de correlación (r) y su
significancia (p).
2. Expliquen y discutan las razones por las cuales se presentaron las tres
correlaciones más altas.
Regresión lineal
Finalmente, empleando a la temperatura como la variable independiente, usar el
método de regresión lineal para tratar de predecir los valores de cada una de las demás
variables (salinidad, oxígeno y los tres nutrientes; 5 en total):
Paso 1. Volviendo a la matriz de los datos originales, seleccionar “Statistics”
Paso 2. “Advanced Linear/Nonlinear Models” y posteriormente seleccionar “General
Regression Models”
Paso 3. Utilizar “Simple regression” y después dar click en “OK”
Paso 4. En la pestaña “Quick” dar click en el botón “Variables”
Paso 5. En la variable dependiente seleccionar entre “salinidad, oxígeno disuelto,
fosfatos, silicatos y nitratos”, en la variable independiente (Predictor variable)
seleccionar “Temperatura” y dar click en OK.
Paso 6. En la venta que aparece seleccionar la pestaña “Summary” y dar click en el
botón “All effects”
Paso 7. Se obtendrán tres tablas con los siguientes resultados: (1) estadísticos de la
regresión, (2) Tabla ANDEVA de la regresión y (3) ordenada al origen y (4)
pendiente.
Paso 8. Regresar a Excel y graficar la regresión entre la temperatura y la salinidad
mediante un “gráfico de dispersión de puntos” y agregar línea de tendencia,
ecuación de la recta y el coeficiente de determinación (R2).
Paso 9. Realizar la regresión con el resto de las variables (oxígeno disuelto, fosfatos,
silicatos y nitratos), intercambiando la variable dependiente del “Paso 5”.
(1)
(2)
(3)
(4)
…una vez que se obtuvieron todas las regresiones entre la temperatura y todos los
factores oceanográficos, contestar:
3. ¿Cuáles fueron los resultados? (gráfico, ecuación, coeficiente de
determinación [regresión], significancia [p], valores esperados, en cada
caso).
4. En la actualidad, los modelos océano-atmósfera para evaluar las
consecuencias del cambio climático, son capaces de predecir solo la
temperatura. ¿Consideran que es posible usarlos también para saber el
futuro potencial de las demás variables oceanográficas en su área de
estudio?
5. Describan tres usos potenciales de este tipo de información para la
investigación en Biología Marina, y para el uso para apoyar acciones de
conservación o toma de decisiones.
PRODUCTOS
Se reportarán los valores de correlación simple en una tabla describiendo los factores
más relacionados entre sí, así como los gráficos de regresión lineal entre la
temperatura y el resto de los factores oceanográficos (5 figuras), describiendo el
comportamiento de los datos.
ESTRATEGIAS DE APRENDIZAJE Y EVALUACIÓN
REFERENCIAS
Brown J. H. & M. V. Lomolino. 1998. Biogeography, Chapter 3: The Physical Setting.
Sinauer Associates, Inc. Sunderland, Massachusetts. 691 pp.
PRÁCTICA 2
PLATAFORMAS DE PERCEPCIÓN REMOTA
3 horas en 1 sesión
INTRODUCCION
La teledetección es una técnica a través de la cual se obtiene información de un objeto
sin tener contacto directo con él, a través de la llamada radiación electromagnética
(Martínez y Díaz, 2005).
En la actualidad, el uso de plataformas de percepción remota (en especial la
fotografía aérea y las imágenes satelitales que cubren diversas regiones del espectro
luminoso), es fundamental para el desarrollo de estudios biológicos, ecológicos y
oceanográficos, debido a que es una herramienta que ofrece ventajas bien
documentadas, incluyendo una visión sinóptica, datos multiespectrales, cobertura
multitemporal y rentabilidad (Stoms & Estes, 1993; Van der Meer et al., 2002); además
representa la base para acciones de manejo y conservación como los ordenamientos
territoriales y las evaluaciones de impacto ambiental. Por ello es de gran relevancia
que los profesionales que tienen interés en dichos campos conozcan las fuentes que
ponen a disposición tales datos, y algunas técnicas para el análisis de resultados.
OBJETIVO
El alumno se familiarizará con la forma de obtención de datos satelitales, llevara a cabo
el análisis numérico de los productos, y evaluará la importancia de la herramienta para
realizar investigación básica y aplicada.
METODOLOGIA
Obtención de la información
Paso 1. Entrar a la siguiente página web:
http://gdata1.sci.gsfc.nasa.gov/daac-
bin/G3/gui.cgi?instance_id=ocean_month
Inspeccionar la página (leer el texto, familiarizarse con ligas, etc.)
Paso 2. En el mapa, con el zoom y/o marcando coordenadas, seleccionar la zona de
interés. En el caso del ejercicio de la clase ellas corresponden a la Bahía de
La Paz (Longitud oeste -110.777° a -110.244°; Latitud norte 24.766° a
24.101°).
Paso 3. Seleccionar en “Parameters”:
Display: Data product info
Analysis options: Parameter
Paso 4. Seleccionar el satelite MODIS-Aqua (Moderate Resolution Imaging
Spectroradiometer-Ocean data), a una resolución de 4km de lado del pixel:
Coeficiente de atenuación difusa (“Diffuse attenuation coefficient“;
1/m) a la longitud de onda de 490 nanómetros (nm)
Carbono orgánico particulado (“Particulate organic carbon”; mg m-3)
Temperatura superficial oceánica nocturna (“Sea surface temperatura
night”; °C) en la banda de 11 micras (11 micron)
Concentración de clorofila a (“Chlorophyll a concentration”; mg m-3)
Paso 5. Buscar al final de la página y seleccionar en “Temporal”:
Fecha de inicio (“Begin date”): Enero 2003
Fecha de finalización (“End date”): Diciembre 2012
Paso 6. Seleccionar en “Visualization”:
Serie de tiempo (“Time series”)
Paso 7. Una vez marcados todos los campos se activa “Generate visualization”, con
lo que la computadora comenzará a separar los datos del satélite tomando
Diffuse Attenuation Coefficient at 490 nm 4km Particulate Organic Carbon Sea Surface Temperature (11 micron night) 4km Chlorophyll a concentration 4km
en cuenta los parámetros seleccionados. El proceso tardará unos minutos,
dependiendo la velocidad de la conexión de red.
Paso 8. Una vez concluido el procedimiento, en la pantalla de resultados seleccionar
la pestaña “Download data”, para poder descargarlos en el ordenador.
Paso 9. En la sección de “Time-series rendering”, marcar aquellos archivos con
terminación *.ASC (son cuatro archivos: coeficiente de extinción de luz,
carbono orgánico particulado, temperatura superficial y clorofila a). Para
recibirlos, elegir la opción de bajarlos en grupo (“Download in batch”).
Paso 10. Se abrirá una última página donde se mostrará el nombre del archivo
comprimido que contiene los datos descargados. Hay que seleccionar dicho
archivo para abrir la carpeta contenedora.
Paso 11. Una vez que los datos hayan sido extraídos a su computadora, usar el
programa EXCEL para abrirlos. Elijan las opciones “Delimitados”, siguiente;
después “Tabulación”, “Espacio” y Finalizar.
Paso 12. Al hacer esto, aparecerá una serie de hojas en el archivo EXCEL,
presentando columnas que denotan el mes y año, y los datos de cada uno
de los parámetros oceanográficos (coeficiente de extinción de luz, carbono
orgánico particulado, temperatura superficial y clorofila a) de la zona de
interés.
Paso 13. Para iniciar, elegir la pestaña de la temperatura superficial, abrir dos
columnas y escribir las etiquetas que representen el año y el mes para cada
dato obtenido. Repetir el procedimiento para los otros tres factores.
ANÁLISIS NUMÉRICO Y DISCUSIÓN
Una vez con toda la información, estimen los estadísticos descriptivos (media,
desviación típica, error típico) de cada variable (coeficiente de extinción de luz,
carbono orgánico particulado, temperatura superficial y clorofila a), y grafiquen en
forma de “gráfico de líneas”, con sus respectivos intervalos de confianza por punto. (8
gráficas en total).
Paso 1. Abrir STATISTICA, copiar de Excel los datos de las variables con sus
respectivas etiquetas y posteriormente seleccionar:
Paso 2. “Statistics”
Paso 3. “Basic Statistics/Tables”
Paso 4. “Breakdown & one way ANOVA” y luego “OK”.
Paso 5. En la pestaña “Lists of tables”, seleccionar las variables:
En “Grouping variables”, seleccionar Año o Mes
En “Dependent variables”, seleccionar las 4 variables
Paso 6. Habilitar las casillas “Summary table of means”, “N”, “Std. devs” y “Std. err. of
mean”.
Paso 7. Finalmente dar click en OK
Paso 8. Copiar y pegar la información en Excel y realizar los gráficos.
Luego, realizar dos análisis de varianza de una vía, modelo II con alfa= 0.05, para
cada uno de los parámetros. Los factores de prueba serán (por separado) el año y
luego el mes.
Paso 1. Regresar a la hoja de cálculo con los datos originales y seleccionar
“Statistics”
Paso 2. “ANOVA”, después “one way ANOVA”
Paso 3. Seleccionar las variables:
En “Dependent variable” seleccionar una variable oceanográfica (Temp,
Clorofila, Ext Luz, POC).
En “Categorical predictor (factor)”: seleccionar MES o AÑO, y después
dar click en OK.
Paso 4. En la parte superior izquierda seleccionar la pestaña “Opciones” y
posteriormente habilitar “Type II (partial)” (Recuerden que esto es porque los
datos son aleatorios, no fijos).
Paso 5. En la ventana que aparece seleccionar la pestaña “Quick”, dar click en “All
effects/Graphs” y después dar click en OK.
Paso 6. Arrojará la gráfica del ANOVA, junto con los valores más importantes del
análisis (grados de libertad, valor de f y valor de p).
Obtener la gráfica en
Excel con sus
respectivas barras de
error estándar.
Paso 7. En caso de encontrar diferencias significativas (P<0.05), correr la prueba a
posteriori de Tukey para denotar el origen de las diferencias estadísticas
mediante grupos homogéneos.
Paso 8. Regresar a la ventana anterior (Paso 5) y en la pestaña “Quick” dar clic en el
botón “More results” en la parte inferior izquierda.
Paso 9. En la pestaña “Post-hoc” habilitar la celda de “Homogeneous groups” y dar
click en “Tukey HSD”
Paso 10. Realizar el ANOVA con el resto de las variables oceanográficas (por años y
por meses).
Por último, por medio de regresiones denotar las tasas de cambio de cada variable y
la dirección del mismo.
Paso 1. Volver a la hoja de cálculo de Excel con los datos originales e insertar un
gráfico de líneas con todos los valores de la columna de cada variable
oceanográfica (temperatura, clorofila a, extinción de la luz y carbono orgánico
particulado).
Paso 2. Insertar línea de tendencia, ecuación de la recta y coeficiente de
determinación.
Paso 3. Describir la tendencia de cambio de cada variable durante el periodo 2003-
2012.
DISCUSIÓN
1. Obtener los datos del cuadrante (Longitud oeste -89.890° a -89.527°; Latitud
norte 22.615° a 22.330°). Correspondiente al Arrecife Alacranes (Banco de
Campeche, México).
2. Describir los resultados por medio de gráficos de línea (8) con sus respectivas
barras de error (ANOVA por año y mes), siempre poner el valor del
estadístico (F), grados de libertad y probabilidad de error alfa. Así como, los
modelos de regresión de cada variable (4) con su respectivo coeficiente de
determinación, constantes de las ecuaciones de regresión y línea de
tendencia).
3. Explica las posibles razones por las que hubo (o no hubo) diferencias de los
valores de las variables entre meses y años, y las tendencias de cambio
temporal de las mismas.
4. Describan tres usos potenciales de este tipo de información para la
investigación en Biología Marina, y para apoyar acciones de conservación o
toma de decisiones.
PRODUCTOS
ESTRATEGIAS DE APRENDIZAJE Y EVALUACIÓN
REFERENCIAS
Martínez, J. y A. Díaz. 2005. Percepción Remota: Fundamentos de Teledetección
Espacial. CONAGUA. México. 62 pp.
Stoms, D. M. & Estes, J. E. 1993. A RS research agenda for mapping and monitoring
biodiversity. Int. J. of RS (14). 1839-1860 pp.
Van der Meer, F., Schmidt, K. S., Bakker, A. & W. Bijker. 2002. New Enviromental RS
systems. In: Enviromental modelling with GIS and RS. Skidmore, A.K., editor,
Taylor & Francis, London, 26-51 pp.
PRÁCTICA 3
NICHO ECOLÓGICO
3 horas en 1 sesión
INTRODUCCION
El nicho ecológico es uno de los conceptos clave en la ecología. En el pasado, las
discusiones al respecto eran meramente teóricas. El concepto moderno de nicho
ecológico puede ser modelado como un espacio multidimensional (“n-dimensional”),
donde cada eje representa un factor ecológico o recurso necesario por un individuo o
especie para vivir (Begon et al., 2006). Aunque haya traslapes, cada especie tiene un
nicho único.
En años recientes se han desarrollado diversas técnicas para estimar la posición
y amplitud del nicho ecológico de las especies, ya sea de manera comparativa con los
de otros taxa, o bien al ponerlos en perspectiva con las condiciones naturales de las
regiones donde habitan, como son la marginalidad y la especialización. La
marginalidad se refiere a qué tanto difiere el nicho de la especie, comparado con las
condiciones ambientales del área estudiada. Por otra parte, el factor de especialización
maximiza la varianza del área estudiada respecto de la distribución de la especie en
cuestión. Es decir, mide qué tan amplio es el nicho ecológico de la especie
(Monterroso-Rivas et al., 2013).
Una vez conocidos estos parámetros es posible hacer análisis finos de muy
diversos tipos, que incluyen desde predicciones de los sitios de ocurrencia de las
especies hasta estimaciones de la abundancia esperada de las poblaciones locales.
OBJETIVO DE APRENDIZAJE
El alumno conocerá un método de uso común para calcular la posición y la amplitud
del nicho ecológico de las especies, y comparará estos parámetros entre taxa
ecológica y filogenéticamente cercanos.
METODOLOGIA
Obtención de la información
Paso 1. Descargar el archivo “PRÁCTICA 3 NICHO ECOLÓGICO”, que contiene
información sobre la distribución geográfica de tres especies de peces
(endémico, tropical e insular), y de las condiciones ambientales presentes
a lo largo la costa del Pacífico tropical mexicano (promedios de temperatura,
clorofilas, salinidad, fosfatos, silicatos, nitratos y oxígeno).
Paso 2. Bajar y leer el artículo de Hirzel et al., 2002 (Ecology 83: 2027-2036).
Atención a la sección de metodología y a la descripción del modo de cálculo
de la marginalidad y la especialización. También leer el de Bryan y Metaxas
2007 (MEPS 330: 113-126).
Análisis numérico
Para cada especie, estimar su marginalidad y especialización en relación con cada
factor, y los coeficientes generales; todo a partir de las fórmulas de Hirzel et al., (2002).
Paso 1. Calcular el promedio y la desviación típica a escala regional de cada uno de
los factores oceanográficos.
Paso 2. Calcular el promedio y la desviación típica de los factores en las zonas de
ocurrencia de cada especie (endémico, tropical e insular).
Para seleccionar los valores de las condiciones ambientales
correspondientes únicamente al área de distribución de cada especie, se
multiplica la presencia o ausencia (0 y 1) de cada pixel por el valor de cada
condición ambiental. Al final eliminar las celdas que tengan valor 0 y calcular
tanto el promedio como la desviación típica
Paso 3. Posteriormente se utiliza la fórmula para calcular la MARGINALIDAD:
𝑀 =|𝑚𝐺 − 𝑚𝑆|
1.96 𝜎𝐺
Donde las variables significan:
𝑀 =|𝑚𝑒𝑑𝑖𝑎𝑟𝑒𝑔𝑖ó𝑛 − 𝑚𝑒𝑑𝑖𝑎𝑒𝑠𝑝𝑒𝑐𝑖𝑒|
1.96 𝜎𝑟𝑒𝑔𝑖ó𝑛
Esto es: el valor absoluto de: la media de la región menos la media de la
especie, todo dividido entre 1.96 por la desviación estándar de la región. Así
se ingresa la fórmula en Excel:
Finalmente, recorrer la fórmula a las celdas de la derecha para obtener el
valor de marginalidad de cada factor oceanográfico.
Paso 4. A continuación calcular la ESPECIALIZACIÓN con la fórmula:
𝑆 =𝜎𝐺
𝜎𝑆
Donde las variables significan:
𝑆 =𝜎𝑟𝑒𝑔𝑖ó𝑛
𝜎𝑒𝑠𝑝𝑒𝑐𝑖𝑒
Esto es: desviación estándar de la región entre la desviación estándar de
cada especie. Así se ingresa la fórmula en Excel:
Finalmente, recorrer la fórmula a las celdas de la derecha para obtener el
valor de especialización de cada factor oceanográfico.
Paso 5. Obtener las marginalidades y especializaciones de las tres especies
(endémico, tropical e insular), y graficarlas en histogramas de frecuencia por
factor/especie (2 figuras).
Paso 6. Obtener los valores de MARGINALIDAD GENERAL de cada una de las
especies con la siguiente fórmula:
𝑀 =
√∑ 𝑚𝑖2𝑉
𝑖=1
1.96
0
0.1
0.2
0.3
0.4
0.5
0.6
Endemico 1 Tropical 1 Insular 1
Esto es: raíz cuadrada de la suma de cuadrados de las marginalidades de
cada factor, todo entre 1.96. Así se ingresa la fórmula en Excel:
Paso 7. Obtener los valores de ESPECIALIZACIÓN GENERAL de cada una de las
especies con la siguiente fórmula:
𝑆 =
√∑ 𝜆𝑖2𝑉
𝑖=1
𝑉
Esto es: raíz cuadrada de la suma de cuadrados de las especializaciones de
cada factor, todo entre el número total de factores oceanográficos analizados
(7). Así se ingresa la fórmula en Excel:
Paso 8. Obtener las marginalidades y especializaciones generales de las tres
especies (endémico, tropical e insular), y graficarlas en histogramas de
frecuencia por especie (2 figuras).
Paso 9. Finalmente para conocer la relación entre la marginalidad y especialización
general de las especies con su distribución geográfica (número de lugares de
ocurrencia), graficar en Excel mediante un gráfico de dispersión de puntos
(y=marginalidad o especialización general, x=sitios). En STATISTICA realizar
el análisis de regresión para obtener el coeficiente de determinación, la
ecuación y el valor de p (2 figuras).
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
Endemico 1 Tropical 1 Insular 1
Mar
gin
alid
ad
y = 0.0251x + 0.1648R² = 0.6595
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0 5 10 15 20
Mar
gin
alid
ad
Sitios
DISCUSIÓN
Del archivo “PRÁCTICA 3 NICHO ECOLÓGICO”, la hoja “tarea” contiene
información sobre la distribución geográfica de varias especies de peces carnívoros:
Mycteroperca rosacea, M. xenarcha, M. jordani, Haemulon maculicauda y Lutjanus
argentiventris (cabrilla sardinera, cherna, baya, burro y pargo amarillo,
respectivamente), y de las condiciones ambientales presentes a lo largo del Golfo de
California y la costa del Pacífico tropical mexicano (promedios de temperatura,
clorofila, salinidad, silicatos, nitratos, fosfatos y oxígeno). Repetir los pasos de la
metodología con esta nueva información y discutir las siguientes preguntas:
1. ¿Qué condiciones ambientales son más limitantes para la cabrilla sardinera,
la cherna, el pargo, la baya y el burro en cuestión? ¿Con qué factores cada
especie se siente más a sus anchas?
2. Comparen los valores generales de marginalidad y especialización de todas
las especies, y expliquen sus resultados.
3. ¿Hay relación entre la marginalidad y especialización general de las
especies, con su distribución geográfica (número de lugares de ocurrencia)?
Contestar con base en análisis de regresión. Presentar los resultados
completos según el caso (R2, valor p y ecuación; N= 5 especies).
4. Las tres cabrillas (género Mycteroperca) son hermanitas filogenéticas (es
decir, provienen de un taxón original, el cual tenía un nicho ecológico único
del cual han derivado las actuales). Usando la información sobre las
condiciones ambientales en que viven las especies modernas, promedien las
condiciones de vida (temperatura, salinidad, etc.) de las tres especies, y así
sugerir cual podría haber sido el nicho que presentaba la especie original.
Después calculen la marginalidad y especialización de la especie original, y
digan que especie del género Mycteroperca ha derivado más en su nicho
ecológico, obviamente debido a la adaptación por selección natural.
5. ¿Qué utilidad le pueden ver a este tipo de análisis profundos de los nichos
en la vida diaria del biólogo marino típico?
PRODUCTOS
ESTRATEGIAS DE APRENDIZAJE Y EVALUACIÓN
REFERENCIAS
Begon, M., Townsend, C. R. & J. L. Harper. 2006. Ecology: From Individuals to
Ecosystems. Blackwell Publishing. Oxford, U.K. 738 p.
Monterroso-Rivas, A. I., Gómez-Díaz, J. D. & Tinoco-Rueda, J. A. (2013). Bosque
mesófilo de montaña y escenarios de cambio climático: una evaluación en
Hidalgo, México. Revista Chapingo, Ser. Ci. Forest. Ambiente 19(1): 29–43.
PRÁCTICA 4
COMPETENCIA INTERESPECÍFICA
3 horas en 1 sesión
INTRODUCCION
Una comunidad es un conjunto de poblaciones que interaccionan entre sí, dichas
interacciones tienen repercusiones que favorecen o perjudican dicha especie
(Quiñonez y Mendoza, 2009). La competencia es una interacción entre los organismos,
provocada por el requerimiento de un recurso común, y conduce a una reducción en
la supervivencia, crecimiento y/o reproducción de al menos algunos de los individuos
competidores (Begon et al., 2006). Cuanto más parecidos son los organismos, más
intensa es la competencia entre ellos (Quiñonez y Mendoza, 2009).
La esencia de la competencia interespecífica reside en que los individuos de una
especie sufren una reducción de la fecundidad, el crecimiento o la supervivencia como
un resultado de explotación de los recursos o de la interferencia por parte de otra
especie. Esta competencia probablemente afectará a la dinámica de las poblaciones
de las especies competidoras, y la dinámica, a su vez, puede influir sobre la
distribución y la evolución de las especies (Begon et al., 2006).
OBJETIVO:
El alumno conocerá la estimación de coeficientes de competencia entre especies
METODOLOGIA
Obtención de la información
Bajar el archivo “Práctica 4 Competencia clase”, que contiene información sobre erizos
Diadema mexicana, Eucidaris thouarsii, Toxopneustes roseus, Tripneustes depressus,
y de las condiciones ambientales presentes a lo largo del Golfo de California y la costa
del Pacífico tropical mexicano. Las condiciones ambientales representan el tipo de
fondo estimado en porcentaje de cobertura dentro de cuadrantes de 1 m2 obtenidos a
partir de 5 transectos de banda de 20 m de largo por 1 m de ancho.
Análisis numérico
Paso 1. Con los datos proporcionados, hacer una nueva base en STATISTICA para
continuar con el modelo de regresión múltiple.
Paso 2. Seleccionar “Statistics”
Después “Advanced linear/Nonlinear Models”
Y elegir la opción “General Regression Models”
Paso 3. en el menú “Type of analysis” dar click en “multiple regressions”.
Paso 4. Seleccionar “Variables”
En el lado izquierdo seleccione la variable dependiente, que en este caso
serían las diferentes especies de erizos.
En el lado derecho seleccione las variables independientes, en este caso
todos los factores ambientales (hábitats) y presione “OK”.
Paso 5. En la ventana que se despliega seleccionar la pestaña “Summary” y dar click
en el botón “Whole model R”
Paso 6. Analizar y discutir los valores arrojados por la regresión (R2, el valor de F y el
valor de p):
Paso 7. Regresar a la ventana anterior (paso 5) y cambiar a la pestaña “Quick”,
posteriormente dar click en el botón “Coefficients”
Paso 8. Analizar y discutir los valores de P de cada factor para determinar el que más
se ajusta al modelo:
Paso 9. Regresar nuevamente a la ventana anterior (paso 5) y cambiar a la pestaña
“Resids” y elegir la opción “Predicted and residuals”.
Paso 10. Copiar los valores de “Resids” a la hoja de Excel. Este procedimiento debe
realizarse para todas las especies.
Paso 11. Una vez con toda la información (residuales), realizar gráficos de dispersión
de puntos de todas las interacciones posibles (regresión especie vs especie).
DISCUSIÓN
En el archivo de Excel, en la pestaña tarea se encuentra información sobre Scarus
compressus, Scarus ghobban, Scarus perrico, Scarus rubroviolaceus y de las
condiciones ambientales presentes a lo largo del Golfo de California y la costa del
Pacífico tropical mexicano, a partir de estos datos contestar…
1. ¿Cuáles especies están compitiendo?, y ¿cuál de ellas tiene mayor efecto sobre
su competidor? Usar gráficos de dispersión de puntos (12 interacciones) con
los resultados completos de la regresión (línea de tendencia, ecuación, R2 y
valor p).
2. Tomando en cuenta el promedio de abundancia de las 4 especies en todos los
transectos, ¿cuál es el porcentaje de abundancia que pierde?
3. Describan tres usos potenciales de este tipo de información para la
investigación en Biología Marina, y para apoyar acciones de conservación o
toma de decisiones.
PRODUCTOS
ESTRATEGIAS DE APRENDIZAJE Y EVALUACIÓN
REFERENCIAS
Begon, M., Townsend, C. R. & J. L. Harper. 2006. Ecology: From Individuals to
Ecosystems. Blackwell Publishing. Oxford, U.K. 738 p.
Quiñonez, M. y G. Mendoza. 2009. Manual de prácticas de Ecología de Comunidades.
Universidad Autónoma de Ciudad Juárez Ciudad Juárez, Chihuahua. 136 p.
PRÁCTICA 5
ÍNDICES ECOLÓGICOS
3 horas en 1 sesión
INTRODUCCION
La biodiversidad se define como la variabilidad entre los organismos vivientes de todos
los ecosistemas; esto incluye diversidad dentro de las especies, entre especies y de
ecosistemas (Moreno, 2001). Actualmente existen diferentes métodos para medir la
biodiversidad, sin embargo no se cuenta aún con protocolos estándar para medirla. La
mayoría de los métodos propuestos para evaluar la diversidad de especies se refieren
a la diversidad dentro de una comunidad particular (diversidad alfa) (Whittaker, 1972).
Los diferentes índices ecológicos, han sido propuestos con la intención de
estimar la cantidad de especies existentes en una localidad a partir de información
parcial, y así comparar biológicamente diferentes localidades o evaluar el reparto de
recursos entre las distintas especies de lo que suele denominarse una comunidad. El
resultado es un indicador del estado de los sistemas ecológicos, con aplicabilidad
práctica para fines de conservación, manejo y monitoreo ambiental (Spellerberg,
1991). A continuación se mencionan algunos de los principales índices utilizados para
la medición de diversos atributos relacionados con la diversidad biológica:
Riqueza específica (S)
La riqueza específica es la forma más sencilla de medir la biodiversidad,
únicamente se basa en el número de especies presentes.
Abundancia (N)
La abundancia de la especie es el número de individuos de determinada especie,
comúnmente usado para el tamaño poblacional donde refleja la situación de dicha
especie dentro de un área específica.
Índice de Simpson
Expresa la probabilidad de que dos individuos tomados al azar de una muestra
sean de la misma especie. Como el valor del índice de Simpson es inverso a la
equidad (dominancia), la diversidad debe calcularse como 1 – λ. A continuación la
fórmula:
𝜆 = ∑ 2𝑃𝑖
Donde:
pi = abundancia proporcional de la especie i. Esto es el número de individuos
de la especie i dividido entre el número total de individuos de la muestra.
Índice de diversidad de Shannon-Wiener (H’): mide el grado promedio de la
incertidumbre en predecir a qué especie pertenecerá un individuo escogido al azar
en una colección.
H′ = −Σ (ni
N) log (
ni
N)
Donde:
N= número total de individuos de todas las especies en el censo.
ni= número de individuos de la especie i en un censo.
Índice de uniformidad o equidad de Pielou (J’): Proporciona información sobre
la forma en que la abundancia está repartida entre las especies; midiendo la
proporción de la diversidad observada y la diversidad máxima esperada en la
comunidad (Krebs, 1999).
J′ =H′
log S
Donde:
H’= Diversidad de Shannon-Wiener en el censo
S= número de especies en el censo
Índice Alpha de Fisher: Supone que la abundancia de especies sigue una
distribución log normal. Es el único índice ecológico con fundamentos biológicos
reales.
𝑆 = 𝛼 ∗ 𝑙𝑛 (1 +𝑛
𝛼)
Donde:
S = número de taxones
n = número de individuos
α = alpha de Fisher
OBJETIVO:
El alumno conocerá algunos métodos propuestos para evaluar la diversidad de
especies dentro de una comunidad particular (diversidad alfa), por medio de la
utilización de los índices de riqueza específica, dominancia y equidad.
METODOLOGIA
Obtención de la información
Paso 1. Bajar el archivo “Práctica 5 índices ecológicos”, la hoja “clase erizos” contiene
información de censos de erizos realizados en Islas Marías (Centrostephanus
coronatus, Diadema mexicanum, Echinometra vanbrunti, Eucidaris thouarsii,
Toxopneustes roseus y Tripneustes depressus) dichos datos son lo que se
trabajará.
Paso 2. Con los datos proporcionados del archivo de Excel, hacer una nueva base en
Past para continuar a calcular los índices de diversidad para los erizos de los
diferentes sitios.
La matriz de datos debe comprender las especies en fila, y los sitios en
columnas, de no estar acomodados así, es necesario transponerlos
desde Excel.
En Past habilitar la casilla “Edit labels” y posteriormente copiar y pegar
los datos.
Paso 3. Una vez seleccionada la matriz
Click en el menú “Diversity”, y a continuación en la opción “Diversity
Indices”
Copiar y pegar los resultados en Excel
Paso 4. Transponer los valores de los índices obtenidos para acomodar los sitios en
filas y los índices en columnas. Revisar que los transectos tengan la misma
etiqueta por sitio y eliminar las columnas que no correspondan a los 7 índices
de interés (Taxa_S, Individual, Dominance, Simpson 1-D, Shannon_H,
Equitability y Fisher-alpha).
Análisis numérico
A continuación abrir STATISTICA y hacer una base con los datos de índices ecológicos
obtenidos y realizar un análisis de varianza de una vía, modelo II con alfa= 0.05, para
comparar el estado de los diferentes arrecifes mediante cada índice.
Paso 1. Seleccionar menú “Statistics”, click en opción “ANOVA”
Paso 2. En “Type of analysis” seleccionar “one-way ANOVA” y en “specification
method” seleccionar “Quick specs dialog” y finalmente dar click en OK.
Paso 3. En la pestaña “Quick” seleccionar “Variables” y a continuación elegir la
variable dependiente (en este caso el índice) e independiente (en este caso
sitio) Click OK
En “Dependent variable” seleccionar solo UNO de los índices (Taxa_S,
Individual, Dominance, Simpson 1-D, Shannon_H, Equitability y Fisher-
alpha)
En “Categorical predictor (factor)”: seleccionar “Sitios”, y después dar
click en OK.
Paso 4. En la parte superior izquierda seleccionar la pestaña “Options” y
posteriormente habilitar “Type II (partial)” (Recuerden que esto es porque
los datos son aleatorios, no fijos).
Paso 5. En la ventana que aparece seleccionar la pestaña “Summary”, dar click en
“All effects/Graphs” y después dar click en OK (En esta misma ventana
seleccionar “Cell statistics” para obtener los valores de la media y el
E.E. para graficarlos en Excel).
Paso 6. Según sea el caso, correr la prueba a posteriori de Tukey para denotar el
origen de las diferencias estadísticas.
Paso 7. Regresar a la ventana anterior (Paso 5) y dar clic en el botón “More results”
en la parte inferior izquierda.
Paso 8. En la pestaña “Post-hoc” habilitar la celda de “Homogeneous groups” y dar
click en “Tukey HSD”
Paso 9. Repetir este procedimiento para cada índice (Paso 4).
DISCUSIÓN
En el archivo “Invertebrados Boleo” se presenta información de censos de
invertebrados en 3 sitios de Punta Limantur, Santa Rosalía. Con dicha información,
contesta:
1. Por medio de los índices ecológicos describe y compara el estado de las
diferentes zonas (siempre poner en su caso el valor del estadístico, grados
de libertad y probabilidad de error alfa) (7 gráficas).
2. ¿Qué sitios presentan mayores y menores valores de los índices ecológicos?
(comprueba tus respuesta con los intervalos de confianza de la media y el
análisis de varianza) Argumenta tus resultados con base con la forma de
funcionamiento del índice.
3. Calcula los valores de correlación de todos los índices entre sí. Demuestra
que correlaciones son significativas, y discute si en estos casos vale la pena
utilizar ambos índices en un análisis ecológico (1 tabla).
4. ¿Qué zona(s) crees que ha recibido más impacto por parte de la Compañía
Minera y Metalúrgica del Boleo S.A. de C.V.? Argumenta con base a tus
resultados.
5. Describan tres usos potenciales de este tipo de información para la
investigación en Biología Marina, y para apoyar acciones de conservación o
toma de decisiones.
REFERENCIAS
Moreno, C. E. 2001. Métodos para medir la biodiversidad. M&T–Manuales y Tesis
SEA, vol. 1. Zaragoza, 84 pp.
Whittaker, R. H. 1972. Evolution and measurement of species diversity. Taxon, 21(2/3):
213-251.
Spellerberg, I. F. 1991. Monitoring ecological change. Cambridge University Press, UK,
334 pp.
PRÁCTICA 6
NIVELES TRÓFICOS
3 horas en 1 sesión
INTRODUCCION
La Teoría de Redes Tróficas es el conjunto de modelos que intentan explicar las
tendencias generales de la topología y funcionamiento de las redes, y sus
consecuencias dinámicas para los sistemas ecológicos (Lawler y Morin 1993,
Winemiller y Polis 1996). Estos modelos parten de la asunción de que las complejas
interacciones que se producen en las redes tróficas no ocurren al azar, sino que están
altamente estructuradas de acuerdo con un abundante catálogo de reglas de
ensamblaje (p. e. O’Neill et al. 1986, Keddy 1992). En general, las reglas estarían
impuestas por limitaciones energéticas y dinámicas ligadas a procesos biológicos
simples, por los diseños estructurales de los organismos, y/o por la variación espacio-
temporal del ambiente (Tavares-Cromar y Williams 1996).
OBJETIVO:
El alumno aprenderá a calcular el valor de nivel trófico de una comunidad a partir de
diferentes especies.
METODOLOGIA
Obtención de la información
Paso 1. Abrir el archivo de Excel “Práctica 6 Niveles tróficos” y en la pestaña
“N_CLASE", se muestran abundancias de peces de dos sitios del Sistema
Arrecifal Veracruzano (SAV).
Paso 2. Ingresar a la página: http://www.fishbase.org/search.php para encontrar el
valor del nivel trófico que presentan las diferentes especies.
Paso 3. En el campo “Scientific Name”
En “Genus + Species” llenar el espacio con el nombre de una de las
especies de la lista de Excel y dar click en “Search”.
Paso 4. Aparecerá una página como la siguiente:
Paso 5. En la nueva página, dirigirse a la sección final en el apartado: “Estimates of
some properties base on models”.
Localizar la línea “Trophic level” (Nivel trófico); el número que ahí aparece
es el valor para dicha especie, ingresarlo/copiarlo en el archivo de Excel.
Paso 6. Realizar los mismos pasos para todas las especies.
Análisis de datos
Paso 1. En Excel calcular el nivel trófico de cada sitio (Galeguilla y Verde)
Con la matriz de las especies del SAV, realizar sumatoria de las
abundancias de las diferentes especies para cada transecto (16 c/sitio).
Multiplicar la abundancia de especie presente en el transecto, por el valor
de nivel trófico que muestra dicha especie, esto para realizar una nueva
matriz (fijar únicamente la columna del nivel trófico = $B).
Con la nueva base, realizar sumatoria (N*nivel trófico) para cada
transecto y dividirlo entre la abundancia total de dicho transecto; es decir
sacar el valor ponderado de cada transecto.
Finalmente transponer los valores obtenidos para generar una nueva
base (una columna para el sitio/transecto y otra para nivel trófico).
Paso 2. En Statistica generar una nueva base de datos con los sitios y sus respectivos
valores de nivel trófico.
Paso 3. En el menú “Statistics” seleccionar “Basic Statistic/Tables”
Paso 4. Elegir “t-test, independent, by groups” y dar click en “ok”
Paso 5. Dar click en botón “Variables” para seleccionar la variable
dependiente y la independiente:
En “Dependent variable” seleccionar “Nivel trófico”.
En “Grouping variable” seleccionar “Sitios” y dar click en “Ok”.
Paso 6. Ir a la pestaña “Options”, y habilitar “Test w/ separate variance estimates” y
en la opción “Homogeneity of variances”, elegir “Levene’s test”
Paso 7. Finalmente dar click en “Summary” y analizar los resultados:
En este caso las varianzas son iguales (p=0.061101),
por lo que se toma la t de Student suponiendo varianzas iguales p= 0.000011
Paso 8. Para visualizar mejor las diferencias significativas entre los dos sitios,
regresar a la pestaña (paso 6) y cambiar de la pestaña
“Options” a la pestaña “Advanced” y seleccionar “”Box & wisker plot”. En el
recuadro que aparece, habilitar la opción “Mean/SE/SD” y dar click en botón
“Ok”.
Paso 9. Realizar el gráfico en Excel utilizando el valor del error estándar en las barras
de error (similar al que arroja Statistica):
Box & Whisker Plot: Nivel trófico
Mean
Mean±SE
Mean±1.96*SE GALLEGUILLA VERDE
Sitio
2.7
2.8
2.9
3.0
3.1
3.2
3.3
3.4
Niv
el tr
ófico
DISCUSIÓN
Con la matriz de peces de Cabo Pulmo y Bahía de La Paz, y con sus valores de nivel
trófico respectivamente analiza/contesta…
1. ¿Cuál sitio presenta un mayor nivel trófico? Comparar los valores de nivel
trófico entre los dos sitios, por medio de pruebas de hipótesis. Explica las
diferencias (si acaso existen) con base en composición de especies por sitio,
y sus niveles tróficos
2. A manera de simulación de los efectos de una pesquería no controlada,
eliminen los carnívoros superiores de la matriz de datos (es decir de valores
de nivel trófico igual o mayor a 4), recalcula los valores de nivel trófico de las
matrices e identifica las diferencias. Así mismo explica donde se presentó el
mayor efecto, y justifica el porqué de los resultados obtenidos. Contesta esto
comparando los datos “originales” con los modificados o “nuevos”.
3. Describan tres usos potenciales de este tipo de información para la
investigación en Biología Marina, y para apoyar acciones de conservación o
toma de decisiones.
REFERENCIAS
Keddy, P. A. (1992). Assembly and response rules: two goals for predictive community
ecology. Journal of Vegetation Science, 3(2), 157-164.
Lawler, S. P., & Morin, P. J. (1993). Food Web Architecture and Population Dynamics
in Laboratory Microcosms of Protists. The American Naturalist, 141(5), 675–686.
O'Neill, R. V. (1986). A hierarchical concept of ecosystems (Vol. 23). Princeton
University Press.
Tavares-Cromar, A. F., & Williams, D. D. (1996). The importance of temporal resolution
in food web analysis: evidence from a detritus-based stream.Ecological
Monographs, 91-113.
Winemiller, K. O., & Polis, G. A. (1996). Food webs: what can they tell us about the
world? In Food Webs (pp. 1-22). Springer US.
PRÁCTICA 7
NIVELES TRÓFICOS
3 horas en 1 sesión
INTRODUCCIÓN
El enfoque de manejo ecosistémico de las pesquerías marinas está incluyendo análisis
que toman en cuenta no solo los datos clásicos de captura y esfuerzo, sino que
relacionan esa información con otra obtenida bajo una óptica más ecológica y
oceanográfica. En este sentido, la producción de los recursos pesqueros marinos es
limitada e influenciada por varios factores, pero la producción primaria es sin duda la
más importante y la más fundamental (Pauly y Christensen, 1995).
Asimismo, el proceso extractivo de la pesca requiere la renovación de biomasa a
través de la producción primaria impulsada por la energía solar. Por lo que la
producción primaria requerida (PPR) permite estimar cuánta producción primaria es
necesaria para sustituir la biomasa de los desembarques de pesca extraídos de los
ecosistemas marinos (Watson et al., 2014).
La comprensión de los procesos de producción pesquera (fijación de carbono de
productores primarios y de su transferencia a lo largo de las cadenas alimentarias)
proporciona una base para la comprensión de las fluctuaciones en las pesquerías y
los efectos ecosistémicos de la pesca (Jennings et al., 2001).
En resumen, además de saber cuántos organismos estamos pescando, es
importante evaluar los efectos que esta extracción tiene sobre los demás niveles
tróficos y en general sobre las condiciones de las especies que interactúan con los
taxa objetivo.
OBJETIVO
El alumno combinará información de ecología pesquera tradicional con datos
ecológicos y poblacionales de especies objeto de captura, para evaluar el efecto
ecosistémico que la pesca tiene en diversas regiones del Golfo de California.
METODOLOGIA
Obtención de la información
Paso 1. Abrir el archivo enviado al grupo, que presenta información correspondiente
a las estadísticas de las 10 especies relevantes en la pesquería de la región
del Corredor San José-Loreto. Se presenta el nombre científico, nombre
común, la captura promedio anual (biomasa en toneladas) entre 1999 y 2009,
y el nivel trófico (obtenido de la página fishbase.org)
Paso 2. Incluir una columna equivalente a la eficiencia trófica de la especie (dejar en
0.1 o 10% en todos los casos)
Paso 3. Convertir la captura de unidades de biomasa a unidades de carbono (que
equivale al 6% de la biomasa)
Paso 4. Calcular la producción primaria requerida para sostener la biomasa pesquera
(PPR), usando la siguiente ecuación:
PPR = Captura * (Eficiencia trófica ^ Nivel trófico – 1)
Paso 5. Finalmente, estimar la producción primaria requerida para sostener a la
población total de las 10 especies, tomando en cuenta que solo se extrae el
30% de la biomasa total.
Paso 6. Repetir el análisis considerando una eficiencia trófica del 12% y el 15% (Paso
2).
Paso 7. Comparar si hay diferencias significativas en la PPR de cada nivel de
eficiencia trófica, tomando en cuenta como variable de análisis la biomasa de
cada una de las 10 especies.
DISCUSIÓN
1. Usar los datos presentes en la hoja “tarea” del archivo de Excel, que
corresponden a la captura anual de cada especie, y estimar la PPR por año.
Graficar los datos de PPR (1 Histograma).
2. Evaluar usando regresión múltiple, el efecto conjunto de la temperatura del
mar, la concentración de clorofila y la productividad primaria, sobre:
a) la captura total,
b) la captura por especie (las 3 especies más abundantes) y
c) la PPR.
En total son 5 regresiones; presentar gráficos y las tablas del ANOVA de la
regresión. Además, discutir los resultados.
Paso 1. Con los datos proporcionados, hacer una nueva base en STATISTICA para
continuar con el modelo de regresión múltiple.
Paso 2. Seleccionar “Statistics”
Después “Advanced linear/Nonlinear Models”
Y elegir la opción “General Regression Models”
en el menú “Type of analysis” dar click en “multiple regressions”.
Paso 3. Seleccionar “Variables”
En el lado izquierdo seleccione la variable dependiente, que en este caso
sería la captura total.
En el lado derecho seleccione las variables independientes, en este caso
todos los factores ambientales (Chl a, temperatura y PP)
Presione “OK”
Paso 4. En la ventana que se despliega seleccione la pestaña “Summary” y dar click
en el botón “Whole model R”
Paso 5. Analizar y discutir los valores arrojados por la regresión, (EE y el valor de p).
Paso 6. Regresar a la ventana anterior (paso 4) y cambiar a la pestaña “Quick”,
posteriormente dar click en el botón “Coefficients”.
Paso 7. Analizar y discutir los valores de P de cada factor para determinar el que más
se ajusta al modelo:
Paso 8. Regresar nuevamente a la ventana anterior (paso 4) y cambiar a la pestaña
“Resids” y elegir la opción “Predicted and residuals”. Con estos datos realizar
un gráfico de puntos colocando en el eje de las “x” los valores observados y
en el eje de las “y” los valores predichos. Así mismo arrojar la línea de
tendencia con su respectiva ecuación y R2 (coeficiente de determinación).
NOTA: la gráfica obtenida debe coincidir con la arrojada por STATISTICA de
la opción “Obs. & pred.” del apartado “Plots of predicted and residual values”
Paso 9. Repetir este procedimiento para la captura por especie (las 3 especies más
abundantes) y para la PPR (paso 3).
3. Del artículo “Artisanal fisheries in La Paz Bay and adjacent oceanic area (Gulf
of California, Mexico)”, publicado en Ciencias Marinas 36: 433-444. 2010),
tomar la Tabla 1 y calcular la PPR requerida para mantener a esta pesquería.
Busquen la información del nivel trófico de cada especie (o grupo de
especies) en Fishbase, y tomen una eficiencia trófica del 10%, 12% y 15%.
4. Comparen esos resultados con los obtenidos para la Isla San José (1
histograma).
¿En qué región se extrae más pesca?
¿Qué tan distinta es la PPR entre regiones (da una evaluación
cuantitativa)
5. Describan tres usos potenciales de este tipo de información para la
investigación en Biología Marina, y para el uso para apoyar acciones de
manejo pesquero.
REFERENCIAS
Watson, R., Zeller, D., & Pauly, D. (2014). Primary productivity demands of global
fishing fleets. Fish and Fisheries, 15(2), 231-241.
Pauly, D. and Christensen, V. (1995) Primary production required to sustain global
fisheries. Nature, 374, 255–257.
Jennings, S., Kaiser, M., & Reynolds, J. D. (2001). Marine fisheries ecology. Blackwell
Science. 417pp.