PRONÓSTICO Y MODELADO EN MAXENT

Transcripción

1 Informe 2009 Sistema Nacional de Vigilancia Epidemiológica Fitosanitaria PRONÓSTICO Y MODELADO EN MAXENT Una de las principales preguntas que el hombre ha tratado de responder es la influencia de ambiente en los organismos. Desde un sentido biológico, una de las explicaciones se da a partir de la forma en la cual la variación ambiental puede modelar la variación morfológica, las interacciones bióticas, los patrones biogeográficos y aún, los eventos evolutivos (Cicero, 2004). En especial, el clima es uno de los factores que afecta la distribución y la abundancia, la dinámica poblacional, la estructura y la función del ecosistema, e incluso la evolución (Hill et al., 1999; Parmesan et al, 2000). Un antecedente de la biogeografía es que el clima tiene un control dominante sobre la distribución natural de las especies. Esta disciplina ha reconocido el papel fundamental del macroclima para determinar los patrones de distribución de numerosos organismos a escalas de 10 km 2 y superiores (Andrewartha & Birch, 1954; Currie, 1991; Huntley et al., 1995; Thuiller et al., 2004). Actualmente, las tendencia observadas muestran que el clima cambiante tiene una profunda influencia sobre la expansión y contracción de intervalos de las especies, por lo que se espera que los futuros cambios climáticos tienen un impacto significativo sobre la distribución de especies (Hughes, 2000; McCarty, 2001; Walther et al., 2002; IPPC, 2001). Ya que el clima es uno de los factores que afecta la distribución de los organismos, determinando sus límites geográficos. Entonces el análisis de las variables climáticas ayudará a entender porqué una especie crece en un determinado sitio y no en otro (Lindenmayer et al. 1991). Cada especie tiene su propio perfil bioclimático, por lo que el análisis de las variables climáticas que determinan dicho perfil puede servir para cuantificar las diferencias en los dominios climáticos (es decir, el nicho climático o espacio en el cual se considera que una especie vegetal sobrevive bajo condiciones naturales) que tienen diferentes especies (Fischer et al. 2001). Los registros de las estaciones proveen las más directas medidas para estudiar las tendencias históricas en el clima, pero estos pueden ser poco confiables, generalmente muestran grandes huecos carentes de registro. La pobre cobertura espacial de las estaciones es otro de los problemas, el cual es particularmente evidente en regiones áridas escasamente pobladas. Ya que una estación representa sólo un punto, puede no ser representativa de la región que la rodea, especialmente en la presencia de gradientes ambientales complejos y alta precipitación convectiva. Para superar esto, se han producido juegos de datos digitales (raster) a partir de los registros de las estaciones existentes con el fin de aproximarse a la verdadera variación espacio-temporal de las variables climáticas (New et al., 2000; Hewitson and Crane, 2005). Los modelos de predicción para la distribución geográfica de especies son importantes para una variedad de aplicaciones en ecología y conservación. Aunque también se ha aplicado a estudios aplicados a la propagación de especies invasoras, impactos de cambio climático y patrones espaciales de especies (Phillips et al., 2008). Para trabajar con métodos de modelización se requieren un conjunto de ocurrencias conocidas como variables predictivas, tales como información topográfica, climática, edafológica, biogeográfica y de teledetección. Existen muchas técnicas para modelizar, que van desde modelos climáticos y de regresión logística, hasta los árboles de decisión multivariable y Splins de regresión. Los métodos de modelización son diferentes, trabajan de forma diferente, por lo que los resultados nunca son iguales entre ellos. Máxima entropía (Maxent) es un modelador que trabaja a partir del método general de predicción o inferencias a partir de información incompleta, siendo sus orígenes en la mecánica estadística (Jaynes, 1957). En estimación de máxima densidad de entropía, la verdadera distribución de una especie se representa como una distribución de probabilidad p sobre el conjunto x de los sitios del área de estudio. Por lo tanto asigna un valor p no negativo a cada sitio x y los valores p (x) suman uno. La distribución de probabilidad debe respetar una serie de limitaciones derivadas de la ocurrencia de datos. Las limitaciones se basan en la calidad y numero de variables ambientales (Phillips, 2006; y Phillips, 2008). Estas variables ambientales con las que trabaja maxent son de tipo continuo y categórica. El primero toma valores reales arbitrarios que corresponden a las cantidades medidas, como la altitud, la precipitación anual y la temperatura máxima; el tipo categórica toman sólo un número limitado de valores discretos, como el tipo de suelo o el tipo de vegetación (Phillips, 2008). 54

2 Generación de tecnología Producto 12 Aplicación de maxent a escala nacional El uso de maxent fue dirigido hacia conocer los sitios con similitudes climáticas para la reproducción o establecimiento de una plaga. Para ello se uso la base ya diseñada por Tellez et al. (2004), donde se creó un archivo ASCII que almacena 19 variables climáticas. Dichas variables se muestran en la tabla 9 Tabla 9. Parámetros usados en el modelo de máxima entropía No. Parámetros 1 Temperatura promedio anual 2 Oscilación diurna de la temperatura 3 Isotermalidad 4 Estacionalidad de la temperatura 5 Temperatura máxima promedio del periodo más cálido 6 Temperatura mínima promedio del periodo más frío 7 Oscilación anual de la temperatura 8 Temperatura promedio del trimestre más lluvioso 9 Temperatura promedio del trimestre más seco 10 Temperatura promedio del trimestre más cálido 11 Temperatura promedio del trimestre más frío 12 Precipitación anual 13 Precipitación del periodo más lluvioso 14 Precipitación del periodo más seco 15 Estacionalidad de la precipitación 16 Precipitación del trimestre más lluvioso 17 Precipitación del trimestre más seco 18 Precipitación del trimestre más cálido 19 Precipitación del trimestre más frío Fuente: Tellez, et al., 2004 Las variables climáticas fueron hechas a partir de información de 6200 estaciones meteorológicas para datos de precipitación y 4200 para datos de temperatura. Los datos fueron interpolados a partir de las superficies climáticas (estaciones meteorológicas), dando una resolución espacial de 1 km 2. Todos los mapas se encontraban en formato raster, para que el modelado fuera más preciso. Para generar el modelado sobre las capas de información climática, se uso muestreos específicos de las campañas fitosanitarias. En este caso, solo se necesita las coordenadas de los puntos que quieran ser modelados. Dichos puntos tendrían que tener formato de coordenadas geográfica (igual que los mapas). Se almacenaron en archivos.txt son formato, los cuales fueron incluidos al programa de maxent junto con los mapas. Se corrió el modelo y el archivo final era guardado en formato.bil para poder ser desplazado en el SIG ArcGIS, donde se le daba formato de salida (Figura 33). 55

3 Informe 2009 Sistema Nacional de Vigilancia Epidemiológica Fitosanitaria Figura 33. Ejemplo de modelado en maxent Aplicación de maxent a escala mundial Para diseñar el modelado a nivel mundial, se extrajo las capas de información de la página privada de NAPPFAST. Las imágenes se encuentran en formato geotiff en En un primer ejercicio se trabajo con 12 variables climáticas (Figura 34), las cuales se muestran en la tabla 10: Tabla 10. Parámetros usados en el modelo de máxima entropía escala mundial No. Parámetros 1 Temperatura promedio anual 2 Temperatura mínimo promedio anual 3 Temperatura máxima promedio anual 4 Temperatura máxima promedio 10 años 5 Temperatura máxima promedio 30 años 6 Temperatura mínima promedio 10 años 7 Temperatura mínima promedio 10 años 8 Oscilación anual de la temperatura 9 Precipitación anual 10 Humedad Relativa 11 Zonas cálidas - 10 años 12 Zonas cálidas 30 años Fuente: NAPPFAST,

4 Generación de tecnología Producto 12 Figura 34. Ejemplo de cartografía digital usada para el modelo mundial Para generar el modelado sobre las capas de información climática, se uso muestreos específicos de las campañas fitosanitarias. En este caso, solo se necesita las coordenadas de los puntos que quieran ser modelados. Dichos puntos tendrían que tener formato de coordenadas geográfica (igual que los mapas). Se almacenaron en archivos.txt son formato, los cuales fueron incluidos al programa de maxent junto con los mapas. Se corrió el modelo y el archivo final era guardado en formato.bil para poder ser desplazado en el SIG ArcGIS, donde se le daba formato de salida (Figura 35). Se hizo unos primeros ejercicios con datos de las plagas de HLB y Palomilla. Se piensa seguir incorporando datos y mas cartografía, sobretodo de aspectos físicos y de comportamiento específicos de plagas, para que el modelado sea lo más preciso posible. Figura 35. Modelo maxent a nivel mundial ejemplo de HLB 57

5 Informe 2009 Sistema Nacional de Vigilancia Epidemiológica Fitosanitaria Bibliografía Andrewartha, H. G., and L. C. Birch The Distribution and Abundance of Animals. The University of Chicago Press, Chicago, Illinois Cicero, C Barriers to sympatry between avian sibling species (Paridae: Baeolophus) in local secondary contact. Evolution 58:7, Currie DJ (1991) Energy and large-scale patterns of animal and plant species richness. American Naturalist 137: 27±49 Hewitson BC, Crane RG Gridded area-averaged daily precipitation via conditional interpolation. Journal of Climate 18: Hill, J. K., Thomas, C. D. & Huntley, B Climate and habitat availability determine 20th century changes in a butterfly s range margins. Proc. R. Soc. Lond. B 266, (DOI /rspb ) Hughes, A.L. and Roberts, R.H. (2000) Independent origin of IFN-_ and IFN-_ in birds and mammals. J. Interferon Cytokine Res., 20, Huntley, B., W.P. Cramer, A.V. Morgan, H.C. Prentice, and J.R.M. Allen (eds.), 1997: Past and Future Rapid Environmental Changes: The Spatial and Evolutionary Responses of Terrestrial Biota. Springer-Verlag, Berlin, Germany, 523 pp IPPC Intergovernmental panel on climate change. En Jaynes, E.T., Information theory and statistical mechanics. Phys. Rev. 106, Lindermayer, D. B., H. A. N IX, J. P. MCMAHON, M. F. HUTCHINSON Y M. T. T ANTON The conservation of Leadbeater s possum, Gymnobelideus leadbeateri (McCoy): a case study of the use of bioclimatic modeling. Journal of Biogeography 18: NAPPFAST Climate tool. NCSU APHIS Plant Pest Forecasting System. En New, M., Hulme, M. and Jones, P.D., 2000: Representing twentieth century space-time climate variability. Part 2: development of monthly grids of terrestrial surface climate. Journal of Climate 13, Parmesan, C., Root, T.L. y Willig, M.R Impacts of extreme weather and climate on terrestrial biota. Bulletin of the American, Meteorological Society 81: Phillips, S., Anderson, P. y Schapire, R Maximum entropy modeling of species geographic distributions. Ecological modeling Phillips, S. y Dudik, M. Modeling of species distributions with Maxent: new extension and a comprehensive evaluation. Ecography 31: Thuiller W, Araújo MB, Pearson RG, Whittaker RJ, Brotons L, Lavorel S (2004) Uncertainty in predictions of extinction risk. Nature, 430, 34. Téllez, O., Chávez, Y., Gómez, A., Gutiérrez, M Modelado bioclimático como herramienta para el manejo forestal: estudio de cuatro especies de Pinus. Revista Ciencia Forestal en México, Vol. 29, Núm. 95. pp

6 Generación de tecnología Producto 12 Walther, Gian-Reto; Post, Eric; Convey, Peter; y otros (2002), "Ecological responses to recent climate change". Nature 416 (6879):