Introducción Ordenación Clasificación Ord. + Clas. Geobotánica. Tema 12 Ordenación y clasificación

Transcripción

1 Introducción Clasificación Ord. + Clas. Geobotánica Tema 12 y clasificación Copyright: 2011 Francisco Alcaraz Ariza. Esta obra está bajo una licencia de Reconocimiento-No Comercial de Creative Commons 3.0. Para ver una copia de esta licencia, visite o envíe una carta a Creative Commons, 559 Nathan Abbott Way, Stanford, California 94305, USA. 1

2 Introducción Clasificación Ord. + Clas. Los estudios de vegetación suelen generar un gran volumen de datos y precisan computerización La clasificación tradicional es muy intuitiva La clasificación manual es insuficiente y subjetiva 2

3 Introducción Clasificación Ord. + Clas. Interpretar cada unidad muestral según similitudes y diferencias. No hacer divisiones artificiales realidad. Resumir datos. Relacionar variaciones con variables medio. Entender la estructura de la comunidad. Disponer unidades muestrales o especies en espacio ecológico de dimensiones reducidas. Generar hipótesis. 3

4 Introducción Clasificación Ord. + Clas. Clasificación Agrupar unidades muestrales similares en tipos. Formar grupos de similar entidad, basados en atributos. Subdividir realidad en compartimentos separados. Apoyar clasificación de comunidades. 4

5 simple En estudios de análisis indirecto (sin datos ecológicos) de gradientes, los resultados se pueden expresar sin necesidad de utilizar programas informáticos cuando el volumen de datos es reducido. 5

6 simple 6

7 Espacios vectoriales Un espacio puede ser descrito sobre sus dimensiones. Se puede fijar un origen de coordenadas y cada punto en ese espacio se denomina a través de sus n coordenadas. Los espacios matemáticos pueden tener desde una hasta muchas dimensiones, siendo los ejes que las representan, por acuerdo, ortogonales. 7

8 Espacios vectoriales Espacios geobotánicos de interés: De las unidades muestrales: las especies son puntos en un espacio multidimensional con tantos ejes como unidades muestrales analizadas De las especies: las unidades muestrales se disponen un espacio delimitado por los ejes de las especies El ecológico: los ejes representa los n factores del medio y en este espacio podemos situar las especies, las unidades muestrales o ambas Objetivo: partiendo de los espacios de las unidades muestrales y de las especies llegar matemáticamente al ecológico) 8

9 unidad muestral 1 Especies unidad muestral 2 9

10 Resultados: ordenación en un espacio multidimensional. Se necesitan herramientas matemáticas para reducir las dimensiones. Máxima varianza se interpreta como significado ecológico más alto. Lo más usual es el giro de los ejes y su proyección buscando que atraviesen los zonas de máxima varianza. 10

11 n eje 2 Introducción Clasificación Ord. + Clas. 1. Matriz de datos (inventarios/especie s) n 2. Análisis 3. Diagrama de ordenación de inventarios (especies) Especies o Inventario s Matriz de datos bruta Método de eje 1 11

12 Formato de los datos Complejos (Canoco). Tendencia: sólo texto. Práctico: hoja de cálculo y luego exportar. 12

13 13

14 14

15 Transformación de los datos Las transformaciones son herramientas para sacar más luz a los datos. Numéricas o escalares: sin intervención del espacio. Transformaciones de los índices de abundancia-dominancia. Enmascaramiento: de especies o unidades muestrales). Vectoriales (geométricas), afectan a aspectos dimensionales en el seno de un espacio matemático. 15

16 Análisis de gradientes Directo Toma de datos ecológicos Análisis constreñido Indirecto No se toman datos ecológicos PCA o CA, los ejes de ordenación deben ser interpretados relacionándolos con variables ambientales 16

17 Ambiente Plantas Parcelas (unidades muestrales ) Parcelas (unidades muestrales ) Datos ambientales Datos de especies Análisis directo de gradientes Análisis indirecto de gradientes Análisis indirecto de gradientes Resumen por ordenación 17

18 Análisis de componentes principales (PCA) Modelo lineal de respuesta de las especies a los gradientes ambientales: Reduce dimensiones Facilita la interpretación valorando la importancia de las variables (eigenvectores) % Varianza (Eigenvalue) Interpretación: más importante cuanto más a la periferia. Apropiado para estudio de gradientes sencillos 18

19 Análisis de componentes principales (PCA) Respuesta de las especies Gradiente ambiental 19

20 Análisis de correspondencias (CA, RA) Modelo unimodal de respuesta de las especies a los gradientes ambientales. Reduce dimensiones Facilita la interpretación valorando la importancia de las variables (eigenvectores) % Varianza (Eigenvalue) Interpretación: pérdida de importancia de modo concéntrico respecto a especies o espacios. Superior para manejo de múltiples gradientes 20

21 Análisis de correspondencias (CA, RA) Respuesta de las especies Gradiente ambiental 21

22 Análisis de correspondencias segmentado (DCA) Elimina la curvatura en arco de PCA y CA Reescala, por lo tanto no distorsiona las distancias ecológicas. Críticas por el método matemático utilizado, más intuitivo que basado en detallado análisis científico. a b c 22

23 Análisis de correspondencias constreñido Análisis directo de gradientes Dos archivos informáticos: Datos de vegetación Datos ambientales idem técnicas anteriores Encuentra mejor combinación linear de datos ambientales para crear ejes El T-valor de los coeficientes permite el uso de pruebas estadísticas El test de Monte-Carlo ayuda a comprobar la importancia de las variables 23

24 24

25 Escalado multidimensional no métrico (NMDS) Técnica diferente de las anteriores (eigenvalues). Cuida la secuencia, pero no la distancia Modelo ni linear ni unimodal 25

26 fussy Un un objeto (unidad muestral o especie) puede pertenecer a varios grupos a la vez. Discute porcentaje de pertenencia a cada grupo Parece clasificación, pero se ajusta a ordenación 26

27 Introducción Ord. + Clas. Clasificación Introducción Proceso natural en hombre Permite transmisión datos de forma comunicable Interacción entre observador y observado Pensar en medir distancias y definir umbrales Resultado: grupos Clases dependientes del criterio de clasificación Mejor combinar varios métodos alternativos Los grupos que se repiten pueden tener sentido Apoyo a métodos más subjetivos de clasificación 27

28 Introducción Ord. + Clas. Clasificación Métodos Jerárquico (sintaxonomía) vs no jerárquico (mapas vegetación) Monotético (basado en un solo carácter) vs politético (basado en varios caracteres) Aglomerativo (se inicia en objetos aislados) vs divisivo (va dividiendo progresivamente el conjunto de todos los objetos) 28

29 Introducción Ord. + Clas. Clasificación 29

30 Introducción Ord. + Clas. Clasificación Clasificación jerárquica Tabla de datos n unidades muestrales Matriz de similitud Aplicación de estrategias de fusión Interpretación m especies Matriz original de datos Paso 1 Mecanización de la matriz de datos Matriz de (di)similitud Paso 2 Cálculo de la matriz de (di)similitud Paso 3 Aplicación de estrategias de fusión para generar el dendrograma Decisión sobre puntos de corte, número final de grupos y estructura de los mismos Paso 4 Interpretació n 30

31 Introducción Ord. + Clas. Clasificación Cálculo matriz de similitud Comparamos unidades muestrales dos a dos: a = similitud; 1-a = disimilitud Índices cualitativos o cuantitativos Cualitativos: p/a: Jaccard = e comunes /total Cuantitativos: tienen en cuenta también la abundancia: Relación de similitud. n i=n n i=1 n x 2y i=1 x i j x i k n x 2ik i=1 x i j x ik 31

32 Introducción Ord. + Clas. Clasificación Estrategias de fusión Single linkage (vecino más próximo) Complete linkage (vecino más alejado) i j i j Average linkage (UPGMA) Centroide i j i j 32

33 Introducción Ord. + Clas. Clasificación Interpretación Tomar decisiones sobre puntos de corte en el dendrograma (nº de grupos) Elegir índice de similitud y estrategia de fusión Se pueden comparar varios resultados para ver grupos estables y grupos inestables. 33

34 Introducción Ord. + Clas. Clasificación 34

35 Introducción Clasificación Ord. + Clas. Se hace una ordenación pero no la representamos Las coordenadas (scores) de cada objeto (inventario o especie) se usan de entrada para una clasificación jerárquica. En matrices grandes relacionadas con gradientes complejos, el proceso suele dar excelentes resultados. 35

36 Introducción Clasificación Ord. + Clas. Anogramma leptophylla: : Arribes del Duero (Salamanca) 36