Marco Otárola Guerrero 1

Transcripción

1 Modelo de producción de Boletus edulis en masas de Pinus sylvestris en el Bosque Modelo Urbión: una alternativa para lidiar con el exceso de ceros en el ajuste con variables meteorológicas Marco Otárola Guerrero 1 Felipe Bravo Oviedo 1,Fernando Martínez-Peña 2, Jorge Aldea Mallo 1 1 Instituto Universitario de Gestión Forestal Sostenible (UVa-INIA) 2 Fundación CESEFOR

2 Introducción El ingreso asociado con la producción de setas comestibles puede representar desde un 20% del valor de la madera hasta incluso excederlo (Palahi et al.2009, Aldea et al. 2012). La predicción de la producción de setas es una tarea compleja: muchos factores involucrados, la mayoría de ellos actuando de forma interdependiente. Pocos modelos de producción de setas han sido publicados a la fecha.

3 El estudio de los potenciales efectos de cambios en el clima sobre los recursos fúngicos en Urbión podría ayudar a identificar algunas acciones anticipadas en el manejo forestal. La integración de los recursos fúngicos dentro del manejo forestal adaptativo requiere el desarrollo de modelos de producción de setas. Especialmente modelos calibrados con variables meteorológicas.

4 La producción de setas se caracteriza por un elevado número de ceros (datos ausentes). Resultado: pobre ajuste de modelos (la distribución de la variable de respuesta no puede ser ajustado con métodos tradicionales de probabilidad). Alternativa: modelar ciertos procesos como resultado de dos distintos procesos (Vanclay 1992, Fortin & DeBlois 2007, Bravo et al. 2008,) (modelo condicional de dos partes).

5 Objetivo Ensayar el Modelo Condicional bietápico para ajustar un modelo empírico de producción de Boletus edulis con variables meteorológicas, como un enfoque alternativo para modelar datos continuos con un excesivo número de ceros. Área de estudio 180 mil ha de bosques productivos y áreas naturales protegidas. Aprovechamientos micológicos son relevantes para cultura y economía local.

6 Metodología: diseño de muestreo Base de datos (1995 a 2011). Setas: 18 parcelas permanentes (175 m 2 ) medidas semanalmente (35-50) 50) Datos silvícolas: 18 parcelas temporales (20 x 40 m) en rodales de P. sylvestris (de 7 a 122 años). Media mensual de datos de temperatura y precipitación. Variables de suelo y sitio. Tomado de Martínez-Peña (2009)

7 Base de datos: exceso de ceros! 35% 30% Frecuen ncia relativa 25% 20% 15% 10% 5% 0% Producción de Boletus (kg/ha)

8 Análisis: Modelo condicional Frecuen ncia relativa 35% 30% 25% 20% 15% Dos etapas Primera: regresión logística para predecir la ocurrencia de B. edulis. 10% Segunda: predice la 5% 0% Producción de Boletus (kg/ha) producción de B. edulis usando un modelo de regresión lineal múltiple condicional a la presencia de B. edulis.

9 Análisis por etapas Etapa Logística Linear Estructura del modelo P ( b X1) ( 1 e ) 1 1 Yld G N Qmd SI Hd Age weather ijs 4 Selección de variables Backward (P > 0.05): área basal (G), densidad del rodal (N), diámetro medio cuadrático (Qmd), índice de sitio (SI), altura dominante (Hd), edad, temperatura mensual y estacional (max., min., y media), precipitación mensual y estacional y variables de sitio. Validación - Evaluación Criterio de Información de Akaike (AIC) Área bajo la curva ROC Hosmer & Lemeshow Test (falta de ajuste) Coeficiente de determinación ajustado. Homocedasticidad Distribución de residuos

10 Validación y evaluación del modelo conjunto 1. Estimación de eficiencia del modelo 2 S i ió res conjunto (coeficiente de determinación EF S real conjunto). 2. Análisis de regresión lineal entre valores reales y predichos de producción de Boletus. 3. Estimando la Raíz del Cuadrado Medio del Error RMCE ( ij y ij y n 1 ij ) 2 4. Calculando el sesgo del modelo para determinar la precisión conjunta de las dos etapas (Huang et al., 2003). sesgo ij ( y ij n y ij )

11 Resultados Componente Variable Coeficiente Error Estándar Pr>Chicuadrado Intercepto Logístico N Ps Intercepto Lineal Qmd N Age Pas < Variables de rodal y meteorológicas. Ausencia de significancia de variables de sitio y suelo. Producción anual media: kg ha -1 año -1 Producción anual media: kg ha 1 año 1 (RCME kg ha -1 año -1 )

12 Evaluación del modelo: por componente 1. Logístico El test de Hosmer & Lemeshow no muestra evidencia de falta de ajuste (Pr > ). Área bajo curva ROC = (excelente discriminación) Valor de umbral de 0.59 (parcelas clasificadas correctamente en 90.6% de casos; Sensibilidad = 98.7%; Especificidad = 60.0%). 2. Lineal Coeficiente de Determinación Ajustado = 33.86%.

13 Evaluación conjunta del modelo Modelo Valores de ajuste Sesgo (E) (kg ha -1 año -1 ) x10-14 Producción media predicha (kg ha -1 año -1 ) Producción media observada (kg ha -1 año -1 ) Raíz del cuadrado medio del error RCME (kg ha -1 año -1 ) Eficiencia del modelo conjunto (EF %) Regresión Observados vs. Predichos (R 2 ) Pro oducción observad da (kg/ha) % Sensibilidad (%) 98.7% Especificidad (%) 60.0% Producción predicha (kg/ha)

14 Entonces, logramos una mejor predicción? Difícil de decir. Martínez-Peña et al. (2012): análisis de regresión no lineal usando un enfoque de efectos fijos (R 2 =0.222). Indicadores de ajuste o son comparables. Disponibilidad de agua a finales del verano (agosto). Valor del modelo por la significancia de variables clave, su dirección y magnitud relativa (escenarios de cambio).

15 Conclusiones Resultados sugieren que el modelo de dos etapas es útil para la predicción de B. edulis rodales de pino albar, usando tanto variables del rodal como meteorológicas. Sin embargo, se recomienda valorar su importancia en estimar el efecto de las variables en la producción de B. edulis más que la precisión de las estimaciones puntuales. La complejidad del proceso de emergencia de carpóforos es revelada por la moderada bondad de ajuste de los modelos. Nuevos enfoques de modelización deben ser probados para mejorar predicciones (e.g. Zero-inflated Log Normal distribution).

16 Agradecimientos Agencia Española de Cooperación para la Investigación y el Desarrollo AECID Proyecto Mycosilva Contacto marco.otarola@gmail.com