Modelos en Ecología del Paisaje Ecología del Paisaje Básica Id: 001803 Juan C. Benavides
Modelos en ecología del paisaje Modelos matemáticos diseñados para representar al menos una relación entre patrones y procesos espacialmente estructurados 1. Neutrales 2. Modelos de cambio del paisaje 3. Modelos basados en procesos individuales
Como construir un paisaje neutral 1. Crear una matriz de m columnas y n filas. Cada celda es un sitio. 2. Crear una función aleatoria que opere sobre cada celda (f(x)). Números aleatorios uniformes 3. Asignar una regla de decisión (1 ó 0) acorde a la probabilidad p P=0.3 P=0.7
Modelos neutrales Paisajes generados a partir de modelos de algoritmos analíticos 0 50 100 150 200 250 4 3 2 1 0 50 100 150 200 250 P1=0.1,p2=0.1,p3=0.5,p4=0.1,p5=0.1 http://www.umces.edu/al/program/gardner/qrule
Modelos neutrales Paisajes generados a partir de modelos de algoritmos analíticos map3.lacun[, 4] 1.00 1.05 1.10 1.15 1.20 1.25 50 100 150 200 250 0 50 100 150 200 250 P=0.8 1.0 0.8 0.6 0.4 0.2 0.0 0 20 40 60 80 100 120 seq(1, dim(map3.lacun)[1])
Modelos neutrales Paisajes generados a partir de modelos de algoritmos analíticos map3.lacun[, 4] 1 2 3 4 5 50 100 150 200 250 0 50 100 150 200 250 P=0.8 1.0 0.8 0.6 0.4 0.2 0.0 0 20 40 60 80 100 120 seq(1, dim(map3.lacun)[1])
Como construir un paisaje neutral
Como construir un paisaje neutral Percolación Cambios pequeños en el valor p tienen un efecto considerable sobre la geometría del paisaje Critical thresholds 4 8 12
Como construir un paisaje neutral Percolación Cambios pequeños en el valor p tienen un efecto considerable sobre la geometría del paisaje Critical thresholds
Los paisajes neutrales no representan un paisaje real solo son usados como punto de comparación
Tipos de modelos del paisaje Determinísticos vs Estocásticos
Tipos de modelos del paisaje Analíticos vs simulaciones Modelos analíticos usan alguna función matemática para describir el proceso Simulaciones usan variación en el comportamiento paso a paso, requiere uso de computación intensiva http://www.intechopen.com/source/html/39361/media/image3.jpeg
Tipos de modelos del paisaje Estáticos vs dinámicos Estáticos: relaciones constantes sin una dimensión temporal Dinámicos: relaciones que cambian con el tiempo
Modelos estáticos Ecosistemas potenciales de Colombia Elevación Precipitación Suelos Clima Desarrollo del modelo http://www.ideam.gov.co/documents/11769/222663/salida_final_mne_08-07-15_1_sombras.pdf
Modelos estáticos Ecosistemas potenciales de Colombia http://www.ideam.gov.co/documents/11769/222663/salida_final_mne_08-07-15_1_sombras.pdf
Modelos dinámicos
Modelos dinámicos
Modelos dinámicos https://www.asla.org/2009studentawards/images/largescale/052_02.jpg
Tipos de modelos del paisaje Continuos vs discretos Continuos: ecuaciones diferenciales Discretos: cambios estimados a tiempos particulares
Tipos de modelos del paisaje Continuos Momento 1=densidad en tiempo t Momento 2=densidad de pares de individuos al tiempo t
Tipos de modelos del paisaje Continuos vs discretos Continuos: ecuaciones diferenciales Discretos: cambios estimados a tiempos particulares
Tipos de modelos del paisaje
Construcción del modelo We modelled the potential distribution of each biome by using presence and absence points from the observed map as dependent variable and climatic and topographic variables as explanatory variables. Subsequently, we applied these models using future climatic variables to project future distribution of biomes We used a static land use scenario for the distribution of remnant biomes. Although this does not allow taking into account future land-use dynamics, which would need separate land-use dynamics projections, it provides insights in the relative impact of respectively climate change and land use changes on Tropical mountain biota. This approach represents the lowest impact (optimistic) scenario due to climate change Multiple backward stepwise logistic regression models were used to define the distribution for each Andean and non-andean biome
Puna se confunde con bosque seco o con bosques de montaña??
Cambios en elevación predichos para los diferentes ecosistemas
Tipos de modelos del paisaje Figure 4. Agreement on the direction of the projected change between biome models using different climatic models.
Climate change projections for the tropical Andes using a regional climate model: Temperature and precipitation simulations for the end of the 21st century Journal of Geophysical Research: Atmospheres Volume 114, Issue D2, D02108, 23 JAN 2009 DOI: 10.1029/2008JD011021 http://onlinelibrary.wiley.com/doi/10.1029/2008jd011021/full#jgrd15181-fig-0001
Climate change projections for the tropical Andes using a regional climate model: Temperature and precipitation simulations for the end of the 21st century Journal of Geophysical Research: Atmospheres Volume 114, Issue D2, D02108, 23 JAN 2009 DOI: 10.1029/2008JD011021 http://onlinelibrary.wiley.com/doi/10.1029/2008jd011021/full#jgrd15181-fig-0002
Modelos de Cambio del Paisaje
Modelos de Cambio del Paisaje
Modelos de Cambio del Paisaje
Modelos de Cambio del Paisaje Estandarizar a cambios en un año
Modelos de Cambio del Paisaje Crear vectores de estado
Modelos de Cambio del Paisaje Llevar el vector de estado a probabilidades de transición en un año para cada pixel
Cadenas de Markov Probabilidad de cambio de un pixel depende de su estado inicial y una probabilidad p de cambiar
Cadenas de Markov Los cambios en cada pixel son una función probabilistica
loop through each cell: check to see what cover type this cell is (call it i) look at the ith row of the transition matrix P draw a uniform-random number y on [0,1] loop through each column j of the ith row of P: if p(i,j-1) < y <= p(i,j), then change the cell to type j go to next type j if the cell hasn't been changed yet go to next cell
Pero y entonces Estacionaridad La probabilidad de cambio no es constante a través del tiempo Dependencia espacial Autocorrelación espacial Historia Antecendentes, comportamientos,
Autocorrelación espacial
Estacionaridad Probabilidad de un incendio cambia (aumenta) a medida que se desarrolla mas la vegetación
Estacionaridad Probabilidad de un incendio cambia (aumenta) a medida que se desarrolla mas la vegetación
Dependencias históricas Las probabilidades de transición son condicionales a eventos previos
Dependencias históricas Probabilidades condicionales a alguna condición del paisaje Matrices condicionales
Cellular automata Las probabilidades de transición dependen de los valores de las celdas vecinas
Modelos de perturbación-sucesión Extensión vs resolución Detalles mecanisticosextensión espacial Complejidadgeneralidad Parametrizaciónanálisis Dinámicaespacialización Landscape Disturbance Succession Models
Modelos de perturbación-sucesión Trayectorias de cambio definidas Probabilidades determinadas desde diferentes fuentes
Modelos de perturbación-sucesión Perturbación es modelada explícitamente Incendios Deslizamientos Inundaciones Fuego
Modelos de perturbación-sucesión Mapas de las perturbaciones Fuegos
Modelos de LDSM existentes Landscape Disturbance Succession Models
Aplicaciones de LDSM existentes Landscape Disturbance Succession Models
Aplicaciones de LDSM existentes
Aplicaciones de LDSM existentes
La regla número uno de la modelación: http://1.bp.blogspot.com/-h7dcbzpec88/vp9_wmvzoci/aaaaaaaabki/7ocvlx3wg2m/s1600/garbage_paradigm.gif
https://biankahajdu.com/wp-content/uploads/2009/10/5651strip2.gif