Escolar Documentos
Profissional Documentos
Cultura Documentos
Profesores de Prcticas:
Paloma Alcorlo Santos Casado Jos Gonzlez Anabel Lpez Francisco Martn Manuel Morales Eugenio Rico Javier Seoane Juan Traba
Coordinador:
http://www.uam.es/departamentos/ciencias/ecologia/biologia.htm#ecologia
PROGRAMA
Bloque 1. Estudio interdisciplinar de un territorio (pg. 2). Contenidos: mbito: Estructura: Cartografa temtica. Anlisis de fotografa area. Reconocimiento de campo. Integracin y sntesis. Unidades Ambientales. El Velln (Madrid). Cartografa I. Laboratorio. 4 h. Salida a El Velln. Campo. 5 h. Cartografa II. Laboratorio 4 h.
Bloque 2. Aproximacin a los sistemas acuticos lticos (pg. 10). Contenidos: mbito: Estructura: Toma de datos fisicoqumicos y biolgicos. Elaboracin de datos. ndices de calidad de aguas. Ro Guadalix. Salida al ro Guadalix. Campo. 5 h. Tratamientos I. Laboratorio. 3 h.
Bloque 3. Dinmica trmica de un lago (pg. 27). Contenidos: mbito: Estructura: Factores. Estratificacin. Consecuencias ecolgicas. Modelos. Laboratorio. 3 h.
Bloque 4. Muestreo y tratamiento de datos (pg. 31). Contenidos: mbito: Estructura: Muestreo de vegetacin. Descripcin de datos. Planteamiento y contraste de hiptesis. El Velln y otros. Salida Muestreo El Velln. Campo. 4h. Tratamientos I. Aulas de informtica. 3 h. Tratamientos II. Aulas de informtica. 3 h.
Bloque 5. Metapoblaciones y conservacin de especies (pg. 50). Contenidos: mbito: Estructura: Anlisis de dinmicas poblacionales. Factores. Casos. Aplicaciones. Modelos. Laboratorio. 3 h.
MATERIALES CARTOGRFICOS
Relieve y Geomorfologa Hidrologa (red y cuencas hidrogrficas) Vegetacin y usos del suelo Grado de intervencin humana
Resultado: Interpretacin temtica del territorio y croquis en papel acetato con la fotointerpretacin para cada aspecto indicado. EN NINGN CASO SE PINTAR DIRECTAMENTE SOBRE LAS FOTOS. Primera aproximacin cartogrfica, escala 1:10.000, sobre papel vegetal, que se terminar en la tercera sesin. Se considerarn los siguientes aspectos, con las siguientes unidades indicativas:
Litologa: Gneis Cretcico (arenas y calizas) Terciario (conglomerados, arenas, arcillas y yesos) Cuaternario (aluvial y coluvial) Rampa Cuesta estructural Glacis-vertiente Barrancos Terrazas fluviales Encinar carpetano Prados con cercas arboladas Arbolado disperso-matorral Arbolado denso forestal Vegetacin barrancos Arbolado denso-forestal Arbolado disperso-matorral Cultivos abandonados-matorral Secano extensivo Secano intensivo Regado Ribera
Geomorfologa:
Vegetacin:
Encinar manchego
Vegetacin de ribera Actuaciones humanas: Urbano Carreteras y caminos Canal Tendidos elctricos Canteras
2. Anlisis de datos climticos (temperatura y precipitacin) para 2 estaciones meteorolgicas representativas de la zona (datos de Elas y Ruz, 1977):
Guadalix de la Sierra, Madrid
Resultado: Sendos climodiagramas ombrotrmicos en papel milimetrado. Son estos una representacin cartesiana de los valores mensuales de temperatura (C) y precipitacin (mm., en escala P=2T). Interpretacin y comparacin. 3. Cada grupo guardar los resultados elaborados y los traer a las siguientes sesiones.
Resultado: Cartografa 1:10.000, interpretacin y caracterizacin de unidades ambientales en la zona de El Velln. Valoracin del grado de incidencia humana. 3. Planteamiento de un estudio ecolgico para el Bloque 4 de prcticas.
BIBLIOGRAFA (existente en bibliotecas UAM) Aguil, M. Y otros. 2000. Gua para la elaboracin de estudios del medio fsico contenido y metodologa. CEOTMA. Madrid.
Amplia recopilacin de las principales tcnicas para la recogida, tratamiento, elaboracin y presentacin de datos relativos al medio: gea, clima, geomorfologa, suelos, agua, vegetacin, fauna, recursos culturales, paisaje, riesgos naturales, etc. Referencia imprescindible para aprender a trabajar.
Ayala, F.J. 1988. Atlas geocientfico del medio natural de la Comunidad de Madrid. Instituto Geolgico y Minero de Espaa-CAM. Madrid CAM. 1992. Atlas de la Comunidad de Madrid. Comunidad de Madrid. Madrid.
Dos atlas sintticos y cartogrficos del medio madrileo, el primero con ms nfasis en los aspectos fsicos y el segundo con una aproximacin ms geogrfica.
Clsica y original aportacin del fundador del Dpto. de Ecologa de la UAM, presentando ideas novedosas y recopilando otras existentes para el estudio y la interpretacin integral del medio.
Clsica interpretacin de la historia ecolgica y el paisaje de este municipio y su entorno, enfocado a la comunicacin y educacin efectivas.
Gonzlez Bernldez, F. Y otros 1982. Collado Mediano Hombre y naturaleza a travs del tiempo. Diputacin de Madrid. Madrid.
Sntesis de las escuelas y metodologas para abordar una ordenacin del territorio basada en el significado y peso propio de los factores del medio.
Ramrez, L. 1992. Cartografa ecolgica del Parque Regional de la Cuenca Alta del Manzanares ensayo preliminar para la evaluacin automtica del territorio. Centro de Investigacin Fernando Gonzlez Bernldez. Madrid.
Moderna aplicacin de las tcnicas de cartografa ecolgica en este espacio protegido.
Ruiz, J.P. y Moreno, M. 2002. La Sierra del Rincn. Hombre y Naturaleza a travs del tiempo. Comunidad de Madrid. Madrid.
Interpretacin de la historia ecolgica y el paisaje de este enclave madrileo, enfocado a la comunicacin y educacin efectivas.
ANEXO I: FUENTES DOCUMENTALES (informacin general) La recopilacin y anlisis de informacin previa acerca del problema o cuestin de inters permite, ante todo, no intentar reinventar la rueda, y enriquece y facilita notablemente el desarrollo de cualquier trabajo cientfico o tcnico. Existen en Madrid una serie de Centros Oficiales que disponen de bibliotecas y cartotecas para consulta y/o prstamo, as como de servicios de venta al pblico. Las diferentes series cartogrficas de mbito estatal proporcionan abundante informacin temtica, especialmente til para los aspectos geogrficos o de contorno en Ecologa. Las diferentes Comunidades Autnomas complementan esta informacin con la publicacin de sus propias series cartogrficas y de fotografa area.
SERIES CARTOGRFICAS Y FOTOGRAFA AREA DE MBITO ESTATAL
Instituto Geogrfico Nacional (www.ign.es) Espaa 1:500.000, 1:1.000.000 (Lambert) Provinciales 1:200.000 (UTM) Mapa Topogrfico Nacional 1:25.000, 1:50.000 (UTM), estos ltimos disponibles gratuitamente en la cartoteca, como documentos pdf accesibles a travs de su web. La serie 1:25.000 se comercializa en formato digital georreferenciado Foto area de toda Espaa 1981-84 1:30.000 y 1999-2000 1:40.000, comercializados tambin en formato digital (TIFF) Vuelo Interministerial 1985-86 1:18.000 (Consultar otras escalas y fechas) Ortoimgenes espaciales: Landsat 5 TM y 7 ETM+ 1:100.000, 1:250.000 (UTM) y Spot 1:50.000 (UTM)
Servicio Geogrfico del Ejrcito: Cartografa Militar 1:10.000 (en realizacin), 1:25.000, 1:50.000, 1:100.000, 1:200.000, 1:250.000, 1:400.000, 1:800.000 (UTM)
Instituto Tecnolgico y Geominero: Mapa Geolgico 1:25.000 (Canarias, Menorca e Ibiza), 1:50.000, 1:200.000, 1:1.000.000 Mapa Geolgico de la Plataforma Continental y Zonas Adyacentes 1:200.000 Mapas Geomorfolgico, Neotectnico, Hidrogeolgico, (en realizacin) 1:50.000
Ministerio de Agricultura, Pesca y Alimentacin: Mapa de Cultivos y Aprovechamientos 1:50.000, 1:200.000 (provinciales), 1:1.000.000 Mapa de Clases Agrolgicas (en realizacin) 1:50.000 Mapa de Vegetacin 1:200.000 Mapa Forestal 1:200.000 Mapa de las Series de Vegetacin 1:200.000 Mapa de Estados Erosivos 1:400.000 Mapa de Suelos (Proyecto LUCDEME) 1:100.000
7
C.E.C.A.F.: Varias Series de Cartografa Aeronutica Foto area de toda Espaa 1945 1:45.000 y 1956 1:30.000 Vuelo Interministerial 1978-83 1:18.000
Centro de Gestin Catastral y Cooperacin Tributaria (Ministerio de Economa y Hacienda, www.meh.es) Catastro de Rstica. Ortofotos y Planos parcelarios 1: 2.500, 1:5.000 (en realizacin) Catastro de Urbana. Ortofotos y Planos parcelarios 1:500 y 1:1.000 (en realizacin) Fotos del Vuelo Interministerial 1978-83 y 1997 1:18.000 (algunas disponibles en formato digital y georreferenciadas)
Direccin General de Carreteras del Ministerio de Fomento: Fotos del Vuelo Interministerial 1977-83 1:18.000 Trazas de carreteras de su competencia
Consejera de Obras Pblicas (Comunidad de Madrid): Mapa de la Comunidad 1:100.000, 1:200.000 Mapa Topogrfico 1:2.000 (en realizacin), 1:5.000 (en realizacin), 1:10.000, 1:10.000 (reduccin del 1:5.000), 1:25.000, 1:25.000 (reduccin del 1:5.000) Mapa de Planeamiento Urbanstico 1:50.000 Fotografas areas: varios vuelos y escalas (color y b/n)
Direccin General de Agricultura y Ganadera (Comunidad de Madrid): Mapa Litolgico, Mapa Fisiogrfico, Mapa de Formaciones Vegetales y usos actuales del suelo, Mapa edafolgico, Mapa de Vas Pecuarias 1:200.000
Consejera de Medio Ambiente y Desarrollo (Comunidad de Madrid). Princesa, 3. Biblioteca. http://medioambiente.madrid.org/webma/cartografia/accesoimg.asp Consejera de Obras Pblicas (Comunidad de Madrid). Maudes, 17. Cartoteca y biblioteca. http://www.madrid.org/cmadrid/publicacionesoput/cartograf.htm Instituto Nacional de Meteorologa. Ciudad Universitaria. Biblioteca. Banco de datos. http://www.inm.es/ Ministerio de Medio Ambiente. Paseo de la Castellana, 67. Biblioteca.
8
http://www.mma.es/index.htm Direccin Gral. de Conservacin de la Naturaleza (antiguo ICONA). Gran Francisco, 4. Biblioteca. http://www.mma.es/bd_nat/menu.htm Ministerio de Agricultura, Pesca y Alimentacin. Paseo Infanta http://www.mapya.es/ Instituto Geogrfico Nacional. General Martnez Ibero, 3. Biblioteca, http://www.mfom.es/ign/top_geografico.html Instituto Tecnolgico y Geominero de Espaa. Ros Rosas, 23. http://www.igme.es/internet/principal.asp Instituto de Ciencias Medio-Ambentales. CSIC. Serrano, 117. Biblioteca. Jardn Botnico. Cuesta Moyano. Biblioteca. Bibliotecas y Departamentos de otras Universidades
Va de San Isabel, 1.
Cartoteca. Biblioteca.
Consejera de Obras Pblicas (Comunidad de Madrid). Maudes, 17. Centro Nacional de Informacin Cartogrfica. General Martnez Ibero, 3. Direccin General de Desarrollo Rural, MAPA. Paseo de la Castellana, 112. La Tienda Verde. Maudes, 38. AZIMUT. Marqus de Urquijo, 11.
Bloque 2. APROXIMACIN A LOS SISTEMAS ACUTICOS LTICOS: MUESTREO, TRATAMIENTO DE DATOS E NDICES DE CALIDAD DEL AGUA. (2 sesiones: una de campo y una de gabinete)
BIOLGICOS Introduccin
Los sistemas de aguas continentales se clasifican de acuerdo a sus caractersticas fisicoqumicas y segn el eje que define su funcionalidad, es decir, por ejemplo, en los sistemas de aguas tranquilas como lagos, estanques o lagunas (sistemas lnticos o lenticos) los procesos funcionales como la produccin primaria, la descomposicin, el transporte de materiales, etc. se desarrollan a lo largo de un eje vertical (superficie-fondo) que viene marcado por la gravedad y la penetracin de la luz. En los ambientes que fluyen como los ros (sistemas lticos), este eje funcional, aunque tambin marcado por la gravedad, es prcticamente horizontal (cabecera-desembocadura), producindose diferencias en su estructura fsica (velocidad de la corriente, transporte de materiales, turbulencias, etc.) y generndose cambios en las propiedades del agua y, por lo tanto, de las comunidades que viven en el sistema, a lo largo de su recorrido. Por este motivo, es interesante conocer algunas caractersticas fundamentales del ecosistema, como la velocidad de la corriente, la cantidad de sales disueltas (conductividad), la proporcin de protones (pH), el oxgeno disuelto o la temperatura del agua. Objetivos
9 9 9 Iniciarse en las metodologas de muestreo de los sistemas acuticos. Medicin de algunos parmetros fundamentales en los sistemas lticos. Observacin de posibles cambios en las caractersticas del sistema a lo largo de su recorrido y discusin de sus causas.
Materiales y Metodologa
2 pHmetros 2 Conductivmetros 2 Oxmetros 6 frascos lavadores Papel Cintas mtricas y metros rgidos 2 Cronmetros, 2 naranja Tubos con acetona al 90% para la extraccin de clorofilas bentnicas Bastoncillos, cutter, reglas pequeas, rotuladores Botes de litro de vidrio para recoger muestras de agua. Botas Guantes Duquesas para muestras de organismos. 10
Lugar de Muestreo El muestreo se realizar en el ro Guadalix, al NE de la CAM. A lo largo de su cauce se realizarn tres paradas para la toma de muestras (Ver Figura 1). El primer punto de muestreo se encuentra situado poco antes de San Agustn de Guadalix en una zona recreativa El segundo punto est en la carretera entre Pedrezuela y la urbanizacin de Corepo. El tercer lugar de toma de muestras se encuentra situado a la salida de Guadalix de la Sierra, poco antes del comienzo del embalse de Pedrezuela.. En cada punto de muestreo se medirn los mismos parmetros: conductividad, oxgeno disuelto, temperatura, pH, concentracin de pigmentos (de organismos planctnicos y bentnicos), velocidad de la corriente, perfil del cauce y amplitud del bosque de ribera.
6. Anchura del cauce, rea y velocidad de la corriente: La velocidad de la corriente se medir con una naranja, un cronmetro y una cinta mtrica. Una persona se pondr aguas arriba en el punto cero del metro y dejar libre a la naranja que ser recogida 10m ms abajo por una segunda persona. Se medir con un cronmetro el tiempo que tarda la naranja en recorrer 10 m. Hay que tener en cuenta que aqu estamos midiendo la velocidad solo en superficie, las velocidades del agua cambian en el fondo, en el centro y en los laterales del cauce. Por ello, para estimar ms correctamente la velocidad de la corriente, la media de nuestras mediciones ser multiplicada por 0.8 (Allan, 1996). Tambin se ha de medir la anchura del cauce con una cinta mtrica y la profundidad del mismo cada 20 cm en las zonas ms estrechas del ro en donde los errores de medida son menores. En la sesin de laboratorio ulterior se calcular el rea que junto con la velocidad del agua, nos permitir conocer el caudal en m3/s. Para ello se pueden utilizar alguna de las siguientes aproximaciones:
a) Estima de la seccin del cauce como suma de los polgonos en los que lo dividimos
0 a 20 cm p0 p1 p2 A3 20 cm p3 p4 p5 p6 A4 20 cm p7 p8 0 a 20 cm p9 p10 Perfil real del cauce (lnea discontinua) Perfil estimado del cauce (lnea continua)
A31 A32 A3= A31+ A32 = (20*p2) + 20*[p2-p3]/2 donde [p2-p3] es el valor absoluto de la diferencia (esto evita valores negativos) rea total = SAi A42
A41
A4= A41+ A42 = (20*p7) + 20*[p6-p7]/2 ntese que el rea del cuadrado (A41) la hallamos multiplicando 20 por la menor de las profundidades (aqu p7, pero en el ejemplo anterior p2)
AT = (20 Z ) ( (20 x) Z n ) 2
p media = Spi / n
Alternativamente, la seccin del ro se puede calcular sumando las profundidades y multiplicando por 20, lo que equivale a aproximar el cauce a la suma de secciones rectangulares.
12
Figura 1: Situacin de los puntos de muestreo sobre el ro Guadalix (atencin, se numeran en el sentido de la corriente, es decir de manera inversa a las paradas que se hacen en el campo)
13
DEL AGUA
Existen diferentes ndices de calidad de agua, a continuacin se muestran los que se han de calcular: el ISQA y el de los Saprobios.
de 1 a 0,8. Si t 20 C, T vale 1; si t > 20C, T se calcula como T=1 (t-20)*0.0125. A se deduce del consumo de permanganato (DQO)1 =(a) expresado en mg/l, toma valores de 0 a 30. Si a 10, A=30-a; si 60 > a > 10, A=21-(0.35*a); si a > 60, A=0. B se deduce a partir de la materia en suspensin (MES) en mg/l, toma valores de 0 a 25. Si MES 100, B=25-(0.15*MES); si 250 > MES >100, B=17-(0.07*MES); si MES > 250, B=0. C se deduce a partir del oxgeno disuelto (O2) en mg/l, toma valores de 0 a 25. Si O2 10, C=25, para valores ms bajos C=2.5* O2.1 D se deduce de la conductividad expresada en S/cm ( d) a 18 C, toma valores de 0 a 20. Si d 4000, D=(3.6-log d)*15.4; Si d > 4000, D=0. La conductividad ha sido medida a 25 C, por lo
Este ndice tiene valores mximos de 100 para una agua de excelente calidad y de 0 para una de calidad psima. La clasificacin del agua se muestra en la Tabla 2.
Tabla 1: Parmetros medidos en el ro Guadalix en el ao 2000 Punto de Temperatura DQO5 (a) MES O2 disuelto muestreo C mg O2/l mg/l mg/l 1 13 9.7 80 9.5 2 17 68 228 5.2 3 15 27 100 9.2
ISQA
Tabla 2: Clasificacin de la calidad del agua segn el ndice ISQA. Valor del Tipo de agua Color ndice 76-100 Aguas claras sin aparente contaminacin. Azul 51-75 Ligero color del agua, con espumas y ligera Verde turbidez del agua, no natural. 26-50 Apariencia de aguas contaminadas y de fuerte Amarillo olor 0-25 Aguas negras , con procesos de fermentacin y rojo olor
Demanda Qumica de Oxgeno (DQO): Cantidad de oxidante enrgico (dicromato o permanganato) consumido en la oxidacin de todas las sustancias reducidas presentes en una muestra de agua, medido en condiciones estandarizadas. Se expresa en mg por litro de oxgeno equivalente a la cantidad de oxidante empleado. Un valor DQO elevado indica un agua con muchas sustancias oxidables.
15
ndices biolgicos
Son ndices que miden la calidad del medio basndose en los organismos indicadores que lo pueblan. Dependiendo de la sensibilidad de cada organismo a la contaminacin, el ndice biolgico le asigna un valor. En la vigilancia y control de la contaminacin basada en organismos bioindicadores, se han desarrollado desde los aos 70 multitud de metodologas que utilizan una amplia variedad de organismos: bacterias, protozoos, algas, macrfitos, macroinvertebrados, peces, etc. La mayora de los ndices biticos se han elaborado para usarlos en un rea geogrfica concreta, y posteriormente, se han adaptado a otras zonas adecuando las listas de taxones y los valores de sensibilidad. Desde su introduccin han mostrado ser buenos instrumentos de control de los ecosistemas acuticos y han complementado la informacin dada por los parmetros fisico-qumicos clsicos. De hecho, para poder aplicar la Directiva Marco del Agua (DMA 2000/60/CE) en su Anexo V, se requiere, entre otras cosas, poder identificar los elementos de calidad biolgica (fitobentos, macrfitos, fitoplancton, fauna de invertebrados y peces), con el objetivo de establecer el estado ecolgico de los sistemas acuticos. La DMA define el estado ecolgico como una expresin de la calidad de la estructura y del funcionamiento de los ecosistemas acuticos asociados a las aguas superficiales clasificados de acuerdo con el anexo V y se pone como objetivo temporal llegar a ese buen estado ecolgico antes del 2015. Aqu slo veremos y aplicaremos dos de estos ndices biolgicos, el IBMWP y el IBD
El ndice IBMWP
El ndice IBMWP (Iberian Biological Monitoring Working Party) (Alba-Tecedor et al., 2004) antes nombrado BMWP (Alba-Tecedor y Snchez Ortega, 1988), es una adaptacin a las aguas de los ros de la Pennsula a partir del original (BMWP) creado para ros de Gran Bretaa. Existe tambin una versin adaptada a los ros de Catalua llamada IBMWPC (Benito de Santos y Puig Garca, 1999). El uso de este ndice requiere identificar los macroinvertebrados acuticos a nivel de familia, tras la identificacin se elabora una lista con las familias presentes y se busca la puntuacin que se da a cada una segn unas tablas estandarizadas por reas geogrficas (ver Tabla 3). Finalmente, el valor del ndice se obtiene mediante la suma de las puntuaciones de cada familia. Este valor se hace corresponder con una determinada clase de calidad de agua segn la Tabla 4. As, un valor de 50 para IBMWP, correspondera a un agua contaminada de clase III, con una calidad o estado ecolgico aceptable o moderado. Y ese punto se representara en la red hidrogrfica con color amarillo (vase la ltima columna en la Tabla 4). El establecimiento de colores para cada categora de calidad del agua viene determinado por la DMA en su Anexo V en donde se expone un cdigo de colores para el estado ecolgico de las masas de agua, comn para todos los Estados miembros de la Unin Europea.
16
Tabla 3: Puntuaciones asignadas a las diferentes familias de macroinvertebrados acuticos para la obtencin del IBMWP
ARCNIDOS
Hidracarina
Punt.
EFEMERPTEROS
COLEPTEROS
Chrysomelidae Clambidae Curculionidae Dryopidae Dytiscidae Elmidae Gyrinidae Haliplidae Helophoridae Hydraenidae Hydrochidae Hydrophilidae Hygrobiidae Noteridae Psephenidae Scirtidae (=Helodidae)
4 5 4 5 3 5 3 4 5 5 5 3 3 3 3 3
Baetidae Caenidae Ephemerellidae Ephemeridae Heptageniidae Leptophlebiidae Oligoneuriidae Polymitarcidae Potamanthidae Prosopistomatidae Siphlonuridae
HETERPTEROS
4 4 7 10 10 10 5 5 10 7 10
Punt.
ODONATOS
8 8 6 8 8 8 8 8 6
Punt.
Aphelocheiridae Corixidae Gerridae Hydrometridae Mesoveliidae Naucoridae Nepidae Notonectidae Pleidae Veliidae
HIRUDNEOS
10 3 3 3 3 3 3 3 3 3
10 10 10 7 10 10 10
CRUSTCEOS
3 8 6 6 6 3 6
Perlodidae Taeniopterygidae
TRICPTEROS
3 3 3 4
Anthomyiidae (*) Athericidae Blephariceridae Ceratopogonidae Chironomidae Culicidae Dixidae Dolichopodidae Empididae Ephydridae Limoniidae Psychodidae Ptychopteridae Rhagionidae Scatophagidae (*) Sciomyzidae Simuliidae Stratiomyidae Syrphidae Tabanidae Thaumaleidae Tipulidae
4 10 10 4 2 2 4 4 4 2 4 4 4 4 4 4 5 4 1 4 2 5
Sialidae
LEPIDPTEROS
Crambidae (=Pyralidae)
MOLUSCOS
Ancylidae Bithyniidae Ferrissidae Hydrobiidae Lymnaeidae Neritidae Physidae Planorbidae Sphaeriidae Thiaridae Unionidae Valvatidae Viviparidae
6 3 6 3 3 6 3 3 3 6 6 3 6
Beraeidae Brachycentridae Calamoceratidae Ecnomidae Glossosomatidae Goeridae Hydropsychidae Hydroptilidae Lepidostomatidae Leptoceridae Limnephilidae Molannidae Odontoceridae Philopotamidae Phryganeidae Polycentropodidae Psychomyiidae Rhyacophilidae Sericostomatidae Uenoidae (=Thremmatidae)
TURBELARIOS
10 10 10 7 8 10 5 6 10 10 7 10 10 8 10 7 8 7 10 10
5 5 5
17
El problema de establecer lmites estrictos de calidad de aguas implica la necesidad de reconocer situaciones intermedias entre unos y otros. Es por ello que aquellos valores que queden 5 unidades por exceso o defecto de los lmites en la Tabla 4, han de considerarse entre 2 clases de calidad, alternando los colores representativos de las clases de calidad correspondientes. Por ejemplo, un valor de 103, quedara intermedio entre las clases I y II (al sumarle o restarle 5 unidades) y por lo tanto correspondera a un agua de clase I-II, y a la estacin de muestreo se la representara en el mapa con colores azul y verde. Este ndice, por tanto, es de tipo cualitativo y no tiene en cuenta las distintas abundancias en que pueden aparecer las diferentes familias. Es decir, basta con que un solo ejemplar de una familia aparezca en la muestra para que se sume su contribucin al ndice, mientras que los posteriores ejemplares de esa familia que puedan encontrarse ya no sern tenidos en consideracin. Tabla 4:
Clase I II III IV V Calidad Muy Buena Aceptable Dudosa Crtica Muy Crtica Valor >100 61-100 36-60 16-35 <15 Significado Cursos de aguas no contaminados o no alterados de forma sensible Cursos de aguas con leves signos de contaminacin o alteracin Cursos de aguas contaminados o alterados en situacin dudosa (sistema alterado) Cursos de aguas muy contaminados en situacin crtica (sistema muy alterado) Cursos de aguas fuertemente contaminados, en situacin muy crtica (sistema fuertemente alterado) Color Azul Verde Amarillo Naranja Rojo
Para calcular los ndices IBMWP de cada uno de los puntos de muestreo que tomamos durante la salida de campo al ro Guadalix, se han de utilizar los datos taxonmicos de las Tablas 5, 6 y 7 y calcular el ndice conforme a las anteriores directrices. Hemos preparado una hoja de Excel para facilitar las operaciones donde tambin se calcula el ndice ASTP (Plantilla Hoja IBMWP.xls)
Tabla 5: Punto de muestreo 1
Familia
Ancylidae Athericidae Baetidae Caenidae Simuliidae Chironomidae Elmidae Heptageniidae Leuctridae Hydraenidae Chloroperlidae Limnephilidae Rhyacophilidae Oligochaeta Sericostomatidae
Valor
IBMWP
18
Valor
IBMWP
Valor
IBMWP
Para realizar el clculo del ndice se ha de seguir los siguientes pasos: Clculo de la abundancia relativa (representada por A) de los taxones que aparecen. Los taxones estn englobados en grupos que pertenecen a estados de calidad de agua distintos, representado cada uno por un taxon tipo. De esta manera cada taxon (denominado taxon asociado) se asocia con un taxon representativo de unas determinadas condiciones de calidad del agua. Todos los taxones que aparezcan con una frecuencia A menor que 7,5 O/OO (es decir, 7,5 por mil o tres diatomeas de 400), sern despreciadas. Se considera que hacen falta ms de tres individuos de un taxon asociado para que su presencia no sea debida al azar, a la deriva o a una eventual contaminacin de la muestra. Clculo de la probabilidad de la presencia de cada taxn y del total de taxones observados en la muestra para cada una de las clases de calidad de agua, que para este ndice son siete (ver ms abajo), utilizando la siguiente frmula:
F (i ) =
A P (i)V
x =1 x x
AV
x =1 x
n es el nmero de taxones distintos. Ax es la abundancia relativa del taxn x (expresado en 0/00). Px (i) es la probabilidad de presencia del taxn x en la clase de calidad i2. Vx es el valor ecolgico del taxn x (Ver Anexo II).
El IBD define siete clases de calidad de agua por lo que existen siete valores de F (i) Clculo de B, que corresponde al valor del IBD. B = 1*F(1)+2*F(2)+3*F(3)+ 4*F(4)+5*F(5)+6*F(6)+7*F(7) El ndice se calcula como sigue: IBD = 4.75 * B - 8.5 El ndice toma valores de 1 (con B=2) a 20 (con B=6). Para valores de B=1, con los que la frmula resultara en un nmero negativo, se le asigna al ndice el valor de 1. De forma similar, si B>6 se asigna al IBD el valor mximo de 20.
La probabilidad de la aparicin de un taxn P(i) en cada clase de agua es distinta segn sus requerimientos ambientales. As, un determinado taxn que prefiere aguas de buena calidad aparecer mucho ms frecuentemente en este tipo de aguas que en otras de calidad inferior, por lo que la probabilidad de encontrar a esta clase de diatomea en un agua de alta calidad es mayor. La probabilidad de aparicin en cada clase de agua para cada taxn representativo est ya calculada y se muestra en la hoja Associes de Excel que se usa en la prctica.
2
20
INTERPRETACIN IBD >17 calidad excelente 17 > IBD > 13 calidad buena 13 > IBD > 9 moderada 9 > IBD > 5 mediocre IBD < 5 mala calidad
Para calcular el ndice usaremos un fichero Excel (IBD.xls) en donde ya est introducida la frmula y los valores de Px y Vx . Este fichero tiene varias hojas con las tablas de valores de Px(i) (hoja Px(i) ) y con los taxones asociados a cada especie tipo (hoja Asociados). En las Tablas 6 a 8 siguientes hay que rellenar las columnas en blanco con los datos extrados del fichero as como el valor del IBD para cada punto de muestreo (hoja CALCUL_IBD). En la primera columna se ha de escribir la abreviatura de cada taxon observado, en la columna cuatro la abreviatura del taxon tipo al que se asocia cada especie; en la quinta, puesto que podemos encontrarnos con varias especies que se asocien a la mismas especie tipo, se anotarn dichas especies sin repeticiones sumando en la ultima columna el O/OO del total de las abundancias de los taxones asociados a la misma especie tipo. Por ejemplo, en el punto de muestreo 2 se detectaron 8 ejemplares de Navicula arvensis y 7 de Navicula difficillima. Ambas estn dentro del grupo cuyo representante es la propia Navicula arvensis (NARV) por lo que sus abundancias relativas deben sumarse para calcular la abundancia acumulada del taxon tipo NARV. Puesto que la abundancia de todos los taxones observados es 403, la abundancia acumulada de NARV es [(7+8)/403]*1000 = 37,22.
Tabla 8: Punto de muestreo 1
Abreviatura3 TAXON OBSERVADO (taxon asociado)
Achnanthes minutissima Amphora ovalis Cymbella affinis Cymbella lanceolata Cymbella tumidula Diatoma tenue Encyonema silesiacum Fragilaria capucina Gomphonema acuminatum Gomphonema angustum Gomphonema constrictum Gomphonema lanceolatum Navicula lanceolata Nitzschia umbonata
Abundancia real
6 3 247 3 6 3 45 6 6 6 3 48 6 10
Taxon tipo
Taxones Retenidos
IBD
Las columnas con datos en naranja son las que han de rellenar los alumnos 21
Abundancia real
10 8 48 38 34 8 10 12 20 8 12 8 7 2 13 13 8 83 15 30 16
Taxon tipo
Taxones Retenidos
Abundancia real
300 8 8 8 8 8 20 8 8 16 8
Taxon tipo
Taxones Retenidos
Las columnas con datos en naranja son las que han de rellenar los alumnos 22
BIBLIOGRAFA Alba-Tercedor, J. (1996). Macroinvertebrados acuticos y calidad de las aguas de los ros. IV Simposio del Agua en Andaluca (SIAGA). Vol. II: 203-213. Alba-Tercedor, J., Jimez-Cullar, P., lvarez, M., Avils, J., Bonada, N., Casas, J., Mellado, A., Ortega, M., Pardo, I., Prat, N., Rieradevall, M., Robles, S., Sinz-Cantero, C. E., Snchez-Ortega, A., Surez, M. L., Toro, M., Vidal-Abarca, M. R., Vivas, S. y Zamora-Muoz, C. (2002). Caracterizacin del estado ecolgico de los ros mediterrneos ibricos mediante el ndice IBMWP (antes BMWP). Limntica 21: 175185. Alba-Tercedor, J. & Snchez-Ortega, A., (1988). Un mtodo rpido y simple para evaluar la calidad biolgica de las aguas corrientes basado en el de Hallawell (1978). Limntica, 4: 51 56. Allan, J.D. (1996). Stream Ecology. ED. Chapman and may. Oxford. UK. Benito de Santos y Puig Garca, (1999). BMWPC un ndice biolgico para la calidad de las aguas adaptado a las caractersticas de los ros catalanes. En: Tecnologa del agua, ISSN 0211-8173, N 191, pags. 43-56. Prygiel, J. y Coste, M. Coordinadores. Guide Mthodologique pour la mise en oeuvre de lIndice Biologique Diatoes. NF T 90-354. http://www.chduero.es/webcorp/Calidad/calicg.htlm
23
Prcticas de Ecologa. 3 Biologa, UAM ANEXO I Con objeto de que quede ms claro que son las distintas variables que se miden en esta prctica y cual es su importancia para los sistemas lticos, a continuacin se ofrecen una serie de consideraciones al respecto: El oxgeno: Aunque parezca lo contrario, las aguas fluyentes no son particularmente ricas en oxgeno. La agitacin acelera la difusin pero impide tambin la sobresaturacin (salvo en determinados lugares como bajo cascadas con vegetacin o en tramos lentos y someros con vegetacin de fondo abundante). Puesto que los ros reciben MO de los ecosistemas terrestres adyacentes, tienden a ser deficitarios en oxgeno. Esto es particularmente importante en ros contaminados por un exceso de MO, donde la absorcin de oxgeno atmosfrico por el agua define la velocidad con que transcurren las reacciones de descomposicin. En estas situaciones, la cantidad de oxgeno que el agua puede absorber es mucho mayor y se puede evaluar segn la cantidad de oxgeno que las sustancias contenidas en el agua necesiten consumir para oxidarse. Hay dos formas de evaluar el consumo de O2, mediante la demanda biolgica de oxgeno (DBO) y mediante la demanda qumica de oxgeno (DQO). Para la DBO se determina el contenido inicial de O2 y se repite la determinacin 5 das despus de haber guardado la muestre en oscuridad a unos 20 C, la diferencia entre ambas determinacin nos dice el oxgeno consumido durante los 5 das. Esta es una medida del material susceptible de descomposicin biolgica. La demanda qumica de oxgeno (DQO) determina la cantidad de oxgeno requerido para oxidar todos los compuestos susceptibles de oxidacin que hay en una muestra de agua residual, bajo condiciones especficas de agente oxidante, temperatura y tiempo. En principio, los resultados de ambas pruebas debern ser comparables, puesto que ambas se basan en la cantidad de oxgeno consumido por la oxidacin. Sin embargo, dada la diferente biodegradacin de las sustancias orgnicas, la demanda bioqumica de oxgeno ejercida en la prueba estndar de 5 das, no representa sino una fraccin de la cantidad total de materia orgnica presente. De hecho, la comparacin de estas dos mediciones da una idea de la biodegradabilidad de la materia orgnica en la muestra. Sales disueltas (conductividad): En general, la composicin del agua de los ros depende de las caractersticas de los ecosistemas terrestres y de su grado de conservacin y tratamiento, aunque por supuesto, la tendencia general a lo largo de un cauce es al aumento de la mineralizacin. La temperatura del agua: Las temperaturas del las aguas corriente difieren de las de los lagos debido bsicamente a que pueden fluctuar ms gracias a su escasa profundidad y a que las turbulencias impiden la formacin de gradientes y termoclinas. Por lo general, la temperatura del agua depender de la del ambiente, de lo densa que sea la vegetacin de los mrgenes y lo ancho que sea el ro. pH: El valor del pH de las aguas dulces esta muy relacionado con las concentraciones de carbonatos o bicarbonatos que hay en el agua. La gran mayora de las agua epicontinentales tienen valores de pH comprendidos entre 6.5 y 8.5, lo que significa que en todas ellas existe ms in bicarbonato (HCO3-) que carbonato (CO32-). Por otra parte, el valor de pH depender de la litologa de la zona por donde pasa el ro. En el origen, el agua tiene pocas sales disueltas y el pH es bajo y muy variable, conforme el agua desciende y disuelve los materiales de las rocas el pH se eleva. Extraccin de clorofilas del fitobentos: Como la corriente arrastras a los organismos, en un ro existen pocos productores primarios planctnicos (salvo cerca de las desembocaduras, cuando la corriente es lenta si los organismos no sufre el fenmeno de arrastre tan drsticamente), la mayora de los productores primarios pues, son bentnicos, es decir, de alguna manera se encuentran adheridos a las piedras y superficies. Para conocer la cantidad de biomasa generada por estos PP, se mide la concentracin de clorofila a por unidad de rea. La clorofila a se encuentra en todos los PP fotosintticos y es una parte proporcional de la biomasa de estos, as que a mayor concentracin de clorofila mayor biomasa habr. 24
25
26
Los fenmenos de estratificacin pueden producir cambios drsticos en las comunidades de los sistemas, que en ocasiones tienen graves consecuencias ecolgicas. MATERIAL Acuario de cristal de 55 l Lmpara de infrarrojos de 375 W Sistema de agitacin (secador) Termmetros de pecera Tinta china Modelo Termoclima 1.0
PROCEDIMIENTO 1. Se parte de una situacin de estabilidad en el sistema para lo que se llena una pecera con agua fra bien mezclada (simulacin del sistema a principios de primavera). El agua va calentndose desde la superficie con una lmpara de infrarrojos. 2. Para seguir el proceso de estratificacin, se mide la temperatura del agua a intervalos de 10 minutos y a distintas profundidades. Los datos se van anotando y as se puede ir dibujando el perfil de la temperatura del agua segn la profundidad. 3. Una vez observada una diferencia de temperatura considerable entre la zona superficial y profunda se comprueba la existencia de estratificacin trmica mediante el uso de tinta (simulacin del sistema en verano).
27
4. Una vez hecha la comprobacin se rompe la estratificacin removiendo el agua con el aire de un secador (simulacin otoal).
Una forma sencilla y muy grfica de observar si a lo largo del ciclo anual se produce estratificacin y posteriormente una o varias mezcla de todo el volumen de agua, es trabajar con una matriz que represente temperaturas en un sistema de dos ejes fecha x profundidad. Se trata de dibujar isolneas que unan aquellos puntos que tengan igual temperatura (en este caso las lneas se llamaran isotermas), para representar la evolucin anual del lago simulado trazando las isotermas. Para familiarizarnos con este tipo de grficas y poder discutir sobre distintos tipos dinmicas trmicas, se han de trazar las isotermas a partir de los datos (tablas adjuntas) dos sistemas acuticos con diferente comportamiento, un lago situado al norte de Europa lago Nuguren, en Escandinavia) y otro localizado en nuestras latitudes (el lago de Arreo, lava). Modelo Termoclina 1.0. Elaborado por El Dpto. de Ecologa de la Universidad de Mlaga, este sencillo modelo permite ilustrar la evolucin de los perfiles verticales de temperatura y densidad del agua en un lago dependiendo de: Temperatura ambiente Velocidad del viento Coeficiente de difusin Profundidad del lago de de (el en
Se trata de ir variando la asignacin de valores a estos parmetros para observar su influencia en el proceso de estratificacin y mezclado de las aguas del lago. Se discutirn los resultados obtenidos. BIBLIOGRAFA Margalef, R. 1976. Biologa de los embalses. Investigacin y Ciencia, 1. Margalef, R. 1983. Limnologa. (Captulo 4). Omega. Barcelona. Wetzel, R. G. 2001. Limnology lake and river ecosystems. Academic Press. 3rd Edition.
28
29
E 0 1 1
F 0 1 1
Mr 0 1 1
Ab 2 2 2
My 4 4 4
Jn 13 12 11
Jl 18 17 16
Ag 18 18 18
S 14 14 13
O 8 8 8
N 4 4 4
D 0 1 2
10
10
10
15
20
30
PROCEDIMIENTO: 1. Se quiere medir la cobertura lineal de distintas especies de plantas en uno y otro sector. En cada uno de ellos, cido o bsico, se prev estudiar, a lo largo de todos los das de muestreo, hasta un total de 80 unidades de muestreo, que sern pasillos de 10 x 1 m. Para
31
ello y con ayuda de cintas mtricas, cada da se dispondrn al azar en cada sustrato 2 ejes longitudinales (parcelas 1 y 2) en el sentido de la pendiente de la ladera, a lo largo de los cuales, y transversalmente, se situarn de modo regular 5 pasillos por parcela, separados en distancias de 2 m., segn el siguiente esquema:
cido, Parcela 1
0 1 3 4 6 7 9 10
cido, Parcela 2
pasillo A.1.1
pasillo A.2.1
pasillo A.1.2
pasillo A.2.2
pasillo A.1.3
pasillo A.2.3
pasillo A.1.4
pasillo A.2.4
12 13
pasillo A.1.5
10 m
pasillo A.2.5
2. Una vez en el campo y situados los pasillos, y por razones de organizacin, stos se numerarn antes de comenzar el trabajo, segn el ejemplo. A cada grupo de 5 alumnos se le asignar un nmero de pasillo. Una vez realizado el muestreo en uno de los sustratos, se trasladarn al otro tipo de terreno y estudiarn el pasillo equivalente (ej: A.1.1. en cido y B.1.1. en bsico) 3. Se muestrear la variable cobertura lineal en el sentido del pasillo de las distintas especies de fanerfitos y camfitos presentes, anotndose la medida de cada especie por pasillo en el estadillo adjunto (Anexo 4.3). Adems, debern cumplimentarse los siguientes datos: Localidad y fecha del muestreo. Nombres de los integrantes del grupo de muestreo. Altitud, pendiente y orientacin de cada parcela, as como la pendiente transversal de cada pasillo, medida a su inicio.
4. Las especies que aparecen en el estadillo son las que con mayor probabilidad encontraremos (ver Anexo 4.2). No obstante si aparece alguna no incluida se aadir al final del estadillo. Una vez en la zona se aprender a distinguirlas todas. 5. Es imprescindible una absoluta pulcritud, tanto en la toma de datos como en su consignacin en los estadillos. Aprovechad el espacio disponible para escribir los datos; en el caso de que para alguna especie no quepan las coberturas parciales, continuad el registro ordenadamente al final del estadillo, indicando de qu especie y pasillo se trata.
32
6. Los estadillos completados de cada grupo (un pasillo de cido y otro de bsico), incluidas las sumas de los totales, sern entregados al profesor, que compondr la matriz de todo el muestreo para las sesiones de tratamiento de datos. BIBLIOGRAFA: Esta bibliografa se aplica a todas las sesiones d este bloque 4. Calvo-Sendin J.F. 1994. Ecologa general. Prcticas y experiencias. Universidad de Mrcia. Fowler, J. y Cohen, L. 1999. Estadstica bsica en ornitologa. SEO-BirdLife. Madrid. Spiegel, R. 2001. Estadstica. McGraw-Hill. Madrid. Montes, C.; Ramrez-Daz, L. 1978. Descripcin y muestreo de poblaciones y comunidades vegetales y animales. Publicacin de la Universidad de Sevilla. Sevilla Parker, R.E. 1981 Estadstica para bilogos. Cuadernos de Biologa. Madrid. Sokal, R.R. y Rohlf, F.J. 1979 Biometra. Principios y mtodos estadsticos en la investigacin biolgica. Ed. Blume. Madrid.
Anexo 4.1. DESCRIPCIN DE LA VEGETACIN Pueden plantearse dos tipos de aproximaciones: la fisionmica y el anlisis florstico. Con cualquiera de ellas pueden aplicarse tcnicas de muestreo. Fisionoma Es una combinacin de caracteres: Estructurales: en relacin con la estructura horizontal (mosaico de bosques y prados, espacio entre rboles etc.), y, sobre todo, vertical de la vegetacin. Se trata de reconocer diferentes estratos y expresarlo en forma de porcentaje. Tambin la representacin con un perfil es muy apropiada (esquema de un bosque, pisos bioclimticos, orlas de vegetacin alrededor de una laguna, etc). Funcionales se pueden referir al color, la textura, la fenologa, la periodicidad (ej.: bosques caducifolio y perennifolio), la vitalidad o buen desarrollo de las plantas, entre otros.
Pueden servir de ejemplo los tipos biolgicos: una clasificacin de las plantas superiores basada en la posicin de sus yemas respecto al suelo en la estacin desfavorable de su ciclo biolgico (invierno o, en clima mediterrneo, frecuentemente verano):
FANEROFITAS: yemas a, por lo menos, 25 cm del suelo (rboles, arbustos y lianas). CAMEFITAS: yemas a menos de 25 cm del suelo (suculentas, subfruticosas).
33
HEMICRIPTOFITAS: yemas en la superficie del suelo (rosetas, especies con estolones, gramneas perennes, etc.). CRIPTOFITAS: yemas bajo tierra o subacuticas (gefitas, hidrfitas, helfitas). TEROFITAS: plantas anuales que pasan el verano en forma de semillas.
Anlisis florstico Hay dos grandes estrategias, una implica la destruccin del material estudiado; la otra se basa en su conservacin. Como medidas no destructivas, se pueden definir: La densidad: numero de individuos por unidad de superficie. La cobertura: muy utilizada en comunidades compuestas de muchas especies pequeas, especies con estolones o con talos, donde no se puede diferenciar un individuo del otro. Se define como el porcentaje de suelo ocupado por la proyeccin ortogonal de las partes areas de las especies vegetales. Existen varios mtodos, de los cuales se destacan los 3 siguientes: Escala de Braun-Blanquet: el tanto por ciento de la superficie de la unidad de muestreo que es recubierta por la proyeccin vertical de las partes areas de las especies, en clases (datos semi-cuantitativos). +: menos de 1% 2: de 6 a 25% 4: de 51 a 75% 1: de 1 a 5% 3: de 26 a 50% 5: de 76 a 100%
Cobertura puntual: se hace deslizar una aguja verticalmente y se anotan todos los contactos entre aguja y la vegetacin. Cobertura lineal: se establece como la intercepcin lineal de la proyeccin vertical de las partes areas de las especies sobre una cinta mtrica, a lo largo de un pasillo de ancho y longitud fijadas de antemano. Este es el mtodo que nosotros usaremos.
La frecuencia: Nmero de unidades de muestreo en que aparece una especie por el nmero total de unidades.
El muestreo Para conseguir ms detalle y poder aplicar tcnicas de tratamientos de datos es necesario efectuar medidas sobre una parte representativa de la vegetacin. Esto se consigue mediante los muestreos, en los que es importante maximizar la relacin entre informacin recogida y tiempo invertido. Pueden mencionarse 4 tipos bsicos de muestreo:
reas que tienen alguna caracterstica especial. Es muy empleado en fitosociologa. En ciertas circunstancias, por ejemplo en zonas de acceso difcil, es la nica posibilidad. Los
34
datos recogidos con este muestreo no son siempre apropiados para realizar pruebas estadsticas.
ALEATORIO: Cada punto del territorio tiene igual probabilidad de ser elegido. Por lo
tanto, es inapropiado si la zona es heterognea, sobre todo cuando existe un mosaico de formaciones de diferentes superficies (bosques con pequeos claros, setos y prado).
arreglo regular, cuadriculas o lneas. La forma ms utilizada en este tipo de muestreo es el transecto donde las unidades de muestreo estn situadas en bandas, contiguas o no (interesante cuando existe un gradiente de altitud, de humedad, etc.).
ESTRATIFICADO: Se subdivide el territorio en partes homogneas y dentro de cada una se muestrea al azar o sistemticamente.
Una vez elegido el tipo de muestreo el siguiente paso es abordar su diseo. El diseo del muestreo es una tarea muy importante y muy delicada. Se establece segn el fin propuesto, el problema que se investigue, las hiptesis de partida etc. Hace falta determinar: La forma y la superficie de la unidad de muestreo: Pueden utilizarse crculos, cuadrados o pasillos, pero la forma elegida tiene que mantenerse para todo el muestreo. La superficie depende del tamao de las especies. El muestreo de una pradera con especies herbceas requiere, por ejemplo, un cuadro de 20 a 50 cm de lado. Si se trata de camfitos posiblemente sea necesario aumentar la superficie de 1 a 5 m2. En el caso de matorral alto se eligen unidades de 10 a 100 m2. El nmero de unidades de muestreo: Est en relacin con el tiempo a invertir, el detalle requerido y unas consideraciones estadsticas. Muchas veces, sin embargo, prevalece la experiencia. Los puntos al azar: Existen varios mtodos para determinarlos, cada uno con sus ventajas y desventajas. Uno sencillo consiste en situar sobre el terreno, el mapa o la foto area ejes de coordenadas procediendo a continuacin a extraer parejas de coordenadas (tantas como puntos se requieran) en una tabla de nmeros al azar o con un programa de ordenador.
Por ltimo, es necesario tomar ciertos datos cualitativos. Es imprescindible anotar la fecha del muestro y la localidad donde se ha efectuado. Deben hacerse medidas de altitud, orientacin, pendiente, etc., de cada unidad de muestreo. Otras observaciones pueden ser de gran utilidad para encontrar una explicacin de algunos resultados: pedregosidad, caracterstica edficas, intervenciones humanas, etc. Estos datos pueden convertirse en datos semi-cuantitativos. En El Velln, nosotros adoptaremos una aproximacin de anlisis florstico, mediante un muestreo estratificado segn naturaleza del sustrato (cido/bsico) y posterior disposicin aleatoria de las parcelas. En cada parcela, las unidades de muestreo (pasillos de 1 m. de ancho y 10 m. de largo) se dispondrn de modo regular separadas 2 m. La variable objeto de medida
35
ser la cobertura lineal de cada especie en el sentido del pasillo, y las unidades de medida sern centmetros. Anexo 4.2. VEGETACIN Y FLORA DE EL VELLN ENCINARES MEDITERRNEOS Potencialmente, bosque de encina (Quercus ilex subsp. ballota) en clima mediterrneo continentalizado, con abundante enebro de miera (Juniperus oxycedrus). Flora del encinar carpetano Encinares sobre sustratos cidos (gneises). Frecuentemente aclarados para produccin de ganadera bovina, resultando un paisaje de pastizales con cercas de piedra perimetrales y las encinas y otros elementos florsticos a modo de setos lineales. El declive reciente de la actividad ganadera genera distintos estadios de infra-pastoreo, resultando patrones/unidades de a) Prados con cercas arboladas, b) Arbolado disperso-matorral, y c) Arbolado denso forestal. Entre otras especies se encuentran: Cantueso (Lavandula pedunculata) Falsa jarilla (Halimium umbellatum subsp. viscosum) Tomillo (Thymus mastichina) Retama negra (Cytisus scoparius) Botonera (Santolina rosmarinifolia) Retama de bolas (Retama sphaerocarpa) Aladierno (Rhamnus alaternus) Olivilla (Phyllirea angustifolia) Torvisco (Daphne gnidium) Rubia (Rubia peregrina) Esparraguera (Asparagus acutifolius) Madreselva (Lonicera periclymenum)
Flora del encinar manchego Encinares sobre sustratos bsicos (Cretcico y Terciario). Frecuentemente sustituido por cultivos de cereal y de olivo y talado para abrir pastos aprovechados por ovino y caprino. Como resultado aparecen formaciones de sustitucin como aulagares, tomillares, espartales esplegares y sus mezclas. El declive reciente de la actividad ganadera genera distintos estadios de abandono, resultando patrones/unidades de a) Arbolado denso-forestal, b) Arbolado disperso-matorral, c) Cultivos abandonados-matorral, d) Secano extensivo, y e) Secano intensivo. Entre otras especies se encuentran: Espliego (Lavandula latifolia) Aulaga (Genista scorpius) Esparto (Stipa tenacissima) Tomillo salsero (Thymus vulgaris)
36
Lino (Linum suffruticosum) Lastn (Brachypodium retusum) Flomis (Phlomis lychnitis) Estaelina (Staehelina dubia) Tomillo (Thymus zygis) Aladierno (Rhamnus alaternus) Retama de bolas (Retama sphaerocarpa) Aladierno o espino negro (Rhamnus lyciodes) Torvisco (Daphne gnidium) Esparraguera (Asparagus acutifolius)
Flora de los fondos de barrancos, umbras y zonas de descarga Sobre sustratos bsicos, en ubicaciones con menor evapotranspiracin, suelos ms profundos y humedad edfica en verano, aparecen quejigos (Quercus faginea subsp. faginea) y formaciones freatofticas, que vimos acompaados de: Arce de Montpellier (Acer monspessulanum) Cornicabra (Pistacia therebintus) Olmo (Ulmus minor) Tambin en riberas. Chopo (Populus nigra) Tambin en riberas. Majuelo (Crataegus monogyna) Jazmn (Jasminum fruticans) Junco churrero (Scirpus holoschoenus) Aligustre (Ligustrum vulgare) Escaramujo o Rosal silvestre (Rosa spp.) Zarza (Rubus spp.) Aladierno espino negro (Rhamnus lyciodes) Esparraguera (Asparagus acutifolius)
Flora de las riberas El bosque en galera original se encuentra muy alterado por la actividad humana que prcticamente lo ha eliminado de las terrazas fluviales para instalar huertas y regados. Jalonando cauces y lechos de inundacin, an se encuentran, entre otras: Sauces (Salix spp.) Chopo (Populus nigra) Olmo (Ulmus minor) Ailanto (Ailanthus altissima) Escaramujo o Rosal silvestre (Rosa spp.) - Zarza (Rubus spp.) - Junco churrero (Scirpus holoschoenus)
37
Fecha:
COBERTURA TOTAL
38
MATERIAL: Matriz de datos del muestreo. Hoja de clculo Excel. Tablas estadsticas. Papel milimetrado.
PROCEDIMIENTO: Al empezar, es aconsejable hacer un repaso de conceptos generales sobre el muestreo, recapitulando la tcnica empleada en nuestro caso. Tambin se recordarn los conceptos de poblacin, muestra, unidad de muestreo, tamao muestral y variable (ver Anexo 4.4). 1. El primer paso consistir en comprobar si el esfuerzo de muestreo realizado ha sido suficiente para cubrir un rea mnima en la que est presente la variedad de especies de plantas leosas existentes en uno y otro sectores muestreados. Para ello se representar grficamente, sobre papel milimetrado, la evolucin del nmero de especies acumulado a medida que se aumenta el rea muestreada. La inspeccin de la curva as obtenida permitir interpretar si se ha alcanzado el rea mnima de muestreo para recoger adecuadamente la variedad de la vegetacin estudiada. Una curva en permanente incremento nos har suponer que de haber aumentado el rea estudiada habramos encontrado nuevas especies, que faltan en nuestros datos. Una curva que tiende a estabilizarse indicar que hemos encontrado la prctica totalidad de las especies que nos interesaban.
2. A continuacin se proceder a la comparacin de las listas de especies, que podemos agrupar en especies presentes sobre sustrato cido y especies presentes sobre sustrato bsico. A partir de ah hay que separar: Especies exclusivas del sustrato cido. Especies exclusivas del sustrato bsico.
39
Las que sean exclusivas de uno u otro sector podran considerarse tentativamente como indicadoras de la dominancia de uno u otro factor. Sobre aquellas otras que aparecen en ambos tipos de sustrato de momento no podemos obtener conclusiones. 3. Qu sector presenta una mayor riqueza de especies, es decir, un mayor nmero de especies distintas? Y cul de los dos presenta una mayor diversidad? La contestacin de la primera pregunta ser inmediata. Para responder a la segunda, sin embargo, habremos de introducir el concepto de diversidad, que tiene en cuenta no slo la cantidad de especies sino cmo son de abundantes sus respectivos individuos. Para obtener un ndice cuantitativo y comparable de esta propiedad de las comunidades vivientes son varios los mtodos propuestos. Uno de los ms utilizados es el ndice de diversidad de Shannon-Wiener, que para n especies se calcula como:
H = pi log 2 pi
i =1
donde:
log2 pi =
log pi log 2
H se expresa en bits de informacin, ya que el ndice de Shannon-Wiener es, en realidad, una medida de la cantidad de informacin contenida en cualquier tipo de sistema. 4. Tras este somero anlisis de algunas caractersticas generales de la vegetacin de los dos sectores, quedar la cuestin de interpretar el significado de aquellas especies que sean comunes a ambos. Su mera aparicin en los dos sustratos no significa que sean indiferentes a los factores ecolgicos que actan en uno u otro lugar, ya que su abundancia puede ser muy diferente. Para tratar este problema se van a aplicar algunas tcnicas de estadstica descriptiva. Para los datos de cobertura de cada una de las especies, tanto en sustrato cido como bsico, calcularemos los siguientes valores, cuyo significado se comentar brevemente:
- La media:
x=
x
i =1
- La varianza:
s =
2
(x
i =1
x)
n 1
s = s2
- La desviacin tpica:
cobertura de cada especie en uno y otro sector. Pero antes convendr recordar que nuestras medias muestrales no son ms que estimas de la media poblacional, un parmetro cuyo valor exacto no podemos conocer. Podemos sin embargo evaluar qu grado de precisin tienen nuestras estimas, lo cual depender del tamao de la muestra y de la variabilidad de la poblacin. Para ello calcularemos para cada media un intervalo de confianza, que establecer el rango de valores por encima y por debajo en el que, con una determinada probabilidad, por ejemplo de 0.95 (es decir, del 95%), se sita la media poblacional. El razonamiento matemtico (Teorema del Lmite Central) se basa en que, para poblaciones con una distribucin normal, puede demostrarse que las medias muestrales que obtendramos si repitiramos infinitas veces la extraccin de una muestra siguen tambin, a su vez, una distribucin normal cuya media es la media poblacional y cuya desviacin tpica es la desviacin tpica de las medias muestrales, tambin llamado error tpico de la media (ET): E.T. =
s n
En tales condiciones, el intervalo de confianza para una media puede calcularse con una probabilidad 1 = 0.95 (por tanto, = 0.05) como:
x t0.05, n 1
s n
donde n-1 son los grados de libertad y el valor buscado de t puede consultarse en una tabla de distribucin de la t de Student de dos colas (Anexo 4.5). Es fcil advertir que puede conseguirse una mayor precisin, es decir, un intervalo de confianza ms pequeo, aumentando el esfuerzo de muestreo, es decir, aumentando n. Inversamente, una mayor variabilidad de la poblacin, reflejada en una s mayor, disminuir la precisin y har mayor el intervalo.
Anexo 4.4. ESTADSTICA BSICA Y DESCRIPTIVA Como es propio de las disciplinas cientficas, la ecologa intenta conocer e interpretar el mundo que nos rodea. En particular, la ecologa se ocupa del mundo natural y de las relaciones que mantienen sus componentes: es la historia natural cientfica (Elton, 1927). En su empeo por conocer la naturaleza viviente, los eclogos se ven frecuentemente en la tesitura de acumular datos con los cuales discernir patrones, para deducir a partir de ellos los procesos subyacentes al funcionamiento de la naturaleza. La estadstica es la herramienta de la que se sirve el eclogo para explorar y analizar los datos que recoge de la naturaleza. Aunque no es sino un medio, es lo suficientemente importante para que sea preciso conocerlo adecuadamente si deseamos que cumpla su misin. En primer lugar, es necesario hacer una distincin entre estadstica descriptiva y estadstica inferencial. La primera se refiere a aquellos procedimientos que tienen por objeto describir el conjunto de observaciones que hemos realizado. Cal es el contenido medio en nutrientes de los embalses espaoles? Cmo de variable es el tamao de puesta de un petirrojo a lo largo
41
de su vida? La inferencia estadstica, como su propio nombre indica, pretende obtener inferencias (predicciones) sobre atributos de un conjunto de objetos (poblacin) a partir de la observacin de un subconjunto de aqul (muestra). Difieren dos poblaciones de jabales en su tamao medio? Existe relacin entre el tamao de un depredador y el de las presas que consume? El valor de una caracterstica de la poblacin (por ejemplo, nmero medio de parsitos que infestan un hospedador en una poblacin natural de nemtodos) se denomina parmetro. Con frecuencia, sin embargo, ese valor no se conoce pues resulta difcil, si no imposible, estudiar el total de la poblacin. La medida de tal caracterstica en una muestra de la poblacin permite hacer inferencias sobre el valor del parmetro, recibiendo el nombre de estadstico. Existen tcnicas estadsticas que trabajan sobre los parmetros de una poblacin y reciben por ello el nombre de estadstica paramtrica. Parece razonable que las que no lo hacen as se denominen estadstica no-paramtrica. Es fcil imaginar que no resulta fcil inferir caractersticas fiables de la poblacin a partir de una cantidad limitada de observaciones (muestras). Para cumplir satisfactoriamente su misin, los mtodos estadsticos se ayudan ante esa dificultad de una serie de asunciones o suposiciones sobre la estructura o distribucin estadstica de los datos bajo estudio. Se ha comprobado que muchos atributos de las poblaciones naturales tienen una distribucin normal (nombre que recibe esa distribucin precisamente por ser extraordinariamente comn) y, por lo tanto se han desarrollado tcnicas estadsticas que funcionan expresamente en aquellos casos en los que la variable de trabajo tiene esa distribucin en la poblacin. Tcnicas de este tipo se denominan no independendientes de la distribucin. Aquellos mtodos que no hacen ningun tipo de suposicin sobre la distribucin de la variable estudiada se llaman independientes de la distribucin. En un intento de simplificar la terminologa (y de confundir los significados) se puede encontrar con frecuencia que al hablar de estadstica noparamtrica los autores se refieren tanto a sta, en sentido estricto, como a la estadstica independiente de la distribucin (o de distribucin libre). Aquella propiedad que difiere de unos individuos a otros y que nosotros registramos se denomina variable (altura, conductividad, abundancia, color). Las variables pueden ser de muy diversos tipos lo que condiciona necesariamente la tcnica estadstica que podremos emplear con ellas. Una clasificacin de las variables segn su naturaleza puede ser la siguiente: Variables cuantitativas: Continuas (altura de una planta, biomasa de un insecto). Discontinuas, mersticas o discretas (abundancia de una especie, nmero de escamas de la lnea lateral de un pez).
Variables cualitativas: Ordinales (por ejemplo, rangos de abundancia: abundante, frecuente, raro). Nominales (color, sexo, localidad).
42
Obviamente, diferentes tipos de variables han de tratarse con diferentes tcnicas. De la misma forma, diferentes preguntas pueden ser respondidas empleando distintos mtodos.
43
b)
Frecuencias observadas
PRESENCIA AUSENCIA
c)
Clculo de las frecuencias esperadas. Dado que si 2 acontecimientos son independientes la probabilidad de que ocurran juntos puede calcularse mediante el producto de sus probabilidades separadas, la frecuencia esperada ser, por ejemplo: Probabilidad de encontrar la especie en sustrato cido: P+,A = (P+ x PA) x N = (30/100 x 40/100) x 100 = 12
Frecuencias esperadas para el caso de distribucin de la especie independiente del sustrato
PRESENCIA AUSENCIA
CIDO 12 28
BSICO 18 42
2 =
(o e ) 2 e
( ad bc ) 2 ( a + b )( c + d )( a + c )( b + d )
e)
xN
Rechazo o aceptacin de la hiptesis. Se fija un nivel de significacin o probabilidad de error (normalmente se utiliza = 0.05, es decir que se acepta el riesgo de equivocarse 5 veces sobre 100, si fuese = 0.01 se aceptara el riesgo de equivocarse 1 vez sobre 100). Lectura de la tabla de 2 (ver Anexo 4.7). Para ello es necesario conocer los grados de libertad, que se calculan g.l. = (filas-1) x (columnas-1) de la tabla de contingencia. En este caso el grado de libertad es 1 x 1 = 1. Hay 4 casillas y 3 restricciones. En efecto, se emplean los totales marginales (suma de los valores observados) para calcular las frecuencias esperadas, y esto, como cuando se estime un parmetro produce una perdida de grados de libertad. Una vez fijado estos totales, una nica frecuencia observada insertada en una casilla de la tabla determina todas las dems. Se toman las probabilidades 0.5 y 0.01, y se lee la interseccin con g.l. = 1, es decir 3.84 y 6.64 respectivamente. En la curva 1 el rea a la derecha de 3.84 es de 5% y de 6.64, 1%. Si 2 calculado < 2 terico, no se rechaza la hiptesis nula (H0). Se puede decir que las frecuencias observadas y esperadas son similares, y por lo tanto que la especie se distribuye independientemente de la variable ambiental considerada.
45
Si 2 calculado > 2 terico se rechaza H0. Las frecuencias observadas y esperadas son muy diferentes y se puede concluir que la especie prefiere uno de los hbitats (aqul en el cual presentara mayor cobertura). 2. La comparacin de la presencia de determinadas especies en el sector cido y el sector bsico puede abordarse de otro modo. Dado que tenemos datos no slo de la presencia o ausencia de una determinada especie en los pasillos muestreados sino tambin de su cobertura lineal, disponemos de una medida cuantitativa ms precisa de su abundancia en uno y otro caso. Podemos entonces plantearnos la comparacin de las medias de cobertura para una especie en uno y otro sustrato. a. Construimos el nuevo contraste de hiptesis definiendo una hiptesis nula segn la cual las medias poblacionales de la especie en ambos sectores son iguales. Estas medias se designan con la letra y son parmetros que no conocemos. Lo que conocemos son las medias muestrales x que hemos obtenido y que nos proporcionan una estima ms o menos fiable. La hiptesis alternativa es, obviamente, que las medias son distintas, es decir, que aunque la especie est presente en ambos sectores no es indiferente al sustrato, porque presenta abundancias distintas. H0, A = B b. H1, A B
Suponiendo que ambas poblaciones tienen una distribucin normal y que sus varianzas son similares podemos aplicar un test de igualdad de medias basado en la distribucin t de Student. Se trata de un test muy sencillo y notablemente robusto, que proporciona resultados bastante fiables aunque los requisitos estadsticos que precisa no se cumplan enteramente. El modo de aplicarlo es el siguiente. Construimos un estadstico t:
t observado =
(x A x B ) 2 2 (n A 1)s A n A + nB + (n B 1)s B
n A + nB 2 n A nB
que, en caso de que H0 sea cierta, adopta valores cuya distribucin probabilstica se ajusta a una distribucin t de Student. Comprobamos el valor que obtenemos, nuestro t observado, y lo comparamos para un determinado nivel de significacin (por ejemplo = 0.05) en la tabla de la t de Student (Anexo 4.5) que ya utilizamos cuando calculamos los intervalos de confianza en la sesin anterior. Si nuestro t observado es mayor o menor que unos determinados valores crticos, que son valores tericos de la t de Student que dejan por encima y por debajo una probabilidad menor que , entonces suponemos que H0 es muy improbable y la rechazamos. Como la diferencia entre ambas medias puede ser positiva o negativa hemos considerado valores de t positivos y negativos y, por tanto, es un test de dos colas.
46
c.
El valor absoluto, para obviar si es positivo o negativo, del t observado se compara con un t crtico que buscamos en la tabla de la distribucin de la t de Student de dos colas, para una probabilidad . La distribucin de la t de Student vara segn los grados de libertad. En nuestro caso los grados de libertad son nA + nB 2. Entonces, si t observado< t , nA + nB 2 , se acepta H0, no hay diferencia entre las medias. si t observado> t , nA + nB 2 , se rechaza H0, las medias son diferentes.
3. Al comenzar a analizar las diferencias entre la vegetacin de uno y otro sustrato ya vimos que podamos comparar su riqueza y su diversidad de especies, pero entonces lo hicimos para valores globales de una y otra. Ahora, con la tcnica de comparacin de medias mediante el test de la t de Student, podemos comparar las respectivas medias de las riquezas y diversidades que se dan en cada pasillo, completando nuestro anlisis. a. Construimos el nuevo contraste de hiptesis definiendo dos H0, segn las cuales las riquezas medias de cada sector son iguales y las diversidades medias de cada sector tambin. Estas medias se designan con la letra y son, una vez ms, parmetros que no conocemos. Lo que conocemos son, las medias muestrales x que hemos obtenido (riqueza media y diversidad media en cada sector). De nuevo, la hiptesis alternativa es que las medias son distintas, es decir, que la riqueza y/o la diversidad de especies no son indiferentes al sustrato, sino que presentan valores distintos en uno y otro. H0, A = B H1, A B
b. Suponiendo que ambas poblaciones para cada variable tienen una distribucin normal y que sus varianzas son similares podemos aplicar el test de la t de Student, del mismo modo que en el caso anterior. Una vez obtenidos los resultados de las distintas comparaciones podemos recapitular y discutir en qu medida la diferencia en el sustrato afecta a la estructura y la composicion de la vegetacin y, en particular, a la distribucin de ciertas especies que hemos estudiado individualmente. En esta discusin convendr recordar que los dos sectores comparados, cido y bsico, pueden haberse visto afectados, adems, por distintos tipos de uso. De este modo podr discutirse la posibilidad de que alguna de las diferencias detectadas entre sectores este relacionada no solo con las propiedades fisicoqumicas del sustrato sino tambin con la accin humana que ha favorecido o desfavorecido la presencia de determinadas especies. Podras disear una nueva experiencia para aclarar este tipo de cuestiones?
47
Anexo 4.6. CONTRASTE DE HIPTESIS Aunque diferentes en los supuestos a los que se aplican y en los mtodos que emplean, los contrastes de hiptesis coinciden en basarse en la contraposicin de dos hiptesis excluyentes. La hiptesis de partida o hiptesis nula, notada como H0, es que no pasa nada, que no hay diferencias o efectos en aquello que estamos estudiando. Solo si reunimos evidencias estadsticas suficientes para demostrar que tal hiptesis es muy improbable, pudiendo nosotros fijar ese nivel de improbabilidad, aceptamos la hiptesis alternativa, HA o H1, que es la que supone la existencia de un efecto o diferencia entre las muestras comparadas. Llamamos nivel de significacin de nuestro contraste a la probabilidad de que nuestra muestra provenga de una poblacin en la que es cierta la hiptesis nula. Si fijamos ese nivel de significacin lo que estamos haciendo, por tanto, es decidir qu riesgo estamos dispuestos a asumir de equivocarnos al rechazar una hiptesis nula que es cierta. Dicho de otro modo, cuando logremos rechazar una hiptesis nula, lo haremos admitiendo una cierta probabilidad, que normalmente queremos que sea muy pequea, de que la hiptesis nula fuera cierta despus de todo. Un error de este tipo se llama en estadstica error de tipo I y equivale al mencionado nivel de significacin (tambin denominado ). Tradicionalmente, se ha empleado como valor estandarizado de el del 5%. Quiere esto decir que asumimos una probabilidad de equivocarnos de 1 entre 20 cuando rechazamos la hiptesis nula. O lo que es lo mismo, si rechazamos la hiptesis nula con ese nivel de significacin, slo nos equivocaremos una de cada 20 veces (por trmino medio), suponiendo que la hiptesis nula es cierta. Por supuesto no existe ninguna regla que impida utilizar otros niveles de significacin pero los cientficos, al igual que los dueos de los casinos, procuran minimizar sus riesgos de equivocarse y los valores bajos del nivel de significacin son siempre apreciados. El error de tipo I es el que nosotros vamos a fijar y, por tanto, a mantener en unos lmites controlados. Conviene saber, sin embargo, que existe otro tipo de error, el error de tipo II, que es la probabilidad de que no rechacemos la hiptesis nula cuando esta sea falsa. Este error tiene que ver con la posibilidad de que aunque exista una diferencia o efecto, es decir, aunque H1 sea correcta, nuestros datos pueden no ser lo suficientemente concluyentes para demostrarlo estadsticamente. Es importante sealar que, en puridad, la hiptesis nula nunca se acepta. Si bien en trminos coloquiales podemos decir que la aceptamos es importante tener presente que lo que ocurre es que no se tienen evidencias suficientes para poder rechazarla. En muchas ocasiones es suficiente un aumento del tamao de muestra para que pase a rechazarse la hiptesis que, con menor cantidad de observaciones, no poda caracterizarse como falsa.
48
49
dP/dt= cP(1-P)-mP
El modelo de Levins no considera, sin embargo, la variacin en el tamao de los parches, su localizacin espacial, ni la dinmica particular de cada subpoblacin. Aunque la inclusin de estos fenmenos complica enormemente los modelos, es posible comprender algunas de sus implicaciones sin entrar en detalles matemticos. Por ejemplo, la tasa de extincin de cada subpoblacin puede variar en funcin del tamao y calidad del parche de hbitat correspondiente. As, en parches de alta calidad, el nmero de nacimientos excedera al de las muertes, de modo que esa subpoblacin se convertira en una subpoblacin donadora de individuos o fuente. Por su parte, en parches de baja calidad, moriran ms individuos que los que nacen, de forma que estas subpoblaciones se comportaran como sumideros". Este modelo de metapoblacin se denomina Fuente Sumidero (Pulliam, 1988) y parece ajustarse al comportamiento de muchas poblaciones reales de organismos. En el modelo Fuente-Sumidero, la supervivencia de la metapoblacin no depende slo del balance global entre extincin y colonizacin, si no tambin del equilibrio entre fuentes y sumideros, de modo que las poblaciones fuente pueden mantener uno o ms sumideros en el contexto de la metapoblacin.
50
Aplicaciones Como herramienta de gestin y conservacin de poblaciones y especies, los modelos metapoblacionales son muy tiles ya que permiten abordar el estudio de cada subpoblacin por separado, lo cual es importante porque muchas actividades antrpicas afectan de diferente manera a cada poblacin local (Akakaya et al. 1997). A continuacin se describen algunas estrategias de conservacin de especies en las que los modelos de metapoblacin constituyen buenas herramientas de gestin:
Las reintroducciones son estrategias arriesgadas. Hay varias razones por las que una reintroduccin puede fracasar: (1) desconocimiento de la ecologa de la especie; (2) degradacin del hbitat original de la especie; (3) procedencia de los individuos reintroducidos (criados en cautividad o no); o (4) simplemente por falta de seguimiento de las poblaciones una vez hecha la reintroduccin. El diseo del programa de reintroduccin es tambin importante. Es necesario tener en cuenta factores como el nmero de individuos, la proporcin de sexos, la composicin por edades y la estructura social de los individuos reintroducidos. Las translocaciones aumentan la tasa natural de dispersin de la poblacin, influyendo en su xito factores principalmente espaciales, como la distancia entre poblaciones.
Corredores ecolgicos
La dispersin entre poblaciones tambin puede favorecerse mediante el diseo de corredores ecolgicos, que son franjas lineales de hbitat que conectan parches entre s. Los corredores pueden aumentar la tasa de dispersin de algunas especies, pero tambin pueden actuar como barreras para otras e incluso servir como vectores de dispersin de elementos patgenos.
51
Cuando se disea el corredor es importante conseguir que la especie no lo considere como un hbitat permanente, ya que el efecto borde en estas zonas es muy grande (Meffe et al. 1997).
Diseo de reservas
En el diseo de reservas naturales el modelo de metapoblaciones puede ser de utilidad a la hora, por ejemplo, de seleccionar las localidades que son ms propicias para la conservacin de una especie determinada. Una pregunta controvertida que ha causado gran polmica en el diseo de reservas naturales hace referencia a la distribucin del rea a proteger. Qu es mejor, conservar varias localidades pequeas o una nica localidad grande (Lo que se conoce en ingls por el acrnimo SLOSS: Single large or several small) Por un lado varias localidades pequeas pueden disminuir el riesgo de extincin si la tasa de dispersin entre parches es bastante alta y el grado de correlacin espacial de las localidades bajo (nivel de similitud en las fluctuaciones de diferentes subpoblaciones). Si las localidades estn muy correlacionadas las fluctuaciones ambientales afectarn por igual a todas las poblaciones favoreciendo la extincin de la especie. Comparada con una poblacin grande cada una de las localidades ms pequeas es ms vulnerable a la estocasticidad ambiental. Como se ve no existe una solucin nica a este dilema y la respuesta depender no slo de la tasa de dispersin de la especie y del grado de correlacin entre las localidades, sino tambin de otros aspectos como la capacidad de carga de los parches, la tasa de crecimiento de la poblacin, tamao y nmero de poblaciones, etc. El uso de modelos de metapoblaciones permite encontrar una solucin ptima en casos concretos y evaluar diferentes opciones en el diseo de reservas naturales.
Fragmentacin de hbitats
Cuando un hbitat natural se fragmenta la poblacin fragmentada ve incrementado su riesgo de extincin. Como resultado de la fragmentacin el rea total de hbitat disponible se reduce, el movimiento de individuos se restringe debido a la aparicin de barreras, aumenta el efecto borde y no suele disminuir el grado de correlacin entre localidades (Meffe et al. 1997). En esta prctica se estudiar la dinmica y viabilidad de la metapoblacin de un mamfero carnvoro en peligro de extincin, el lince ibrico (Lynx pardinus), cuyos ltimos efectivos viven todava en el sur de Espaa (ver Anexo 5.1). Se utilizar para ello la modelizacin por ordenador mediante el mdulo Multiple Populations del programa RAMAS Ecolab. MATERIAL - Un PC con Multiple Populations de RAMAS Ecolab. - Calculadora. - Papel milimetrado.
52
PROCEDIMIENTO Anlisis de sensibilidad Antes de modelizar la metapoblacin con datos reales, conocidos gracias al estudio cientfico a largo plazo del lince ibrico, es importante conocer qu parmetros contribuyen ms, o tienen una mayor influencia, sobre la supervivencia en el tiempo de una poblacin media o hipottica. Ms especficamente, se trata de hacer variar, sobre un nmero dado de generaciones, los valores de los parmetros poblacionales clave a lo largo de sus respectivos rangos posibles de variacin y comprobar cmo responde la probabilidad de supervivencia de la poblacin hipottica. Este tipo de anlisis se denomina anlisis de sensibilidad y obviamente requiere el uso de un programa informtico. En este caso podemos utilizar tambin el Multiple Populations de RAMAS, con el que calcularemos, no la probabilidad de supervivencia, sino su complementario: la probabilidad de extincin (P(s)= 1-P(e)). Los parmetros clave cuya sensibilidad queremos estudiar son los cuatro parmetros poblacionales que considera el programa: -
(ver Anexo 5.2), ya que se considerarn slo tres clases discretas de edad en la poblacin: cachorros, jvenes y adultos. Survival rate (Tasa de supervivencia), s: es la probabilidad promedio de que un individuo cualquiera de la poblacin sobreviva de la generacin o unidad de tiempo t a la t+1. Initial Abundance (Tamao inicial), N: es el nmero de individuos al comienzo de cada simulacin. Carrying capacity (Capacidad de carga), K: es el nmero mximo de individuos que el hbitat puede mantener en cada parche.
En primer lugar se analizar la sensibilidad de R, para lo cual modelizaremos el comportamiento de la poblacin hipottica de lince partiendo de un valor mnimo hasta llegar a un valor considerado elevado (Ej: 0,1, 0,2, 0,3,.........2,0), mientras se mantienen fijos los restantes parmetros (s = 1; N = 50; K = 50). Se realizar una simulacin sobre 25 generaciones para cada valor de R, obteniendo una probabilidad de extincin (P(e)) en cada simulacin. Si se representan estos valores de P(e) frente a los de R que se han ido introduciendo, se obtendr la curva de sensibilidad de R. De esta misma forma se calcularn las curvas de sensibilidad de los restantes parmetros: s, para R = 1, N = 50 y K = 50 N, para R = 1, s = 1 y K = 50 K, para R = 1,5, s = 1 y N = 50
La forma de las curvas de sensibilidad permitirn evaluar cmo influye cada parmetro por separado en la supervivencia de la poblacin a lo largo de las 25 generaciones consideradas y cul de ellos tiene un efecto ms importante en la misma.
53
Viabilidad de la poblacin actual de lince ibrico En la actualidad, los ncleos de lince ibrico en Doana pueden considerarse subpoblaciones independientes conectadas entre s por dispersin, formando una metapoblacin que se ajusta a un modelo fuente-sumidero (ver Anexo 5.1). Esta metapoblacin est completamente aislada del ncleo ms importante de la especie, situado en la sierra de Andjar. Se utilizar el Multiple Populations de RAMAS para modelizar la dinmica de la metapoblacin de lince ibrico bajo el escenario de su situacin actual, segn los expertos en la especie, con el fin de evaluar su viabilidad en las prximas 25 generaciones. Por simplicidad se considerar que una generacin en el lince corresponde a un periodo temporal de un ao, lo cual no se aleja demasiado de lo que se conoce de la biologa de la especie. Los valores de la tasa de crecimiento y la supervivencia media de cada subpoblacin se calcularn a partir de las correspondientes tablas de vida basadas en estudios de la especie en Doana (Gaona et al. 1998) y datos preliminares de Andjar:
EDAD
0 (cachorros) 1 (jvenes) 2 (adultos) 0 (cachorros) 1 (jvenes) 2 (adultos) 0 (cachorros) 1 (jvenes) 2 (adultos) 0 (cachorros) 1 (jvenes) 2 (adultos) 0 (cachorros) 1 (jvenes) 2 (adultos) 0 (cachorros) 1 (jvenes) 2 (adultos) 0 (cachorros) 1 (jvenes) 2 (adultos)
n
8 5 9 6 4 5 6 4 6 2 1 2 2 1 2 6 4 5 70 45 35
SX
0,5 0,7 0,9 0,4 0,5 0,7 0,5 0,7 0,9 0,4 0,5 0,7 0,4 0,5 0,7 0,5 0,6 0,8 0,6 0,7 0,9
LX
FX
LX * FX
ACEBUCHE
1 0,4 0,2 1 0,5 0,35 1 0,4 0,2 1 0,4 0,2 1 0,5 0,3 1 0,6 0,42
0 0 1,2 0 0 1 0 0 1 0 0 1 0 0 1,2 0 0 2
MARISMILLAS
TORRECUADROS
PUEBLA
MATASGORDAS
ANDUJAR
54
De esta forma, podr completarse la siguiente tabla con los parmetros de cada poblacin que utilizaremos en el programa:
Capacidad de carga
Efecto de la conexin Se estudiar el efecto de la conexin entre los ncleos de Doana y Andjar sobre la persistencia en el tiempo de la poblacin espaola de lince ibrico. Para ello, se aadirn al modelo anterior cuatro parches no ocupados de hbitat favorable para la presencia y reproduccin de la especie. Estos parches actuarn como estaciones intermedias entre ambas poblaciones. Lgicamente, para que algunos individuos de uno u otro ncleo alcance alguno de los parches intermedios, de modo que Doana y Andjar terminen por estar conectadas, deben aumentar las distancias media y mxima de dispersin con respecto al escenario anterior, gracias, por ejemplo, a la creacin de corredores ecolgicos (Ej: recuperacin de riberas como la del Guadiamar) y permeabilizacin de infraestructuras lineales (carreteras, autopistas, vas frreas) mediante pasos especficos de fauna. Este escenario es un ejemplo de situacin futura a la que podra tender la estrategia nacional de recuperacin de la especie. Decisiones de gestin Ante los resultados del anlisis de sensibilidad de los diferentes parmetros poblacionales individuales y de los efectos de la conexin sobre la viabilidad de la poblacin de lince ibrico, cabe hacerse distintas preguntas sobre la estrategia de conservacin a seguir: Es ms eficaz actuar sobre poblaciones grandes o reducidas (Ej: una grande frente a varias pequeas)? Dado el alto coste de crear parches de hbitat favorable, as como corredores ecolgicos y pasos de fauna, merece la pena asegurar la conexin entre Doana y Andjar? Qu otras opciones habra? La introduccin en las poblaciones naturales de animales procedentes de programas de cra en cautividad (refuerzo poblacional) equivale a aumentar la tasa de crecimiento de la poblacin receptora. Dado un coste de 1.000 por el incremento de 1 lince en la capacidad de carga de un parche de hbitat til, de 100.000 por la introduccin de un individuo criado en
55
cautividad, y de 150.000 por aumentar R en 0,1 mediante mejoras de hbitat en cada subpoblacin, y teniendo en cuenta que el presupuesto total del plan de recuperacin del lince ibrico en Espaa es de unos 5.000.000 , qu estrategia sera la ms eficiente para asegurar la viabilidad de la poblacin? Qu tipo de actuaciones incidiran ms directamente en la capacidad de carga del medio para el lince ibrico?
BIBLIOGRAFA Akakaya, H.R.; Burgman, M.A. & Ginzburg, L.R. 1997. Applied Population Ecology. Principles and Computer Exercises using RAMAS Ecolab 1.0. En: Applied Biomathematics. Setauket, New York. Gaona, P.; Ferreras, P. & Delibes, M. 1998. Dynamics and viability of the endangered iberian lynx (Lynx pardinus). Ecological Monographs 68: 349-370. Levins, R. 1969. Some demographic and genetic consecuences of environmental heterogeneity for biological control. Bulletin of the Enthomological Society of America 15: 237-240. Meffe, G.K.; Carroll, C.R. and Contributors. 1997. Principles of Conservation Biology. 2 nd Edition. Sinauer Associates, Inc. Publishers. Sunderland, Massachusetts. Pulliam, H. R. 1988. Sources, sinks and population regulation. American Naturalist 132: 652661.
El lince ibrico Lynx pardinus, un flido de mediana talla (machos: 7,5-15,9 kg; hembras: 6,112,4 kg) endmico de la Pennsula Ibrica, es el miembro de dicha familia ms amenazado del mundo, figurando en la categora de En Peligro Crtico de la Unin Internacional para la Conservacin de la Naturaleza (UICN). Hbitat Los linces habitan reas de matorral mediterrneo, por debajo de los 1300 m de altitud, donde obtienen la mayor parte de sus recursos trficos y de las que raramente se alejan. La estructura ptima de la vegetacin para la especie consiste en grandes arbustos (carrascas, lentiscos, etc.) agrupados en manchas separadas por zonas de pastizal. Evitan zonas abiertas como cultivos, dehesas y marismas, as como plantaciones forestales, que a veces se ven forzados a atravesar durante la dispersin juvenil (Rodrguez, 2002). Ecologa trfica El lince es una especie estenfaga (de dieta de espectro limitado) en la que el conejo (Oryctolagus cuniculus) suele constituir ms del 90% de la biomasa consumida. Otras presas como ciervos (Cervus elaphus), gamos (Dama dama), perdices (Alectoris rufa), micromamferos y antidas son capturados ocasionalmente (Rodrguez, 2002). La densidad de conejo en las zonas linceras es el principal limitante de la abundancia y xito reproductor del lince,
56
necesitando la especie para reproducirse una densidad mnima de esta presa de 1 conejo/ha (Palomares et al. 2001). La densidad de conejo es, por tanto, un determinante directo de la capacidad de carga de las poblaciones de lince. Reproduccin y organizacin social Las hembras cran una vez al ao a partir del segundo ao de vida, aunque las condiciones sociales y ambientales de cada poblacin pueden hacer que la reproduccin se retrase hasta el tercer o cuarto ao. El nmero mximo de cachorros que nacen por parto es de 4, aunque normalmente slo uno o dos sobrevive hasta el inicio de la dispersin juvenil, que se inicia a los 10 meses de vida, con el siguiente periodo reproductor de la madre (Rodrguez 2002). Los linces son solitarios y territoriales, excluyendo del centro de su rea de campeo a subadultos o adultos del mismo sexo. Los territorios de los machos son mayores que los de las hembras y la estrategia de apareamiento tiende a la poliginia (aunque depende de la proporcin de sexos y condiciones ambientales de cada poblacin, Ferreras et al. 1997). La dispersin juvenil dura entre 3 semanas y 18 meses, pudiendo establecerse los jvenes en zonas relativamente alejadas de las reas natales (en la poblacin de Doana: media = 16 km, mximo = 430 km, Palomares et al. 2000). Distribucin y tendencias Originalmente, la especie estaba distribuida por toda la Pennsula, pero ya a mediados del siglo XX haba desaparecido al norte del Sistema Central, as como en el Sistema Ibrico y el arco mediterrneo. Desde entonces la distribucin del lince ibrico se ha restringido al Sistema Central, Montes de Toledo, Sierra de San Pedro, Sierra Morena y las tierras bajas cercanas a la costa de Huelva, al tiempo que se han producido numerosos episodios de extincin local y fragmentacin de la poblacin. En 1988 se identificaron 9 poblaciones constituidas por 48 ncleos con presencia estable de la especie (Rodrguez & Delibes 1990). La regresin poblacional ha continuado desde entonces, de forma que hoy en da slo se puede hablar de dos poblaciones con presencia inequvoca y estable de lince ibrico: la de la Andjar, en Sierra Morena oriental (150-200 individuos, estimas provisionales del MIMAM), y la de Doana (un mximo de 78 individuos estimados en 1998 por Gaona et al., que es la cifra usada en esta prctica, aunque, con toda seguridad, esta cantidad se ha reducido desde entonces, estimndose hoy por hoy en no ms de 30 ejemplares). La densidad media de las poblaciones de lince es de unos 0,06 individuos/km2. Amenazas y medidas de conservacin Las principales amenazas para la supervivencia de las poblaciones de lince ibrico son (Rodrguez, 2002): 1. La homogeneizacin del paisaje en detrimento del mosaico manchas arbustivas/ pastizal favorable a linces y conejos. 2. La desaparicin del monte mediterrneo. 3. La prolongada escasez de conejos causada por sobreexplotacin, cambios de uso de
57
suelo y enfermedades. 4. La elevada mortalidad por causas humanas (control de depredadores, atropellos). La declaracin de espacios naturales, las repoblaciones de conejos, y el manejo del hbitat, no parecen haber frenado la regresin actual, por lo que actualmente se intenta controlar la mortalidad y favorecer la densidad de conejo a travs de convenios de colaboracin con fincas particulares (Rodrguez, 2002). Finalmente, se ha puesto en marcha un plan de cra en cautividad con el fin de acometer un refuerzo de las poblaciones silvestres.
BIBLIOGRAFA Ferreras, P.; Beltrn, J. F.; Aldama, J. J. & Delibes, M. 1997. Spatial organization and land tenure system of the endangered Iberian lynx (Lynx pardinus). Journal of Zoology 243: 163-189. Gaona, P.; Ferreras, P. & Delibes, M. 1998. Dynamics and viability of the endangered iberian lynx (Lynx pardinus). Ecological Monographs 68: 349-370. Palomares, F.; Delibes, M.; Ferreras, P.; Fedriani, J. M., Calzada, J. & Revilla, E. 2000. Iberian lynx in a fragmented landscape: predispersal, dispersal and postdipersal habitats. Conservation Biology 14: 808-818. Palomares, F.; Delibes, M.; Revilla, E.; Calzada, J. & Fedriani, J. M. 2001. Spatial ecology of Iberian lynx and abundance of European rabbit in southwestern Spain. Wildlife Monographs 148: 1-36. Rodrguez, A. 2002. Lince Ibrico. En Palomo, L. J. & Gisbert, J. (Eds.), Atlas de los Mamferos Terrestres de Espaa, pp. 302-305. Ministerio de Medio Ambiente. Madrid. Rodrguez, A. & Delibes, M. 1990. El lince ibrico (Lynx pardina) en Espaa. Distribucin y problemas de conservacin. Coleccin Tcnica ICONA. Madrid.
Anexo 5.2. ESTRUCTURA DE EDADES DE UNA POBLACIN: TABLAS DE VIDA, TASA DE REPRODUCCIN Y TASA INTRNSECA DE CRECIMIENTO Puesto que la fecundidad y probabilidad de muerte de los individuos que componen una poblacin vara con la edad, para comprender la dinmica y el comportamiento de dicha poblacin es necesario conocer su estructura de edades, es decir, el reparto de los individuos en las distintas clases de edad, as como los valores correspondientes de supervivencia y fecundidad. Esta informacin puede organizarse en una en una tabla de vida como la siguiente:
58
Edad (x) 0 1 2 3 4 5
n 200 100 70 63 19 0
FX 0 0 1 5 0,8
x= w
En la poblacin que se describe en esta tabla de vida, los individuos se distribuyen en 5 clases de edad, siendo n0= 200 el nmero de recin nacidos que forman una cohorte. La columna sX muestra las probabilidades de supervivencia de cada clase de edad, o lo que es lo mismo, la fraccin de individuos de la edad x que sobreviven a la edad x+1. Igualmente, la tabla puede mostrar el complementario de este valor, es decir la tasa de mortalidad de cada clase de edad (mX = 1- sX), o fraccin de individuos que mueren a la edad x. Otra forma de expresar la supervivencia es la llamada funcin de supervivencia LX que representa la fraccin de recin nacidos que sobreviven a la edad x o ms. Puesto que, por definicin, la totalidad de los recin nacidos estn vivos a la edad x = 0, entonces L0 = 1 (expresado como probabilidad). La probabilidad de supervivencia de un recin nacido hasta la edad x = 1 es la tasa de supervivencia asociada a la edad x = 0, por lo que L1 = s0. Y la probabilidad de que ese recin nacido sobreviva hasta la edad x = 2 es el producto de la probabilidad anterior por la tasa de supervivencia correspondiente a la edad x = 1, es decir, L2 = s0*s1. Por tanto, la funcin de supervivencia puede expresarse como:
Lx = s0*s1*.* sx-1
La fecundidad especfica de cada clase de edad Fx representa el nmero promedio de descendientes producidos por un individuo de la edad x a esa misma edad x. La suma de la fecundidad especfica para cada clase de edad, es decir,
x= w x= 0
Fx
representa el nmero total de descendientes producidos por un individuo medio en ausencia de mortalidad, o tasa bruta de reproduccin. Ms realista resulta el nmero de descendientes producidos por un individuo bajo las condiciones medias de mortalidad, o tasa neta de reproduccin, expresada como
R0= Lx*Fx
x= 0
x= w
59
R0 tambin puede definirse como el nmero de descendientes que un individuo medio de la generacin t transmite a la generacin t+1, es decir que el nmero de individuos que forman la poblacin en la generacin t+1 est determinado por el nmero de individuos en la generacin t y por R0, lo que puede expresarse como: Nt+1= R0* Nt, o bien R0= Nt+1/Nt
La tasa neta de reproduccin es una tasa finita, ya que opera sobre intervalos de tiempo discretos como el tiempo de generacin de la especie. Es, por tanto un nmero positivo, de forma que si R0 > 1, la poblacin crece de una generacin a la siguiente R0 < 1, la poblacin decrece R0 = 1, la poblacin se mantiene estable entre generaciones R0 se relaciona con la tasa intrnseca de crecimiento de la poblacin r, que es una tasa instantnea resultante del balance de las tasas intrnsecas de nacimientos (b) y muertes (m), mediante la ecuacin
R0 = ert
donde t es el tiempo en que tarda en transcurrir una generacin. Ntese que si r = b-m, r puede tener valor negativo, por lo que si r > 0, la poblacin aumenta, r < 0, la poblacin disminuye r = 0, la poblacin permanece estable La tasa de crecimiento (Growth rate, R) que considera el programa Multiple Populations de RAMAS es en realidad la tasa neta de reproduccin aqu definida.
BIBLIOGRAFA Begon, M., Harper, J.L. y Townsend, C.R. 1999. Ecologa. Individuos, poblaciones y comunidades. Omega. Barcelona. Rodrguez, J. 2001. Ecologa. Pirmide. Madrid.
60