HERRAMIENTAS ESTADÍSTICAS PARA LA EVALUACIÓN DEL …
Transcript of HERRAMIENTAS ESTADÍSTICAS PARA LA EVALUACIÓN DEL …
1
Departamento de Ecología e Hidrología
IMPACTO AMBIENTAL DE LA ACUICULTURA
Máster Universitario: Gestión de recursos pesqueros y acuicultura
Facultad de Biología
HERRAMIENTAS ESTADÍSTICAS PARA LA
EVALUACIÓN DEL IMPACTO AMBIENTAL DE LA
ACUICULTURA
Carlos Sanz Lázaro
Introducción
2
Introducción
Las actividades humanas suelen generar impactos ambientales
como es el caso de la acuicultura. Para que una actividad sea
sostenible y se pueda desarrollar de forma continuada, los impactos
ambientales no deben sobrepasar los niveles previamente definidos
y considerados como admisibles. Por tanto, es necesario tener
herramientas que nos permitan realizar una evaluación ambiental
adecuada que garanticen que los impactos ambientales no
sobrepasen los niveles admisibles.
Una de las variables de mayor información y precisión en la
evaluación del impacto ambiental de la acuicultura es la comunidad
de la macrofauna bentónica. En consecuencia, es una variable de
amplio uso y en la que nos vamos a centrar en esta práctica.
Objetivos
Utilizando datos de macrofauna bentónica y variables ambientales
de muestreos previos vamos a realizar diversas rutinas estadísticas
univariantes y multivariantes que son básicas en la evaluación
ambiental de la acuicultura.
3
Programa Primer v7 de prueba
https://www.primer-e.com/download/
Abrir: Open: File>Open>(Files of type > Excel Files) > name: Abundante
matrix. Ready.xls
Orientation: Samples as columns
Data type: Abundance
1. Índices faunísticos
Analyse>DIVERSE
Marcar: “Results to worksheet”
Shannon>Log base, tick en “2”, quitar tick en “e”
2. Select variables, factors Botón derecho en la matriz. Select variables>Use tose that contribuye at least 4% (probar otras) Factors>Add. Name: “Distance”
1. = 0 m
2. = 35 m
3. = 145 m
4. = 800 m
3. Pre-treatment
Pre-treatment>Transform (overall)Trasformation Square root (ver otras
transformaciones)
4
4. Análisis de similaridades. Resemblances: similarities, dissimilarities and distances
Seleccionar: Analyse>Resemblance> Bray-Curtis similarity -Analyse
between Samples ––
5. Clustering
Analyse>CLUSTER – Group average. Activar en este paso “SIMPROF test” y “Plot dendrogram”. En siguiente ventana quitar tick a “Create factor”.
SIMPROF method
El test de perfiles de similaridad (SIMPROF) es un test de permutaciones
de la hipótesis nula que un conjunto específico de muestras, las cuales no
están a priori divididas en grupos, no difieren una de otra en la estructura
multivariante. El perfil esperado se obtiene permutando las entradas de
cada variable a través de subgrupos de muestras, separadamente para
cada variable. Esto produce la condición nula en la cual las muestras no
tienen ninguna estructura de grupo, y las simulaciones fijan fielmente los
valores de la variable. El gráfico generado representa un perfil medio y el
rango del 95 % de similaridad. Las distancias sumadas absolutas (π) entre
el perfil de similaridad real y el perfil medio simulado es el test estadístico.
Para realizar el test SIMPROF hay que ir directamente a la matriz
transformada (no a la matriz de similaridades) y seleccionar.
5
Una vez que tenemos el gráfico probar a rotar el dendrograma con el
puntero del ratón. En la barra superior de Graph seleccionar Samp.
Labels & symbols>Plot > by factor.
Group average
1,2
1,4
1,1
1,3
2,4
2,1
2,2
2,3
4,1
4,2
4,3
4,4
3,3
'
3,1
'
3,2
'
3,4
'
Samples
100
80
60
40
20
Sim
ilarity
Transform: Square root
Resemblance: S17 Bray Curtis similarity
6
6. Non-metric multi-dimensional scaling (MDS)
Partiendo de la matriz de similaridad realizar: Analyse>MDS>Non-metric
MDS (nMDS) (Number of restarts: 50) y activar> Shepard diagrams
En la gráfica del MDS pulsar botón derecho>Samp. Labels & symbols
- Relacionar el gráfico MDS con el Dendrograma: En Graph> Special> Overlays> Overlay clusters y seleccionaremos el
nivel de > Resemblance levels> adecuado (40 y 55).
Transform: Square root
Resemblance: S17 Bray Curtis similarity
Distance0
35
145
800
2D Stress: 0,09
7
- En la barra superior del gráfico señalar >Rotate data> y > rotar con la punta del ratón
- Graph>Properties>Factor lavels (Factor plot>factor name: distance gp)
- Graph>Properties>Symbols
- Bubble plots: En Graph> Special> activar > “2D” y “Bubble Plot” Bubble data: Abundante matrix. Ready
Variable: Probar con varias
Se puede utilizar para explorar variables biológicas o variables
ambientales
Explorar otras posibilidades como factor “levels” o nombre de especies
Transform: Square root
Resemblance: S17 Bray Curtis similarity
Distance0
35
145
800
Similarity40
55
2D Stress: 0,09
8
- Environment bubble plots File>Open>(Files of type > Excel Files) > name: Environmental variables.
Transect. Ready.xls)>Excel worksheet: Ready fro PRIMER> Next>
Open>(type-Environmental)> Data type Simple data)> Next (Title, row
labels, orientation samples as columns, data type environmental, blank
Missing values) > Finish
- Bubble plots: En Graph> Special> activar > “2D” y “Bubble Plot” Bubble data: Environmental variables. Transect. Ready
Variable: Probar con varias
Transform: Square root
Resemblance: S17 Bray Curtis similarity
Capitellidae
9
36
63
90
1,1
1,2
1,3
1,4
2,12,2
2,3
2,4
3,1'
3,2'
3,3'
3,4'
4,1
4,2
4,3
4,4
2D Stress: 0,09
9
Shepard diagrams Indica las medidas de estrés partiendo de puntos (azules) de la mejor línea
de regresión ajustada (negro). La regresión no necesita ser lineal.
Accuracy & fit scheme Un cambio en el Minimum stress: 0.001 podría tanto incrementar la
precisión con el cual los valores de estrés son puestos en la gráfica, y
también disminuir (de 0.01 a 0.001) el límite más bajo de estrés al cual la
interacción decide que había efectivamente alcanzado una solución
perfecta. Otra opción del programa es: Kruskal fit scheme1 que permite a
las disimilaridades que son iguales (filas enlazadas) ser representadas en
una ordenación final por distancias que no son iguales.
Transform: Square root
Resemblance: S17 Bray Curtis similarity
AVS
80
320
560
800
1,1
1,2
1,3
1,4
2,12,2
2,3
2,4
3,1'
3,2'
3,3'
3,4'
4,1
4,2
4,3
4,4
2D Stress: 0,09
10
7. ANÁLISIS DE COMPONENTES PRINCIPALES (PCA)
File> Environmental variables. Transect. Ready.xls
Plot>Draftsman Plot
Marcar: “Correlation ot worksheet”
Ver las correlaciones.
2
3
4
5
OM
5
6
7
8
CO
T
0,08
0,10
0,12
NT
0,05
0,10
0,15
0,20
0,25
PT
2
3
4
NH
4
100
200
300
Rx
200
400
600
AV
S
2 4 6
Fines2 3 4 5
OM5 6 7 8
COT0,08 0,10 0,12
NT0,05 0,10 0,15 0,20 0,25
PT2 3 4
NH4100 200 300
Rx
11
- Pre-treatment> Normalise variables
- Draftsman Plot
- Pre-treatment> Transform (overall)>Transformation: fourth root.
- Draftsman Plot
Comparar Draftsman plot con datos con la matriz original, con los datos
normalizados y con los datos transformados.
-2
-1
0
1
OM
-2
-1
0
1
CO
T
-1
0
1
NT
-1
0
1
2
PT
-1
0
1
NH
4
-1,0
-0,5
0
0,5
1,0
Rx
0
1
2
AV
S
-1 0 1
Fines-2 -1 0 1
OM-2 -1 0 1
COT-1 0 1
NT-1 0 1 2
PT-1 0 1
NH4-1,0 -0,5 0 0,5 1,0
Rx
12
- Usando la matriz normalizada: Analyse>PCA, Marcar Plot results y Scores to a worksheet.
- Ahora analizaremos la representación gráfica del PCA. A continuación, interpretar los Eigenvalues, Eigenvectors y Scores.
- En Graph>Special retirar los vectores sobreposicionados desactivando “Show variable vector” y activar Overlay trajectory >Trajectory numeric factor: Site. Si no existe el factor Site introducir a través de Edit>Factors>Add>(Escribir el nombre del factor: SITE y poner una numeración).
-4 -2 0 2 4
PC1
-2
0
2
PC
2
1,1
1,2
1,3
1,4
2,1
2,2
2,3
2,4
3,1'
3,2'
3,3'3,4'
4,14,2
4,3
4,4
Fines
OM
COT
NTPT
NH4
RxAVS
13
- Para realizar un gráfico tridimensional seleccionar en Graph>Special 3D Scatter. En la cabecera del programa hay la posibilidad de girar el gráfico (rotate axes).
-4 -2 0 2 4
PC1
-2
0
2P
C2
1,1
1,2
1,3
1,4
2,1
2,2
2,3
2,4
3,1'
3,2'
3,3'3,4'
4,14,2
4,3
4,4
Fines
OM
COT
NTPT
NH4
RxAVS
PC1
-4-2
0
2
4
PC
2
-2
0
2P
C3
-2
0
24,2
4,1
1,4
1,33,3'4,3
1,2
2,33,4'1,1
3,2'
4,4
3,1'
2,1
2,42,2
Fines
OMCOT
NT
PT
NH4
Rx AVS
14
8. Procedimiento BIO-ENV - En la matriz de datos ambientales normalizada, Analyse>Resemblance>Euclidean distance - En la matriz de datos transformados, Analyse> BEST> BIOENV(Resemblance matrix : Resem1) & Resemblance> Measure : Euclidean distance) & Select variables> 9. SIMPER Desde la matriz transformada de los datos biológicos, Analyse>SIMPER>(Design – one way) (Factor A: Distance) (Measure: Bray-Curtis similarity)