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).



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



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



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.



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)

HERRAMIENTAS ESTADÍSTICAS PARA LA EVALUACIÓN DEL …

Documents

Transcript of HERRAMIENTAS ESTADÍSTICAS PARA LA EVALUACIÓN DEL …