presentación 4 - herramientas selecvar, elcmapas y ecogeo
Post on 20-Aug-2015
24 Views
Preview:
TRANSCRIPT
Herramientas
SelecVar, ELC mapas,
ECOGEOMauricio Parra QuijanoConsultor FAOTratado Internacional sobre los Recursos FitogenéticosPara la Alimentación y la AgriculturaCoordinador Programa CAPFITOGEN
SelecVar
Permite seleccionar las variables ecogeográficas más importantes y menos redundantes para la obtención de mapas ELC (objetivos) y SDM (Modela)
SelecVar
Por qué esta planta/población está aquí?
Y por qué no aquí?... O por qué cuando se trasloca la población y se le proveen mejores condiciones, su comportamiento es:
Cuales factores abióticos ocultos u obvios están influenciando la
adaptación?
Las herramientas CAPFITOGEN incluyen 105 variablesecogeográficas
67 bioclimáticas7 geofísicas31 edáficas
Para qué seleccionar un subconjunto de variables de importancia en la
adaptación?
Para obtener mapas que reflejen los diferentes escenarios ecogeográficos que realmente ocurren en el territorio objetivo para la especie objetivo
Para obtener modelos de distribución de especies mucho más válidos y fiables
Como seleccionar conjuntos de las más importantes variables?
Cuáles variables son las más importantes para crear grupos los cuales representan escenarios similares de adaptación de plantas?
• Clustvarsel• Random Forest
Precipitation1
Temperature12
Soil3
Landscape3
Grupos
1
2
3
4
5Dat
os d
e pr
esen
cia
de S
p
Precipitation1Tem
perature12
Soil3
Landscape3
Cuáles variables proveen información diferente/complementaria y tienen la mayor capacidad para discriminar?
• Análisis de Componentes Principales (PCA)
Precipitation1
Temperature12
Soil3
Landscape3CS2
CS3
CS1tmax11
bio1bio3
tmin2
Como seleccionar conjuntos de las más importantes variables?
Cuáles variables están relacionadas con otras, produciendo redundancia al ser introducidas?
• Análisis de correlación bivariada
Precipitation1Precipitation2Precipitation3Precipitation12
Temperature1Temperature5Annual temp
Soil2Soil3
Landscape3
P12P1P3P2
T5T1AT
S2
S1
L1
PRECIPITATION
TEMPERATURE
SOIL
landscape
PRECIPITACIÓN
TEMPERATURA
SUELO
PAISAJE
Como seleccionar conjuntos de las más importantes variables?
ELCmapas
Permite obtener mapas de caracterización ecogeográfica del terreno (ELC) que reflejan escenarios adaptativos para una especie (o grupos de especies) y un país o región determinada
Caracterizar un territorio
Selección de las variables
Variables Geofísicas
Análisis de agrupamientos
DeterminaciónNúmero óptimo
grupos
Combinación(N bioclimáticos*N geofísicos*N edáficos)
Categorías
MAPA
Descripción Categorías por variables originales
Variables Edáficas
Análisis de Agrupamientos
DeterminaciónNúmero óptimo
grupos
Variables Bioclimáticas
Análisis de Agrupamientos
DeterminaciónNúmero óptimo
grupos
Cómo se hace un mapa ELC?
Conocimiento experto
• Los expertos y conocedores de una especie son una valiosa fuente de información
• Las encuestas son un medio eficiente para recabar información de conocimiento experto (internet/correo electrónico, encuentros, talleres, etc.)
• Se hacen listas de variables por componente, con detalles sobre la naturaleza de las variables (explicación de códigos, unidades de la variable, fuente, etc.) y se pide asignar un valor en base a la importancia que tendría la variable en la adaptación de la especie.
Búsquedas bibliográficas sobre factores preponderantes en la adaptación de una especie objetivo
Selección de las variables I
Selección de las variables II
Depuración:
• Redundancia? Correlación? Colinealidad?
• Análisis de correlaciones bivariadas, PCA, factor de inflación de la varianza VIF (comparación de las relaciones lineales entre variables – solo en regresión)
• Significancia. A través de un análisis de regresión múltiple contando con una variable dependiente (que nos de una idea de adaptación).
x1
x2
x1
x1
x1
Que tipo de mapa quiere hacer?
De acuerdo al enfoque del análisis, el mapa ELC puede ser:
1. Mapas generalistas
2. Mapas por Especies/Acervo genético/Género
Define los ambientes mayores para un gran número de especies (emparentadas o no). Para la mayoría de esas especies, el mapa ELC debería discriminar los diferentes escenarios adaptativos en el área objetivo. Se espera encontrar relaciones no ajustadas entre las características adaptativas de un grupo menor de especies y el mapa (ver Parra-Quijano et al., 2012).
Definen con más detalle los ambientes clave para una especie en particular o un set de especies genéticamente emparentadas y de número limitado. Se espera un ajuste muy alto entre el mapa y características adaptativas de la especie objetivo.
Resultados ELCmapas
• Mapas (se pueden abrir con DIVA-GIS) y tablas que describen cada categoría.
ECOGEO
Permite hacer caracterizaciones ecogeográficas de los sitios de recolección del germoplasma
0 cm
5 cm
10 cm
Longitudentrenudos= 5.56 cm
1 2 3
1 0 10 1 0
= presente = 1= ausente = 0
NO del germoplasma
Sino del sitio de recolección
ECOGEO es una caracterización
Proceso caracterización ecogeográfica
Matriz de caracterización(identificadorentrada vsdescriptoresEcogeográficos)
Tabla datospasaporte
SIG
Elevación
Temp media anual
Carbón Orgánico suelo
pH suelo sup
….….
Y
X
Extracción puntual o radial?
2 4 3
1 3 2
1 3 2
1
1
3
1 1 3 4
Variable ecogeográfica x
NA
NA
NA
NA
1 1 3 4NA
ACCENUMB VARIABLE
a NA
b NA
c 2
2 4 3
1 3 2
1 3 2
1
1
3
1 1 3 4
NA
NA
NA
NA
1 1 3 4NA
a
b
c
Distribución entradasen datos pasaporte
2 4 3
1 3 2
1 3 2
1
1
3
1 1 3 4
NA
NA
NA
NA
1 1 3 4NA
Superimposición SIG Resultado extracción
ACCENUMB VARIABLE
a NA (1)
b 1
c 3
a
b
c
Verdadera ubicación
a=68
b=65
c=50
GEOQUALincertidumbre
Radio (tamp)
Extracción radial
2 4 3
1 3 2
1 3 2
1
1
3
1 1 3 4
NA
NA
NA
NA
1 1 3 4NA
ACCENUMB VALORES CAPTURADOS
PROMEDIO
a NA,1,1 1
b NA,1,1 1
c 3,2,1,3,2,3
2.333
Superimposición SIG
Resultado extracción radial
ACCENUMB VARIABLE
a 1
b 1
c 3
Extracción correcta
ACCENUMB VARIABLE
a NA
b NA
c 2
Extracción puntual
1
1
2.333
Extracción radial
Matrizde caracterización
40
9-0
93
20
-05
31
9-0
53
18
-05
31
7-0
53
15
-05
31
6-0
54
05
-09
39
1-0
73
90
-07
38
6-0
93
85
-07
38
6-0
73
75
-06
40
6-0
93
23
-05
37
6-0
73
21
-05
40
1-0
83
11
-05
37
2-0
63
77
-07
30
7-0
53
69
-06
29
9-0
53
68
-06
53
0-0
95
28
-09
52
7-0
95
23
-09
52
4-0
93
78
-07
37
9-0
75
26
-09
50
4-0
9-v
50
4-0
95
03
-09
-v5
03
-09
50
1-0
95
02
-09
50
7-0
95
34
-09
53
3-0
95
31
-09
53
2-0
93
00
-05
54
1-0
95
40
-09
53
6-0
95
35
-09
52
2-0
95
29
-09
53
9-0
95
37
-09
53
8-0
93
08
-05
41
4-0
92
76
-05
27
7-0
53
06
-05
35
7-0
63
65
-06
36
6-0
65
05
-09
-v5
25
-09
41
5-0
92
85
-05
28
3-0
52
84
-05
54
6-1
04
03
-09
40
2-0
93
55
-06
35
6-0
63
04
-05
30
2-0
53
03
-05
34
9-0
63
37
-06
33
8-0
63
97
-08
35
3-0
63
96
-08
41
3-0
95
16
-09
45
4-0
94
55
-09
41
2-0
92
79
-05
28
1-0
52
87
-05
28
0-0
52
91
-05
30
9-0
53
89
-07
39
2-0
73
24
-06
35
0-0
63
51
-06
52
1-0
9-v
52
1-0
95
20
-09
-v5
19
-09
-v5
19
-09
51
8-0
9-v
51
8-0
95
17
-09
-v5
17
-09
51
6-0
9-v
51
5-0
9-v
51
5-0
95
14
-09
-v5
14
-09
46
5-0
94
64
-09
46
3-0
94
62
-09
46
1-0
94
60
-09
45
9-0
94
58
-09
45
6-0
94
57
-09
50
6-0
9-v
50
5-0
95
06
-09
51
3-0
9-v
51
3-0
95
12
-09
-v5
12
-09
51
1-0
9-v
51
1-0
95
10
-09
-v5
10
-09
50
9-0
9-v
50
9-0
95
08
-09
50
8-0
9-v
26
8-0
52
88
-05
28
9-0
53
61
-06
34
1-0
63
60
-06
29
2-0
55
48
-10
34
8-0
63
47
-06
34
6-0
63
45
-06
34
3-0
63
42
-06
33
5-0
63
34
-06
33
3-0
63
32
-06
32
7-0
6-v
32
5-0
62
93
-05
29
8-0
55
51
-10
29
7-0
52
96
-05
29
5-0
52
94
-05
26
2-0
52
63
-05
41
0-0
94
11
-09
41
7-0
94
18
-09
39
3-0
72
75
-05
39
4-0
75
49
-10
55
2-1
05
50
-10
39
5-0
74
04
-09
26
6-0
53
80
-07
27
4-0
54
67
-09
41
6-0
94
66
-09
38
3-0
73
82
-07
26
9-0
52
65
-05
26
7-0
53
81
-07
27
3-0
52
72
-05
27
0-0
52
71
-05
30
1-0
52
82
-05
30
5-0
55
07
-09
-v4
53
-09
45
2-0
94
50
--0
94
51
-09
02
46
8
Cluster analysis - Ecogeographic characterization
hclust (*, "average")ecogeodist
He
igh
t
d = 1
2 3
4
5
6 7
8 9 10 11 12
13 14
15 16
17
18
19
20
21 22 23
24
25 26
27 28 29
30 31 32 33
34
35
36
37
38 39 40
41
42
43
44
45 46
47 48 49 50 51 52
53 54
55
56 57 58 59 60 61
62 63
64 65 66 67 68 69 70
71
72 73
74
75 76
77
78 79
80 81
82
83
84
85
86 87
88 89
90 91 92 93
94 95 96 97
98 99
100
101
102
103
104 105
106
107 108
109
110
111
112
113
114
115
116
117
118
119
120
121
122 123 124 125
126 127
128 129 130 131 132 133 134 135 136 137
138 139
140 141 142 143 144 145
146
147
148 149
150
151
152 153 154 155 156 157 158 159 160 161 162 163
164 165 166 167
168
169 170 171 172 173 174 175 176 177 178
179
180 181
182
183 184 185
186
187
188 189 190 191
192 193 194 195 196
197 198
199
200 201 202
203 204
DECLATITUDE
alt
northness
slope
bio_18
bio_1
t_clay
t_sand
t_oc t_silt
t_ph_h2o
Eigenvalues
Análisis de los datos
top related