Una aproximación multivariada para identificar la escala de análisis en estudios de asociación entre comunidades de aves y la composición del paisaje

Abstract

Los Sistemas de Información Geográfica (SIG) y la disponibilidad de imágenes satelitales proveen una fuente de información que ha permitido el desarrollo de numerosos estudios de la distribución de especies y su relación con variables ambientales. La escala a la que se analiza el fenómeno de interés no es trivial y muchas veces no es claro cuál es la más adecuada. Las aproximaciones metodológicas basadas en métodos algorítmicos, como las técnicas de reducción de la dimensión, permiten explorar grandes conjuntos de datos sin necesidad de asumir un modelo estocástico subyacente. En este trabajo se propone una aproximación multivariada para identificar la escala de análisis en estudios de co-variación entre comunidades y la composición del paisaje. La metodología propuesta se basa en el ordenamiento multidimensional de los datos correspondientes a comunidades de aves y de los datos de composición paisajística, con una posterior cuantificación del consenso entre ambas ordenaciones. Asimismo, se comparan las escalas espaciales a la cual dicha co-variación es máxima entre distintos gremios y grupos de aves. Se utilizaron los datos provenientes del relevamiento de aves en 46 transectas en las Sierras Grandes de Córdoba. La composición del paisaje se estimó a distintas escalas para cada transecta, extrayendo la información de áreas de distintos tamaños de un SIG. La asociación entre ambos sets de variables (densidades de especies y proporciones de tipos de hábitat) se estimó a partir del Análisis de Co-inercia. Las escalas y la magnitud de la máxima co-variación difirieron entre gremios, la comunidad en total y las aves endémicas. La distribución de especies de aves endémicas en la zona de estudio presentó mayor co-variación con la composición del paisaje en áreas mayores que los otros agrupamientos (35-40 ha). Identificar las escalas de mayor asociación entre comunidades y el ambiente es importante tanto para la comprensión de los mecanismos por los cuales los organismos responden al paisaje como para el manejo del hábitat. El algoritmo propuesto representa una herramienta para contribuir con estudios destinados a explorar la variación de patrones y procesos en distintas escalas espaciales sin necesidad de asumir asociaciones ni distribuciones de probabilidad a priori.

The increasing availability of Geographic Information Systems (GIS) and satellite images has allowed the development of numerous ecological studies where the relationship among the distribution of species is associated with environmental variables at large scales. Many of these studies have emphasized the importance of landscape-scale structure and composition in the distribution and abundance of many species. The scale at which different species respond to habitat in the landscape is an important matter not easy to deal with. Algorithmic methods, such as dimension reduction techniques, can be used on large complex data sets without a priori assumptions. In this work we propose a multivariate approximation to identify the spatial scale of analysis to study the co-variation between communities and landscape composition. The proposed methodology is based on multidimensional ordinations of species densities and of landscape composition with a posterior quantification of the consensus between both ordinations. Bird communities composition data surveyed in 46 transects in the Sierras Grandes of Córdoba were used. Landscape composition was estimated from a GIS at different spatial scales for each transect. The association between both data sets was quantified with Co-inertia Analysis. The scales of maximum co-variation were compared between different groupings of species such as guilds and endemic species. The spatial scales and magnitudes of maximum co-variation differed between the whole community, guilds and endemic species. The distribution of endemic species showed maximum co-variation with landscape compositions at larger areas than other groups of species (35-40 ha). Identifying the scales at which birds respond most strongly to landscape composition could guide habitat management, ensuring that efforts are applied at appropriate scales. Finding the major scales of response could also provide insight into the mechanisms by which birds respond to their surroundings. The proposed algorithm represents a contribution to studies focused on the exploration of the variation of patterns and processes at different spatial scales without the need to assume a priori associations or distributions.