Composición de lombrices de
tierra y su relación con factores
ambientales
Cynthia Ramos
10 de mayo de 2007
Introducción
� Oligoquetos son organismos cosmopolitas
� Su distribución se ve afectada por varios
factores
� El factor limitante más importante es la
disponibilidad de alimento
� También se ven afectadas por el tipo de
suelo, humedad, temperatura, luz, entre
otros.
� Esta investigación propone dilucidar qué factor abiótico tiene mayor efecto sobre la composición de especies.
Materiales y métodos
Datos utilizados
� Datos de la tesis doctoral de la Dra. Sonia Borges
� Muestreos se hicieron en todo Puerto Rico, el área y profundidad varía entre ellos
� Se hizo un escogido de 29 de los 112 muestreos utilizando un generador de números al azar
Datos utilizados
� Las lombrices se contaron y fijaron en el campo y se identificaron en el laboratorio
Variables ambientales
� Los datos de las variables ambientales (temperatura, precipitación y elevación) también se obtuvieron de la tesis de la Dra. Borges
� Se usaron mapas de suelo y mapas de zonas de vida para esta información
Metodología
� Preparación de datos:
� Resumen de filas y columnas
� Eliminar especies raras (se eliminaron 7)
� Transformación logarítmica
� Análisis de rezagados (no se detectaron
rezagados)
NMS
� Programa: PC-ORD
� Medida de distancia: Sorensen
� Configuración al azar
� Corridas con datos reales: 15
� Corridas Monte Carlo: 30
� Criterio de estabilidad: 0.00001
Especies indicadoras
� Programa: PC-ORD
� Medida de distancia: Sorensen
� Iteraciones Monte Carlo: 1000
� Corrido para zonas de vida y tipo de suelo
Grupos de zonas de vida
� Bosque húmedo subtropical (1)� 12 integrantes
� Bosque muy húmedo subtropical (2)� 13 integrantes
� Bosque muy húmedo montano bajo (3)� 3 integrantes
� Bosque pluvial montano bajo (4)� 1 integrante
Grupos de tipos de suelo
� Inceptisols (1)
� 9 integrantes
� Mollisols (2)
� 2 integrantes
� Alfisols (3)
� 3 integrantes
� Ultisols (4)
� 13 integrantes
� Oxisols (5)
� 2 integrantes
Resultados
Scree plot - NMS
� Sugiere el uso de una sola dimensión
Resultados NMS
� El primer eje explica el 64% de la variabilidad.
� Stress de la mejor solución: 31.78
� Iteraciones para la solución final: 40
� p (Monte Carlo): 0.0323
Resultados NMS
Stress in randomized data
(30 runs)
Stress in real data
(15 runs)
0.225843.0213.488.8411.3710.6510.134
0.258142.1716.3611.6615.7014.6213.953
0.096825.6121.8418.2923.1420.6519.612
0.032356.8745.9832.0755.6340.6031.781
pMaxMeanMinMaxMeanMinEjes
Ordenación NMS
Especies con más afinidad al
primer eje
� Estherella gatesi (E. gat):
� r = 0.593
� Estherella montana (E. mon):
� r = 0.630
� Trigaster longissimus (T. lon):
� r = 0.573
Estherella gatesi
Estherella montana
Trigaster longissimus
Factor abiótico con más
afinidad al primer eje
� Precipitación:
� r = 0.581
Precipitación
Especies indicadoras de tipo de
sueloGrupos al azar
21.9
23.9
24.9
24.5
24.3
25.7
24.0
26.4
26.1
24.2
25.5
29.0
28.0
28.1
Mean
0.709014.5415.4T. sed
0.209013.9333.3T. lon
0.515015.1123.1A. dif
0.789013.5113.3P. mel
0.270013.1533.3E. mon
0.063012.7044.4E. gat
0.524015.1620.4P. spi
0.906014.4613.8P. Cyn
0.922014.5213.3Po. Elo
0.283013.1330.8Eu. eug
0.794012.7717.1D. bah
0.823011.3917.7A. rod
0.66703.9626.0P.cor
0.370013.6928.0O. wid
pS. DevObs. IVEspecies
Especies indicadoras de
zonas de vidaGrupos al azar
0.56308.5513.515.4T. sed
0.00809.3714.366.7T. lon
0.25309.2816.423.1A. dif
0.71409.2416.79.9P. mel
0.00809.7114.066.7E. mon
0.00209.4817.6100E. gat
0.91109.8616.45.8P. spi
0.796010.3718.89.9P. cyn
0.162011.4921.728.5Po. elo
1.0008.7816.46.8Eu. eug
0.134010.5820.526.9D. bah
0.347010.2732.133.2A. rod
0.98605.1438.729.6P.cor
0.531010.9226.623.6O. wid
pS. DevMeanObs. IVEspecies
Especies indicadoras
� Se encontró que Estherella gatesi es una especie indicadora muy fuerte de bosque muy húmedo montano bajo
� IV = 100, p = 0.0020
Discusión
� Los resultados sugieren que tres especies tenían correlación con el primer eje:� Estherella gatesi
� Estherella montana
� Trigaster longissimus
� La precipitación también presenta una correlación con el primer eje.
� Los resultados de NMS insinúan relaciones entre especies y factores abióticos con el primer eje, sin embargo, esto no significa que la ordenación fue exitosa.
� Aunque la mayoría de la variabilidad de los
datos se explica por el primer eje de
ordenación, el error obtenido por la prueba
de NMS sugiere que los datos no son
apropiados para esta prueba.
� Los resultados obtenidos en NMS se
pueden deber a una alta cantidad de ceros
en la matriz
� No se encontró una especie indicadora de tipo de suelo.
� Podría deberse a los datos usados. Tal vez sea más pertinente usar datos sobre el suelo (pH, humedad temperatura, etc.) para ver si existe alguna relación.
� Por otro lado, si se encontró que Estherella gatesi es una excelente indicadora de la zona de vida de bosque muy húmedo montano bajo
� No es sorprendente, pues esta lombriz sólo se colectó en muestreos llevados a cabo en Luquillo.
� Los resultados sugieren que esta prueba
estadística se puede usar para determinar
especies de lombrices indicadoras.
� Sería interesante usar estos métodos para
analizar datos de regeneración de bosques
en terrenos agrícolas abandonados y
determinar si alguna especie indica cómo
se usaba el terreno en el pasado (siembra
de caña, café, pastoreo, etc.)
Referencias
� Borges, S. 1988. Los oligoquetos de Puerto Rico. Tesis doctoral.
� McCune, B. and J.B. Grace. 2002. Analysis of Ecological Communities. MJM Software Design, Oregon. 297 pp.
Top Related