Tutorial: Quiero hacer un análisis de endemismo con VNDM y no tengo idea como empezar...

Szumik et al. (2002) propone el análisis de endemismo (AE); el procedimiento consiste en evaluar la concordancia en la distribución de las especies de un área predefinida (o un conjunto de celdas). El método permite evaluar distintos tamaños de celda, esto permite describir el efecto causado por esta variable (escala espacial) en la identificación de áreas de endemismo; también es posible asignar presencias asumidas. Uno de los aspectos más relevantes es el cálculo del índice de endemicidad del área, este es igual a la suma de los IE de las especies endémicas del área propuesta, de manera que cuanto más especies endémicas presente un área, y cuanto mayor sea su grado de endemicidad, el grupo de celdas estará mejor apoyado como “área de endemismo” (Szumik & Goloboff, 2004). También puede calcularse áreas de consenso, análogamente a los consensos de árboles en filogenia, resumen la información común contenida en aquellas áreas individuales que comparten un porcentaje dado de especies endémicas, facilitando en gran medida la comparación y evaluación de los resultados (Szumik et al., 2006).

Referencias

Goloboff P. 2005. NDM/VNDM Ver. 2.5. Programs for identification of areas of endemism. Disponible
en: http://www.lillo.org.ar/phylogeny/endemism/

Szumik C, Cuezzo F, Goloboff P, Chalup A. 2002. An optimality criterion to determine areas of
endemism. Syst. Biol. 51: 806-816.

Szumik C, Goloboff P. 2004. Areas de endemism. An improved optimality criterion. Syst. Biol. 53:
968-977.

Szumik C, Casagranda MD, Roig-Juñent S. 2006. Manual de NDM/VNDM: Programas para la
identificación de áreas de endemismo. Instituto Argentino de Estudios Filogenéticos, Año V, Vol.
3. Argentina. Disponible en: http://www.lillo.org.ar/phylogeny/endemism/Manual_VNDM.pdf

Entonces para hacer un análisis de endemismo en VNDM, necesitas:

1) Definir el área de estudio. Por ejemplo: México.

Descargue acá la cartografía base, así como el mapa de Provincias biogeográficas de México.


2) Definir el o los grupos taxonómicos de trabajo: Ejemplo: Géneros de plantas.

Descargue acá el archivo de géneros de plantas y coordenadas geográficas. Este fue obtenido en la página del Natural History Museum - London.


3) Utilizar los siguientes programas.

QGIS (https://www.qgis.org/es/site/)

VNDM (http://www.lillo.org.ar/phylogeny/endemism/)

DIVA-GIS (https://www.diva-gis.org/download)

OpenCalc (https://www.openoffice.org/es/descargar/)

Pasos para realizar el análisis de endemismo en VNDM.

1. Cargue los shapefiles (México y provincias biogeográficas) y el archivo CSV (Datos_generos_plantas.csv) como capas en QGIS:

 

 

2.  Utilice el programa OpenCalc para ver el archivo CSV:

 

 

3. Puede emplear el bloc de notas de MS-Windows, para preparar el archivo que será utilizado en VNDM:  

 

 4. Vaya a la página de la aplicación web GeX en http://gex.mfuhlendorf.com/index.php: 

Referencia:

GeX: an automated tool for generating XYD files for analysis of endemicity using VNDM was published in Cladistics in March 2018. It is open-access and goes into greater detail on the use of this software: https://doi.org/10.1111/cla.12236.

 

5. Realice en VNDM un análisis de endemismo a partir de cuadrículas de 2° x 2° (puede verificar el manual del programa para las distintas opciones):

6. Finalmente, utilice DIVA-GIS para exportar los resultados de VNDM; En este caso, áreas consensos, y colocar capas o shapefiles en QGIS:

Referencia: 

DIVA-GIS. 2012. User Manual, version 7.5 [en línea]. Disponible en: https://www.diva-gis.org/docs/DIVA-GIS_manual_7.pdf

Tengo muchos datos de biodiversidad y no se como procesar y limpiar toda esta información

La cantidad de información (registros) disponibles en Biodiversidad se ha incrementado en las últmas decadas, y la proyección es que seguirá aumentando:

Figura tomada de:

Soberón, J. & Peterson, A. (2009). Monitoring Biodiversity Loss with Primary Species-occurrence Data: Toward National-level Indicators for the 2010 Target of the Convention on Biological Diversity. Ambio. 38. 29-34. 10.1579/0044-7447-38.1.29.

Repositorios como GBIF, NHM, SpeciesLink, entre otros, nos permiten tener acceso a millones de datos de Biodiversidad. Sólo el GBIF posee 1.582.205.031 registros biológicos (agosto 2020):

Existen mchos progrmas que nos permiten lidiar y manipular tal magnitud de datos, sin embargo, uno de lo más interesantes que he utilizado es OpenRefine:

Por suerte hay varios tutoriales y guías con algunas funcionalidades de OpenRefine para datos de Biodiversidad. Acá les coloco un video, y las guías desarrolladas por el Sistema de información en Biodiversidad - Colombia (SiB-Colombia) y el propio GBIF.

Funciones básicas de OpenRefine para limpieza de datos de biodiversidad.

OpenRefine - Guía básica, Limpieza de datos sobre biodiversidad.

Tomado de:

SiB Colombia (2019). OpenRefine - Guía básica, Limpieza de datos sobre biodiversidad.Sistema de Información sobre Biodiversidad de Colombia, Bogotá D.C., Colombia, 22 pp

Esta es la guía desarrollada por el GBIF:

Guía de Uso Básico de OpenRefine para la limpieza de datos sobre biodiversidad.

Taller intensivo Morfometría Geométrica 2018

Hola a tod@s

A continuación se remiten fotografías del Taller Morfometría Geométrica dictado del 2 al 6 de julio en la Facultad de Cs. Biológicas de la Universidad Central del Ecuador (UCE). Esta capacitación se realizó en el marco del V Ciclo de Conferencias en Investigación Biológica (ver entrada pasada con la información).

Entre los cursantes tuvimos estudiantes de Biología UCE (6to, 7mo, 8vo y 9no semestres), así como estudiantes y egresados de otras instituciones: Universidad de Azuay, Universidad de las Américas, y Universidad San Francisco de Quito. 

 

 

Curso de postgrado “Biogeografía Histórica Cuantitativa: un enfoque crítico”

Les remito la información:

Para más detalles, dirigirse a la página del curso en la Unidad Ejecutora Lillo

Docentes: Lone Aagesen (IBODA), Salvador Arias y Claudia Szumik (UE Lillo). Ayudante de campo: Alejandra Molina (UE Lillo).

Contenido: Este curso también difundido con el título: “Biogeografía de la A a la V” analizará criticamente conceptos, teorías y metodologías cuantitativas de dos grandes núcleos biogeográficos: las áreas de endemismo y la biogeografía filogenética. Incluirá generalidades y detalles de la cladística filogenética, visitaremos las diferentes instancias del manejo del espacio en el contexto de la biogeografía, revisaremos 40 años de biogeografía filogenética (historia de la tierra e historia del taxón), y es claro hablaremos sobre las áreas de endemismo consideradas como las unidades de estudio en BH. Las clases incluyen teóricos, ejercicios a realizar con computadora y una buena discusión. Aquellos con datos propios podrán traerlos para analizar durante la cursada. Este curso contará también con la sección terapia de proyecto. Así también ¡caminata biogeográfica!

Destinatarios: Tesistas e investigadores en Biología y carreras afines interesados en biogeografía y análisis filogenético.

Carga horaria: 50 hs. aprobado por el postgrado de la Facultad de Cs. Naturales (UNT).

Fecha: 25 al 29 de Abril. Tomar en cuenta que salimos para Villa Batiruana el 24 a la tarde.

Costo del curso: estamos intentanto que el costo sea el mismo que el curso de filogenia dictado en Nov. del 2017 (5mil). Esto incluye traslado a la Villa desde el Lillo (ida y vuelta), hospedaje, alimentación (las 4 comidas plus coffer breaks) este último ítem cuenta con mejoras notables en el servicio. 🙂

Fecha limite de preinscripción: 15 de Marzo de 2018.

Si decidís aplicar a la preinscripción, necesitamos que envíes a Claudia Szumik (szu.claudia@gmail.com) la siguiente info:

1- una carta de intención (por qué te sería útil este curso)
2- tus datos académicos generales (institución donde trabajas, director de tesis, tema de trabajo)

Charla sobre cuantificación del fenotipo mediante morfometría geométrica

Acá les muestro la charla que tuve en la Universidad Regional Amazónica IKIAM:

Los humanos en su afán de organizar y clasificar la diversidad biológica, han venido tratando de utilizar formas eficientes para describir la diversidad fenotípica de los organismos. La morfometría geométrica se presenta como una herramienta que cuantifica estas variaciones en dos componentes: conformación y tamaño. En esta charla se mostrarán algunas aplicaciones de la morfometría en distintos grupos de animales.

Curso de Morfometría Geométrica en Quito 2016

En esta entrada les traigo fotos de un nuevo curso de Morfometría Geométrica en Ecuador. Este se realizó en la Universidad de las Fuerzas Armadas (ESPE). Contó con la participación de Investigadores y estudiantes de ESPE, profesionales de la Universidad Regional Amazónica IKIAM, así como profesionales de AGROCALIDAD.

Curso de Morfometría Geométrica en Quito 2015

En esta entrada les muestro algunas fotos del 1er Curso de Morfometría Geométrica dictado en el Centro Internacional de Zoonosis de la Universidad Central del Ecuador.

Acá la publicidad del curso:

Y acá el programa del curso:

A continuación algunas fotos durante el curso:

Quantitative Cladistics and Use of TNT.... (P. Goloboff's slides)

Cladistics and Use of TNT

 

All Rights Reserved

© Pablo A. Goloboff

Instituto Superior de Entomología, CONICET

Facultad de Ciencias Naturales e Instituto Miguel Lillo,

Miguel Lillo 205, 4000 S.M. De Tucumán

 

 

 

Quantitative Clad is Tics

Morfometría geométrica y filogenia: Un ejemplo utilizando triángulos

A continuación les presento un análisis filogenetico realizado a un grupo de triángulos. Pero antes, les recomiendo la lectura de los siguientes artículos:

Una vez que tengan la idea de el procedimiento, podemos ver los triángulos que utilizamos para inferir las relaciones filogenéticas a partir de coordenadas de puntos anatómicos (PAR o landmarks):

El análisis se realizó con base en 5 triángulos (denotados por letras y colores). El grupo externo (para enraizar el cladograma) estará representado por la configuración del triángulo azul o "Triángulo A".

A continuación se presentan un gráfico con cada una de estas configuraciones:

En la gráfica superior se aprecia que los triángulos A, D y C están cercanos al punto 0,0 de coordenadas. Mientras que los triángulos B y E se localizan hacia coordenadas positivas de X e Y.

A continuación se muestran los árboles obtenidos mediante el script Landschw.run ejecutado en TNT. La primera figura corresponde con el cladograma resultante de datos de coordenadas sin alinear:

El cladograma posee un score de 1,5018. En este árbol el triángulo B se coloca como más derivado y hermano a el triángulo E. Seguidamente, el triángulo D se ubica como grupo hermano del clado B y E. Y finalmente, el triángulo C se aprecia como grupo hermano del clado D, B y E.

Esta figura corresponde con el cladograma resultante de datos de coordenadas alineadas con el método generalizado de Procrustes (=GLS) a partir de la configuración consenso:

El cladograma posee un score de 1,5980. En este árbol el triángulo D se coloca como más derivado y hermano a el triángulo E. Seguidamente, el triángulo C se ubica como grupo hermano del clado D y E. Y finalmente, el triángulo B se aprecia como grupo hermano del clado D, E y C.

Esta figura corresponde con el cladograma resultante de datos de coordenadas alineadas con el método generalizado de Procrustes (=GLS) a partir de la configuración del triángulo A:

El cladograma posee un score de 1,3634. En este árbol el triángulo D se coloca como más derivado y hermano a el triángulo E. Seguidamente, el triángulo C se ubica como grupo hermano del clado D y E. Y finalmente, el triángulo B se aprecia como grupo hermano del clado D, E y C.

La siguiente figura corresponde con el cladograma resultante de datos de coordenadas alineadas con el método "two point registration Bookstein":

El cladograma posee un score de 1,3702. En este árbol el triángulo D se coloca como más derivado y hermano a el triángulo E. Seguidamente, el triángulo C se ubica como grupo hermano del clado D y E. Y finalmente, el triángulo B se aprecia como grupo hermano del clado D, E y C.

Esta figura corresponde con el cladograma resultante de datos de coordenadas alineadas con el método implementado en TNT donde se minimiza la distancia euclidiana respecto a la configuración de el triángulo A:

El cladograma posee un score de 1,2425. En este árbol el triángulo D se coloca como más derivado y hermano a el triángulo E. Seguidamente, el triángulo C se ubica como grupo hermano del clado D y E. Y finalmente, el triángulo B se aprecia como grupo hermano del clado D, E y C.

A modo de conclusiones, observamos que:

1) Distintos alineamientos pueden llegar a resultados contrastantes en cuanto a topología de los árboles e inclusive a la descripción de los cambios entre configuraciones ancestro-descendientes.

2) En términos del score de los árboles más parsimoniosos; el análisis de PAR sin alineamiento generó el score más elevado, mientras que el método implementado en TNT mostró el menor valor de score.

3) El análisis generalizado de Procrustes (o GLS) con base en la configuración consenso, resultó en un peor score respecto al análisis utilizando la configuración del grupo externo (en este caso el triángulo A) como configuración de referencia.

4) El cladograma obtenido con el alineamiento de two point registration no difiere de los restantes: GLS, GLS utilizando la configuración A, y minimizando la distancia euclidiana respecto a la configuración A. No obstante, el valor de score fue similar al alineamiento de GLS utilizando la configuración A.

¿Cómo realizar el método de propincuidad media de Rapoport usando un programa SIG?

Este método desarrollado por Eduardo Rapoport se basa en el concepto de distancia con el vecino más próximo y en la teoría de grafos. El primer paso es el trazado de un árbol de tendido mínimo (mst, en inglés) entre las localidades o nodos donde se ha verificado la existencia de la especie. Una vez medidas las distancias, se halla la media aritmética, y alguna medida de dispersión (varianza, desviación estándar o error estándar (Rapoport y Monjeau, 2001). El calculo del mst se realizará utilizando el programa PASSAGE, para lo cual necesitamos un archivo en formato shapefile (*.shp) como datos de entrada que contenga los biorregistros. En la siguiente figura se aprecia la vista de el programa PASSAGE:

Oprima con el botón derecho de ratón sobre la ventana “data monitor”, y aparecerá la opción “load data”. Seleccione el archivo shapefile:

A continuación, indique el formato Lat / Lon, y cliqueé en aceptar. Al hacer doble clic en el archivo, se pueden apreciar los datos:

 

Seleccione el menú “Create”. Luego oprima en “Distance / Angles for Coordinates”: 

Ahora oprima en “Connections / Tassellations”, y elija la opción de “Minimum Spanning Tree”:

Para ver el resultado, elija el menú “Draw”, y seleccione “Draw Points” y “Draw Connections”:

Para guardar los resultados del mst, oprima botón derecho del ratón sobre el diagrama del árbol de tendido mínimo, y seleccione “Export to Google Earth”:

Utilice el bloc de notas (o Notepad) para abrir el archivo guardado y verificar su estructura. Note que PASSAGE almacenó las coordenadas de el mst utilizando comas y no puntos para los decimales: <?xml version="1.0" encoding="UTF-8"?> <kml xmlns="http://earth.google.com/kml/2.0"> <Document>  <description>PASSaGE 2 GoogleEarth Export</description>  <name>PASSaGE 2 Export</name> . . .    <coordinates>      -71,4855996555,7,6150988275,0      -69,0809089063,8,8597462197,0     </coordinates>    </LineString> . . . Si deseamos cargar el árbol de tendido mínimo en  QGIS tenemos dos posibles soluciones: 1) cambiar los decimales a puntos utilizando el bloc de notas, o 2) cambiar la configuración de Windows, seleccionar la notación Norteamericana y repetir el análisis en PASSAGE: . . .    <coordinates>      -71.4855996555,7.6150988275,0      -69.0809089063,8.8597462197,0     </coordinates>    </LineString> . . . Para cargar la capa del mst en QGIS seleccione en el menú: Capa --> Añadir capa vectorial. Y a continuación elija el tipo de archivo KML (Keyhole Markup Language). Cambie las propiedades de mst para que pueda verse fácilmente:

 

En la última parte de el método de propincuidad media se deben calcular el promedio y alguna medida de dispersión (Ej: desviación estándar) para las distancias del mst. Para ello elegimos la capa de puntos de nuestra especie hipotética y utilizamos la herramienta del menú: Vectorial --> Herramientas de análisis --> Matriz de distancia. Luego elegir el tipo de matriz de salida: Matriz de distancia lineal (N*k x 3). Recuerde que la matriz de distancia posee los decimales en formato norteamericano, así que debe configurar MS-EXCEL o CALC de OpenOffice para que lo reconozca:

Ahora la matriz de distancia debe verse de la siguiente forma. Fíjese que aparece la distancia entre pares de puntos (InputID -> TargetID), así que solo debemos conocer que distancias se utilizaron para crear el mst:

InputID	TargetID	Distance
0	5	1,3124965233
0	3	3,1992492027
0	2	3,4386145291
0	8	4,0752566316
0	14	4,4727581951
0	13	4,7553475788
0	12	4,8508520012
0	1	4,9028601318
0	4	5,1487224861
0	9	5,3137516228
0	10	6,2233965449
0	6	6,3989988376
0	7	6,5732926456
0	11	7,5607337908
1	12	0,3042497689
1	14	1,1610465533
1	13	1,1753958548
1	11	2,7077083909

Para realizar esto colocaremos en QGIS una leyenda sobre los puntos para conocer su ID:

Fíjese que la capa de puntos muestra el ID de cada biorregistro:

Ahora en la matriz de distancia calcule los valores promedios y desviación estándar de la conexión (mst). Por ejemplo, busque la distancia entre 7 y 10, y así sucesivamente: 

Según estas distancias, el promedio es 1,288 grados y desviación estándar 0,869. Realice un buffer utilizando estos valores para los radios. Una vez finalizado, el resultado de el método de propincuidad media debería apreciarse como la siguiente figura:

Bibliografía

Rapoport E, Monjeau A. 2001. Aerografía. En: Introducción a la biogeografía en Latinoamérica: Teorías, conceptos, métodos y aplicaciones. Llorente J & JJ. Morrone (Eds.). UNAM, México. pp. 23 - 30.

Páginas de Internet:

QGIS Tutorials. Disponible en: http://qgis.spatialthoughts.com

QGIS Documentation. Disponible en: http://www.qgis.org/en/docs/index.html