IMBIV   05474
INSTITUTO MULTIDISCIPLINARIO DE BIOLOGIA VEGETAL
Unidad Ejecutora - UE
congresos y reuniones científicas
Título:
El análisis de la configuración del paisaje a distintas escalas mejora el desempeño de los modelos predictivos de distribución: la Bandurria canela (Theristicus caudatus) como estudio de caso.
Autor/es:
TORRES R.; FERREYRA F.; ZAK M.; GHIGO M.; BRUNO G.
Lugar:
Córdoba, Argentina
Reunión:
Jornada; II Jornadas Argentinas de Ecología de Paisajes; 2009
Resumen:
El objeto de este trabajo fue establecer si el desempeño de un modelo predictivo de distribución realizado para la Bandurria Canela (Theristicus caudatus) en las Sierras Grandes de Córdoba, mejoraba al incluir la configuración del paisaje a distintas escalas en su formulación. Para cada uno de 18 sitios de presencia y 18 de ausencia, se determinaron, para un radio de 1, 3 y 5 km, el promedio de altitud, pendiente, exposición, escorrentía, caminos, áreas urbanas, temperatura, precipitación, además de 9 variables descriptoras de la configuración del paisaje medidas con Fragstat para cada una de 21 clases de cobertura derivadas de un mapa temático de  vegetación. Los sitos de presencia mostraron valores significativamente mayores de escorrentía (ES), diversidad de coberturas (DC), índice de parche mayor de agua (IA), y altura sobre el nivel del mar (AM) para el radio de 1km, de área de vegetación cultural (AV) para el de 3 km, y de pendiente (PE) y urbanizaciones (UR) para todos los radios; el índice de agregación de los pastizales serranos (IP) fue mayor en los sitos de ausencia para el radio de 1 km (Z>2,12 y  <0,05 en todos los casos, test U de Mann-Whitney). Con excepción de PE y UR, las variablessignificativas fueron suavizadas para radios de 1 km, o 3 km según correspondiera, siendo luego incluidas en un modelo predictivo realizado con Maxent. El valor de AUC (0,94 ± 0,02) de éste último fue significativamente mayor al obtenido por otro modelo realizado con ES, AM, PE y UR sin suavizar, e incluyendo el mapa temático de vegetación sin manipular en lugar de DC, IA, IP y AV (AUC=0,77 ± 0,07; Z=2,41; p<0,05). En conclusión, el desempeño del modelo predictivo resultó notablemente mejor al incluir, para su formulación, el análisis de la configuración del paisaje a distintas escalas.