Aplicacin de la Rarefaccin en el estudio del yacimiento de

microvertebrados de Somosaguas.
MATERIAL Y MTODOS
Material fsil
El material fsil con que se cuenta para este trabajo, consiste en varias colecciones de
dientes de microvertebrados (roedores y lagomorfos), provenientes del yacimiento de
Somosaguas (Mioceno Medio) en Madrid. Los fsiles fueron extraidos mediante los
procedimientos habituales en yacimientos de estas caractersticas, bsicamente se
resume en: extraccin del sedimento, lavado y tamizado del mismo y triado y seleccin
bajo lupa binocular. Esta metodologa especial es necesaria debido al pequeo tamao
de los fsiles (1-2 mm).

Somosaguas 5

Somosaguas 4

Somosaguas
Sur

Figura1. Disposicin en planta de los yacimientos de Somosaguas Sur, Somosaguas 4 y Somosaguas 5 .

Las colecciones de que se dispone son las siguientes:

Coleccin
S.Sur '98
S.Sur '99
Som 4 '99
Som 5 '99
Som 4 '01

Nmero de fsiles
510
98
21
49
253

Nmero de especies
8
7
6
8
8

El nombre de la coleccin hace referencia por un lado al ao de extraccin, y por otro a

la situacin de la zona de donde se extrajeron las muestras. Esto ltimo se puede ver en
la figura 1.
La mayor parte de los fsiles pertenecientes a la coleccin de S.Sur '98 estn
publicados en Luis y Hernando (2001). Una pequea parte de esta coleccin, y el resto
estan an sin publicar. Para este trabajo ha sido necesario identificar todos y cada uno
de los dientes fsiles de las colecciones, pero no se han hecho estudios ms profundos.
El mtodo de Rarefaccin.
El mtodo de rarefaccin fue ideado por Sanders (1968), para resolver una cuestin
fundamental en ecologa: cmo comparar la diversidad de dos colecciones obtenidas
mediante distinta intensidad de muestreo. El efecto de la intensidad de muestreo se
traduce en lo siguiente: cuando muestreamos una zona, la diversidad crece a medida que
aumentamos la muestra, es decir, obtenemos ms especies conforme vamos aadiendo
individuos a la muestra. Esto provoca que ante dos muestras con distinto nmero de
individuos, tendremos ms especies en la muestra mayor, aunque provengan de
poblaciones con idntica diversidad.
Para solucionar este problema, sera necesario saber cuantas especies tendramos en la
muestra mayor, si hubiramos recogido nicamente el nmero de individuos de la
muestra menor. Sanders propone un mtodo para "rarificar" la muestra mayor, que
consiste bsicamente en disminuir el nmero de individuos manteniendo la proporcin
entre especies. De este modo obtenemos cuantas especies tendramos si la muestra
mayor tuviera el tamao de la menor.
El mtodo de Sanders fue puesto a prueba por Fager (1972) y Simberloff (1972),
demostrando algunos inconvenientes del mtodo, como su tendencia a sobreestimar el
nmero de especies. Hurlbert (1971) propona ya una versin mejorada de la rarefaccin
(ecuacin 1).

E(S n )

i 1

N Ni


n

Hurlbert (1971).........(1)

Donde S es el nmero de especies en la coleccin original, N es el nmero total de

individuos de la misma, Ni es el nmero de individuos para la especie i, y n es el tamao
de la submuestra. E(Sn) es por tanto, el la riqueza en especies esperada para una
submuestra de tamao n, tomada a partir de nuestra coleccin original.
La frmula se justifica del siguiente modo: Supongamos que partimos de nuestra
coleccin original, de tamao N, y queremos saber cuantas especies habra en una
submuestra de tamao n. Podriamos coger 10 muestras de tamao n, seleccionadas al
azar entre los individuos de nuestra coleccin original, y calcular el nmero medio de
especies de las 10 muestras. Eso nos dara una idea aproximada. Si en lugar de 10
cogemos 100 muestras, el valor se aproximara ms a lo que perseguimos. Sin embargo
es posible calcular el nmero de especies promedio de todas las combinaciones posibles
de n individuos, debido a que nos encontramos ante un modelo de distribucin de
probabilidad hipergeomtrico, basado en un muestreo sin remplazamiento de una
poblacin finita y censada. Esto es precsamente lo que calcula la frmula de Hurlbert.
Al valor obtenido por la rarefaccin, que es una medida de centralizacin, le acompaa
la correspondiente medida de dispersin, esto es la varianza, que se calcula mediante la
siguiente ecuacin:

Var ( S n )

i 1
j 1

j 2

i 1

N N i N N i



n n

1

N

N
n n

N Ni N j N


n

Ni N Nj

n n

NN

n n

Con los datos obtenidos del clculo de la rarefaccin, podemos construir punto a punto,
una curva que represente el aumento de riqueza de especies (S), conforme aumenta el
nmero de individuos en la coleccin. A estas curvas se las denomina curvas de
rarefaccin. Mediante la comparacin de las curvas producidas a partir de dos muestras,
es posible comparar la diversidad (en trminos de riqueza de especies), de ambas
muestras.
Tipper (1979), precisa el marco en el cual es adecuado utilizar esta tcnica, sealando
una serie de asunciones que es necesario tener en cuenta:
-

La rarefaccin no puede ser empleada como un mtetod para vaerficar la suficiencia

del muestreo, sin embargo sirve para detectar un muestreo excesivo.
La distribucin espacial de cada especie en la comunidad ha de ser homognea.
Las muestras con que contamos han de pertenecer a la misma comunidad.
Las colecciones a comparar han de ser grupos taxonmicos similares.
Las muestras tienen que haber sido obtenidas por procedimientos estandarizados de
muestreo.
Las muestras tienen que haber sido obtenidas de hbitats similares

No esta permitido extrapolar la curva de rarefaccin.

Software.
Para la realizacin de este trabajo, se han desarrollado dos programas informticos. El
primero, Rarefaccin 1.0, calcula todos los valores de rarefaccin para una muestra
dada. Calcula adems los valores de la varianza, lo que permite obtener intervalos de
confianza. Los datos obtenidos mediante el programa, se presentan en un fichero de
texto, a partir del cual facilmente se pueden copiar y pegar los datos en algn programa
que nos permita la representacin grfica de los mismos, como el Excel por ejemplo.
Las ecuaciones implementadas en el cdigo del programa son la (1) y la (2).
El segundo programa es Muestrea 1.0. Se trata de un programa que permite simular un
muestreo de una manera grfica. Se compone de un lienzo en blanco sobre el que se
situar la poblacin, compuesta de pixels, cada color representa una especie, y cada
pixel un individuo. El programa genera una poblacin distribuida al azar por todo el
lienzo, a partir de los datos suministrados por el usuario, posteriormente el usuario
puede muestrear manualmente la poblacin y el programa se encarga de contar los
individuos de las muestras.
El programa tiene dos opciones para distribuir los individuos por el lienzo: puede
hacerlo de manera individual, o puede formar grupos del tamao que precise el usuario,
simulando una cierta heterogeneidad espacial.
La ventaja de ser un programa grfico, es que se pueden guardar las poblaciones creadas
como archivos BMP, pero adems incluye la posibilidad de cargar imgenes con un
mximo de 256 colores y muestrear esas imgenes, de manera que el usuario puede
disear sus poblaciones con cualquier programa de dibujo, como el Microsoft Paint.
Estos programas han sido diseados mediante Microsoft Visual Basic 6.0.

RESULTADOS
Comportamiento de la rarefaccin ante la heterogeneidad espacial
Una de las asunciones de la rarefaccin, es que los individuos de la poblacin a
muestrear deben estar distribuidos al azar (Tipper, 1979). Fager (1972) puso a prueba el
algoritmo de Sander para ver como se comportaba la rarefaccin si los individuos se
encuentran distribuidos en pequeas agrupaciones. Para ello dise un programa de
ordenador que simulaba un muestreo de forma numrica, e introdujo un factor de
agregacin que determinaba el tamao de los grupos en el que apareceran los
individuos a muestrear. Fager encontr que la rarefaccin tenda a sobreestimar los
muestreos virtuales, de manera ms acentuada cuanto mayor era el tamao de los
grupos. En este trabajo aplicamos la misma tcnica a la ecuacin para la rarefaccin de
Hurlbert (1971). Para ello hemos utilizado los datos de la coleccin Som4 '01. Esta
coleccin se tom guardando informacin de la secuencia en que fueron apareciendo los

fsiles, para construir una curva de acumulacin de especies. La metodologa de lavadotamizado, conlleva que la muestra original quede separada en dos fracciones de
diferente granulometra, de manera que los datos se dividen en dos: los correspondientes
a la fraccion media, y los correspondientes a la fraccin fina. Los resultados para el total
de los datos se muestran en la figura 2.
9

Somosaguas 4 2001

Rarefaccin

Valores reales
Muestreo x1

Muestreo x4
Muestreo x9

Muestreo x12
2

0
0

50

100

150

200

250

Fig 2. Curva de rarefaccin (azul grueso), curva de acumulacin de especies obtenida a partir de los dator
empricos (valores reales) y muestreos virtuales con diferentes tamaos de grupo: x1(sin agrupar), x4, x9
y x12. Se han dibujado lineas de tendencia de acuerdo a un modelo de regresin logartmico, con el
objeto de comparar mejor las nubes de puntos.

Se puede observar en la figura 2, como coinciden con bastante exactitud la curva de la

rarefaccin, el muestreo virtual sin agrupacin (x1) y la curva de acumulacin obtenida
a partir del muestreo real. Los datos obtenidos a partir de muestreos con agrupacin,
muestran como la rarefaccin sobreestima el nmero de especies en estos casos. Sin
embargo, no hay una relacin clara entre el tamao de grupo y la magnitud de la
sobreestimacin por parte de la rarefaccin.

A
8
7

Fraccin media

Muestreox1

Muestreox2

Muestreox4
Muestreox6

Rarefaccin

2
1
0
0

20

40

60

80

100

7
6

Fraccin fina

MFinax1
MFinax2

MFinax4

MFinax6

Rarefaccin

1
0
0

50

100

150

200

Fig 3. Curvas de acumulacin y rarefaccin para la fraccin media (A) y fina (B) de Som4'01. Las curvas
de tendencia estan ajustadas de acuerdo a un modelo de regresin potencial.

En la figura 3 observamos el mismo resultado, esta vez para cada una de las fracciones
por separado.
Existe otro tipo de heterogeneidad espacial con que nos podemos encontrar. En el caso
anterior, los individuos estaban heterogneamente distribuidos, pero no as las especies,
que se repartan al azar por todo el rea de muestreo (aunque en grupos de n
individuos). Podemos encontrarnos con la situacin de que la probabilidad de encontrar
una especie cambie en diferentes zonas del rea de muestreo. Esta situacin, en la que
se da una heterogeneidad de las especies, adems de en los individuos, la podemos
encontrar en cualquier fotografa, en la cual los colores (especies) se distribuyen de
acuerdo a un patrn que conforma la imagen.
Para simular el efecto de este otro tipo de heterogeneidad, se ha muestreado con
Muestrea 1.0, una fotografa digitalizada. La curva de acumulacin obtenida se compara
con los valores de rarefaccin en la figura 4.

250
Muestreo
Rarefaccin

200

150

100

50

0
0

100000

200000

300000

Figura 4. Rarefaccin y datos obtenidos por muestreo virtual realizados sobre una fotografa digitalizada.

La figura 4 muestra como la heterogeneidad espacial en el reparto de las especies,

genera el mismo efecto de sobreestimacin por parte de la rarefaccin que la
heterogeneidad en el reparto de los individuos en grupos.
Aplicacin de la rarefaccin a los datos
En la figura 5 podemos ver las curvas de rarefaccin calculadas para cada una de las
colecciones por separado, as como para la suma de todas ellas. Se observa que todas las
curvas caen en el interior del intervalo de confianza al 95%, por lo que la rarefaccin no
muestra evidencia de que las colecciones provengan de poblaciones diferentes, al menos
en cuanto a su estructura. El hecho de que todas las colecciones queden prximas a la
curva total, indica que no existe una gran heterogeneidad en la distribucin de los
fsiles en el yacimiento, ya que como hemos visto en el apartado anterior, la curva de
rarefaccin tiende a sobreestimar el nmero de especies en este caso, y por tanto
esperaramos encontrar los puntos pertenecientes a las colecciones reales visiblemente
por debajo de la curva.
12

SomSur '98

SomSur '99
10

Som5 '99
8

Som4 '01

Som4 '99

Todos
4

Intervalo de
confianza al
95%

0
0

100

200

300

400

500

600

700

800

900

1000

Figura 5. Curvas de rarefaccin para las colecciones fsiles de Somosaguas. En azul aparece el intervalo
de confianza al 95% para la curva resultado de sumar todas las colecciones.

DISCUSIN
La frmula de Hurlbert para el valor esperado de S, parece ser un mtodo bastante fiable
para describir la estructura de una poblacin, ya que se basa en una transformacin
directa de la funcin de distribucin de abundancia.
Ante la violacin de una de sus asunciones, la distribucin aleatoria de los individuos en
una poblacin, la rarefaccin se comporta de manera predecible, produciendo una
sobreestimacin en el nmero de especies sobre los valores obtenidos mediante
muestreo. Esto nos permite estimar el grado de heterogeneidad de una poblacin,
comparando los valores obtenidos en nuestras muestras, con la curva de rarefaccin
construida a partir de los datos de todas las colecciones reunidas. Dado que las
colecciones son submuestras de la muestra total, aquellas deberan tener menos especies
que las predichas por la rarefaccin en el caso de que la poblacin sea heterognea. Con
los datos de la muestra total, se puede simular un muestreo virtual, en el cual podemos
introducir el grado de heterogeneidad que queramos seleccionando el tamao de las
agrupaciones de individuos. De este modo podemos relacionar el grado de
sobreestimacin por parte de la rarefaccin, con el grado de heterogeneidad espacial.
En el caso de los datos obtenidos a partir del material fsil de Somosaguas, la
rarefaccin nos dice que no hay grandes diferencias en cuanto a la estructura
poblacional de las colecciones. Tambin nos dice que el grado de heterogeneidad de la
poblacin origen de estas colecciones es bajo.
La metodologa de extraccin de fsiles de microvertebrados, provoca que en cada
muestra los fsiles se mezclen resultando en una distribucin homognea de los
mismos. Esto se puede ver en la figura 3, en la que se comprueba que las curvas de
acumulacin emprica obtenidas de la coleccin Som4 '01 coinciden bastante bien con
la curva de rarefaccin. La informacin sobre la distribucin original de los fsiles en
cada muestra se pierde, por tanto la rarefaccin resulta un buen mtodo para conocer
algo sobre la distribucin espacial de los fsiles en casos como este.
Dado que no hemos trabajado con individuos, sino con fsiles (dientes yugales para ser
ms precisos), hablamos de distribucin ms o menos homognea de los fsiles. La
mayora de las especies a las que perteneces esos fsiles son roedores, los cuales tienen
tres molares en cada hemimandbula y cada hemimaxila. Era de esperar por tanto, que
los fsiles de una misma especie aparecieran en grupos de 3 (hemimandbula), 6
(mandbulas enteras o crneos), o 12 (crneo completo con mandbula). El grado de
heterogeneidad obtenido por la rarefaccin, sugiere que no vamos a encontrar ni crneos
ni mandbulas enteras. Esto se confirma con la experiencia de campo en el yacimiento.
En el yacimiento de microvertebrados de Somosaguas resulta raro encontrar
hemimandbulas completas, sin embargo se han encontrado dientes aislados englobados
en sedimento. Esto quiere decir que el grado de conectividad de los fsiles en el
yacimiento es bajo o nulo, encontrndose los fsiles dispersos de manera aleatoria. El
proceso que produjo la acumulacin de fsiles en el yacimiento tambin produjo la
desarticulacin y la mezcla, de manera similar a lo que provoca la metodologa de
extraccin en las muestras.
El grado de heterogeneidad que se puede detectar, depende en parte de la resolucin del
eje de ordenadas en la representacin grfica, o lo que es lo mismo, a la riqueza total. Si

disponemos de un nmero elevado de especies, el grado de sobreestimacin se podr

detectar de una manera ms precisa, y de igual modo se podr asociar con el grado de
heterogeneidad correspondiente tambin de una manera ms precisa. Los datos de
Somosaguas no proporcionan un nmero muy elevado de especies. La poca resolucin
en el eje de ordenadas en la figura 3, puede ser la causa de que no sea posible
discriminar de manera efectiva el grado de heterogeneidad a partir de las curvas
obtenidas por muestreo virtual, ya que la diferencia de una sola especie representa un
salto muy brusco en este eje, lo que provoca que los puntos no definan una curva de
manera precisa.
Otra variable que afecta a la cantidad de sobreestimacin producida por la
heterogeneidad es la equitabilidad. Poblaciones con una funcin de distribucin de
abundancia muy equitable, producen curvas que crecen muy rpidamente al principio y
luego se vuelven asintticas. Poblaciones poco equitables, producen curvas que crecen
despacio y no se vuelven asintticas. En estas ltimas la sobreestimacin provocada por
la rarefaccin es menor para el mismo grado de heterogeneidad.