ECOLOGIA II

LAB. Análisis de competencia en comunidades

INTRODUCCION

Las comunidades estructuradas por medio de competencias interespecíficas se esperan mostrar ciertos
patrones. Dos de los patrones mejor conocidos son (1) la diferenciación (segregación, partición) de nicho y (2) la
distribución negativamente asociada. Para demostrar estos patrones objetivamente se requiere el método de
Monte Carlo (el análisis de modelo nulo), en el cual se genera la distribución nula utilizando el juego de datos
observados y se calcula el valor de P comparando el mismo juego de datos con la distribución nula. En este
laboratorio, vamos a analizar estos dos patrones utilizando el paquete “EcoSimR” desarrollado por Nick Gotelli,
quien ha participado en el desarrollo y la aplicación del modelo nulo en la ecología (e.g., Gotelli & Graves.
1996. Null models in ecology).

OBJETIVOS

 Aprender cómo analizar el efecto de interacciones bióticas (e.g., competencia, facilitación) al patrón de
comunidad(es) por medio del modelo nulo utilizando el traslape de nichos y C-score.

PREGUNTAS

P1. PATRÓN DE TRASLAPE DE NICHOS

 Analizar dieta (comportamiento forrajeo) de siete especies del género Tangara, que se encuentran
simpátricamente en Mindo, Ecuador (Naoki 2007).
 Calcular el ancho y el traslape de nichos entre siete Tangara spp. en su forrajeo de artrópodos y de frutos
separadamente.

a) ¿Cuál especie tiene mayor ancho de nicho (generalista) y cuál tiene menor ancho (especialista) en
forrajeo de artrópodos y frutos según el índice de Levins?
b) ¿Cuáles especies tienen el uso de recursos alimenticios más parecidos según el índice de Pianka?
c) ¿Cuál recurso alimenticio, artrópodos o frutos, tiene mayor traslape de nicho entre siete especies de
Tangara?
d) ¿Se observa la segregación o la agregación de forrajeo de artrópodos y frutos?
e) ¿Por qué hay diferencia en patrón de forrajeo entre estos dos tipos de alimentos?
1
Medida de Levins: B 
 
 p 2j
n

 p
i 1
ij pik 
Índice de Pianka: O jk 
 n 2  n 2 
  pij   pik 
 i 1  i 1 

P2. PATRÓN DE CO-OCURRENCIA DE ESPECIES DE AVES EN EL ARCHIPIELAGO DE SIPOO,

FINLANDIA

Lab Competencia en comunidades P-1

  Trabajaremos con el el juego de datos que contiene 18 sitios y 50 especies de aves marinas en el
archipiélago de Sipoo, Finlandia, publicadas en Simberloff & Martin (1991, Apéndice 3). Las especies
son referidas por 4 + 4 letras abreviadas de sus nombres científicos.
 Calcule el índice de co-ocurrencia (e.g., Checkerboard Socre, C-score) de las especies de aves en estas
islas.

f) Calcule el índice de co-ocurrencia (e.g., Checkerboard Socre, C-score) de las especies de aves en estas
islas.
g) ¿El valor de C-score sugiere la segregación o agregación de especies en estas islas?
h) Interpretes los resultados biológicamente.

PROCEDIMIENTOS

P1. ANÁLISIS DE TRASLAPE DE NICHO POR MODELO NULO

Vamos a usar los paquetes “spaa” para calcular el ancho y el traslape de nicho y “EcoSimR” para realizar el
análisis de modelo nulo con el traslape de nicho.

A. Preparar los datos para EcoSimR

a) Para EcoSimR, el juego de datos debe estar organizado de la siguiente manera: 1) la primera columna
indica los nombres especies y otras columnas la importancia/frecuencia de recursos utilizados por las
especies, 2) el título de primera columna (A1) debe tener el nombre “Species”.
Species Recurso 1 Recurso 2 Recurso 3 ...
Especie A
Especie B
Especie C
...

b) Guarde la hoja de Excel con la extensión *.CSV (delimitado por coma) (e.g., Tangara_artropodos.csv)

B. Calcular el ancho y el traslape de nicho por el paquete “spaa (SPecies Association Analysis)”

a) Comience RStudio, Vaya a Inicio > Todos los programas > RStudio > RStudio.
b) Vaya a File > New File > R Script para comenzar el nuevo proyecto.
c) Escriba el título y el subtítulo en R script y guárdelo: File > Save.
d) Establezca el ambiente de proyecto por rm y setwd:

e) Instale el paquete “spaa” y “EcoSimR”. Se pueden instalar los paquetes dentro de RStudio (1) desde el
menú de RStudio (clic la pestaña de Packages > Install) o (2) utilizando la función install.packages en
R script:

Lab Competencia en comunidades P-2

 install.packages(“DIRECCION/spaa_0.2.2.zip”, repos = NULL, type = “win.binary”)

f) Cargue el paquete con la función library:

g) Haga la misma con el paquete “EcoSimR”.

h) Importe el juego de datos por read.csv:

datosArt1 <- read.csv(“NOMBRE DE ARCHIVO.csv”)

i) Visualice el juego de datos importados.

datosArt1
str(datosArt1)

j) Para calcular el ancho y el traslape de nichos por el paquete “spaa”, el juego de datos debe tener los
nombres de especies en la primera fila y el uso de recursos debajo de cada especie.
Sp. 1 Sp. 2 Sp. 3 ...

Para cambiar la estructura del juego de datos para “spaa”, vamos a hacer (1) asignar las especies como
los nombres de filas y (2) transponer la matriz:

k) Vamos a dejar datosArt1 para realizar el análisis de modelo nulo con “EcoSimR” después; así creemos
el segundo juego de datos para “spaa”:

datosArt2 <- datosArt1

l) Asigne las especies como los nombres de filas:

row.names(datosArt2) <- as.character(datosArt2$Species)

datosArt2$Species <- NULL
datosArt2

m) Transponga la matriz (cambiar las filas y las columnas):

datosArt2t <- t(datosArt2) # Transponer una matriz (cambiar filas y columnas)

datosArt2t
str(datosArt2t)

Lab Competencia en comunidades P-3

 n) Calcule el ancho de nicho de cada especie:

NWArt <- niche.width(NOMBRE DE DATOS, method = “levins”) # opción “levins” o “shannon”

NWArt # anchos de nicho de siete Tangara spp.
min(NWArt) # mínimo ancho de nicho
max(NWArt) # máximo ancho de nicho

o) Calcule el traslape de nichos entre especies:

NOArt <- niche.overlap(NOMBRE DE DATOS, method = “pianka”) # opción de método es

“pianka”, “czech”, “morisita”, etc.
NOArt # traslapes de nichos de siete Tangara spp.
min(NOArt) # minimo traslape de nichos
mean(NOArt) # media de traslapes de nichos

 Repita los pasos (h) – (o) con el juego de datos de frutos, también.
 Responda las preguntas (a), (b) y (c).

C. Método de Monte Carlo de traslapes de nicho por el paquete “EcoSimR”

 Para analizar si la media de traslapes de nicho sugiere la agregación o la segregación por medio del
modelo nulo, vamos a usar la función “niche_null_model” del paquete “EcoSimR”. Usaremos los
juegos de datos antes de transformación (datos1Art y datos1Fru) con el algoritmo de aleatorización 2 y
el índice de Pianka.

a) Realice el análisis de modelo nulo:

Lab Competencia en comunidades P-4

 ModArt <- niche_null_model(datosArt1, algo = “ra2”, metric = “pianka”, nReps = 1000)
summary(ModArt)

b) Grafiqué los resultados del modelo nulo:

plot(ModArt, type = “hist”)

 Repita los pasos (a) – (b) con el juego de datos de frutos, también.
 Responda las preguntas (d) y (e).

Lab Competencia en comunidades P-5

P2. PATRÓN DE CO-OCURRENCIA DE ESPECIES DE AVES EN EL ARCHIPIELAGO DE SIPOO,
FINLANDIA

A. Comenzar RStudio y establecer el ambiente de trabajo con el paquete “EcoSimR”

a) Comience RStudio, Vaya a Inicio > Todos los programas > RStudio > RStudio.
b) Vaya a File > New File > R Script para comenzar el nuevo proyecto.
c) Escriba el título y el subtítulo en R script y guárdelo: File > Save.
d) Establezca el ambiente de proyecto por rm, setwd y library:

B. Revisar la función que va a usar para su análisis

 Vamos a usar la función “cooc_null_model” del paquete “EcoSimR” para calcular c-score, elaborar el
modelo nulo y calcular el valor de P; así primero exploraremos cómo se usa esta función (la estructura
de datos, los parámetros que definir, etc.)

a) Revise el documento de R sobre la función “cooc_null_model”:

help (“cooc_null_model”)

b) Lee el documento de R de Co-Occurrence Null Model. En ‘Examples’, copie y pegue la primera sección
de la instrucción en la ventana de R script.

c) Ejecute la primera línea de las instrucciones para ver qué ocurre.

Lab Competencia en comunidades P-6

 d) Ejecute la segunda línea.

e) Ejecute cada línea de instrucciones.

f) Revise la estructura del juego de datos.

C. Modificar el juego de datos “sipoo.csv” para cooc_null_model.

a) El juego de datos para la función “cooc_null_model” debe tener la misma estructura de dataWiFinches:
la primera columna con “Species” como el nombre de variable y los nombres de especies como los
datos, y la segunda y el resto de columnas con los nombres de comunidades (sitios, islas) como los
nombres de variable y la presencia y ausencia de especie en cada comunidad (1 o 0) como los datos.

b) El juego de datos “sipoo” tiene la primera columna con “Sites” y los nombres de islas (comunidades), y
la segunda y el resto de columnas con los nombres de especies y la presencia y ausencia de especies en
cada comunidad; así la organización de filas y columnas son opuestas.

c) Por tanto, antes de realizar el análisis, hay que transponer el juego de datos de sipoo. Eso podría
realizarse en MS Excel o en RStudio.

Lab Competencia en comunidades P-7

 d) Si va a transponer y ajustar el juego de datos en RStudio, ejecute las siguientes instrucciones:

 “datosSipooT” es el juego de datos transpuesto y ajustado del “datosSipoo” y listo para usarlo en la
función “cooc_null_model”.

D. Calcular c-score y analizar el modelo nulo del juego de datos “sipoo”

a) Modifique las instrucciones copiadas del documento de R sobre la función “cooc_null_model” para
analizar el juego de datos de sipoo con el algoritmo de aleatorización 8 (sim8) y el índice de c-score:

NOMBRE DE MODELO <- cooc_null_model(NOMBRE DE DATOS, XXX)

summary (NOMBRE DE MODELO)
plot(NOMBRE DE MODELO, type = “XXX”)

Lab Competencia en comunidades P-8