Documentos de Académico
Documentos de Profesional
Documentos de Cultura
El análisis de rasgos funcionales es un enfoque atractivo para estudiar las diferencias entre
las comunidades biológicas porque los rasgos determinan las respuestas de las especies al
medio ambiente y sus impactos en el funcionamiento del ecosistema. A pesar de una
literatura cuantitativa en rápida expansión, sigue siendo difícil conceptualizar cambios
concurrentes en múltiples dimensiones de rasgos ("espacio de rasgos") y seleccionar
métodos cuantitativos de diversidad funcional para probar hipótesis antes del análisis. Para
abordar esta necesidad, presentamos un marco ampliamente aplicable para visualizar
fenómenos ecológicos en el espacio de rasgos para guiar la selección, aplicación e
interpretación de métodos cuantitativos de diversidad funcional. Describimos cinco hipótesis
que representan patrones generales de respuestas a las perturbaciones en la ecología
funcional de la comunidad y luego aplicamos un proceso de decisión formal para determinar
métodos cuantitativos apropiados para probar hipótesis ecológicas. Como parte de este
proceso, diseñamos un nuevo enfoque estadístico para evaluar la rotación funcional entre
las comunidades. Nuestra combinación de hipótesis y métricas se puede aplicar
ampliamente para abordar cuestiones ecológicas en una amplia gama de sistemas y
diseños de estudio. Ilustramos el marco con un estudio de caso de disturbios en
comunidades de agua dulce. Este enfoque basado en hipótesis aumentará el rigor y la
transparencia de los estudios de rasgos funcionales aplicados. diseñamos un nuevo
enfoque estadístico para evaluar la rotación funcional entre las comunidades. Nuestra
combinación de hipótesis y métricas se puede aplicar ampliamente para abordar cuestiones
ecológicas en una amplia gama de sistemas y diseños de estudio. Ilustramos el marco con
un estudio de caso de disturbios en comunidades de agua dulce. Este enfoque basado en
hipótesis aumentará el rigor y la transparencia de los estudios de rasgos funcionales
aplicados. diseñamos un nuevo enfoque estadístico para evaluar la rotación funcional entre
las comunidades. Nuestra combinación de hipótesis y métricas se puede aplicar
ampliamente para abordar cuestiones ecológicas en una amplia gama de sistemas y
diseños de estudio. Ilustramos el marco con un estudio de caso de disturbios en
comunidades de agua dulce. Este enfoque basado en hipótesis aumentará el rigor y la
transparencia de los estudios de rasgos funcionales aplicados.
Introducción
Durante más de un siglo, los ecologistas han tratado de explicar las diferencias observadas
entre las comunidades biológicas. Como resultado, se han desarrollado muchos enfoques
para simplificar el ensamblaje de especies en unidades cuantificables utilizando índices
como la riqueza, diversidad y uniformidad de especies (por ejemplo, MacArthur, 1965;
Whittaker, 1972; Hill, 1973). Recientemente, los métodos basados en rasgos han surgido
como una forma atractiva de cuantificar y explicar las diferencias comunitarias (Weiher y
Keddy, 1995; Petchey y Gaston, 2002; McGill et al., 2006; Suding et al., 2008). Los rasgos
funcionales son una moneda útil para comprender la dinámica de la comunidad porque
pueden determinar cómo las especies responden al medio ambiente ("rasgos de respuesta")
y afectan el funcionamiento del ecosistema ("rasgos de efecto"; Naeem y Wright 2003).
Además, las comunidades que no tienen especies en común compartirán rasgos
funcionales (por ejemplo, tamaño del cuerpo), y los valores de los rasgos se pueden
comparar entre individuos dentro y entre comunidades. Por lo tanto, los análisis de rasgos
pueden resaltar patrones en los ecosistemas que no son evidentes en los análisis
taxonómicos (por ejemplo, Lavorel et al. 2013, Parravicini et al. 2014). La gran cantidad de
estudios recientes de diversidad funcional (FD) indica que un enfoque funcional de la
ecología es un medio atractivo para detectar similitudes o diferencias en los patrones de
ensamblaje de la comunidad.
Se han desarrollado muchos enfoques para cuantificar la composición de los estados de
rasgos funcionales dentro y entre las comunidades ("composición de rasgos multivariados").
Algunos de estos métodos, como la ordenación multivariada, explican la no independencia
del rasgo (Petchey y Gaston, 2006) y el potencial de conjuntos de rasgos para responder en
concierto al medio ambiente (Mouchet et al., 2010). Actualmente, existen más de 20
métricas para medir diversas facetas de la composición de rasgos multivariados, y una gran
cantidad de revisiones, marcos e iniciadores que intentan guiar a los ecólogos a través de
esta creciente complejidad analítica (Petchey et al., 2004; Petchey y Gaston, 2006; Mouchet
et al., 2010; Cadotte et al., 2011; Schleuter et al., 2011; Kleyer et al., 2012; de Bello et al.,
2013; Mason et al., 2013; Mouillot et al., 2013b; Spasojevic et al., 2014). Esta diversidad de
enfoques es inspiradora; sin embargo, requiere una selección métrica informada que sea
apropiada para abordar preguntas de investigación específicas.
Los investigadores han comenzado a aplicar estos enfoques cuantitativos de FD para
probar rigurosamente las hipótesis ecológicas. Por ejemplo, Mason et al. (2013) aplicaron
un enfoque funcional para examinar los mecanismos de coexistencia en comunidades de
plantas leñosas a través de la convergencia y la divergencia en los rasgos de uso de
recursos en relación con la fertilidad del suelo. De manera similar, Laliberté y sus colegas
(2013) examinaron la convergencia en los rasgos funcionales de la planta para probar la
influencia del filtrado ambiental y la superposición de nichos en la composición de la
comunidad de la planta a lo largo de gradientes de productividad primaria y alteración del
pastoreo. Estos dos estudios son ejemplares porque esbozaron explícitamente una
hipótesis de diferencia funcional (convergencia / divergencia de rasgos) y seleccionaron una
métrica cuantitativa de DF de la literatura (riqueza funcional; Mason et al. 2005) para probar
la hipótesis e interpretar los resultados. Sin embargo, la convergencia y la divergencia no
son las únicas formas en que FD puede diferir entre las comunidades; pueden surgir otros
patrones y no siempre está claro qué aspectos de la estructura del espacio de rasgos son
más relevantes para probar hipótesis ecológicas alternativas de diferencia funcional.
La complejidad de combinar información sobre múltiples rasgos para múltiples taxones hace
que sea difícil formular hipótesis multivariadas con información ecológica y luego utilizar
estas hipótesis para seleccionar métodos cuantitativos apropiados de manera rigurosa y
transparente. Se necesita un marco intuitivo para guiar la selección basada en hipótesis de
métodos cuantitativos de DF. Luego, las hipótesis de interés pueden determinar análisis
cuantitativos apropiados para probarlas, en lugar de seleccionar métricas post-hoc o
adoptar métodos diseñados para otras aplicaciones sin una evaluación exhaustiva. Un
enfoque basado en hipótesis también puede determinar cuándo aún no existen métricas
para detectar posibles respuestas de FD de interés y, por lo tanto, motivar el desarrollo de
nuevos enfoques cuantitativos. De esta forma, los investigadores pueden asegurarse de
que las preguntas ecológicas impulsen el desarrollo metodológico en lugar de viceversa.
Presentamos un marco intuitivo que describe un amplio conjunto de hipótesis ecológicas
sobre las diferencias funcionales entre las comunidades y proporciona formas directas de
probar estas hipótesis. Este marco utiliza hipótesis gráficas de respuestas funcionales a las
perturbaciones para guiar la selección, aplicación e interpretación de los métodos de DF.
Destacamos la necesidad de un desarrollo y selección de métricas motivadas
ecológicamente al describir una nueva métrica cuantitativa que cuantifica la rotación
funcional entre las comunidades. Demostramos el marco con un estudio de caso de un
ecosistema acuático.
Este espacio de rasgos puede ser construido por dos o más rasgos para generar un espacio
n dimensional. Las técnicas de ordenación como el escalado multidimensional no métrico o
el análisis de componentes principales se pueden aplicar para crear una aproximación de
dimensionalidad reducida de las distancias entre objetos en el espacio de rasgos
n-dimensional original. La posición de cada punto en la ordenación está determinada por
una combinación específica de valores de rasgos (en adelante, "combinación de rasgos",
según De Bello et al., 2005), y por lo tanto los puntos que están más juntos representan
especies con una composición de rasgos similar. Si la información de abundancia de
especies está disponible, el número de individuos que poseen una combinación de rasgos
particular se puede indicar por tamaño de punto (Rosenfeld, 2002; Mouillot et al., 2013b).
De esta manera, la información de rasgos de muchas especies se puede combinar
visualmente para caracterizar la composición de rasgos multivariados de comunidades
enteras (por ejemplo, Mouchet et al., 2010; de Bello et al., 2013; Mouillot et al., 2013b).
Paso 3. Los resultados de los análisis FD son muy sensibles a la selección de rasgos
(Petchey y Gaston, 2006), y las características de los rasgos determinarán qué métricas FD
son matemáticamente factibles y biológicamente informativas (Podani, 2009; McCune,
2014).
Paso 5. Este paso sigue el método científico y se describe con el estudio de caso. La teoría
y el conocimiento del sistema desempeñan un papel clave en la interpretación de los
resultados de las pruebas utilizando métricas FD.
Hipótesis gráficas
Fig. 3. Cinco hipótesis gráficas de cómo la perturbación puede alterar la distribución de las combinaciones de rasgos en el espacio de
rasgos multidimensionales. Cada hipótesis es una ordenación multivariada, donde cada punto representa una combinación de rasgos y
el tamaño del círculo está determinado por la abundancia de individuos con esa combinación particular. Los círculos azules
representan combinaciones de rasgos de especies en una comunidad no perturbada, y los círculos rojos representan los de una
comunidad perturbada (según Mouillot et al. 2013b). Por ejemplo, cada comunidad contiene 10 combinaciones de rasgos (o especies),
y suponemos que ambas comunidades existen dentro de las mismas especies regionales y grupos de rasgos.
Ilustramos nuestras hipótesis gráficas con dos comunidades de ejemplo, que representan
condiciones perturbadas y no perturbadas (Fig. 3). Representamos diferencias en la
composición de rasgos funcionales entre las comunidades en un espacio de rasgos
multidimensional como se describe en la Figura 1. En la mayoría de las aplicaciones del
espacio de rasgos en la literatura publicada, cada combinación de rasgos única representa
una especie y los puntos concéntricos representan especies funcionalmente redundantes
que comparten combinaciones de rasgos (Rosenfeld 2002). Sin embargo, también es posible
que las combinaciones de rasgos de las especies puedan variar dentro de las especies a
través de la variación genética, la plasticidad fenotípica u otros procesos (Miner et al. 2005,
Bolnick et al. 2011). Por lo tanto, nos referimos a los puntos en el espacio de rasgos como
"combinaciones de rasgos". Las hipótesis fueron diseñadas para incorporar la abundancia de
especies, pero pueden ser subconjuntos y modificados para conjuntos de datos que
contienen solo información de presencia / ausencia. Si bien cada hipótesis en la Fig. 3
representa una muestra comunitaria perturbada y una muestra comunitaria no perturbada,
el marco básico y los análisis cuantitativos están destinados a realizarse en comunidades
replicadas, tales como réplicas dentro de tratamientos, sitios o puntos temporales (Fig. 1C),
como lo demostramos con el estudio de caso.
TAb puede o no
diferir
FDist y TAb
pueden o
pueden
No difiere.
Fig. 4. Uso de hipótesis gráficas para seleccionar métricas cuantitativas. Esta figura representa nuestro proceso de decisión para
seleccionar métricas para probar hipótesis sobre respuestas a perturbaciones. Los “requisitos de métrica” son factores considerados al
seleccionar cada métrica, como se describe en “Seleccionar métricas para probar las hipótesis”. La "prueba de hipótesis" indica qué pruebas
son necesarias para respaldar cada hipótesis. Las hipótesis no son mutuamente excluyentes y se puede encontrar apoyo para múltiples
hipótesis a la vez. Nota: las hipótesis gráficas representadas en la figura 3 son diagramas simplificados que comparan una réplica de una
sola comunidad perturbada con una réplica de una sola comunidad no perturbada, pero la prueba de hipótesis requiere que haya múltiples
réplicas de comunidades en los Tratamientos A y B (sin perturbar y perturbar). TAb, abundancia total; FDisp, dispersión funcional; FDist,
distancia funcional; FRic, riqueza funcional.
Combinaciones de métricas
Como se ilustra en la Fig. 4, es necesaria una combinación de métricas para determinar el
apoyo a las hipótesis. Por ejemplo, el apoyo a la Hipótesis de Igual Impacto (Fig. 3B)
requiere evidencia de una diferencia en la abundancia total, la falta de una diferencia en la
dispersión funcional y la riqueza funcional, y una distancia funcional que no sea
significativamente diferente de cero. La hipótesis del cambio de abundancia de rasgos (Fig.
3C), la hipótesis de rotación funcional (Fig. 3D) y la Hipótesis de convergencia / divergencia
(Fig. 3E) pueden generar diferencias en la dispersión funcional. Por lo tanto, determinar
cuál de estas hipótesis puede ser apoyada en un estudio de caso particular también
requiere la inclusión de la distancia funcional y la riqueza funcional. Por ejemplo, la
perturbación puede hacer que la abundancia relativa de combinaciones de rasgos cambie
sin recambio funcional o convergencia / divergencia, pero la convergencia / divergencia y el
recambio funcional siempre van acompañados de cambios en la abundancia de rasgos.
Estos matices son ecológicamente informativos y comprenderlos es esencial para hacer
inferencias apropiadas de los estudios de DF.
En algunas circunstancias, puede ser necesario un mayor escrutinio para diferenciar entre
hipótesis. Por ejemplo, si la perturbación hace que las especies sean reemplazadas por
otros taxones con combinaciones de rasgos que estén a la misma distancia del centroide
funcional, esta rotación funcional no sería detectada por ninguna de las combinaciones de
métricas que proponemos. Situaciones como esta destacan la importancia de visualizar e
interpretar las diferencias en el espacio de rasgos a la luz del conocimiento ecológico
específico del sistema. Tales casos generalmente se pueden evitar incorporando
observaciones ecológicas o combinando análisis taxonómicos y funcionales como lo
demostramos con nuestro estudio de caso, a continuación. La integración de la información
de especies y rasgos producirá una comprensión más completa de cómo funcionan las
comunidades y permitirá a los investigadores aislar e interpretar cualquier irregularidad.
UN ESTADO DE CASO
Demostramos el marco con un conjunto de datos publicado sobre comunidades de
invertebrados de la corriente antes y después del secado catastrófico de la corriente (Bogan
y Lytle 2011). En este estudio, los investigadores tomaron muestras de la comunidad de
invertebrados acuáticos en un pequeño arroyo aislado (French Joe Canyon) en el sureste
de Arizona durante ocho años (2002–2009), antes y después de una sequía severa y el
resultado del secado del arroyo. Las muestras tomadas antes de la sequía se clasificaron
como "no perturbadas" y las tomadas después como "perturbadas".
Paso 2: Evaluar hipótesis gráficas. Todas las hipótesis son ecológicamente factibles en este
estudio de caso, e imaginamos que esto también será cierto en muchas otras aplicaciones.
Los análisis taxonómicos documentaron la rotación de especies cuando los taxones
sensibles a la sequía fueron eliminados de las comunidades acuáticas y reemplazados por
taxones resistentes a la sequía (Bogan y Lytle, 2011). En consecuencia, esperábamos que
este estudio de caso apoyara la hipótesis de rotación funcional. Sin embargo, dada la
información limitada sobre cómo las comunidades acuáticas responden a una sequía sin
precedentes y la posibilidad de que múltiples hipótesis estén en juego al mismo tiempo, nos
propusimos probar las cinco hipótesis.
Paso 3: Seleccione el subconjunto de rasgos. Los resultados de los análisis FD son muy
sensibles a la identidad del rasgo, y la inclusión de más rasgos no necesariamente produce
resultados más precisos o informativos (Petchey y Gaston, 2006). Utilizamos el
conocimiento previo de las comunidades de invertebrados acuáticos para elegir siete rasgos
categóricos para este análisis que están asociados con las respuestas biológicas a la
sequía en las corrientes de tierras áridas: tamaño corporal, grupo de alimentación funcional,
capacidad de dispersión, locomoción, voltinismo, respiración y diapausa (Boersma et al.,
2014; Schriever et al., 2015).
Paso 4: Seleccione las métricas cuantitativas. Utilizamos las combinaciones métricas y las
pruebas estadísticas descritas en la Fig. 4 para evaluar las cinco hipótesis. Porque por
nuestra expectativa de un recambio funcional, era importante incluir la novedosa distancia
métrica y funcional, ya que ni la riqueza funcional ni la dispersión funcional por sí solas
podían probar la hipótesis de rotación funcional (Fig. 3D). Después de calcular las métricas
y examinar sus distribuciones empíricas, comparamos la abundancia total, la riqueza y la
dispersión entre grupos perturbados y no perturbados utilizando las pruebas t de Welch.
Calculamos la distancia funcional utilizando el enfoque de modelado de efectos mixtos
descrito anteriormente. Todos los análisis se realizaron con R versión 2.14.1 (R
Development Core Team, 2011) y paquetes MCMCglmm, lme4, FD y vegan (Hadfield, 2010;
Bates et al., 2011; Laliberté y Shipley, 2011; Oksanen et al., 2012).
Paso 5: desafíe las hipótesis con datos e interprete los resultados a la luz de la ecología
específica del sistema. - Contrariamente a nuestras expectativas, no detectamos una
diferencia en la ubicación del centroide funcional, es decir, en la distancia funcional entre
perturbado y no perturbado comunidades (MCMC, intervalo creíble inferior = −0,002,
intervalo creíble superior = 0,020). A pesar de la falta de apoyo a la hipótesis de rotación
funcional, hubo evidencia de que la riqueza funcional era menor en las comunidades de
post-secado perturbadas que en las comunidades de pre-secado no perturbadas (prueba t
de Welch, t = 2.541, df = 14.447, P = 0.023) y evidencia moderada del mismo patrón en
dispersión funcional (prueba t de Welch, t = 1.920, df = 17.959, P = 0.071). Finalmente, la
abundancia total fue mayor en la comunidad perturbada que en la comunidad no perturbada
(prueba t de Welch, t = −3.311, df = 16.133, P = 0.004). En resumen, la evidencia
combinada de no recambio funcional con diferencias en riqueza funcional, dispersión
funcional y abundancia total indica apoyo para la convergencia/divergencia Hipótesis (Fig.
3E) y falta de apoyo para las otras cuatro hipótesis (Fig. 4).
La ecología específica del sistema es tan importante al interpretar los resultados de los
análisis FD como lo es al generar preguntas de investigación. Las comunidades perturbadas
después de la sequía experimentaron una afluencia de colonos cuando el flujo regresó
después del evento de secado de la corriente (Bogan y Lytle, 2011), y estos nuevos colonos
fueron funcionalmente similares a algunas (pero no a todas) de las especies presentes en la
comunidad antes del secado. Los colonos funcionalmente homogéneos reemplazaron los
taxones que tenían diversas combinaciones de rasgos en los bordes del espacio de rasgos
multivariados, lo que produjo la reducción general de la riqueza funcional que observamos,
sin recambio funcional.
CONCLUSIONES
Nuestro marco de evaluación de hipótesis fue motivado por la necesidad de una forma
intuitiva y ecológicamente informada de seleccionar métodos cuantitativos de DF antes del
análisis de datos. El creciente número de DF cuantitativas hacen que sea esencial que los
investigadores justifiquen la selección métrica a la luz de las hipótesis basadas en rasgos,
en lugar de simplemente adoptar técnicas publicadas sin evaluación. Nuestro marco facilita
este proceso mediante el uso de hipótesis gráficas en el espacio de rasgos multivariados
para guiar la selección, aplicación e interpretación de métodos cuantitativos. Proponemos
un conjunto de métricas para probar hipótesis ecológicas comunes de ensamblaje
comunitario funcional, incluida una nueva métrica para medir la distancia funcional entre
comunidades. Este enfoque fomentará una aplicación más consistente de métodos de FD
multivariados de manera rigurosa, al tiempo que respeta la importancia del conocimiento
ecológico específico del sistema y los patrones observados de ensamblaje comunitario.
Nuestras cinco hipótesis gráficas representan respuestas de rasgos funcionales a los
impulsores ambientales en dos categorías (en nuestro ejemplo: perturbado y no
perturbado), y visualizamos muchas aplicaciones para las cuales dos categorías son
suficientes (por ejemplo, tratamiento / control, antes / después). Sin embargo, nuestro
enfoque flexible podría adaptarse fácilmente para acomodar a más de dos grupos, como
múltiples puntos de tiempo o muestras a lo largo de un gradiente o para considerar rasgos
de efectos e hipótesis de prueba relacionadas con el funcionamiento del ecosistema
(Naeem y Wright 2003, Suding et al. 2008). La selección a priori de herramientas
cuantitativas para abordar hipótesis también ayuda a los investigadores a identificar
posibles necesidades para diseñar métricas novedosas si no existen las apropiadas, como
lo hemos hecho aquí con nuestra métrica de distancia funcional para medir la rotación
funcional entre comunidades replicadas.