Análisis fitosociológico

Marco Arizapana
29/10/2019

Estructura horizontal
El análisis fitosociológico del bosque abarca la estimación de diversos parámetros. Los parámetros fitosociológi-
cos de la estructura horizontal pueden ser expresados en valores absolutos y relativos (MUELLER-DOMBOIS;
ELLENBERG, 1974). Los principales paŕametros de la estructura horizontal son (MUELLER-DOMBOIS;
ELLENBERG, 1974; SANQUETTA et al., 2014; SOUZA; SOARES, 2013):
1. Densidade absoluta (DAi ) da i-ésima especie, en número de individuos por hectarea, por especie;
2. Densidade relativa (DRi ) da i-ésima especie, en porcentage;
3. Dominancia absoluta (DoAi ) da i-ésima especie (m2 .ha− 1);
4. Dominancia relativa (DoRi ) da i-ésima especie, en porcentage;
5. Frequencia absoluta (F Ai ) da i-ésima especie, en porcentage
6. Frequencia relativa (F Ri ) da i-ésima especie, en porcentage;
7. Valor de cobertura (V Ci ) da i-ésima especie, en porcentage;
8. Porcentage de cobertura (P Ci ) da i-ésima especie;
9. Valor de importância (V Ii ) da i-ésima especie, en porcentage; y
10. Porcentage de importancia (P Ii ) da i-ésima especie.

Estimando los parámetros de la estrutura horizontal

Utilizaremos R para obtener estos parámetros, los datos fueron obtenidos de parcelas permanentes instaladas
en un bosque, con una inclusión de árboles de 10 cm (DAP >= 10 cm). Fueron establecidos en 3 parcelas
de 1000 m2 (0.1 ha), con un área total de muestreo (A) de 0.3 ha). Usaremos el paquete data.table para
manipulación de los datos:

Parcela Especie DAP

1 Araucaria angustifolia 34.5
1 Ocotea porosa 56.2
1 Ocotea pulchella 13.4
1 Maytenus ilicifolia 10.2
1 Ilex paraguariensis 10.9
1 Campomanesia xanthocarpa 24.7
1 Drymis brasiliensis 23.8
1 Allophyllus edulis 13.1
1 Matayba eleagnoides 31
1 Cupania vernalis 10
1 Capsicodendron dinnisii 21.9
1 Araucaria angustifolia 76.6
1 Araucaria angustifolia 45.9
1 Ilex paraguariensis 23
1 Matayba eleagnoides 17.9
1 Araucaria angustifolia 29.9

1
Parcela Especie DAP
1 Campomanesia xanthocarpa 17.6
1 Ilex paraguariensis 13.9
1 Allophyllus edulis 12.1
1 Ilex paraguariensis 11.3
1 Vernonia discolor 23.8
2 Ilex paraguariensis 14.5
2 Nectandra grandiflora 13.5
2 Eugenia uniflora 13.2
2 Campomanesia xanthocarpa 22
2 Araucaria angustifolia 34.6
2 Matayba eleagnoides 32
2 Mimosa scabrella 28
2 Araucaria angustifolia 134
2 Ilex paraguariensis 19.5
2 Sapium glandulatum 12.9
2 Schinus terebinthifolius 23.5
2 Ilex paraguariensis 35
2 Araucaria angustifolia 19
2 Ilex paraguariensis 27
2 Ilex paraguariensis 17.6
2 Araucaria angustifolia 50.7
2 Nectandra grandiflora 16.9
2 Nectandra grandiflora 32.7
2 Araucaria angustifolia 44.8
2 Ilex paraguariensis 21
2 Luehea divaricata 34.5
2 Cedrela fissilis 38.6
2 Matayba eleagnoides 23.8
3 Piptocarpha angustifolia 27.9
3 Ilex paraguariensis 17.5
3 Ilex paraguariensis 26
3 Campomanesia xanthocarpa 22
3 Araucaria angustifolia 45
3 Matayba eleagnoides 28.7
3 Matayba eleagnoides 19.7
3 Araucaria angustifolia 48
3 Nectandra grandiflora 15.6
3 Ocotea porosa 78.9
3 Ilex paraguariensis 23
3 Ilex paraguariensis 16
3 Araucaria angustifolia 56
3 Ilex paraguariensis 23.6
3 Ilex paraguariensis 19.9
3 Araucaria angustifolia 25.6
3 Matayba eleagnoides 27.6
3 Nectandra grandiflora 19.8
3 Araucaria angustifolia 18.9
3 Ilex paraguariensis 10.1
3 Mimosa scabrella 27
3 Schinus terebinthifolius 21
3 Allophyllus edulis 18.4
3 Ilex paraguariensis 35.7

2
 Parcela Especie DAP
3 Tabebuia avellanedae 29.6
3 Sapium glandulatum 23.6

knitr::opts_chunk$set(echo = TRUE)

library(data.table)
library(dplyr)

##
## Attaching package: 'dplyr'
## The following objects are masked from 'package:data.table':
##
## between, first, last
## The following objects are masked from 'package:stats':
##
## filter, lag
## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union
library(plyr)

## -------------------------------------------------------------------------
## You have loaded plyr after dplyr - this is likely to cause problems.
## If you need functions from both plyr and dplyr, please load plyr first, then dplyr:
## library(plyr); library(dplyr)
## -------------------------------------------------------------------------
##
## Attaching package: 'plyr'
## The following objects are masked from 'package:dplyr':
##
## arrange, count, desc, failwith, id, mutate, rename, summarise,
## summarize
datos<-read.csv("FOM.csv", header=TRUE, sep=(","))

#Número de filas que tiene nuestra base de datos

nrow(datos)

## [1] 70
#Nombres del dataframe
names(datos)

## [1] "Parcela" "Especie" "DAP"

#Dimensión
dim(datos)

## [1] 70 3

3
El objetivo de cargar el paquete data.table es transformar nuestra dataframe como objeto a ser analizado
por este paquete. Realizamos el siguiente procedimiento:
#un nuevo nombre a nuestro dataframe

datos2=data.table(datos)

#n= número total de individuos muestreados en la j-ésima parcela

datos2[,.(n=.N), by=Parcela][]

## Parcela n
## 1: 1 21
## 2: 2 23
## 3: 3 26
#número de individuos muestreados de la i-ésima especie en la j-ésima parcela

datos2[, .(ni=.N), by=c("Parcela", "Especie")]

## Parcela Especie ni
## 1: 1 Araucaria angustifolia 4
## 2: 1 Ocotea porosa 1
## 3: 1 Ocotea pulchella 1
## 4: 1 Maytenus ilicifolia 1
## 5: 1 Ilex paraguariensis 4
## 6: 1 Campomanesia xanthocarpa 2
## 7: 1 Drymis brasiliensis 1
## 8: 1 Allophyllus edulis 2
## 9: 1 Matayba eleagnoides 2
## 10: 1 Cupania vernalis 1
## 11: 1 Capsicodendron dinnisii 1
## 12: 1 Vernonia discolor 1
## 13: 2 Ilex paraguariensis 6
## 14: 2 Nectandra grandiflora 3
## 15: 2 Eugenia uniflora 1
## 16: 2 Campomanesia xanthocarpa 1
## 17: 2 Araucaria angustifolia 5
## 18: 2 Matayba eleagnoides 2
## 19: 2 Mimosa scabrella 1
## 20: 2 Sapium glandulatum 1
## 21: 2 Schinus terebinthifolius 1
## 22: 2 Luehea divaricata 1
## 23: 2 Cedrela fissilis 1
## 24: 3 Piptocarpha angustifolia 1
## 25: 3 Ilex paraguariensis 8
## 26: 3 Campomanesia xanthocarpa 1
## 27: 3 Araucaria angustifolia 5
## 28: 3 Matayba eleagnoides 3
## 29: 3 Nectandra grandiflora 2
## 30: 3 Ocotea porosa 1
## 31: 3 Mimosa scabrella 1
## 32: 3 Schinus terebinthifolius 1
## 33: 3 Allophyllus edulis 1
## 34: 3 Tabebuia avellanedae 1
## 35: 3 Sapium glandulatum 1

4
## Parcela Especie ni
#llámamos a:
library(ggplot2)

ggplot(datos2[, .(ni=.N), by=c("Parcela", "Especie")], # gráfico a partir da função ggplot()

aes(x=Especie, y=ni, fill=Especie)) +
geom_bar(stat="identity",position="dodge",width = 1,colour="black")+
geom_text(aes(label=ni,hjust=-.3, vjust=0.5),
position=position_dodge(width = 0.7))+
facet_grid(~ Parcela, labeller=labeller(
Parcela = Parcela<-as_labeller(
c(`1`="Parcela 1",`2`="Parcela 2",`3`="Parcela 3"))))+
coord_flip()+
geom_text(data=ddply(.data=datos2, .(Parcela), summarize,
n=paste("n =", length(Especie))),
aes(x=23, y=7, label=n), colour="black",
inherit.aes=FALSE, parse=FALSE)+
theme_bw()+
theme(axis.line.x=element_line(size=0.5,colour="black"),
axis.line.y=element_line(size=0.5,colour="black"),
axis.line=element_line(size=1,colour="black"),
strip.text.x=element_text(colour=1,size=12,family="serif",face="bold"),
strip.background = element_rect(colour="black", fill="snow2"),
panel.grid.major=element_blank(),
panel.grid.minor=element_blank(),
panel.border=element_rect(color="black"),
panel.background=element_blank(),
axis.text.x=element_text(colour="black",size=12,family="serif",angle=0),
axis.text.y=element_text(colour=1,size=12,family="serif",face="italic"),
legend.position="none")+
scale_x_discrete(name="Especie")+
scale_y_continuous(name="Número de individuos",
limits=c(0,8))

5
 Parcela 1 Parcela 2 Parcela 3
n = 21 n = 23 n = 26

Vernonia discolor 1
Tabebuia avellanedae 1
Schinus terebinthifolius 1 1
Sapium glandulatum 1 1
Piptocarpha angustifolia 1
Ocotea pulchella 1
Ocotea porosa 1 1
Nectandra grandiflora 3 2
Especie

Mimosa scabrella 1 1
Maytenus ilicifolia 1
Matayba eleagnoides 2 2 3
Luehea divaricata 1
Ilex paraguariensis 4 6 8
Eugenia uniflora 1
Drymis brasiliensis 1
Cupania vernalis 1
Cedrela fissilis 1
Capsicodendron dinnisii 1
Campomanesia xanthocarpa 2 1 1
Araucaria angustifolia 4 5 5
Allophyllus edulis 2 1
0 2 4 6 8 0 2 4 6 8 0 2 4 6 8
Número de individuos

Obteniendo los parámetros fitosociológicos de la estructura hori-

zontal
1. Densidad absoluta (DAi ), para obtener este parámetro es necesario el conocimiento del número de
individuos muestreados en la i − ésima especie (ni ) y del área total muestreada (A):
ni
DAi =
A

2. Densidad relativa (DRi ), basta usar la fórmula de la parte inferior, en que: s = número total de especies
observadas.
DAi
DRi = Ps
i=1 (DAi )

3. Dominancia absoluta (DoAi ) - m2 .ha− 1, es necesario el cálculo previo de las áreas transversales (gi )
del j − ésimo árbol. Luego, área basal de la especie (Gi ) es obtenida por la suma de las gj para cada
especie. Por fin, la DoAi de la i − ésima especie es calculada por la razón de Gi por la área total
muestreada (A): Pni
gj Gi
DoAi = i=1 =
A A
π 2
gj = .DAPj
40000

4. Dominancia relativa (DORi ), calculada por la razón de dominancia absoluta de cada especie (DoAi )
por la dominancia total (suma de valores de DoAi para cada especie). También se puede hacer por la

6
 razón del área basal de la i − ésima especie (Gi ) por la suma de las áreas basales de todas las especies
muestreadas (GT ):
DoAi Gi
DoRi = Ps .100 =
i=1 (DoA i ) GT

5. Frecuencia absoluta (F Ai ), razón del número de unidades de muestras (Ui ) donde fueron encontradas
la i − ésima especie y el número total de unidades de muestras (UT ). Se puede multiplicar por 100
para obtener el parámetro relativizado:
Ui
F Ai = .100
UT

6. Frecuencia relativa (F Ri ), la frecuencia relativa de la i − ésima especie es calculada por la razón de la

frecuencia absoluta de cada especie (F Ai ) por la frecuencia total (suma de los valores de FA_i para
cada especie):
F Ai
F Ri = Ps .100
i=1 (F Ai )

7. Valor de cobertura (V Ci ), integra los parámetros de densidad y dominancia relativa, esto es, el V CI es
suma de DRi y DoRi de cada especie:

V Ci = DRi + DoRi

8. Porcentaje de cobertura (P Ci ), por extensión, se puede obtener el porcentaje de cobertura de la

i − ésima especie haciéndose la media de DRi y DoRi :
DRi + DoRi
P Ci =
2

9. Valor de importancia (V Ii ), integra los parámetros de densidad, dominancia y frecuencia relativa, esto
es, el V Ii es la suma de DRi , Doi y F Ri de cada especie:

V Ii = DRi + DoRi + F Ri

10. Porcentaje de importancia (P Ii ), haciendo la media de DRi , DoRI y F Ri :

DRi + DoRi + F Ri
P Ii =
3

EH <- function(species, sample, d, A,...){

DT <- data.table(species=species, sample=sample, d=d)
DT <- DT[,`:=`(gi=pi*d^2/40000)]
Ui <- unique(DT, by=c("species", "sample"))[, .(Ui=.N), by="species"][order(species)]
ni <- DT[, .(ni=.N, Gi = sum(gi)), by="species"]
ni <- ni[Ui, on="species"]
EH <- ni[,DAi := ni/A,
][,DRi := (DAi/sum(DAi))*100,
][,DoAi := Gi/A,
][,DoRi := (DoAi/sum(DoAi))*100,
][,VCi := DRi + DoRi,
][,PCi := VCi/2,
][,FAi := (Ui/length(unique(DT$sample)))*100,
][,FRi := (FAi/sum(FAi))*100,
][,VIi := DRi + DoRi + FRi,
][,PIi := VIi/3][order(-VIi)]

7
 return(EH)
}
EH <- EH(species=datos2$Especie, sample=datos2$Parcela, d=datos2$DAP, A=0.3)
EH

## species ni Gi Ui DAi DRi

## 1: Araucaria angustifolia 14 3.347986652 3 46.666667 20.000000
## 2: Ilex paraguariensis 18 0.656647057 3 60.000000 25.714286
## 3: Matayba eleagnoides 7 0.380556041 3 23.333333 10.000000
## 4: Ocotea porosa 2 0.736990148 2 6.666667 2.857143
## 5: Campomanesia xanthocarpa 4 0.148271392 3 13.333333 5.714286
## 6: Nectandra grandiflora 5 0.170631678 2 16.666667 7.142857
## 7: Allophyllus edulis 3 0.051567673 2 10.000000 4.285714
## 8: Mimosa scabrella 2 0.118830742 2 6.666667 2.857143
## 9: Schinus terebinthifolius 2 0.078009673 2 6.666667 2.857143
## 10: Sapium glandulatum 2 0.056813347 2 6.666667 2.857143
## 11: Cedrela fissilis 1 0.117021185 1 3.333333 1.428571
## 12: Luehea divaricata 1 0.093482016 1 3.333333 1.428571
## 13: Tabebuia avellanedae 1 0.068813445 1 3.333333 1.428571
## 14: Piptocarpha angustifolia 1 0.061136178 1 3.333333 1.428571
## 15: Drymis brasiliensis 1 0.044488094 1 3.333333 1.428571
## 16: Vernonia discolor 1 0.044488094 1 3.333333 1.428571
## 17: Capsicodendron dinnisii 1 0.037668481 1 3.333333 1.428571
## 18: Ocotea pulchella 1 0.014102609 1 3.333333 1.428571
## 19: Eugenia uniflora 1 0.013684778 1 3.333333 1.428571
## 20: Maytenus ilicifolia 1 0.008171282 1 3.333333 1.428571
## 21: Cupania vernalis 1 0.007853982 1 3.333333 1.428571
## species ni Gi Ui DAi DRi
## DoAi DoRi VCi PCi FAi FRi
## 1: 11.15995551 53.5060230 73.506023 36.7530115 100.00000 8.571429
## 2: 2.18882352 10.4942391 36.208525 18.1042624 100.00000 8.571429
## 3: 1.26852014 6.0818762 16.081876 8.0409381 100.00000 8.571429
## 4: 2.45663383 11.7782464 14.635389 7.3176946 66.66667 5.714286
## 5: 0.49423797 2.3696070 8.083893 4.0419463 100.00000 8.571429
## 6: 0.56877226 2.7269590 9.869816 4.9349081 66.66667 5.714286
## 7: 0.17189224 0.8241314 5.109846 2.5549229 66.66667 5.714286
## 8: 0.39610247 1.8990997 4.756243 2.3781213 66.66667 5.714286
## 9: 0.26003224 1.2467156 4.103859 2.0519293 66.66667 5.714286
## 10: 0.18937782 0.9079655 3.765108 1.8825542 66.66667 5.714286
## 11: 0.39007062 1.8701802 3.298752 1.6493758 33.33333 2.857143
## 12: 0.31160672 1.4939877 2.922559 1.4612796 33.33333 2.857143
## 13: 0.22937815 1.0997457 2.528317 1.2641585 33.33333 2.857143
## 14: 0.20378726 0.9770510 2.405622 1.2028112 33.33333 2.857143
## 15: 0.14829365 0.7109888 2.139560 1.0697801 33.33333 2.857143
## 16: 0.14829365 0.7109888 2.139560 1.0697801 33.33333 2.857143
## 17: 0.12556160 0.6020008 2.030572 1.0152861 33.33333 2.857143
## 18: 0.04700870 0.2253816 1.653953 0.8269765 33.33333 2.857143
## 19: 0.04561593 0.2187040 1.647275 0.8236377 33.33333 2.857143
## 20: 0.02723761 0.1305898 1.559161 0.7795806 33.33333 2.857143
## 21: 0.02617994 0.1255188 1.554090 0.7770451 33.33333 2.857143
## DoAi DoRi VCi PCi FAi FRi
## VIi PIi
## 1: 82.077452 27.359151
## 2: 44.779953 14.926651

8
## 3: 24.653305 8.217768
## 4: 20.349675 6.783225
## 5: 16.655321 5.551774
## 6: 15.584102 5.194701
## 7: 10.824131 3.608044
## 8: 10.470528 3.490176
## 9: 9.818144 3.272715
## 10: 9.479394 3.159798
## 11: 6.155894 2.051965
## 12: 5.779702 1.926567
## 13: 5.385460 1.795153
## 14: 5.262765 1.754255
## 15: 4.996703 1.665568
## 16: 4.996703 1.665568
## 17: 4.887715 1.629238
## 18: 4.511096 1.503699
## 19: 4.504418 1.501473
## 20: 4.416304 1.472101
## 21: 4.411233 1.470411
## VIi PIi