Documentos de Académico
Documentos de Profesional
Documentos de Cultura
HUAMANGA
PRESENTADO POR:
Michael Aronés Quispe
ASESOR:
Ing. Hoover Nuñez Alfaro
Ayacucho – Perú
2022
Dedicatoria
Primeramente a Dios por las bendiciones que siempre nos brinda, a mi madre Noemi Quispe
Dias por su gran apoyo y amor incondicional, por el deseo de superación que sembró en mi
vida, por inculcarme el ejemplo de esfuerzo y valentía; así mismo dedico este trabajo a mi
esposa Angela Patricia Mallqui Alcocer por su amor y mantener la motivación de compartir
las mismas metas de superación en todos los aspectos de la vida.
En segundo plano dedico este trabajo a mis familiares mas queridos principalmente a mi tía
Dina Mendoza Guitierrez, abuela Nievesa Diaz de Quispe, finalmente a mis familares que
partieron de esta vida, mi querido abuelo Saturnino Quispe Mendoza (Papacha), mi abuela
Adorada Ida Esperanza Gutierrez Arrea, abuelo Vidal Salazar Montero y mi tío Lino
Mendoza Gutierrez; quienes desde el cielo aún me siguen guiando.
iii
Agradecimientos
iv
INDICE
Dedicatoria.................................................................................................................................iii
Agradecimientos ........................................................................................................................ iv
Resumen ..................................................................................................................................... x
Abstract...................................................................................................................................... xi
Presentación .............................................................................................................................. xii
Capítulo I .................................................................................................................................. 13
Introducción .............................................................................................................................. 13
Problema general .................................................................................................................. 14
Problema específico .............................................................................................................. 14
Objetivo general .................................................................................................................... 14
Objetivos específicos ............................................................................................................ 14
Capítulo II ................................................................................................................................. 15
Marco Teórico .......................................................................................................................... 15
2.1 Antecedentes....................................................................................................................... 15
Ecosistemas .............................................................................................................................. 16
Nicho ecológico ........................................................................................................................ 16
Distribución de una especie ...................................................................................................... 17
Endenismo ................................................................................................................................ 17
Familia Myrtaceae .................................................................................................................... 17
Especie ...................................................................................................................................... 18
Myrcianthes ferreyrae (McVaugh) McVaugh .......................................................................... 18
Flor. ....................................................................................................................................... 18
Hojas. .................................................................................................................................... 18
Frutos. ................................................................................................................................... 18
Myrcianthes oreophila “Unca” ................................................................................................. 19
Flor ........................................................................................................................................ 19
Hojas ..................................................................................................................................... 19
Frutos .................................................................................................................................... 19
Modelos de Distribución de Especies ....................................................................................... 20
Variables Bioclimáticas ............................................................................................................ 21
Maxent ...................................................................................................................................... 22
Coeficiente de correlación de Pearson...................................................................................... 22
Área Bajo la Curva ................................................................................................................... 22
v
Capítulo III ............................................................................................................................... 24
Desarrollo y análisis ................................................................................................................. 24
3.1. Metodología ....................................................................................................................... 24
Áre de Estudio .......................................................................................................................... 24
Clima de la Región de Ayacucho ............................................................................................. 25
Datos de distribución de especie .............................................................................................. 26
Variables Bioclimaticas ............................................................................................................ 27
Software ARCGIS .................................................................................................................... 28
Software libre QGIS. ................................................................................................................ 29
Rstudio ...................................................................................................................................... 33
Selección de Variables Ambientales ........................................................................................ 37
Ejecución en el Programa Maxent ............................................................................................ 45
3.2. Resultados y analisis.......................................................................................................... 48
Análisis Curva ROC y AUC ..................................................................................................... 48
Análisis Curva AUC ................................................................................................................. 49
Análisis de Mapa de Distribucion de Myrcianthes spp. ........................................................... 51
Aportes de Variables Bioclimáticas. ........................................................................................ 52
Test de Jackknife. ..................................................................................................................... 53
Superposición de Áreas ............................................................................................................ 54
Capítulo IV ............................................................................................................................... 55
Conclusiones y recomendaciones ............................................................................................. 55
4.1. Conclusiones...................................................................................................................... 55
4.2. Recomendaciones .............................................................................................................. 56
Referencia ................................................................................................................................. 57
ANEXO .................................................................................................................................... 63
INDICE DE TABLAS
Tabla 3.1 .................................................................................................................................. 38
Regresión auxiliar Bio4 como endógeno frente a las variables Bio14, Bio16 y Bio18 ........... 38
Tabla 3.2 .................................................................................................................................. 39
Regresión auxiliar Bio14 como endógeno frente a las variables Bio4, Bio16 y Bio18 ........... 39
Tabla 3.3 Regresión auxiliar Bio16 como endógeno frente a las variables Bio14, Bio16 y
Bio18......................................................................................................................................... 39
Tabla 3.4 .................................................................................................................................. 40
vi
Regresión auxiliar Bio18 como endógeno frente a las variables Bio16, Bio164y Bio4 .......... 40
Tabla 3.5 .................................................................................................................................. 41
Resumen de cálculo estadística de la regresión Bio4 como endógeno ..................................... 41
Tabla 3.6 .................................................................................................................................. 42
Resumén de cálculo estadística de la regresión Bio14 como endógeno .................................. 42
Tabla 3.7 .................................................................................................................................. 43
Resumén de cálculo estadística de la regresión Bio16 como endógeno .................................. 43
Tabla 3.8 .................................................................................................................................. 44
Resumén de cálculo estadística de la regresión Bio18 como endógeno .................................. 44
Tabla 3.9 .................................................................................................................................. 45
Cálculo de Factor de Inflación de Varianza (FIV) .................................................................. 45
INDICE DE FIGURAS
Figura 2.1................................................................................................................................. 19
Myrcianthes ferreyrae (McVaugh) McVaugh de Puerto Chala. Peru ..................................... 19
Figura 2.2................................................................................................................................. 20
Fotografía de la especie Myrcianthes oreophila ...................................................................... 20
Figura 2.3................................................................................................................................. 21
Elementos necesarios para definir un MDE............................................................................. 21
Figura 3.1................................................................................................................................. 25
Ubicación del departamento de Ayacucho ............................................................................... 25
Figura 3.2................................................................................................................................. 27
Ubicación puntos de Presencia utilizado para el estudio ........................................................ 27
Figura 3.3................................................................................................................................. 28
Variables bioclimáticas ............................................................................................................ 28
Figura 3.4................................................................................................................................. 29
Geoproceso extracción de capa bioclimática a través de mascara en el softwareArcgis. ...... 29
Figura 3.5................................................................................................................................. 30
Proceso de Interpolación de los puntos de presencia con los pixeles de las variables
bioclimáticas............................................................................................................................. 30
Figura 3.6................................................................................................................................. 30
Salida de puntos con los valores extraído de cada pixel de las variables bioclimáticas. ........ 30
Figura 3.7................................................................................................................................. 31
Valores extraídos de los pixeles de las variables bioclimáticas .............................................. 31
vii
Figura 3.8................................................................................................................................. 33
Script utilizado en el programa Rstudio ................................................................................... 33
Figura 3.8................................................................................................................................. 34
Entrada de Script en el Software Rstudio................................................................................. 34
Figura 3.9................................................................................................................................. 34
Generación de correlación de variables Bioclimaticas ........................................................... 34
Figura 3.10............................................................................................................................... 36
Correlación de variables bioclimáticas ................................................................................... 36
Figura 3.11............................................................................................................................... 36
Correlación de variables bioclimáticas con valores de rangos desde +1 a -1. ....................... 36
Figura 3.10............................................................................................................................... 47
Programa Maxent con datos exportados................................................................................... 47
Figura 3.11............................................................................................................................... 47
Calibración en la ventana “Settings”- “Basic”....................................................................... 47
Figura 3.12............................................................................................................................... 48
Calibración en la ventana “Settings”- “Advance”.................................................................. 48
Figura 3.13............................................................................................................................... 49
Análisis de omision/comisión ................................................................................................... 49
Figura 3.14............................................................................................................................... 51
Análisis Curva ROC y AUC...................................................................................................... 51
Figura 3.15............................................................................................................................... 52
Áreas de distribución potencial de la especie Myrcianthes spp. en la región Ayacucho ......... 52
Figura 3.17............................................................................................................................... 54
Jackknife de AUC para Myrcianthes spp ................................................................................. 54
INDICE DE CUADROS
Cuadro 2.1 ............................................................................................................................... 23
Matriz de confusión .................................................................................................................. 23
Cuadro 3.1 ............................................................................................................................... 26
Coordenadas de puntos de presencia de las especies Myrcianthes spp................................... 26
Cuadro 3.2 ............................................................................................................................... 32
Valores extraidos de la interpolación de los puntos de presencia con las variables
bioclimáticas............................................................................................................................. 32
Cuadro 3.3 ............................................................................................................................... 35
viii
Correlación de variables bioclimáticas con la técnica de Pearson, generados en Rstudio .... 35
Cuadro 3.4 ............................................................................................................................... 38
Variables bioclimaticas que estan menos correlacionados ..................................................... 38
Cuadro 3.5 ............................................................................................................................... 53
Variables Bioclimáticas con mayor contribución ..................................................................... 53
INDICE DE ANEXO
Figura 5.1................................................................................................................................. 64
Mapa de distribucion potencial de las especies Myrcianthes spp. en la región Ayacucho ..... 64
Figura 5.2................................................................................................................................. 65
Mapa de zonas de vida e idoneidad de la especie Myrcianthes spp. en la Región Ayacucho . 65
Figura 5.3................................................................................................................................. 66
Mapa registros de presencia de la especie Myrcianthes spp. en la Región Ayacucho ........... 66
Figura 5.1................................................................................................................................. 67
Especie Myrcianthes oreophila ................................................................................................ 67
Figura 5.2................................................................................................................................. 68
Especie Myrcianthes oreophila ................................................................................................ 68
Figura 5.3................................................................................................................................. 69
Equipo técnico de la Gerencia de Recursos Naturales y Gestión del Medio Ambiente
monitoreando especies en el bosque de Usqu willka. ............................................................. 69
Figura 5.4................................................................................................................................. 69
Habitante del centro poblado de Chupón en el distrito de Oronccoy llevando leña de
Myrcianthes spp........................................................................................................................ 69
Constancia de control de originalidad…………...…….………………………….…….….....70
Reporte Turnitin UNSCH…….………………………………………………………………71
ix
Resumen
x
Abstract
Engineering Project investigated the potential distribution areas for the species of the
genus Myrcianthes spp in the Ayacucho region, for which records of presence and bioclimatic
variables were used, the latter has the characteristic of being in raster format, it is necessary to
have these data in order to obtain the distribution modeling of the species under study with the
support of Arcgis, Qgis and Maxent (Maximum entropy) software.
This study was to determine the potential distribution areas of the species of the genus
Myrcianthes spp in the Ayacucho region, to find to which life zones belong these geographic
surfaces where the species under study are found, in the modeling result it was identified that
the Suitable areas were the limits between the provinces of La Mar, Huanta, Huamanga and
Vilcas Huaman with the departmental political limits of Apurimac, as well as Vilcashuaman
with the district limits of Sucre and Victor Fajardo.
Likewise, a superimposition of suitable areas resulting from the modeling with the life
zones in the Ayacucho region was carried out, where the result was the following: Humid
Forest - Subtropical Montane, Humid Forest - Subtropical, Very Humid Forest - Lower
Subtropical Montane, subtropical wet forest, subtropical rain forest - lower montane,
subtropical dry forest, subtropical - lower montane thorny steppe and subtropical thorny
forest, which means that these species of Myrcianthes spp can be found or developed
excellently in these areas.
xi
Presentación
xii
Capítulo I
Introducción
Problema general
¿Cuál es la utilidad del modelamiento de la distribución potencial de las especies del genero
Myrcianthes spp. usando las 19 variables bioclimáticas en las regiones de Ayacucho?
Problema específico
¿Cuáles son las áreas de distribución potencial de las especies del género Myrcianthes spp. en
las Regiones de Ayacucho.
Objetivo general
Modelar la distribución potencial de las especies del género Myrcianthes spp usando las 19
variables bioclimáticas en las regiones de Ayacucho.
Objetivos específicos
1- Identificar las zonas de vida potenciales donde se desarrolla las especies del género
Myrcianthes spp.
2- Procesar datos utilizando los software MaxEnt, ARCGIS, QGIS y Rstudio.
14
Capítulo II
Marco Teórico
2.1 Antecedentes
Ecosistemas
Nicho ecológico
16
adaptabilidades a diferentes niveles de tolerancia se crean espacios multidimensionales donde
los diferentes organismos ejecutan su desarrollo y asi completan sus fases de desarrollo lo que
hace posible su preservación,(López.,2007).
Endenismo
Familia Myrtaceae
El Perú es reconocido por presentar 20 géneros y 165 especies (Brako & Zarucchi,
1993; Ulloa Ulloa et al., 2004 citado por Kawasaki et al., 2006). Esta especie se presenta en
las zonas de vida bosques húmedos Montano con una altitud en las zonas que trasciende desde
17
los 2500 msnm hasta los 4000 msnm (Alcántara, 1997; Brako & Zaruchi, 1993 citado por
Sembrero, 2021).
Especie
18
Figura 2.1
19
Figura 1.2
Figura 2.3
Fuente: Elementos y secuencia para proyectar un Modelamiento de distribución de especies. Tomada de VII Taller GBIF de
Modelización de Nichos Ecológicos, CEAMA.
Variables Bioclimáticas
21
Maxent
Es el valor numérico que se utiliza para calcular una correlación entre dos variables
aleatorias cuantitativas, algunas de las características de esta correlación indica relaciones
intensas, valores positivos y negativos entre estas variables con una fuerte asociatividad y el
detalle que mas resalta es que el rango para el valor del coeficiente de Pearson va desde -1
hasta +1, (Fiallos, G. 2021).
Para determinar el AUC es necesario tener conocimiento los siguientes indices que son:
Sensitividad = a /(a + c)
Especificidad = d /(b + d)
Donde:
a = Es el número de registros presentes correctamente predichos como presentes.
b = Es el número de registros ausentes incorrectamente predichos como presentes.
c = Es el número de registros presentes incorrectamente predichos como ausentes.
d = Es el número de registros ausentes correctamente predichos como ausentes.
22
Cuadro 2.1
Matriz de confusión
Presente Ausente
Predicho como presente a b (error de comision)
Predicho como ausente c (Error de Omisión) d
23
Capítulo III
Desarrollo y análisis
3.1. Metodología
Para el presente Proyecto de Ingenieria como fase inicial fue necesario obtener la
mayor cantidad de información posible como son las coordenadas de presencia de especies,
variables bioclimáticas; así mismo debemos tener todas herramientas necesarias como son en
este caso los software que son apoyo para generar geprocesos esto con el fin de generar un
modelamiento fiable.
Áre de Estudio
El departamento de Ayacucho esta ubicado en la Región Centro Sur Andina del país,
en el área meridional de los Andes, entre los paralelos 12° 07’ 30” y 15° 37’ 00” de latitud sur
y entre los meridianos 72°50’ 19” y 75° 07’ 00” longitud oeste.
Tiene una extensión de 43,508.57 km2, el 90% pertenece a la región de la sierra y el
restante a la región de la selva. (GRRNGMA,2012).
Figura 3.1
Ubicación del departamento de Ayacucho
Presenta un clima muy seco siendo caracteristica a nivel de todo el territorio del Perú,
esto es originado por la presencia de las cadenas montañosas ubicadas en el noreste con cimas
que se elevan hasta los 4000 m.s.n.m; estas montañas cierran el paso al desplazamiento de las
masas de aire húmedo que proceden del este o del noreste hacia el sur u oeste, la región
Ayacucho presenta 550 mm en promedio anual de las precipitaciones.
Las temperaturas diurnas decrecen con la altitud. Tiene escases de coberturas nubosas,
con precipitación baja respecto a otras regiones; así mismo a causa de esto presenta un brillo
solar durante todo el año, las T° diurnas son relativamente altas. Las temperaturas máximas se
presentan en octubre y noviembre, llegando hasta los 30°C, debido a la mayor cantidad de
radiación solar que incidente durante ese periodo.
La temperatura media en la Ciudad de Ayacucho de 15.36ºC, mientras que la media
más alta se tiene en Sivia (Huanta) con 25.19ºC y la media más baja se tiene en San Cristóbal
(Puquio) con 9.89º C, (GRRNGMA,2012).
25
Datos de distribución de especie
Para la obtención de estos datos fueron de diferentes modalidades como viajes a las
zonas donde se encuentra la especie, también se obtubo las coordenadas de presencia por
medio de tesis, los lugares de muestreo fueron el primero es el bosque de Usku Willca en el
distrito de Quinua, el segundo el Bosque de Ustuna perteneciente al centro poblado de Santa
Isabel de chumbes del distrito de Ocros, tercero el distrito de Oronccoy en los centros
poblados de San martín de Chupón y Belén Chapi, cuarto el distrito de Marcolla en los
centros poblados de San Antonio de Amarayucc y Tintay, en total se proceso 12 puntos
georreferenciados, tal como se muestra en el cuadro siguiente.
Cuadro 3.1
26
Figura 3.2
Variables Bioclimaticas
27
Figura 3.3
Variables bioclimáticas
Software ARCGIS
Figura 3.4
La utilización del software QGIS fue necesario para poder generar la interpolación de
los puntos de las coordenadas de presencia con los raster de las variables bioclimáticas ya
recortadas para el ambito de la región Ayacucho, la metodología fue utilizando el plugin Point
Sampling Tools esta herramienta hace la interpolación de cada pixel con el punto de presencia
(coordenadas) de la especie Myrcianthes oreophila extrayendo el valor de cada celda y
generando un shapefile como formato de salida con la información extraída, una forma de
verificar si generó la extracción es observar los valores en la tabla de atributos de cada
shapefile generado, este ejercicio se repetirá para las 19 variables bioclimáticas de la región
Ayacucho, entonces se obtendrá 19 shapefiles con datos extraídos y seguidamente se
exportará los datos a una hoja excel donde posteriormente se trabajará con el programa
Rstudio.
29
Figura 3.5
Proceso de Interpolación de los puntos de presencia con los pixeles de las variables bioclimáticas
Figura 3.6
Salida de puntos con los valores extraído de cada pixel de las variables bioclimáticas.
30
Figura 3.7
31
Cuadro 3.2
Valores extraidos de la interpolación de los puntos de presencia con las variables bioclimáticas.
Genero Latitud Longitud Bio1 Bio2 Bio3 Bio4 Bio5 Bio6 Bio7 Bio8 Bio9 Bio10 Bio11 Bio12 Bio13 Bio14 Bio15 Bio16 Bio17 Bio18 Bio19
-
Myrcianthes spp 13.0669 -74.1143 12.9 14.4 77.8 81.3 21.6 3.1 18.5 13.0 11.8 13.9 11.8 839.0 156.0 10.0 75.3 443.0 44.0 226.0 44.0
-
Myrcianthes spp 13.0611 -74.1117 12.7 14.3 77.3 82.5 21.5 3.0 18.5 12.9 11.6 13.7 11.6 848.0 157.0 10.0 74.8 446.0 45.0 229.0 45.0
-
Myrcianthes spp 13.0490 -74.1041 10.4 14.1 76.7 84.1 19.0 0.6 18.4 10.7 9.2 11.4 9.2 947.0 167.0 12.0 71.4 485.0 56.0 252.0 56.0
-
Myrcianthes spp 13.0462 -74.0974 9.7 14.0 76.3 86.1 18.2 -0.2 18.4 10.0 8.4 10.6 8.4 960.0 168.0 12.0 71.1 490.0 58.0 256.0 58.0
-
Myrcianthes spp 13.4202 -73.9225 12.9 13.9 77.2 79.3 21.5 3.5 18.0 13.0 11.8 13.8 11.8 872.0 176.0 13.0 81.8 493.0 49.0 212.0 49.0
-
Myrcianthes spp 13.4276 -73.9364 13.6 14.0 77.9 76.9 22.3 4.4 17.9 13.7 12.6 14.6 12.6 847.0 170.0 14.0 80.7 476.0 52.0 204.0 52.0
-
Myrcianthes spp 13.4279 -73.9310 13.5 13.9 78.1 76.5 22.1 4.3 17.8 13.5 12.5 14.5 12.5 836.0 170.0 13.0 82.4 475.0 47.0 203.0 47.0
-
Myrcianthes spp 13.4318 -73.9311 15.5 13.8 79.9 71.3 24.1 6.8 17.3 15.5 14.7 16.5 14.7 726.0 148.0 12.0 83.1 416.0 42.0 177.0 42.0
-
Myrcianthes spp 13.2632 -73.3876 21.2 12.9 88.7 46.7 28.5 14.0 14.5 21.3 20.6 21.6 20.6 1076.0 179.0 18.0 66.3 531.0 80.0 284.0 80.0
-
Myrcianthes spp 13.2229 -73.4721 17.7 13.2 86.2 47.6 25.4 10.1 15.3 17.6 17.3 18.3 17.3 1192.0 201.0 28.0 63.5 576.0 103.0 240.0 103.0
-
Myrcianthes spp 14.0763 -73.8719 9.3 14.5 76.1 109.9 18.2 -0.9 19.1 10.0 7.7 10.3 7.7 836.0 186.0 7.0 97.1 532.0 29.0 168.0 29.0
-
Myrcianthes spp 14.0550 -73.8653 12.5 14.6 78.8 90.9 21.4 2.9 18.5 13.0 11.5 13.4 11.2 826.0 186.0 9.0 96.9 528.0 39.0 163.0 39.0
32
Rstudio
Con el programa Rstudio se analizó las correlaciones que existen entre los datos
obtenidos de cada pixel interpolado de las variables bioclimáticas, en otras palabras se
verifica las similitudes de valores, para luego eliminar la autocorrelación y asi evitar una
inestabilidad en el modelamiento, utilizaremos la técnica de Pearson esto evalúa el grado de
asociación entre dos variables aleatorias cuantitativas, para hacer mas facil el proceso se
utilizará un Script el cual son códigos que contiene instrucciones escritas en lenguaje de
programación, el resultado de la aplicación de este lenguaje generarán los productos que se
descargará en la hoja excel para luego discriminar valores que no se usarán en el
modelamiento.
Figura 3.8
33
Figura 3.8
Figura 3.9
34
Cuadro 3.3
Bio1 Bio2 Bio3 Bio4 Bio5 Bio6 Bio7 Bio8 Bio9 Bio10 Bio11 Bio12 Bio13 Bio14 Bio15 Bio16 Bio17 Bio18 Bio19
Bio1 1 -0.856 0.9402 -0.915 0.9963 0.9983 -0.939 0.9985 0.9994 0.9995 0.9992 0.4873 0.1904 0.6963 -0.4845 0.2327 0.6731 0.3738 0.6731
Bio2 -0.856 1 -0.869 0.9248 -0.817 -0.88 0.9582 -0.8486 -0.86 -0.847 -0.866 -0.7091 -0.284 -0.836 0.69714 -0.3538 -0.8458 -0.617 -0.8458
Bio3 0.9402 -0.869 1 -0.881 0.9135 0.9517 -0.9732 0.9486 0.9405 0.9295 0.9392 0.6992 0.4196 0.7749 -0.5262 0.49268 0.7966 0.4561 0.7966
Bio4 -0.915 0.9248 -0.881 1 -0.893 -0.926 0.9387 -0.8982 -0.926 -0.91 -0.929 -0.6569 -0.173 -0.862 0.74799 -0.2232 -0.8584 -0.587 -0.8584
Bio5 0.9963 -0.817 0.9135 -0.893 1 0.9907 -0.9076 0.9939 0.9953 0.9982 0.9944 0.4188 0.1518 0.6564 -0.4341 0.18309 0.6196 0.3141 0.6196
Bio6 0.9983 -0.88 0.9517 -0.926 0.9907 1 -0.9564 0.9967 0.9985 0.9965 0.9986 0.5243 0.2239 0.7282 -0.5032 0.26827 0.7059 0.3911 0.7059
Bio7 -0.939 0.9582 -0.973 0.9387 -0.908 -0.956 1 -0.9394 -0.942 -0.929 -0.944 -0.7172 -0.364 -0.836 0.61935 -0.4338 -0.8462 -0.531 -0.8462
Bio8 0.9985 -0.849 0.9486 -0.898 0.9939 0.9967 -0.9394 1 0.9965 0.9973 0.9958 0.4914 0.2134 0.6795 -0.4626 0.2599 0.663 0.3688 0.663
Bio9 0.9994 -0.86 0.9405 -0.926 0.9953 0.9985 -0.942 0.9965 1 0.9987 0.9998 0.4985 0.1942 0.7146 -0.4991 0.23472 0.6895 0.379 0.6895
Bio10 0.9995 -0.847 0.9295 -0.91 0.9982 0.9965 -0.9294 0.9973 0.9987 1 0.9986 0.4627 0.169 0.6832 -0.4738 0.20799 0.6555 0.3595 0.6555
Bio11 0.9992 -0.866 0.9392 -0.929 0.9944 0.9986 -0.944 0.9958 0.9998 0.9986 1 0.5015 0.1871 0.7184 -0.51 0.22841 0.6932 0.3885 0.6932
Bio12 0.4873 -0.709 0.6992 -0.657 0.4188 0.5243 -0.7172 0.4914 0.4985 0.4627 0.5015 1 0.6489 0.8337 -0.7271 0.73719 0.9322 0.7158 0.9322
Bio13 0.1904 -0.284 0.4196 -0.173 0.1518 0.2239 -0.364 0.2134 0.1942 0.169 0.1871 0.6489 1 0.5147 0.03399 0.98006 0.4942 0.0054 0.4942
Bio14 0.6963 -0.836 0.7749 -0.862 0.6564 0.7282 -0.8358 0.6795 0.7146 0.6832 0.7184 0.8337 0.5147 1 -0.6934 0.53061 0.9581 0.4848 0.9581
Bio15 -0.485 0.6971 -0.526 0.748 -0.434 -0.503 0.6194 -0.4626 -0.499 -0.474 -0.51 -0.7271 0.034 -0.693 1 -0.0736 -0.808 -0.911 -0.808
Bio16 0.2327 -0.354 0.4927 -0.223 0.1831 0.2683 -0.4338 0.2599 0.2347 0.208 0.2284 0.7372 0.9801 0.5306 -0.0736 1 0.5605 0.1524 0.5605
Bio17 0.6731 -0.846 0.7966 -0.858 0.6196 0.7059 -0.8462 0.663 0.6895 0.6555 0.6932 0.9322 0.4942 0.9581 -0.808 0.56048 1 0.6824 1
Bio18 0.3738 -0.617 0.4561 -0.587 0.3141 0.3911 -0.5313 0.3688 0.379 0.3595 0.3885 0.7158 0.0054 0.4848 -0.9107 0.15239 0.6824 1 0.6824
Bio19 0.6731 -0.846 0.7966 -0.858 0.6196 0.7059 -0.8462 0.663 0.6895 0.6555 0.6932 0.9322 0.4942 0.9581 -0.808 0.56048 1 0.6824 1
35
Figura 3.10
Figura 3.11
36
Selección de Variables Ambientales
Para hacer la selección de datos se debe discriminar las variables bioclimaticas que
tengan una alta correlación ya que si se usan estas variables en el modelamiento, puede traer
redundancia e inducir a errores (Cruz-Cárdenas et al., 2014). En el análisis de los datos con
multicolinealidad es importante poder identificar datos con menor correlación para este caso
es necesaio verificar el Factor de Inflación de Varianza (FIV) lo que nos permitirá cuantificar
la intensidad de los datos con alta correlación. De esta manera detectaremos datos que pueden
ser preocupantes o no, verficaremos si estos datos afectan al análisis en el modelamiento. La
metodología indica que el VIF no debe ser >=10, esto determina un nivel de confianza del
95%, (Freire Quintero et al., 2019).
Para este proceso se ha discriminado las variables bioclimáticas (Bio1, Bio2, Bio3,
Bio5, Bio6, Bio7, Bio8, Bio9, Bio10, Bio11, Bio12, Bio13, Bio15, Bio17 y Bio19), por
presentar alta correlación en sus datos; así mismo esto se hizo para desarrollar de manera mas
fácil el cálculo del FIV en el programa excel, el FIV nos indicará si los datos sobrantes son
óptimos para desarrollar el modelamiento.
De los datos Bio4 ( estacioonalidad de la temperatura (desviación estándar x100)) y
Bio14 (Precipitación del mes más seco) nos indíca que existe una correlación de - 0.86 lo que
significa que tiene una multicolinealidad númericamente; pero descriptivamente no tienen
mucha significancia, por ese motivo se hizo la selección de la variable Bio14 para analizarlo
profundamente con el FIV y de ahí se sacará conclusiones.
El procedimiento del FIV es alternar una variable como si fuera Dependiente y hacer
las comparaciones con las demás, despúes otra variables diferente al primero tomará el lugar
de la variable y se volverá a hacer las comparaciones asi sucesivamente hasta concluir con la
última variable, estas comparaciones es para generar el Coeficiente de determinación R2 dato
que despues servirá para el cálculo de el FIV.
37
Cuadro 3.4
Tabla 3.1
Regresión auxiliar Bio4 como endógeno frente a las variables Bio14, Bio16 y Bio18
38
Tabla 3.2
Regresión auxiliar Bio14 como endógeno frente a las variables Bio4, Bio16 y Bio18
Tabla 3.3
Regresión auxiliar Bio16 como endógeno frente a las variables Bio14, Bio16 y Bio18
BIO16 ENDÓGENO
BIO16 Bio14 Bio4 Bio18
443 10 81.31961 226
446 10 82.46557 229
485 12 84.05895 252
490 12 86.07608 256
493 13 79.27105 212
476 14 76.92973 204
475 13 76.50016 203
416 12 71.26959 177
531 18 46.66125 284
576 28 47.60157 240
532 7 109.8854 168
528 9 90.941 163
39
Tabla 3.4
Regresión auxiliar Bio18 como endógeno frente a las variables Bio16, Bio164y Bio4
BIO18 ENDÓGENO
BIO18 Bio16 Bio14 Bio4
226 443 10 81.31961
229 446 10 82.46557
252 485 12 84.05895
256 490 12 86.07608
212 493 13 79.27105
204 476 14 76.92973
203 475 13 76.50016
177 416 12 71.26959
284 531 18 46.66125
240 576 28 47.60157
168 532 7 109.8854
163 528 9 90.941
40
Tabla 3.5
Resumen de cálculo estadística de la regresión Bio4 como endógeno
Estadísticas de la regresión
Coeficiente de
correlación
múltiple 0.918332814
Coeficiente de
determinación
R^2 0.843335157
R^2 ajustado 0.784585841
Error típico 8.005690364
Observaciones 12
ANÁLISIS DE
VARIANZA
Promedio de
Grados de Suma de los Valor crítico
libertad cuadrados cuadrados F de F
Regresión 3 2760.045387 920.015129 14.35480811 0.001386317
Residuos 8 512.7286256 64.0910782
Total 11 3272.774013
Inferior Superior
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% 95.0% 95.0%
Intercepción 78.64724438 32.76635501 2.400243919 0.043160296 3.087894217 154.2065945 3.087894217 154.2065945
Variable X 1 -2.96957311 0.599246318 -4.95551333 0.001113149 -4.3514376 -1.58770863 -4.3514376 -1.58770863
Variable X 2 0.114680087 0.063817452 1.797001965 0.110056086 -0.03248322 0.261843395 -0.03248322 0.261843395
Variable X 3 -0.08308141 0.074779719 -1.11101531 0.298834495 -0.25552375 0.089360929 -0.25552375 0.089360929
41
Tabla 3.6
Estadísticas de la regresión
Coeficiente de
correlación múltiple 0.929785984
Coeficiente de
determinación R^2 0.864501975
R^2 ajustado 0.813690216
Error típico 2.341372299
Observaciones 12
ANÁLISIS DE
VARIANZA
Grados de Suma de Promedio de los Valor crítico
libertad cuadrados cuadrados F de F
Regresión 3 279.8104727 93.27015757 17.01381705 0.000783222
Residuos 8 43.85619395 5.482024244
Total 11 323.6666667
42
Tabla 3.7
Estadísticas de la regresión
Coeficiente de
correlación múltiple 0.705969319
Coeficiente de
determinación R^2 0.49839268
R^2 ajustado 0.310289935
Error típico 37.43558369
Observaciones 12
ANÁLISIS DE
VARIANZA
Grados de Suma de Promedio de los Valor crítico
libertad cuadrados cuadrados F de F
Regresión 3 11139.53326 3713.177752 2.649576857 0.120282771
Residuos 8 11211.38341 1401.422926
Total 11 22350.91667
43
Tabla 3.8
Coeficiente de
correlación múltiple 0.59203927
Coeficiente de
determinación R^2 0.350510497
R^2 ajustado 0.106951933
Error típico 35.22992164
Observaciones 12
ANÁLISIS DE
VARIANZA
Grados de Suma de Promedio de los Valor crítico
libertad cuadrados cuadrados F de F
Regresión 3 5358.487637 1786.162546 1.439122038 0.301811292
Residuos 8 9929.17903 1241.147379
Total 11 15287.66667
Superior Inferior Superior
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% 95% 95.0% 95.0%
-
Intercepción 322.5049434 150.8738938 2.137579506 0.065021037 -25.4108796 670.4207664 25.4108796 670.4207664
-
Variable X 1 0.079957152 0.331519336 0.241183977 0.81547911 -0.68452781 0.844442111 0.68452781 0.844442111
-
Variable X 2 -1.43046447 5.295716298 -0.27011728 0.793907412 -13.6424081 10.78147922 13.6424081 10.78147922
-
Variable X 3 -1.60890221 1.44813685 -1.11101531 0.298834495 -4.94831177 1.730507358 4.94831177 1.730507358
44
Tabla 3.9
1
𝐹𝐼𝑉 =
(1 − 𝑅 2 )
Nota: FIV >10 Hay Multicolinealidad en la variable
En el resultado del FIV se observa los resultados donde el mayor valor tiene Bio14, en el
cuadro N° esta variable indica correlación con el Bio4; pero en el FIV indica un valor menor
a 10 por tal motivo se puede incorporar para el modelamiento por presentar valor menor a 10
45
que es “Output file type”indicaremos que el producto nos arroje en formato asc (Action Script
Communication), esto para que pueda ser reconocido en cualquier programa SIG.
A continuación en el apartado “Output directory” en la pestaña “Browse”, indicaremos
el lugar donde se guardará los resultados, para este caso se creado una carpeta con el nombre
“Salida” en el disco “D”.
Para seguir con los ajustes seleccionamos la pestaña “Settings” que nos presentará una
pequeña ventana, aquí hay tres pestañas en la parte superior izquierdo “Basic”, “Advance” y
“Experimetal” en la pestaña “Basic” en el apartado “ Random test percentege” colocaremos el
valor de 25 lo que significa que el programa escogerá de manera aleatoria y apartará el 25%
de los registros de presencia los cuales será utilizado por el mismo programa para que efectúe
algunos análisis estadísticos simples, en el apartado “Replicates” Indicaremos 10 para que
analize y promedie los resultados al analizar el resultado varias veces nos permitirá calcular la
variabilidad del modelo; también activaremos la pestaña”Random seed” esto para que inicie
el generador de números aleatorios y por último en esta parte nos dirijiremos al apartado
“Replicated run type” y en la pestaña esogeremos la técnica “Bootstrap” para que el software
realice partición iterativa de los datos; además es necesario por que nuestra muestra es
pequeña y es recomendable en estos casos, los demás apartados los dejaremos por defecto y
luego nos dirigiremos a la pestaña “Advance” y en el apartado “Maximum iterations”
aumentaremos el valor de 500 a 5000 esto nos asegura que el software dispondrá el timepo
necesario para realizar el algoritmo esto para evitar sub estimaciones o sobre estimaciones,
luego de realizar estos ajustes cerraremos la ventana y nos dirigiremos a la pestaña y
pulsaremos en “Run” para inicar el modelado, luego de esto aparecerá una barra de progreso
cuando este termine y se cierre sólo significará que el análisis ha terminado y luego de eso nos
dirigiremos a nuestra carpeta de salida donde se encuentran los resultados.
46
Figura 3.10
Nota: Interfaz del Software MaxEnt, calibración apartados para modelamiento de las especies Myrcianthes spp.
Figura 3.11
Nota: Interfaz del Software MaxEnt, calibración apartados para modelamiento de las especies Myrcianthes spp
47
Figura 3.12
Nota: Interfaz del Software MaxEnt, calibración apartados para modelamiento de las especies Myrcianthes spp.
Análisis de omision/comisión
Otro gráfico que el programa MaxEnt nos arroja se denomina Sensitivity vs Specifity
en este apartado nos mostrará la curva operacional (ROC), donde las siglas derivan del inglés
Receiver Operating Characteristic para los dos grupos de datos que son los de la prueba y el
de entrenamiento; así mismo el área por debajo dela curva AUC siglas que provienen de
ingles Area Under The Curve.
Cabe mencionar que este gráfico es mas intuitivo, el modelo genera una buena
predicción de zonas para este caso el software evalúa los aciertos y fracasos que ha
conseguido y los expresa manifestándolo en un valor AUC que mostrará que tan preciso fue
nuestro modelamiento para tal hecho nos arrojará valores entre 0 y 1.
Por lo tanto estos valores que arroja el AUC son mas importantes ya que nos permite
comparar el rendimiento de un modelo con otro, en nuestra gráfica el valor de AUC de 0,5
49
nos indica que el rendimiento del modelo no tiene mejor respuesta que el aleatorio; pero los
valores proximos a 1 indicarán mejor respuesta al modelamiento.
En nuestro gráfico las lineas azul y rojo serán idénticas si se llegan a usar los mismos
datos para el test y el entrenamiento, pero en nuestro caso hemos utilizado el 25% de los datos
de presencia para la prueba, como se observa en el gráfico la linea de color azul esta por
debajo de la linea roja esto es normal y por defecto mostrará un AUC menor, encambio la
linea de color rojo mostrará el ajuste que se hizo a los datos de enrenamiento y esta es la que
tiene la capacidad de predecir un auténtico modelamiento del AUC, por otro lado la linea
negra muestra lo que se esperaría si el modelo no fuese bueno al azar, en sencillas palabras
nuestras lineas rojas y azul no deben ubicarse debajo de la linea negra esto indicaría que el
modelo tuvo un mal desarrollo, en cambio si la linea azul se ubicara al tope superior del lado
izquierdo, el modelamiento tendría una mayor capacidad predictiva.
Entonces con estos valores nos permitiran comparar el rendimiento de un modelo
comparado con otro, esto nos ayudará a evaluar multiples modelos que arroja el programa
Maxent, tener en cuenta que: AUC > 0.95 significa que el el modelamiento de distribucion
esta muy bien; entonces podemos decir que el modelamiento es excelente, si 0.80 < AUC <
0.90 el modelo es bueno o aceptable; también si 0.70 < AUC< 0.80 representa una
distribución moderadamente bien o regular, en cambio si el AUC < 0.70 el modelo es pobre o
no válida, así mismo estos límites no deben ser interpretados de manera literal esto es solo
aproximaciones de la idea del significado del AUC, para este caso el modelamiento resuló
moderadamente bien como muestra el gráfico a continuación.
50
Figura 3.14
51
Figura 3.15
52
Cuadro 3.5
Porcentaje de
Variable
Contribución
Bio4 69.9
Bio18 30.1
Nota: Bio4 = Estacionalidad de la temperatura (desviación estándar ×100), Bio18 = Precipitación del trimestre mas cálido.
Test de Jackknife.
Figura 3.16
Test de Jackknife
También el programa arroja como resultado la misma prueba de Jackknife, pero esta
ves utiliza el AUC en los datos de prueba, el gráfico muestra como resultado que el Bio4 es la
variable bioclimática que mejor predice por si sola la distribución de los datos que se
emplearon como prueba.
53
Figura 3.17
Superposición de Áreas
Para identificar las áreas de distribucion potencial de Myrcianthes spp. se hará uso de
información geoespacial para este caso se utilizará el shape file de zonas de vida, el cual es
descargado del geoservidor MINAM, donde departamento de Ayacucho cuenta con la
Zonificación Ecológica y Económica – ZEE a nivel meso(escala 1/100000) que ha sido
aprobada bajo la Ordenanza Regional N°003-2013-GRA/CR, en la actualidad se encuentra en
etapa de aplicación y es un instrumento orientador para tomar decisiones en la gestión
territorial.
54
Capítulo IV
Conclusiones y recomendaciones
4.1. Conclusiones
56
Referencia
Aroca-Gonzalez, B. D., Gradstein, R., & González-Nieves, L. M. (2021). ¿En peligro o no?
Distribución potencial de la hepática Pleurozia paradoxa en Colombia. Revista de La
Academia Colombiana de Ciencias Exactas, Físicas y Naturales.
https://doi.org/10.18257/raccefyn.1343
Baquero, F., Sierra, R., Ordóñez, L., Tipán, M., Espinoza, L., Rivera, M. B., & Soria, P.
(2004). La vegetación de Los Andes del Ecuador. Memoria explicativa de los mapas
de ve- getación: potencial y remanente a escala 1:250.000 y del modelamiento
predictivo con especies indicadoras. EcoCiencia/CESLA/EcoPar/MAG
SIGAGRO/CDC-JATUN SACHA/División Geográfica-IGM.
Cartaya Ríos, S. J., Anchundia Betancuort, C. E., & Mantuano Eduarte, R. A. (2016).
DISTRIBUCIÓN GEOGRÁFICA POTENCIAL DE LA ESPECIE CUNICULUS
PACA (Guanta) EN EL OCCIDENTE DE ECUADOR. La Granja, 24(2).
https://doi.org/10.17163/lgr.n24.2016.09
Cruz-Cárdenas, G., Villaseñor, J. L., López-Mata, L., Martínez-Meyer, E., & Ortiz, E. (2014).
Selection of environmental predictors for species distribution modeling in Maxent |
Selección de predictores ambientales para el modelado de la distribución de especies
en Maxent. Revista Chapingo, Serie Ciencias Forestales y Del Ambiente, 20(2).
https://doi.org/10.5154/r.rchscfa.2013.09.034
57
de Huamanga (Ayacucho-Perú). Journal of the Selva Andina Biosphere, 8(1), 3-18.
Recuperado en 12 de julio de 2022, de
https://doi.org/10.36610/j.jsab.2020.080100003
Fick, S. E., & Hijmans, R. J. (2017). WorldClim 2: new 1-km spatial resolution climate
surfaces for global land areas. International Journal of Climatology, 37(12).
https://doi.org/10.1002/joc.5086
Freire Quintero, C. E., Calle Armijos, V. H., Barre Delgado, Jj. P., Holguín León, C. A., &
Pacheco Parrales, C. D. (2019). Estimación estadística de la relación entre gastos de
publicidad y su impacto en el desempeño financiero. Empresarial, 12(46).
https://doi.org/10.23878/empr.v12i46.144
58
Gonzales Guillén, Fiorella N, & Villasante Benavides, Francisco. (2019). Estado de
conservación de Myrcianthes ferreyrae un árbol endémico de las lomas costeras del
sur del Perú. Revista Peruana de Biología, 26(2), 235-242.
https://dx.doi.org/10.15381/rpb.v26i2.16380
González, T.M. , & Bonilla, M.A. , & Armenteras, D. , & Luque, F.J. , & Rodríguez, N. , &
Vergara, L.K. (2016). Revisión del concepto de ecosistema como “unidad de la
naturaleza” 80 años después de su formulación. Ecosistemas, 25(1),83-89.[fecha de
Consulta 13 de Julio de 2022]. ISSN: 1132-6344. Disponible
en: https://www.redalyc.org/articulo.oa?id=54045357011
Guisan & Zimmermann, (2000), Predictive habitat distribution models in ecology, 135(2-3),
147-186 https://doi.org/10.1016/S0304-3800(00)00354-9
59
Jiménez Salazar, Miguel Ángel, & Méndez González, Jorge. (2021). Distribución actual y
potencial de Pinus engelmannii Carriére bajo escenarios de cambio climático. Madera
y bosques, 27(3), e2732117. Epub 28 de marzo de
2022.https://doi.org/10.21829/myb.2021.2732117
Kawasaki, Lucia, & Holst, Bruce K.. (2006). Myrtaceae endémicas del Perú. Revista Peruana
de Biología, 13(2), 463-468. Recuperado en 14 de julio de 2022, de
http://www.scielo.org.pe/scielo.php?script=sci_arttext&pid=S1727-
99332006000200082&lng=es&tlng=es.
Leal-Nares, Ó., Mendoza, M. E., Pérez-Salicrup, D., Geneletti, D., López-Granados, E., &
Carranza, E. (2012). Distribución potencial del Pinus martinezii: un modelo espacial
basado en conocimiento ecológico y análisis multicriterio. Revista Mexicana de
Biodiversidad, 83(4). https://doi.org/10.7550/rmb.27199
Mateo, Rubén G, Felicísimo, Ángel M, & Muñoz, Jesús. (2011). Modelos de distribución de
especies: Una revisión sintética. Revista chilena de historia natural, 84(2), 217-
240. https://dx.doi.org/10.4067/S0716-078X2011000200008
Mejía-Coronel, D., Tonón, M., & Abad, L. (2018). Distribución Potencial del Género
Polylepis en la Cuenca del Río Paute bajo un Escenario de Cambio Climático. Revista
de La Facultad de Ciencias Químicas, December(19).
60
Monroy-Gamboa, A. G., Cab-Sulub, L., & Álvarez-Castañeda, S. T. (2022). Extinction of
endemic taxa as a direct consequence of global climate change. Therya, 13(1).
https://doi.org/10.12933/therya-22-1210.
Navarro Guzmán, Marco Alberto, Jove Chipana, Cesar Augusto, & Ignacio Apaza, Javier
Máximo. (2020). Modelamiento de nichos ecológicos de flora amenazada para
escenarios de cambio climático en el departamento de Tacna - Perú. Colombia
Forestal, 23(1), 51-67. https://doi.org/10.14483/2256201x.14866
Pauca-Tanco, G. Anthony, Balvin, Margarita, Hoxey, Paul, Quipuscoa, Víctor, & Quispe-
Turpo, Johana del Pilar. (2021). Geographic distribution and conservation status of
Eulychnia ritteri Cullmann (Cactaceae), an endemic cactus from southern
Peru. Revista Peruana de Biología, 28(4), e19290. Epub 30 de noviembre de
2021.https://dx.doi.org/10.15381/rpb.v28i4.21623
Suárez-Mota, Mario Ernesto, Hernández Ramírez, José Manuel, Luna Bautista, Lizbeth,
Mendoza Díaz, María Magdalena, Santiago-García, Wenceslao, & Ruiz-Aquino,
Faustino. (2022). Distribución potencial de árboles de ribera en la subcuenca Bajo Río
Grijalva. Botanical Sciences, 100(3), 534-549. Epub 16 de mayo de
2022.https://doi.org/10.17129/botsci.2924
Timaná de la Flor, M., & Cuentas Romero, M. A. (2015). Biogeografía predictiva: técnicas de
modelamiento de distribución de especies y su aplicación en el impacto del cambio
climático. Espacio y Desarrollo, 27.
https://doi.org/10.18800/espacioydesarrollo.201501.008
Varela, S., Terribile, L. C., de Oliveira, G., Diniz-Filho, J. A. F., González-Hernández, J., &
Lima-Ribeiro, M. S. (2015). ecoClimate vs. Worldclim: variables climáticas SIG para
trabajar en biogeografía: . Ecosistemas, 24(3), 88-92.
https://doi.org/10.7818/ECOS.2015.24-3.11
61
Vázquez, Diego P. (2005). Reconsiderando el nicho hutchinsoniano. Ecología austral, 15(2),
149-158. Recuperado en 13 de julio de 2022, de
http://www.scielo.org.ar/scielo.php?script=sci_arttext&pid=S1667-
782X2005000200005&lng=es&tlng=es.
Zaffaroni, Facundo T., Campanella, M. Victoria, & Martínez, Fernando J.. (2021). Biología
reproductiva de Chuquiraga avellanedae (Asteraceae), un arbusto endémico de la
Patagonia. Boletín de la Sociedad Argentina de Botánica, 56(4), 488-
496. https://dx.doi.org/10.31055/1851.2372.v56.n4.33707
62
ANEXO
63
Figura 5.1
64
Figura 5.2
65
Figura 5.3
66
Figura 5.1
67
Figura 5.2
Nota: Obtenido en el bosque de Usqu willka perteneciente al distrito de Quinua, año 2021 con el Proyecto “Mejoramiento del Servicio
de la Información para la Gestión de la Diversidad Biológica (Flora y fauna) en la Región Ayacucho”-GORE-SGRRNGMA.
68
Figura 5.3
Nota: Obtenido con el Proyecto “Mejoramiento del Servicio de la Información para la Gestión de la Diversidad Biológica (Flora y
fauna) en la Región Ayacucho”- GORE – SGRRNGMA.
Figura 5.4
Habitante del centro poblado de Chupón en el distrito de Oronccoy llevando leña de Myrcianthes
spp.
69
Modelación de la distribución
potencial de la Unca
(Myrcianthes spp.) usando las
19 variables bioclimáticas en la
Región Ayacucho
por Michael Aronés Quispe
13 %
INDICE DE SIMILITUD
13%
FUENTES DE INTERNET
7%
PUBLICACIONES
3%
TRABAJOS DEL
ESTUDIANTE
FUENTES PRIMARIAS
1
Seema Parveen, Sharanjeet Kaur, Ratul
Baishya, Shailendra Goel. "Predicting the
4%
potential suitable habitats of genus
Nymphaea in India using MaxEnt modeling",
Environmental Monitoring and Assessment,
2022
Publicación
2
www.mobot.org
Fuente de Internet 1%
3
repositorio.unsch.edu.pe
Fuente de Internet 1%
4
hdl.handle.net
Fuente de Internet 1%
5
Submitted to Universidad de Almeria
Trabajo del estudiante 1%
6
geoservidorperu.minam.gob.pe
Fuente de Internet 1%
7
dspace.unl.edu.ec
Fuente de Internet <1 %
8
Submitted to Pontificia Universidad Catolica
del Peru
<1 %
Trabajo del estudiante
9
Submitted to Universidad Anahuac México
Sur
<1 %
Trabajo del estudiante
10
Submitted to American Public University
System
<1 %
Trabajo del estudiante
11
Submitted to Universidad Carlos III de Madrid
Trabajo del estudiante <1 %
12
sinia.minam.gob.pe
Fuente de Internet <1 %
13
www.mesadeconcertacion.org.pe
Fuente de Internet <1 %
14
vsip.info
Fuente de Internet <1 %
15
www.slideshare.net
Fuente de Internet <1 %
16
repositorio.puce.edu.ec
Fuente de Internet <1 %
17
ri.uaemex.mx
Fuente de Internet <1 %
<1 %
18
doaj.org
Fuente de Internet
19
Steven Andrés Romero Asqui, Patricio Xavier
Lozano Rodríguez, Margarita Aracely Armas
<1 %
Arma, Carlos Aníbal Cajas Bermeo. "Potential
Distribution Range of Lycalopex culpaeus
Species (Molina, 1782) in the Province of
Chimborazo", ESPOCH Congresses: The
Ecuadorian Journal of S.T.E.A.M., 2022
Publicación
20
uaeh.redalyc.org
Fuente de Internet <1 %