Traducido del inglés al español - www.onlinedoctranslator.

com

Informática Ecológica 31 (2016) 18–21

Listas de contenidos disponibles enCiencia Directa

Informática Ecológica

página de inicio de la revista: www.elsevier.com/localize/ecol inf

LecoS: un complemento de Python para el análisis ecológico del paisaje automatizado

Martín Jung1
Departamento de Biología, Universidad de Copenhague, Ole Maaløes Vej 5, DK-2200 Copenhague N, Dinamarca

información del artículo abstracto

Historia del artículo: La cuantificación de las estructuras del paisaje a partir de productos de teledetección es una parte importante de muchos análisis en los
Recibido el 17 de agosto de 2015 estudios de ecología del paisaje. Este artículo presenta una nueva herramienta gratuita y de código abierto para realizar análisis
Recibido en forma revisada el 16 de septiembre de 2015
ecológicos del paisaje. LecoS es capaz de calcular una variedad de métricas de paisaje básicas y avanzadas de forma automatizada.
Aceptado el 9 de noviembre de 2015
Además, el cálculo se puede dividir iterando a través de una capa de polígono proporcionada opcionalmente. La nueva herramienta está
Disponible en línea el 26 de noviembre de 2015
integrada en el marco de procesamiento QGIS y, por lo tanto, puede usarse como una herramienta independiente o dentro de modelos
complejos más grandes. A modo de ilustración, se presenta un posible estudio de caso, que intenta cuantificar las respuestas de los
Palabras clave:

Ecología del paisaje polinizadores en métricas derivadas del paisaje en varias escalas.
Métricas de paisaje © 2015 Elsevier BV Todos los derechos reservados.
Pitón
SIG
Análisis espacial
Polinizadores

1. Introducción
El uso de software libre y de código abierto en la investigación ecológica ha
ganado cada vez más atención en los últimos años (Baker y Cai, 1992; Boyd y
Foody, 2011; Cagnacci y Urbano, 2008; Saura y Torné, 2009; Steiniger y Hay, 2009).
El software de código abierto disponible gratuitamente tiene varias ventajas en la
investigación, como que los antecedentes computacionales y estadísticos del
análisis pueden investigarse y verificarse de forma independiente (Khanjani y
Sulaiman, 2011). Además, el software libre puede mejorar la investigación
biológica y la transferencia de conocimientos en los países en desarrollo, donde
las limitaciones financieras a menudo impiden el acceso a alternativas patentadas
(Steiniger y Hay, 2009).
Dentro de la investigación ecológica, el campo de la ecología del paisaje presenta
una serie de herramientas gratuitas y de código abierto (Marrón, 2014; Etherington y
otros, 2015; Saura y Torné, 2009; Steiniger y Hay, 2009). Los ecólogos del paisaje estudian
la relación entre patrones y procesos ecológicos en una variedad de niveles espaciales y
organizativos (Turner, 1989; Wu, 2006). Los paisajes aquí a menudo se ven como
mosaicos de parches de cobertura del suelo estructurados y compuestos de manera
diferente que están potencialmente conectados por dinámicas espaciales (Pickett y
Cadenasso, 1995). La estructura del paisaje se puede cuantificar por el tamaño, la forma,
la configuración, el número y la posición de las zonas de uso del suelo dentro de un
paisaje. Esos valores y métricas cuantificados son importantes para diversos campos de
la investigación ecológica, como por ejemplo los estudios sobre la influencia de la
fragmentación del hábitat en la vida silvestre (Fahrig, 2003).
Las métricas del paisaje generalmente se derivan de conjuntos de datos clasificados sobre la
cobertura del suelo utilizando software especializado y sistemas de información gráfica.
(SIG). VerSteiniger y Hay (2009)para obtener una descripción general detallada del
software de código abierto disponible gratuitamente para ecólogos del paisaje. De
esos productos de software, FRAGSTAT es probablemente el paquete de software
más comprensible para el cálculo de métricas de paisaje y parches (McGarigal y
Marks, 1995; McGarigal y otros, 2012). Sin embargo, el análisis en FRAGSTAT está
separado de la visualización en un programa SIG y no se ejecuta de forma nativa
en todos los sistemas operativos como Mac-OS o derivados de Linux. Otros
paquetes de software de código abierto ampliamente utilizados incluyen la
extensión r.li para GRASS GIS (Baker y Cai, 1992; Neteler y otros, 2012) y SDMTools
para el paquete de software R (VanDerWal y otros, 2012). Sin embargo, esas
soluciones dependen de un formateo y recorte de trama previos o no pueden
usarse en modelos jerárquicos complejos sin conocimientos de programación o
secuencias de comandos.
Aquí se presenta una nueva herramienta que es capaz de analizar varias métricas de
paisaje y parches dentro de un conjunto de SIG de código abierto disponible
gratuitamente y, por lo tanto, puede combinar la capacidad de calcular métricas de
paisaje complejas dentro de modelos SIG sofisticados.
2. Análisis de la ecología del paisaje en QGIS
El proyecto QGIS proporciona un entorno de servidor y escritorio gratuito y de
código abierto y viene con todas las funcionalidades de un sistema GIS moderno (Equipo
de desarrollo de QGIS, 2015). Además, permite ampliar fácilmente sus funciones
principales a través de complementos escritos por el usuario, que se pueden descargar
desde la suite de escritorio. Desde la última versión estable, cuyo nombre en clave es
'Wien', el popular marco de procesamiento de datos espaciales SEXTANTE se ha
integrado en QGIS. Esta nueva 'Caja de herramientas de procesamiento' no sólo integra
funciones de geoprocesamiento existentes en una caja de herramientas similar a la

Dirección de correo electrónico:M.Jung@sussex.ac.uk. destacada suite ArcGIS, sino que también permite la creación de modelos automatizados,
1Dirección actual: Facultad de Ciencias de la Vida, Universidad de Sussex, Brighton BN1 9RH, Reino Unido. que pueden combinar varias funciones espaciales individuales.

http://dx.doi.org/10.1016/j.ecoinf.2015.11.006 1574-9541/©
2015 Elsevier BV Todos los derechos reservados.
 M. Jung / Informática ecológica 31 (2016) 18–21 19

cálculos en modelos secuenciales únicos. Además, los usuarios pueden agregar sus
propios scripts de Python o R a la caja de herramientas de Procesamiento.
Aquí un nuevo complemento para QGIS llamado LecoS (lpaisaje ecopesadoS
estadísticas) se introduce. Hace un uso intensivo de las bibliotecas científicas de
Python SciPy y Numpy (Jones y otros, 2001; Olifante, 2007) para calcular métricas
de paisaje básicas y avanzadas y proporciona varias funciones para realizar
análisis de paisaje. Hasta ahora se admiten más de 16 métricas de paisaje
diferentes. LecoS viene con dos interfaces diferentes con funciones principales
como el cálculo de métricas del paisaje que tienen su propia interfaz gráfica,
mientras que las funcionalidades más avanzadas solo son compatibles con la caja
de herramientas de procesamiento QGIS.
Desde la versión 1.9 de LecoS, el conjunto de funciones disponibles se puede dividir
en categoríasPreparación del paisaje, Modificación del paisaje, Estadísticas del paisaje.y
Superposición de vectores de paisaje (tabla 1). Las funciones de preparación del paisaje
permiten al usuario preparar y hacer coincidir las capas de entrada entre sí, mientras que
las funciones de modificación del paisaje pueden modificar o generar derivados de capas
Figura 1.Ilustrando el poder de las funciones de superposición de vectores horizontales. En este ejemplo, el
ráster. Los usuarios pueden calcular métricas de paisaje o propiedades ráster con las objetivo previsto es calcular la proporción de cubierta forestal y el índice de división del paisaje de Jaegers (
funciones de estadísticas de paisaje y también pueden automatizar esos cálculos para Jaeger, 2000) para cada sitio de estudio aquí mostrado como círculos. Al utilizar la función de superposición

todas las características de una capa vectorial determinada (Figura 1). Además, funciones
más nuevas, como la integración de modelos de paisaje neutros a través de la biblioteca
de Python NLMpy (Etherington y otros, 2015) se pueden habilitar opcionalmente y se
integran en el marco de procesamiento.
LecoS puede adquirirse a través del administrador de complementos de QGIS o
descargarse directamente desde el centro de complementos de QGIS (http://
plugins.qgis.org/plugins/LecoS/). Las bibliotecas de Python SciPy, NumPy y la biblioteca
de imágenes PIL deben estar instaladas, configuradas correctamente y estar disponibles
en la ruta de Python de QGIS de antemano.
3. Estudio de caso
En los siguientes párrafos se demuestra un caso de uso ejemplar de LecoS utilizando
datos de campo reales muestreados. Los polinizadores son cada vez más preocupantes
en estudios ecológicos recientes debido a sus disminuciones reportadas, lo que podría
poner en peligro el suministro de servicios ecosistémicos en todo el mundo (Klein et al.,
2007; Potts y otros, 2010). Los factores que impulsan la disminución de los polinizadores
son varios y la pérdida de hábitat es sin duda una de muchas razones (Potts
de vectores, LecoS puede calcular automáticamente las métricas del paisaje seleccionadas para cada
característica de una capa vectorial proporcionada.
y otros, 2010). Los hábitats seminaturales proporcionan recursos y
oportunidades de anidación para muchos polinizadores, como las abejas o
los sírfidos. Sin embargo, no sólo el hábitat principal, sino también el paisaje
circundante es importante como recurso debido a su movilidad. En el
pasado se ha demostrado que diferentes unidades taxonómicas de
polinizadores muestran respuestas opuestas a la estructura del paisaje y a la
lejanía de su hábitat primario (Jauker et al., 2009; Meyer y otros, 2009). El
objetivo de este estudio de caso será caracterizar la heterogeneidad y las
características del paisaje a varias escalas utilizando un marco de modelo
automatizado dentro de QGIS.
3.1. Metodología
Todos los datos de localidad y especie fueron tomados deMudri-StojniCet al. (2012),
quien realizó una evaluación de la abundancia y diversidad de polinizadores en 16
hábitats de pastizales en el norte de Serbia. los sitios de estudio

tabla 1
Lista de funciones hasta la fecha (Versión 1.9.8). Todas las funciones necesitan enlaces python-osgeo, python-scipy y python-pil instalados dentro de QGIS 2.8 Wien.

Nombre Interfaz Descripción

(gráfico|procesamiento)

Preparación del paisaje

Crear paisaje aleatorio (distribución) No|Sí Permite crear una nueva capa ráster basada en una distribución estadística elegida. El usuario
puede especificar el alcance de los parámetros de salida y distribución.
Intersectar paisajes No|Sí Toma una capa ráster de origen y de destino como entrada y calcula la intersección de ambas capas.
Une dos paisajes No|sí Reproyecta e interpola una capa ráster a la proyección y extensión de un ráster de destino.

Estadísticas de paisaje
Contar celdas ráster No|Sí Devuelve el número de celdas por valor de celda único dentro de una capa ráster. Permite
Estadísticas de todo el panorama Sí|Sí calcular varias métricas de paisaje para una capa ráster de entrada. Calcula métricas de parche
Estadísticas de parches No|Sí para una clase de cobertura terrestre determinada.
Estadísticas zonales No|Sí Realiza un análisis estadístico zonal con una capa ráster que contiene zonas y una capa ráster que contiene
valores como entrada.

Superposición de vectores de paisaje

Superponer métricas ráster (polígonos) Sí|Sí Permite calcular métricas de paisaje o parches para cada entidad poligonal de una capa vectorial de entrada. Los resultados
pueden generarse como una nueva tabla separada o agregarse a la tabla de atributos de la capa vectorial. Puede calcular métricas
Superponer métricas vectoriales (polígonos) Sí|No básicas para clases derivadas de atributos dentro de una capa vectorial de polígono.
Consultar valores ráster (puntos) No|Sí Devuelve todos los valores ráster de las celdas debajo de una capa de puntos determinada

Modificaciones de paisaje Limpiar

pequeños píxeles en parches Cerrar
agujeros en parches
Extraer los bordes del parche
Aumentar/disminuir parches Aislar
parches más pequeños/grandes
Etiquetar parches de paisaje
Análisis de barrio (ventana móvil)
Sí|Sí Limpia una capa ráster clasificada determinada de pequeños píxeles aislados. Cierra agujeros
Sí|Sí (anillos interiores) en todos los parches de una clase de cobertura terrestre específica. Extrae los
Sí|Sí bordes de cada parche de una clase de cobertura terrestre determinada.
Sí|Sí Permite al usuario aumentar o disminuir todos los parches de paisaje de una clase de cobertura terrestre determinada.
Sí|Sí Devuelve una capa ráster con el parche de cobertura terrestre identificado más grande o más pequeño. Si varios parches
cumplen este criterio, se devuelven todos.
No|Sí Realiza un etiquetado de componentes conectados (estructura de tablero de ajedrez) de todas las celdas ráster con un valor
dado. La salida contiene una capa ráster donde todos los parches individuales tienen un único identificador único. Calcula
No|Sí estadísticas para celdas en una capa ráster utilizando un enfoque de ventana móvil.
20 M. Jung / Informática ecológica 31 (2016) 18–21

Figura 2.Muestra un diagrama que muestra un modelo de procesamiento que utiliza LecoS con diferentes parámetros de entrada. Se deben especificar todos los parámetros de entrada y los modelos se pueden volver a ejecutar fácilmente para
cualquier número posible de combinaciones. La salida se guarda en archivos de valores separados por comas (csv).

todos estaban ubicados dentro o junto a pastizales utilizados para la agricultura,
mientras que la cantidad de hábitats seminaturales, como los bosques, es generalmente
escasa (Mudri-StojniCy otros, 2012). La metodología de muestreo y selección de sitios, así
como los datos, se pueden encontrar en el artículo original. Para este estudio, los
polinizadores muestreados se separaron y agregaron por sitio de estudio en grupos
como abejas y no abejas, como sírfidos. Como predictores potencialmente relevantes
para los polinizadores, el porcentaje de cubierta forestal (en %), la densidad del borde
(longitud del borde dividida por el número de parches de bosque), la cantidad total de
tierra utilizada agrícola en los alrededores (en m2), el número de parches de humedales y
la heterogeneidad del paisaje (shannon
índice de diversidad). Los datos sobre la cubierta forestal en los alrededores se tomaron de
mapas de cubierta forestal paneuropeos disponibles con una resolución espacial de 25 m (
Kempeneers y otros, 2011). Para obtener información espacial sobre otros tipos de cobertura
terrestre, se obtuvo el conjunto de datos CORINE de cobertura terrestre de 2006, se recortó a la
región respectiva y se volvió a muestrear a una resolución de 25 m (EEE, 2013). Todos los
predictores se estimaron en zonas de amortiguamiento circulares alrededor de los sitios de
estudio individuales en varias escalas que se incrementaron gradualmente desde 100 m hasta
3000 m (100 m por paso) y, por lo tanto, representan un rango de dispersión potencial (Jauker y
otros, 2009). Todo el análisis del paisaje se realizó en modelos de procesamiento utilizando LecoS
y el modelo de procesamiento QGIS.

Fig. 3.Coeficientes de correlación de Pearson entre la abundancia y diversidad de polinizadores y métricas de paisaje seleccionadas. Las líneas azules suavizadas indican especies de abejas, mientras que las líneas rojas muestran especies de
sírfidos. Los coeficientes se muestran para todas las escalas entre 100 my 3000 m de tamaño de búfer. Los círculos rellenos denotan correlaciones significativas (pb0,05) entre la respuesta y la variable predictora. La riqueza y abundancia de
especies se transformaron mediante raíz cuadrada para su análisis.
 M. Jung / Informática ecológica 31 (2016) 18–21
constructor (Figura 2). Los modelos de procesamiento se pueden cargar con
diferentes parámetros y se repitieron para cada métrica de interés del paisaje. Los
datos resultantes luego se analizaron en R (Equipo central R, 2013), calculando el
coeficiente de correlación de la abundancia y diversidad de polinizadores frente a
los predictores derivados del paisaje. Se calcularon coeficientes para todos los
incrementos de buffer de manera similar a otros estudios existentes (Meyer y
otros, 2009).
3.2. Resultados y discusión
Se podría demostrar que las especies de abejas y sírfidos a menudo tienen
respuestas opuestas en diversas escalas de paisaje (Fig. 3). Si bien la abundancia y
diversidad de los sírfidos mostraron una correlación negativa significativa con
proporciones crecientes de tierras agrícolas y forestales (Fig. 3), el número de especies de
abejas o de individuos de abejas no se correlaciona con una mayor proporción de
bosques o tierras agrícolas en el paisaje. También es digna de mención la respuesta
significativa de la abundancia de sírfidos al aumento de la heterogeneidad del paisaje en
escalas de amortiguamiento más grandes (Fig. 3). No se pudo detectar una correlación
significativa entre ninguna de las métricas del paisaje y la abundancia o diversidad de las
abejas.
Aunque la encuesta sobre polinizadores realizada porMudri-StojniCy otros, (2012)
Puede que no se haya muestreado lo suficiente y, por lo tanto, lo más probable es que no
refleje completamente toda la comunidad de especies existente, aún así es capaz de
mostrar la diferencia opuesta que a menudo se informa entre las abejas y los sírfidos en
respuesta a las influencias del paisaje (Jauker et al., 2009; Meyer y otros, 2009). Se supone
que la abundancia y diversidad de los sírfidos se ven mucho más afectadas por el cambio
en la cobertura del suelo en los alrededores debido a su dependencia de los
microhábitats, especialmente en los bosques (Branquart y Hemptinne, 2000). Esta podría
ser la razón por la cual la diversidad y abundancia de los sírfidos se correlacionan tan
fuertemente con la cubierta forestal a nivel del paisaje y aumentan en abundancia con
una mayor heterogeneidad en el paisaje. Sin embargo, se debe recordar al lector que
este estudio de caso no puede considerarse una evidencia sólida de la respuesta general
de los polinizadores a las influencias del paisaje debido a su pequeño tamaño de muestra
y simplicidad de diseño. También cabe señalar que se ha demostrado que la “resolución
temática” de los paisajes tiene un profundo impacto en las métricas del paisaje (Castilla et
al., 2009; Kallimanis y Koutsias, 2013). El aumento de la resolución espacial y, por tanto,
temática de los sitios de estudio podría reflejar sesgos de generalización general en el
modelo de mosaico de parches CORINE (Castilla et al., 2009), en lugar de una señal
biológica de los polinizadores en nuestros resultados.
Los estudios futuros deberían centrarse especialmente en descomponer las respuestas de
las comunidades a las respuestas de las especies individuales al aprovisionamiento de recursos
en todo el paisaje. Esto ya se ha hecho, por ejemplo, con algunas especies de abejorros, que
sorprendentemente experimentan los paisajes de manera diferente en distintas escalas
espaciales (Westphal y otros, 2006). Este estudio de caso puede considerarse más bien como un
posible escenario para vías de investigación en las que se podría utilizar la nueva herramienta.
4. Resumen
Aquí se presenta un nuevo complemento para QGIS que permite el cálculo de
métricas de parches únicos y de todo el paisaje para su uso en estudios ecológicos. El
complemento en sí es gratuito y de código abierto y los usuarios potenciales pueden
modificarlo y redistribuirlo. Debido a su integración funcional en el marco de
procesamiento de datos QGIS existente, se puede utilizar en modelos espaciales
complejos. El autor espera que este complemento pueda ser útil para los ecologistas y
otras personas que trabajan con productos SIG de código abierto.
Expresiones de gratitud
El desarrollo de este software fue en parte autofinanciado y en parte apoyado
por la Universidade de Évora, Departamento de Biologia, Unidade de Biologia da
Conservaçao a través de Giovanni Manghi. El financiador no tuvo ningún papel en
el diseño del estudio, la recopilación y análisis de datos, la decisión de publicar o la
preparación del manuscrito.
21
Referencias
Panadero, WL, Cai, Y., 1992.El papel de los programas para el análisis multiescala de la estructura del paisaje.
utilizando el sistema de información geográfica GRASS. Landsc. Ecológico. 7, 291–302. Boyd, DS, Foody, GM, 2011.
Una visión general de las investigaciones recientes basadas en sensores remotos y SIG.
búsqueda en informática ecológica. Ecológico. Informar. 6 (1), 25–36.
Branquart, E., Hemptinne, JL, 2000.Selectividad en la explotación de recursos florales por
sírfidos (Diptera: Syrphinae). Ecografía 23 (6), 732–742.
Marrón, JL, 2014.SDMtoolbox: un conjunto de herramientas SIG basado en Python para genética del paisaje, biogeo-
Análisis de modelos gráficos y de distribución de especies. Métodos Ecología. Evolución. 5 (7), 694–700. Cagnacci,
F., Urbano, F., 2008.Gestión de la vida silvestre: un sistema de información espacial para la recopilación de GPS.
datos de lars. Reinar. Modelo de software. 23 (7), 957–959.
Castilla, G., Larkin, K., Linke, J., Hay, GJ, 2009.El impacto de la resolución temática en la
modelo de mosaico de parches de paisajes naturales. Landsc. Ecológico. 24 (1), 15-23.
AEMA, 2013. Datos ráster de Corine Land Cover 2006 Última versión con una resolución de 100 m. Acceso-
posible en:http://www.eea.europa.eu/data-and-maps/data/corine-land-cover-2006-
raster-2.
Etherington, TR, Holanda, EP, O'Sullivan, D., 2015.NLMpy: un paquete de software Python
para la creación de modelos de paisaje neutros dentro de un marco numérico general. Métodos
Ecología. Evolución. 6, 164–168.
Fahrig, L., 2003.Efectos de la fragmentación del hábitat sobre la biodiversidad. Año. Rev. Ecológico. Evolución.
Sistema. 487–515.
Jaeger, Jochen AG, 2000.División del paisaje, índice de división y tamaño de malla efectivo: nuevo
medidas de fragmentación del paisaje. Landsc. Ecológico. 15 (2), 115-130.
Jauker, F., Diekötter, T., Schwarzbach, F., Wolters, V., 2009.Dispersión de polinizadores en una agricultura.
Matriz cultural: respuestas opuestas de abejas silvestres y sírfidos a la estructura del paisaje
y la distancia del hábitat principal. Landsc. Ecología 24 (4), 547–555.
Jones, E., Oliphant, T., Peterson, P., 2001. SciPy: herramientas científicas de código abierto para Python.
http://www. picante. Organización/.
Kallimanis, AS, Koutsias, N., 2013.Patrones geográficos de la diversidad de cobertura terrestre de Corine
en toda Europa: el efecto del tamaño de grano y la resolución temática Progress in Physical
Geography 37, 161–177 (publicado por primera vez el 10 de diciembre de 2012).
Kempeneers, P., Sedano, F., Seebach, L., Strobl, P., San-Miguel-Ayanz, J., 2011.La fusión de datos
de imágenes de teledetección de diferente resolución espacial aplicadas al mapeo de tipos forestales. Traducción
IEEE. Geociencias. Sensores remotos 49 (12), 4977–4986.
Khanjani, A., Sulaiman, R., 2011.Los aspectos de elegir código abierto versus cerrado
fuente. Computadoras e Informática (ISCI), Simposio IEEE 2011 sobre. IEEE, págs. 646–649.
Klein, AM, Vaissiere, BE, Cane, JH, Steffan-Dewenter, I., Cunningham, SA, Kremen, C.,
Tscharntke, T., 2007.Importancia de los polinizadores en los paisajes cambiantes de los cultivos
mundiales. Proc. R. Soc. B Biol. Ciencia. 274 (1608), 303–313.
McGarigal, K., Marks, BJ, 1995.Programa de análisis de patrones espaciales para cuantificar la tierra.
estructura de escape. Tecnología general. Representante PNW-GTR-351. Departamento de Agricultura de EE. UU., Servicio
Forestal, Estación de Investigación del Noroeste del Pacífico.
McGarigal, K., Cushman, SA, Ene, E., 2012. FRAGSTATS v4: análisis de patrones espaciales pro-
gramo para mapas categóricos y continuos. Programa de software producido por los
autores en la Universidad de Massachusetts, Amherst (disponible en el siguiente sitio
web:http://www.umass.edu/landeco/research/fragstats/fragstats.html). Meyer, B.,
Jauker, F., Steffan-Dewenter, I., 2009.Contrastando la dependencia de recursos
Respuestas de la riqueza y densidad de los sírfidos a la estructura del paisaje. Aplicacion basica Ecológico. 10 (2),
178–186.
Mudri-StojniC,S., AndriC,A., Józan, Z., VujiC,A., 2012.Diversidad de polinizadores (Hymenoptera
y Diptera) en hábitats seminaturales en Serbia durante el verano. Arco. Biol. Ciencia. 64 (2),
777–786.
Neteler, M., Bowman, MH, Landa, M., Metz, M., 2012.GRASS GIS: un Open polivalente
Fuente SIG. Reinar. Modelo de software. 31, 124-130.
Oliphant, TE, 2007.Python para la informática científica. Computadora. Ciencia. Ing. 9 (3), 10-20. Pickett, STA
y Cadenasso, ML, 1995.Ecología del paisaje: heterogeneidad espacial en ecología.
sistemas icos. Ciencia 269 (5222), 331–334.
Potts, SG, Biesmeijer, JC, Kremen, C., Neumann, P., Schweiger, O., Kunin, WE, 2010.
Disminución global de polinizadores: tendencias, impactos y factores determinantes. Tendencias Ecológicas. Evolución. 25 (6),
345–353.
Equipo de desarrollo de QGIS, 2015. Sistema de información geográfica QGIS. Fuente abierta
Proyecto Fundación Geoespacial.http://qgis.osgeo.org.
R Core Team, 2013. R: Un lenguaje y entorno para la informática estadística. R Funda-
ción para Computación Estadística, Viena, Austria (http://www.R-project.org/). Saura, S.,
Torné, J., 2009.Conefor Sensinode 2.2: un paquete de software para cuantificar la
importancia de los parches de hábitat para la conectividad del paisaje. Reinar. Modelo de software. 24,
135-139.
Steiniger, S., Hay, GJ, 2009.Herramientas de información geográfica gratuitas y de código abierto para
escapar de la ecología. Ecológico. Informar. 4 (4), 183–195.
Turner, MG, 1989.Ecología del paisaje: el efecto del patrón en el proceso. Año. Rev. Ecológico.
Sistema. 20, 171–197.
VanDerWal, J., Falconi, L., Januchowski, S., Shoo, L., Storlie, C., 2012. SDMTools: Distribución de especies
Herramientas de modelado de distribución: herramientas para procesar datos asociados con ejercicios de
modelado de distribución de especies.http://CRAN.R-project.org/package=SDMTools.
Westphal, C., Steffan-Dewenter, I., Tscharntke, T., 2006.Los abejorros experimentan la tierra
Paisajes a diferentes escalas espaciales: posibles implicaciones para la convivencia. Ecología
149 (2), 289–300.
Wu, J., 2006.Ecología del paisaje, interdisciplinariedad y ciencia de la sostenibilidad. Landsc.
Ecológico. 21 (1), 1–4.