IDONEIDAD DE HÁBITAT PARA Puya

raimondii Harms EN FUTUROS

ESCENARIOS DEL CAMBIO
CLIMÁTICO
Wilder Rolando, Quispe Rojas
Eduardo, Elias Nuñez
wilderquispe163@gmail.com

Tingo María, 2018

INTRODUCIÓ Cambio climático y perdida de biodiversidad

http://www.faculty.luther.edu/~bernatzr/Courses/Sci123/comet/broadcastmet/climate/images_03.htm
 Extensiones masivas de cumbre de montaña

T°
T° P
P

Colwell et al., 2018

http://reporte.humboldt.org.co/biodiversidad/2016/cap2/205/index.html#seccion3
http://reporte.humboldt.org.co/biodiversidad/2016/cap2/205/index.html#seccion6
Herramientas •DOMAIN
•Generalized Linear Models (GLIMS)
•General Algebraic Models Systems (GAMS) No lineares
http://www.gams.com/Default.htm
•Bioclim
http://cres.anu.edu.au/outputs/anuclim/doc/bioclim.html
http://www.andra.fr/bioclim/
MDE •Redes Neuronales (ANN - Artificial Neural Networks )
http://www.nd.com/neurosolutions/products/ns/whatisNN.html
•Árboles de Decisión (Random forest)
http://www.aaai.org/AITopics/html/trees.html
•Máxima entropía
http://biodiversityinformatics.amnh.org/open_source/maxent/
•Algoritmos Genéticos (GARP)
http://www.lifemapper.org/desktopgarp/
 Puya raimondii Harms

Especie endémica y nativa de los Andes centrales

Funciones que cumple
Puya raimondii en el
ecosistema
Quema de pastizales andinos
Puya raimondii , es considerada
como plantas carnívoras ya que
atrapan pequeños mamíferos por
sus espinas marginales de las hojas
(Rees & Roe, 1980).
Objetivo
Los objetivos de la investigación
fueron (1) desarrollar el modelo de
distribución de P. raimondii para los
escenarios de cambio climático
presentes y futuros; (2) cuantificar
el área adecuada de distribución de
P. raimondii en escenarios
presentes y futuros y (3) estimar la
dirección de los cambios de
centroides de la distribución en los
escenarios futuros de cambio
climático.
METODOLOGÍ Área de estudio
Distribución
espacial de los
puntos de
ocurrencia entre
3509m a 4529m
para P. raimondii.
 Recolección de puntos de ocurrencia
#instalar librerías
#install.packages("jsonlite”,“dismo”)
library(jsonlite)
library(dismo)
Miespecie = gbif(“Puya", species=“raimondii*", geo=FALSE)
Miesp <- Miespecie
head(Miesp)
dim(Miesp)
Miespgeo <- subse(Miesp, !is.na(lon) & !is.na(lat))
dim(Miespgeo)
#guardar los datos
midatoSP<-data.frame(cbind(Miespgeo$lon, Miespgeo$lat))
colnames(midatoSP) = ("lon", "lat")
head(midatoSP)
write.csv(midatoSP,“Puyaraimondii.csv")
#GUARDADO...
 Colección de coordenadas de Aquino, W., Condo, F., Romero, J., & Yllaconza, R. (2018).
DISTRIBUCIÓN GEOGRÁFICA Y POBLACIONAL DE PUYA
artículos científicos RAIMONDII HARMS EN EL DISTRITO DE HUAROCHIRÍ,
PROVINCIA DE HUAROCHIRÍ, LIMA, PERÚ. The Biologist(Lima),
Especie lon lat Fuente 16(1), 25–33.
Puya raimondii -73.995 -13.563 (DIEGO & CÁRDENAS, 2025)
Puya raimondii -76.257 -12.114 (Aquino et al., 2018) DIEGO, J. A., & CÁRDENAS, K. S. C. (2025). “CAPACIDAD DE
Puya raimondii -77.867 -9.133 (Sgorbati et al., 2004) ALMACENAMIENTO DE CARBONO EN UN BOSQUE JOVEN Y
Puya raimondii -71.862 -15.555 (Salazar & Villasante, 2012) MADURO DE Puya raimondii Harms, VILCASHUAMAN –
AYACUCHO.” Universidad Nacional del Centro del Perú. Retrieved
Puya raimondii -75.439 -12.233 Salidas a campo
from http://repositorio.uncp.edu.pe/handle/UNCP/3493
Puya raimondii -75.702 -11.819 Salidas a campo
Puya raimondii -77.271 -9.880 Salidas a campo Salazar, C. J., & Villasante, F. (2012). Distribución geográfica y situación
Puya raimondii -77.867 -8.167 (Salinas, Arana, & Suni, 2007) actual de Puya raimondii Harms en la Región de Arequipa - Perú. Quad.
Puya raimondii -77.217 -9.650 (Salinas et al., 2007) Bot. Amb. Appl., 23, 31–39.
Puya raimondii -77.891 -9.084 (Vadillo, Suni, & Cano, 2004) Salinas, L., Arana, C., & Suni, M. (2007). El néctar de especies de Puya
Puya raimondii -71.449 -14.950 (Vadillo, Suni, & Roca, 2007) como recurso para picaflores Altoandinos de Ancash, Perú. Revista
Puya raimondii -78.308 -8.340 (Vadillo et al., 2007) Peruana de Biologia, 14(1), 129–134.
Sgorbati, S., Labra, M., Grugni, E., Barcaccia, G., Galasso, G., Boni, U., …
Scannerini, S. (2004). A survey of genetic diversity and reproductive
biology of Puya raimondii (Bromeliaceae), the endangered queen of the
Andes. Plant Biology, 6(2), 222–230. Vadillo, G., Suni, M., & Cano, A.
(2004). Viabilidad y germinación de semillas de Puya raimondii Harms
(Bromeliaceae). Revista Peruana de Biologia, 11(1), 71–78.
Vadillo, G., Suni, M., & Roca, W. (2007). EVALUACIÓN DE LA
DIVERSIDAD GENÉTICA Y MORFOLÓGICA DE Puya raimondii.
INRENA.
Limpieza de datos

Bing Maps

OpenLayers Plugin

Google Maps
 Variables ambientales
Variable Descripción
BIO1 Temperatura promedio anual (°C)

Datos ambientales
BIO2 Rango medio diurno (temp max – temp min; promedio mensual) (°C)
BIO3 Isotermalidad (BIO1/BIO7) * 100 (°C)
BIO4 Estacionalidad en temperatura (SD × 100) (°C)
BIO5 Temperatura máxima del período más caliente (°C)
BIO6 Temperatura mínima del período más frío (°C)
BIO7 Rango anual de temperatura (BIO5-BIO6) (°C)
BIO8 Temperatura media en el trimestre más lluvioso (°C)
BIO9 Temperatura promedio en el trimestre más seco (°C)
BIO10 Temperatura promedio en el trimestre más caluroso (°C)
BIO11 Temperatura promedio en el trimestre más frío (°C)
BIO12 Precipitación anual (mm)
Actuales Futuras BIO13 Precipitación en el período más lluvioso (mm)
BIO14 Precipitación en el período más seco (mm)
1950-2000 2070
BIO15 Estacionalidad de la precipitación (Coeficiente de variación)
BIO16 Precipitación en el trimestre más lluvioso (mm)
BIO17 Precipitación en el trimestre más seco (mm)
http://www.worldclim.org/version1 BIO18 Precipitación en el trimestre más caluroso (mm)
BIO19 Precipitación en el trimestre más frío (mm)
2.6

Futuras
2070
4.5
GCM
General Circulation Models

IPSL-CM5A-LR
6.0 Institut Pierre Simon Laplace Model CM5A-LR

8.5

https://sos.noaa.gov/datasets/climate-model-temperature-change-rcp-26-2006-2100/ RCP = Rutas de concentración representativas

Correlación de las variables ambientales

#correlación de los de capas ambientales

#install.packages("readxl")
library(readxl) #importar datos excel
Puntos_BIO <- read_excel("Puntos BIO.xlsx")
dato<-Puntos_BIO[,4:22]
dato
cor_puya<-cor(dato)#solo números
cor_puya
write.csv(cor_puya,"Correlacion bio
puya.csv")#guardar
#corrplot para graficos de correlacion
#install.packages("corrplot")
library(corrplot)
corrplot(cor(cor_puya), tl.col = "black" ,
diag=F)
corrplot.mixed(cor(cor_puya), number.cex = .8,
tl.col = "black")
 Modelo de distribución de P. raimondii
Elección de modelo

MaxEnt

MaxEnt, es mejor que muchos otros modelos de distribución de especies con datos
de solo presencia (Elith et al., 2006, 2011; S. B. Phillips et al., 2006)
 Proceso del modelado

10 Variables
Idoneidad
Datos ambientales

32 Puntos de presencia

AUC(0.959)
Evaluación de idoneidad de habitad de P. raimondii

La idoneidad del hábitat

se compone de valores
MaxEnt
que van de 0 a 1, shape
donde 0 indica baja y 1
alta idoneidad; sitios (a) ausencia (0.00)
ambientalmente (b) bajo (<0.25)
adecuados para la (c) medio (0.25-0.50
especie (Merow, Smith, (d) alto (0.50-0.75)
& Silander, 2013; Yan >0.75 (e) muy alto (>0.75)
et al., 2017)
 Variables ambientales importantes
RESULTADOS Tabla 1: Contribución e importancia de permutación de las variables bioclimáticas
seleccionadas para el modelado de distribución actual y futura de P. raimondii.
Variables Descripción Porcentaje de Importancia de
contribución permutación
Bio5 Temperatura máxima del mes más caliente (C°) 70.8 27
Bio17 Precipitación en el trimestre más seco(mm) 10.3 32.9
Bio12 Precipitación anual (mm) 8.1 2.6
Bio4 Estacionalidad de la temperatura (SDx100) (C°) 4.7 4
Bio6 Temperatura mínima del mes más frío 3.1 19.8
Bio18 Precipitación en el trimestre más caluroso(mm) 1.1 6.7
Bio3 Isotermia (Bio2/Bio7) *100(C°) 0.8 0.3
Bio2 Rango medio diurno de temperatura 0.6 5.8
Bio15 Estacionalidad de la precipitación 0.4 0.9
Bio16 Precipitación en el trimestre más lluvioso(mm) 0.1 0
 Bio5 Bio17
(a) (b)

Curva de respuesta de las variables de las variables bioclimáticas mas importantes en

el proceso de modelado de la distribución de P. raimondii (a) “Bio5” es temperatura
máxima del mes más caliente (b) “Bio17” es precipitación en el trimestre más seco.
 En escenarios actuales

Los espacios actuales

ambientalmente
adecuados para el
desarrollo de P.
raimondii están
centradas para los
andes del Perú con una
extensión de 35371 km2
 En escenarios futuros

A RCP 4.5 las áreas

adecuadas presentaron
una extensión de 8285
km2 y a RCP 8.5 la
distribución potencial de
P. raimondii se restringe a
una extensión de 4824
km2.

RCP = Ruta de concentración representativa

La áreas adecuadas para
la década de 2070 a
comparación de la área
actual habrá una
disminución de 30547
km2.
Cambio de la
orientación
espacial de la
distribución

Para el 2070:
RCP 4.5: 302.71 km
RCP 8.5: 313.19 km

(75.62°O, 11.95° S)
CONCLUSIÓN
Los espacios actuales potencialmente apropiadas para P. raimondii, están
centradas para los andes de Perú con una extensión de 35371 km2 entre los
3509m a 4529m de elevación y en escenarios futuros de cambio climático las
áreas adecuadas presentan una extensión de 8285 km2 y 4824 km2 a rutas de
concentraciones representativas RCP 4.5 Y RCP 8.5 respectivamente y el
centroide de la distribución actual se ubicó al oeste de la región Junín,
desplazándose en el futuro hacia el sur de la región Ancash. Nuestros
resultados servirán como base de información para las organizaciones e
instituciones conservacionistas que ayudara a la toma de decisiones para la
protección de esta especie endémica de los andes que actualmente este camino
a la extinción.
 AGRADECIMIENTOS
A Vladimir Camel y a Marco Italo Castañeda, impulsores en la enseñanza softwares libres en
el campo forestal, en la facultad de Ciencias Forestales y del Ambiente de la Universidad
Nacional del Centro del Perú, también a Gladis Zúñiga, curadora del herbario HCEN-
Forestales por sus observaciones y recomendaciones .

Vladimir Camel Marco Castañeda Gladis Zúñiga

Gracias
…