miércoles, 28 de septiembre de 2011

A Windows-Compatible Tool to Analyze Ecological Flow Networks




EcoNetwrA Windows-compatible tool to analyze ecological flow networks.


EcoNetwrk is based on Netwrk 4.2 by Robert E. Ulanowicz (http://www.cbl.cees.edu/~ulan/ntwk/network.html). EcoNetwrk performs all of the analysis of Netwrk 4.2 but in a windows friendly environment. Netwrk 4.2 is copyrighted (1982, 1987, 1998, 1999) and was used with the author's permission and guidance.


What is Network Analysis?
Network analysis is a phenomenological approach that holistically quantifies the structure and function of food webs by evaluating biomasses and energy flows. The efficiency with which energy and material is transferred, assimilated, and dissipated conveys significant information about the structure and function of food webs (Ulanowicz 2004; Ulanowicz and Platt 1985; Baird and Ulanowicz 1989 and 1993; Baird et al. 1991; Ulanowicz and Wulff 1991). Network analysis has been used to compare ecosystems of different size, geographical location, hydrological characteristics, and trophic status (Baird et al. 1991; Ulanowicz and Wulff 1991; Baird and Ulanowicz 1993; Monaco and Ulanowicz 1997). Most recently, arguments have been advanced for the use of network analysis to quantify the health and integrity of ecosystems (Ulanowicz 2000) and to evaluate the magnitude of stress imposed on an ecosystem (Ulanowicz 1995; Mageau et al. 1998).
There are fundamentally four types of analyses in network analysis: (1) input/output analysis, (2) the determination of trophic status and the identification of an equivalent linear food chain, (3) elaboration and analysis of biogeochemical cycling and the supporting flows, and (4) calculation of ecosystem indices (or properties) derived from information theory that describe the state of the food web.

EcoNetwrk References
Read more...

jueves, 9 de junio de 2011

III Congreso Nacional de Biodiversidad

III Congreso Nacional de Biodiversidad




























Miércoles 8 de Junio de 2011

12:00-14:00 y 15:00-15:50 Entrega de documentación. Estación Experimental del Zaidín.

16:00 Inauguración del Congreso

16:45. Conferencia Inaugural.
Francisco I. Pugnaire. Estación Experimental de Zonas Áridas, CSIC, Almería
Economía hídrica y cambio global en zonas áridas.

17:30 Mesa Redonda. Moderador: Esteban Manrique. Museo Nacional de Ciencias Naturales, Madrid.

Participantes:

Jesús González López. Instituto del Agua-Universidad de Granada
La diversidad microbiana en tecnologías de biopelículas aplicadas al tratamiento de aguas residuales.
José Luís González Rebollar. Estación Experimental del Zaidín, CSIC, Granada
Conservación, alianzas y compromisos.
Catuxa Novo. Servicio de Espacios Naturales Protegidos. Consejería de Medio Ambiente, Delegación Provincial de Granada
El desarrollo de la red Natura 2000, una oportunidad para la conservación de la biodiversidad.
Javier Cabello. Universidad de Almería
Proyecto Glocharid: un marco para el seguimiento del cambio global en zonas áridas.

19:15 Sesión Pósters

20:30 Copa de Bienvenida

21:30 Visita nocturna a la Alhambra (salida en autobús desde la Sede del congreso)


Jueves 9 de Junio de 2011

9:00 SESIÓN 1. DIVERSIDAD EN AMBIENTES DE MONTAÑA Y PRADOS

Moderador: Francisco I. Pugnaire. Estación Experimental de Zonas Áridas, CSIC, Almería

9:00 S1.1. Programa de Seguimiento del Cambio Global en Sierra Nevada: Ciencia y tecnología para la gestión adaptativa.
Zamora R. y *Bonet F. J.

9:20 S1.2. ¿A qué escalas espaciales se organiza la biodiversidad?. Un análisis jerárquico de la diversidad florística en prados atlánticos de la Reserva de la Biosfera de Urdaibai.
*González-Oreja J. A., Albizu I., Blanco F., Garbisu C. y Mendarte S.

9:40 S1.3. Cómo afectan las plantas nodriza a la biodiversidad: selección de características funcionales.
*Schöb C. y Pugnaire F. I.

10:00 S1.4. Análisis de la estructura de la comunidad de hongos micorrícicos asociados al tejo (Taxus baccata L.) en el Parque Natural Sierra de Baza (Granada).
*López-García A., Miranda J. D., Hempel S., Rillig M. C., Barea J. M. y Azcón-Aguilar C.

10:20 S1.5. Identificación de bioindicadores de procesos ambientales en la rizosfera de quercíneas mediante metagenómica.
Fernández-González A. J., Cobo-Díaz J. F., Villadas P. J., Toro N. y *Fernández-López M.

10:40 Café

11:10 SESIÓN 2. BIODIVERSIDAD EN MEDIOS ACUÁTICOS

Moderadora: Belén Rodelas. Universidad de Granada

11:10 S2.1. Aproximación al pan-genoma de Haloquadratum walsbyi desde el metagenoma.
*Martín-Cuadrado A-B., Pasic, L., Ghai R., y Rodríguez-Valera, F.

11:30 S2.2. Contaminación por nitratos: efecto sobre la biodiversidad y abundancia de poblaciones desnitrificantes en el Parque Nacional de Doñana.
*Correa D., Tortosa G., Moreno S., Sánchez-Monedero M. A., y Bedmar E. J.

11:50 S2.3. Efectividad de la Red de Parques Nacionales Peninsulares en la conservación de la biodiversidad acuática
*Millán A.; Picazo F; Sánchez-Fernández D.; Abellán P., Velasco J.; Lobo J. M. y Ribera I.

12:10 S2.4. Jardines olvidados bajo el mar: evaluación del estado de conservación de las fanerógamas Ruppia cirrhosa Petagna (Grande) y Zostera noltii (Hornemann) mediante su estudio genético.
*Martínez-Garrido J., González-Wangüemert M., Cánovas F. y Serrão E.

12:30 S2.5. Estructura espacial de diversidad vegetal en un arroyo efímero mediterráneo.
*Fernández Lo Faso R. y García Novo F.

13:00-14:30 Almuerzo

14:30-16:00 Sesión de Pósters

16:00 SESIÓN 3. BIODIVERSIDAD EN AMBIENTES ÁRIDOS Y COSTEROS

Moderador: Manuel Fernández López. Estación Experimental del Zaidín, CSIC, Granada

16:00 S3.1. Las estaciones lluviosa y seca determinan perfiles diferentes en la comunidad bacteriana asociada a cactáceas endémicas del altiplano central de México.
Torres-Cortés G., Millán V., Fernández-González A. J., Aguirre-Garrido J. F., Ramírez-Saad H. C., Fernández-López M., Toro N. y *Martínez-Abarca F.

16:20 S3.2. Contribución de los microorganismos en el mantenimiento de la biodiversidad en suelos áridos y semiáridos
*Manzanera M., Santacruz-Calvo L., Vílchez J. I., Narváez-Reinaldo J. J., Oliver-Jacobo A., Picazo-Espinosa R. y González-López J.

16:40 S3.3. Modelos fenológicos relacionados con la biodiversidad del ensamblaje faunístico-ambiental en el Malpaís de Güimar (Tenerife).
*de los Santos A. y Ferrer F. J.

17:00 S3.4. Capacidad fitorremediadora de Spartina densiflora de suelos contaminados por metales pesados y As en el estuario del Río Tinto (Huelva) y contribución de la diversidad bacteriana asociada a su rizosfera.
*Andrades-Moreno L., Parra R., Redondo-Gómez S., Caviedes M. A., Pajuelo E., y Rodríguez-Llorente I.

17:30 Café

18:00 SESIÓN 4. BIODIVERSIDAD ASOCIADA A BOSQUES Y MATORRALES.

Moderador: José Luís González Rebollar. Estación Experimental del Zaidín, CSIC, Granada

18:00 S4.1. Efecto del pastoreo a corto plazo sobre la composición florística y la estructura de pastos herbáceos en áreas cortafuegos de Andalucía Oriental (Granada).
*Robles A. B., Ruíz-Mirazo J. y González-Rebollar J. L.


18:20 S4.2. Efecto del paisaje y de los factores ambientales en la biodiversidad de los hayedos.
*Peña L., Amezaga I. y Onaindia M.

18:40 S4.3. Patrones de diversidad de hongos ectomicorrícicos en un bosque mixto: papel del árbol huésped y del medio edáfico.
Aponte C., *Marañón T., García L. V. y Gardes M.

21.00 Cena de Clausura


Viernes 10 de Junio

9:00 SESIÓN 5. CONSERVACIÓN DE LA BIODIVERSIDAD Y ÁREAS DE PROTECCIÓN

Moderador: Juan de Dios Miranda. Estación Experimental del Zaidín, CSIC, Granada

9:00 S5.1. El Sistema de Evaluación Integrada de Áreas Protegidas (SEIAP). Resultados de la primera evaluación integrada de las áreas protegidas de la Comunidad de Madrid.
*Rodríguez-Rodríguez, D.

9:20 S5.2. Áreas prioritarias e indicadores de biodiversidad en el sureste ibérico.
*Bruno D., Sánchez-Fernández D., Picazo F. , Velasco J., y Millán A.

9:40 S5.3. Factores antropomórficos que influyen en las políticas de conservación de vertebrados en España.
*Martín-Forés I., Martín-López B., y Montes C.

10:00 S5.4. Las distintas figuras de conservación y gestión de la Reserva de la Biosfera Intercontinental del Mediterráneo Andalucía-Marruecos.
*Molina F., Lanrani M. y Díaz del Olmo, F.

10:20 S5.5. ¿Qué nos ululan los búhos reales de la región de Murcia?. Patrones de diversidad genética.
*León-Ortega M., González-Wangüemert M., Pérez E., Lacalle J. A., Martínez J. E. y Calvo-Sendín J. F.


10:40 Café

11:10 SESIÓN 6. BIODIVERSIDAD ASOCIADA A SISTEMAS ANTROPOMÓRFICOS

Moderador: Eustoquio Martínez Molina. Universidad de Salamanca.

11:10 S6.1. La diversidad de la flora ornamental como herramienta para reducir la incidencia polínica en los espacios verdes urbanos.
*Cariñanos P., Morón I. y Casares M.

11:30 S6.2. Diversidad biológica y análisis de la interacción mutualista Micromonospora-Medicago.
*Martínez-Hidalgo P.*, Trujillo M., Galindo P. y Martínez-Molina E.

11:50 S6.3. Estudio de la biodiversidad microbiana en chacras maiceras mediante pirosecuenciación.
*Arone G., Fernández-González A. J., Fernández-López M., Correa D. y Bedmar E. J.

12:10 S6.4. Diversidad en la producción de celulosa y formación de biofilms en el género Sinorhizobium.
*Menéndez E., Robledo M., Rivas R., Velázquez E., Dazzo F., Martínez-Molina E. y Mateos P. F.

12.30 S6.5. Aplicaciones del Maldi-TOF-MS en el estudio de la diversidad bacteriana en Trifolium repens.
Rivera L. P., Ramírez-Bahena M. H., Ferreira L., Rivas R., González-Buitrago J. M., Velázquez E., Martínez-Molina E. y Mateos P. F.

13:00 Clausura del Congreso

Conferencia de clausura:

Esteban Manrique. Museo Nacional de Ciencias Naturales, Madrid.
Colecciones científicas como series de datos para la investigación.

14:00 Copa de despedida

Listado de comunicaciones admitidas como poster




































hosting: universidad de granada


mantenimiento web: belén rodelas (mrodelas@ugr.es)



Read more...

sábado, 4 de junio de 2011

Interesante!!! Conferencias B i o m a t - 11: matemáticas aplicada a la biología

B i o m a t - 11
Biomat 2011
www.ugr.es/~fisymat
A RSME & FISYMAT joint activity
on the occasion of the centennial of the RSME
Granada, june 6 - 8 2011

Perspectives in Mathematics and Life Sciences

coordinated by
Juan Soler


Organizing committee

Juanjo Nieto, Juan Calvo, Óscar Sánchez,
José Luis López, Tomás Alarcón

Scientific committee

Àngel Calsina, Carmen Cadarso,
Manuel Doblaré, Miguel A. Herrero,
Ángel Sánchez, Juan Soler

Conference Venue (see MAP)
Fundación Euroárabe
C/ San Jerónimo 27

http://www.ugr.es/~kinetic/biomat/IMG/poster.pdf


Timetable



Monday 6 Tuesday 7 Wednesday 8 Thursday 9
9:00-9:30h
Registration
I Meeting of

Young

Researchers

Modeling

Biological

Processes
9:30-10:00h
Welcome and
presentation
10:00-11:00h
Hans
Meinhardt
Jordi
Bascompte
Henri
Berestycki
Coffee break
11:30-12:30h
Alejandro
Frangi
Pierre-Emmanuel
Jabin
Jordi
García Ojalvo
12:30-13:30h
Carme
Calderer
Vicent
Caselles
José
Cuesta
Lunch
16:00-17:00h
Nicola
Bellomo
Ariel
Ruiz i Altaba
Masayasu
Mimura
Coffee break
17:30-18:30h
Leonid
Berlyand
Felix
Ritort
Emmanuel
Grenier
18:30-19:30h
Pierre
Degond
Alan
Carleton
Benoît
Perthame
~
20:00 h
Reception at
"Hospital Real"
21:00 h
Social Dinner
22:00 h
Visit to
the Alhambra
Read more...

viernes, 29 de abril de 2011

Congreso: 12th European Ecological Federation (EEF) Congress

12th EEF Congress: "- Enviado mediante la barra Google"

25-29 Septiembre 2011. Ávila, España

Important dates

Opening registration (15th February 2011)

Call for Abstract contributions (15th February 2011)

End of early registration (30th April)

Deadline for abstract submission (30th April)

Late registration time (From 1st May 2011)

3rd Circular (May 2011)

Notification of acceptance of abstracts (15th June 2011)

Final program (31st July 2011)


Read more...

lunes, 25 de abril de 2011

viernes, 22 de abril de 2011

jueves, 3 de febrero de 2011

¿cómo varía la productividad primaria neta terrestre? Nemani et al. 2003 vs. Zhao 2010.

La productividad primaria neta, ¿aumenta o disminuye?

Dos artículos publicados en Science analizan esta temática a escala global y en las últimas décadas.

El artículo de Nemani et al. (2003) analiza el impacto del cambio climático global en la productividad primaria neta terrestre, en el contexto de factores limitantes del crecimiento vegetal. Es decir, se estudia las respuestas de la vegetación al cambio climático entre 1982-1999.

Breve resumen de la metodología:
  • Construyen un mapa de las contribuciones relativas de los controles climáticos a la vegetación global.
  • Construyen índices bio-climáticos y estiman el efecto de la precipitación (40%), temperatura (33%) y radiación (27%) sobre el crecimiento vegetal. Colimitantes.
  • Usa el modelo de eficiencia de producción específica del bioma (PEM) para estimar PPN anual a alta resolución.
Principales conclusiones:
  • Un aumento de temperatura promueven el crecimiento vegetal más temprano y secuestramiento del carbono adicional en regiones limitadas por la temperatura.
  • Cambio de la dinámica monsoon produce régimenes +húmedos y -VPD en ecosistemas limitados por el h20.
  • PPN modelado aumenta en regiones limitadas por el h20 y radiación (6.5%), seguidos por los limitados por temp y radiación (5.7%) y limitados por tempr y h20 (5.4%).
  • el cambio global parece aliviar los limitantes climáticos críticos del crecimiento vegetal, de tal manera que la PPN aumenta un 6% globalmente (principalmente en ecosistemas tropicales y Amazonia).
Por tanto, se trata de un análisis global de estos temas y un enfoque interesante sobre los factores limitantes del crecimiento vegetal.

Sin embargo, un artículo publicado en el 2010 (Zhao 2010) mide una reducción en la PPN global entre los años 2000-2009. El argumento de este nuevo artículo afirma que las sequías a gran escala reducen el PPN regional, y la tendencia seca en el hemisferio sur disminuyen el PPN allí, contrarrestando el aumento del PPN en el hemisf norte.

Principales conclusiones:
  • PPN global disminuyó ligeramente en la década pasada, con variaciones inter-anuales correlacionadas negativamente con las tasas de crecimiento del CO2 atmosférico, sugiriendo que el PPN global es el mayor conductor de la tasa de crecimiento inter-anual de CO2.
  • Regionalmente, las anomalías PPN anuales negativas pueden ser causadas por sequías a gran escala.
  • PPN aumenta en el hemisferio norte (NH) y disminuye en el hemisferio sur (SH).
  • Alta correlación entre PPN, ppt en la estación de crecimiento y PDSI (estacion de crecimiento promedio) en SH y débil en NH.
  • Hipótesis/Meccanismos explicativos: 1) SVP (presión de vapor saturada) y 2) MRI (pindice de respiración mainten). En SH la temperatura media anual es 12ºC más que en NH para una área con vegetación, por lo cual un aumento equivalente de la temp tendrá mayores cambios en SVP y MRI en SH (porque son funcion no lineal de la temp).
En conclusión, este artículo postula que en los últimos 10 años grandes sequías periódicas regionales y la tendencia general a la sequía en el SH redujeron la PPN terrestre global


En fin, les dejo ambos artículos para que les den un vistazo ustedes mismos.
Nemani_etal_2003_Science


Zhao_&_Running_2010_science
Read more...

Producción primaria y variabilidad climática. De la Maza et al. 2009.

Estoy recopilando diversos artículos científicos sobre la relación entre la productividad primaria de un ecosistema y la variabilidad climática del mismo. He encontrado uno muy interesante, centrado en la estructura y dinámica vegetal. Es decir, a diferencia de otros artículos, éste trabajo evalúa varias métricas de la dinámica de la productividad primaria (y derivadas del NDVI) en relación a la variabilidad climática (precipitación) de dos zonas semi-áridas de Chile. Estos índices relacionados con la estructura vegetal incluyen: producción anual de las plantas, producción máxima anual, fases de ‘greening-up’ y senescencia, largo de la estación verde (‘green’ season), pico de vegetación y períodos cuado el alimento disponible para los herbívoros es mayor o menor.

Rápidamente, la metodología empleada en el artículo se puede dividir en:
  • Derivan métricas de la dinámica de la productividad primaria según el NDVI.
  • Ajustan un modelo logístico generalizado (modelo de Ricker 1954) para explicar la variabilidad de la biomasa de las plantas (derivado del NDVI) y variabilidad de la precipitación local. (Asume un efecto lateral de la variabilidad climática)
  • Evaluan escenarios climáticos (disminución del 15 o 40% de la precipitación).
Resumiendo mucho el artículo podemos destacar las siguientes conclusiones:
  • la variabilidad interanual de la precipitación (asociada con el ENSO) es esencial para la estructura del ecosistema semi-árido porque determina las fluctuaciones de la productividad primaria del mismo. Afecta distintas medidas ecológicas derivadas del NDVI y genera impactos subsecuentes en los consumidores primarios (control bottom-up).
  • influencia de la precipitación (ppt) en índices relacionados con la productividad y la dinámica vegetal:
  1. la ppt es la principal fuerza directriz del crecimiento vegetal,
  2. existe un efecto de saturación del NDVI total debido al aumento no lineal del crecimiento vegetal (es decir, existen otros factores limitantes además de la ppt),
  3. la ppt afecta la fenología de las plantas (aumentando el largo de la estación de crecimiento, es decir, existe un crecimiento más temprano en años lluviosos)
  4. una mayor ppt genera un crecimiento vegetal más rápido y también una senecencia más rápida.
  5. a pesar de la gran variación en la ppt de los escenarios, la variación en la priductividad resultante es leve (esto se debe a la relación no lineal entre ambas)

Me parece un trabajo bastante completo y novedoso sobre la temática. Sin embargo, sería interesante explorar un mayor número de zonas (especialmente gradientes ambientales) y evaluar en profundidad esos otros factores ambientales que se proponen. Se los dejo a continuación para que le den un vistazo.
DelaMaza_etal_2009_GlobalChangeBiol
Read more...

jueves, 20 de enero de 2011

lunes, 17 de enero de 2011

domingo, 16 de enero de 2011

SJR - Country Search

SJR - Country Search: "- Enviado mediante la barra Google"

URUGUAY: http://www.scimagojr.com/countrysearch.php?country=UY
Read more...

SIR - SCImago Institutions Rankings

SIR - SCImago Institutions Rankings: "- Enviado mediante la barra Google"

Ver http://www.scimagoir.com/pdf/ranking_ibe_ciencias_vida.pdf
Read more...

miércoles, 12 de enero de 2011

Autómatas celulares (dinámica metapoblacional, sistema con competencia, sistema parásito-hospedero). Aplicación con R (paquete simecol)

Simulamos 3 casos: modelo metapoblacional (espacialmente implícito), modelo de competencia y modelo parásito-hospedero.

Modelo espacialmente implícito

#### Modelo espacialmente implícito: dinámica metapoblacional ##### producimos un dibujo con parches ocupados (color claro) y vacíos (color oscuro), de 10000 parches en un array de 100x100, pero el modelo no es espacialmente explícito, es solo una imagen. Las condiciones iniciales es de 100 parches ocupados aleatoriamente.
m=.15;e=.1;s=(1-e)
N<-matrix(rep(0,10000),nrow=100);xs<-sample(1:100);ys<-sample(1:100)
for (i in 1:100){N[xs[i],ys[i]]<-1 };image(1:100,1:100,N)
#queremos simulaciones de 1000 generaciones. Primero modelamos la supervivencia (o no) en parches ocupados. Cada celda en el universo toma un número aleatorio independiente desde una distribución uniforme (número real entre 0 y 1). Si el NA es <=s (=1-e) entonces el parche sobrevive otra generación. Si el NA es <s, el parche se extingue y N=0.
#calculamos la producción de propágulos (im) de los parches sobrevivientes. Asumimos que el asientamiento de los propágulos es aleatorio (caen en parches vacíos u ocupados).
for(t in 1:1000)
{
S <-matrix(runif(10000),nrow=100);N<-N*(S<s);
im<-floor(sum( N*m));placed<-matrix(sample(c(rep(1,im) ,rep (0,10000-im))),nrow=100)
N<-N+placed;N<-apply(N,2,function(x) ifelse(x>1,1,x)); image(1:100,1:100,N);box(col="red")
}
#como m>e la metapoblación persistirá. La solución analísitca a largo plazo es: 1-e/m=1-.1/.15/.333. En cualquier tiempo la proporción de ocupación actual es: sum(N)/length(N).


Modelo espacialmente explícito. Sistema de competencia (denso-dependencia local)

#### Modelo espacialmente explícito: DD local. competencia por sitios.
#Sean 2 especies que no pueden coexitir en un ambiente mezclado porque la fecundidad de la especie A es < que la fecundidad de la especie B, y esto conducirá tarde o temprano, en la exclusión competitiva de la especie B y la persistencia de la especie A. ej: insectos herbívoros o patógenos fúngicos.
#la sp B que se encuentra en la vecindad de la sp A impide el reclutamiento de la sp A cuando ésta se encuentra a más de un umbral T (individuos de sp A en el vecindario).
#idea: observar si la introducción de DD local en vecindario es suficiente para prevenir la exclusión competitiva y permitir la coexistencia a largo plazo de las 2 especies.
#bordes del universo:como todas las localizaciones neceitan tener el mismo número de vecinos en el modelo, utilizamos ‘wrap-around margins'
#definimos el vecindario, medinate una grilla cuadrada, una celda central y de 8 vecinos
plot(c(0,1),c(0,1),xaxt="n",yaxt="n",type="n",xlab="",ylab="");abline("v"=c(1/3,2/3));abline("h"=c(1/3,2/3))
xs<-c(.15,.5,.85,.15,.85,.15,.5,.85);ys<-c(.85,.85,.85,.5,.5,.15,.15,.15)
for (i in 1:8){ text(xs[i],ys[i],as.character(i)) }; text(.5,.5,"target cell")
#definimos los márgenes de las celdas. Sea el universo N de 100x100 celdas, la matriz de vecinos será de 102x102.
margins<-function(N)
{
edges<-matrix(rep(0,10404),nrow=102);edges[2:101,2:101]<-N;edges[1,2:101]<-N[100,];edges[102,2:101]<-N[1,];edges[2:101,1]<-N[,100]
edges[2:101,102]<-N[,1];edges[1,1]<-N[100,100];edges[102,102]<-N[1,1];edges[1,102]<-N[100,1];edges[102,1]<-N[1,100]
edges
}
#escribimos la funciónq ue cuenta el número de especies A en las 8 celdas vecinas de cada celda i,j:
nhood<-function(X,j,i) sum(X[(j-1):(j+1),(i-1):(i+1)]==1)
#seleccionamos los valores de los parámetros: tasa de reproducción de A y B, tasa de mortalidad de adultos y el número umbral T de especies A encima del cual no ocurre reclutamiento:
Ra<-3;Rb<-2.0;D<-0.25;s<-(1-D);T<-6
#condiciones iniciales: la mitad del universo con sp A y la otra mitad con sp. B
N<-matrix(c(rep(1,5000),rep(2,5000)),nrow=100);image(1:100,1:100,N)
#corremos la simulación 1000 pasos de tiempo
for (t in 1:1000)
{
S <-1*(matrix(runif(10000),nrow=100)<s) #para evaluar si un ocupante de una celda sobrevive o muere, comparamos un número aleatorio con distribución uniforme entre 0 y 1 con la tasa de sobrevivencia específica s=1-D. Si el NA<s el ocupante sobrevive, si NA>s muere.
N<-N*S; space<-10000-sum(S)
nt<-margins(N) # calculamos la densidad de vecindario de A para cada celda
tots<-matrix(rep(0,10000),nrow=100)
for (a in 2:101) {
for (b in 2:101) {
tots[a-1,b-1]<-nhood(nt,a,b)
}}
seedsA<- sum(N==1)*Ra; seedsB<- sum(N==2)*Rb #calculamos las semillas producidas por los sobrevivientes
all.seeds<-seedsA+seedsB; fA=seedsA/all.seeds; fB=1-fA
setA<-ceiling(10000*fA); placed<-matrix(sample(c(rep(1,setA) ,rep (2,10000-setA))),nrow=100) #las semillas se asientan aleatoriamente en el universo
#las semillas solo producen reclutas en celdas vacías (N[i,j]=0). Si el ganador de una celda vacía (placed) es la spB, toma la celda (if(placed[i,j]=2; N[i,j]<-2)). Si la spA gana la celda, necesitamos chequear que tiene <T vecinos de spA. Si lo hace la spA toma la celda. Si no lo hace la celda está dada a la spB (if(tots[i,j]>=T;N[i,j]<-2))
for (i in 1:100)
{
for(j in 1:100)
{
if(N[i,j] == 0 ){if(placed[i,j]== 2){N[i,j]<-2}} else {if(tots[i,j]>=T){N[i,j]<-2}else{N[i,j]<-1}}
}
}
image(1:100,1:100,N); box(col="red") #dibujamos el mapa de spA en rojo y spB en blanco
}
#observamos que la spA auemnta en frecuencia a expensas de la sp.B. Eventualmente, sin emberago, la spA llega al pto donde su vecindario tiene muchos indiv de la sp.A, y su reclutamiento comienza a fallar. En el equilibrio, la spB persiste en celdas aisladas o en parches pequeños.
#si T=9 la sp.A conduce a la extinción de la sp.B
#si T=0 la sp.B toma el espacio


Modelo espacialmente explícito. Sistema parásito-Hospedero

#### Modelo espacialmente explícito: parásito-huésped.
#La interacción es inestable en modelos no-espaciales, con oscilaciones que aqumentan conduciendo a la rápida extinción de la sp.huesped y luego a la sp.parásito.
#en modelos espaciales (con movimiento a las 8 celdas vecinas), la interacción produce bonitos patrones espaciales que fluctúan con la abundancia de las 2 spp.
#Modelo Nicholson-Bailey: función host para calcular la próxima población de hospedadores como función de el número actual de hospedadores y parásitos (N y P), y otra función parasite para calcular la p´roxima población de parásitos como función de N y P
################################################
##############################

#función de Nicholson-Bailey
host=function(N,P,r,a) N*exp(r-a*P)
parasite=function(N,P,a) N*(1-exp(-a*P))

#definiciones de los bordes
host.edges=function(N,Nrow)
{
Hedges=matrix(rep(0,(Nrow+2)^2),nrow=(Nrow+2))
Hedges[2:(Nrow+1),2:(Nrow+1)]=N
Hedges[1,2:(Nrow+1)]=N[Nrow,]
Hedges[(Nrow+2),2:(Nrow+1)]=N[1,]
Hedges[2:(Nrow+1),1]=N[,Nrow]
Hedges[2:(Nrow+1),(Nrow+2)]=N[,1]
Hedges[1,1]=N[Nrow,Nrow]
Hedges[(Nrow+2),(Nrow+2)]=N[1,1]
Hedges[1,(Nrow+2)]=N[Nrow,1]
Hedges[(Nrow+2),1]=N[1,Nrow]
Hedges
}

parasite.edges=function(P,Nrow)
{
Pedges=matrix(rep(0,(Nrow+2)^2),nrow=(Nrow+2))
Pedges[2:(Nrow+1),2:(Nrow+1)]=P
Pedges[1,2:(Nrow+1)]=P[Nrow,]
Pedges[(Nrow+2),2:(Nrow+1)]=P[1,]
Pedges[2:(Nrow+1),1]=P[,Nrow]
Pedges[2:(Nrow+1),(Nrow+2)]=P[,1]
Pedges[1,1]=P[Nrow,Nrow]
Pedges[(Nrow+2),(Nrow+2)]=P[1,1]
Pedges[1,(Nrow+2)]=P[Nrow,1]
Pedges[(Nrow+2),1]=P[1,Nrow]
Pedges
}
#función de vecindario
nhood=function(X,j,i) sum(X[(j-1):(j+1),(i-1):(i+1)])

#función de llegada de migrantes a cada celda
h.migration<-function(Hedges,Nrow) #The number of host migrants arriving in every cell is calculated as follows:
{
Hmigs<-matrix(rep(0,Nrow^2),nrow=Nrow)
for (a in 2:(Nrow+1))
{
for (b in 2:(Nrow+1))
{
Hmigs[a-1,b-1]<-nhood(Hedges,a,b)
}
}
Hmigs
}

p.migration<-function(Pedges,Nrow) # The number of parasites migrants is given by:
{
Pmigs<-matrix(rep(0,Nrow^2),nrow=Nrow)
for (a in 2:(Nrow+1))
{
for (b in 2:(Nrow+1))
{
Pmigs[a-1,b-1]<-nhood(Pedges,a,b)
}
}
Pmigs
}
##############################

parasito_hospedero<-function(Tiempo=100,Xinitial=33,Yinitial=33,Nrow=100,NN=2,NP=2,r=.4,a=.1,Hmr=.1,Pmr=.9)
{

##seleccionamos los valores de los parámetros: dinámicas del hospedador (r) y parásito (r), tasas de migración Hmr y Pmr: en este caso los hospedadores son relativamente sedentarios y el parásito es altamente móvil
N=matrix(rep(0,Nrow^2),nrow=Nrow) #matrices de abundancias del hospedador (N) y el parásito (P)
P=matrix(rep(0,Nrow^2),nrow=Nrow)
N[Xinitial,Yinitial]=NN #condiciones iniciales 200 hospedadores y Nrow parásitos en una única calda de localización (33,33)
P[Xinitial,Yinitial]=NP
Nt<-NN;Pt<-NP
par(mfrow=c(2,1)); image(N+P) #eliminar si deseo obtener solo el gráfico de Nt y Pt vs tiempo
plot(NN~1, xlim=c(0,Tiempo),ylim=c(0,NN*2),pch=20,col="red"); points(NP~1,pch=20,col="blue")
for (t in 2:Tiempo) #The simulation begins here, and runs for 600 generations:
{
he<-host.edges(N,Nrow=Nrow)
pe<-parasite.edges(P,Nrow=Nrow)
Hmigs<-h.migration(he,Nrow=Nrow)
Pmigs<-p.migration(pe,Nrow=Nrow)
N<-N-Hmr*N+Hmr*Hmigs/9
P<-P-Pmr*P+Pmr*Pmigs/9
Ni<-host(N,P,r,a)
P<-parasite(N,P,a)
N<-Ni
Nt<-c(Nt,sum(N))
Pt<-c(Pt,sum(P))
image(N+P); TT<-1:t;plot((Nt/100)~TT,xlim=c(0,Tiempo),ylim=c(0,NN*2),pch=20,type="o",col="red");points((Pt/100)~TT,pch=20,type="o",col="blue") #eliminar si deseo obtener solo el gráfico de Nt y Pt vs tiempo
#image(1:Nrow,1:Nrow,N)
#TT<-1:t;points((Nt/100)~TT,pch=20,type="o",col="red");points((Pt/100)~TT,pch=20,type="o",col="blue") #agregar si deseo obtener el gráfico de Nt y Pt vs Tiempo
}
out<-list(Hospederos=Nt,Parasitos=Pt)
out
}

datos<-parasito_hospedero(Tiempo=100,Xinitial=33,Yinitial=33,Nrow=100,NN=200, NP=100, r=.4,a=.1,Hmr=.1,Pmr=.9) #es el ejemplo del libro "R book"
datos

Read more...

Libros para descargar (gratis)