1.Facultad de Ciencias Exactas y Naturales, Departamento de Bioestadística, Universidad Nacional, Heredia, Costa Rica;

2.Facultad de Ciencias Exactas y Naturales, Departamento de Bioestadística, Universidad Nacional, Heredia, Costa Rica;

3.Facultad de Ciencias Exactas y Naturales, Departamento de Bioestadística, Universidad Nacional, Heredia, Costa Rica;

4.Facultad de Ciencias Exactas y Naturales, Departamento de Bioestadística, Universidad Nacional, Heredia, Costa Rica;

5.Facultad de Ciencias Exactas y Naturales, Departamento de Bioestadística, Universidad Nacional, Heredia, Costa Rica;

Abstract

Introduction:Insects perform crucial ecological functions such as nutrient recycling, pollination, and biological control, but they are experiencing a global decline associated with pesticide use, invasive species, climate change, and urbanization, which reduces habitats and resources. This decline particularly affects pollinators that are sensitive to changes in vegetation. Objective:To evaluate the presence and abundance of insects in urban and rural areas of Heredia according to their order and their attraction to specific colors using chromatic traps, as well as to compare diversity, weight, and relationships among variables. Methods:Yellow, blue, and red traps were placed at 12 sites (6 rural and 6 urban) for four weeks, collecting insects from the orders Coleoptera, Diptera, Hemiptera, Hymenoptera, Lepidoptera, and Orthoptera. Specimens were preserved in ethanol, classified, and analyzed using Chi-square tests, Wilcoxon tests, Kendall correlation, multifactorial ANOVA, and Kruskal–Wallis tests to assess differences between zones, colors, and weight. Results:A total of 2699 individuals were captured, with higher abundance in the rural area, and Diptera and Hymenoptera were the dominant groups. A significant preference for yellow traps was recorded (p<0.05), along with differences between zones, with lower abundance in the urban area. A positive correlation between quantity and weight was found (tau=0.51), and significant effects of zone and color on quantity, though not on weight. Conclusion:Color has a significant influence, with yellow being the most attractive; notable differences were observed between zones, with greater abundance in rural areas. Additionally, there was a positive relationship between the number of individuals and total weight, and the analyses confirmed that both color and zone affect the quantity and weight of the insects captured.

Keywords:Diptera; hymenoptera; color traps; abundance; biomass.

Resumen

Introducción:Los insectos cumplen funciones ecológicas cruciales como reciclaje de nutrientes, polinización y control biológico, pero enfrentan un declive global asociado al uso de pesticidas, especies invasoras, cambio climático y urbanización, que reduce hábitats y recursos, afectando especialmente a polinizadores sensibles a cambios en la vegetación. Objetivo:Evaluar la presencia y abundancia de insectos en zonas urbanas y rurales de Heredia según su orden y su atracción por colores específicos mediante trampas cromáticas, además de comparar diversidad, peso y relación entre variables. Métodos:Se colocaron trampas de color amarillo, azul y rojo en 12 sitios (6 rurales y 6 urbanos) durante cuatro semanas, recolectando insectos de los órdenes Coleoptera, Diptera, Hemiptera, Hymenoptera, Lepidoptera y Orthoptera; los individuos fueron conservados en etanol, clasificados y analizados mediante pruebas de Chi-cuadrado, Wilcoxon, correlación de Kendall, ANOVA multifactorial y Kruskal–Wallis para evaluar diferencias entre zonas, colores y peso. Resultados:Se capturaron 2699 individuos, con mayor abundancia en la zona rural, siendo Diptera e Hymenoptera los grupos dominantes; se registró una preferencia significativa por las trampas amarillas (p<0.05), así como diferencias entre zonas, con menor abundancia urbana; se encontró correlación positiva entre cantidad y peso (tau=0.51) y efectos significativos de zona y color sobre la cantidad, aunque no sobre el peso. Conclusión:El color influye significativamente, siendo el amarillo el más atractivo; se observaron diferencias notables entre zonas, con mayor abundancia en áreas rurales; además, hubo una relación positiva entre número de individuos y peso total, y los análisis confirmaron que el color y la zona afectan la cantidad y el peso de los insectos capturados.

Palabras clave:Diptera; hymenoptera; trampas de color, abundancia; biomasa.

Total de palabras: 2,174

INTRODUCCIÓN

Los insectos juegan un rol ecológico muy importante en la mayoría de los sistemas, estos proveen una fuente de alimento para el resto de organismos, mantienen la fertilidad del suelo al reciclar nutrientes y ayudan a esparcir semillas. Así como también, controlan la población de otros organismos que son agentes cruciales para la polinización de las plantas (Padrón et al., 2021). Actualmente los insectos han sufrido un declive dramático alrededor del mundo, por ejemplo, las abejas se convirtieron en animales en peligro de extinción, siendo estas uno de los insectos más importantes para la supervivencia del ser humano. Factores como el uso masivo de pesticidas, especies invasoras de animales y plantas y el cambio climático han sido identificados como los principales culpables de este declive. (Sánchez-Bayo et al., 2019). El término urbanización se puede definir como la proporción de superficies impermeables en un radio de 200 y 500 m. La expansión urbana se considera uno de los factores más determinantes que alteran la estructura, la función y la dinámica de los ecosistemas (Dávid et al., 2025). Lleva a un cambio irreversible en el uso del suelo, y ha crecido a un ritmo acelerado en todo el mundo, extendiéndose hacia entornos naturales, incluso hacia áreas protegidas (Vaz et al., 2023). Esta transformación no solo reduce el hábitat de los insectos, sino también sus recursos alimenticios al igual que el éxito reproductivo de ciertas especies (Liao et al., 2025). Considerando los diversos grupos taxonómicos, los artrópodos presentan respuestas relativamente rápidas a estos cambios antropogénicos debido a su alta diversidad, cortos tiempos de generación y amplio espectro de niveles tróficos (Dávid et al., 2025). Sin embargo, la respuesta de insectos polinizadores a los atributos urbanos en múltiples niveles difiere según su taxonomía (Tamara et al., 2023). Es fundamental comprender la magnitud del impacto en las especies para identificar los grupos especialmente vulnerables que deberían recibir mayor atención para su conservación (Vaz et al., 2023). Para efectos de esta investigación, se buscó conocer la presencia de insectos en zonas urbanas y rurales según su orden a través de la atracción por el color. El color ha sido identificado como un atractivo importante para los insectos polinizadores, específicamente para los órdenes Diptera e Hymenoptera (Padrón et al., 2021). La visión del color se basa en interacciones neuronales, que comparan la respuesta de diferentes tipos espectrales de fotorreceptores. En los insectos existen tres tipos de ojos, I) estematas en larvas de grupos holometábolos, II) ocelos, III) ojos compuestos de insectos holo y hemimetábolos (Van der Kooi et al., 2021). La sensibilidad espectral de un fotorreceptor se define como la fracción de luz incidente que es absorbida por el pigmento visual del fotorreceptor y que posteriormente genera una señal eléctrica (Van der Kooi et al., 2021). En esta investigación se utilizaron trampas cromáticas de colores para atraer a los insectos y comprobar si estos tienen preferencia alguna por los colores. Las trampas utilizadas eran de color amarillo, azul y rojo, simulando los colores de las flores por las cuales se ven atraidos los insectos, esto con el objetivo de evaluar la abundancia de los diferentes ordenes de insectos y su atraccion por los colores. Del mismo modo, se buscó evaluar si hay una diferencia de estas variables entre la zona rural y urbana en la provincia de Heredia, Costa Rica.

METODOLOGÍA

Área de estudio: El cantón de Heredia es el número uno de la provincia de Heredia, está formado por cinco distritos administrativos, cuatro urbanos y uno rural. Se ubica en una ladera entre las cuencas del Río Burío al norte, Quebrada Seca al oeste, Río Pirro al este y Río Virilla al sur y cuenta con un área de 282.60 kilómetros cuadrados. (Municipalidad de Heredia, 2025) Las coordenadas geográficas del cantón de Heredia en el sector sur están dadas por 09º 59’ 23º latitud norte y 84º 09’ 16” longitud oeste, y en sector norte, en el distrito de Vara Blanca, por 10º 10’ 47” latitud norte y 84º 02’ 46” longitud oeste. (Municipalidad de Heredia, 2025) La provincia cubre un área total de 2.656.98 km2, tiene una altitud de 1.150 msnm, una temperatura promedio de 19.8 ºC y una precipitación anual que va de 1.500-2.000 mm. (Costa Rica 21, s.f.) Por otra parte, las coordenadas geográficas medias del cantón de San Rafael están dadas por 10°03’45” latitud norte y 84°05’00” longitud oeste. Debido a su ubicación en la cercanía de la sección central del país, cuenta con las condiciones climáticas del Régimen Pacífico, el cual se caracteriza por presentar dos épocas bien marcadas a lo largo del año, la época seca que cubre el periodo entre los meses de diciembre hasta abril y la época lluviosa que cubre el periodo entre los meses de mayo a noviembre. Es importante aclarar que en las partes más altas del país, debido a factores orográficos y eólicos, el régimen de precipitación puede variar de forma considerable. (Municipalidad de San Rafael, 2025) Añadido a lo anterior, el cantón de Santo Domingo está situado en la provincia de Heredia, aproximadamente en las coordenadas 10°00’ de latitud Norte y 84°06’ de longitud Oeste. Su territorio abarca 24,84 km² y limita al norte con los cantones de San Pablo y San Isidro, al oeste con el cantón de Heredia, y al sur y este con los cantones de Tibás y Moravia, de la provincia de San José. Está dividido en ocho distritos: Santo Domingo, San Vicente, San Miguel, Paracito, Santo Tomás, Santa Rosa, Tures y Pará. La altitud del cantón oscila entre los 1 118 y 1 345 metros sobre el nivel del mar, mientras que la temperatura promedio se encuentra entre los 18 ºC y 26 ºC (Venegas & Ruiz, 2021). Para este estudio en específico se tomaron en cuenta dos localidades, Heredia urbano y Heredia rural y en cada una de las dos localidades se seleccionaron 10 sectores diferentes donde se colocaron las trampas. (Tabla 1)

Tabla 1. Diseño de muestreo y localidad de trampas.

Zona Sitio Localidad Numero.y.color.de.trampas N
Rural S1 San Rafael 2 rojas, 2 azules, 2 amarillas 2
Rural S2 San Rafael 2 rojas, 2 azules, 2 amarillas 2
Rural S3 San Rafael 2 rojas, 2 azules, 2 amarillas 2
Rural S4 Santo Domingo 2 rojas, 2 azules, 2 amarillas 2
Rural S5 Santo Domingo 2 rojas, 2 azules, 2 amarillas 2
Rural S6 Santo Domingo 2 rojas, 2 azules, 2 amarillas 2
Urbana S7 San Francisco 2 rojas, 2 azules, 2 amarillas 2
Urbana S8 San Francisco 2 rojas, 2 azules, 2 amarillas 2
Urbana S9 San Francisco 2 rojas, 2 azules, 2 amarillas 2
Urbana S10 UNA 2 rojas, 2 azules, 2 amarillas 2
Urbana S11 UNA 2 rojas, 2 azules, 2 amarillas 2
Urbana S12 UNA 2 rojas, 2 azules, 2 amarillas 2

Metodología de campo:Para el estudio se consideró la recolección de insectos por medio platos trampas de tres colores; amarillo, rojo y azul, ya que diferentes grupos de insectos presentan sensibilidad espectral diferenciada, lo que condiciona su atracción hacia ciertos colores (van der Kooi et al., 2021). Las mismas se colocaron a nivel del suelo con el propósito de que insectos tanto rastreros como voladores tuvieran acceso a estas. Se utilizaron 2 trampas en cada uno de los diferentes sectores, es decir, 2 azules, 2 rojas y 2 amarillas. (figura 1)

Figura 1. Esquema de la metodología para la recolección de insectos según su preferencia por distintos colores.

Este estudio examinó la presencia de insectos mayormente rastreros y polinizadores pertenecientes a los órdenes Hymenoptera, Diptera, Lepidoptera, y Coleoptera (Chatterjee et al, 2025). Esto debido a la efectividad de estas trampas para la captura y recolección de estos grupos en específico (Sial et al, 2022). A los platos trampa que se utilizaron se les agregó agua y detergente líquido comercial sin fragancia, esto con el fin de disminuir la tensión superficial y lograr que los insectos se hundieran (Padrón, P.S et al., 2021). Las trampas se instalaron durante cuatro semanas, cada viernes se colocaban en los diferentes sectores y se dejaban por un intervalo de tiempo de 8:00am a 4:00pm, siendo estas las horas de mayor actividad de los insectos (Padrón, P.S et al., 2021).

Recolección de datos:Al pasar las horas se recogieron las trampas, se enjuagaron los insectos con agua y utilizando pinzas se pasaron a frascos de vidrio con etanol al 70%, esto para conservarlos y proceder a su clasificación (Padrón, P.S et al., 2021). Luego de la clasificación se tomaron variables como la cantidad de individuos recolectados, y el peso seco neto de los insectos por trampa, además de calcular los índices de diversidad por localidad (Riqueza específica, Margalef, Shannon-Wiener, equitatividad)

Análisis de datos:Se quiso comprobar si los insectos no muestran preferencia por los diferentes colores de las trampas (H₀), o si por el contrario muestran preferencia por alguno de los colores (H₁). Para este análisis se utilizó una prueba de chi-cuadrado, dado que los datos son categóricos y no requieren seguir una distribución normal. Esta prueba compara la frecuencia observada en categorías con la frecuencia esperada bajo la hipótesis nula, permitiendo evaluar si existe una asociación significativa entre las variables, en este caso, la abundancia de insectos en los distintos colores de las trampas (Pearson, 1900). Además de esto, se analizó la diferencia de abundancia según la zona de muestreo (rural y urbana). Para lograr esto se utilizó una prueba pareada, y debido a que la distribución entre variables no presentó normalidad, se aplicó la prueba de Wilcoxon, comparando los valores de la variable entre ambas zonas (Wilcoxon, 1945). Para analizar la relación que hay entre el peso de insectos y la cantidad de individuos, se utilizaron pruebas no paramétricas, debido a que la cantidad de insectos es un valor discreto, para ello se utilizó el coeficiente de correlación de Kendall, porque es más adecuado en presencia de empates y es más “sensible” a valores cercanos a cero (Kendall, 1976). Se buscó determinar si existe una relación entre la zona de las muestras, los colores utilizados en las trampas y la cantidad de insectos capturados. Para evaluar las medias de cantidad entre los distintos colores y zonas, y detectar si las diferencias observadas son estadísticamente significativas, se llevaron a cabo los supuestos de independencia, normalidad y homocedasticidad. La normalidad de los residuos se evaluó mediante la prueba de Shapiro–Wilk y la homogeneidad de varianzas mediante la prueba de Fligner–Killeen (Shapiro & Wilk, 1965; Fligner & Killeen, 1976). Tras determinar que los datos no cumplían los supuestos de normalidad ni de homocedasticidad, se aplicó un ANOVA multifactorial, con los factores zona y color, utilizando la cantidad de individuos como variable dependiente. Para identificar entre qué colores se presentaban diferencias significativas en la cantidad de individuos, se aplicó la prueba de Wilcoxon para muestras independientes con corrección de Bonferroni, dado que los datos eran no paramétricos y balanceados (Wilcoxon, 1945). Todas las pruebas se realizaron con un nivel de confianza del 95%. Asimismo, se buscó determinar si hubo interacción entre la zona y el color de los platos en la biomasa de los insectos recolectados. Para ello, se evaluaron los supuestos de independencia, normalidad y homocedasticidad. Dado que los datos eran balanceados y no paramétricos, la homogeneidad de varianzas se examinó mediante la prueba de Fligner–Killeen (Fligner & Killeen, 1976). Tras verificar los supuestos, se procedió a realizar un ANOVA de dos vías para evaluar los efectos principales y la interacción entre los factores. Finalmente, se aplicó nuevamente la prueba de Wilcoxon para muestras independientes con la corrección de Bonferroni, adecuada para datos no paramétricos (Wilcoxon, 1945). Todas las pruebas se llevaron a cabo con un nivel de confianza del 95%.

RESULTADOS

Del total de los 2699 individuos recolectados, 918 fueron de la zona urbana, 1781 en la zona rural, 93 de los insectos pertenecieron al orden Coleoptera (3.45%), 1288 del orden Diptera (47.72%), 385 fueron del orden Hemiptera (14.26%), 910 del orden Hymenoptera (33.72%), 14 y 9 del orden Lepidoptera y Orthoptera (0.52%~0.33%) respectivamente, siendo estos últimos los menos abundantes en la recolección de insectos (Fig.2)

ggplot(datos, aes(x = Orden, y = Cantidad,fill= Zona)) +
       geom_col(position = position_dodge(width = 0.9), color = "black") +
labs(x = "Orden",y = "Cantidad",fill = "Zona") +theme_minimal()

Figura 2.Distribución de la cantidad de individuos recolectados según el orden y la zona de muestreo.

Para los índices de diversidad se obtuvieron diferencias en la estructura de las comunidades de los insectos por localidad (Tabla.2). En base a la riqueza específica y el índice de Margalef fue mayor en las localidades rurales en comparación a las localidades urbanas. Con el índice de Shannon-Wiener y el índice de equitatividad se obtuvo que la UNA presentó el valor más alto, seguido por San Rafael, San Francisco, y por último San Francisco. Esto demostró que a pesar de tener una riqueza menor, posee una distribución más equilibrada de los órdenes tomados en cuenta.

Tabla 2.Características de los índices de diversidad según la localidad de las muestras.

localidades <- data.frame(
  Localidad = c("UNA", "San Francisco", "San Rafael", "Santo Domingo"),
  S = c(5, 5, 6, 6),  # Riqueza específica (número de órdenes)
  Margalef = c(0.61, 0.74, 0.73, 0.74),
  Shannon = c(1.225, 1.063, 1.171, 0.959),
  Equitatividad = c(0.761, 0.660, 0.653, 0.535))

tabla <- localidades %>%
  kbl(col.names = c("Localidad", "Riqueza (S)", "Margalef", "Shannon", "Equitatividad (J)"),align = "c",  # centrado
    booktabs = TRUE,
    linesep = "") %>%
  kable_styling(full_width = FALSE, font_size = 10) %>%
  column_spec(1, bold = TRUE) %>%
  row_spec(0, bold = TRUE, background = "#f0f0f0")
 
tabla
Localidad Riqueza (S) Margalef Shannon Equitatividad (J)
UNA 5 0.61 1.225 0.761
San Francisco 5 0.74 1.063 0.660
San Rafael 6 0.73 1.171 0.653
Santo Domingo 6 0.74 0.959 0.535

Chi cuadrado: El análisis de bondad de ajuste mediante la prueba de Chi cuadrado se aplicó para evaluar si existían diferencias significativas en la abundancia de insectos según los diferentes colores de las trampas, en este caso, amarillo, rojo y azul. Esto se logra observar de forma más clara en el gráfico correspondiente (Fig.3) Los resultados muestran que las abundancias observadas difieren entre los tres colores, siendo el color amarillo el que presenta la mayor captura de individuos, seguido por el azul y el rojo. El valor estadístico mostró diferencias significativas, (X2= 937.4, df= 2, p-value<0.05), superando el valor crítico de X2 =5.991405. Por lo tanto, al tener un p-value menor a 0.05 se rechaza la hipótesis nula, es decir, existe una diferencia significativa en la abundancia de insectos entre los colores de las trampas, esto a un nivel de confianza del 95%. Estos resultados indican que los insectos no se distribuyen de manera uniforme entre los colores, mostrando una clara preferencia por algunos de estos tonos, siendo el amarillo el mas atractivo, esto debido a su similitud con estimulos visuales presentes en fuentes de alimento.

abund_por_color <- datos |> group_by(Color) |> summarise(Abundancia = sum(Cantidad, na.rm = TRUE)) |> arrange(Color)

abund_por_color
## # A tibble: 3 × 2
##   Color    Abundancia
##   <chr>         <dbl>
## 1 Amarillo       1647
## 2 Azul            579
## 3 Rojo            473
qchisq(.95,2)
## [1] 5.991465
obs <- abund_por_color$Abundancia
obs
## [1] 1647  579  473
chi2_res <- chisq.test(obs)
chi2_res
## 
##  Chi-squared test for given probabilities
## 
## data:  obs
## X-squared = 937.43, df = 2, p-value < 2.2e-16
esperadas <- chi2_res$expected
esperadas
## [1] 899.6667 899.6667 899.6667
contrib <- (obs - esperadas)^2 / esperadas
contrib
## [1] 620.7934 114.2947 202.3465
data.frame(Color = abund_por_color$Color, Observado = obs, Esperado = round(esperadas, 2),Contribucion_Chi2 = round(contrib, 2))
##      Color Observado Esperado Contribucion_Chi2
## 1 Amarillo      1647   899.67            620.79
## 2     Azul       579   899.67            114.29
## 3     Rojo       473   899.67            202.35
barplot(obs,names.arg = abund_por_color$Color, col = c("yellow", "blue", "red"), ylab = "Número de insectos", xlab = "Color")

Figura 3. Gráfico de la prueba de chi-cuadrado donde se compara la relación entre la abundancia según los diferentes colores de las trampas.

Prueba de Wilcoxon: Por otro lado, para determinar la diferencia en la cantidad de insectos entre las zonas urbana y rural por medio de la prueba Wilcoxon para muestras pareadas, se evidenció que existen diferencias estadísticamente significativas respecto a la cantidad de individuos en ambas zonas (Wilcoxon=7512.5, df=430, p-value<0.05). Además, el intervalo de confianza del 95% para la diferencia entre medianas fue de -3.50 y -2.00. De esta manera, los datos indican que la abundancia en la zona urbana es mucho menor que en la zona rural (fig. 4). Es decir, en promedio, la abundancia urbana fue entre 2 y 3,5 individuos menor que en la zona rural.

Urbana<-with(subset(datos, Zona == "Urbana"), Cantidad)
Rural<-with(subset(datos, Zona == "Rural"), Cantidad)

shapiro.test(Urbana)
## 
##  Shapiro-Wilk normality test
## 
## data:  Urbana
## W = 0.51438, p-value < 2.2e-16
shapiro.test(Rural)
## 
##  Shapiro-Wilk normality test
## 
## data:  Rural
## W = 0.59746, p-value < 2.2e-16
rd<-data.frame(Urbana, Rural)
boxplot(rd, ylab="Cantidad",xlab="Zona")

wilcox.test(Urbana, Rural, paired=T,conf.int = TRUE, exact = FALSE)
## 
##  Wilcoxon signed rank test with continuity correction
## 
## data:  Urbana and Rural
## V = 7512.5, p-value = 3.927e-10
## alternative hypothesis: true location shift is not equal to 0
## 95 percent confidence interval:
##  -3.500059 -1.999988
## sample estimates:
## (pseudo)median 
##      -2.500046

Figura 4. Abundancia de insectos en las zonas de muestreo.

Correlación:Al aplicar el coeficiente de correlación de Kendall, se obtuvo una correlación positiva moderada (tau = 0.51) con un p-value 2.2x10^-16, lo que indica que la relación entre el peso de los insectos y la cantidad de individuos es estadísticamente significativa. Esta tendencia se observa mejor en la gráfica correspondiente (Figura 5).

corr<-basededatoscor

peso<- corr$"Peso_(g)"
cantidad<- corr$Cantidad 
cor.test(cantidad, peso, method = "kendall")
## 
##  Kendall's rank correlation tau
## 
## data:  cantidad and peso
## z = 8.8996, p-value < 2.2e-16
## alternative hypothesis: true tau is not equal to 0
## sample estimates:
##       tau 
## 0.5105158
modelo1 <- lm(peso ~ cantidad, data = corr)
modelo1
## 
## Call:
## lm(formula = peso ~ cantidad, data = corr)
## 
## Coefficients:
## (Intercept)     cantidad  
##    0.004899     0.001295
library(visreg) 
## Warning: package 'visreg' was built under R version 4.4.3
visreg(modelo1, xlab = "Cantidad de individuos", ylab = "Peso (g)")

Figura 5.Relación entre el peso de los insectos y la cantidad de individuos.

Prueba de análisis de varianza:Se determinó la significancia estadística de las diferencias entre las variables de cantidad de individuos, zona de muestreo y color de los platos. El análisis reveló un efecto de baja significancia de la Zona (F(1,858) = 22.951, p < 0.05) y del Color (F(2,858) = 38.985, p < 0.05), mientras que la interacción entre Zona y Color si fue significativa entre ambos factores (F(2,858) = 3.014, p = 0.0496). Estos resultados se reportan en la Fig. 6. Dado que los datos no cumplieron los supuestos de normalidad (Shapiro–Wilk, p < 0.05) ni homogeneidad de varianzas (Levene, p < 0.05), se aplicó la prueba de Fligner–Killeen la cual indicó diferencias significativas en la varianza de la variable Cantidad entre zonas (χ² = 68.361, df = 1, p <2.2x10^-16) y entre colores (χ² = 112.59, df = 2, p = 2.2x10^-16). Por lo tanto, se rechaza la hipótesis nula de homogeneidad de varianzas, lo que sugiere que las varianzas no son iguales entre grupos.

AnovaI <- aov(Cantidad ~ Zona * Color, data = datos)
anova(AnovaI)
## Analysis of Variance Table
## 
## Response: Cantidad
##             Df Sum Sq Mean Sq F value    Pr(>F)    
## Zona         1    862  862.00  22.951 1.958e-06 ***
## Color        2   2928 1464.20  38.985 < 2.2e-16 ***
## Zona:Color   2    226  113.20   3.014   0.04962 *  
## Residuals  858  32225   37.56                      
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
shapiro.test(residuals(AnovaI))
## 
##  Shapiro-Wilk normality test
## 
## data:  residuals(AnovaI)
## W = 0.74228, p-value < 2.2e-16
leveneTest(`Peso_(g)` ~ Zona * Color, data = datos)
## Levene's Test for Homogeneity of Variance (center = median)
##        Df F value    Pr(>F)    
## group   5  11.691 5.977e-11 ***
##       858                      
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
fligner.test(Cantidad~Zona, data=datos)
## 
##  Fligner-Killeen test of homogeneity of variances
## 
## data:  Cantidad by Zona
## Fligner-Killeen:med chi-squared = 68.361, df = 1, p-value < 2.2e-16
fligner.test(Cantidad~Color, data=datos)
## 
##  Fligner-Killeen test of homogeneity of variances
## 
## data:  Cantidad by Color
## Fligner-Killeen:med chi-squared = 112.59, df = 2, p-value < 2.2e-16
kruskal.test(Cantidad~Zona,data=datos)
## 
##  Kruskal-Wallis rank sum test
## 
## data:  Cantidad by Zona
## Kruskal-Wallis chi-squared = 17.106, df = 1, p-value = 3.535e-05
kruskal.test(Cantidad~Color, data=datos)
## 
##  Kruskal-Wallis rank sum test
## 
## data:  Cantidad by Color
## Kruskal-Wallis chi-squared = 32.409, df = 2, p-value = 9.174e-08
pairwise.wilcox.test(datos$Cantidad, datos$Zona, p.adjust.method = "bonferroni")
## 
##  Pairwise comparisons using Wilcoxon rank sum test with continuity correction 
## 
## data:  datos$Cantidad and datos$Zona 
## 
##        Rural  
## Urbana 3.5e-05
## 
## P value adjustment method: bonferroni
pairwise.wilcox.test(datos$Cantidad, datos$Color, p.adjust.method = "bonferroni")
## 
##  Pairwise comparisons using Wilcoxon rank sum test with continuity correction 
## 
## data:  datos$Cantidad and datos$Color 
## 
##      Amarillo Azul
## Azul 6.8e-06  -   
## Rojo 1.8e-06  1   
## 
## P value adjustment method: bonferroni
ggplot(datos, aes(x = Color, y = Cantidad, fill = Zona)) +
  geom_boxplot(position = position_dodge(0.8)) +
  labs() +
  theme_classic()

Figura 6. Distribución de Cantidad de insectos recolectados tanto en zonas urbanas como en zonas rurales y su distribución en los platos de color.

Según el ANOVA aplicado posteriormente, no paramétrico de dos vías de Kruskal–Wallis para comparar la variable Cantidad entre los niveles del factor Zona y Color, se encontraron diferencias significativas entre Zonas (χ² = 17.106, df = 1, p = 3.535x10^-05) y entre Colores (χ² = 32.409, gl = 2, p = 9.174x10^-08) (Fig.7) Las comparaciones post hoc de Wilcoxon con corrección de Bonferroni indicaron diferencias significativas entre las zonas Urbana y Rural (p = 3.5x10^-05) con respecto a la cantidad de individuos. Por otro lado, las comparaciones entre los colores Amarillo y Azul fueron significativas (p = 6.8x10^-06) al igual que entre Amarillo y Rojo (p = 1.8x10^-06). La diferencia entre Rojo y Azul resultó no ser significativa (p = 1).

ggplot(datos, aes(x = Color, y = Cantidad, fill = Orden)) +
  geom_col(position = position_dodge(width = 0.9), color = "black") +
  facet_wrap(~Zona) +
  labs(
    x = "Color",
    y = "Cantidad",
    fill = "Orden"
  ) +
  theme_minimal()

Figura 7. Análisis de varianza para los factores de zona y color según la cantidad de individuos de insectos y el orden perteneciente.

Por otro lado, al realizar el ANOVA para la interacción de variable peso con los factores de la zona y el color se determinó que no hubo diferencias significativas entre zonas (F(1.1729), p> 0.05), para el color sí que hubo diferencias medianamente significativas (F(5.9140), p< 0.05) y para la interacción entre la zona y el color tampoco tuvo diferencias significativas (F(0.6082) p> 0.05). Debido a que los datos no cumplieron con los supuestos de normalidad (Shapiro–Wilk, p < 0.05), se realizó la prueba de Fligner que demostró que los datos para la zona fueron homogéneos (χ² = 1.226, df = 1, p-value = 0.2682) de igual forma que para el color (χ² =4.7379, df = 2, p-value = 0.09358). Finalmente en las pruebas Post-hoc de Wilcoxon se determinó que no mostraron diferencias significativas entre zonas (p = 0.31) ni entre colores (p > 0.87 para todas las comparaciones), lo que sugiere que la biomasa capturada es similar en todos los tratamientos.

AnovaII <- aov(`Peso_(g)` ~ Zona * Color, data = datos)
anova(AnovaII)
## Analysis of Variance Table
## 
## Response: Peso_(g)
##             Df  Sum Sq  Mean Sq F value   Pr(>F)    
## Zona         1 0.01211 0.012105  6.8326 0.009108 ** 
## Color        2 0.08573 0.042865 24.1943    6e-11 ***
## Zona:Color   2 0.00658 0.003288  1.8559 0.156934    
## Residuals  858 1.52011 0.001772                     
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
shapiro.test(residuals(AnovaII))
## 
##  Shapiro-Wilk normality test
## 
## data:  residuals(AnovaII)
## W = 0.51456, p-value < 2.2e-16
leveneTest(`Peso_(g)` ~ Zona * Color, data = datos)
## Levene's Test for Homogeneity of Variance (center = median)
##        Df F value    Pr(>F)    
## group   5  11.691 5.977e-11 ***
##       858                      
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
fligner.test(`Peso_(g)`~Zona, data=datos)
## 
##  Fligner-Killeen test of homogeneity of variances
## 
## data:  Peso_(g) by Zona
## Fligner-Killeen:med chi-squared = 73.333, df = 1, p-value < 2.2e-16
fligner.test(`Peso_(g)`~Color, data=datos)
## 
##  Fligner-Killeen test of homogeneity of variances
## 
## data:  Peso_(g) by Color
## Fligner-Killeen:med chi-squared = 240.37, df = 2, p-value < 2.2e-16
kruskal.test(`Peso_(g)`~Zona,data=datos)
## 
##  Kruskal-Wallis rank sum test
## 
## data:  Peso_(g) by Zona
## Kruskal-Wallis chi-squared = 14.436, df = 1, p-value = 0.000145
kruskal.test(`Peso_(g)`~Color, data=datos)
## 
##  Kruskal-Wallis rank sum test
## 
## data:  Peso_(g) by Color
## Kruskal-Wallis chi-squared = 55.336, df = 2, p-value = 9.639e-13
pairwise.wilcox.test(datos$`Peso_(g)`, datos$Zona, p.adjust.method = "bonferroni")
## 
##  Pairwise comparisons using Wilcoxon rank sum test with continuity correction 
## 
## data:  datos$`Peso_(g)` and datos$Zona 
## 
##        Rural  
## Urbana 0.00015
## 
## P value adjustment method: bonferroni
pairwise.wilcox.test(datos$`Peso_(g)`, datos$Color, p.adjust.method = "bonferroni")
## 
##  Pairwise comparisons using Wilcoxon rank sum test with continuity correction 
## 
## data:  datos$`Peso_(g)` and datos$Color 
## 
##      Amarillo Azul
## Azul 1.5e-08  -   
## Rojo 3.6e-11  1   
## 
## P value adjustment method: bonferroni
ggplot(datos, aes(x = Color, y = `Peso_(g)`, fill = Zona)) +
  geom_boxplot(position = position_dodge(0.8)) +
  labs() +
  theme_classic()

Figura 8. Distribución de la biomasa de los insectos según la coloración de los platos y la zona en que se encuentra. Se confirma que la biomasa de los insectos no tuvo relación según la zona y el color.

DISCUSIÓN

Los insectos tienen la capacidad de reconocer y ser atraídos por diferentes colores, esto debido a los fotorreceptores de sus ojos. En general los insectos poseen tres receptores (a la luz ultravioleta, azul y verde). En el caso de los dipteros la cantidad de fotorreceptores varia dependiendo de la familia, pero para las moscas el color de preferencia es el amarillo (Guamán et al, 2024). Al interpretar el resultado biológicamente se determina que el color de la trampa influye significativamente en la captura de insectos, siendo el amarillo el más atractivo. Esto concuerda con estudios revisados, donde se muestra que insectos, en especial Diptera y Hymenoptera, son atraídos por longitudes de onda amarillas asociadas a flores o estructuras ricas en polen y néctar (Padrón et al, 2021).

Por el contrario, las trampas azules y rojas resultaron menos efectivas, esto sugiere una menor sensibilidad o preferencia a esos rangos del espectro. Factores ambientales también pudieron haber influido en la percepción del color.

Ahora bien, a partir de la prueba Wilcoxon se obtuvieron resultados que dejan en evidencia una diferencia estadísticamente significativa entre las zonas muestreadas. En términos generales, la prueba mostró un registro menor de insectos en la zona urbana que en la rural. Esta diferencia concuerda con el fundamento teórico determinado por estudios ecológicos en los cuales se demuestra que los ambientes urbanos presentan menor cantidad y diversidad de insectos que las zonas rurales (Piano et al., 2019; Bowler et al., 2025). Añadido a lo anterior, al observar la figura 4, se permite apreciar una distribución de los registros en la cual los puntos asociados a la zona rural alcanzan valores más mayores que los de la zona urbana, evidenciando visualmente la diferencia entre zonas.

Por otro lado, la correlación obtenida indica que, en términos generales, a mayor número de individuos se relaciona con un incremento en el peso total. Esta interacción se aprecia con claridad en la Figura 5, donde los datos presentan una dispersión ascendente que refleja una asociación positiva entre ambas variables. Sin embargo, se identifican puntos con pocos individuos, pero con un peso relativamente alto (ubicados en la parte superior izquierda), así como casos con muchos individuos que presentan pesos menores (cercanos a la línea inferior derecha). Tekwa et al. (2023) señalan que, aunque la abundancia disminuye conforme aumenta el tamaño corporal, la biomasa total se mantiene relativamente equilibrada entre los diferentes rangos de tamaño, reflejando que las relaciones entre número de organismos y peso no siempre siguen un patrón uniforme.

Los resultados de los ANOVA factoriales de dos vías apuntan a que la interacción fue significativa. Esto sugiere que el efecto combinado de los factores sí cambia la respuesta. De este modo, el efecto de la Zona sobre la Cantidad y el Peso no es el mismo para todos los Colores, y viceversa. Más allá de esto, la prueba de Fligner al mostrar heterogeneidad de varianza, coincide con las diferencias significativas entre zonas y entre los Colores que presentó la prueba de Kruskal–Wallis, llevando a la conclusión que si hay una diferencia entre la cantidad de insectos y su peso por plato según la Zona. Los resultados de la prueba post hoc de Wilcoxon además de concordar con las diferencias significativas entre las Zonas y entre los Colores, resalta el amarillo como el único color que presentó diferencias significativas con respecto a los demás colores, sugiriendo que fue el que obtuvo mayor éxito de atracción para los insectos, como se analizó anteriormente.

Así mismo, la Figura 6 ayuda a visualizar estos resultados al mostrar mayor dispersión en el color amarillo y mayor cantidad de outliers lo cual presenta una mayor variabilidad en la Cantidad, mientras que los platos de color rojo y azul son similares. Sin embargo, se puede observar que la media fue baja para todos los factores lo cual podría indicar que se registraron pocas observaciones por muestra al igual que una asimetría de los datos por la presencia de muchos valores pequeños y pocos valores grandes (Yoccoz et al., 2001). Esto podría sugerir que los datos no son normales lo cual concuerda con los resultados de la prueba Shapiro. También podría sugerir que las condiciones no fueron favorables y que las trampas no fueron aptas para capturar el potencial de las poblaciones (Limpert et al., 2001).

Esta variabilidad y diferencia significativa, también presente en los resultados de la primera prueba de Wilcoxon, podría deberse a la mayor cobertura de área boscosa en las zonas rurales. Según Liao et al. (2025), la cobertura vegetal es un factor clave que afecta la riqueza de insectos polinizadores como los himenópteros. Así mismo, la composición, la riqueza y la abundancia de las poblaciones de insectos pueden estar determinadas por la disponibilidad de recursos florales, la competencia y la preferencia de recursos (Tamara et al., 2023). Además, las áreas rurales tienen mayor conectividad de área boscosa lo cual satisface la necesidad de desplazamiento de los individuos entre hábitats para asegurar su ciclo vital (Louis-Lucas et al., 2025). De esta manera, la urbanización al afectar principalmente la vegetación natural mediante procesos de fragmentación, degradación o eliminación total, generan presiones importantes en las comunidades polinizadoras (Morpurgo et al., 2024).

A pesar de que en la presente investigación no se obtuvo la información necesaria para determinar las afectaciones específicas causadas por la urbanización en las poblaciones, Vaz et al. (2023) estimó que la reducción promedio de insectos causada por la urbanización fue del 42 % en abundancia y del 40 % en riqueza, en comparación con un área protegida. Balogun et al. (2025) tuvo resultados similares donde la abundancia y la riqueza de especies de insectos polinizadores fueron significativamente mayores en los sitios naturales y los viñedos en comparación con los jardines. De manera similar, la composición de especies de insectos polinizadores en los sitios naturales y los viñedos fue similar a la de los jardines.

Dicho esto, las zonas urbanas también pueden ser refugios para ciertos grupos taxonómicos. Las zonas verdes urbanas, como jardines y parques, proporcionan hábitats relativamente complejos y vegetación diversa para los insectos. Además, al presentar una menor riqueza de especies nativas y una proporción relativamente alta de plantas ornamentales exóticas la urbanización también puede filtrar artrópodos según su origen y dieta (Dávid et al., 2025). Esto ha demostrado ser cierto para insectos polinizadores altamente adaptables como varias especies de himenópteros y dípteros que han presentado la capacidad de mantener poblaciones estables en entornos altamente urbanizados (Liao et al., 2025). Este efecto podría explicar los resultados de los índices de diversidad (Tabla.2) especialmente el de Shannon-Wiener y el de equitatividad donde la UNA presentó el valor más alto. De la misma manera podría explicar la Fig. 7 donde los ordenes con mayor cantidad de individuos en los platos amarillos corresponden a Diptera, Himenoptera y Hemiptera, tanto en la zona rural como en la urbana. La alta presencia de dípteros podría deberse a su alta adaptabilidad, como su capacidad de mantenerse activas a temperaturas más frías, en comparación con otros visitantes florales, como las abejas y las mariposas (Tamara et al., 2023). También podría sugerir una homogeneización de la diversidad de polinizadores (Balogun et al., 2025).

Por el contrario, los órdenes como Lepidoptera y Orthoptera fueron los que presentaron menor cantidad de individuos independientemente del Color y la Zona. A pesar de que según Morpurgo et al. (2024), el proceso de urbanización ha reducido sustancialmente la abundancia (85 %) y la riqueza de especies de lepidópteros, en la presente investigación, no se puede establecer esta relación ya que en la metodología experimental no se incluyen otros métodos de atracción de insectos. Algunos de estos otros factores incluyen aromas y patrones de luz visible que pudieron ser más atractivos a estos órdenes (Samy & Ramasubbu, 2022).

La investigación permitió concluir que el color de las trampas influye significativamente en la atracción de insectos, siendo el amarillo el que más atrajo, especialmente para órdenes como Diptera e Hymenoptera, mientras que los colores azul y rojo mostraron menor eficiencia. Además, se observaron diferencias muy notables entre las zonas muestreadas, con una mayor abundancia propiamente en las zonas rurales, esto concuerda con una mayor cobertura vegetal y disponibilidad de recursos con respecto al entorno urbano. También se encontró una relación positiva entre el número de individuos y el peso total. Aunque hubo cierta variabilidad, este patrón coincide con lo que se espera biológicamente en comunidades de insectos. En conjunto, los análisis estadísticos confirman que tanto el color como la zona, así como su interacción, afectan significativamente la cantidad y el peso de los insectos capturados, demostrando que los patrones de preferencia por color y las diferencias ecológicas entre ambientes urbanos y rurales influyen directamente en la composición y abundancia de las comunidades registradas.

REFERENCIAS

Balogun, I., Pryke, J. S., Kehinde, T., & Samways, M. J. (2025). Improving an African urban mosaic for insect pollinators through increased floral diversity and better functional connectivity. Landscape and Urban Planning, 264, 105480. https://doi.org/10.1016/j.landurbplan.2025.105480

Bowler, D., Callaghan, C., Felappi, J., Mason, B., Hutchinson, R., Kumar, P., & Jones, L. (2025). Evidence-base for urban green-blue infrastructure to support insect diversity. Urban Ecosystems, 28(54). https://doi.org/10.1007/s11252-024-01649-4

Chatterjee , T., Chakrabarty , S., Mitra , B., & Chaudhuri, P. (2025, March). Unveiling the association of mangrove flowering phenology on the dynamics of insect abundance. https://doi.una.elogim.com/10.1016/j.actao.2024.104052

Fligner, M. A., & Killeen, T. J. (1976). Distribution-free two-sample tests for scale. Journal of the American Statistical Association, 71(353), 210–213. https://doi.org/10.1080/01621459.1976.10481517

Guamán Cárdenas, K. V., & Zhishpun Picón, D. A. (2024). Preferencia cromática de la mosca de la fruta en trampas esféricas colocadas en un huerto de manzana (Malus domestica Borkh) cv. Anna en Guachapala-Azuay.

Karuppa Samy, K., & Ramasubbu, R. (2022). Floral traits and phenology drive pollinators diversity and pollinators visits in selected endemic Elaeocarpus spp. of the Western Ghats. Acta Ecologica Sinica, 42(6), 296-306. https://doi.org/10.1016/j.chnaes.2021.12.003

Kendall, M.G. (1976). Rank Correlation Methods. 4th Ed. Griffin.

Korányi, D., Kőrösi, Á., Orosz, A., & Markó, V. (2025). Sap-feeding insects do not respond uniformly to urbanization: The role of urban green spaces and species characteristics. Global Ecology and Conservation, 57, e03397. https://doi.org/10.1016/j.gecco.2024.e03397

Liao, Z., et al. (2025). Vegetation coverage and land imperviousness in urban area jointly affect hymenopteran pollinator diversity and spatial pattern. Ecological Indicators. https://doi.org/10.1016/j.ecolind.2025.110XXXX

Limpert, E., Stahel, W. A., & Abbt, M. (2001). Log-normal distributions across the sciences: Keys and clues. BioScience, 51(5), 341–352.

Louis-Lucas, T., Clavel, J., Bortolamiol, S., Blanc, N., Grésillon, É., & Clauzel, C. (2025). Exploring the relationships between landscape connectivity and urban biodiversity: Insights from citizen science on pollinators and birds in Paris, France. Biological Conservation, 309, 111271. https://doi.org/10.1016/j.biocon.2025.111271

Morpurgo, J., Huurdeman, M. A., Oostermeijer, J. G. B., & Remme, R. P. (2024). Vegetation density is the main driver of insect species richness and diversity in small private urban front gardens. Urban Forestry & Urban Greening, 101, Article 128531. https://doi.org/10.1016/j.ufug.2024.128531

Municipalidad de Heredia. (2025). Sistema de Información Geográfica [Capacitación]. Heredia.go.cr. Recuperado el 19 de agosto de 2025, de Municipalidad de Heredia. Portal Municipalidad de Heredia

Municipalidad de San Rafael – Heredia, Costa Rica. (2023, 23 octubre). Nuestro cantón- Estudios generales. https://www.munisrh.go.cr/

Padrón, P.S., Vásquez, C.B., Durán, S.C. et al. (2021). Use of colored pan traps method for monitoring insect (Diptera and Hymenoptera) diversity in the Southern Tropical Andes of Ecuador. Int J Trop Insect Sci 41, 643–652 https://doi.org/10.1007/s42690-020-00252-2

Pearson, K. (1900). On the criterion that a given system of deviations from the probable in the case of a correlated system of variables is such that it can be reasonably supposed to have arisen from random sampling. Philosophical Magazine Series 5, 50(302), 157–175. https://doi.org/10.1080/14786440009463897

Piano, E., Souffreau, C., Merckx, T., Baardsen, L., Backeljau, T., Bonte, D., Brans, K., Cours, M., Dahirel, M., Debortoli, N., Decaestecker, E., De Wolf, K., Engelen, J., Fontaneto, D., Gianuca, A., Govaert, L., Hanashiro, F., Higuti, J., Lens, L., … Hendrickx, F. (2019). Urbanization drives cross-taxon declines in abundance and diversity at multiple spatial scales. Global Change Biology, 26(3), pp. 1196-1211. https://doi.org/10.1111/gcb.14934

Provincia de Heredia – Costa Rica. (s. f.). Costa Rica 21. Recuperado el 19 de agosto de 2025, de Costa Rica 21: Provincia de Heredia – Costa Rica. https://www.google.com/url?sa=t&source=web&rct=j&opi=89978449&url=https://www.costarica21.com/Heredia-s.html&ved=2ahUKEwjIxLuGkJePAxXuRTABHX_MNjUQFnoFCIABEAE&usg=AOvVaw2opcXhr9gIi5WMKxkVK-uU

Sánchez-Bayo, F., & Wyckhuys, K. A. G. (2019). Worldwide decline of the entomofauna: A review of its drivers. Biological Conservation, 232, 8–27. https://doi.org/10.1016/j.biocon.2019.01.020

Shapiro, S. S., & Wilk, M. B. (1965). An analysis of variance test for normality (complete samples). Biometrika, 52(3–4), 591–611. https://doi.org/10.1093/biomet/52.3-4.591

Sial , M. U., Majeed, M. Z., Atiq , A., Farooq , T., Aatif , H. M., Jaleel, W., Khan , S., Majeed, Z., Akbar, R., Zaman , M., Saeed , R. K., Ali , Y., Saleh , M., Ullah , F., Khan , A., & Ghrmah, H. A. (2022, January). Differential efficacy of edaphic traps for monitoring arthropods diversity in subtropical regions. J. King Saud Univ. Sci. 34(1) https://doi.una.elogim.com/10.1016/j.jksus.2021.101686

Tekwa, E. W., Catalano, K. A., Bazzicalupo, A. L., O’Connor, M. I., & Pinsky, M. L. (2023). The sizes of life. PLOS ONE, 18(3), e0283020. https://doi.org/10.1371/journal.pone.0283020

Tamara, M. E. L., Arnan, X., Espíndola, A., & Vila-Concejo, A. (2023). Responses of hover fly diversity and abundance to urbanisation and local attributes of urban greenspaces. Basic and Applied Ecology, 70, 12-26. https://doi.org/10.1016/j.baae.2023.04.002

Van der Kooi, C. J., Stavenga, D. G., Arikawa, K., Belušič, G., & Kelber, A. (2021). Evolution of insect color vision: From spectral sensitivity to visual ecology. Annual Review of Entomology, 66(1), 435–461. https://doi.org/10.1146/annurev-ento-061720-071644

Vaz, S., Amaral, J. H. F., Borges, P. A. V., Cardoso, P., & Soares, A. O. (2023). Global meta-analysis of urbanization stressors on insect abundance, richness, and traits. Science of the Total Environment, 903, 165967. https://doi.org/10.1016/j.scitotenv.2023.165967

Venegas, M., & Ruiz, J. (2021). Proyecto Sistema de Visualización de Información para la Municipalidad de Santo Domingo de Heredia: Módulo 1. Principales aspectos demográficos del cantón y sus distritos [Informe]. Universidad de Costa Rica, Facultad de Ciencias Económicas, Escuela de Estadística. Municipalidad de Santo Domingo de Heredia. https://www.munisantodomingo.go.cr/files/folder/6ac8f797-d387-4a82-9e65-b02a18e0b724.pdf

Wilcoxon, F. (1945). Individual comparisons by ranking methods. Biometrics Bulletin, 1(6), 80–83. https://doi.org/10.2307/3001968

Yoccoz, N. G., Nichols, J. D., & Boulinier, T. (2001). Monitoring of biological diversity in space and time. Trends in Ecology & Evolution, 16(8), 446–453.