etapas <- c("Pionera", "Intermedia", "Tardia", "Madura") # Define 4 etapas sucesionales (categorías)
parcelas <- expand.grid(Etapa = etapas, Parcela = 1:3) %>% # Crea combinaciones: 4 etapas x 3 parcelas
as_tibble() %>% # Convierte a tibble
mutate(ID = paste0(Etapa, "_P", Parcela)) # Crea un ID único por parcela (ej. Pionera_P1)
especies <- paste0("Sp", sprintf("%02d", 1:15)) # Crea nombres Sp01...Sp15 (15 especies)
dirichlet_probs <- function(alpha){ # Define función para generar probabilidades tipo Dirichlet
w <- rgamma(length(alpha), shape = alpha, rate = 1) # Genera pesos positivos con distribución gamma
w / sum(w) # Normaliza para que sumen 1 (probabilidades)
} # Fin de función
alpha_por_etapa <- list( # Lista con "alpha" por etapa (controla dominancia)
Pionera = c(6,6,5, 2,2, 1,1,1,1,1, 0.5,0.5,0.5,0.5,0.5), # Pionera: pocas especies dominan mucho
Intermedia = c(3,3,3, 3,3, 2,2,2,1.5,1.5, 1,1,1,1,1), # Intermedia: dominancia más equilibrada
Tardia = c(1.5,1.5,1.5, 2,2, 2.5,2.5,2.5,2,2, 2,1.8,1.8,1.6,1.6), # Tardía: muchas especies con peso medio
Madura = c(1.2,1.2,1.2, 1.5,1.5, 1.8,1.8,1.8,1.8,1.8, 2,2,2,2,2) # Madura: más equidad, varias especies importantes
)
simular_parcela <- function(etapa, total_ind = sample(90:150, 1)){ # Función que simula una parcela (conteos por especie)
alpha <- alpha_por_etapa[[etapa]] # Selecciona el alpha que corresponde a la etapa
p <- dirichlet_probs(alpha) # Genera probabilidades para las 15 especies (suman 1)
as.integer(rmultinom(1, size = total_ind, prob = p)) # Genera conteos multinomiales (enteros) según p
} # Fin de función
abund <- parcelas %>% # Toma la tabla parcelas (Etapa, Parcela, ID)
rowwise() %>% # Indica que operaciones se harán fila por fila
mutate(conteos = list(simular_parcela(Etapa))) %>% # Para cada fila, simula conteos de 15 especies
unnest_wider(conteos, names_sep = "_") %>% # Expande la lista a 15 columnas (conteos_1...conteos_15)
rename_with(~ especies, starts_with("conteos_")) %>% # Renombra esas columnas a Sp01...Sp15
ungroup() # Quita el modo fila-por-fila
mat <- abund %>% select(all_of(especies)) %>% as.matrix() # Extrae solo especies y las convierte a matriz
rownames(mat) <- abund$ID # Pone como nombres de fila los ID de parcelas
mat
## Sp01 Sp02 Sp03 Sp04 Sp05 Sp06 Sp07 Sp08 Sp09 Sp10 Sp11 Sp12 Sp13
## Pionera_P1 16 9 17 7 13 0 0 6 15 0 7 3 7
## Intermedia_P1 10 18 31 7 11 9 6 4 3 10 0 3 1
## Tardia_P1 2 0 2 4 12 14 21 2 8 4 8 0 5
## Madura_P1 12 5 2 5 20 1 8 6 4 2 8 3 40
## Pionera_P2 13 39 22 11 18 0 0 5 0 3 1 4 0
## Intermedia_P2 6 50 7 6 21 6 14 3 10 0 0 8 9
## Tardia_P2 18 1 3 14 20 5 11 13 4 3 10 9 3
## Madura_P2 6 1 5 4 3 6 2 2 16 6 9 4 5
## Pionera_P3 22 27 26 3 3 0 0 9 8 2 0 11 0
## Intermedia_P3 9 16 7 25 7 2 5 3 2 10 0 1 1
## Tardia_P3 0 2 8 2 2 4 2 18 16 8 9 9 8
## Madura_P3 0 2 1 1 8 17 20 3 22 14 8 9 23
## Sp14 Sp15
## Pionera_P1 0 3
## Intermedia_P1 9 2
## Tardia_P1 4 7
## Madura_P1 7 20
## Pionera_P2 2 3
## Intermedia_P2 2 2
## Tardia_P2 9 0
## Madura_P2 12 10
## Pionera_P3 0 1
## Intermedia_P3 4 2
## Tardia_P3 4 20
## Madura_P3 2 1
riqueza <- vegan::specnumber(mat) # Calcula riqueza S (número de especies con abundancia > 0)
shannon <- vegan::diversity(mat, index = "shannon") # Calcula índice de Shannon H'
simpson <- vegan::diversity(mat, index = "simpson") # Calcula índice de Simpson (diversidad)
pielou <- shannon / log(pmax(riqueza, 1)) # Calcula equitatividad de Pielou (H'/ln(S))
res_alfa <- abund %>% # Parte del dataset con abundancias
select(ID, Etapa, Parcela) %>% # Se queda con variables de identificación
mutate(Riqueza = riqueza, # Agrega riqueza por parcela
Shannon = shannon, # Agrega Shannon por parcela
Simpson = simpson, # Agrega Simpson por parcela
Pielou = pielou) # Agrega Pielou por parcela
print(res_alfa) # Imprime tabla de diversidad alfa por parcela
## # A tibble: 12 × 7
## ID Etapa Parcela Riqueza Shannon Simpson Pielou
## <chr> <fct> <int> <int> <dbl> <dbl> <dbl>
## 1 Pionera_P1 Pionera 1 11 2.26 0.885 0.943
## 2 Intermedia_P1 Intermedia 1 14 2.33 0.877 0.884
## 3 Tardia_P1 Tardia 1 13 2.31 0.879 0.902
## 4 Madura_P1 Madura 1 15 2.29 0.861 0.845
## 5 Pionera_P2 Pionera 2 11 1.95 0.817 0.814
## 6 Intermedia_P2 Intermedia 2 13 2.14 0.829 0.833
## 7 Tardia_P2 Tardia 2 14 2.42 0.898 0.916
## 8 Madura_P2 Madura 2 15 2.51 0.905 0.925
## 9 Pionera_P3 Pionera 3 10 1.93 0.826 0.838
## 10 Intermedia_P3 Intermedia 3 14 2.25 0.861 0.851
## 11 Tardia_P3 Tardia 3 14 2.38 0.890 0.900
## 12 Madura_P3 Madura 3 14 2.25 0.876 0.852
res_etapa <- res_alfa %>% # Usa resultados por parcela
group_by(Etapa) %>% # Agrupa por etapa sucesional
summarise( # Resume con promedios y desviaciones estándar
Riqueza_prom = mean(Riqueza), Riqueza_sd = sd(Riqueza), # Media y sd de riqueza
Shannon_prom = mean(Shannon), Shannon_sd = sd(Shannon), # Media y sd de Shannon
Simpson_prom = mean(Simpson), Simpson_sd = sd(Simpson), # Media y sd de Simpson
Pielou_prom = mean(Pielou), Pielou_sd = sd(Pielou), # Media y sd de Pielou
.groups = "drop" # Quita agrupamiento para devolver tibble normal
)
print(res_etapa) # Imprime tabla resumen por etapa
## # A tibble: 4 × 9
## Etapa Riqueza_prom Riqueza_sd Shannon_prom Shannon_sd Simpson_prom Simpson_sd
## <fct> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Pione… 10.7 0.577 2.05 0.186 0.843 0.0369
## 2 Inter… 13.7 0.577 2.24 0.0983 0.856 0.0247
## 3 Tardia 13.7 0.577 2.37 0.0522 0.889 0.00939
## 4 Madura 14.7 0.577 2.35 0.139 0.881 0.0222
## # ℹ 2 more variables: Pielou_prom <dbl>, Pielou_sd <dbl>
ggplot(res_alfa, aes(x = Etapa, y = Shannon)) + # Inicia gráfico: etapa vs Shannon
geom_boxplot() + # Dibuja caja y bigotes (distribución)
geom_jitter(width = 0.12) + # Pone puntos con leve dispersión horizontal
theme_minimal() + # Estilo simple del gráfico
labs(title = "Diversidad (Shannon) por etapa de sucesión") # Título del gráfico
