# FASE 1. Generar dataset simulado (abundancias por parcela)
# -----------------------------
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 50 17 28 6 11 3 2 1 0 3 3 0 1
## Intermedia_P1 26 7 10 14 5 20 18 2 11 2 0 8 5
## Tardia_P1 0 0 12 21 5 6 6 22 3 15 6 6 27
## Madura_P1 13 1 6 7 4 4 25 10 12 5 9 2 6
## Pionera_P2 18 21 17 10 12 8 2 4 1 16 11 0 0
## Intermedia_P2 16 8 10 16 9 7 4 1 5 2 4 0 3
## Tardia_P2 17 1 2 8 6 20 8 4 2 5 7 7 8
## Madura_P2 5 2 3 8 1 2 2 16 10 8 14 5 18
## Pionera_P3 62 31 9 4 20 8 2 9 0 1 0 0 0
## Intermedia_P3 11 36 27 10 6 5 8 5 7 0 3 2 7
## Tardia_P3 2 26 9 4 1 6 6 16 20 19 10 11 7
## Madura_P3 6 6 3 6 13 27 6 7 10 4 16 5 1
## Sp14 Sp15
## Pionera_P1 3 4
## Intermedia_P1 2 0
## Tardia_P1 0 17
## Madura_P1 15 10
## Pionera_P2 2 0
## Intermedia_P2 4 3
## Tardia_P2 6 11
## Madura_P2 8 1
## Pionera_P3 4 0
## Intermedia_P3 6 17
## Tardia_P3 6 5
## Madura_P3 6 10
# -----------------------------
# FASE 2. Tema 2: Diversidad alfa (por parcela)
# -----------------------------
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 13 1.90 0.783 0.739
## 2 Intermedia_P1 Intermedia 1 13 2.30 0.882 0.898
## 3 Tardia_P1 Tardia 1 12 2.29 0.883 0.920
## 4 Madura_P1 Madura 1 15 2.49 0.902 0.919
## 5 Pionera_P2 Pionera 2 12 2.24 0.881 0.902
## 6 Intermedia_P2 Intermedia 2 14 2.41 0.893 0.913
## 7 Tardia_P2 Tardia 2 15 2.49 0.903 0.920
## 8 Madura_P2 Madura 2 15 2.40 0.892 0.888
## 9 Pionera_P3 Pionera 3 10 1.74 0.757 0.755
## 10 Intermedia_P3 Intermedia 3 14 2.33 0.874 0.884
## 11 Tardia_P3 Tardia 3 15 2.46 0.900 0.910
## 12 Madura_P3 Madura 3 15 2.48 0.897 0.915
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… 11.7 1.53 1.96 0.257 0.807 0.0657
## 2 Inter… 13.7 0.577 2.35 0.0547 0.883 0.00970
## 3 Tardia 14 1.73 2.41 0.111 0.895 0.0105
## 4 Madura 15 0 2.46 0.0470 0.897 0.00489
## # 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
