# -----------------------------
# 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 28 40 12 6 2 0 0 0 4 1 0 0 2
## Intermedia_P1 20 3 35 3 15 8 23 8 8 2 9 1 0
## Tardia_P1 1 11 3 2 25 7 16 6 7 1 17 4 4
## Madura_P1 5 4 10 20 11 8 18 4 4 7 3 3 20
## Pionera_P2 27 18 13 2 11 1 2 11 1 5 1 0 0
## Intermedia_P2 12 19 34 9 11 8 23 5 3 5 0 3 5
## Tardia_P2 5 12 2 11 9 1 1 14 14 12 10 2 4
## Madura_P2 3 4 0 11 7 9 2 6 2 5 14 15 5
## Pionera_P3 26 26 7 9 9 0 0 11 3 2 0 1 0
## Intermedia_P3 9 14 12 14 8 5 16 5 5 2 4 0 0
## Tardia_P3 1 3 1 7 6 8 9 3 1 4 2 15 18
## Madura_P3 4 4 7 1 20 10 8 13 9 17 9 24 2
## Sp14 Sp15
## Pionera_P1 1 0
## Intermedia_P1 6 8
## Tardia_P1 9 11
## Madura_P1 18 9
## Pionera_P2 2 1
## Intermedia_P2 1 3
## Tardia_P2 0 2
## Madura_P2 21 16
## Pionera_P3 0 3
## Intermedia_P3 0 4
## Tardia_P3 8 9
## Madura_P3 3 9
# -----------------------------
# FASE 2. Tema 2: Diversidad alfa (por parcela)
# -----------------------------
riqueza <- vegan::specnumber(mat) # Calcula riqueza S (número de especies con abundancia > 0)
view(riqueza)
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 9 1.55 0.719 0.704
## 2 Intermedia_P1 Intermedia 1 14 2.31 0.875 0.873
## 3 Tardia_P1 Tardia 1 15 2.41 0.891 0.889
## 4 Madura_P1 Madura 1 15 2.51 0.906 0.926
## 5 Pionera_P2 Pionera 2 13 2.03 0.833 0.793
## 6 Intermedia_P2 Intermedia 2 14 2.29 0.871 0.869
## 7 Tardia_P2 Tardia 2 14 2.37 0.894 0.897
## 8 Madura_P2 Madura 2 14 2.42 0.897 0.917
## 9 Pionera_P3 Pionera 3 10 1.93 0.819 0.836
## 10 Intermedia_P3 Intermedia 3 12 2.33 0.891 0.937
## 11 Tardia_P3 Tardia 3 15 2.41 0.893 0.891
## 12 Madura_P3 Madura 3 15 2.47 0.901 0.912
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 2.08 1.84 0.256 0.790 0.0622
## 2 Inter… 13.3 1.15 2.31 0.0186 0.879 0.0104
## 3 Tardia 14.7 0.577 2.40 0.0243 0.893 0.00155
## 4 Madura 14.7 0.577 2.47 0.0438 0.901 0.00455
## # 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
