Docente: Karol Ulate Naranjo
Universidad Nacional de Costa Rica
Los líquenes son ampliamente reconocidos como bioindicadores de la calidad ambiental y la contaminación atmosférica debido a su alta sensibilidad a las variaciones microclimáticas y del entorno. El objetivo de este estudio fue comparar la abundancia, la composición de morfotipos y las características morfométricas de los líquenes presentes en zonas urbanas (Heredia-UNA y San José-UCR) y rurales (Heredia-Monte de la Cruz y San José-Tarbaca) de Costa Rica, así como su relación con variables ambientales de temperatura y humedad. Se muestrearon 100 árboles (25 por zona) utilizando un anillo muestral a la altura del pecho y se registraron el tipo, color y tamaño de los líquenes, el diámetro de los árboles, la temperatura y la humedad. Los resultados descriptivos mostraron una mayor abundancia general de líquenes en las áreas rurales en comparación con las urbanas. En cuanto a los morfotipos, los tipos foliáceo y fruticuloso mostraron una elevada proporción en el ambiente rural, mientras que el morfotipo escuamuloso se registró exclusivamente en la zona urbana y el crustáceo se distribuyó de manera similar en ambos entornos. Las comparaciones estadísticas se realizaron mediante pruebas pareadas de Wilcoxon y análisis de varianza (ANOVA). Las pruebas no paramétricas de Wilcoxon por parejas indicaron que la longitud promedio de los líquenes en San José urbano (SJ_U) presentó un comportamiento significativamente menor y diferenciado con respecto al resto de las localidades (p<0.001). Asimismo, los supuestos del modelo de regresión lineal múltiple indicaron una distribución aproximadamente normal de los residuos y el cumplimiento de homocedasticidad y no autocorrelación. Se concluye que las comunidades liquénicas reflejan diferencias ambientales marcadas entre zonas rurales y urbanas, consolidándose como herramientas efectivas para la evaluación cualitativa del impacto urbano en los ecosistemas terrestres.
Palabras clave: Bioindicadores, contaminación atmosférica, morfotipos, área urbana, área rural, Costa Rica.
Lichens are widely recognized as bioindicators of environmental quality and air pollution due to their high sensitivity to microclimatic variations and changes in their surroundings. The aim of this study was to compare the abundance, morphotype composition, and morphometric characteristics of lichens found in urban areas (Heredia-UNA and San José-UCR) and rural areas (Heredia-Monte de la Cruz and San José-Tarbaca) in Costa Rica, as well as their relationship with environmental variables such as temperature and humidity. A total of 100 trees (25 per site) were sampled using a sampling ring placed at breast height. Lichen type, color, and size were recorded, along with tree diameter, temperature, and humidity. Descriptive results showed a higher overall abundance of lichens in rural areas compared to urban areas. Regarding morphotypes, foliose and fruticose lichens accounted for a high proportion of the specimens found in rural environments, whereas the squamulose morphotype was recorded exclusively in the urban area, and the crustose morphotype showed a similar distribution in both environments. Statistical comparisons were performed using paired Wilcoxon
Keywords: Bioindicators, air pollution, morphotypes, urban area, rural area, Costa Rica.
Los líquenes son organismos formados por una asociación simbiótica entre hongos y organismos fotosintéticos, como lo podrían ser las algas o cianobacterias. Estos desempeñan un papel importante en los ecosistemas y son considerados indicadores biológicos de condiciones ambientales, debido a que su presencia, abundancia y diversidad pueden verse afectadas por factores como la contaminación atmosférica, la temperatura y la humedad. Por esta razón, el presente estudio permite obtener información sobre las características ambientales de diferentes zonas geográficas de Costa Rica (Conti & Cecchetti, 2001; Thakur et al., 2024).
Actualmente los líquenes son ampliamente utilizados como biomonitores de la contaminación atmosférica, debido a su sensibilidad ante los cambios en las condiciones ambientales y la presencia de contaminantes (VDI, 1995; Conti & Cecchetti, 2001). Diversos estudios han demostrado que los gradientes de tráfico vehicular e industrial entre los centros urbanos y las zonas periféricas o montañosas pueden generar variaciones significativas en la diversidad, cobertura y morfología de las comunidades liquénicas (Méndez-Estrada & Monge-Nájera, 2011; Sáenz et al., 2007).
La distribución y abundancia de estos también pueden verse influenciada por múltiples factores ambientales, entre ellos está la temperatura y la humedad, los cuales varían dependiendo de las características de cada zona (Méndez-Estrada & Monge-Nájera, 2011; Sáenz et al., 2007). Por esta razón, la comparación de comunidades liquénicas presentes en ambientes urbanos y rurales permite identificar posibles diferencias relacionadas con las condiciones ambientales de cada sitio y comprender mejor su comportamiento como indicadores ecológicos.
En Costa Rica, las provincias de Heredia y San José presentan zonas con características ambientales y niveles de urbanización diferentes. Entre los sitios considerados para este estudio se encuentran la Universidad Nacional de Costa Rica (UNA), ubicada en el cantón central de Heredia, y la Ciudad Universitaria Rodrigo Facio de la Universidad de Costa Rica (UCR), localizada en San Pedro de Montes de Oca, provincia de San José (Universidad Nacional, s. f.; Universidad de Costa Rica, s. f.). Asimismo, se incluyen Monte de la Cruz, situado en San Rafael de Heredia y caracterizado por sus zonas verdes y boscosas, y Tarbaca, distrito perteneciente al cantón de Aserrí, en la provincia de San José (Municipalidad de San Rafael, s. f.; Instituto Geográfico Nacional, 2021).
Para caracterizar las condiciones de estos sitios, se consideraron variables relacionadas tanto con los organismos como con su entorno, entre ellas el tipo y tamaño de los líquenes, el diámetro de los árboles, la temperatura y la humedad. Posteriormente, la información recopilada se examinó mediante herramientas de estadística descriptiva, gráficos comparativos y un modelo de regresión lineal múltiple, con el propósito de explorar las diferencias entre los sitios y las posibles relaciones entre la abundancia de los líquenes y las condiciones ambientales. Este tipo de análisis permite comprender mejor la relación entre las comunidades liquénicas y las características de su entorno, así como destacar su importancia como herramientas para evaluar las condiciones ambientales (Abas et al., 2021).
Por lo tanto, el objetivo de este trabajo es comparar la abundancia y las características de los líquenes presentes en cuatro sitios de las provincias de Heredia y San José, considerando áreas urbanas y rurales, con el fin de identificar posibles diferencias en sus comunidades y su relación con las condiciones ambientales de cada zona.
Para realizar este estudio se seleccionaron cuatro zonas de muestreo: dos zonas urbanas, Heredia-UNA y San José-UCR, y dos zonas rurales, Heredia–Monte de la Cruz y San José–Tarbaca. La clasificación de los sitios se estableció considerando sus características territoriales y el grado de urbanización de cada localidad. De acuerdo con el Instituto Nacional de Estadística y Censos (INEC), las zonas urbanas se caracterizan por presentar una mayor concentración de infraestructura, cuadrantes definidos, calles, aceras, servicios urbanos y actividades comerciales y de servicios; mientras que las zonas rurales presentan una menor concentración de infraestructura y asentamientos, así como una mayor presencia de espacios naturales y actividades agropecuarias (INEC, 2011). Estas zonas fueron seleccionadas debido a sus diferencias en los niveles de contaminación ambiental con el propósito de comparar la presencia y las características de los líquenes entre áreas urbanas y rurales.
En cada zona se seleccionaron 25 árboles, para un total de 100 árboles muestreados. Los árboles seleccionados debían presentar una altura mínima de 10 metros, la cual se determinó mediante el método trigonométrico con el método de la tangente, también conocido como método del clinómetro. Además, se procuró seleccionar árboles con condiciones similares para reducir diferencias entre los sitios y permitir una comparación más adecuada de los resultados.
En cada árbol se estableció una zona de muestreo de aproximadamente 70 centímetros de altura, ubicada a la altura del pecho y delimitada mediante un anillo muestral. Dentro de esta zona se observaron y registraron todos los líquenes presentes. Para cada árbol se contabilizó la cantidad de líquenes encontrados y se registraron las características seleccionadas para el estudio.
Las variables registradas fueron el tipo de líquen, su color, tamaño o diámetro, el diámetro del árbol, la temperatura en grados Celsius (\(^\circ\text{C}\)) y la humedad de la zona en porcentaje (\(\%\)). Para medir el diámetro de los árboles y de los líquenes se utilizaron los instrumentos proporcionados por la universidad, entre ellos cintas métricas, metros, vernier y cuerdas. La temperatura y la humedad se registraron durante el periodo de muestreo utilizando las bases de datos oficiales correspondientes. El muestreo se realizó en los diferentes sitios durante el mismo horario y siguiendo el mismo procedimiento para reducir variaciones ocasionadas por factores externos.
Todos los datos obtenidos fueron registrados en una hoja de cálculo de Excel y organizados de acuerdo con la zona de muestreo y las variables estudiadas. A cada árbol se le asignó un código de identificación para facilitar la organización, comparación y análisis posterior de los datos.
Con el fin de garantizar una estructura lógica entre el procesamiento de datos y la exposición de hallazgos, la metodología analítica se dividió secuencialmente en las siguientes fases. Para la totalidad de los análisis e inferencias estadísticas se trabajó con un nivel de confianza del 95% (\(\alpha = 0.05\)):
Resumen Descriptivo General y Abundancia por
Zona: Se calcularon medidas de tendencia central (media y
mediana) y dispersión (desviación estándar, mínimos y máximos) de la
abundancia de líquenes, diámetros de árboles y variables climáticas
mediante el paquete dplyr (Wickham et al., 2023). Asimismo,
se generaron diagramas de cajas (boxplots) para evaluar la
abundancia global en zonas urbanas vs. rurales.
Composición de Morfotipos por Tipo y Zona: Se
analizó la frecuencia y proporción de morfotipos (crustáceo,
escuamuloso, foliáceo y fruticuloso) comparando entornos urbanos y
rurales mediante gráficos de barras de proporción relativa y gráficos de
cajas integrados creados con la librería ggplot2 (Wickham,
2016).
Efecto de Variables Climáticas: Se evaluó el
comportamiento de la abundancia de líquenes en función de los rangos de
temperatura (\(^\circ\text{C}\)) y
humedad (\(\%\)) registrados en cada
zona mediante diagramas de dispersión con ajuste de tendencia lineal
mediante ggplot2 (Wickham, 2016).
Análisis de Varianza (ANOVA), Pruebas No Paramétricas de
Longitud Promedio y Normalidad: Se estructuró un Análisis de
Varianza (ANOVA) de un factor para comparar la longitud promedio de los
líquenes según la categoría/localidad de muestreo (H_R, H_U, SJ_R,
SJ_U). Asimismo, se aplicó la prueba de rangos con signo de Wilcoxon por
parejas (pairwise Wilcoxon test) para comparaciones múltiples,
la evaluación de datos atípicos con outliers (Komsta, 2022)
y la prueba de Shapiro-Wilk para comprobar el supuesto de normalidad en
la abundancia según la zona.
Modelación por Regresión Lineal Múltiple y Verificación de Supuestos: Para evaluar el efecto simultáneo de los factores ambientales y espaciales sobre la abundancia de líquenes, se estructuró un modelo de regresión lineal múltiple de la forma:
\[ \text{Cantidad de líquenes} = \beta_0 + \beta_1(\text{Temperatura}) + \beta_2(\text{Humedad}) + \beta_3(\text{Altura}) + \beta_4(\text{Zona}) + \varepsilon \]
La validación diagnóstica del modelo incluyó la evaluación de
multicolinealidad mediante el factor de inflación de la varianza (VIF)
con el paquete car (Fox & Weisberg, 2019), la prueba de
homocedasticidad de Score de varianza no constante (ncvTest)
también mediante car (Fox & Weisberg, 2019), la prueba
de autocorrelación de residuos de Durbin-Watson con la librería
lmtest (Zeileis & Hothorn, 2002) y el análisis gráfico
de la distribución de residuos.
La lectura e importación de la base de datos desde Microsoft Excel se
llevó a cabo utilizando el paquete readxl (Wickham &
Bryan, 2023). La presentación tabular estandarizada y el formateo
dinamizado de los resultados se realizaron con knitr (Xie,
2023) y kableExtra (Zhu, 2024). Todos los análisis
estadísticos, modelos inferenciales y representaciones gráficas se
ejecutaron en el entorno del lenguaje de programación y software
estadístico R (R Core Team, 2024) bajo el umbral de significancia
estatutario del 95% de confianza.
Para estimar los datos que se esperan obtener en escenarios futuros o en nuevas observaciones dentro de cada entorno geográfico, se estructuró una metodología de predicción estadística basada en un modelo de regresión lineal simple. Este modelo toma como variable predictora la Zona (Urbana vs. Rural) o la localidad específica para estimar la Cantidad de líquenes esperada.
El procedimiento proyectivo se realiza ajustando el modelo lineal:
\[ \text{Cantidad de líquenes} = \beta_0 + \beta_1(\text{Zona}) + \varepsilon \]
Posteriormente, utilizando la función predict() en R
sobre una nueva estructura de datos (newdata), se calculan
los valores puntuales esperados (medias estimadas) junto con sus
correspondientes intervalos de confianza del 95% y
intervalos de predicción del 95% para la abundancia
esperada de líquenes por árbol en cada zona de estudio:
# Ejemplo del procedimiento analítico proyectivo
modelo_zona <- lm(`Cantidad de líquenes` ~ Zona, data = Datos_real_g)
nuevas_zonas <- data.frame(Zona = c("Rural", "Urbano"))
# Generación de la proyección con intervalo de confianza del 95%
proyeccion_esperada <- predict(modelo_zona, newdata = nuevas_zonas, interval = "confidence", level = 0.95)Este enfoque predictivo permite anticipar la carga liquénica esperada por árbol ante eventuales muestreos de validación o monitoreos ecológicos a futuro en zonas rurales y urbanas de las provincias de Heredia y San José.
Haciendo uso de los datos recolectados en las 4 zonas (Heredia centro, UCR, Monte de la Cruz y Tarbaca). En la Tabla 1 se presentan los valores de tendencia central (Media y Mediana) y los de dispersión (Desviación estándar, mínimos y máximos) relacionados a la abundancia de los líquenes, los diámetros de los árboles y las variables climáticas.
tabla_resumen <- Datos_real_g %>%
group_by(Zona, Tipo) %>%
summarise(
N = n(),
Media = mean(`Cantidad de líquenes`, na.rm = TRUE),
Mediana = median(`Cantidad de líquenes`, na.rm = TRUE),
Desv_Est = sd(`Cantidad de líquenes`, na.rm = TRUE),
Minimo = min(`Cantidad de líquenes`, na.rm = TRUE),
Maximo = max(`Cantidad de líquenes`, na.rm = TRUE),
.groups = "drop"
)
kable(tabla_resumen, digits = 2) %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed", "responsive"))| Zona | Tipo | N | Media | Mediana | Desv_Est | Minimo | Maximo |
|---|---|---|---|---|---|---|---|
| Rural | Crustáceo | 24 | 16.96 | 20.0 | 5.84 | 5 | 24 |
| Rural | Foliáceo | 30 | 15.03 | 14.5 | 3.08 | 7 | 21 |
| Rural | Fruticuloso | 2 | 9.00 | 9.0 | 0.00 | 9 | 9 |
| Urbano | Crustáceo | 29 | 14.03 | 14.0 | 3.83 | 6 | 24 |
| Urbano | Escuamul | 7 | 12.57 | 13.0 | 4.72 | 4 | 19 |
| Urbano | Foliáceo | 20 | 9.15 | 9.0 | 2.25 | 6 | 15 |
El análisis mostró una mayor abundancia de líquenes en los sitios rurales en comparación con los urbanos (Figura 1). La mediana de la abundancia fue mayor en la categoría rural, y sus valores se distribuyeron en un intervalo más amplio; en cambio, la categoría urbana presentó una mediana inferior. Este patrón indica que, en los árboles muestreados, se registraron generalmente más líquenes en los sitios rurales..
boxplot(`Cantidad de líquenes` ~ Zona, data = Datos_real_g,
main = "Cantidad de líquenes según la Zona",
xlab = "Zona",
ylab = "Cantidad de líquenes",
col = c("lightblue", "lightgreen"),
border = "darkgray")Respecto a la composición por tipo, el tipo crustáceo se registró en ambas zonas en proporciones similares, con una presencia ligeramente mayor en el área urbana (Figura 2). El morfotipo escuamuloso se observó exclusivamente en el área urbana, mientras que el fruticuloso se registró únicamente en la zona rural. Por su parte, el morfotipo foliáceo presentó una mayor proporción en la zona rural (Figura 2). Al comparar la abundancia por morfotipo, el tipo crustáceo y el foliáceo mostraron valores centrales mayores en los sitios rurales que en los urbanos (Figura 3).
ggplot(Datos_real_g, aes(x = Tipo, fill = Zona)) +
geom_bar(position = "fill") +
labs(
title = "Proporción del tipo de líquenes según la Zona",
x = "Tipo de liquen",
y = "Proporción",
fill = "Zona"
) +
theme_minimal() +
theme(
plot.title = element_text(face = "bold", size = 13, hjust = 0.5),
axis.text.x = element_text(angle = 45, hjust = 1)
) +
scale_y_continuous(labels = scales::percent)ggplot(Datos_real_g, aes(x = Tipo, y = `Cantidad de líquenes`, fill = Zona)) +
geom_boxplot(alpha = 0.7) +
labs(
title = "Abundancia de líquenes según Tipo y Zona",
x = "Tipo de líquenes",
y = "Cantidad de líquenes",
fill = "Zona"
) +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1))Al evaluar la relación entre los factores climáticos y la cantidad de líquenes observada, los datos mostraron diferencias según el entorno urbano o rural (Figuras 4 y 5): En las zonas urbanas, la abundancia registrada se concentró en temperaturas de 18 °C y 22 °C, mientras que en las zonas rurales se observaron registros en temperaturas de 22 °C y superiores (Figura 4). En la temperatura de 22 °C se aprecia una mayor abundancia en los registros rurales que en los urbanos. Asimismo, los registros de humedad reflejaron patrones diferenciados entre ambas categorías: en los sitios rurales se observaron mayores valores de abundancia asociados con los niveles de humedad registrados, mientras que en los urbanos la abundancia fue generalmente menor (Figura 5).
ggplot(Datos_real_g, aes(x = Temperatura_Celcius, y = `Cantidad de líquenes`, color = Zona)) +
geom_point(size = 3, alpha = 0.7) +
geom_smooth(method = "lm", se = TRUE) +
labs(
title = "Cantidad de líquenes en función de la Temperatura",
x = "Temperatura (°C)",
y = "Cantidad de líquenes"
) +
theme_minimal()ggplot(Datos_real_g, aes(x = Humedad, y = `Cantidad de líquenes`, color = Zona)) +
geom_point(size = 3, alpha = 0.7) +
geom_smooth(method = "lm", se = TRUE) +
labs(
title = "Cantidad de líquenes en función de la Humedad",
x = "Humedad (%)",
y = "Cantidad de líquenes"
) +
theme_minimal()La Figura 6 presenta la distribución de la longitud promedio de los líquenes en cada localidad. San José urbano (SJ_U) mostró los valores centrales más bajos, mientras que Heredia urbano (H_U) presentó los más altos; Heredia rural (H_R) y San José rural (SJ_R) mostraron valores centrales intermedios y relativamente cercanos. Las comparaciones por parejas mediante la prueba de Wilcoxon (Tabla 2) indicaron diferencias estadísticamente significativas entre SJ_U y las otras tres localidades, mientras que no se observaron diferencias significativas entre H_R, H_U y SJ_R. Por otra parte, las pruebas de Shapiro-Wilk aplicadas a la abundancia según la categoría rural y urbana no detectaron desviaciones significativas de la normalidad (Tabla 3; p = 0,123 y p = 0,2006, respectivamente).
Anova <- aov(Datos_real_g$Longitud_promedio_cm ~ Datos_real_g$Categoria)
boxplot(Datos_real_g$Longitud_promedio_cm ~ Datos_real_g$Categoria,
xlab = "Datos_real_g$Categoria",
ylab = "Datos_real_g$Longitud_promedio_cm",
main = "Longitud promedio de líquenes de cada zona")long <- Datos_real_g$Longitud_promedio_cm
localidad <- Datos_real_g$Categoria
pairwise.wilcox.test(long, localidad, p.adjust.method = "none")##
## Pairwise comparisons using Wilcoxon rank sum exact test
##
## data: long and localidad
##
## H_R H_U SJ_R
## H_U 0.19 - -
## SJ_R 0.34 0.29 -
## SJ_U 1.4e-12 3.1e-09 < 2e-16
##
## P value adjustment method: none
##
## Shapiro-Wilk normality test
##
## data: Datos_real_g$`Cantidad de líquenes`[Datos_real_g$Zona == "Rural"]
## W = 0.96663, p-value = 0.123
##
## Shapiro-Wilk normality test
##
## data: Datos_real_g$`Cantidad de líquenes`[Datos_real_g$Zona == "Urbano"]
## W = 0.97126, p-value = 0.2006
Finalmente, para evaluar el efecto conjunto de las variables ambientales y espaciales sobre la abundancia de líquenes, se estructuró un modelo de regresión lineal múltiple. La verificación de los supuestos del modelo indicó que los residuos presentan una distribución aproximadamente normal(Figura 7).
modelo_ecologico <- lm(`Cantidad de líquenes` ~ Temperatura_Celcius + Humedad + Altura + Zona, data = Datos_real_g)
ggplot(data.frame(Residuos = residuals(modelo_ecologico)), aes(x = Residuos)) +
geom_histogram(aes(y = ..density..), bins = 15, fill = "skyblue", color = "black", alpha = 0.6) +
geom_density(color = "red", size = 1) +
labs(
title = "Distribución de los residuos del modelo",
x = "Residuos",
y = "Densidad"
) +
theme_minimal()A continuación se presenta la estimación formal del modelo de regresión lineal múltiple junto con la evaluación diagnóstica de sus supuestos estadísticos:
# Ajuste y despliegue formal de la tabla de regresion lineal
summary_mod <- summary(modelo_ecologico)
kable(summary_mod$coefficients, digits = 4, caption = "Coeficientes del Modelo de Regresión Lineal Múltiple para la Cantidad de Líquenes") %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed"))| Estimate | Std. Error | t value | Pr(>|t|) | |
|---|---|---|---|---|
| (Intercept) | 19.5160 | 10.0732 | 1.9374 | 0.0553 |
| Temperatura_Celcius | -0.9526 | 0.3298 | -2.8887 | 0.0047 |
| Humedad | 18.0649 | 6.3187 | 2.8589 | 0.0051 |
| Altura | 0.7039 | 0.2127 | 3.3098 | 0.0013 |
| ZonaUrbano | -10.3568 | 1.0934 | -9.4722 | 0.0000 |
## --- Pruebas de Inflación de Varianza (VIF) ---
## Temperatura_Celcius Humedad Altura Zona
## 6.848228 5.397096 4.222170 3.018899
##
## --- Prueba de Homocedasticidad (ncvTest) ---
## Non-constant Variance Score Test
## Variance formula: ~ fitted.values
## Chisquare = 0.5550777, Df = 1, p = 0.45625
##
## --- Prueba de Autocorrelación (Durbin-Watson) ---
##
## Durbin-Watson test
##
## data: modelo_ecologico
## DW = 2.3486, p-value = 0.9358
## alternative hypothesis: true autocorrelation is greater than 0
## Df Sum Sq Mean Sq F value Pr(>F)
## Categoria 3 70.28 23.425 37.3 <2e-16 ***
## Residuals 108 67.82 0.628
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Los resultados obtenidos en este estudio evidencian diferencias en la abundancia y composición de los líquenes entre las zonas urbanas y rurales de Heredia y San José. En términos generales, se observó una mayor abundancia de líquenes en los sitios rurales en comparación con los urbanos. Este comportamiento podría relacionarse con las diferencias en las condiciones ambientales de cada sitio, particularmente con la humedad, la temperatura y la posible exposición a contaminantes atmosféricos (Uribe et al., 2023). Estos resultados concuerdan con la importancia de los líquenes como bioindicadores ambientales, debido a que sus características y distribución pueden variar según las condiciones del entorno (Conti & Cecchetti, 2001; Thakur et al., 2024).
En cuanto a la composición de los morfotipos, el tipo crustáceo presentó proporciones similares en las zonas urbanas y rurales, mientras que el tipo escuamuloso se registró exclusivamente en el área urbana. Por otra parte, los tipos foliáceo y fruticuloso mostraron una proporción elevada en las zonas rurales. Estas diferencias sugieren que las condiciones particulares de cada ambiente podrían favorecer la presencia de determinados morfotipos (Sujetovienė et al., 2020).
Respecto a las variables climáticas, se identificaron diferencias entre los rangos de temperatura y humedad asociados con la abundancia de líquenes en las zonas estudiadas. En los sitios urbanos, los registros de abundancia se concentraron en temperaturas de entre 18 °C y 22 °C, mientras que en las zonas rurales se observaron principalmente a temperaturas superiores a 22 °C. Asimismo, en las áreas rurales se registraron mayores valores de abundancia en rangos de humedad superiores a los observados en las zonas urbanas. Estos resultados indican que la relación entre las condiciones climáticas y la presencia de líquenes debe interpretarse considerando las características específicas de cada sitio. (Claerhout et al., 2026).
El análisis comparativo de la longitud promedio de los líquenes también permitió identificar diferencias entre los sitios de muestreo. Mediante las comparaciones estadísticas realizadas, se observó que San José urbano (SJ_U) no presenta similitudes con ninguna de las otras zonas estudiadas. Este resultado indica que el comportamiento de la longitud promedio de los líquenes en ese sitio fue diferente al de los demás lugares evaluados. Esta diferencia podría estar asociada con las condiciones particulares del ambiente urbano (Edirisinghe & Athukorala, 2024).
Por otra parte, se evaluaron los supuestos estadísticos relacionados con el modelo de regresión lineal múltiple. Según los resultados reportados, la distribución de los residuos fue aproximadamente normal y las pruebas de Shapiro realizadas para la cantidad de líquenes según las zonas mostraron resultados compatibles con una distribución normal. La revisión de los supuestos es necesaria para valorar la confiabilidad de las inferencias obtenidas mediante modelos de regresión (Montgomery et al., 2021).
Los resultados generales son compatibles con investigaciones que han estudiado la relación entre las comunidades liquénicas y las condiciones ambientales, así como su utilidad para evaluar la calidad del aire (Méndez-Estrada & Monge-Nájera, 2011; Sáenz et al., 2007). No obstante, es importante considerar algunas limitaciones del estudio. Aunque se muestrearon 100 árboles distribuidos en cuatro sitios, las diferencias entre las zonas no necesariamente dependen únicamente de su clasificación como urbanas o rurales. Además, el muestreo representa las condiciones observadas en los lugares y durante el periodo estudiado, por lo que los resultados no deben generalizarse automáticamente a todas las áreas urbanas y rurales de Costa Rica.
En conjunto, los hallazgos permiten reconocer diferencias en la abundancia, la composición y la longitud promedio de los líquenes entre los sitios analizados. Asimismo, muestran la importancia de estudiar simultáneamente las características biológicas y las variables ambientales para comprender mejor su distribución, en concordancia con investigaciones que destacan la utilidad de los líquenes como bioindicadores de las condiciones ambientales (Abas et al., 2021; Thakur et al., 2024). Para futuras investigaciones, sería conveniente ampliar la cantidad de sitios de muestreo, incorporar mediciones directas de contaminación atmosférica y evaluar otros factores, como la especie de árbol, las características de la corteza y la exposición a la luz, con el fin de comprender con mayor precisión los factores asociados con los patrones observados.
Se logró encontrar una mayor abundancia de líquenes en los sitios rurales que en los urbanos. También se pudieron identificar las diferencias en la composición de los morfotipos: el tipo crustáceo apareció en ambos ambientes, el escuamuloso únicamente en el urbano y los tipos foliáceo y fruticuloso fueron más representativos de las zonas rurales. Además, la temperatura y la humedad presentaron patrones distintos entre las localidades. Las comparaciones de longitud promedio mostraron que en San José urbano se presentaron valores inferiores a los de las otras localidades. En conjunto, los resultados respaldan la utilidad de estudiar los líquenes como indicadores de diferencias ambientales entre los sitios evaluados; sin embargo, se requieren más localidades y mediciones directas de contaminación para establecer conclusiones más amplias.
Abas, A. (2021). A systematic review on biomonitoring using lichen as the biological indicator: A decade of practices, progress and challenges. Ecological Indicators, 121, 107197. https://doi.org/10.1016/j.ecolind.2020.107197
Claerhout, T., Sparrius, L. B., Keßler, P. J. A., & Stech, M. (2026). Urban heat islands shape epiphytic communities of lichens and bryophytes. Urban Ecosystems, 29(2), 63. https://doi.org/10.1007/s11252-026-01930-8
Conti, M. E., & Cecchetti, G. (2001). Biological monitoring: Lichens as bioindicators of air pollution assessment—A review. Environmental Pollution, 114(3), 471–492. https://doi.org/10.1016/S0269-7491(00)00224-4
Instituto Nacional de Estadística y Censos. (2011). X Censo Nacional de Población y VI de Vivienda 2011: Características económicas. INEC.
Edirisinghe, E. S. M., & Athukorala, A. D. S. N. P. A. (2024). Can lichens be indicators for air pollution monitoring in Kandy City, Sri Lanka? Brazilian Journal of Science, 3(8), 117–134. https://doi.org/10.14295/bjs.v3i8.622
Fox, J., & Weisberg, S. (2019). An R Companion to Applied Regression (3.ª ed.). Sage. https://socialsciences.mcmaster.ca/jfox/Books/Companion/
Komsta, L. (2022). outliers: Tests for outliers (R package version 0.15) [Software]. https://CRAN.R-project.org/package=outliers
Montgomery, D. C., Peck, E. A., & Vining, G. G. (2021). Introduction to linear regression analysis (6th ed.). Wiley. Hoboken, New Jersey, Estados Unidos.
Municipalidad de San Rafael Costa Rica. (s. f.). Monte de la Cruz. https://www.munisrh.go.cr/monte-de-la-cruz/
Méndez-Estrada, V. H., & Monge-Nájera, J. (2011). El uso de líquenes como biomonitores para evaluar el estado de la contaminación atmosférica a nivel mundial. Biocenosis, 25(1-2), 51–67. https://revistas.uned.ac.cr/index.php/biocenosis/article/view/1188
R Core Team. (2024). R: A language and environment for statistical computing [Software]. R Foundation for Statistical Computing. https://www.R-project.org/
Sáenz, A. E., Flores, F., Madrigal, L., & Di Stefano, J. F. (2007). Estimación del grado de contaminación del aire por medio de la cobertura de líquenes sobre troncos de árboles en la ciudad de San José, Costa Rica. Brenesia, 68, 29–35. http://biblioteca.museocostarica.go.cr/articulo.aspx?id=3064&art=14373
Sujetovienė, G., Sališiūtė, J., Dagiliūtė, R., & Žaltauskaitė, J. (2020). Physiological response of the bioindicator Ramalina farinacea in relation to atmospheric deposition in an urban environment. Environmental Science and Pollution Research, 27(21), 26058–26065. https://doi.org/10.1007/s11356-020-08767-4
Thakur, M., Bhardwaj, S., Kumar, V., & Rodrigo-Comino, J. (2024). Lichens as effective bioindicators for monitoring environmental changes: A comprehensive review. Total Environment Advances, 9, 200085. https://doi.org/10.1016/j.teadva.2023.200085
Universidad de Costa Rica. (s. f.). Campus. https://www.ucr.ac.cr/acerca-u/campus/
Universidad Nacional. (s. f.). Campus Omar Dengo. https://www.una.ac.cr/
Uribe, D. M., Ortega, L. M., Grassi, M. T., Dolatto, R. G., & Sanchez, N. (2023). Lichens as bio-monitors of polycyclic aromatic hydrocarbons: Measuring the impact of features and traffic patterns. Environmental Advances, 14, Article 100445. https://doi.org/10.1016/j.envadv.2023.100445
Wickham, H. (2016). ggplot2: Elegant Graphics for Data Analysis. Springer-Verlag. https://ggplot2.tidyverse.org
Wickham, H., & Bryan, J. (2023). readxl: Read Excel Files (R package version 1.4.3) [Software]. https://CRAN.R-project.org/package=readxl
Wickham, H., François, R., Henry, L., Müller, K., & Vaughan, D. (2023). dplyr: A Grammar of Data Manipulation (R package version 1.1.4) [Software]. https://CRAN.R-project.org/package=dplyr
Xie, Y. (2023). knitr: A General-Purpose Package for Dynamic Report Generation in R (R package version 1.45) [Software]. https://yihui.org/knitr/
Zeileis, A., & Hothorn, T. (2002). Diagnostic checking in regression relationships. R News, 2(3), 7–10. https://CRAN.R-project.org/doc/Rnews/Rnews_2002-3.pdf
Zhu, H. (2024). kableExtra: Construct Complex Table with ‘kable’ and Pipe Syntax (R package version 1.4.0) [Software]. https://CRAN.R-project.org/package=kableExtra