Modelado ocupación, abundancia y densidad poblacional

enfoque frecuentista y bayesiano en R y otros programas

Salvador Mandujano Rodríguez

2018-06-21

Aspectos generales

  • Dirigido a: Biólogos, ecólogos, profesionales y técnicos dedicados al estudio y manejo de fauna. Profesionales consultores involucrados en el manejo y monitoreo de fauna silvestre, entre otros. De igual forma el curso está abierto para estudiantes o personas con poca experiencia con interés en actualizarse en las temáticas del curso.

  • Requisitos: Preferentemente, ecología general, conocimientos de estadística básica, modelos lineales generalizados, empleo de R, interés y/o experiencia en campo de algún método de conteo.

  • Metodología: Desarrollo teórico y muy práctico en aula. Participación de especialistas en el área. Aplicación de diversas herramientas de análisis en el programa R y otros de libre acceso. Lectura de bibliografía reciente del tema.

  • Fecha y horario: lunes 25 junio a viernes 6 julio de 9:00 – 13:00 h y 15:00 – 19:00 h.

  • Créditos: 80 horas (8 créditos en el INECOL).

  • Costo: $3,000 (tres mil pesos mexicanos). Se pueden aplicar porcentajes de condonación en caso de convenios entre instituciones.

  • Lugar: Posgrado, Instituto de Ecología A.C., Km 2.5 Carretera Antigua a Coatepec No. 351 El Haya, Xalapa, Ver. 91500, México.

  • Contacto: cursos@inecol.mx (teléfono: 228-8421800 ext. 2004) y/o salvador.mandujano@inecol.mx (teléfono: 228-842188 ext. 4128)

Objetivos

  • Introducir a los conceptos modernos de modelado poblacional, particularmente las aproximaciones de máxima verosimilitud y bayesianas.

  • Enfocar estos conceptos a la estimación del tamaño poblacional: ocupación, abundancia y densidad.

  • Introducir los modelos jerárquicos para la solución conceptual, analítica y numérica de la estimación poblacional.

  • Aplicar los principales programas computacionales (MARK, PRESENCE, DISTANCE, BUGS) y paquetes R (unmarked, secr, SPACECAP, jagsUI, y otros).

  • Conocer la literatura más reciente en este campo.

Antecedentes

Uno de los objetivos fundamentales de la ecología es el estudio de la distribución y abundancia de las especies/poblaciones. Por lo tanto, la estimación del número de individuos que constituyen una población, ha sido un tema central y objeto de innumerables estudios. Se han desarrollado muchos métodos y técnicas para el conteo en campo de animales y plantas. Se han escrito libros donde se detallan a profundidad estos métodos; además se han desarrollado diversas herramientas conceptuales y analíticas para convertir el conteo en campo en un estimativo del tamaño o abundancia poblacional. Asimismo, se han desarrollado numerosos programas computacionales para analizar la información con un enfoque estadístico generalmente riguroso. La mayoría de los cursos de ecología dedican algunos temas a los métodos de estimación; y frecuentemente se imparten talleres prácticos para aplicar los diferentes métodos. Además, se han desarrollado métodos y técnicas para atender diferentes especies y/o grupos de especies con diferente grado de detectabilidad en campo. Es decir, la estimación de la distribución y abundancia de las especies y/o poblaciones, es un campo prolífico y en constante crecimiento y renovación.

Un desarrollo importante de las últimas décadas, con aplicación directa en el análisis de la distribución y abundancia, es el desarrollo de enfoques analíticos empleando los llamados modelos jerárquicos que, de manera simplista, se pueden considerar como dos o más modelos lineales generalizados (GLMs) secuenciales y condicionales uno de otro. Este enfoque jerárquico permite plantear de una manera relativamente sencilla la modelación del proceso ecológico de interés, por ejemplo la ocupación o la abundancia, y del proceso observacional básicamente la probabilidad de detección. Este enfoque es muy novedoso y representa tal vez uno de los principales paradigmas actuales en este campo de la ecología.

Los modelos lineales, y en particular los jerárquicos, pueden ser resueltos analítica y numéricamente empleando aproximaciones clásicas frecuentistas o bien bayesianas. Para este último existen programas como BUGS y JAGS, y versiones para implementar en la plataforma R. Esto abre otro campo en crecimiento al poder acceder a programas gratuitos y relativamente sencillos de aplicar. Sin embargo, los programas de la mayoría de las carreras de pregrado/licenciatura no incluyen estos enfoques y herramientas de análisis estadístico. En algunos casos, los estudiantes inician la aplicación de los GLM hasta sus estudios de posgrado. Además, el enfoque estadístico de la mayoría de los cursos es aplicar paquetes comerciales en los cuales se introducen los datos y se teclean algunos comandos para que de manera automática la “caja negra” arroje resultados. Es decir, en general los estudiantes no comprenden de fondo lo que realmente están analizando y si los modelos empleados son o no los adecuados para sus preguntas y datos de campo.

En este curso se hace una introducción a varios de estos aspectos enfocándolos al problema de la estimación del tamaño poblacional. En particular, durante el curso se realizarán prácticas intensivas en varios programas y paquetes R. Para este fin, participarán diferentes profesores con experiencia en estudios faunísticos y aplicación de diversos enfoques y herramientas de análisis.

Profesores

Temario

1. Aspectos generales

  • Introducción al curso
  • Objetivos y bases del modelado en ecología
  • Modelado tamaño poblacional
  • Breve introducción a R, RStudio y RMarkdown

2. Introducción a los modelos lineales

  • Distribuciones probabilísticas: Poisson, binomial, binomial negativa, uniforme
  • Modelos lineales: análisis de regresión, covarianza, polinomial
  • Modelos lineales generalizados (GLM) tipo Poisson, binomial
  • Modelos LM y GLM mixtos (LMM, GLMM)

3. Enfoque frecuentista y bayesiano

  • Estadística clásica o frecuentista
  • Máxima verosimilitud
  • Teorema de Bayes
  • Distribución posterior, a priori y verosimilitud
  • Cadenas Markov Monte Carlo
  • Ingeniería BUGS

4. Modelos jerárquicos “canónicos”

  • Ocupación
  • N-mixto
  • Royle-Nicholes
  • Captura-recaptura clásicos
  • Captura-recaptura espacialmente explícitos
  • Distancia

5. Ejemplos de casos:

  • Caso a) Modelos de índices de abundancia relativa: paquete RAI y pellet
  • Caso b) Modelos de ocupación simples y estacionales: programa PRESENCE y paquete unmarked .
  • Caso c) Modelo de ocupación Royle-Nichols: paquete unmarked, PRESENCE.
  • Caso d) Modelos de abundancia N-mixto: paquete unmarked.
  • Caso e) Modelos de captura-recaptura clásicos y espacialmente explícitos: paquetes secr, SPACECAP, BUGS, MARK.
  • Caso f) Modelos de distancia: programa DISTANCE y paquete Rdistance.
  • Caso g) Modelo de encuentro aleatorio: paquete encounteR
  • Caso h) Análisis de la diversidad, actividad y otros parámetros: paquetes overlap, vegan, iNEXT, camtrapR, BiodiversityR

6. Presentaciones alumnos

Cronograma

Fecha Horario_9_a_13h Horario_15_a_19h
Lunes 25 Tema 1 (SMR) Tema 1 (SMR / ELT)
Martes 26 Tema 2 (SMR) Tema 5 / caso a (SMR)
Miercoles 27 Tema 3 (JJ) Tema 4 (SMR)
Jueves 28 Tema 3 (SPE) Tema 3 (SPE)
Viernes 29 Tema 5 / caso b (SMR) Tema 5 / caso b (GPI)
Lunes 2 Tema 5 / caso c (BGV) Tema 5 / caso d (SMR)
Martes 3 Tema 5 / caso e (JJ) Tema 5 / caso e (SMR)
Miercoles 4 Tema 5 / caso f (NRD) Tema 5 / caso f (SMR)
Jueves 5 Tema 5 / caso g (GPI) Tema 5 / caso h (LPS / ELT)
Viernes 6 Tema 6 Tema 6 / Conclusiones

Abreviaciones: Salvador Mandujano Rodríguez (SMR), Eva López-Tello (ELT), Sergio Pérez-Elizalde (SPE), José Jiménez (JJ), Gabriela Pérez-Irineo (GPI), Bibiana Gómez-Valencia (BGV), Néstor Roncancio-Duque (NRD), Luz A. Pérez-Solano (LPS).

Bibliografía por tópicos

La literatura sobre las temáticas del curso es muy vasta y reciente. Para los fines del curso, se hará introducción a los diferentes tópicos empleando principalmente algunos capítulos y en algunos casos síntesis publicados en revistas científicas. Además, se sugiere consultar la viñetas específicas que se publican con cada paquete R. Por tema son:

Conceptos generales de distribución y abundancia poblacional:

  • Williams, Nichols, and Conroy (2002)
  • MacKenzie et al. (2004)
  • O’Connell, Nichols, and Karanth (2010)
  • Thompson (2013)
  • Fleming et al. (2014)
  • MacKenzie et al. (2017)

Modelado en ecología:

  • Bolker (2008)
  • Royle and Dorazio (2008)
  • Kéry (2010)
  • Hilbe (2011)
  • Royle et al. (2013)
  • McCrea and Morgan (2014)
  • Kéry and Royle (2015)

Enfoque bayesiano en ecología:

  • McCarthy (2007)
  • King et al. (2009)
  • Kéry and Schaub (2011)
  • Lunn et al. (2012)
  • Kruschke (2014)
  • Hobbs and Hooten (2015)
  • F. Korner-Nievergelt et al. (2015)

Programas y paquetes R:

  • White and Burnham (1999)
  • J. E. Hines (2006)
  • M. G. Efford, Dawson, and Robbins (2004)
  • L. Thomas et al. (2010)
  • Fiske, Chandler, and others (2011)
  • Chang (2012)
  • M. Efford (2012)
  • Gopalaswamy et al. (2012)
  • Pennell et al. (2013)
  • J. L. Laake (2013)
  • Buckland et al. (2015)
  • M. W. Miller (2016)
  • Niedballa et al. (2016)
  • Rovero and Zimmermann (2016)

Introducción R, RStudio, RMarkdwon y otros

  • Wickham (2009)
  • Crawley (2012)
  • Gandrud (2013)
  • Xie (2015)

Evidentemente, varias de estas referencias se pueden incluir en los diversos tópicos o temarios.

Paquetes y programas

  • Es importante que antes del curso se instalen los programas y paquetes de esta lista los cuales son gratuitos.

  • En general, éstos funcionan bien en sistemas Windows, MacOS, Linux.

  • Solo en algunos casos los programas no funcionan directamente en el sistema Mac OS, para esos casos un posibilidad es emplear algún emulador de Windows; también la aplicación Xcode puede servir.

  • Por otro lado, la mayoría de los paquetes R se pueden instalar directamente accediendo a la CRAN desde RStudio.

  • Pero en algunos se debe bajar primero la carpeta zip al directorio de trabajo y luego instalarlo en R.

  • Frecuentemente al instalar el paquete R de interés se bajan automáticamente otros paquetes que se requieren para algunas funciones particulares.

  • En esos casos, permitir a R que los instale directamente.

  • En todos los casos, existen PDFs disponibles para conocer los programas y paquetes, por lo que se sugiere bajarlos y leerlos.

Programa Sitio
R https://cran.r-project.org/
RStudio https://cran.r-project.org/
unmarked https://cran.r-project.org/web/packages/unmarked/index.html
secr https://cran.r-project.org/web/packages/secr/index.html
SPACECAP https://cran.r-project.org/web/packages/SPACECAP/index.html
encounteR https://github.com/timcdlucas/encounteR
scrbook https://sites.google.com/site/spatialcapturerecapture/spacecap-r-package
AHMbook https://www.mbr-pwrc.usgs.gov/pubanalysis/keryroylebook/R_BUGS_code_AHM_Vol_1_20170519.R
wiqid https://cran.r-project.org/web/packages/wiqid/index.html
CAPTURE https://www.mbr-pwrc.usgs.gov/software/capture.shtml
MARK http://www.wcsmalaysia.org/analysis/Software_summary.htm
DISTANCE http://www.wcsmalaysia.org/analysis/Software_summary.htm
PRESENCE https://www.mbr-pwrc.usgs.gov/software/presence.html
DENSITY http://www.otago.ac.nz/density/
OPENBUGS http://www.openbugs.net/w/Downloads
R2OpenBUGS https://cran.r-project.org/web/packages/R2OpenBUGS/index.html
JAGS http://mcmc-jags.sourceforge.net/
rjags https://cran.r-project.org/web/packages/rjags/index.html
jagsUI https://cran.r-project.org/web/packages/jagsUI/index.html

Otros paquetes R adicionales son: ggplot2, activity, overlap, maps, mapplots, shapefiles, RColorBrewer, rgal, ade4.

Consideraciones importantes

  • Es un curso en aula. Es decir, se realizarán prácticas constantes en la computadora; pero no muestreos en campo.
  • Es un curso donde se empleará R. Es decir, se sugiere conocer y tener experiencia en el empleo del mismo.
  • Es un curso donde se aplicarán varios programas y paquetes R. Es decir, se verán las funciones básicas para ejecutar diferentes modelos para la estimación de parámetros.
  • Es un curso muy intensivo. Es decir, se debe venir preprado para jornadas de 9:00 a 19:00 h todos los días durante dos semanas.
  • Es un curso introductorio a conceptos de modelación y enfoques estadísticos. Es decir, se sugiere revisar previamente conceptos que no sean muy conocidos.
  • Es un curso con videoconferencias. Es decir, se sugiere paciencia en caso de lentitud en la internet.
  • Es un curso para intercambiar ideas y experiencia. Es decir, se sugiere traer una presentación corta de sus trabajos de tesis, investigación u otro; así como dudas y preguntas puntuales.
  • Es un curso para aprender y socializar. Es decir, se sugiere entusiasmo y buena disposición; aunque no desvelarse todos los días…!

Acerca del coordinador del curso

Salvador Mandujano Rodríguez

Participantes del curso anterior

En la versión 2017 de este mismo curso participaron más de 29 estudiantes de diversas instituciones de México, Colombia y Ecuador, específicamente: Albor Pinto Cristopher de Jesus (Maestría INECOL), Anaguano Yancha Fernando Gregorio (Wildlife Conservation Society, Ecuador), Ávila Nájera Dulce María (Posdoc UNAM), Favela Mesta Jesús (Maestría UAEH, Mich.), Flores Ramírez Diana Elizabeth (Doctorado UNAM), Jímenez Ramírez Juan Sebastian (U Nacional Colombia), López Manzanero Sandra Gabriela (Maestría INECOL), López Tello Mera Eva (Doctorado Neuroetología UV), Marcelino Barretto Julliana Wellen (Maestría INECOL), Mora González Stefany Adubel (Licenciatura UV-Córdoba), Munguía Carrara Mariana (CONABIO), Ortiz Mancera M. Teresa (CONABIO), Palacios Pérez Jaime Xavier (WCS Ecuador), Peña Peniche Luis Alexander (Maestría INECOL), Pérez Solano Luz Adriana (PosDoc INECOL), Ramos Arreola William (Maestría Univ Chiapas), Rebollar Téllez Eduardo (Profesor UANL), Restrepo Giraldo Carlos Eduardo (Maestría INECOL), Vargas García Selene (Maestría UNAM), Vázquez Rendón Ariana, Zavaleta Aguilar Arturo (Maestría INECOL), Sbeidy Guzman Ramírez, Contreras Díaz Rusby G. (Maestría UNAM), González García Fernando (INECOL), Carlos Cruz González (Univ Alicante), Gina M. Quintero Gil (Maestría UNAM), Roberto Berlio (CIIDIR, Oax), Nydia N. Díaz Bernal (CIIDIR, Oax), Gemma Abisay Ortiz Haro (UJAT, Tabasco), Sergio Ruiz (Ayudante curso), Odalis Morteo Montiel (Ayudante curso), Joseph Manzanero (Licenciatura UV-Tuxpan), Zulema (Lic. UV-Tuxpan).

http://bibliotecasmr.blogspot.com/2017/08/fotos-de-participantes-del-curso.html

http://bibliotecasmr.blogspot.com/2017/08/fotos-de-participantes-del-curso.html

Bibliografía

Bolker, B. M. 2008. Ecological Models and Data in R. Princeton University Press.

Buckland, S. T., E. A. Rexstad, T. A. Marques, and C. S. Oedekoven. 2015. Distance Sampling: Methods and Applications. Springer.

Chang, W. 2012. R Graphics Cookbook: Practical Recipes for Visualizing Data. O’Reilly Media, Inc.

Crawley, M. J. 2012. The R Book. John Wiley; Sons.

Efford, MG. 2012. “SECR-Spatially Explicit Capture-Recapture in R.”

Efford, Murray G, Deanna K Dawson, and Chandler S Robbins. 2004. “DENSITY: Software for Analysing Capture-Recapture Data from Passive Detector Arrays.” Animal Biodiversity and Conservation 27 (1): 217–28.

Fiske, Ian, Richard Chandler, and others. 2011. “Unmarked: An R Package for Fitting Hierarchical Models of Wildlife Occurrence and Abundance.” Journal of Statistical Software 43 (10): 1–23.

Fleming, P., P. Meek, G. Ballard, P. Banks, A. Claridge, J. Sanderson, and D. Swann. 2014. Camera Trapping: Wildlife Management and Research. Csiro Publishing.

Gandrud, C. 2013. Reproducible Research with R and RStudio. CRC Press.

Gopalaswamy, Arjun M, J Andrew Royle, James E Hines, Pallavi Singh, Devcharan Jathanna, N Kumar, and K Ullas Karanth. 2012. “Program SPACECAP: Software for Estimating Animal Density Using Spatially Explicit Capture–recapture Models.” Methods in Ecology and Evolution 3 (6). Wiley Online Library: 1067–72.

Hilbe, Joseph M. 2011. “Modeling Count Data.” In International Encyclopedia of Statistical Science, 836–39. Springer.

Hines, James E. 2006. “Program PRESENCE.” See Http://www. Mbrpwrc. Usgs. Gov/software/doc/presence/presence. Html.

Hobbs, N. T., and M. B. Hooten. 2015. Bayesian Models: A Statistical Primer for Ecologists. Princeton University Press.

Kéry, M. 2010. Introduction to WinBUGS for Ecologists: Bayesian Approach to Regression, ANOVA, Mixed Models and Related Analyses. Academic Press.

Kéry, M., and J. A. Royle. 2015. Applied Hierarchical Modeling in Ecology: Analysis of Distribution, Abundance and Species Richness in R and BUGS: Volume 1: Prelude and Static Models. Academic Press.

Kéry, M., and M. Schaub. 2011. Bayesian Population Analysis Using WinBUGS: A Hierarchical Perspective. Academic Press.

King, R., B. Morgan, O. Gimenez, and S. Brooks. 2009. Bayesian Analysis for Population Ecology. CRC press.

Korner-Nievergelt, Franzi, Tobias Roth, Stefanie Von Felten, Jérôme Guélat, Bettina Almasi, and Pius Korner-Nievergelt. 2015. Bayesian Data Analysis in Ecology Using Linear Models with R, BUGS, and Stan. Academic Press.

Kruschke, J. 2014. Doing Bayesian Data Analysis: A Tutorial with R, JAGS, and Stan. Academic Press.

Laake, Jeffrey Lee. 2013. “RMark: An R Interface for Analysis of Capture-Recapture Data with MARK.”

Lunn, D., C. Jackson, N. Best, A. Thomas, and D. Spiegelhalter. 2012. The BUGS Book: A Practical Introduction to Bayesian Analysis. CRC press.

MacKenzie, D. I., J. D. Nichols, J. A. Royle, K. H. Pollock, L. Bailey, and J. E. Hines. 2017. Occupancy Estimation and Modeling: Inferring Patterns and Dynamics of Species Occurrence. Elsevier.

MacKenzie, D. I., J. A. Royle, J. A. Brown, and J. D. Nichols. 2004. “Occupancy Estimation and Modeling for Rare and Elusive Populations.” Sampling Rare or Elusive Species: Concepts, Designs, and Techniques for Estimating Population Parameters. Island Press Washington, DC, 149–71.

McCarthy, M. A. 2007. Bayesian Methods for Ecology. Cambridge University Press.

McCrea, R. S., and Byron J. T. Morgan. 2014. Analysis of Capture-Recapture Data. CRC Press.

Miller, M. W. 2016. “Distance Sampling: Methods and Applications.” Taylor; Francis.

Niedballa, Jürgen, Rahel Sollmann, Alexandre Courtiol, and Andreas Wilting. 2016. “CamtrapR: An R Package for Efficient Camera Trap Data Management.” Methods in Ecology and Evolution 7 (12). Wiley Online Library: 1457–62.

O’Connell, A. F., J. D. Nichols, and K. U. Karanth. 2010. Camera Traps in Animal Ecology: Methods and Analyses. Springer Science; Business Media.

Pennell, Matthew W, Carisa R Stansbury, Lisette P Waits, and Craig R Miller. 2013. “Capwire: A R Package for Estimating Population Census Size from Non-Invasive Genetic Sampling.” Molecular Ecology Resources 13 (1). Wiley Online Library: 154–57.

Rovero, F., and F. Zimmermann. 2016. Camera Trapping for Wildlife Research. Pelagic Publishing Ltd.

Royle, J. A., and R. M. Dorazio. 2008. Hierarchical Modeling and Inference in Ecology: The Analysis of Data from Populations, Metapopulations and Communities. Academic Press.

Royle, J. A., R. B. Chandler, R. Sollmann, and B. Gardner. 2013. Spatial Capture-Recapture. Academic Press.

Thomas, L., S. T. Buckland, E. A. Rexstad, J. L. Laake, S. Strindberg, S. L. Hedley, J. R. B. Bishop, T. A. Marques, and K. P. Burnham. 2010. “Distance Software: Design and Analysis of Distance Sampling Surveys for Estimating Population Size.” Journal of Applied Ecology 47 (1). Wiley Online Library: 5–14.

Thompson, W. 2013. Sampling Rare or Elusive Species: Concepts, Designs, and Techniques for Estimating Population Parameters. Island Press.

White, Gary C, and Kenneth P Burnham. 1999. “Program MARK: Survival Estimation from Populations of Marked Animals.” Bird Study 46 (sup1). Taylor; Francis: S120–S139.

Wickham, Hadley. 2009. Ggplot2: Elegant Graphics for Data Analysis. Springer-Verlag New York. http://ggplot2.org.

Williams, B. K., J. D. Nichols, and M. J. Conroy. 2002. Analysis and Management of Animal Populations. Academic Press.

Xie, Y. 2015. Dynamic Documents with R and Knitr. Vol. 29. CRC Press.