Información General

Este documento sirve de base para la elaboración de su informe sobre Micro Ambiente. El archivo original de los datos en GoogleDrive lo puede acceder usando este enlace: Datos Microambiente UPRH.

Usted debe escribir/contestar en su informe lo que se encuentra sombreado/resaltado de esta manera:

ejemplo de sombreado

NOTA: este documento fue generado a partir de un archivo R Markdown y contiene códigos en el lenguaje de programación R, que no se muestran; si está interesada/o en usar los códigos R, puedo enviarle un documento con los mismos.

Metadata

La metadata necesaria para su informe se encuentra en el documento Datos Microambiente UPRH

Preguntas e hipótesis

En el laboratorio ustedes formularon las siguientes preguntas e hipótesis:
1. ¿Hay menor radiación fotosintética incidente sobre el suelo del sitio aparentemente menos cubierto (plantación de robles)?
\(Ha_1\): Debido a la absorción de radiación fotosintética por la clorofila en las hojas del dosel (cobertura), esperamos menor radiación incidente en sobre el suelo en el sitio con mayor cobertura.
2. ¿La diferencia en radiación incidente (sitio 1 vs. sitio 2) produce diferencias en temperaturas del suelo y del aire?
\(Ha_2\): Una mayor radiación absorbida en suelo y aire producirá un aumento de la temperaturas del suelo y del aire.

[1] Agregar sus propias preguntas e hipótesis.

Diseño y Metodologías

[2] Describa el diseño observacional y las metodologías utilizadas en este estudio.

Resultados

Los datos de las mediciones microambientales los procesamos en el laboratorio, usando la aplicación ‘GoogleSheets’ y diversas funciones. Aqui les muestro algunos resultados utilizando procedimientos y funciones en el lenguaje R.

Lectura de datos

Primero realicé la lectura de los datos del archivo, y separándolos de acuerdo al tipo de medición (‘sheets’ diferentes):

## [1] "metadata"      "HOBOmaster"    "HOBO"          "Tsuelo"       
## [5] "cobertura_raw" "cobertura"     "PAR"

Cobertura del Dosel y Radiación Solar Incidente

A continuación mostramos las estadísticas descriptivas para las variables cobertura del dosel y radiación fotosintética.

TABLA 1. Promedio de cobertura (%) y radiación fotosintética (PAR, micro mol/m2/s) y sus respectivas desviaciones estándares (D.E.), en dos sitios de la UPRH
SITIO Cobertura Media, % Cobertura D.E. PAR Media, umol/m2/s PAR D. E.
Arboretum 76.3 13.2 53.67 19.20
Jardín de Robles 40.2 19.2 542.67 391.54

FIGURA 1. Gráficas de box-and-whisker para los datos de cobertura (%) y radiación fotosintética (PAR, \(\mu mol.m^{-2}.s^{-1}\)) para dos sitios en Ciencias Naturales, UPRH.

Los resultados muestran una posible relación inversa entre la cobertura y la radiación incidente. También muestran una alta variación dentro de los datos de cada sitio, especialmente en la radiación fotosintética.

[3] Usando los resultados de la TABLA 1, saque sus conclusiones sobre la hipótesis 1.

Radiación Incidente y Temperaturas de Suelo y Aire

A continuación mostramos los resultados de estadísticas descriptivas y pruebas estadísticas, para las variables temperatura del suelo y temperatura del aire.

TABLA 2. Promedio de radiación fotosintética (PAR, micro mol/m2/s), temperatura del suelo (ºC), temperatura del aire (ºC) y sus respectivas desviaciones estándares (D.E.), en dos sitios de la UPRH
SITIO PAR Media, umol/m2/s PAR D.E. Temp. Suelo Media, ºC Temp. Suelo D.E. Temp. Aire Media, ºC Temp. Aire D.E.
Arboretum 53.7 19.20 27.93 3.59 25.37 0.1
Jardín de Robles 542.7 391.54 24.67 1.37 25.17 0.4

Utilizando una prueba estadística (t de Student) podemos probar si las diferencias entre sitios son significativas (con una probabilidad de 95 %):

TABLA 3. Resultados de la prueba estadística t para la hipótesis nula (Ho) de que no hay diferencias en las temperaturas del suelo entre los sitios. P < 0.05 para rechazar Ho. (continued below)
Test statistic df P value Alternative hypothesis mean in group 1
2.549 10.27 0.02836 * two.sided 27.93
mean in group 2
24.67
TABLA 4. Resultados de la prueba estadística t para la hipótesis nula (Ho) de que no hay diferencias en las temperaturas del aire entre los sitios. P < 0.05 para rechazar Ho. (continued below)
Test statistic df P value Alternative hypothesis mean in group 1
2.253 24.38 0.0335 * two.sided 25.37
mean in group 2
25.17

Las pruebas estadísticas indican que hay diferencias significativas en las temperaturas del suelo y aire, entre los sitios estudiados.

[4] Usando los resultados de la TABLA 2, 3, 4, saque sus conclusiones sobre la hipótesis 2. Indique si los resultados fueron o no fueron los esperados, y formule nuevas explicaciones o hipótesis.

Variación de la Humedad Relativa

A continuación se muestran los resultados de estadísticas y prueba de hipótesis para la humedad relativa, comparando el valor en los dos sitios estudiandos.

TABLA 5. Promedio de humedad relativa (%) y su desviación estándar (D.E.), en dos sitios de la UPRH
SITIO Humedad Relativa, % Humedad Relativa D. E.
Arboretum 81.9 0.7
Jardín de Robles 79.8 0.9
TABLA 6. Resultados de la prueba estadística t para la hipótesis nula (Ho) de que no hay diferencias en la humedad relativa entre los sitios. P < 0.05 para rechazar Ho. (continued below)
Test statistic df P value Alternative hypothesis
9.055 39.27 3.7e-11 * * * two.sided
mean in group 1 mean in group 2
81.92 79.78

La prueba estadística rechaza la hipótesis nula de que no hay diferencias, por lo tanto aceptamos la alterna de que la humedad relativa es diferente entre el Arboretum y el Jardín de Robles.

[5] Discuta los resultados anteriores para la humedadd relativa, explicando el por qué de la diferencia entre los sitios.

Nos preguntamos si la humedad relativa tiene una relación con la temperatura del aire, y para eso realizamos un análisis de regresión, para probar si la temperatura del aire afecta de alguna manera a la humedad relativa, en cada sitio. El modelo lineal es: \(RH = a.Taire + Intercepto\), donde a es la pendiente, y la prueba determina si esa pendiente es diferente de 0. La hipótesis nula es \(H_0:a=0\).

TABLA 7. Resultados de la prueba estadística de regresión, para cada sitio. Los coeficientes (‘Estimate’) de la variable Taire son las pendientes de los modelos lineales. P < 0.05 para rechazar Ho.
  Estimate Std. Error t value Pr(>|t|)
(Intercept) 173.7 17.69 9.823 3.071e-10
Taire -3.618 0.697 -5.191 2.032e-05
Fitting linear model: RH ~ Taire
  Estimate Std. Error t value Pr(>|t|)
(Intercept) 130.3 5.974 21.81 6.562e-15
Taire -2.006 0.2373 -8.454 7.307e-08

FIGURA 2. Rectas de regresión (líneas rojas cortadas) para la relación entre valores de humedad relativa y temperatura del aire, en los dos sitios de estudio. La franja sombreada corresponde al intervalo de confianza de 95 %.

[6] Interprete los resultados anteriores sobre la relación entre humedad relativa y temperatura del aire, en ambos sitios. Tome en cuenta para su interpretación, los mecanismos físicos que determinan esa relación.