Castañeda Sixyel\(^{1a}\), Coronel Karen\(^{2a}\), Diaz Astrid\(^{3a}\) & Guzmán Cristian\(^{4a}\)
\(^{1}\) Ingeniero industrial, Universidad del Atlántico, sixyelc@uninorte.edu.co
Los insectos acuáticos son parte de muchos ecosistemas como depredadores o presas, lo que representa su aporte en biomasa en redes tróficas del ecosistema. El objetivo de este estudio fue determinar las relaciones lineales entre medidas morfológicas y la biomasa de organismos de la especie Anacroneuria marta, mediante regresiones lineales simples y múltiples. Para lo cual se midieron 12 variables corporales (en milímetros) y la biomasa en miligramos a 38 organismos. Las variables corporales fueron: longitud total del cuerpo (LT), ancho de la cabeza (AC), ancho del pronoto (AP), distancia entre los ocelos (DEO), distancia entre los ojos (DEOJ), longitud del abdomen (LA), longitud del fémur (LF) y longitud de la tibia (Lt), estas dos últimas se midieron en las tres patas derechas. Para medir la biomasa, primero se secaron los organismos en una estufa a 60°C/24 horas, luego se calcinaron en una mufla a 500°C/2 horas para determinar el peso seco libre de ceniza. Por último, cada individuo fue pesado en una balanza analítica, los especímenes presentaron un peso promedio de 0.95 mg. Las variables LT, LA, AC y AP presentaron el mejor ajuste a un modelo de regresión lineal simple, con el peso de los organismos (\(R^{2}\)= 60% a 77%). Por otro lado, las variables LT, LF2, y DEO explicaron el peso con un \(R^{2}\)= 94.3% usando un modelo de regresión lineal múltiple, lo que significa que este último modelo es más preciso para predecir el peso de organismos de la especie A. marta.
Palabras claves: macroinvertebrados acuáticos, peso seco, río Gaira, Sierra Nevada de Santa Marta.
Aquatic insects are in many ecosystems such as predators or prey, which represents their contribution in biomass in trophic net of ecosystem. The objective of this study was to determine the linear relationships between morphological measurements and the biomass of Anacroneuria marta, using simple and multiple linear regressions. 12 body variables in millimeters and biomass in milligrams were measured at 38 organisms. The body variables were: total body length (LT), head width (AC), pronotto width (AP), distance between the ocelli (DEO), distance between the eyes (DEOJ), abdomen length (LA) , femur length (LF) and tibia length (Lt), these last two were measured on the three right legs. First, we dried the individuals in an oven at 60°C/24 hours, after in a flask at 500°C/2 hours to determine the dry weight free of ash, finally, the organisms biomass were obtained by weighing each individual on analytical balance. We obtained an average weight of 0.95 mg. The variables LT, LA, AC and AP, the best fit to a simple linear regression model, with the weight of the organisms (\(R^{2}\) from 60% to 77%). On the other hand, the variables LT, LF2 and DEO explain the weight with an \(R^{2}\)= 94.3% using a multiple linear regression model, which means that the latter model is more appropriate to predict the weight of organisms of the species A. marta.
Keywords: aquatics macroinvertebrate, drift weight, Gaira river, Sierra Nevada de Santa Marta.
El orden Plecoptera, cuyo nombre proviene del griego “Plecos” que significa plega y “Pteros” alas, es decir alas plegadas (Gutiérrez-Fonseca, 2010), es un grupo antiguo formado por 16 familias, que contienen 286 géneros y cerca de 3500 especies distribuidas en todo el mundo (Fochetti y Tierno de Figueroa, 2008). En Suramérica se encuentran siete familias, dentro de las cuales se destaca Perlidae, con diez géneros (Dewalt et al., 2017), siendo Anacroneuria el género más abundante y diverso del orden, con 1000 especies descritas aproximadamente en todo el mundo (Fochetti y Tierno de Figueroa, 2008), de las cuales, Anacroneuria marta descrita en la Sierra Nevada de Santa Marta (SNSM) es la especie objeto de este estudio para determinar las relaciones lineales entre medidas morfológicas y la biomasa de organismos.
Por otro lado, la biomasa de los insectos permite determinar las tasas de crecimiento y/o la producción secundaria, así como entender las historias de vida, los patrones estacionales y las relaciones tróficas (Benke 1996). Actualmente existen tres métodos para estimar la biomasa, el peso directo en fresco, la determinación del biovolumen y la conversión de longitud-masa, siendo este último el más utilizado debido a sus ventajas de precisión y rapidez (Burgherr y Meyer 1997).
En Efecto, la biomasa de los organismos está relacionada con la producción secundaria, esta última es definida como la cantidad de biomasa producida por una población animal por unidades de área o volumen, a través de una unidad de tiempo, la cual puede proveer información cuantitativa del rol de los individuos de una especie en los procesos del ecosistema, pero existen problemas para la determinación más precisa al respecto (Benke 1984), lo más usado hasta ahora es la relación longitud-peso de los organismos, ya que es una herramienta útil en la investigación ecológica, y la estimación indirecta es mucho más fácil que la medición directa de la masa seca, pero se debe contar con ecuaciones fiables para lograrlo. (Genkai-kato y Miyasaka 2007).
Tratamiento del material biológico
Los organismos provienen de la parte media del río Gaira a una altura de 900 msnm, ubicado en la SNSM. Los insectos fueron capturados usando una red Surber en posición contracorriente, preservados en alcohol (96% de concentración) y trasladados hasta el laboratorio del Grupo de Investigación en Biodiversidad y Ecología Aplicada (GIBEA) de la Universidad del Magdalena. Posteriormente, en el laboratorio fueron separados e identificados usando las claves taxonómicas propuestas por Stark (1995) y Zúñiga y Stark (2002).
Medición de las variables
A cada uno de los organismos se le tomó las siguientes medidas a través del software ZEN (Versión 2.1, Zeiss): longitud total del cuerpo (LT), ancho de la cabeza (AC), ancho del pronoto (AP), distancia entre los ocelos (DEO), distancia entre los ojos (DEOJ), longitud del abdomen (LA), longitud del fémur (LF) y longitud de la tibia (Lt). Para las dos últimas medidas fueron utilizadas las extremidades derechas de los organismos, todas en milímetros.
Por otro lado, para estimar la biomasa, los organismos se secaron en una estufa (MLW) a 60°C por 24 horas para obtener el peso seco constante y libre de humedad, luego se calcinaron en una mufla (E&Q M2, 2) a 500°C por 2 horas para determinar el peso seco libre de ceniza (Benke, 1996). Los pesos se obtuvieron con una balanza analítica (METTLER TOLEDO, Precisión: ± 0.01 mg), tabulando todos los datos en una tabla general.
Análisis de datos
Con el fin de obtener las ecuaciones para estimar el peso seco a partir de diferentes medidas morfológicas se utilizaron modelos de regresión lineal simple y múltiple por el método de mínimos cuadrados. Se emplearon como ecuaciones generales \(y={\beta0}+{\beta1}x\), para el modelo simple, mientras que para el modelo múltiple \(y=\beta_{0}+\beta_{1}x_{1}+\beta_{2}x_{2}...\beta_{n}x_{n}\). Donde \(\beta_{0}\), \(\beta_{1}\) hasta \(\beta_{n}\) son constantes, y el peso seco en mg, y xi la(s) variable(s) morfológicas, en mm. En ambos tipos de modelos, se probó la normalidad de los errores, mediante la prueba de Kolmogorov-Smirnov. Para todas las variables se realizó un resumen estadístico. En caso que la variable fuera significativa en el modelo lineal se estimó su respectivo IC95%. Todos estos análisis se realizaron en el software R Studio versión 3.6.2 (R Development Core Team 2019).
Generalidades
Se analizaron un total de 38 organismos, los cuales presentaron en promedio una longitud corporal de 5.509 mm (±1.65), con un mínimo de 2.760 mm y máximo encontrado de 3.924 mm (95% IC:4.97-6.05), un peso de 0.947 mg (±0.76), con un mínimo de 0.19 mg, mientras que el máximo fue de 3.31 mg (95% IC: 0.70-1.26), una longitud del abdomen de 2.061 mm (±0.74), con mínimo 0.936 mm y máximo de 3.924 mm (95% IC:1.82-2.30), un ancho del pronoto de 1.668 mm (±0.32) y ancho de la cabeza de 1.507 mm (±0.28), con mínimos de 0.963 mm y 0.962 mm respectivamente, y máximos de 2.446 mm (95% IC:1.56-1.77) y 2.174 mm (95% IC: 1.41-1.60), respectivamente. El resumen estadístico de todas las variables se encuentran en la (Tabla 1.)
| peso | LT | LA | LF1 | Lt1 | LF2 | Lt2 | LF3 | Lt3 | AP | AC | DEO | DEOj | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Mínimo | 0.19 | 2.76 | 0.94 | 0.47 | 0.40 | 0.54 | 0.53 | 0.87 | 0.81 | 0.96 | 0.96 | 0.13 | 0.73 |
| Cuartil 1 | 0.38 | 4.44 | 1.61 | 0.62 | 0.62 | 0.84 | 0.77 | 1.11 | 1.05 | 1.50 | 1.32 | 0.19 | 1.03 |
| Mediana | 0.66 | 5.20 | 1.92 | 0.72 | 0.66 | 0.95 | 0.89 | 1.21 | 1.17 | 1.61 | 1.47 | 0.21 | 1.12 |
| Media | 0.95 | 5.51 | 2.06 | 0.74 | 0.76 | 0.96 | 0.94 | 1.24 | 1.16 | 1.67 | 1.51 | 0.21 | 1.17 |
| Cuartil 3 | 1.36 | 6.32 | 2.48 | 0.85 | 0.82 | 1.06 | 1.04 | 1.37 | 1.27 | 1.79 | 1.62 | 0.22 | 1.27 |
| Máximo | 3.31 | 9.83 | 3.92 | 1.03 | 2.56 | 1.33 | 1.96 | 1.79 | 1.69 | 2.45 | 2.17 | 0.30 | 1.81 |
| Des.Est | 0.76 | 1.65 | 0.74 | 0.15 | 0.33 | 0.18 | 0.28 | 0.22 | 0.19 | 0.32 | 0.28 | 0.04 | 0.22 |
| Varianza | 0.58 | 2.73 | 0.54 | 0.02 | 0.11 | 0.03 | 0.08 | 0.05 | 0.04 | 0.10 | 0.08 | 0.00 | 0.05 |
Regresión lineal simple
Entre los modelos lineales que presentaron un valor predictivo mayor al 60%, encontramos: La regresión lineal simple entre la longitud total del cuerpo (mm) y el peso (mg) de la especie A. marta de la parte media del río Gaira, Santa Marta-Colombia (Figura 1A) . El estadístico \(R^{2}\) indica que el modelo ajustado explica 77.6% de la variabilidad en el peso. El coeficiente de correlación es igual a 0.88, indicando una relación moderadamente fuerte entre las variables. El error estándar del estimado indica que la desviación estándar de los residuos es 0.36. El modelo sugiere que existe una relación estadísticamente significativa (p<0.05) entre peso y LT con un nivel de confianza del 95%. La ecuación del modelo ajustado fue \(y=-1.292+0.406x\) (Table 2.). El error absoluto medio de 0.26 es el valor promedio de los residuos. La prueba de Normalidad Kolmogorov-Smirnov aplicada a los residuos del modelo permitió determinar la normalidad de los mismos (p>0.05).
Figura 1: Rectas de regresión, entre el peso (mg) con A) la longitud total del cuerpo LT (n=38, \(R^2\)=77.6%, p<0.05), B) longitud de abdomen LA (n=38, \(R^2\)=73.3%, p<0.05), C) ancho del pronoto AP (n=38, \(R^2\)=63.8%, p<0.05) y D) ancho de la cabeza AC (n=38, \(R^2\)=60.6%, p<0.05) para organismos de la especie A. marta de la parte media del río Gaira, Santa Marta-Colombia.
| variables | Bo | Bl | Ecuación | pvalor |
|---|---|---|---|---|
| Longitud total del cuerpo (LT) | -1.292 | 0.406 | y=0.406x-1.292 | 2.965e-13 |
| Longitud de abdomen (LA) | -0.878 | 0.885 | y=0.885x-0.878 | 7.481e-12 |
| Ancho del pronoto (AP) | -2.244 | 1.912 | y=1.912x-2.244 | 1.9e-09 |
| Ancho de la cabeza (AC) | -2.246 | 2.118 | y=2.118x-2.246 | 8.863e-09 |
Por otro lado, la regresión lineal simple entre la longitud del abdomen (mm) y el peso (mg) de la especie A. marta (Figura 1B), presentó un \(R^{2}\) que indica que el modelo ajustado explica 73% de la variabilidad del peso. El coeficiente de correlación es igual a 0.85, indicando una relación moderadamente fuerte entre las variables. El error estándar del estimado indica que la desviación estándar de los residuos es 0.40. Dado que el valor-P es menor que 0.05 (Table 2.) , existe una relación estadísticamente significativa entre peso y LA con un nivel de confianza del 95%. La ecuación del modelo ajustado es \(y=-0.878+0.885x\). El error absoluto medio de 0.287 es el valor promedio de los residuos. Se realizó una Prueba de Normalidad Kolmogorov-Smirnov a los residuos del modelo. Puesto que el valor-P (0.441) es mayor que 0.05, no hay indicación de una autocorrelación serial en los residuos con un nivel de confianza del 95%.
Con un porcentaje de ajuste menor a los anteriores pero igualmente significativo, está la regresión lineal simple entre ancho del pronoto (mm) y el peso (mg) de la especie A. marta (Figura 1C) . El estadístico R2 indica que el modelo ajustado explica 63.8% de la variabilidad del peso. El coeficiente de correlación es igual a 0.80, indicando una relación moderadamente fuerte entre las variables. El error estándar del estimado indica que la desviación estándar de los residuos es 0.46. Puesto que el valor-P es menor que 0.05 (Table 2.) , existe una relación estadísticamente significativa entre peso y AP con un nivel de confianza del 95%. La ecuación del modelo ajustado es \(y=-2.243+1.912x\). El error absoluto medio de 0.325 es el valor promedio de los residuos. Se realizó una Prueba de Normalidad Kolmogorov-Smirnov a los residuos del modelo. Puesto que el valor-P (0.700) es mayor que 0.05, no hay indicación de una autocorrelación serial en los residuos con un nivel de confianza del 95%.
Finalmente, con el porcentaje de ajuste más bajo, pero estadísticamente significativo (p<0.05) se encuentra la regresión lineal simple entre ancho de la cabeza (mm) y el peso (mg) de la especie A. marta (Figura 1D). El estadístico \(R^{2}\) indica que el modelo ajustado explica 60.6% de la variabilidad en peso. El coeficiente de correlación es igual a 0.78 indicando una relación moderadamente fuerte entre las variables. El error estándar del estimado indica que la desviación estándar de los residuos es 0.48. Como el valor-P es menor que 0.05, existe una relación estadísticamente significativa entre peso y AC con un nivel de confianza del 95%. La ecuación del modelo ajustado es \(y=-2.246+2.118x\) (Table 2.). El error absoluto medio de 0.34 es el valor promedio de los residuos. Se realizó una Prueba de Normalidad Kolmogorov-Smirnov a los residuos del modelo. No hay indicación de una autocorrelación serial en los residuos con un nivel de confianza del 95% (p>0.05).
Regresión lineal múltiple
La ecuación del modelo ajustado mediante Regresión Lineal Múltiple es la siguiente:\(y=1.103+1.115X_{1}+ 0.714X_{2} -0.732X_{3}+ 1.210X_{12}- 0.958X_{13}- 0.403X_{22}\)
En la ecuación anterior las variables \(X_{1}=LT\), \(X_{2}=LF2\) y \(X_{3}=DEO\) están codificadas. El estadístico \(R^{2}\) indica que el modelo ajustado explica 94.3% de la variabilidad en peso (\(R^{2}\) ajustado 93.2%). De esta manera, se prefiere el Modelo de Regresión Lineal Múltiple frente a los Simples, debido a que éste explica mejor la variable dependiente (peso). El error estándar del estimado muestra que la desviación estándar de los residuos es 0.20. La prueba de Normalidad Kolmogorov-Smirnov (p>0.05) aplicada a los residuos del modelo arrojó que no hay evidencia estadística suficiente para rechazar la Normalidad de los residuos con un nivel de confianza del 95.0%. El error absoluto medio (MAE) de 0.13 es el valor promedio de los residuos, y que en general fueron examinados con el estadístico de Durbin-Watson (DW) para determinar si hay alguna correlación significativa basada en el orden en el que se presentan en el archivo de datos, comprobando (p> 0.05) que no hay indicación de una autocorrelación serial en los residuos con un nivel de confianza del 95.0%.
Burgherr., E. I. Meyer. 1997. Regression analysis of linear body dimensions vs. dry mass in stream macroinvertebrates. Archiv fur Hydrobiologie 139:lOl-112. Tomado de Benke, A.1999. ‘Secondary production of macroinvertebrates’, in Methods in Stream Ecology, eds. F.R. Hauer and G.A. Lamberti, Academic Press: New York, pp. 557–578.
Benke A. 1984. Secondary production of aquatic insects. p. 289-322. En V. H. Resh and D. M. Rosenberg (eds.). The ecology of aquatic insects. Prager.
Benke, A. 1996. ‘Secondary production of macroinvertebrates’, in Methods in Stream Ecology, eds. F.R. Hauer and G.A. Lamberti, Academic Press: New York, pp. 557–578.
DeWalt R, Maehr M, Neu-Becker y Stueber G. 2017. Plecoptera Species File Online. Version 5.0/5.0.. Consultado en: http://Plecoptera.SpeciesFile.org.
Fochetti R, y Tierno de Figueroa J. Global diversity of stoneflies (Plecoptera: Insecta) in freshwater. Hydrobiologia. 2008; Vol. 595: 365-377.
Genkai-kato, M, Miyasaka H. 2007. Length-weigth relationships of four predatory stonefly species in Japan. The Japanese society of limnology.
Gutiérrez-Fonseca P. Ecología, reproducción, taxonomía y distribución de Anacroneuria spp. Klapálek, 1909 (Insecta: Plecoptera: Perlidae) en Costa Rica (Tesis de pregrado). San José: Departamento de Biología, Facultad de Ciencias Básicas, Universidad de Costa Rica; 2009. p. 4-57.
R Development Core Team (2019) R: A language and environment for statistical computing. R Foundation for Statistical Computing. VIena, Austria.
Stark B. New species and records of Anacroneuria (Klapálek) from Venezuela. Spixiana. 1995; Vol. 18(3):211-249.
Zúñiga M, y Stark B. New species and records of Colombian Anacroneuria (Insecta, Plecoptera, Perlidae). Spixiana. 2002; Vol. 25(3): 209-224