Introduccion

“Los bosques de manglar están considerados entre los ecosistemas más vulnerables de la banda tropical/subtropical del planeta y sometidos a tensores ambientales diversos en la interface continente/océano (UNEP, 1994; Kjerfve y Macintosh, 1997; Yáñez-Arancibia y Lara-Domínguez, 1999; Mitsch y Gosselink, 2000; Valiela et al., 2001; Duke et al., 2007: Twilley y Day, 2013; Mitra, 2013a, 2013b). Todos estos autores coinciden en que el cambio climático tiene diversos componentes que actúan a diferentes escalas, siendo los más relevantes: cambios en el nivel medio del mar, eventos de inundaciones, tormentas tropicales, precipitación pluvial, erosión costera, temperatura ambiente y del agua, concentración de anhídrido carbónico atmosférico, patrón de circulación litoral, integridad ecológica de ecosistemas vecinos, e influencia social y económica asociada al cambio climático”.

Los manglares son una especie de plantas y estas solo viven en lugares que están cercas del mar. El 70% de las especies de uso comercial pasa su vida en un estero con manglares, también se albergan aves en donde llegan a alimentarse y descansar para después seguir su camino.

Nuestra área de estudio principal será la laguna de Mecoacán ubicada en Tabasco Donde distintos manglares fueron analizados, de esos manglares analizados se seleccionaron seis, siendo: la boca, cerros, pajaral, Arrastradero, aspoquero y mojarrero. Estos estudios fueron realizados en un periodo de estudio de octubre de 2014 a noviembre de 2015.

Manglar Mecoacan

Manglar Mecoacan

Nosotros tomaremos los datos que fueron realizados en los manglares de Mecoacan, Tabasco, para ver las relaciones entre los factores físico-químicos del subsuelo (Arcilla, limo y arena) y del agua de los manglares (PH, alcalinidad temperatura, etc.), ya que estos parecen estar de alguna manera relacionados con la caída de las hojarascas, ya sean Rhizophora mangle (manglar rojo), Avicennia germinans (manglar negro) ó Laguncularia racemosa (manglar blanco).

-Manglar Negro

-Manglar Negro

-Manglar blanco

-Manglar blanco

-Manglar rojo

-Manglar rojo

Objetivos

El objetivo de este proyecto es dar respuesta a preguntas como de,en caso de reforestar los manglares ¿Aumentaría el alimento disponible para los camarones? ¿Qué variables y en qué medida influyen a la caída de Hojarasca? ¿Cómo la productividad de Camarón (en biomasa) se ve afectada por los fenómenos ecológicos (caída de Hojarasca)? ¿Si se reforestan los sitios menos productivos, cambiarían las características ecológicas y los harían más productivos? ¿Qué tanto más se podría producir en los otros sitios si se emulan las características? ¿Cuáles son las características que tienen los sitios que son más productivos?

Teoría

Creemos que estas hojarascas contienen materia orgánica que da vida a el ecosistema acuático de organismos que sirven de alimento para los camarones, queremos demostrar que se necesita de dichos ecosistemas (Hojarascas) para el incremento de vida de camarones. Las mediciones de hojarascas están en Gramos/m^2. Por ahora nuestro objetivo es crear una aplicación Shiny que cuente con sliders de los factores físico químicos más críticos en relación a la caída de hojarasca.

Metodo

Se realizo un diagrama donde se muestran las variables de los datos que disponemos obtenidos en la Laguna Mecoacán siendo separados por sitios. Disponemos de los factores físico-químicos del sedimento del manglar, agua del manglar, sedimento en la laguna y agua en la laguna.

En los diferentes seis sitios existen factores físico-químicos que se encuentran en el sedimento y agua ya sea en la laguna o en el manglar entonces se quiere saber si hay alguna relación entre cada uno de los factores físico químicos con la Hojarasca. Con el método de Pearson se calcularon los siguientes coeficientes de correlación.

El coeficiente de correlación de Pearson según Hernández Sampieri, es una prueba estadística para analizar la relación entre dos variables medidas de un nivel por intervalos. En ese sentido, consideramos que es una medida de la relación entre dos variables aleatorias cuantitativas. A diferencia de la covarianza, la correlación de Pearson es independiente de la escala de medida de las variables.

Resultados y discusion

se hizo un análisis de regresión lineal para saber cómo la hojarasca reacciona ante la disminución o aumento ante cada uno de los factores físico-químicos del sedimento y de igual manera en la Figura 1.2 pero esta vez evaluando la hojarasca ante las propiedades del agua. Esto se hizo con el fin de tener una idea intuitiva ya que no todos los factores tienen una buena relación con la hojarasca.

## null device 
##           1
##      [,1] [,2] [,3] [,4]
## [1,]    1    3    5    7
## [2,]    2    4    6    8
layout(matrix(c(1:8), nrow=2, byrow=FALSE))
layout.show(8) 

plot(datos_manglar$SedManpH, datos_manglar$ï..HojaTotal,col="slateblue", xlab='sedimentacion del manglar ph', ylab='hojarasca')
model_uno <- lm(ï..HojaTotal ~ SedManpH, data=datos_manglar)
abline(model_uno,col="red")

plot(datos_manglar$SedManMO, datos_manglar$ï..HojaTotal, col="slateblue",xlab='sedimentacion del manglar Mo', ylab='hojarasca')
model_dos <- lm(ï..HojaTotal ~ SedManMO, data=datos_manglar)
abline(model_dos,col="red")

plot(datos_manglar$SedMANNitrogeno, datos_manglar$ï..HojaTotal, col="slateblue",xlab='sedimentacion del manglar Nitrogeno', ylab='hojarasca')
model_tres <- lm(ï..HojaTotal ~ SedMANNitrogeno, data=datos_manglar)
abline(model_tres,col="red")

plot(datos_manglar$SedMANFosforo, datos_manglar$ï..HojaTotal,col="slateblue", xlab='sedimentacion del manglar Fosforo', ylab='hojarasca')
model_cuatro <- lm(ï..HojaTotal ~ SedMANFosforo, data=datos_manglar)
abline(model_cuatro,col="red")

plot(datos_manglar$SedpHLAG, datos_manglar$ï..HojaTotal, col="slateblue",xlab='sedimentacion de la laguna Ph', ylab='hojarasca')
model_cinco <- lm(ï..HojaTotal ~ SedpHLAG, data=datos_manglar)
abline(model_cinco,col="red")

plot(datos_manglar$SedNitrogLAG, datos_manglar$ï..HojaTotal, col="slateblue",xlab='sedimentacion de la laguna Nitrogeno', ylab='hojarasca')
model_seis <- lm(ï..HojaTotal ~ SedNitrogLAG, data=datos_manglar)
abline(model_seis,col="red")

plot(datos_manglar$SedFosforLAG, datos_manglar$ï..HojaTotal, col="slateblue",xlab='sedimentacion de la laguna fosforo', ylab='hojarasca')
model_siete <- lm(ï..HojaTotal ~ SedFosforLAG, data=datos_manglar)
abline(model_siete,col="red")

plot(datos_manglar$SedMOLAG, datos_manglar$ï..HojaTotal, col="slateblue",xlab='sedimentacion de la laguna Materia Organica', ylab='hojarasca')
model_ocho <- lm(ï..HojaTotal ~ SedMOLAG, data=datos_manglar)
abline(model_ocho,col="red")
figura 1.1

figura 1.1 

## null device 
##           1
##      [,1] [,2] [,3]
## [1,]    1    3    5
## [2,]    2    4    6
figura 1.2

figura 1.2

Para los 6 sitios del caso de estudio se tienen características de la textura, PH, Materia organica (OM) y Densidad Aparente (Bulk density):

Prototipo

Tomando en cuenta los analisis realizados anteriormente, nos dimos cuenta que el Ph del sedimento en el manglar tiene una asociacion negativa excelente con la hojarasca. Cuando hay mas Ph, la cantidad de hojarasca disminuye y cuando hay menos Ph la cantidad de hojarasca aumenta. En este enlace se muestra un protitipo hecho en shiny web app con la idea de lo que se quiere lograr en este proyecto.

Conclusiones