Introduccion

“Los bosques de manglar están considerados entre los ecosistemas más vulnerables de la banda tropical/subtropical del planeta y son 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, aumento en la 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 peces y crustáceos 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, donde distintos sitios fueron analizados, de esos sitios 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.

La Laguna Mecoacán tiene una extensión de 96454.39 ha (Barba,Rangel & Ramos, 2006) y se ubica en la llanura costera de la cuenca del río Grijalva (18°16’-18°20’ N & 93°04’ - 93°14’ W) en el suroccidente del Golfo de México. En el margen este y sureste desembocan los ríos Escarbado y Cux-cuchapa (Gómez, 1977). La temperatura media anual es de 26 °C con un máximo de 28 °C en julio y la mínima de 10 °C en invierno, la temporada de lluvias va de julio a octubre con una precipitación media de 240 mm.

Nosotros tomaremos los datos que fueron obtenidos en los manglares de Mecoacán, Tabasco, para ver las relaciones entre los factores físico-químicos del sedimento (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 de las especies de Rhizophora mangle (manglar rojo), Avicennia germinans (manglar negro) ó Laguncularia racemosa (manglar blanco).

-Manglar Negro (Avicennia germinans)

-Manglar Negro (Avicennia germinans)

-Manglar blanco (Laguncularia racemosa)

-Manglar blanco (Laguncularia racemosa)

-Manglar rojo (Rhizophora mangle)

-Manglar rojo (Rhizophora mangle)

Objetivos

El objetivo de este proyecto es dar respuesta a las siguientes preguntas en relación a la ecología del manglar ¿La variación físico química del agua y sedimento aumentaría el alimento disponible para los camarones? ¿Qué variables y en qué medida influyen a la caída de Hojarasca del manglar? ¿Cómo la productividad secundaria de Camarón (en biomasa) se ve afectada por la productividad primaria del manglar (caída de Hojarasca)? ¿Si se reforestan los sitios menos productivos, cambiarían las características ecológicas y los harían más productivos en biomasa de camarones? ¿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 la hojarasca del manglar contiene 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 las densidades y biomasas de camarones. Las mediciones de hojarascas están en g/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

Pearson

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.

Regresion lineal simple

Fue de utilidad para aproximar la relación de dependencia entre una variable dependiente Y, las variables independientes X

EDA

Usado para encontrar relaciones entre las diferentes variables de las muestras recogidas durante la investigación.

Tambien para identificar el modelo eórico más adecuado para representar la población de la cual proceden los datos muestrales. Dicho análisis se basa en gráficos y estadísticos que permiten explorar la distribución identificando características tales como: valores atípicos o outliers, saltos o discontinuidades, concentraciones de valores, forma de la distribución, etc.

Resultados y discusión

¿Qué variables y en qué medida influyen a la caída de Hojarasca del manglar?

Se realizó 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, y se desea conocer la relación que tiene la variación de esos parámetros con la productividad primaria del manglar (Caída de hojarasca) y por consecuencia cómo índice en la productividad secundaria de camarones peneidos.

En los 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.

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.

datos_manglar<-read.csv("manglar_datos.csv",header = TRUE)

dev.off()
matrix(c(1:8), nrow=2, byrow=FALSE)

layout(matrix(c(1:8), nrow=2, byrow=FALSE))


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

-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):

Tomando en cuenta los analisis de regresión lineal y el uso de la metodologia pearson, nos dimos cuenta que las variables que mas influyen a la caida de hojarasca son el pH en sedimento del manglar, Nitrógeno del sedimeto lagunar, Salinidad de agua, Materia orgánica del sedimento algunar, Salinidad del agua lagunar y el Fósforo del Sedimento del manglar.

¿Cómo la productividad de Camarón (en biomasa) se ve afectada por los fenómenos ecológicos (caída de Hojarasca)?

Se hizo un análisis de correlación usando el método de Pearson. En la siguiente grafica solo nos importa la fila 8 siendo comparada con las demás columnas. Y con esto nos damos cuenta que la hojarasca influye en la biomasa de camarones de tipo aztecus que fueron capturadas por medio de un chinchorro, Biomasa de camarones capturados con chinchorro y también la espcie de camarones Duorarum que fueron capturados con chinchorro.

En la siguiente grafica se hizo un análisis de regresión lineal simple para poder visualizar de una mejor manera como es que s comportan las biomasas de cada tipo de camarón siendo capturados por sus dos tipos de pesca ante el aumento o la disminución de hojarasca. En la parte superior se mostrarán las biomasas que fueron capturadas por el arte de pesca chinchorro y en la segunda las que fueron capturadas por medio de un renfro.

Camarones capturados con arte chinchorro

Camarones capturados con arte renfro

Visto lo anterior nos damos cuenta que la hojarasca influye en la biomasa de camarones de tipo aztecus capturados por arte de pesca de chinchorro y en la biomasa de la especie de camarones Duorarum que fueron capturados de igual manera con el arte de pesca de chinchorro.

¿Cuáles son las características que tienen los sitios que son más productivos?

A continuación se analizaron los seis sitios con respecto a la biomasa de camarón que producen.

## [1] 50.09427 29.77387 26.28568 35.18911 28.50042 43.70363

Al observar las graficas anteriores se puede concluir que los sitios mas productivos en biomasa de camarón son: Aspoquero, Pajaral y La Boca. De esos tres sitios el mas productivo resultó ser el Pajaral.

¿Y cuales son sus caracteristicas?

¿Qué tanto más se podría producir (biomasa de camarones) en los demás sitios si se emularan las características de los sitios que más producen?

Continuará…

Prototipo

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

Conclusiones

Concluimos que hay factores fisico-químicos que están relacionados con la caida de hojarasca y que esa misma hojarasca está haciendo producir cantidades de biomasa en las diferentes especies de camarón, por lo tanto, es mucha la importancia de resguardar y proteger los manglares ya que están proveyendo alimentos a los organismos que están en los distintos tipos de manglar.