“Efecto del nitrógeno del suelo y mantillo en la abundancia de cuatro especies de arboles en bosques secundarios del Valle Orosi, Cartago, Costa Rica”

Resumen: El nitrógeno es uno de los macronutrientes esenciales para el crecimiento y desarrollo de cualquier cultivo. Este aporta el elemento esencial para el desarrollo de las plantas, ya que el nitrógeno forma parte de las proteínas, enzimas y clorofila. Una planta con carencia de nitrógeno no podrá completar procesos metabólicos indispensables para su desarrollo. La presente investigación se desarrolló en cuatros bosques (Secundario maduro, maduro y Tacotal) ubicados en las laderas occidentales que rodean el Valle de Orosi, Cartago, Costa Rica, en el año 2009 y 2019. El estudio se basó en el análisis de la cantidad de nitrógeno en el suelo y mantillo en esta área, y como sus componentes han influenciado la abundancia y el crecimiento de cuatro especies en esta zona. Las plantas estudiadas fueron Viburnum costaricanum (VC), Lozania mutisiana (LM), Symphonia globulifera (SG) e Ilex lamprophylla (IL), a las cuales se les realizo una recolecta de datos dividida por cuadrantes y con variables como la profundidad del mantillo, abundancia y área basal, para de esta manera poder analizar por medio del programa estadístico R, que tanto se vieron afectadas por el aumento de nitrógeno.

Palabras claves: Enzimas, macronutrientes, procesos metabólicos, área basal

Introducción

Durante los últimos cincuenta años los bosques han sido fraccionados y degradados lentamente por causa de diversas actividades antropogénicas, dando lugar al crecimiento y establecimiento de bosques secundarios; en los cuales se han realizado estudios sobre la sucesión forestal, quedando temas sin abordar como la dinámica y funcionamiento del ecosistema (Lugo, 1992; Vilchez, Chazdon y Redondo, 2004). Sin embargo, se conoce que el desarrollo, crecimiento y funcionamiento fisiológico de las plantas siempre se encuentra ligado a los nutrientes que se tengan a disposición en los bosques (Vilchez, Chazdon y Redondo, 2004). En estos ambientes las plantas logran obtener nutrientes orgánicos como carbono, oxígeno e hidrógeno por medio de la absorción de CO2 atmosférico y del agua contenida en el suelo; por otro lado, la abundancia de los nutrientes inorgánicos (agua y sales minerales) depende de la composición del suelo que exista en el bosque secundario (Azcón-Bieto y Talón, 2013).

El nitrógeno es uno de los nutrientes inorgánicos más importantes para un buen funcionamiento de las plantas, ya que es un constituyente esencial de biomoléculas estructurales como lípidos, proteínas o carbohidratos, que son utilizados para completar un ciclo vital. Este nutriente puede ser aprovechado por las plantas en forma de nitrato (NO3-) o amonio (NH4+), y como N2 atmosférico que logra ser fijado simbióticamente por microorganismos, siendo absorbido por las raíces de las plantas (Azcón-Bieto y Talón, 2013).

Aunado a esto, existe otra manera en la que las plantas pueden obtener nitrógeno del ambiente, aprovechando los nutrientes de la materia orgánica del mantillo, compuesto principalmente por hojas de la planta y otros restos vegetales como ramas o frutos. El mantillo puede brindar desde un 1.5% hasta un 5% de nitrógeno (Azcón-Bieto y Talón, 2013), el cual se encuentra disponible gracias al proceso de descomposición, realizado por la microflora presente en el bosque secundario (Fournie y Camacho de Castro, 1973). Gracias a la importancia del nitrógeno en el desarrollo y composición vegetal, esta investigación se ha enfocado en comprender y determinar la disponibilidad de este nutriente en el suelo y en la materia orgánica del mantillo presente en diversos bosques secundarios del Valle Orosi; con el objetivo de conocer si la presencia de dicho nutriente es suficiente para que cuatro especies distintas y representativas de este ambiente, logran realizar un aprovechamiento efectivo y se establezcan en este tipo de bosque, así de la misma manera poder observar el crecimiento en abundancia que proporciona este nutriente a las plantas estudiadas.

Figura A Symphonia globulifera, Figura B Virbunum costaricanum , Figura C Ilex Lamprophyll, Figura D Lozania mutisiana

Objetivos

Objetivo general

• Analizar la abundancia y el crecimiento de diversas especies en la zona del Valle de Orosi, Cartago, en base al nitrógeno del suelo y mantillo en cuatro bosques de esta área.

Objetivos específicos

•Contrastar la relación entre la presencia de 4 especies de árboles en la concentración de nitrógeno de mantillo.

•Identificar la relación entre la abundancia de semillas de la especies Viburnum costaricanum y Lozania mutisiana y factores como temperatura y capacidad de humedad del suelo

Materiales y metodos

Sitio de estudio

El estudio se realizó en cuatro bosques secundarios, con antigüedad de 10 a 50 años, ubicados en las laderas occidentales del Valle de Orosi, Cartago, Costa Rica (9°48’56.2’’N, 83°53’00.1’’O), durante la época seca y lluviosa de los años 2009 y 2019. En este sitio prevalece una temperatura promedio anual de 20° C, precipitaciones anuales de 2 119 mm y una humedad promedio de 85% (ref* AccuWeather), factores que benefician el crecimiento de cuatro especies representativas de este tipo de bosque y elegidas para desarrollar el estudio, las cuales son Viburnum costaricanum, Lozania mutisiana, Symphonia globulifera y Ilex lamprophylla.

Diseño experimental:

En el desarrollo de este estudio se delimitó un transecto en cada uno de los bosques secundarios, donde se hizo uso de la técnica de cuadrantes continuos. En cada sitio de muestreo se colocaron 30 cuadrantes continuos de 10 m2, tanto en la estación seca como en la lluviosa, teniendo un total de 60 cuadrantes y un área de 600 m2 para cada sitio. En cada cuadrante se reconocieron las cuatro especies mencionadas anteriormente, realizándose conteos manuales de los individuos para determinar la abundancia de cada especie en el área delimitada; además, se utilizó una cinta métrica de 200 cm (± 0.001), para medir el diámetro a la altura del pecho (DAP) y conocer el área basal de cada individuo, con los datos obtenidos se hicieron sumatorias por especie y por cuadrante.

Se realizaron medidas de la profundidad del mantillo cercano a cada individuo, con un calibrador Vernier (± 0.001), promediando los datos obtenidos para cada especie en el cuadrante. Por otro lado, se recolectaron muestras de 5 g del mantillo y del suelo cercano a cada individuo para realizar análisis químicos y conocer las concentraciones de nitrógeno por medio del método Kjeldahl.

Análisis estadístico:

En el análisis de los datos del nitrógeno y su relación con las diversas especies, se utilizó el programa R para analizar la base de datos y de esta manera poder encontrar si existe alguna relación con las variables de abundancia y área basal de cada especie con respecto al nitrógeno. Se utilizaron diversos análisis estadísticos para poder realizar estos estudios, entre estos se utilizó el estadístico “chi cuadrado”(chisq.test) para comprobar si existe una relación entre variables como el nitrógeno del mantillo y la abundancia en base a las épocas seca y lluviosa. De igual manera se utilizó el mismo estadístico para analizar estas variables, pero entre el 2009 y 2019. Otro de los análisis realizados fue recopilado con el coeficiente de correlación de Pearson y Spearman, estos dos para poder comprobar que tanta significancia tenía la dependencia de la abundancia en las especies y el nitrógeno del suelo. Primero se les aplico a los dos vectores una prueba de shapiro para poder comprobar si eran simetricos o asimetricos, y posterior a esto dependiendo del resultado, una prueba de correlacion de Pearson Sperman, con lo cual se comprobo que si habai relacion y que era significativa (p<0.05)

Se realizaron 4 análisis de varianzas (ANDEVA). La primera Andeva se realizó entre las variables de nitrógeno del mantillo con respecto a la profundidad del mantillo, la segunda en base a las abundancias con respecto a cada sitio de estudio (BS1, BS2, BS3, BS4) y las dos ultimas ANDEVAS con respecto a la hoja de experimento basado en la germinación de semillas y el nitrogeno del suelo en base a la temperatura

Para el primer análisis de nitrógeno y profundidad se logró llegar a una demostración por medio de un gráfico de su relación, sin embargo no se logró aplicar la última prueba estadística de pair.wise debido a que no existieron diferencias significativas (p.value>0.05). En el segundo estudio sobre las variables de los sitios y la abundancia, ambas se crearon en vectores y se tomó como factor los sitios, por lo tanto a esta variable se le aplico “as.factor” y una prueba de normalidad (shapiro.test) a los residuos. Posteriormente se aplicó el estadístico de anova (aov) siendo la abundancia dependiente de cada sitio. Luego fue empleado el estadístico tapply para comprobar si estas variables eran o no balanceadas y la prueba de Fligner para conocer la homogeneidad de los datos. Por último se utilizó el modelo de kruskal Wallis para poder observar si existían diferencias (p<0.05) y de esta manera poder utilizar el estadístico de pairwise.wilcox para una mejor representación. Los analisis de varianza en la hoja de experimento tuvieron el mismo procedimiento, siendo la temperatura usada como factor en ambos casos, el primero en base a la germinacion de semillas y el segundo en base al nitrogeno del suelo.

Resultados

Asociación del nitrogeno de mantillo en la especie Viburnum costaricanum entre la epoca seca y lluviosa

En el analisis del nitrogeno del mantillo en la epoca seca y lluviosa, se utilizo la especie Viburnum costaricanum, utilizando un estadistico de chi cuadrado para determinar si entre estas dos epocas existia algun tipo de relacion en cuanto al nitrogeno. Al realizar la prueba de chi cuadrado, se logro observar que el chi teorico, era mayor que el chi calculado, por lo tanto no hay asociacion alguna entre estas dos epocas.

Figura 1 Asociación entre el nitrogeno de mantillo de la especie VC en la epoca seca y lluviosa

Relación entre la Abundancia de Viburnum costaricanum en la epoca lluviosa del 2009 y 2019

El análisis de la abundancia en los años 2009 y 2019 de Viburnum costaricanum de igual manera se utilizó un estadístico de chi cuadrado para determinar si entre estos dos años existía algún tipo de relación en la abundancia. Los resultados de la prueba mostraron que el chi teórico era mayor que el chi calculado, por lo tanto, no hubo Asociación alguna entre estos años.

Figura 2 Relación entre la Abundancia de VC en la epoca lluviosa del 2009 y 2019

Relación entre la Abundancia de Lozania mutisiana en la epoca lluviosa del 2009 y 2019

En el analisis de los datos de abundancia en los años 2009 y 2019, de igual manera se realizo un estudio estadistico de chi cuadrado en la especie Lozania mutisiana para determinar si entre estos dos años existia algun tipo de relacion en la abundancia.

Figura 3 Relación entre la Abundancia de LM en la epoca lluviosa del 2009 y 2019

Dependencia de la cantidad de nitrógeno en el mantillo con respto a la profundidad en el mantillo

Se utilizo el coeficiente paramétrico, en este caso, el coeficiente de Correlación de Pearson para lograr determinar si la cantidad de nitrógeno del mantillo manifiesta una correlación o dependencia positiva con respecto a la profundidad del mantillo. Al realizar la prueba en estas dos variables se logró observar una correlación fuerte positiva (0.62) y además una alta significancia (p<0.05) entre ellas.

Figura 4 Dependencia de la cantidad de nitrógeno en el mantillo con respecto a la profundidad del mantillo

Dependencia de la abundancia de Lozania mutisiana en la epoca seca, con respecto al nitrogeno del suelo

Con el uso del coeficiente de Correlación de Pearson, se determinó si la cantidad de nitrógeno del suelo en la especie Lozania mutisiana manifiesta una correlación o dependencia positiva con respecto a la profundidad del mantillo. En este caso se presentó una correlación significativa entre estos dos, pero con una dependencia media.

Figura 5Dependencia entre la Abundancia de la especie LM en epoca seca con el nitrogeno del suelo

Relacion entre el nitrógeno del mantillo en cada especie estudiada

Con el uso de un boxplot se analizaron las cuatro especies estudiadas Viburnum costaricanum (VC), Lozania mutisiana (LM), Symphonia globulifera (SG) e Ilex lamprophylla (IL), para poder analizar que tanto cambia el nitrogeno del mantillo en cada especie. Se puede observar en la figura 6 que el promedio no difiere con gran cantidad en cada especie.

Figura 6 Relacion entre el nitrógeno del mantillo en cada especie

Abundancia en cada especie con respecto a los sitios: Bosque secundario maduro (BSI), Bosques secundarios (BS2, BS3) y Tacotal(BS4)

Con el uso del estadístico de Análisis de Varianzas(ANDEVA), se tomaron las variables de abundancia de en cada especie con respecto a cada sitio de estudio. Los resultados demostraron que solo entre las abundancias del bosque secundario maduro (BS1) y bosque secundario (BS2) existen diferencias significativas (p-value<0.05), mientras que con respecto al tercer bosque (BS3) y al Tacotal (BS4) no se presentaron diferencias significativas. Además de que en el Bosque maduro secundario (BS1) fue el sitio donde se registraron más abundancias de especies en su totalidad.

Figura 7 Abundancia de las especies en BSI, BS2, BS3 y BS4. (A: Diferencias significativas (p<0.05) y B: No existen diferencias significativas (p>0.05))

Cantidad de nitrógeno del suelo con respecto a las temperaturas, basado en el análisis de varianzas de la hoja de experimento

La comparación entre el nitrógeno del suelo y la temperatura se realizó por medio de un análisis de varianzas, utilizando la variable de Temperatura como factor. Al observar por medio de la prueba de tapply que los datos eran balanceados y la homocedasticidad correcta (p>0.05), se realizó una prueba de andeva (aov) y por ultimo una prueba de Tukey para comparar las medias individuales provenientes del análisis de varianza. Todo esto se representó en un diagrama de cajas observado en la figura 9.

Figura 8: Cantidad de nitrógeno del suelo con respecto a las temperaturas, basado en el análisis de varianzas de la hoja de experimento

Germinación de semillas en base a la capacidad de humedad del suelo en Viburnum costaricanum (VC) y Lozania mutisiana (LM)

Posterior al análisis de Varianzas de la hoja de experimento, se realizó un diagrama de cajas de ambas especies utilizadas y la cantidad de semillas germinadas dependiendo de la capacidad del suelo de mantener la humedad. Con esto se logró observar como a mayor capacidad de mantener la humedad del suelo, la cantidad de semillas germinadas aumenta considerablemente.

Figura 9 Germinación de semillas en base a la capacidad de humedad del suelo en Viburnum costaricanum (VC) y Lozania mutisiana (LM)

Discusion

Los resultados del estudio mostraron una tendencia general del incremento de los parámetros de abundancia de las plantas estudiadas y por tanto el área basal calculada en promedio para cada cuadrante, esto gracias al aumento de la concentración de nitrógeno en el suelo y mantillo. Estos datos sugieren que la limitación de nitrógeno influye en el crecimiento total y abundancia de las plantas estudiadas por efecto del estrés nutricional (Walley, 2002).

El análisis estadístico de chi cuadrado contrasta frecuencias observadas con las frecuencias esperadas de acuerdo con la hipótesis nula, para poder determinar si existe algún tipo de relación entre dos variables. Para utilizar este estadístico en la búsqueda de conexión entre los datos recopilados en la investigación, primero se relacionaron las variables de nitrógeno del mantillo en la época seca y lluviosa. Los resultados obtenidos ayudaron a poder comprobar que estas variables (época seca y lluviosa) no cuentan con relación alguna (Figura 1). Posteriormente en un segundo análisis se tomaron en cuenta las abundancias de las especies Viburnum costaricanum y Lozania mutisiana en la época lluviosa y seca respectivamente para conocer si los estudios en el año 2009 y 2019 tenían relación entre sí. De igual manera se logró determinar que no existe relación (chi calculado < chi teórico) entre estos dos años con respecto a la abundancia de las especies (Figura 2). Este resultado demuestra como debido a la diferencia de las condiciones entre la época seca y lluviosa no tienen facilidad de relacionarse y de igual manera como los estudios se llevan 10 años entre si, no contienen una relación que sea lo suficientemente significativa

El coeficiente de correlación de Pearson es una prueba que mide la relación estadística entre dos variables continuas, para la investigación de los datos se aplicó el estadístico en base las abundancias de las cuatro especies estudiadas y el nitrógeno del suelo y mantillo en cada una. Los resultados mostraron una tendencia general a ser significativos (p-value<0.05), esto demuestra como el incremento en el nitrógeno esta correlacionado al crecimiento en la abundancia (Figura 4). Este hecho pudo estar asociado con la habilidad de las plantas para optimizar su capacidad fotosintética por un incremento en el suplemento de nitrógeno. Igualmente, según Evans (1989) esta correlación no siempre es generalizada y puede ser variable por efectos del hábitat natural de la planta y factores ambientales como la temperatura y la radiación

El mantillo es la capa superior del suelo formada principalmente por materia orgánica en descomposición, en este estudio el mantillo estaba formado por las hojas en descomposición y ramas pequeñas de las 4 especies en cada cuadrante. La profundidad del mantillo aumenta con respecto a la cantidad de hojas que caigan en el suelo, por lo tanto, en los cuadrantes con mayor abundancia se provocó un aumento en el nitrógeno del mantillo al absorber los macronutrientes de las hojas en descomposición y posteriormente al ser descompuestas en su totalidad el nitrógeno del suelo también mostro un aumento. Los efectos obtenidos con respecto a la búsqueda de una relación en el nitrógeno del mantillo con respecto a la profundidad de este, mostraron el análisis esperado, al ser el nitrógeno dependiente de la profundidad del mantillo (Figura 6).

De los sitios de estudio analizados, el bosque secundario maduro (BS1) presento mayor abundancia en general, en comparación con los demás bosques. De igual manera se logró observar que solo con respecto al Bosque maduro BS2 se presentaron diferencias significativas (p-value<0.05), mientras que con el bosque maduro BS3 y el Tacotal BS4 no presento diferencias (Figura 8). Estos dos análisis de profundidad y sitio de estudio fueron realizados por medio del estadístico de análisis de Varianza (ANDEVA) la cual es la herramienta básica para el estudio del efecto de uno o más factores (cada uno con dos o más niveles) sobre la media de una variable continua. (Amat, 2016)

También se puede concluir con respecto a los resultados obtenidos en la prueba de anova realizada a la página “Experimento” de la base de datos que la cantidad de semillas obtenidas varía con respecto a la temperatura, donde temperaturas cercanas a los 20 °C dan los mejores resultados y conforme aumenta la temperatura, disminuye la probabilidad de obtener semillas; el otro factor que más tiene efecto sobre la producción de semillas es la capacidad de humedad del suelo, donde 75% y 100% de capacidad demuestran mayor éxito en la obtención de semillas germinadas, todos estos análisis refiriéndose solo a los individuos de Viburnum costaricanum y Lozania mutisiana. Con la mayor concentración de semillas siendo 20 semillas de Lozania mutisiana encontrada bajo las condiciones de 20 °C y 75% capacidad de humedad en suelo, lo que reafirma ambos enunciados anteriores en cuanto a las condiciones ideales de temperatura y humedad del suelo que den como resultado una mejor reproducción de semillas germinadas.

Conclusiones

Las cuatro especies estudiadas presentaron un tendencia al aumento en su abundancia en el año 2019 en comparación con el 2009, esto indica que 10 años después del primer estudio los niveles del nitrógeno en el suelo y mantillo aumentaron dando lugar a este fenómeno.

El nitrógeno en el suelo se vio afectado por la profundidad y el nitrógeno del mantillo, esto debido a que al haber mayor cantidad de hojarasca en estado de descomposición, mayor será el nivel de macronutrientes como el fosforo y nitrógeno que estas poseen, llegando en un determinado momento a descomponerse en su totalidad y aumentar los niveles de nitrógeno en el suelo.

En el area de experimentacion, se logro analisar la germinacion de semillas en base a la temperatura y humedad del suelo, sin embargo se recomienda para futuras investigaciones utilizar un rango mayor de temperaturas ya que no queda totalmente claro si la disminución de temperatura siempre es beneficiosa o si alrededor de 20° C es la temperatura ideal para la germinación de semillas.

Referencias Bibliográficas

Aguilar Carpio, C., Escalante Estrada, J. A. S., & Aguilar Mariscal, I. (2015). Análisis de crecimiento y rendimiento de maíz en clima cálido en función del genotipo, biofertilizante y nitrógeno. Terra latinoamericana, 33(1), 51-62.

Azcón-Bieto, J. y Talón, M. (2013). Fundamentos de Fisiología Vegetal. (2°Ed). Madrid, España: Mcgraw-Hill.

Evans Jr. Photosynthesis and nitrogen relationship in leaves of C3 plants. Oecología. 1989;78: 9-19.

Fournier, L. A. y Camacho de Castro, L. (1973). Producción y descomposición del mantillo en un bosque secundario húmedo de premontano. Revista de Biología Tropical 21(1), 59-67.

Lugo, A. E. (1992). Comparison of Tropical Tree Plantations with Secondary Forests of Similar Age. Ecological monographs 62(1), 1-41. Doi: 10.2307/2937169

Peña, H. B., & Reyes, I. (2007). Aislamiento y evaluación de bacterias fijadoras de nitrógeno y disolventes de fosfatos en la promoción del crecimiento de la lechuga (Lactuca sativa L.). Interciencia, 32(8), 560-565.

Vilchez, B., Chazdon, R. y Redondo, A. (2004). Fenología reproductiva de cinco especies forestales del Bosque Secundario Tropical. Kurú: Revista Forestal 1(2), 1-10.

Walley F, Yates T, Kessel C. Relationships Between Soil Nitrogen Availability Indices, Yield, and Nitrogen Accumulation of Wheat. Soil Sci Soc Am J. 2002;66:1549.

TABLAS DE FRECUENCIA

library(fdth)

NITROGENO DEL MANTILLO
NIVC <- BD$`Nitrogeno_mantillo_%`[BD$Especie=="VC"]
NILM <- BD$`Nitrogeno_mantillo_%`[BD$Especie=="LM"]
NISG <- BD$`Nitrogeno_mantillo_%`[BD$Especie=="SG"]
NIIL <- BD$`Nitrogeno_mantillo_%`[BD$Especie=="IL"]

NITROGENO DEL SUELO
NSVC <- BD$`Nitrogeno_suelo_%`[BD$Especie=="VC"]
NSLM <- BD$`Nitrogeno_suelo_%`[BD$Especie=="LM"]
NSSG <- BD$`Nitrogeno_suelo_%`[BD$Especie=="SG"]
NSIL <- BD$`Nitrogeno_suelo_%`[BD$Especie=="IL"]


tf.NIVC <- fdt(NIVC, start = 0.9, end = 2.8, h=0.2)
tf.NIVC

tf.NILM <- fdt(NILM, start = 0.9, end = 2.8, h=0.2)
tf.NILM

tf.NISG <- fdt(NISG, start = 0.9, end = 2.8, h=0.2)
tf.NISG

tf.NIIL <- fdt(NIIL, start = 0.9, end = 2.8, h=0.2)
tf.NIIL


tf.NSVC <- fdt(NSVC, start = 0, end = 0.5, h=0.1)
tf.NSVC

tf.NSLM <- fdt(NSLM, start = 0.05, end = 0.6, h=0.05)
tf.NSLM

tf.NSSG <- fdt(NSSG, start = 0, end = 0.5, h=0.05)
tf.NSSG

tf.NSIL <- fdt(NSIL, start = 0.04, end = 0.5, h=0.05)
tf.NSIL

Histogramas

hist(NIVC, col = c("mediumpurple", "lightsalmon", "thistle3"), main = "N MANTILLO DE VC", cex.lab = 1.3, cex.main = 1.5, labels = T, border = F, xlab = "NITROGENO MANTILLO", ylab = "ABUNDANCIA")

hist(NILM, col = c("mediumpurple", "lightsalmon", "thistle3"), main = "N MANTILLO DE LM", cex.lab = 1.3, cex.main = 1.5, labels = T, border = F, xlab = "NITROGENO MANTILLO", ylab = "ABUNDANCIA")

hist(NISG, col = c("mediumpurple", "lightsalmon", "thistle3"), main = "N MANTILLO DE SG", cex.lab = 1.3, cex.main = 1.5, labels = T, border = F, xlab = "NITROGENO MANTILLO", ylab = "ABUNDANCIA")

hist(NIIL, col = c("mediumpurple", "lightsalmon", "thistle3"), main = "N MANTILLO DE SG", cex.lab = 1.3, cex.main = 1.5, labels = T, border = F, xlab = "NITROGENO MANTILLO", ylab = "ABUNDANCIA")


PROBABILIDAD DISCRETA

¿Cual es la probabilidad de encontrar exactamente 5 especies de SG (Symphonia globulifera) con 2.3 a 2.4 de nitrogeno en el mantillo?

dbinom(5, 17, 0.5) 
0.04721069

¿Cual es la probabilidad de encontrar al menos 10 especies de Viburnum costaricanum (VC) en BS1 (Bosque secundario maduro)?

1-pbinom(9, 60, 0.17)
0.9548325

¿Cual es la probabilidad de encontrar mas de 20 especies de Viburnum costaricanum (VC) en BS1 (Bosque secundario maduro)?
1-pbinom(20, 60, 0.34)
0.483308


PROBABILIDAD NORMAL


*Probabilidad de que la profundidad del mantillo en VC sea mayor a 20

mean(BD$Profundidad_mantillo_mm[BD$Especie=="VC"])
44.20167
sd(BD$Profundidad_mantillo_mm[BD$Especie=="VC"]) 
8.823398

1-pnorm(20, 44.20167,8.823398)
0.996955

*Probabilidad de obtener especies de SG con una profundidad entre 38 y 48

mean(BD$Profundidad_mantillo_mm[BD$Especie=="SG"])
44.23292
sd(BD$Profundidad_mantillo_mm[BD$Especie=="SG"])
9.032507

pnorm(48, 44.23292, 9.032507) - pnorm(38, 44.23292, 9.032507)
0.416602

*Probabilidad de que la profundidad del mantillo de LM sea menor que 20

mean(BD$Profundidad_mantillo_mm[BD$Especie=="LM"])
44.4575
sd(BD$Profundidad_mantillo_mm[BD$Especie=="LM"])
9.087576

pnorm(20, 44.4575, 9.087576)
0.003558583


*Probabilidad de que la Abundancia en VC  sea mayor a 10

mean(BD$`Abundancia`[BD$Especie=="VC"])
15.34583
sd(BD$`Abundancia`[BD$Especie=="VC"])
3.671419

1-pnorm(10, 15.34583, 3.671419)
0.9273129

*Probabilidad de obtener especies de SG con una abundancia  menor que 2

mean(BD$`Abundancia`[BD$Especie=="SG"])
3.960417
sd(BD$`Abundancia`[BD$Especie=="SG"])
0.8909753

pnorm(2, 3.960417, 0.8909753)
0.01389265

*Probabilidad de que la abundancia en las especies de LM este entre 10 y 12

mean(BD$`Abundancia`[BD$Especie=="LM"])
7.8875
sd(BD$`Abundancia`[BD$Especie=="LM"])
1.850309

pnorm(12, 7.8875, 1.850309) - pnorm(10, 7.8875, 1.850309)
0.1136678

HIPOTESIS

ANVCBS1 <- BD$`Nitrogeno_mantillo_%`[BD$Especie=="VC" & BD$Sitio=="BS1"]
ANVCBS2 <- BD$`Nitrogeno_mantillo_%`[BD$Especie=="VC" & BD$Sitio=="BS2"]
ANVCBS3 <- BD$`Nitrogeno_mantillo_%`[BD$Especie=="VC" & BD$Sitio=="BS3"]
ANVCBS4 <- BD$`Nitrogeno_mantillo_%`[BD$Especie=="VC" & BD$Sitio=="BS4"]
ANILBS1 <- BD$`Nitrogeno_mantillo_%`[BD$Especie=="IL" & BD$Sitio=="BS1"]
ANILBS2 <- BD$`Nitrogeno_mantillo_%`[BD$Especie=="IL" & BD$Sitio=="BS2"]
ANILBS3 <- BD$`Nitrogeno_mantillo_%`[BD$Especie=="IL" & BD$Sitio=="BS3"]
ANILBS4 <- BD$`Nitrogeno_mantillo_%`[BD$Especie=="IL" & BD$Sitio=="BS4"]

shapiro.test(ANVCBS1)
shapiro.test(ANVCBS2)
shapiro.test(ANVCBS3)
shapiro.test(ANVCBS4)
shapiro.test(ANILBS1) 
shapiro.test(ANILBS2)
shapiro.test(ANILBS3)
shapiro.test(ANILBS4)


wilcox.test(ANVCBS1,ANILBS1, alternative = "t")
p-value = 0.00582

wilcox.test(ANVCBS2,ANILBS2, alternative = "t")
p-value = 0.1999


wilcox.test(ANVCBS3,ANILBS3, alternative = "t")
p-value = 0.8582

wilcox.test(ANVCBS4,ANILBS4, alternative = "t")
p-value = 0.5491

__________

CHI CUADRADO

¿Existe una asociación entre el nitrogeno de mantillo de la especie VC en la epoca seca y lluviosa del sitio BS1 en el 2019 con un nivel de confianza de 95%?


NIVC_2019_lluviosa <- BD$`Nitrogeno_mantillo_%`[BD$Anio==2019 & BD$Estacion=="Lluviosa" & BD$Especie=="VC" & BD$Sitio=="BS1"]
NIVC_2019_lluviosa

NIVC_2019_seca <- BD$`Nitrogeno_mantillo_%`[BD$Anio==2019 & BD$Estacion=="Seca" & BD$Especie=="VC" & BD$Sitio=="BS1"]
NIVC_2019_seca

chisq.test(NIVC_2019_lluviosa, NIVC_2019_seca)
X-squared = 187.75, df = 208, p-value = 0.8399017

qchisq(0.95, 208)

boxplot(NIVC_2019_seca, NIVC_2019_lluviosa)

pairs(NIVC_2019_seca~NIVC_2019_lluviosa)

pairs(NIVC_2019_lluviosa~NIVC_2019_seca)

library(PerformanceAnalytics)

chi1 <- data.frame(NIVC_2019_seca, NIVC_2019_lluviosa)
chart.Correlation(chi1)

-----

¿Existe relacion entre la Abundancia de VC en la epoca lluviosa del 2009 y 2019?

abundancia_NIVC_2009_lluviosa <- (BD$Abundancia[BD$Anio==2009 & BD$Estacion=="Lluviosa" & BD$Especie=="VC" & BD$`Nitrogeno_mantillo_%`])
abundancia_NIVC_2009_lluviosa

abundancia_NIVC_2019_lluviosa <- (BD$Abundancia[BD$Anio==2019 & BD$Estacion=="Lluviosa" & BD$Especie=="VC" & BD$`Nitrogeno_mantillo_%`])
abundancia_NIVC_2019_lluviosa

chisq.test(abundancia_NIVC_2009_lluviosa, abundancia_NIVC_2019_lluviosa)  
X-squared = 125.41153, df = 140, p-value = 0.8061742

qchisq(0.95, 140)
168.6129543

boxplot(abundancia_NIVC_2009_lluviosa, abundancia_NIVC_2019_lluviosa)

pairs(abundancia_NIVC_2009_lluviosa~abundancia_NIVC_2019_lluviosa)

pairs(abundancia_NIVC_2019_lluviosa~abundancia_NIVC_2009_lluviosa)

library(PerformanceAnalytics)

chi2 <- data.frame(abundancia_NIVC_2009_lluviosa, abundancia_NIVC_2019_lluviosa)
chart.Correlation(chi2)

------
    
¿Existe relacion entre la Abundancia de _IL en la epoca seca del 2009 y 2019?

Abundancia_LM_2009_seca <- (BD$Abundancia[BD$Anio==2009 & BD$Estacion=="Seca" & BD$Especie=="LM" & BD$`Nitrogeno_mantillo_%`])
Abundancia_LM_2009_seca


Abundancia_LM_2019_seca <- (BD$Abundancia[BD$Anio==2019 & BD$Estacion=="Seca" & BD$Especie=="LM" & BD$`Nitrogeno_mantillo_%`])
Abundancia_LM_2019_seca

chisq.test(Abundancia_IL_2009_seca, Abundancia_IL_2019_seca)
X-squared = 4.9526451, df = 4, p-value = 0.292191

qchisq(0.95, 4)
9.487729037

boxplot(Abundancia_IL_2009_seca, Abundancia_IL_2019_seca)

pairs(Abundancia_IL_2009_seca~Abundancia_IL_2019_seca)

pairs(Abundancia_IL_2009_seca~Abundancia_IL_2019_seca)

library(PerformanceAnalytics)

chi3 <- data.frame(Abundancia_LM_2009_seca, Abundancia_LM_2019_seca)
chart.Correlation(chi3)

_____________

Correlacion y regresion

¿La cantidad del nitrogeno en el mantillo, depende de la profundidad de el mantillo?

Profundidad<- c(BD$Profundidad_mantillo_mm)
Nimantillo<- c(BD$`Nitrogeno_mantillo_%`)


shapiro.test(Profundidad) 
shapiro.test(Nimantillo) 

cor.test(Nimantillo, Profundidad)
cor= 0.6267334394 
p-value < 2.2204e-16 


boxplot(Nimantillo, Profundidad)

pairs(Nimantillo~Profundidad)

pairs(Profundidad~Nimantillo)

library(PerformanceAnalytics)

cor1 <- data.frame(Nimantillo, Profundidad)
chart.Correlation(cor1)

----
Regresion

ej1<- data.frame(Nimantillo, Profundidad)
reg1<- lm(Nimantillo~Profundidad)
summary(reg1)

mean(Profundidad)

y=m*x+b

m<- 0.038449972
b<- 0.391865226
x<- 44.42703125

y

-------

Correlacion

¿Existe una relacion entre la Abundancia de la especie LM en epoca seca con nitrogeno del suelo?

abundanciaLMseca<- c(BD$Abundancia[BD$Especie=="LM" & BD$Estacion=="Seca"])
nitrogenosueloLMseca<- c(BD$`Nitrogeno_suelo_%`[BD$Especie=="LM" & BD$Estacion=="Seca"])

shapiro.test(abundanciaLM) 
shapiro.test(nitrogenosueloLM) 

cor.test(nitrogenosueloLM, abundanciaLM, method = "s")
p-value = 0.0009777672 

pairs(nitrogenosueloLMseca~abundanciaLMseca)

library(PerformanceAnalytics)

cor2 <- data.frame(nitrogenosueloLMseca, abundanciaLMseca)
chart.Correlation(cor2)

-----
Regresion

¿Cual seria la abundancia con un 0.60 de Nitrogeno en el suelo al existir correlacion?
reg1<- lm(abundanciaLM~nitrogenosueloLM)
summary(reg1)

max(nitrogenosueloLM)
0.51

y=m*x+b
m<-3.3810
b<-6.9484 
x<- 0.60


y
8.977

Seria de 8.97

_________

ANDEVA


boxplot(BD$`Nitrogeno_mantillo_%`[BD$Especie=="VC" & BD$Anio==2019], BD$`Nitrogeno_mantillo_%`[BD$Especie=="LM" & BD$Anio==2019], BD$`Nitrogeno_mantillo_%`[BD$Especie=="SG" & BD$Anio==2019], BD$`Nitrogeno_mantillo_%`[BD$Especie=="IL" & BD$Anio==2019], col = c("mediumspringgreen", "royalblue2", "olivedrab2", "turquoise4"), xlab = "Especies", ylab= "Nitrogeno en el mantillo", main=  "Nitrógeno del mantillo en cada especie", names =  c("VC", "LM", "SG", "IL") 

----------
ANOVA2 

ProfundidadSG<- (BD$Profundidad_mantillo_mm[BD$Especie=="SG"])
NMantilloSG <- (BD$`Nitrogeno_mantillo_%`[BD$Especie=="SG"])

ProfundidadSG <- as.factor(BD$Profundidad_mantillo_mm[BD$Especie=="SG"])
is.factor(ProfundidadSG)

ANOVA2<- aov(NMantilloSG~ProfundidadSG)
ANOVA2

shapiro.test(ANOVA2$residuals) #asi

tapply(NMantilloSG, ProfundidadSG, length)

fligner.test(log(NMantilloSG), ProfundidadSG)

andeva2<- kruskal.test(NMantilloSG~ProfundidadSG)
andeva2

pairwise.wilcox.test(NMantilloSG, ProfundidadSG, p.adjust.method = "b", exact= F)

library(ggplot2)

ggplot(ANOVA2, aes(x = NMantilloSG, y = ProfundidadSG) + geom_point(colour = "blue"))

boxplot(NMantilloSG~ProfundidadSG)


---------
Anova 3 

BD$Abundancia
BD$Sitio

BD$Sitio <- as.factor(BD$Sitio)
is.factor(BD$Sitio)

ANOVA3<- aov(BD$Abundancia~BD$Sitio)
ANOVA3

shapiro.test(ANOVA3$residuals) 

tapply(BD$Abundancia, BD$Sitio, length)

fligner.test(log(BD$Abundancia), BD$Sitio)

kruskal.test(BD$Abundancia~BD$Sitio)

pairwise.wilcox.test(BD$Abundancia, BD$Sitio, p.adjust.method = "b", exact= F)

library(ggplot2)

Sitios<- BD$Sitio

Abundancia<- BD$Abundancia

ggplot(ANOVA3, aes(x = Sitios, y = Abundancia, colour = "green")) + geom_boxplot(colour = "olivedrab") 

boxplot(ANOVA3)


--------
  
ANOVA EXPERIMENTAL


library(readxl)
Experimento <- read_excel("~/Tifanny/Experimento.xlsx", col_types = c("text", "numeric", "numeric", "numeric", "numeric"))
View(Experimento)

BDE <- Experimento

boxplot(BDE$Numero_semillas_germinadas~BDE$`Capacidad_campo_humedad_suelo_%`+BDE$Especie, col = c("orchid2", "lightskyblue4", "powderblue", "seagreen1"), xlab = "Humedad", ylab= "Semillas germinadas", main= "Semillas germinadas en base a la humedad del suelo")

SEMILLAS <- aov(BDE$Numero_semillas_germinadas~BDE$`Capacidad_campo_humedad_suelo_%`)
SEMILLAS
summary(SEMILLAS)
Si es significativa

boxplot(BDE$`Nitrogeno_suelo_%`~BDE$Especie+BDE$Temperatura_C)
NITROSUELO <- aov(BDE$`Nitrogeno_suelo_%`~BDE$Especie+BDE$Temperatura_C)
NITROSUELO
summary(NITROSUELO) 
No es significativo


pairs(BDE$Numero_semillas_germinadas~BDE$`Capacidad_campo_humedad_suelo_%`+BDE$Temperatura_C+BDE$`Nitrogeno_suelo_%`)

--------

ANOVA 4 EXPERIMENTO

nitrogenosuelo <- c(BDE$`Nitrogeno_suelo_%`)
temperatura <- c(BDE$Temperatura_C)

expe<- data.frame(nitrogenosuelo, temperatura)
str(expe)

expe$temperatura<- as.factor(expe$temperatura)

aovexp <- aov(BDE$`Nitrogeno_suelo_%`~as.factor(BDE$Temperatura_C))
aovexp

shapiro.test(aovexp$residuals) #NORMALIDAD

tapply(BDE$`Nitrogeno_suelo_%`, BDE$Temperatura_C, length) #BALANCEADOS

bartlett.test(BDE$`Nitrogeno_suelo_%`, as.factor(BDE$Temperatura_C))

anova4<- aov(BDE$`Nitrogeno_suelo_%` ~ as.factor(BDE$Temperatura_C))
anova4

TukeyHSD(anova4)

boxplot(BDE$`Nitrogeno_suelo_%` ~ BDE$Temperatura_C, col = c("orchid2", "salmon2", "plum3", "mediumorchid3"), xlab = "Temperatura", ylab= "Nitrogeno del suelo", main= "Nitrogeno a partir de niveles de temperatura")


----------

ANOVA 5 EXPERIMENTO

aovsem <- aov(BDE$Numero_semillas_germinadas ~ BDE$Temperatura_C)
aovsem

shapiro.test(aovsem$residuals) #ANORMAL

tapply(BDE$Numero_semillas_germinadas, BDE$Temperatura_C, length) #BALANCEADO

fligner.test(log(BDE$Numero_semillas_germinadas) ~ BDE$Temperatura_C)

kruskal.test(BDE$Numero_semillas_germinadas ~ BDE$Temperatura_C)

pairwise.wilcox.test(BDE$Numero_semillas_germinadas, BDE$Temperatura_C,p.adjust.method = "b", exact=F)

boxplot(BDE$Numero_semillas_germinadas~BDE$Temperatura_C, col = c("mediumspringgreen", "lightgreen", "olivedrab2", "palegreen2"), xlab = "Temperatura", ylab= "Semillas germinadas", main= "Efecto de temperatura en la germinacion de semillas")