Metodología

Se llevó a cabo la creación de dos modelos de análisis de varianzas. El primer modelo comparó la variable de potencial hídrico entre los factores de temperatura y el porcentaje de capacidad de campo (capacidad de retención de humedad del suelo) con la finalidad de evaluar si estos afectan de forma significativa a la variable, también se realizó pruebas de normalidad al 95% entre las especies Symphonia globulifera e Ilex lamprophylla para comparar el potencial hídrico entre estas. Posteriormente en el segundo modelo se tomó en cuenta nuevamente la variable de potencial hídrico. Sin embargo, esta vez el factor utilizado fue el sitio de muestreo, esto con el fin de observar cual lugar posee plantas con valores mayores de potencial.

Resultados

En el experimento de tolerancia al estrés hídrico con cambios en tres factores (especies, capacidad de campo y temperatura), gracias al modelo de comparación del potencial hídrico en función de la temperatura y humedad, se obtuvo que los cambios en estos factores afectan de forma significativa el valor del potencial hídrico (x2 = 0113.09, gl = 3, P<0.05), sin embargo, no se observaron diferencias de potencial hídrico entre las dos especies (W = 12439, P>0.05). Se encontró que el potencial hídrico fue mayor en temperaturas de 20 C° (-2.5535, N=80) y 25 C°( -2.6045, N=80), y menor a 30 C°( -4.4945, N=80) y 35 C°( -4.57, N=80). Al realizar comparaciones por el método de corrección de Bonferroni, se obtuvo que a 20 C° y a 25 C° no tuvieron diferencias significativas (P>0.05), igualmente entre 30 C° y 35 C°, pero si existieron diferencias al comparar estos dos grupos (P<0.05). El porcentaje de capacidad de campo del suelo demostró tener mayor potencial al 75% (-2.305625, N=80), seguido de 50% (-3.305625, N=80), al 25% (-4.055625, N=80) y al 0% (-4.555625, N=80), con diferencias significativas entre todos los valores (P<0.05).

Figura 1:Potencial hídrico en función de la temperatura y capacidad de campo (Retención de humedad del suelo).

Seguidamente al buscar los sectores con mayores niveles de potencial hídrico se obtuvo que el primer sitio fue el pastizal (-0.991125, N=480), de segundo el tacotal (-1.991125, N=480), el bosque secundario (-2.741125, N=480) y por último el bosque secundario maduro (-3.241125, N=480), presentando diferencias significativas (x2 = 878.36, gl = 3, P<0.05). Al realizar una corrección de Bonferroni, se encontraron diferencias significativas entre todos los sitios (P<0.05).

Figura 2:Comparación del potencial hídrico entre los sitios de estudio; pastizal, tacotal, bosque secundario y bosque secundario maduro respectivamente.

Discusión

Según los resultados obtenidos al realizar pruebas de análisis de varianzas (ANDEVA), al comparar el potencial hídrico entre los factores, se obtuvo que a mayores temperaturas existe menor potencial (ver fig. 1), esto es debido a que las plantas tienden al aumento de su temperatura en respuesta al estrés por falta de agua, el cual es inversamente proporcional al potencial hídrico (May-Lara et al, 2011). En contraste con los resultados anteriores, la capacidad de campo varió de forma proporcional en relación con la variable, a mayor humedad en el suelo más potencial hídrico poseen las plantas (ver fig. 1). La capacidad de campo se conoce como los niveles de humedad presentes en el suelo luego de un proceso natural de drenado (AQUASTAT, 2009), por lo que el déficit de este factor provoca una disminución en el agua absorbida por las raíces y así mismo reduce el potencial hídrico presente en la planta (Barrios-Gómez et al, 2011).

En el segundo análisis de varianzas se comparó los niveles de potencial hídrico en función de los cuatro sitios de estudio, se pudo observar como las plantas presentes en los sitios más desarrollados, como el bosque secundario maduro (BS1), presentaron un menor valor de potencial hídrico, comparado con sitios más simples como el pastizal (BS4), lo cual fue diferente a lo esperado (ver fig. 2). Los resultados obtenidos se pueden deber al fenómeno de sucesión ecológica, esto es el cambio en los elementos y variables presentes en un área desocupada a través del tiempo, se da por medio de la intervención de múltiples especies de flora y fauna, formando gradualmente un ecosistema (Bear & Rintoul, 2016). Los resultados obtenidos del potencial hídrico indicaron, que los factores que influyen directamente al potencial no son los más aptos en los sitios en etapas más avanzadas de la sucesión. Esto se debe a que la última etapa de la sucesión, no siempre llega a un estado completamente estable, ya que esta no sigue un camino predeterminado y su desarrollo cambia de acuerdo con la situación específica del ecosistema (Whittaker, 1953).

Bibliografía

May-Lara, C., Pérez-Gutiérrez, A., Ruiz-Sánchez, E., Ic-Caamal, A.E., & García-Ramírez, A. (2011). Efecto de niveles de humedad en el crecimiento y potencial hídrico de Capsicum chinense Jacq. Y su relación con el desarrollo de Bemisia tabaci Genn. Tropical and subtropical agroecosystems, 14(3), 1039-1045.

AQUASTAT. (2009). Adapted from: FAO. 2002. Irrigation Manual Volume I Module 4 – Crop Water Requirements and Irrigation Scheduling. Developed by: Andreas P. Savva and Karen Frenken. FAO, Harare.

Barrios-Gómez, E.J., López-Castañeda, C., & Kohashi-Shibata, J. (2011). Relaciones hídricas y temperaturas altas en frijol del tipo “flor de mayo”. Agronomía Costarricense, 35(1), 131-145.

Bear, R. (2016). Community ecology [E-book]. In D. Rintoul (Ed.), Principles of Biology (Chapter 7). https://cnx.org/contents/24nI-KJ8@24.18:lGjgOeNc@8/Community-Ecology.

Whittaker, R. H. (1953). A Consideration of Climax Theory: The Climax as a Population and Pattern. Ecological Monographs, 23(1), 41–78. https://doi.org/10.2307/1943519

Anexos:

#---------------------------------------------------------------
#                       ANOVA
#---------------------------------------------------------------

library(readxl)

estres.ex<-read_excel("R/BD_Veg_Estres.xlsx", sheet = "Experimento" )
## New names:
## * `` -> ...6
## * `` -> ...7
## * `` -> ...8
## * `` -> ...9
## * `` -> ...10
estres.ex<-data.frame(estres.ex)

library(readxl)

estres<-read_excel("R/BD_Veg_Estres.xlsx", sheet = "Muestreo" )
estres<-data.frame(estres)


especies<-as.factor(estres.ex$Especie)
humedad<-as.factor(estres.ex$Capacidad_campo_humedad_suelo_.)
temperatura<-as.factor(estres.ex$Temperatura_C)
pot.hidrico<-estres.ex$Potencial_hídrico
area.f<-estres.ex$SLA
Potencial<-estres$Potencial_hídrico
potencial.hidrico<-estres$Potencial_hídrico
potencial.BS1 <- estres$Potencial_hídrico[estres$Sitio=="BS1"]
potencial.BS2 <- estres$Potencial_hídrico[estres$Sitio=="BS2"]
potencial.BS3 <- estres$Potencial_hídrico[estres$Sitio=="BS3"]
potencial.BS4 <- estres$Potencial_hídrico[estres$Sitio=="BS4"]

#----------------------MODELO DE POTENCIAL------------------------------------------

modelo.potencial<-kruskal.test(pot.hidrico,humedad,temperatura)
modelo.potencial
## 
##  Kruskal-Wallis rank sum test
## 
## data:  pot.hidrico and humedad
## Kruskal-Wallis chi-squared = 113.09, df = 3, p-value < 2.2e-16
tapply(pot.hidrico,humedad,length)
##  0 25 50 75 
## 80 80 80 80
tapply(pot.hidrico,temperatura,length)
## 20 25 30 35 
## 80 80 80 80
#homocedasticidad
fligner.test(pot.hidrico, humedad, temperatura)
## 
##  Fligner-Killeen test of homogeneity of variances
## 
## data:  pot.hidrico and humedad
## Fligner-Killeen:med chi-squared = 0.00070299, df = 3, p-value = 1
#Post-hoc
pairwise.wilcox.test(pot.hidrico,humedad, p.adj="b",exact=F)
## 
##  Pairwise comparisons using Wilcoxon rank sum test with continuity correction 
## 
## data:  pot.hidrico and humedad 
## 
##    0       25      50     
## 25 0.01516 -       -      
## 50 1.1e-08 0.00011 -      
## 75 < 2e-16 4.4e-13 1.1e-06
## 
## P value adjustment method: bonferroni
pairwise.wilcox.test(pot.hidrico,temperatura, p.adj="b",exact=F)
## 
##  Pairwise comparisons using Wilcoxon rank sum test with continuity correction 
## 
## data:  pot.hidrico and temperatura 
## 
##    20     25     30
## 25 1      -      - 
## 30 <2e-16 <2e-16 - 
## 35 <2e-16 <2e-16 1 
## 
## P value adjustment method: bonferroni
#probabilidad de especies
SG.POT <- estres.ex$Potencial_hídrico[estres.ex$Especie=="SG"]
IL.POT <- estres.ex$Potencial_hídrico[estres.ex$Especie=="IL"]

shapiro.test(SG.POT)
## 
##  Shapiro-Wilk normality test
## 
## data:  SG.POT
## W = 0.98057, p-value = 0.02374
shapiro.test(IL.POT)
## 
##  Shapiro-Wilk normality test
## 
## data:  IL.POT
## W = 0.98499, p-value = 0.08156
#existe alguan diferencia significativa de potencial entre las especies?
#H0: no existe, son iguales
#H1: si existe son distintas
wilcox.test(SG.POT, IL.POT, paired=F, alternative= "two.sided")
## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  SG.POT and IL.POT
## W = 12439, p-value = 0.6631
## alternative hypothesis: true location shift is not equal to 0
#medias temperatura
mean(estres.ex$Potencial_hídrico[estres.ex$Temperatura_C=="20"])
## [1] -2.5535
mean(estres.ex$Potencial_hídrico[estres.ex$Temperatura_C=="25"])
## [1] -2.6045
mean(estres.ex$Potencial_hídrico[estres.ex$Temperatura_C=="30"])
## [1] -4.4945
mean(estres.ex$Potencial_hídrico[estres.ex$Temperatura_C=="35"])
## [1] -4.57
#medias capacidad de campo
mean(estres.ex$Potencial_hídrico[estres.ex$Capacidad_campo_humedad_suelo_.=="0"])
## [1] -4.555625
mean(estres.ex$Potencial_hídrico[estres.ex$Capacidad_campo_humedad_suelo_.=="25"])
## [1] -4.055625
mean(estres.ex$Potencial_hídrico[estres.ex$Capacidad_campo_humedad_suelo_.=="50"])
## [1] -3.305625
mean(estres.ex$Potencial_hídrico[estres.ex$Capacidad_campo_humedad_suelo_.=="75"])
## [1] -2.305625
#----------------------MODELO SITIOS Y NITROGENO----------------------------------------

sitios<-estres$Sitio

#modelo
modelo.potencial.sitios<-kruskal.test(potencial.hidrico,sitios)
modelo.potencial.sitios
## 
##  Kruskal-Wallis rank sum test
## 
## data:  potencial.hidrico and sitios
## Kruskal-Wallis chi-squared = 878.36, df = 3, p-value < 2.2e-16
tapply(potencial.hidrico, sitios, length)
## BS1 BS2 BS3 BS4 
## 480 480 480 480
fligner.test(potencial.hidrico, sitios)#homocedastico
## 
##  Fligner-Killeen test of homogeneity of variances
## 
## data:  potencial.hidrico and sitios
## Fligner-Killeen:med chi-squared = 5.9798e-05, df = 3, p-value = 1
#Post-hoc
pairwise.wilcox.test(potencial.hidrico, sitios, p.adj="b",exact=F)
## 
##  Pairwise comparisons using Wilcoxon rank sum test with continuity correction 
## 
## data:  potencial.hidrico and sitios 
## 
##     BS1     BS2     BS3    
## BS2 1.1e-14 -       -      
## BS3 < 2e-16 < 2e-16 -      
## BS4 < 2e-16 < 2e-16 < 2e-16
## 
## P value adjustment method: bonferroni
#medias capacidad de campo
mean(potencial.BS1)
## [1] -3.241125
mean(potencial.BS2)
## [1] -2.741125
mean(potencial.BS3)
## [1] -1.991125
mean(potencial.BS4)
## [1] -0.991125