RESUMEN

El Rodeo de Mora se caracteriza por poseer condiciones afines a diversas poblaciones de insectos, es por eso que se realizó un muestreo de odonatos en diferentes tipos de hábitats, con cuatro especies del género Argia, familia Coenagrionidae (A. carolus, A. elongata, A. cupraurea y A. aenea) el estudio se realizó con el fin de determinar la abundancia del género en la zona, analizar las condiciones óptimas de su micro-hábitat, reconocer la morfología y fisiología ante los diferentes cambios de temperatura, para esto se realizaron análisis estadísticos, los mismos arrojando como resultados que la abundancia varía según las especies, la actividad de Argia sp se ve afectada por la temperatura del aire y por el largo máximo del primer par de alas, respecto a la abundancia, está correlacionada con el largo del abdomen, además el tamaño y forma de las alas. También se deduce una correlación entre la tolerancia a la humedad y la capacidad de concentración del CO2 y finalmente se concluye que a mayor temperatura, mayor abundancia de odonatos en los sitios muestreados.

PALABRAS CLAVE

Argia carolus, Argia elongata, Argia cupraurea, Argia aenea, Caballitos del diablo

INTRODUCCIÓN

Odonata (del griego odo= diente y nata= dotado de), debido a la presencia de fuertes partes bucales modificadas para destrozar sus presas. (Palacino F et al, 2017) El orden odonata engloba los insectos hemimetábolos conocidos comúnmente como “libélulas” que tienen una gran importancia en las cadenas alimenticias (Ramirez, A., 2010), son de los insectos más antiguos, su existencia se conoce desde el Pérmico en Era Paleozoica (Torralba A, 2015). Los odonatos están presentes en todos los continentes excepto la Antártica, habitan desde el nivel del mar hasta los páramos, sin embargo se encuentran en mayor abundancia en los trópicos y las tierras bajas (Palacino F et al, 2017) se ha sugerido que pueden ser utilizados como indicadores de la calidad del agua (Simaika & Samways 2009) dado que reflejan de manera confiable, las condiciones ambientales de los medios dulceacuícolas como ciénagas, lagos, lagunas, charcos, ríos, arroyos y quebradas ya que necesitan que el agua esté muy oxigenada y libre de contaminantes, las libélulas requieren un entorno húmedo para vivir porque que sus fases larvarias (náyades) son acuáticas y los adultos son voladores en su entorno (Palomo M et al, 2017).

Los insectos de este orden se separan en dos subórdenes, los anisópteros del griego anisos=diferentes y pteros= alas, llamados comúnmente “libélulas”, estas poseen las bases de las alas anteriores más angostas que las posteriores, las larvas son robustas sus agallas no son visibles y el suborden de nuestro estudio, los zigopteros del griego zigo= yugo y pteros= alas significa que a diferencia de los anisópteros, sus alas anteriores y posteriores son casi de la misma forma, sus larvas son delgadas y sus agallas se ven como tres hojitas y son comúnmente denominados “Caballitos del diablo”. Dentro de este suborden se encuentran 11 familias y 344 géneros (Palacino F et al, 2017). Para fines del estudio se trabajaron únicamente con especies de la familia Coenagrionidae la cual es muy diversa y una de las más grandes del país, después de los Libellulidae. La familia tiene 39 géneros en total y 10 de ellos se presentan en Costa Rica con al menos 53 especies (Ramirez, A., 2010).

Esta investigación se focalizó en el género Argia y se llevó a cabo en el Rodeo localidad que pertenece al cantón de Mora, siendo un sitio con extensión pequeña presenta entre un 25% y 30% de la diversidad de libélulas en el país, con presencia de 68 especies, comparado con una extensión más amplia como lo es la Estación Biológica La Selva en Sarapiquí que con 89 especies (Esquivel, C., 2012).

OBJETIVOS:

General: Analizar la diversidad y abundancia de Argia sp en la zona del Rodeo, Ciudad Colón, Costa Rica.

Específicos:

  • Determinar las condiciones óptimas del micro-hábitat de Argia sp y la afectación de su modo de vida.

  • Reconocer la morfología y fisiología de Argia sp ante los diferentes cambios en la temperatura.

MATERIALES Y MÉTODOS

Área de estudio: Comprendió la zona del Rodeo, Ciudad Colón en la provincia de San José, Costa Rica, los sitios de muestreo comprendieron 4 tipos de hábitats: tacotal, laguna, río y bosque primario. Para la toma de datos se recorrieron 30 transectos de 1km en cada hábitat, durante el año 2017 y 2018, esto se realizó tanto en la época seca como en la lluviosa (Figura 1).

Figura 1: Abundancia de las especies de Argia en la zona del Rodeo (Sánchez, J. 2012)

Diseño experimental: Se muestrearon 4 especies de odonatos que pertenecen a la familia Coenagrionidae y al género Argia, estas especies fueron: A. carolus, A. elongata, A. cupraurea y A. aenea, en cada hábitat y para cada época y año se determinó la abundancia del espécimen en el sitio y la temperatura del aire (ºC) en el momento de la observación, además se midió el largo del primer par de alas (mm), el largo del abdomen (mm) y el porcentaje de la actividad que presentó cada especie. Para un estudio experimental a nivel de laboratorio se recolectaron un total de 160 individuos, 40 ejemplares vivos de cada una de las especies, las cuales fueron sometidas a tres distintas temperaturas (25ºC, 20ºC, 15ºC) para comprobar la tolerancia a la humedad y su capacidad para la concentración de CO2.

Análisis de datos: Se observó la posibilidad de encontrar cierta cantidad de especies en los transectos recorridos bajo probabilidad binomial, así como la variación de la temperatura asumiendo que los datos seguían una distribución normal. Por consiguiente, se realizaron varias pruebas de hipótesis, según la simetría de los datos, ya que se deseaba saber si la abundancia de las especies variaba según la época, si la temperatura del aire afecta su porcentaje de actividad y si dicho porcentaje variaba según el largo de las alas. Posteriormente se estableció un modelo de regresión lineal para predecir la abundancia esperada de las especies a cierta temperatura. Además se quiso conocer si la suma de abundancias, y el promedio en el porcentaje de actividad y el largo del primer par de alas entre las especies presentaba diferencia significativa mediante una prueba de Chi-cuadrado de Pearson. Los datos obtenidos en la medición del largo del abdomen y del largo del primer par de alas se sometieron a un análisis estadístico para determinar si existía correlación con respecto al porcentaje de actividad, así como una posible relación entre la tolerancia a la humedad y la capacidad de concentración de CO2 bajo condiciones de laboratorio, según la simetría de los datos se determinó el método a utilizar en la prueba de asociación/correlación entre muestras pareadas. A partir de los datos obtenidos en el muestreo se observó la abundancia de la especie Argia elongata en los 4 hábitats trabajados. Inicialmente se planteó el modelo de ANDEVA para detectar diferencia significativa en la distribución de dicha especie; así como la tolerancia de las especies respecto a la temperatura (°C) obtenidos a nivel de laboratorio.

RESULTADOS

Para el debido análisis estadístico se utilizó como herramienta la versión 4.0.2 de R y 1.3.1056 de RStudio. Además se utilizó el comando “redondear=options(digits=4)”, para el redondeo de los resultados.

Distribución de abundancia de Argia sp a lo largo de la zona del Rodeo:

En el intervalo 24-30 es donde se observa mayor abundancia de tres de la de Argia, a excepción de A. carolus donde la mayor abundancia se encuentra en el intervalo 6-12, tres de las especie presentan la menor abundancia en un intervalo de 36-42, exceptuando a A.aenea que presenta una menor abundancia en el intervalo 30-36 (Figura 2)

Figura 2: Abundancia de las especies de Argia en la zona del Rodeo

Basándonos en la distribución binomial la probabilidad de encontrar exactamente 3 de las especies en la mitad de los transectos fue de 0.001144%, y la probabilidad de encontrar menos de 3 de las especies en en la misma cantidad de transectos fue de 99.63%. Al determinar si se presentaban diferencias en la abundancia de las especies según la época se obtuvo, mediante la prueba rangos con signos de Wilcoxon, significancia (p-value<0.05), por lo cual se obtiene que la abundancia de las especies varía según la época del año (W = 586399). Asimismo la distribución de chi-cuadrado mostró diferencia significativa entre la suma de la abundancia de las especies (X2= 11, df = 3, p-value<0.05). Al efectuar las pruebas para observar si la abundancia de la especie Argia elongata variaba según los 4 tipos de hábitat, se obtuvo que los residuos de los datos seguían una distribución asimétrica según la prueba de Shapiro-Wilk (p-value<0.05), los datos eran balanceados por lo cual se procedió a realizar una prueba de Fligner-Killen la cual señaló la homocedasticidad en los datos (p-value> 0.05), finalmente los datos no presentaron significancia con el modelo de Kruskal-Wallis (KW= 3.2, df= 3, p-value>0.05) (Figura 3).

Figura 3: Abundancia de Argia elongata a lo largo de los ecosistemas del Rodeo, Ciudad Colón,Costa Rica (P>0.05).

Efecto de la temperatura en el modo de vida de las especies: Asumiendo que los datos siguen distribución normal, la probabilidad de que la temperatura en época seca se encuentre entre 24.8 y 25.8°C es de 26.99%, para una temperatura exacta de 26.5°C se obtiene una probabilidad de 9.994% y para una temperatura menor a los 25°C fue de 0.0703%. Se obtuvo significancia (p-value<0.05) mediante una prueba de rangos con signos de Wilcoxon, indicando que el porcentaje de actividad se ve afectado por la temperatura del aire (W = 1231647). En el análisis de los supuestos del modelo de regresión lineal no se presentó autocorrelación de errores (p-value>0.05), y la normalidad de los residuos y la homocedasticidad no se cumplen (p-value<0.05). Sin embargo se continuó con el modelo el cual presentó regresión (F= 136, df= 1918, p-value<0.05), una pendiente de 1.0694 y una intersección de -7.2649, donde se deriva la ecuación para determinar la abundancia a cierta temperatura (N= 1.0694* temperatura (ºC) -7.2649). Para una temperatura de 30ºC se predice una abundancia de 25 individuos y para una temperatura de 17.5 ºC la predicción es de 11 individuos, aproximadamente. Lo cual indica que a mayor temperatura la abundancia de las especies será mayor (Figura 4).

Figura 4: Comportamiento en la abundancia de Argia sp según la temperatura del aire (ºC)(P<0.05).

Afectación del porcentaje de actividad de Argia sp según su morfología y fisiología: Mediante la prueba de rangos de Wilcoxon, se observa que la actividad de las especie se ve afectada por el largo del primer par de alas (W = 2573364) de manera significativa (p-value<0.05). Asimismo se obtuvo que el promedio del porcentaje de actividad de las especies presentaron diferencia significativas (X2= 46, df = 3, p-value<0.05), sin embargo, en el promedio del largo de las alas de las especies no se presentó (X2= 0.064, df = 3, p-value>0.05).

El porcentaje de actividad de las especies mostró una correlación significativa (p-value<0.05) tanto con el largo del abdomen de las especies (rho=0.1754) (S =9.7e+08) (Figura 5) como con el largo máximo del primer par de alas (S =1e+09,rho=0.1469) (Figura 6), estas correlaciones fueron positivas y débiles.

Figura 5: Parámetros de afectación en la actividad de Argia sp según el largo del abdomen (mm)(P<0.05).

Figura 6: Parámetros de afectación en la actividad de Argia sp según el largo de alas (mm)(P<0.05).

Tolerancia a la humedad de Argia sp en condiciones de laboratorio: A partir de los datos del experimento en el laboratorio se obtuvo una correlación significativa (p-value>0.05) entre la tolerancia a la humedad y la capacidad para la concentración de CO2 de las especies (S= 1.1e+07,rho=0.4009) la cual fue positiva y débil (Figura 7).

Al determinar si la temperatura afectaba la tolerancia a la humedad de las especies se obtuvo que los residuos de los datos eran asimétricos (p-value<0.05), a partir del balanceo presentado se determinó el uso de la prueba Fligner-Killen la cual responde a homocedasticidad en las variables (p-value> 0.05) para finalmente obtener que la temperatura no es un factor que afecte dicha variable (KW=1.2, df= 2, p-value>0.05) (Figura 8).

Figura 7: Relación de la tolerancia a la humedad según concentración de CO2 (P<0.05).

Figura 8: Análisis de varianza de la tolerancia a humedad en condiciones de laboratorio (P>0.05).

DISCUSIÓN

La abundancia de las de los caballitos del diablo varía respecto a la temperatura del aire según lo mostrado con el modelo de regresión lineal, ya que a una temperatura de 30ºC se predice una abundancia de 25 individuos y para una temperatura de 17.5 ºC la predicción es de 11 individuos, esto puede deberse principalmente a que Argia es un género heliófilo, están asociadas a zonas muy expuestas o soleadas ya que prefieren condiciones con altas temperaturas en extensiones descubiertas (Urrutia, M., 2005).

La actividad de los odonatos se ve condicionada a poder volar, requieren de temperaturas adecuadas y ausencia de lluvia, ya que los músculos de las alas necesitan temperaturas específicas para poder realizar dicha acción. Estos insectos presentan ciertas estrategias cuando las condiciones como la temperatura no son óptimas, hacen temblar los músculos alares para aumentar su temperatura y lograr estabilizar su vuelo, otra adaptación son sus colores oscuros o transparentes permitiéndoles obtener más calor del sol. (Coello, M. G) , es por esto que se estudió el efecto de la temperatura en el porcentaje de actividad de las especies; los resultados obtenidos indican que la existencia de diferencias significativas (p-value<0.05), lo cual se refleja en la afectación de la actividad respecto a la temperatura del aire. Por otra parte, los resultados también revelan diferencias significativas a partir de la variación de la abundancia de las especies según la época y la afectación de la actividad en relación al primer par de alas; implica que los odonatos son organismos que necesitan calor constante (Coello, M. G) las temperaturas pueden influenciar en cambios complejos en la forma del cuerpo de algunas especies, del mismo modo la vida de las larvas en los caballitos del diablo depende en gran medida de la temperatura (Stewart, S. S. & Vodopich, D. S., 2018).

En relación con la actividad de los zygopteros, es importante mencionar el papel que juega su anatomía, la posición de sus patas a lo largo del cuerpo le facilita la captura de presas durante el vuelo (Coello, M. G). Las ninfas ondulan el abdomen, usando las branquias caudales como remos para desplazarse rápidamente en caso de amenaza. (Ramirez, A. 2010). Asimismo durante la cópula las hembras doblan el abdomen para hacer contacto con los genitales del macho. (Ramirez, A. 2010). Esto hace evidente la correlación significativa (p-value<0.05) positiva y débil entre esas variables de abdomen y el porcentaje de actividad. Del mismo modo, el análisis estadístico indicó una correlación significativa positiva (p-value<0.05) y débil entre el largo máximo del primer par de alas de las especies con su porcentaje de actividad, esto se justifica porque en particular, la clave de éxito de los odonatos se debe a la estructura de sus alas, estas presentan una serie de membranas que se integran a una compleja red de venas que las refuerzan y su superficie rugosa les brinda una resistencia aerodinámica e influye en los costos energéticos y la maniobrabilidad y velocidad del vuelo (Gyulavári et al., 2017; Lee y Lin, 2012; Outomuro, Rodríguez-Martínez, Karlsson y Johansson, 2014) permitiéndole una mejor adaptación en sus técnicas de caza. (Coello, M. G). El comportamiento de estas especies, como evitar a los depredadores, buscar alimento, defender territorios, aparearse y localizar sitios de oviposición dependen de un vuelo eficiente (Breuker et al., 2010; Westfall & May, 1996). Por lo tanto, es probable que la morfología de vuelo en insectos alados esté bajo una fuerte selección para optimizar estas actividades que involucran específicamente permanecer en el aire, capacidad de maniobra y empuje (Betts y Wootten, 1988; Dellicour et al., 2017). Todas estas acciones dependen de las formas de los cuerpos y alas de los individuos (Sadeghi & Dumont, 2014).

La abundancia de los odonatos está ligado en gran medida a ambientes húmedos y cursos de agua, se demostró que a mayor temperatura el porcentaje de humedad es mayor (Palomo, M. et al 2017), sin embargo por la naturaleza de los datos a nivel de laboratorio no se presentó diferencia estadísticamente significativa, podría asumirse que la diferencia en los rangos de temperatura no fueron óptimos para determinar la variación de la tolerancia a la humedad. Asimismo el carbono aproximado para toda la zona del Rodeo, la cual presenta alta humedad, es de 541 400,23 Mg, siendo los suelos del bosque primario el que presenta mayor concentración de CO2, 50,79 % del carbono total, (Retana-Chinchilla, L., et al, 2019), por esta razón existe una correlación positiva entre la tolerancia a la humedad y la capacidad de concentración de CO2 en las especies recolectadas en el Rodeo

CONCLUSIONES

La abundancia de las especies de Argia está directamente relacionada al clima de la región, ya que son especies heliófitas, por lo cual con la luz del sol su metabolismo, crecimiento o actividad son mayores. La zona del Rodeo es una región con gran diversidad de Odonatos debido a sus condiciones óptimas como un clima húmedo y una estación seca muy prolongada. La actividad y éxito de las Argia sp se encuentra ligada a su morfología y fisiología ya que estas especies dependen de la estructura de sus alas y el largo de su abdomen y estas se encuentran implicadas en sus importantes labores de sobrevivencia. Dichas actividades también se ven afectadas por las condiciones de su micro-hábitat, por esta razón los caballitos del diablo realizan ciertas tácticas de conservación de calor cuando las condiciones no son óptimas, dado a esto es posible encontrarlas durante todo el año.

REFERENCIAS

Betts, C. R., & Wootton, R. J. (1988). Wing shape and flight behaviour in butterflies (Lepidoptera: Papilionoidea and Hesperioidea): a preliminary analysis. Journal of experimental biology, 138(1), 271-288.

Breuker, C. J., Gibbs, M., Van Dongen, S., Merckx, T., & Van Dyck, H. (2010). The use of geometric morphometrics in studying butterfly wings in an evolutionary ecological context. In Morphometrics for nonmorphometricians (pp. 271-287). Springer, Berlin, Heidelberg.

Coello, M.G. (sf.). Las libelulas Cazadores del aire. Caumas. Recuperado de: https://caumas.org/wp-content/uploads/2018/02/LIBELULAS.pdf

Dellicour, S., Gerard, M., Prunier, J. G., Dewulf, A., Kuhlmann, M., & Michez, D. (2017). Distribution and predictors of wing shape and size variability in three sister species of solitary bees. PloS one, 12(3), e0173109.

Esquivel, C. (2012). Las libélulas de la zona de El Rodeo, cantón de Mora,San José, Costa Rica. BRENESIA 77(1). 329-342. Recuperado de https://silo.tips/download/las-libelulas-de-la-zona-de-el-rodeo-canton-de-mora

Gyulavári, H. A., Tüzün, N., Arambourou, H., Therry, L., Dévai, G., & Stoks, R. (2017). Within-season variation in sexual selection on flight performance and flight-related traits in a damselfly. Evolutionary Ecology, 31(1), 21-36.

Lee, Y. H., Lin, C. P., & Heckel, D. (2012). Morphometric and genetic differentiation of two sibling gossamer–wing damselflies, Euphaea formosa and E. yayeyamana, and adaptive trait divergence in subtropical East Asian islands. Journal of Insect Science, 12(1).

Outomuro, D., Rodríguez-Martínez, S., Karlsson, A., & Johansson, F. (2014). Male wing shape differs between condition-dependent alternative reproductive tactics in territorial damselflies. Animal Behaviour, 91, 1-7.

Fredy, P. R., Cornelio, B., Catalina, A., & Natalia, C. (2017). Libélulas y caballitos del diablo del departamento del Meta, Colombia. Universidad del Bosque

Palomo, M., Quirce Vázquez, C., & Galante, E. (2017). La Estación Biológica de Torretes (Ibi, Alicante): un espacio para la conservación de Odonatos.

Ramirez, A. (2010). Capítulo 5: Odonata. Rev. biol. trop vol.58 suppl.4 San José Dec. Recuperado de: https://www.scielo.sa.cr/scielo.php?script=sci_arttext&pid=S0034-77442010000800005

Retana-Chinchilla, L., Méndez-Cartín, A. L., Sánchez-Toruño, H., Montero-Flores, W., Barquero-Elizondo, A. I., & Hernández-Sánchez, L. G. (2019). Estimación de la biomasa y carbono almacenado en un bosque primario intervenido de la zona protectora" El Rodeo", Costa Rica. Revista Cubana de Ciencias Forestales, 7(3), 341-353.

Sadeghi, S., & Dumont, H. J. (2014). Variation in the shape of the wings and taxonomy of Eurasian populations of the Calopteryx splendens complex (Odonata: Calopterygidae). European Journal of Entomology, 111(4).

Sánchez González, J. (2012). Caracterización de los ecosistemas vegetales y uso del suelo en “El Rodeo”, Costa Rica. BRENESIA [en línea], 77, 23-40.

Simaika, J. P., & Samways, M. J. (2009). An easy-to-use index of ecological integrity for prioritizing freshwater sites and for assessing habitat quality. Biodiversity and Conservation, 18(5), 1171-1185.

Stewart, S. S., & Vodopich, D. S. (2018). Environmental effects on wing shape and wing size of Argia sedula (Odonata: Coenagrionidae). International Journal of Odonatology, 21(3-4), 189-203.

R Core Team (2020). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL https://www.R-project.org/.

Torralba-Burrial, A. (2015). Clase Insecta. Orden Odonata Revista 41: 22. Recuperado de http://www.sea-entomologia.org/IDE@/revista_41.pdf

Westfall, M. J., & May, M. L. (1996). Damselflies of North America (Vol. 649). Gainesville: Scientific Publishers.

ANEXOS

#Tablas de Frecuencia----
Ar_carolus<-BD_Odonata$N[BD_Odonata$especie=="Ar_carolus"]
summary(Ar_carolus)
tab.Carolus<-fdt(Ar_carolus, start = 0, end = 42, h=6)

Arg_cupra<-BD_Odonata$N[BD_Odonata$especie=="arg_cupra"]
summary(Arg_cupra)
tab.Cupra<-fdt(Arg_cupra, start = 0, end = 42, h=6)

Ar_elong<-BD_Odonata$N[BD_Odonata$especie=="Ar_elong"]
summary(Ar_elong)
tab.Elong<-fdt(Ar_elong, start = 0, end = 42, h=6)

Ar_aen<-BD_Odonata$N[BD_Odonata$especie=="Arg_aen"]
summary(Ar_aen)
tab.Aen<-fdt(Ar_aen, start = 0, end = 42, h=6)


par(mfrow=c(1,2))
plot(tab.Carolus, type = "rfh", main="Argia carolus",col="aquamarine3")
plot(tab.Cupra, type = "rfh", main="Argia cupraurea",col="cadetblue2")
plot(tab.Elong, type = "rfh", main="Argia elonganta",col="cadetblue2")
plot(tab.Aen, type = "rfh", main="Argia aenea",col="aquamarine3")

#----

#Distribución de abundancia de Argia sp
  #Probabilidad----
#1.¿Cual es la probabilidad en 15 transectos salgan exactamente 3 especies
dbinom(2,15,0.5)

#2. ¿Cual es la probabilidad de encontrar menos de 3 especies en 10 transectos
1-pbinom(2,15,0.5)

  #Prueba de hipotesis----
#Se quiere saber si la abundancia de las especies varia segun la epoca del año
seca<-BD_Odonata$N[BD_Odonata$epoca== "seca"]
lluviosa<-BD_Odonata$N[BD_Odonata$epoca== "lluviosa"]
shapiro.test(seca)
wilcox.test(seca, lluviosa)

  #Chi-cuadrado----
#Se quiere saber si existe diferencia significativa entre la abundancia de las especies 
sum(muestreo$N[muestreo$especie=="arg_cupra"])
sum(muestreo$N[muestreo$especie=="Arg_aen"]) 
sum(muestreo$N[muestreo$especie=="Ar_elong"])
sum(muestreo$N[muestreo$especie=="Ar_carolus"])

abund<-c(8731,8654,8598,8321)
chisq.test(abund)
qchisq(0.95,3)

  #ANDEVA----
sitios<-as.factor(BD_Odonata$sitio[BD_Odonata$especie=="Ar_elong"])
elongata<-(BD_Odonata$N[BD_Odonata$especie=="Ar_elong"])
andeva1<-aov(elongata~sitios)

shapiro.test(andeva1$residuals)
tapply(BD_Odonata$N,BD_Odonata$sitio,length)
fligner.test(elongata~sitios)

advAbundancia<-kruskal.test(elongata~sitios)
advAbundancia

boxplot(elongata~sitios, xlab="Sitios",ylab="Abundancia",col= c("palegreen4","darkslategray4","paleturquoise3","gray94"))

#----

#Efecto de la temperatura en el modo de vida de las especies
  #Distribucion Normal----
#En epoca seca se estima que la temperatura maxima sigue una distribucion normal. con media de 25.99 y desviacion estandar de 0.31
#a. ¿Cual es la probabilidad que la temperatura se encuentre entre 24. 8 y 25.8
pnorm(25.8,25.99,0.31)-pnorm(24.8,25.99,0.31)

#b. ¿Cual es la probabilidad de que la temperatura llegue exactamente a 26.5C
(1-pnorm(26.5,25.99,0.31))*2

#c. ¿Cual es la probabilidad de que la temperatura sea de menor a los 25C
pnorm(25,25.99,0.31)

  #Prueba de hipotesis----
#2.Se quiere saber si la temperatura del aire afecta la actividad de las especies
shapiro.test(BD_Odonata$temp_aire)
shapiro.test(BD_Odonata$porc_act)
wilcox.test(BD_Odonata$temp_aire,BD_Odonata$porc_act)

  #Regresion lineal----
#Entre temperatura y abundancia
abundancia<-BD_Odonata$N
temperatura<-BD_Odonata$temp_aire
reg1<-lm(abundancia~temperatura)

#Supuestos: 
dwtest(reg1)
shapiro.test(reg1$residuals)
ncvTest(reg1)

summary(reg1)
#formula= N= 1.07* temp -7.26

#¿Cual sera la abundancia a una temperatura de 30?
1.0694*30-7.2649

#Cual será la abundancia a una temperatura de 17.5?
1.0694*17.5-7.2649

ggplot(reg1,aes(x=temperatura, y=abundancia))+
  geom_point(shape=1, col="slategray3")+
  geom_smooth(method = lm)+
  labs(x="Temperatura (ºC)", y="Abundancia")
#----

#Afectación del porcentaje de actividad según su morfología y fisiología
  #Prueba de hipotesis----
#¿Su porcentaje de actividad se ve afectado por el largo de sus alas?
shapiro.test(BD_Odonata$porc_act)
wilcox.test(BD_Odonata$porc_act, BD_Odonata$lm)

  #Chi-cuadrado----
#1.Se desea saber si el promedio en el porcentaje de actividad de las 4 especies presenta una diferencia significativa
mean(BD_Odonata$porc_act[BD_Odonata$especie=="arg_cupra"])
mean(BD_Odonata$porc_act[BD_Odonata$especie=="Arg_aen"]) 
mean(BD_Odonata$porc_act[BD_Odonata$especie=="Ar_elong"])
mean(BD_Odonata$porc_act[BD_Odonata$especie=="Ar_carolus"])

actividad<-c(73.39,16.33,27.60,50.74)
chisq.test(actividad)
qchisq(0.95,3)

#2.Se quiere saber si el largo de alas de las 4 especies varia
mean(muestreo$lm[muestreo$especie=="arg_cupra"])
mean(muestreo$lm[muestreo$especie=="Arg_aen"]) 
mean(muestreo$lm[muestreo$especie=="Ar_elong"])
mean(muestreo$lm[muestreo$especie=="Ar_carolus"])

largo_alas<-c(21.31,20.71,22.00,22.20)
chisq.test(largo_alas)
qchisq(0.95,3)

  #Correlacion----
#1.A mayor largo de abdomen mayor actividad
Largo_Abdomen<-BD_Odonata$la
Actividad<-BD_Odonata$porc_act

cor.test(Largo_Abdomen, Actividad, method = "s")
abdomen<-data.frame(Largo_Abdomen, Actividad)
chart.Correlation(abdomen, method="s")

#2.A mayor largo de las alas mayor actividad
Largo_Alas<-BD_Odonata$lm

cor.test(Largo_Alas, Actividad, method = "s")
alas<-data.frame(Largo_Alas, Actividad)
chart.Correlation(alas, method="s")
#----

#Capacidad de concentración de CO2 en condiciones de laboratorio
  #Correlacion----
Tolerancia_Humedad<-Experimento$sobrevi_humedad
Concentracion_CO2<-Experimento$sobreviv_co2
shapiro.test(Tolerancia_Humedad)

cor.test(Tolerancia_Humedad,Concentracion_CO2, method = "s")
exper<-data.frame(Tolerancia_Humedad,Concentracion_CO2)
chart.Correlation(exper, method = "s")


  #ANDEVA----
factor2 <- as.factor(Experimento$temperatura)
is.factor(factor2)

PruebaHumedad<- aov(Tolerancia_Humedad~factor2,data = Experimento)

shapiro.test(PruebaHumedad$residuals)
tapply(Tolerancia_Humedad, factor2, length)
fligner.test(Tolerancia_Humedad~factor2)

ANOVA <- kruskal.test(Tolerancia_Humedad~factor2)
ANOVA

boxplot(Tolerancia_Humedad~factor2,data=Experimento, xlab="Temperaturas",ylab="Concentración de CO2", main= "Capacidad de concentración de CO2 por temperatura", border= c("lavender","lightgoldenrod1","sandybrown"))

#----