Relación entre las coberturas vegetales y la estacionalidad con la abundancia de cuatro especies aviares en el valle de Orosí, Cartago, Costa Rica

1: Escuela de Ciencias Biológicas, Universidad Nacional, Heredia, Costa Rica; paulachaconalv@gmail.com, noelia.cortes.granda@gmail.com, danicruz20@hotmail.com

Palabras clave: Pteroglossus torquatus, Campylorhamphus pusillus, Contopus cinereus, Hylophilus decurtatus, eclosión de huevos, radiación solar.

Resumen:

La abundancia de las especies aviares es influenciada por efecto ambiental y por las acciones del ser humano, de manera detallada se enlistan actividades de caza, destrucción de hábitats y contaminación. Al ser las condiciones biológicas del hábitat, una posible causa de dicha disminución, se pretende analizar la relación entre la temperatura, elevación del sitio, cobertura vegetal y radiación solar, en la abundancia de aves. Se analizan durante dos años distintos (2009, 2019) cuatro especies en sitios con coberturas vegetales diferentes en los alrededores del Valle de Orosi en Cartago, que corresponden al tucancillo collarejo (Pteroglossus torquatus), el picoguadaña andino (Campylorhamphus pusillus), el pibí tropical (Contopus cinereus) y el verdillo menor (Hylophilus decurtatus). A través de las pruebas estadísticas se obtuvo que la cobertura vegetal sí influye en la abundancia de las especies aviares, así como la estacionalidad lluviosa relacionada a la época reproductiva favorable. Al estudiar la correlación de variables y el análisis de varianza entre la temperatura, radiación solar y los nidos, se obtuvo que estas variables aumentaban el número de nidos encontrados. La abundancia de dichas aves depende de las variables biológicas propias de las coberturas vegetales y no de la influencia de la actividad del ser humano.

Introducción:

La diversidad ecológica existente en Costa Rica no es más que el producto de varios factores que convergen para declararla, según Obando (2002) como “uno de los 20 países del mundo con más alta diversidad, expresada en número total de especies” (p.13). Dicha pluralidad es el resultado de la influencia geográfica de dos masas continentales, y por ende, de un puente biológico. Rodríguez, J (2011) expone que otro factor predominante es el hecho de “poseer una gran cantidad de microclimas producto de la variada geografía nacional, generando un importante número de hábitats y variados tipos de bosques” (p. 40).

La riqueza ecológica nacional también comprende por su parte la avifauna, cuya cantidad de especies ha sido reportada aproximadamente como 862, mas estas especies no son endémicas en su totalidad, Stiles y Skutch (2007, como se citó en Obando 2007) afirman que poco más de 200 especies de aves visitan nuestro territorio cada año en sus proceso migratorios. La migración, tanto latitudinal como altitudinal (Elizondo y Ramírez, 2010), es fundamentada por los microhábitats tropicales y la provisión extensa de alimento y de materiales para la construcción de nidos, que se adapta a las necesidades específicas de las especies.

El desarrollo de la vegetación en Costa Rica posee alto rango de variabilidad por diferentes topografías, climas, amplitudes latitudinales y tiempos geológicos. Los bosques abarcan un gran rango de la diversidad de flora, y en el territorio nacional se pueden clasificar de acuerdo a los lineamientos del Instituto Meteorológico Nacional (1996, citado por Campos 2010) de manera general en bosque secundario maduro, pastizal, remanente de zona rural y otros. El primero de ellos, es una formación natural con vegetación en estado de sucesión por efectos naturales o antropogénicos (García, A. 2007). Por su parte, el tacotal es determinado como “Terrenos con vegetación típica de crecimiento secundario joven en diferentes estados de sucesión” (Sánchez, J. 2012). El pastizal es descrito como “formaciones vegetales compuestas por gramíneas y en ocasiones acompañadas con árboles y arbustos esparcidos” (Torres, D. 2012). Por último, también se observan los remanentes de la zona rural.

Al visualizar la totalidad del territorio de forma más general las distintas separaciones geográficas provinciales, comprenden por sí mismas, diferentes microecosistemas con fauna y vegetación específica. La provincia de Cartago, presentan una particularidad en cuanto a su clima, tiene influencia tanto de la vertiente del Atlántico como de la del Pacífico (Granados 2008), por lo que es considerada una zona lluviosa de clima húmedo, rodeado de colinas y exuberante vegetación lo que conlleva a un aumento de la abundancia de aves (Ulate, 2011). Los valles cercanos, en específico, el Valle de Orosi, se distingue por estar comprendida entre la cuenca de Río Grande de Orosi, Reserva Forestal de Río Macho y altas montañas, por lo que la zona mantiene sus características climáticas sin alteraciones provocadas por el desarrollo humano (Protegidas, Á. P., & Ambiental, 2002).

La región de Orosi por sus condiciones atmosféricas representa el hábitat de especies específicas que habitan a lo largo de la vegetación existente en sus alrededores. Diversidad de avifauna habita en bosques secundarios como Pteroglossus torquatus; en bosque de altas tasas de humedad como es el caso de Campylorhamphus pusillus; otros residen en pastizales, ejemplificado con Contopus cinereus, y en remanentes de zona rural se han observado aves como Hylophilus decurtatus (CRBio, 2020). La relación entre la presencia y residencia de las aves mencionadas y la cobertura vegetal, explica la relación implícita de la variedad de elevación de las zonas, donde estarán expuestas las especies a diferentes temperaturas y grados de radiación solar. La abundancia de estas especies aviares, y en general, se ven afectadas por dos amenazas puntales, Rodríguez, J (2011) las clasifica en generales y específicas “Con respecto a las primeras, estas afectan a la mayoría de las especies, por ejemplo, la destrucción de su hábitat y contaminación ambiental. Las segundas, afectan únicamente a algunas especies, como ocurre con la caza y tenencia para mascotas” (p. 56). La existencia de las aves es afectada por ambas amenazas, por lo que al analizar la influencia de la temperatura, elevación y radiación solar, en la abundancia de los cuatro tipos de especies con respecto a sus sitios de hábitat en los alrededores del Valle de Orosi, se determinará si la razón de dicha disminución es en mayor medida provoca por el hábitat de las especies y las condiciones biológicas de cada sitio en particular.

Objetivos:

General:Analizar la relación existente entre la presunta abundancia de las especies de aves y diferentes factores que pueden influir en su presencia en las zonas muestreadas

Específicos:

Evaluar la abundancia de las especies en relación a las diferentes temperaturas del Valle de Orosi en Cartago, Costa Rica.

Determinar la influencia de la radiación solar y la temperatura en la cantidad de nidos de las especies aviares.

Materiales y métodos

Sitio de estudio: El proyecto se evalúa en dos años (2009 y 2019), la región determinada para el registro de abundancia de avistamiento, comprende pendientes de montañas, conocidas como laderas occidentales. Están distribuidas a lo largo del Valle de Orosi, en la provincia de Cartago. Se establecen las coordenadas geográficas en 9°48′N 83°51′O / 9.8, -83.85. La zona posee un clima húmedo debido a las precipitaciones abundantes y predomina la ecología de bosques, por lo que su importancia radica en el hábitat de la diversidad de fauna de la zona y diversos tipos de cobertura vegetal. El rango de altitud media está descrito entre los 300-1800 msnm, esto le concede diferentes tipos de vegetación en sitios de bosques. Los sitios específicos del muestreo están conformados por la edad, un Bosque secundario maduro (> 50años; BS1), Tacotal (~ 10años; BS2), Pastizal (~ 20años; BS3) y Remanentes de bosque en zona rural (BS4). En estos sitios es posible encontrar gran variedad de especies de aves pero en este caso se toman en cuenta las especies Pteroglossus torquatus (PT), Campylorhamphus pusillus (CP), Contopus cinereus (CC), Hylophilus decurtatus (HD).

Diseño experimental: El área de estudio está dividida en cuatro espacios distintos, cada uno con su propia cobertura vegetal, con una elevación que va entre los 300 - 1800 msnm. En cada sitio se realizaron 30 puntos de muestreos para un total de 120 puntos de recolección de datos.En cada uno de los sitios se registran la abundancia de avistamiento de las cuatro especies de aves, el número de nidos, elevación del área de avistamiento, radiación solar (grado de nubosidad, μmol fotones m-2 s-1) y temperatura (°C). A pesar de que el estudio no está enfocado en análisis de nidos, adicionalmente se realizó un experimento de viabilidad de oclusión de huevos, un total de 30 huevos por repetición con un tiempo máximo de 45 días para oclusión con diferentes niveles de temperatura y humedad para las especies PT y CP.

Análisis de datos: Para poder interpretar fácilmente y resumir los datos de las variables abundancia y nidos, se realizó una tabla de distribución de frecuencia. Se calcularon algunas probabilidades discretas y continuas, se analizaron valores característicos de la distribución (media y desviación estándar) como información complementaria. Esta información depende solo de los parámetros de la distribución, no se ve influida por la opción elegida a la hora de realizar el cálculo (probabilidades o puntos) ni por el punto o probabilidad sobre el que se realiza dicho cálculo. También se plantearon hipótesis para explicar posibles relaciones entre la elevación(metros) y la abundancia(individuos) de la especie Hylophilus decurtatus, siguiendo la fórmula de la prueba de los rangos con signo de Wilcoxon-prueba para datos no paramétricos- anterior a esta prueba se realizó el test de Shapiro wilk, arrojando como resultado la asimetría de los datos utilizados (elevación y abundancia). Se realizó un análisis hipotético a partir de los datos de abundancia de cada especie contrastados con los años de muestreos (2009 y 2010) con el fin de demostrar si hay diferencia importante entre los tiempos de muestreo. También se realizó otra prueba de los rangos con signo de Wilcoxon más, para determinar si las estaciones (secas y lluviosas) se veían influenciadas en la abundancia de las especies. Siguiendo esta línea, se realizaron dos análisis estadísticos aplicando las distribución de Pearson (conocido con chi cuadrado), con el fin de de hipotetizar acerca de la asociación de diferentes datos con la cantidad de individuos. El primer análisis pretendía conocer la asociación entre las estación lluviosa de 2009 y 2019 respecto a la abundancia de la especie Pteroglossus torquatus en el Bosque secundario maduro. Respecto al segundo análisis, el objetivo fue conocer si la abundancia de las especies muestreadas en remanentes de bosque en zona rural a lo largo de los 2009 y 2019 se encuentra influenciada por las estaciones del año. Las variables (Nidos-Radiación solar) encontrados en la época lluviosa en el Bosque secundario maduro, para las especies Contopus cinereus (CC), Hylophilus decurtatus (HD) del año 2019, se sometieron a un análisis de correlación por el método de Correlación de Spearman. Para las variables (Abundancia-Temperatura) de época seca en el Bosque secundario maduro, para las especies Pteroglossus torquatus (PT), Campylorhamphus pusillus (CP) del 2019, se comprobaron los supuestos estadísticos (autocorrelación de errores, normalidad de los residuos por pruebas de Shapiro-Wilk, homocedasticidad). Se desarrolló una prueba de análisis de varianzas de los datos del muestreo, con respecto a la abundancia de las especies Pteroglossus torquatus y Campylorhamphus pusillus, en los cuatro sitios de la investigación. Para dicha finalidad se ejecutan diferentes supuestos estadísticos (prueba Shapiro-Wilk para determinar la normalidad de los residuos, Figner-Killen para la homocedasticidad). Así mismo, se analizó la varianza de los datos experimentales, con las variables de temperatura (°C) y eclosión de huevos, cuya prueba comprobó los mismos supuestos estadísticos. Ambas pruebas fueron realizadas a un nivel de confianza del 95% y mediante las pruebas no paramétricas Kruskal-Wallis. Todos los análisis estadísticos, así como las tabla de frecuencias fueron realizados y calculados desde el lenguaje de programación “R”, desde el programa R-Studio 4.0.2

Resultados

Abundancia de las especies aviares en lo sitios de muestreo: Se logró obtener un total de 13 911 observaciones de avistamiento de aves, siendo el sitio de bosque secundario maduro el que presenta mayor abundancia con 3 791, el total del conteo de nidos fue de 19 196 para todos los sitios de estudio. La síntesis de los datos se representó y analizó por medio de histogramas de distribución de frecuencia (Fig. 1 y 2). Con base a las observaciones de las especies realizadas en el área de avistamiento, se logró determinar que existe una probabilidad de 42.2% de encontrar exactamente un individuo de alguna de las cuatro especies. Sin embargo, la probabilidad disminuye a un 5.08% si se quiere encontrar más de dos especies de aves en una salida de campo. Por el contrario, cuando se espera encontrar al menos 2 especies aviares la probabilidad es mayor con un porcentaje de 68.8%. Se expresa una base de comparaciones esperadas según las probabilidades discretas y normales. Se realizó adicionalmente el test de Kruskal-Wallis, el cual arrojó diferencias significativas entre los sitios de estudio ( KW= 12.893; gl= 3; P<0.05). Posteriormente se realizó la prueba a posteriori de LSD de Fisher (Least significant difference), que dio como resultado una diferencia significativa de los sitios (P<0.05), Bosque secundario maduro y Pastizal, en donde se observa que la abundancia de las especies fue mayor en el sitio de Bosque secundario maduro. (Fig. 5)

Determinación asociativa de la abundancia de aves con respecto a la temperatura de muestreo: Aplicando los supuestos de regresión se encontró que existe relación entre la abundancia y la temperatura (P<0.05) por lo que es posible realizar una ecuación (Abundancia = Temperatura_C*0.6165 + (-0.1672)) que estime la relación de la abundancia con respecto a la temperatura, sin embargo, la correlación indica una débil relación positiva (R =0.35). (Fig. 4)

Cantidad de nidos de las especies aviares en relación con las diferentes coberturas vegetales: A partir de los datos experimentales y del muestreo, se cuantifican los nidos en los alrededores del Valle de Orosi, específicamente en el bosque secundario maduro, tacotal, pastizal y remanentes del bosque rural. Se obtuvo una probabilidad de 18.02% aproximadamente de encontrar entre 6 y 9 nidos de cualquiera de las 4 especies en estudio. De manera más específica, al realizar estudios en probabilidad sobre las especies individuales, se encontró que en el caso de Campylorhamphus pusillus, encontrar 7 nidos es probable en un 30.6%. Del ave Hylophilus decurtatus, la probabilidad fue de 20.7% al encontrar 5 o menos nidos. Finalmente la probabilidad de encontrar más de 10 nidos de Pteroglossus torquatus es del 50.6%.

Influencia de la radiación solar y la temperatura en la cantidad de nidos de las aves: Se obtuvo por medio de la correlación de variables, correlación positiva estadísticamente significativa (rho>0.1; P<0.05) lo que significa que el aumento de la radiación solar explica el aumento de la cantidad de nidos que se pueden encontrar. (Fig. 3). Adicionalmente, en el análisis de varianza para los datos experimentales se obtuvo diferencias significativas entre las temperaturas por medio de la prueba Kruskal-wallis (KW= 135.44; gl=3; P<0.05) por lo que fue necesario hacer la prueba a posteriori de LSD de Fisher (Least significant difference) para obtener más información de dichas diferencias, se logró observar que existe diferencias entre temperaturas de 31 °C y 25 °C, por lo tanto se deduce que la eclosión de huevos se beneficia cuando se encuentran a una temperatura de 31 °C. (Fig. 6)

Influencia de las estaciones seca y lluviosa y los años de muestreo (2009 y 2019), en la abundancia de las especies de aves: Se creó una hipótesis para comprobar la relación diferente en la abundancia de las aves, según sea la estación lluviosa o seca. Según las pruebas estadísticas (de los rangos con signo de Wilcoxon) se reflejó que hay una diferencia significativa de especies en las estaciones seca y lluviosa, siendo mayor la cantidad de aves, en las estación lluviosa (p-value = 0.006353). A su vez, la segunda prueba de los rangos con signo de Wilcoxon arrojó como resultado que hay mayor abundancia en el año 2019, superando a la cantidad de individuos encontrados en el 2009(p-value = 0.9377).

Asociación entre la abundancia de las especies, y las diferentes coberturas vegetales en ambos años de muestreo: Se realizó dos pruebas de distribución de Pearson, mejor conocido como chi cuadrado. El primer análisis consistió en observar la existencia de relación entre las estaciones lluviosas de 2009 y 2019 respecto a la abundancia de P. torquatus en el Bosque secundario maduro, reflejando la existencia de dicha asociación de los datos con la abundancia de los individuos de P. torquatus (chi tabular =3.841459< 48.32191 =chi calculado), para poder resolver el análisis planteado, fue necesario aplicar la corrección de Yates. Por su parte, el segundo análisis pretendía contrastar los datos de la abundancia de las especies muestreadas en Remanentes de bosque en zona rural a lo largo de los años 2009 y 2019 influenciada por las estaciones del año, dando como resultado que la si hay una influencia significativa en la abundancia de los individuos de las cuatro especies de aves en estudio.

Pruebas de hipótesis: En cuanto a las pruebas de hipótesis realizadas, se deduce según las pruebas estadísticas (de los rangos con signo de Wilcoxon) que se encontrarán especies en una elevación mayor a 1100 metros (resultados de p-value = 0.9377).

Figura 3. Correlación de las variables (Nidos-Radiación solar) encontrados en la época lluviosa en el Bosque secundario maduro, para las especies Contopus cinereus (CC), Hylophilus decurtatus (HD) del año 2019.

Figura 4. Relación entre las variables (Abundancia-Temperatura) de época seca en el Bosque secundario maduro, para las especies Pteroglossus torquatus(PT), Campylorhamphus pusillus (CP) del 2019.

Figura 5. Relación entre la abundancia de las especies (Pteroglossus torquatus, Contopus cinereus) y los sitios de muestreo. Letras iguales indican no diferencias estadísticamente significativas, Bonferroni (P>0.05).

Figura 6. Relación entre la eclosión de huevos de las aves y la temperatura (°C). Letras iguales indican no diferencias estadísticamente significativas, Bonferroni (P>0.05).

Discusión

La abundancia de las cuatro especies aviares del estudio está influenciada por las condiciones ambientales propias del hábitat de cada una. A través de tablas de distribución de frecuencia relativa y absoluta, se obtuvo que el Bosque Secundario Maduro presentó mayor abundancia de especies, con 3 791 organismos. Este tipo de bosque predomina debido a que es el hábitat de las especies Pteroglossus torquatus y Hylophilus decurtatus, determinado por la vegetación y alimentación disponible. En el caso de la primera especie, en esta cobertura puede encontrar frutos arilados del género Protium y Cecropiai, y nidos de otras especies de aves, que forman parte de su dieta y fuente de energía primaria. Por su parte el verdillo menudo, además de estar beneficiado por el follaje para cazar, se caracteriza por su nido suspendido en las ramas pobladas, que es únicamente posible en este tipo de cobertura. (CRBio, 2018). Se confirma la elección preferencial de las especies por este sitio con los análisis de probabilidad realizados, así como las diferencias significativas encontradas en el test de Kruskal-Wallis; en las pruebas a posteriori de Fisher se confirmó la diferencia entre el bosque secundario maduro y el pastizal, siendo mayor la abundancia en el primero.

Los cambios en la composición de las comunidades de aves con relación a la altura, reflejan cambios en los tipos de recursos presentes según Martínez y Rechberger (2007). Lo que explica la obtención de una mayor abundancia en el sitio de bosque secundario maduro y menor para el pastizal con la prueba de análisis de varianza, ya que las especies estudiadas para esta prueba fue el tucancillo collarejo y el pibí tropical que tienen afinidad por los bosques, porque en ellas encuentran una gran cantidad de alimento, además estas zonas tienen una mayor abundancia de espacios de anidación y descanso para dichas especies (González, M. 2017).

A través de las pruebas de correlación, se explicó que la radiación solar (grado de nubosidad, μmol fotones m-2 s-1) y la cantidad de nidos tuvo una correlación positiva estadísticamente significativa, indicando una relación directa donde al aumentar la radiación solar, se aumentó la cantidad de nidos. Dicha relación es biológicamente correcta y esperada- según la funcionalidad de los nidos- ya que protege a los individuos de las adversidades del clima (Hansell, M. 2000).

Al relacionar las variables biológicas de los sitios como la elevación del sitio de avistamiento, los años del estudio y la estacionalidad, en la abundancia de las especies, se determinan influencias directas en diferentes grados. En el caso de la primera variable, se comprobó la hipótesis, a través de las pruebas de Wilcoxon y resulta la mayor abundancia a los 1 100 metros de altura, lo cual es algo natural debido a la distribución y al hábitat de las cuatros especies (tiles, F.G. & A. F.Skutch. 1995). El crecimiento lineal de la abundancia de las aves del 2009 al 2019, según las hipótesis con las pruebas de Wilcoxon, demuestra que las condiciones han sido favorables para el desarrollo de las mismas y que la la zona mantiene sus características climáticas sin alteraciones provocadas por el desarrollo humano (Protegidas, Á. P., & Ambiental, 2002). Por último, la tercer prueba de hipótesis muestra que la cantidad de individuos de las cuatro especies de aves aumenta en las épocas lluviosas, esto considerando que su reproducción está en su punto máximo en este tiempo (American Ornithologists´s Union. 1998).

La relación implícita de la temperatura con las coberturas vegetales y/o de las elevaciones de los sitios de avistamiento, no representó, estadísticamente que sea influyente la temperatura en la abundancia de las especies aviares del Valle de Orosí. A través del análisis de los supuestos de regresión, la relación fue débil y fue modelada según la ecuación (Abundancia = Temperatura_C*0.6165 + (-0.1672)).

Conclusiones

Las diferentes coberturas vegetales que se encuentran en las laderas del Valle de Orosi en Cartago, Costa Rica, influyen directamente en la abundancia de las cuatro especies aviares del estudio. Dicha relación se atribuye a la provisión de las condiciones alimenticias y de anidación necesarias para la supervivencia de las aves. El bosque secundario maduro representó el sitio con mayor abundancia de especies por las especies de flora y vegetación encontradas, además de su frondosidad característica, que beneficia la caza de las aves. La estacionalidad representa un factor influyente, siendo la época lluviosa en la que se encontró mayor cantidad de especies, debido a que es la época de reproducción de las aves del estudio.

La temperatura se relaciona directamente con la elevación de los sitios de avistamiento y las diferentes coberturas vegetales, por lo que se deducirá una asociación del cambio de la abundancia de las especies similar al de las variables asociadas. Aunque sí existe una relación estadísticamente demostrada, esta representa una influencia débil, y se atribuye, por consiguiente, otros factores externos a la temperatura como determinantes del aumento o disminución de organismos aviares.

El éxito de la reproducción de las aves estudiadas se ve afectado por la temperatura y la radiación solar. Se puede deducir que a mayor radiación solar es posible encontrar una mayor abundancia de nidos, y si dichos nidos se encuentran en presencia de altas temperaturas, se verá favorecida la cantidad de huevos que logren eclosionar. Las temperaturas y los grados de nubosidad que se registraron demuestran que el área de estudio es un espacio con una alta reproducción de especies aviares.

Bibliografía

Cascante, A. (2001). Composición florística y estructura de un bosque húmedo premontano en el Valle Central de Costa Rica. Revista de Biología Tropical, 49(1), 213-225.

CATIE (2016). Definición de Bosques Secundarios y Degradados en Centroamérica. LuxDev.

Elizondo, P., & Ramírez-Alán, O. (2010). P-079.Relación forestal, dinámica y diversidad de las poblaciones de las aves del Valle Central, Costa Rica.

EUROPARC-España. 2017. El papel de los bosques maduros en la conservación de la biodiversidad. Ed. Fundación Fernando González Bernaldez, Madrid.

García Aguilar, A. J. (2007). El modelo de la ganadería extensiva y la destrucción de los bosques en la República de Panamá: 1950-2000 (Doctoral dissertation, Universidad de Panamá).

González, M. (2017). Riqueza y caracterización ecológica de aves en bosque nativo y plantaciones exóticas (Prusia, Costa Rica). Cuadernos de Investigación UNED, 9(2), 226-235.

Hansell, M., 2005. Bird Nests And Construction Behaviour. 1st ed. Cambridge: Cambridge University Press, p.8. InBio (2020). Biodiversidad de las aves de Costa Rica. Recuperado de: http://www.crbio.cr/crbio/?page_id=2&lang=es

Inder (2016). Caracterización del Territorio: Cartago-Oreamuno-El Guarco-La Unión. San José, Costa Rica Investigación, Reserva Forestal de San Ramón. Oficina de Publicaciones, Sede de Occidente, Universidad de Costa Rica.

Martínez, O., & Rechberger, J. (2007). Características de la avifauna en un gradiente altitudinal de un bosque nublado andino en La Paz, Bolivia. Revista Peruana de Biología, 14(2), 225-236.

PROTEGIDAS, Á. P., & AMBIENTAL, O. P. D. L. P. (2002). Áreas privadas protegidas y territorio: La conectividad que falta. Revista Ambiente y Desarrollo, 18(2-3), 119.

Quesada, R. (2007). Los Bosques de Costa Rica. Cartago, Costa Rica: Centro de Investigación Integración Bosque Industria, Instituto Tecnológico de Costa Rica.

Rodríguez, J. A. (2011). Flora y fauna de Costa Rica. San José, Costa Rica: Promade.

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

SINAC. 2009. IV Informe de País al Convenio sobre la Diversidad Biológica. GEF-PNUD, Oficina de Cooperación y Proyectos-SINAC, . Mimeografiado.

Smith, J; Sabogal, C; Jong, W; Kaimowitz, D. (1997). Bosques secundarios como recurso para el desarrollo rural y la conservación ambiental en los trópicos de América Latina. CIFOR.

Stiles, F.G. & A. F.Skutch. 1995. Guía de Aves de Costa Rica.Traducción al Español: Loretta Rosselli. Ilustrado por Dana Gardner. Instituto Nacional de Biodiversidad (INBio). Heredia, Costa Rica. 580 p.

American Ornithologists´s Union 1998, The Species of Birds of North America from the Arctic through Panama, Including the West Indies and Hawaiian Islands. 7th.ed.. Allen Press, Inc., Lawrence, Kansas, U.S.A..

Torres, D. (2012). Evaluación de la calidad y la composición florística de los bosques en el área núcleo de obras del proyecto hidroeléctrico Reventazón, Siquirres, Costa Rica. Cartago, Costa Rica: Instituto Tecnológico de Costa Rica.

Ulate Quesada, C. A. (2011). Análisis y comparación de la biomasa aérea de la cobertura forestal según zona de vida y tipo de bosque para Costa Rica.

Anexos: Códigos R para todos los análisis estadísticos ejecutados

#Comandos previos
library(readxl)                     
BD<- read_excel("~/BD_Aves_Nidos.xlsx",sheet="Muestreo")
BD_exp<- read_excel("~/BD_Aves_Nidos.xlsx",sheet="Experimento")
BD_Aves_Filtro<-("BD_Aves_Filtro.xlsx")
RC_correlacion <- read_excel("RC.xlsx",sheet="Correlacion")
RC_regresion <- read_excel("RC.xlsx",sheet="Regresion")

library(fdth)
library(TeachingDemos)
library(PerformanceAnalytics)
library(lmtest)
library(car)
library(ggplot2)
abundancia<-BD$Abundancia
año<-BD$Anio
estacion<-BD$Estacion
sitio<-BD$Sitio
muestreo<-BD$Muestreo
especie<-BD$Especie
nidos<-BD$Nidos
elevacion<-BD$Elevación
radiacion_sol<-BD$Radiación_solar
temperatura<-BD$Temperatura_C

                 #Distribucion de frecuencias ####
#tabla de frecuencia para abundancia

min(BD$Abundancia)
max(BD$Abundancia)

fdt_abund<-fdt(x=BD$Abundancia,start = 0, end=28,h=4)
fdt_abund
par(mfrow=c(1,2))
plot(fdt_abund, type= "cfh",main="Grafica de frecuencia acumulada de abundacia", col="#008080")
plot(fdt_abund, type= "rfh",main="Grafica de frecuencia relativa de abundacia",col = "Skyblue")

#tabla de frecuencia para nidos 
min(BD$Nidos)
max(BD$Nidos)

fdt_nidos<-fdt(x=BD$Nidos,star=0, end = 21,h=3)
fdt_nidos
par(mfrow=c(1,2))
plot(fdt_nidos, type= "cfh",main="Grafica de frecuencia acumulada de nidos", col="Green")
plot(fdt_nidos, type= "rfh",main="Grafica de frecuencia relativa de nidos",col = "Yellow")


                     #Probabilidad(distribucion discretas)####


#En un salida a campo se logro encontrar cuatro especies de aves, 1 individuo de cada especie

#Argumento "exactamente"
#Cual es la probabilidad de encontrar exactamente 1 individuo de alguna especie de ave en estudio
dbinom(1,4,0.25)
#la probabilidad de encontrar exactamente 1 individuo de alguna especie de ave en estudio 42.2%


#Regla de complementacion
#Cual es la probabilidad de encontrar mas de 2 especies de aves en estudio
1-pbinom(2,4,0.25)
#la probabilidad de encontrar mas de 2 especies de aves en estudio es de 5.08%


#Regla de complementacion y numero mas proximo
#Cual es la probabilidad de encontrar al menos 2 especies de aves en estudio
1-pbinom(1,4,0.5)
#la probabilidad de encontrar al menos 2 especies de aves en estudio es de 68.8%



                     #Probabilidad (Distribucion normal)####


#Utilizando el muestreo de nidos

#Media nidos
mean(BD$Nidos) 
9.997917


#Media de nidos de la especie Pteroglossus torquatus 
mean(BD$Nidos[BD$Especie=="PT"]) 
10.09167


#Media de nidos de la especie Campylorhamphus pusillus 
mean(BD$Nidos[BD$Especie=="CP"]) 
10.05417


#Media de nidos de la especie Contopus cinereus 
mean(BD$Nidos[BD$Especie=="CC"]) 
9.802083


#Media de nidos de la especie Hylophilus decurtatus 
mean(BD$Nidos[BD$Especie=="HD"]) 
10.04375


#desviacion estandar nidos
sd(BD$Nidos) 
6.048096


#Desviacion estandar de la especie Pteroglossus torquatus
sd(BD$Nidos[BD$Especie=="PT"]) 
6.133172


#Desviacion estandar de la especie Campylorhamphus pusillus 
sd(BD$Nidos[BD$Especie=="CP"]) 
6.010532


#Desviacion estandar de la especie Contopus cinereus
sd(BD$Nidos[BD$Especie=="CC"]) 
5.890121


#Desviacion estandar de la especie Hylophilus decurtatus
sd(BD$Nidos[BD$Especie=="HD"]) 
6.169167

#A lo largo de varios sitios de estudio y realizando varias observaciones, se cuantifico los nidos de las 4 diferentes especies de aves en investigacion
#Lo cual permitio un analisis estdadistico con estos datos.


#1)La probabilidad de encontrar exactamente 7 nidos de Campylorhamphus pusillus 
pnorm(7,10.05417,6.010532)

#La probabilidad de encontrar 7 nidos de Campylorhamphus pusillus es de %30.6(*redondeado*)


#2) La probabilidad de observar 5 o menos nidos de Hylophilus decurtatus 
pnorm(5,10.04375,6.169167)

#La probabilidad de encontrar 5 o menos nidos de Hylophilus decurtatus es de %20.7(*redondeado*)


#3) La probabilidad de ver entre 6 y 9 nidos de cualquiera de las 4 especies en estudio 
pnorm(9,9.997917,6.048096) - pnorm(6, 9.997917,6.048096)

#La probabilidad de encontrar entre 6 y 9 nidos de cualquiera de las 4 especies en estudio es de %18.02(*redondeado*)


#4) La probabilidad de encontrar mas de 10 nidos de Pteroglossus torquatus
1-pnorm(10, 10.09167, 6.133172)

#La probabilidad de encontrar mas de 10 nidos de Pteroglossus torquatus es del %50.6(*redondeado*)


   #Prueba de hipotesis####
#1) Si el promedio de abundancia de Contopus cinereus  es de 15.25,al 95%, es posible encontrar  mas de 17 individuos?
mean(abundancia[especie=="PT"])
Abun_PT<-(abundancia[especie=="PT"])
shapiro.test(Abun_PT)
#Shapiro-Wilk normality test
#data:  Abun_PT
#W = 0.95661, p-value = 1.117e-10 asimetricos

#H0: Se encontraran mas de 17 o mas individuos de la especie Contopus cinereus
#HA: No Se encontraran mas de 17 o mas individuos de la especie Contopus cinereus
wilcox.test((Abun_PT), mu = 17, exact = F, alternative = "less")

#Rechaza la nula 
#Resultado: Se tendran individuos con una abundancia menor a 17




#2)Si la media de elevacion de la especie Hylophilus decurtatus (HD) es de 1068.97 metros, 
#¿Es posible encontra individuos a 1100 metros?
mean(elevacion[especie=="HD"]) 
Elev_HD<-(elevacion[especie=="HD"]) 
shapiro.test(Elev_HD)
# Shapiro-Wilk normality test
# data:  Elev_HD
# W = 0.95406, p-value = 4.552e-11 asimetricos

wilcox.test((Elev_HD), mu = 1100, exact = F, alternative = "greater")
#H0: se encontraran indiviudos en una elevacion menor o igual a 1100
#HA: Se encontraran individuos en una elevacion mayor a 1100
#Acepto la hipotesis nula
#Respuesta: Se encontraran individuos en una elevacion mayor a 1100

#3)#1) Existe una difrerencia importante entre las abundancias obtenidas durante
#2009 y 2019, para Contopus cinereus?

Abundancia_PT_2009 <- (abundancia[año==2009][especie=="PT"])

Abundancia_PT_2019 <- (abundancia[año==2019][especie=="PT"])

shapiro.test(Abundancia_PT_2009)
#Shapiro-Wilk normality test
#data:  Abundancia_PT_2009
#W = 0.93263, p-value = 5.072e-09  asimetricos

shapiro.test(Abundancia_PT_2019)

#Shapiro-Wilk normality test
#data:  Abundancia_PT_2019
#W = 0.9606, p-value = 3.686e-06 asimetricos


#H0:Hay una diferencia significativa respecto a los años de muestreo 
#HA:No hay una diferencia significativa respecto a los años de muestreo 


wilcox.test(Abundancia_PT_2009, Abundancia_PT_2019, paired = F, exact = F, 
            alternative = "two.sided")

#data:  Abundancia_PT_2009 and Abundancia_PT_2019
#W = 24670, p-value = 0.006353
#alternative hypothesis: true location shift is not equal to 0

#La diferencia de abundancia entre 2009 y 2019 es significativa


#Existe una diferencia significativa entre la abundancia obtenida de 
#Hylophilus decurtatuss durante las epoca seca y lluviosa?


abun_HD_seca <- (abundancia[estacion=="Seca"][especie=="HD"])
abun_HD_lluviosa <- (abundancia[estacion=="Lluviosa"][especie=="HD"])
shapiro.test(abun_HD_seca)                                

#Shapiro-Wilk normality test
#data:  abun_HD_seca
#W = 0.89684, p-value = 9.233e-12  asimetricos
shapiro.test(abun_HD_lluviosa)                                

#Shapiro-Wilk normality test
#data:  abun_HD_lluviosa
#W = 0.88797, p-value = 2.437e-12 asimetricos


#H0: No existe diferencia significativa de abundancia de individuos con respecto a las dos épocas
#HA: Existe diferencia significativa de abundancia de individuos con respecto a las dos épocas

wilcox.test(abun_HD_seca, abun_HD_lluviosa,paired = F, exact = F, alternative = "two.sided")

#data: abun_HD_seca and abun_HD_lluviosa
#W = 27919, p-value = 0.5486
#alternative hypothesis: true location shift is not equal to 0
#Se concluye existe diferencia significativa de abundancia de individuos con respecto a las dos épocas


#Pruebas de chi cuadrado####
#1) Existe una asociaciaon entre las estaciones lluviosa de 2009 y 2019
#respecto a la abundancia de Pteroglossus torquatus en el Bosque secundario maduro?


#H0: No hay asociacion
#HA: Hay asociacion

Abundancia_PT_BSM_2009 <- abundancia[ especie=="PT" & año==2009 & sitio=="BS1" ]    
BD[ especie=="PT" & año==2009 & sitio=="BS1" & estacion=="lluviosa",  ] 


Abundancia_PT_BSM_2019 <- abundancia[ especie=="PT" & año==2019 & sitio=="BS1" ]    
BD[ especie=="PT" & año==2019 & sitio=="BS1" & estacion=="Lluviosa",  ] 




sum(Abundancia_PT_BSM_2009)
919

sum(Abundancia_PT_BSM_2019)
1087

#Valores observados 
#919,1087

#Valor esperado
(919+1087)/2
1003


#Chi calculado
((1003-919)-0.5)^2/1003
6.951396

((1087-1003)-0.5)^2/1003
6.951396


(6.951396)^2 
48.32191 #chi calculado

#Chi tabular

qchisq(0.95, 1)
3.841459

#Chi tabular < calculado

#Se rechaza la hipotesis nula, por ende la abundancia Pteroglossus torquatus en el Bosque secundario maduro
#posee una asociacion con las epocas lluviosas de 2009 y 2019


#2) La abundancia de las especies muestreadas en Remanentes de bosque en zona rural  a lo largo de los 
#años 2009 y 2019 se encuentra influenciada por las estaciones del año?

#H0: no se encuentra influenciada
#HA: se encuentra influenciada


abundancia_PT_Seca_BZR <-na.omit(abundancia[estacion=="Seca"][sitio=="BS4"][especie=="PT"])
abundancia_CP_Seca_BZR <- na.omit(abundancia[estacion=="Seca"][sitio=="BS4"][especie=="CP"])
abundancia_CC_Seca_BZR  <- na.omit(abundancia[estacion=="Seca"][sitio=="BS4"] [especie=="CC"])
abundancia_HD_Seca_BZR  <- na.omit(abundancia[estacion=="Seca"][sitio=="BS4"] [especie=="HD"])
abundancia_PT_lluviosa_BZR <-  na.omit(abundancia[estacion=="Lluviosa"][sitio=="BS4"] [especie=="PT"])
abundancia_CP_lluviosa_BZR <-na.omit(abundancia[estacion=="Lluviosa"][sitio=="BS4"] [especie=="CP"])
abundancia_CC_lluviosa_BZR <-na.omit(abundancia[estacion=="Lluviosa"][sitio=="BS4"] [especie=="CC"])
abundancia_HD_lluviosa_BZR <- na.omit(abundancia[estacion=="Lluviosa"][sitio=="BS4"] [especie=="HD"])
suma_abundancia_PT_Seca_BZR<-sum(abundancia_PT_Seca_BZR)
suma_abundancia_CP_Seca_BZR<-sum(abundancia_CP_Seca_BZR)
suma_abundancia_CC_Seca_BZR<-sum(abundancia_CC_Seca_BZR)
suma_abundancia_HD_Seca_BZR<-sum(abundancia_HD_Seca_BZR)
suma_abundancia_PT_Lluviosa_BZR<-sum(abundancia_PT_lluviosa_BZR)
suma_abundancia_CP_Lluviosa_BZR<-sum(abundancia_CP_lluviosa_BZR)
suma_abundancia_CC_Lluviosa_BZR<-sum(abundancia_CC_lluviosa_BZR)
suma_abundancia_HD_Lluviosa_BZR<-sum(abundancia_HD_lluviosa_BZR)
SECA <- c(suma_abundancia_PT_Seca_BZR,suma_abundancia_CC_Seca_BZR,suma_abundancia_CP_Lluviosa_BZR,suma_abundancia_HD_Seca_BZR)
LLUVIOSA <- c(suma_abundancia_PT_Lluviosa_BZR,suma_abundancia_CC_Lluviosa_BZR,suma_abundancia_PT_Lluviosa_BZR,suma_abundancia_HD_Lluviosa_BZR)
Tabla_Abundancia_BZR <- data.frame(SECA, LLUVIOSA)
row.names(Tabla_Abundancia_BZR ) <- c("Pteroglossus torquatus (PT)",
                                      "Campylorhamphus pusillus (CP)",
                                      "Contopus cinereus (CC)",
                                      "Hylophilus decurtatus (HD)")
Tabla_Abundancia_BZR


chisq.test(Tabla_Abundancia_BZR)$expected
chisq.test(Tabla_Abundancia_BZR)
#Pearson's Chi-squared test
#data:  Tabla_Abundancia_BZR
#X-squared = 229.6, df = 3, p-value < 2.2e-16
#La abundancia de los individuos, no se encuentra influenciada por las estaciones


#Correlación

#Existe una correlacion entre la elevacion y la radiacion solar 
shapiro.test(RC_correlacion$Nidos) #asimetricos
shapiro.test(RC_correlacion$Radiación_solar) #asimetricos
Nidos_corr<-RC_correlacion$Nidos
Radiacion_solar<-RC_correlacion$Radiación_solar
dat1<-data.frame(Radiacion_solar,Nidos_corr)
cor.test(Radiacion_solar,Nidos_corr, method = "s")
library(PerformanceAnalytics)
chart.Correlation(dat1,method = "s")



# Regresion

#regresion lineal entre temperatura y abundancia
Temperatura_C <-c(RC_regresion$Temperatura_C)
Abundancia_rl<-c(RC_regresion$Abundancia)
ea<-data.frame(Abundancia_rl,Temperatura_C)
modelo<-lm(Abundancia_rl~Temperatura_C)
dwtest(modelo)
shapiro.test(modelo$residuals)
ncvTest(modelo)
summary(modelo)
ggplot(modelo, aes(Temperatura_C, Abundancia_rl)) + geom_point(shape=1) + geom_smooth(method=lm)
#  Abundancia = Temperatura_C*0.6165 + (-0.1672)


# ANOVA

#Con la hoja de Muestreo
aves<-c(BD_Aves_Filtro)
Sitio<-as.factor(BD$Sitio)
Abundancia<-log(BD$Abundancia)
avess<-data.frame(Sitio,Abundancia)
str(avess)
tapply(Abundancia,Sitio, length)
ANOVA<-aov(avess$Abundancia~avess$Sitio)
shapiro.test(ANOVA$residuals) #No son normales
fligner.test(Abundancia~Sitio) # Homocedastico
kruskal.test(Abundancia~Sitio) # Existe diferencia significativa
pairwise.wilcox.test(Abundancia, Sitio, p.adj = "none", exact = F)
boxplot(Abundancia~Sitio)
datos<- data.frame(Abundancia,Sitio)
datos
fill<- "dodgerblue3"
line<- "dodgerblue3"
a <- ggplot(datos, aes(factor(Sitio), Abundancia), fill= Sitio)
a+scale_y_continuous(name="Abundancia de especies")+scale_x discrete(name= "Sitio de muestreo") + geom_boxplot(fill = fill, colour = line, alpha = 0.8) + theme_bw()



#Con la hoja de Experimento

Aves<-c(BD_exp)
Temperatura_C<-as.factor(BD_exp$Temperatura_C)
Eclosion<-BD_exp$huevos_oclosión
Avess<-data.frame(Temperatura_C,Eclosion)
str(Avess)
tapply(Eclosion,Temperatura_C, length)
ANOVA1<-aov(Avess$Eclosion~Avess$Temperatura_C)
shapiro.test(ANOVA1$residuals) # No son normales
fligner.test(Eclosion~Temperatura_C) # homocedastico
kruskal.test(Eclosion~Temperatura_C) # Existe diferencia significativa
pairwise.wilcox.test(Eclosion,Temperatura_C, p.adj = "none", exact = F)
boxplot(Eclosion~Temperatura_C)

library(ggplot2)
Datos2<- data.frame(Eclosion,Temperatura_C)
datos2
fill<- "goldenrod2"
line<- "goldenrod1"
a <- ggplot(datos2, aes(factor(Temperatura_C), Eclosion), fill= Temperatura_C)
a+scale_y_continuous(name="Eclosión de Huevos")+scale_x_discrete(name= "Temperatura (°C)") + geom_boxplot(fill = fill, colour = line, alpha = 0.8) + theme_bw()