Se seleccionaron datos ecológicos para construir grupos funcionales de especies, representativos de la diversidad presente en el lugar de estudio, también denominados “especies virtuales” en la literatura (Mimet et al., 2016; Sahraoui et al., 2017).
Los grupos funcionales se construyen a partir de un grupo taxonómico: las aves. ESCRIBE que los datos han sido cargados en GBIF. Estos datos consisten en puntos de ocurrencia para las aves en varios hábitats, tanto forestales como no forestales. Al final, esto representa a XXX especies.
Los grupos funcionales se obtienen agrupando las especies según tres rasgos: su grupo taxonómico, su hábitat preferido y su capacidad media de desplazamiento. Esta capacidad corresponde a la distancia media que un individuo puede teóricamente recorrer. Se estableció sobre la base de los rasgos funcionales (peso y dieta), utilizando relaciones alométricas (Mimet et al, 2016; Sahraoui et al, 2017). Estas ecuaciones se derivan del estudio de Sutherland et al. (2000) y permiten convertir la masa corporal M (en kg) de cada especie en una distancia de dispersión mediana o máxima D (en km).
Las especies se separan primero según su hábitat (bosque estricto o generalista, ribereño o migratorio). Las especies se dividen entonces según su capacidad media de movimiento. Se separaron las especies con una capacidad de movimiento mediana baja (menos de 4 km) de las que tenían una capacidad de movimiento alta (más de 4 km) (Sahraoui et al., 2017). Para cada grupo funcional, la distancia media de viaje viene dada por el promedio de las distancias medias de viaje de cada especie del grupo funcional. No conservamos especies con gran capacidad de desplazamiento porque tienen un hábitat más grande que el área de estudio.
Basándonos en el mapa del sistema operativo y en las características ecológicas de la especie, modelamos gráficos de paisaje para cada grupo funcional. Los enlaces entre los nodos del gráfico se calculan en función de las distancias de menor costo entre los parches de hábitat. Esta distancia tiene en cuenta las preferencias de movimiento de cada especie a través de diferentes usos de suelos (mapas de permeabilidad) y la capacidad de movimiento de la especie en cuestión (Adriaensen et al., 2003). Las distancias de movimiento, expresadas en unidades métricas, se convirtieron para cada grupo en unidades de coste aplicando una ecuación lineal a los enlaces (Sahraoui et al., 2017). La permeabilidad (o costo de viaje) es un valor de resistencia al movimiento en un hábitat determinado para cada especie (o grupo funcional). Estos valores de resistencia se definieron de acuerdo con una escala logarítmica (Clauzel et al., 2015): 1 = hábitat muy favorable, 10 = hábitat favorable, 100 = neutro, 1.000 = desfavorable y 10.000 = barrera ecológica. Para atribuir estos costos, nos basamos en los conocimientos ecológicos proporcionados por recursos como las hojas de especies de la Lista Roja de la UICN (ejemplo en el Anexo XX). Estos costos se aplicaron a cada especie del inventario y luego, dentro de cada grupo funcional, se retuvo el costo más recurrente de cada uso de suelo. En nuestro caso, los gráficos se han limitado a la capacidad máxima de viaje de cada grupo funcional. Este umbral impide que se conecten los nodos que están demasiado alejados para una especie, haciendo que la red ecológica así modelada sea más realista.
Para medir la conectividad a escala de paisaje, utilizamos la métrica de la ‘probabilidad de conectividad’ (Saura & Pascual-Hortal, 2007). La probabilidad de conectividad, calculada entre 0 y 1, corresponde a la probabilidad de que dos puntos seleccionados al azar en el paisaje estén situados en hábitats conectados.
\[ PC= \frac{1}{A ^2} \displaystyle\sum_{i=1}^N \displaystyle\sum_{j=1}^N {a_{i}^B} {a_{j}^B}e^{-ad_{ij}} \]
Suma de los productos de la capacidad (a) de todos los pares de tareas ponderadas por probabilidad de interacción, dividido por el cuadrado del área de estudio (A). Para cada grupo funcional, se asignó una probabilidad de movimiento de 0,5 a la media de las capacidades de dispersión globales medias de cada especie constituyente del grupo
También se calculó un índice de conectividad a nivel de cada parche y cada enlace: la “probabilidad de conectividad delta”. Corresponde a la variación del índice de probabilidad de conectividad (Saura y Pascual-Hortal 2007) causada por la eliminación de cada punto de muestra del paisaje. Este indicador tiene en cuenta la contribución respectiva de cada parche al cálculo de la conectividad global.
\[ dPC_{i}= \frac{(PC-PC'_{i})}{PC} \]
La tasa de cambio entre el valor del Índice PC y el valor de PC’ representa la eliminación de la tarea i
Para medir la conectividad a escala local utilizamos el Flujo de Interacción (FI). Este índice evalúa la contribución de cada parche de hábitat a la conectividad general, medida por el índice PC, ecuación (4) (Foltête y otros, 2014; Sahraoui y otros, 2017). Su valor fluctúa entre 0 y la suma de las capacidades de los parches de hábitat. Esta métrica local se utiliza para identificar los elementos del gráfico con el potencial de conectividad más fuerte o más débil. Así, para un determinado parche de hábitat i, el FI viene dado por la siguiente relación:
\[ IF(j)=\displaystyle\sum_{i=1}^N a_{i} a_{j} e^{-ad_{ij}} \]
Donde ai y aj son las capacidades respectivas de las tareas i y j, y d es la distancia en costo entre dos tareas.Optamos por generalizar los valores de FI a todos los píxeles de la zona de estudio, a fin de obtener un campo continuo de valores en todo el territorio y ya no valores discretos por parche de hábitat (Foltête et al., 2012). Así pues, los valores se interpolan para asignar un valor de conectividad a cada punto del espacio, potencialmente fuera del hábitat de la especie para cada grupo funcional. Este método se basa en la suposición de que un organismo puede estar presente fuera de sus parches de hábitat, pero con una probabilidad menor que dentro de su hábitat (Hirzel & Le Lay, 2008).
Para un punto dado fuera de un parche de hábitat, se asigna un potencial de conectividad de varios parches circundantes promediando valores ponderados de IF como:
\[ gIF(i)_{i}=\displaystyle\sum_{i=1}^N IF(j)*W_{ij} \]
Donde gIF(i) es el valor generalizado de FI para el punto i y wij es la ponderación del punto j para el punto i. Interpolando de esta manera se obtiene, a la resolución espacial inicial, un mapa para cada grupo funcional correspondiente a la conectividad potencial de todo el mosaico del paisaje. Los valores disminuyen cuanto más se alejan de las zonas de hábitat. De esta manera es posible visualizar la distribución espacial de los potenciales de conectividad del paisaje para las especies que viven en diferentes tipos de hábitat.
-Adriaensen F., Chardon J.P., De Blust G., Swinnen E., Villalba S., Gulinck H., & Matthysen E. 2003. The application of « least-cost » modelling as a functional landscape model. Landscape and Urban Planning. 64(4), p. 233‑ 247.
-Clauzel C., Bannwarth C., & Foltete J.C. 2015. Integrating regional-scale connectivity in habitat restoration: An application for amphibian conservation in eastern France. Journal for Nature Conservation. 23, p. 98‑ 107.
-Foltête J.C., Clauzel C., & Vuidel G. 2012b. A software tool dedicated to the modelling of landscape networks. Environmental Modelling and Software. 38, p. 316‑ 327. Hirzel A.H. & Le Lay G. 2008. Habitat suitability modelling and niche theory. J. Appl. Ecol. 45(5), p. 1372‑ 1381.
-Mimet A., Clauzel C., & Foltête J.C. 2016. Locating wildlife crossings for multispecies connectivity across linear infrastructures. Landscape Ecology. 31(9), p. 1955‑ 1973.
-Sahraoui Y., Foltête J.-C., & Clauzel C. 2017. A multi-species approach for assessing the impact of land-cover changes on landscape connectivity. Landscape Ecology. 32(9), p. 1819‑ 1835.
-Saura S. & Pascual-Hortal L. 2007. A new habitat availability index to integrate connectivity in landscape conservation planning: Comparison with existing indices and application to a case study. Landscape and Urban Planning. 83(2‑ 3), p. 91‑ 103.
-Sutherland G.D., Harestad A.S., Price K., & Lertzman K.P. 2000. Scaling of natal dispersal distances in terrestrial birds and mammals. Ecology and Society. 4(1).