|
Resumen:
|
RESUMEN
Los peces nativos son indicadores de la salud de los ecosistemas acuáticos, y se han
convertido en un elemento de calidad clave para evaluar el estado ecológico de los ríos. La
comprensión de los factores que ...[+]
RESUMEN
Los peces nativos son indicadores de la salud de los ecosistemas acuáticos, y se han
convertido en un elemento de calidad clave para evaluar el estado ecológico de los ríos. La
comprensión de los factores que afectan a las especies nativas de peces es importante para la
gestión y conservación de los ecosistemas acuáticos. El objetivo general de esta tesis es analizar
las relaciones entre variables biológicas y de hábitat (incluyendo la conectividad) a través de
una variedad de escalas espaciales en los ríos Mediterráneos, con el desarrollo de herramientas
de modelación para apoyar la toma de decisiones en la restauración de ríos.
Esta tesis se compone de cuatro artículos. El primero tiene como objetivos modelar la
relación entre un conjunto de variables ambientales y la riqueza de especies nativas (NFSR), y
evaluar la eficacia de potenciales acciones de restauración para mejorar la NFSR en la cuenca
del río Júcar. Para ello se aplicó un enfoque de modelación de red neuronal artificial (ANN),
utilizando en la fase de entrenamiento el algoritmo Levenberg-Marquardt. Se aplicó el método
de las derivadas parciales para determinar la importancia relativa de las variables ambientales.
Según los resultados, el modelo de ANN combina variables que describen la calidad de ribera,
la calidad del agua y el hábitat físico, y ayudó a identificar los principales factores que
condicionan el patrón de distribución de la NFSR en los ríos Mediterráneos. En la segunda parte
del estudio, el modelo fue utilizado para evaluar la eficacia de dos acciones de restauración en el
río Júcar: la eliminación de dos azudes abandonados, con el consiguiente incremento de la
proporción de corrientes. Estas simulaciones indican que la riqueza aumenta con el incremento
de la longitud libre de barreras artificiales y la proporción del mesohabitat de corriente, y
demostró la utilidad de las ANN como una poderosa herramienta para apoyar la toma de
decisiones en el manejo y restauración ecológica de los ríos Mediterráneos.
El segundo artículo tiene como objetivo determinar la importancia relativa de los dos
principales factores que controlan la reducción de la riqueza de peces (NFSR), es decir, las
interacciones entre las especies acuáticas, variables del hábitat (incluyendo la conectividad
fluvial) y biológicas (incluidas las especies invasoras) en los ríos Júcar, Cabriel y Turia. Con
este fin, tres modelos de ANN fueron analizados: el primero fue construido solamente con
variables biológicas, el segundo se construyó únicamente con variables de hábitat y el tercero
con la combinación de estos dos grupos de variables. Los resultados muestran que las variables
de hábitat son los ¿drivers¿ más importantes para la distribución de NFSR, y demuestran la
importancia ecológica de los modelos desarrollados. Los resultados de este estudio destacan la
necesidad de proponer medidas de mitigación relacionadas con la mejora del hábitat
(incluyendo la variabilidad de caudales en el río) como medida para conservar y restaurar los
ríos Mediterráneos.
El tercer artículo busca comparar la fiabilidad y relevancia ecológica de dos modelos
predictivos de NFSR, basados en redes neuronales artificiales (ANN) y random forests (RF). La
relevancia de las variables seleccionadas por cada modelo se evaluó a partir del conocimiento
ecológico y apoyado por otras investigaciones. Los dos modelos fueron desarrollados utilizando
validación cruzada k-fold y su desempeño fue evaluado a través de tres índices: el coeficiente de determinación (R2
), el error cuadrático medio (MSE) y el coeficiente de determinación ajustado
(R2
adj). Según los resultados, RF obtuvo el mejor desempeño en entrenamiento. Pero, el
procedimiento de validación cruzada reveló que ambas técnicas generaron resultados similares
(R2
= 68% para RF y R2
= 66% para ANN). La comparación de diferentes métodos de machine
learning es muy útil para el análisis crítico de los resultados obtenidos a través de los modelos.
El cuarto artículo tiene como objetivo evaluar la capacidad de las ANN para identificar los
factores que afectan a la densidad y la presencia/ausencia de Luciobarbus guiraonis en la
demarcación hidrográfica del Júcar. Se utilizó una red neuronal artificial multicapa de tipo feedforward (ANN) para representar relaciones no lineales entre descriptores de L. guiraonis con
variables biológicas y de hábitat. El poder predictivo de los modelos se evaluó con base en el
índice Kappa (k), la proporción de casos correctamente clasificados (CCI) y el área bajo la curva
(AUC) característica operativa del receptor (ROC). La presencia/ausencia de L. guiraonis fue
bien predicha por el modelo ANN (CCI = 87%, AUC = 0.85 y k = 0.66). La predicción de la
densidad fue moderada (CCI = 62%, AUC = 0.71 y k = 0.43). Las variables más importantes
que describen la presencia/ausencia fueron: radiación solar, área de drenaje y la proporción de
especies exóticas de peces con un peso relativo del 27.8%, 24.53% y 13.60% respectivamente.
En el modelo de densidad, las variables más importantes fueron el coeficiente de variación de
los caudales medios anuales con una importancia relativa del 50.5% y la proporción de especies
exóticas de peces con el 24.4%. Los modelos proporcionan información importante acerca de la
relación de L. guiraonis con variables bióticas y de hábitat, este nuevo conocimiento podría
utilizarse para apoyar futuros estudios y para contribuir en la toma de decisiones para la
conservación y manejo de especies en los en los ríos Júcar, Cabriel y Turia.
[-]
|
