|
Resumen:
|
[ES] La trucha comun (Salmo trutta L.) ha sido utilizada como indicador del estado ecológico. Los modelos de hábitat evaluan la idoneidad del hábitat en base a las condiciones físicas como por ejemplo la velocidad del flujo ...[+]
[ES] La trucha comun (Salmo trutta L.) ha sido utilizada como indicador del estado ecológico. Los modelos de hábitat evaluan la idoneidad del hábitat en base a las condiciones físicas como por ejemplo la velocidad del flujo o el calado. Existen diversas metodologías para analizar la idoneidad y desarrollar modelos de idoneidad del hábitat no obstante el desarrollo de Curvas univariantes de Idoneidad del Hábitat (en terminología inglesa, HSCs) ha sido, de lejos, la metodología más habitual. Existen dos metodologías principales en el desarrollo de las HSCs. El primero considera solamente las condiciones observadas en los lugares donde aparecieron los peces (HSCs de Categoría II ½) mientras que la segunda también considera las condiciones observadas en el área circundante (HSCs de Categoría III). Diversos autores han sugerido que considerar las variables hidráulicas de forma independiente puede ser cuestionable. Por lo tanto el uso de metodologías multivariantes entre los investigadores se ha ido incrementado. Entre estas la lógica difusa es una de las que más veces ha sido aplicada exitosamente. La lógica difusa imita la forma de pensamiento humana, así usa una secuencia SI-ENTONCES. Si ciertas condiciones se dan entonces la idoneidad del hábitat es esta. Principalmente existen dos metodologías en el desarrollo de modelos de lógica difusa El basado en conocimiento de expertos (en terminología inglesa, Expert-knowledge) y el basado en datos (en terminología inglesa, Data-driven). El Expert-knowledge se basa en referencias bibliográficas y el consenso entre científicos mientras que el segundo es basa en la optimización de los elementos que componen el modelo en base a datos de campo.
Este trabajo presenta una metodología para el desarrollo de modelos de lógica difusa Expert-knowledge basados en HSCs comparando los resultados con aquellos obtenidos mediente la metodología Data-driven. Específicamente tres modelos fueron desarrollados para las tres clases de talla consideradas, trucha común adulta-grande (> 20 cm), juvenil-median (20 - 10 cm) y alevín-pequeña (< 10 cm). Dos de los modelas se basaron en la metodología de Expert-knowledge pero diferían en las HSCs de base, un se basó en HSCs de Categoría II ½ y el otro en las de Categoria III, el modelo restante utilizó lametodología de Data-driven. Los 9 modelos desarrollados fueron validados de forma espacialmente explícita en un tramo de rio independiente y su desempeño fue comparado por medio del estadístico Kappa difuso (en terminología inglesa, fuzzy Kappa)
La metodología de Expert-knowledge presentada en este trabajo ha devenido satisfactoria. Mostró un buen desempeño y no difirió substancialmente en comparación con la Data-driven a pesar del hecho que los modelos de Expert-knowledge basados en las HSCs de Categoría II ½ subestimaron la idoneidad en las zonas profundas para adultos y juveniles. Los modelos basados en las HSCs de Categoría III presentaron mejor desempeño que sus contrapartidas basadas en las HSCs de Categoría II ½ en el caso de los adultos y los alevines por lo que se recomendaron per a ulteriores análisis. No obstante los modelos de Expert-knowledge presentaron menor especificidad en comparación con los Data-driven. Por esta razón en el caso de los juveniles el modelo Data-driven fue el recomendado para futuros análisis. La comparativa entre modelos basada en el estadístico fuzzy Kappa no mostró similitudes entre modelos y la validación espacial se demostró fundamental en la selección del modelo más adecuado entre los modelos desarrollados.
[-]
[EN] Brown trout (Salmo trutta L.) have been used as an indicator of ecological status. Habitat models assess habitat suitability based on physical conditions such flow velocity or water depth are. There are several ...[+]
[EN] Brown trout (Salmo trutta L.) have been used as an indicator of ecological status. Habitat models assess habitat suitability based on physical conditions such flow velocity or water depth are. There are several methodologies to analyse the suitability and to develop habitat suitability models but, at the microscale, the development of continuous univariate Habitat Suitability Curves (HSCs) is by far the most common approach. Two main methodologies exist in the development of HSCs. The first one considers only the conditions observed at the fish locations (Category II ½ HSCs) whereas the second one considers also the conditions observed in the surrounding area (Category III HSCs) Several authors have suggested that considering each hydraulic variable independently may be questionable. Therefore the use of multivariate approaches among researches have increased. The Fuzzy logic is one of those who has most successfully been applied. The fuzzy logic approach mimics the human reasoning thus are presented in an IF-THEN sequence. If certain conditions are resent then the habitat suitability is that. There are two main approaches in the development of Fuzzy logic models; the Expert-knowledge and the Data-driven. The Expert-knowledge approach is based on the literature and the consensus of scientists whereas the Data-driven approach is based on the optimization of the elements of the model based on field data.
This study presented a methodology to develop Expert-knowledge fuzzy models based on HSCs and compared the results with those derived from the Data-driven approach. Specifically Three habitat suitability models were develop for the three considered size classes; brown trout adult-large (> 20 cm), juvenile-medium (20 - 10 cm) and fry-small (< 10 cm). Two models based on the Expert-knowledge approach but differing on the HSCs, Category II ½ HSCs or Category III HSCs and another model was based on the Data-driven approach. The 9 developed models were spatially explicitly validated in an independent river reach and their performance was compared by means of the fuzzy Kappa statistic.
The Expert-knowledge approach herein presented have demonstrated satisfactory. It showed generally a good performance and did not differed substantially in comparison with the Data-driven approach despite the Expert-knowledge models based on Category II ½ HSCs underrated the deep areas in the adult and juvenile. The Category III based models presented better performances that the Category II ½ counterparts and the models for adult and fry were recommended for further analysis. However the Expert-knowledge models presented lower specificity in comparison with the Data-driven approach. Then, in the juvenile case the Data-driven fuzzy model was de recommended for further analysis. The comparison between models based on the fuzzy Kappa did not showed any similarity and the spatially explicit validation have been demonstrated fundamental in the proper selection between the developed models.
[-]
|
