comparación de estos con las variables ambientales y los traits funcionales. Para esto se buscó evitar caer en variables que tuviesen una alta autocorrelación, por lo cual se desarrollaron dendrogramas a partir de análisis de clúster que permitieran selección algunas variables representativas, logrando disminuir la probabilidad de emplear dos variables que expliquen el mismo comportamiento en los modelos de regresión posteriores.
Figura 18. Dendrogramas realizados para la selección de (a) variables ambientales y (b) traits funcionales. Se indica en azul la línea que marca el 75% de distancia al inicio del dendrograma y en rojo los grupos resultantes.
42
Con la Figura 18 se seleccionaron entonces ocho variables ambientales y ocho traits que serían posteriormente empleados en los modelos GLS para determinar si existe correlación entre el grupo de variables, cuáles variables resultan ser realmente significativas y cuál es el porcentaje de explicación que brindan sobre las variables respuesta (los tres índices funcionales). Una vez realizados los modelos se obtuvieron los resultados indicados en las Tablas 13 y 14.
Tabla 13. Resultados del modelo GLS para los tres índices funcionales seleccionados, en función de las variables climáticas.
Mínimos Cuadrados Generalizados - Fric vs. Altitud + Estacionalidad de la Temperatura + Precipitación Trimestre más Frío
Parámetro Valor Error estándar Valor T Valor P R2
Altitud -0.410 0.144 -2.852 0.006
0.187 Estacionalidad de la Temperatura -0.683 0.271 -2.519 0.015
Precipitación Trimestre Más Frío 0.593 0.260 2.283 0.027
Mínimos Cuadrados Generalizados - CWM (Área foliar) vs. Precipitación + Isotermalidad + Precipitación Trimestre más Húmedo + Precipitación Mes más Húmedo + Horizonte orgánico suelo + Estacionalidad de la Precipitación
Parámetro Valor Error estándar Valor T Valor P R2
Precipitación -5.267 1.424 -3.700 0.001
0.417 Isotermalidad -0.907 0.378 -2.400 0.021
Precipitación Trimestre más Húmedo 16.050 3.524 4.555 0.000 Precipitación Mes más Húmedo -10.513 2.365 -4.445 0.000 Horizonte Orgánico Suelo 0.448 0.197 2.276 0.028 Estacionalidad de la Precipitación -1.954 0.495 -3.946 0.000
Mínimos Cuadrados Generalizados - FD vs. Estacionalidad de la precipitación
Parámetro Valor Error estándar Valor T Valor P R2
Estacionalidad de la Precipitación 0.298 0.136 2.187 0.034 0.089
Para las variables climáticas se obtienen resultados acordes a lo esperado. Si bien pareciera que entre menos variables la correlación entre estas va a resultar más significativa, es importante notar que la oferta de variables es amplia, teniendo cerca de 40. Con esto en mente, se observa que la estacionalidad de la precipitación logra explicar sola cerca de un 10% del patrón de comportamiento de la diversidad funcional FD. Esta relación puede deberse a la importancia de periodos estacionales de lluvia para la renovación no sólo de individuos de especies diferentes de acuerdo a la estación, sino además de sus estructuras y comportamientos, características funcionales que explica el FD. Por otra parte, el valor promedio para el área foliar ponderada por
43
abundancia fue explicado en un 42% por un conjunto de seis variables que responden a la precipitación y su estacionalidad, la temperatura y el tipo y profundidad de suelo presente en la parcela. Finalmente, La riqueza funcional es explicada en un 20% por la altitud, la estacionalidad de la temperatura y los eventos de precipitación en temporadas frías.
Tabla 14. Resultados del modelo GLS aplicado para los 3 índices funcionales seleccionados, en función de los traits.
Mínimos Cuadrados Generalizados - Fric vs. Alto + Estructuras epidérmicas asociadas a clima + Área foliar - Desviación estándar
Parámetro Valor Error estándar Valor T Valor P R2
Alto -0.358 0.134 -2.676 0.010
0.358 Estructuras epidérmicas asociadas a clima -0.549 0.147 -3.750 0.001
Área foliar - Desviación estándar -0.389 0.166 -2.346 0.023
Mínimos Cuadrados Generalizados - CWM (Área foliar) vs. Estructuras epidérmicas asociadas a clima + Área foliar - Desviación estándar
Parámetro Valor Error estándar Valor T Valor P R2
Estructuras epidérmicas asociadas a clima 0.153 0.073 2.083 0.043
0.769 Área foliar - Desviación estándar 0.816 0.073 11.124 0.000
Mínimos Cuadrados Generalizados - FD vs. Flor + Ancho - Desviación estándar + Alto - Desviación estándar Parámetro Valor Error estándar Valor T Valor P R2
Flor 0.324 0.135 2.396 0.021
0.199 Ancho - Desviación estándar -0.412 0.147 -2.809 0.007
Alto - Desviación estándar 0.293 0.148 1.961 0.054
Con respecto a los traits funcionales, es importante resaltar que la cantidad de variables explicativas se ve reducida a 16. En este caso, dos de estos 16 traits explican un 20% del comportamiento del índice de diversidad funcional. Esto puede implicar que estas variables no generan un impacto alto sobre este índice, pese a estar directamente asociadas al comportamiento y distribución de traits funcionales. Para el comportamiento promedio ponderado del área foliar, se encuentra que dos variables de 16 explican un 77%. Sin embargo, una de estas variables es precisamente la desviación estándar del área foliar. Finalmente, la riqueza funcional se explica en un 36% por el alto, la desviación estándar del área foliar y las estructuras epidérmicas de la comunidad evaluada. Ahora bien, resulta interesante notar que las tres son correlaciones negativas. Se obtendrá así un valor mayor de riqueza funcional, cuando los valores asociados a estas tres variables sean menores
44
(a) Fric vs. Variables Ambientales (b) Fric vs. Traits
(c) CWM Área Foliar vs. Variables Ambientales
(d) CWM Área Foliar vs. Traits
(e) FD vs. Variables Ambientales
(f) FD vs. Traits
Figura 19. Correlaciones encontradas entre los índices de diversidad funcional, las variables ambientales, los traits funcionales y la riqueza.
45
En la Figura 19 se presentan estas y otras correlaciones de interés. Estas giran en torno a la relación que se pueda presentar entre las variables empleadas en los modelos GLS. De este modo, para cada índice estudiado, se analiza no sólo su relación con traits o variables ambientales, sino también con la riqueza presente en la parcela, además de indicar relaciones entre variable ambiental-variable ambiental, trait-trait, variable ambiental-riqueza y trait-riqueza.
Se puede observar, cómo la correlación presente entre Fric y la riqueza es positiva y presenta un valor relativamente alto (Figura 19a y 19b). De manera similar ocurre con FD y la riqueza, que presenta este mismo comportamiento, pero con un valor ligeramente menor (Figura 19e y 19f). Por el contrario, el promedio asociado al área foliar (ponderado por la abundancia) presenta una correlación muy pequeña con la riqueza y esta es negativa (Figura 19c y 19d). Con respecto a los traits y las variables ambientales estudiadas, se observa que la riqueza pareciera presentar correlaciones muy bajas. Sin embargo, algunos parámetros como el horizonte orgánico del suelo y las estructuras epidérmicas asociadas al clima muestran fuertes correlaciones negativas con esta. Para el índice CWM del área foliar, se observan fuertes correlaciones positivas, principalmente entre variables climáticas. Esto debido a que es un índice que explica su comportamiento en gran medida con base en parámetros de precipitación, que tienen fuertes relaciones entre ellos. Por otra parte, para las variables ambientales y los traits asociados al índice de riqueza funcional (Fric), se encontró en su mayoría relaciones negativas.
3.5. Análisis gráficos y determinación de diferencias significativas empleando ANOVA y Tukey