SciELO - Scientific Electronic Library Online

 
vol.22 número2Módulos de rigidez dinámicos de siete maderas mexicanas determinados por vibraciones en torsionEspecies de Trichoderma del agroecosistema cacao con potencial de biocontrol sobre Moniliophthora roreri índice de autoresíndice de assuntospesquisa de artigos
Home Pagelista alfabética de periódicos  

Serviços Personalizados

Journal

Artigo

Indicadores

Links relacionados

  • Não possue artigos similaresSimilares em SciELO

Compartilhar


Revista Chapingo serie ciencias forestales y del ambiente

versão On-line ISSN 2007-4018versão impressa ISSN 2007-3828

Rev. Chapingo ser. cienc. for. ambient vol.22 no.2 Chapingo Mai./Ago. 2016

https://doi.org/10.5154/r.rchscfa.2015.06.027 

Modelado de la distribución potencial de especies de Pinaceae bajo escenarios de cambio climático en Michoacán

Gustavo Cruz-Cárdenas1  * 

Lauro López-Mata2 

José T. Silva1 

Nelly Bernal-Santana3 

Francisco Estrada-Godoy4 

José A. López-Sandoval5 

1Instituto Politécnico Nacional, Centro Interdisciplinario de Investigación para el Desarrollo Integral Regional (CIIDIR), Unidad Michoacán, COFAA. Justo Sierra núm. 28. C. P. 59510. Jiquilpan, Michoacán, México.

2Colegio de Postgraduados, Campus Montecillo. Carretera México-Texcoco km 36.5. C. P. 56230. Texcoco, México, México.

3Instituto Politécnico Nacional, Centro Interdisciplinario de Investigación para el Desarrollo Integral Regional (CIIDIR), Maestría en Producción Agrícola Sustentable. Justo Sierra núm. 28. C. P. 59510. Jiquilpan, Michoacán, México.

4Instituto Politécnico Nacional, Escuela Superior de Ingeniería y Arquitectura (ESIA), Unidad Ticomán, COFAA. Av. Ticomán núm. 600, col. San José Ticomán, Delegación Gustavo A. Madero. C. P. 07340. México, D. F.

5Universidad Autónoma del Estado de México, Facultad de Ciencias Agrícolas. El Cerrillo Piedras Blancas. C. P. 50200. Toluca, Estado de México, México.


Resumen

Michoacán es el quinto estado con mayor diversidad de especies vegetales, sobresaliendo por su riqueza en familias, géneros y especies de la flora arbórea en México. Por lo anterior, en este trabajo se evaluó la distribución potencial de 12 especies de Pinaceae en condiciones actuales y escenarios futuros de cambio climático, mediante modelos de nicho ecológico. Se utilizaron datos del clima actual, de escenarios futuros, de propiedades de suelos y el modelo digital de elevación como predictores ambientales. El modelado se realizó con el software Maxent, 75 % de los datos de presencia de las especies se utilizó para el entrenamiento de los modelos y el 25 % restante para su validación. Los grids de salida se clasificaron en tres categorías de áreas para la distribución de las especies: no idónea, marginal e idónea. Los modelos muestran que habrá una disminución de 16 y 40 % de áreas idóneas en los horizontes 2015-2039 y 2075-2099, respectivamente. Las especies más afectadas en la reducción de su distribución serán Abies religiosa, Pinus leiophylla y Pinus teocote.

Palabras clave: Máxima entropía; redes neuronales; nicho ecológico; especies endémicas.

Abstract:

Michoacán is the fifth state with the greatest diversity of plant species, excelling due to its richness in families, genera and species of flowering trees in Mexico. Therefore, in this paper the potential distribution of 12 species of Pinaceae was evaluated in current conditions and future climate change scenarios through ecological niche models. Data on the current climate, future scenarios, soil properties and digital elevation model were used as environmental predictors. The modeling was done using the Maxent software. 75 % of the data on the species presence was used for the training of the models and the remaining 25 % for model validation. The output grids were classified into three categories of area for the species distribution: unsuitable, marginal and suitable. The models show that there will be a 16 to 40 % decrease in suitable areas in the 2015-2039 and 2075-2099 periods, respectively. The species most affected by the decrease in their distribution will be Abies religiosa, Pinus leiophylla and Pinus teocote.

Keywords Maximum entropy; neural networks; ecological niche; endemic species

Introducción

El cambio climático se ha documentado a escalas de resolución amplia a partir de la segunda mitad del siglo XX. Desde entonces se han invertido cantidades enormes de recursos en el entendimiento del fenómeno y sus posibles consecuencias en la distribución de especies (Martínez-Meyer, 2005). Evidencias paleoecológicas indican que el área de distribución de algunas especies se ha contraído o expandido en varias ocasiones desde la última era glacial; por tanto, se asume que en el futuro puede existir un fenómeno parecido. La reducción o el aumento de los rangos de distribución geográfica de las especies está en función de su adaptabilidad al cambio climático. Tal adaptabilidad se relaciona con la variación genética; aquellas especies con menor variación serán las más propensas a la extinción (Hamrick, 2004).

Algunos estudios recomiendan que las especies sensibles al cambio climático deben examinarse estrechamente, para definir estrategias de conservación ex situ (Sáenz-Romero, Rehfeldt, Duval, & Lindig-Cisneros, 2012; Viveros-Viveros et al., 2009). Una alternativa de estudio para evaluar el impacto del cambio climático sobre el espacio geográfico de las especies es a través de modelos de distribución de especies o modelos de nicho ecológico (Jeschke & Strayer, 2008; Peterson, 2006).

El modelado de distribución de especies se hace con dos técnicas: las mecanicistas y las correlativas. Las primeras se basan en experimentos fisiológicos de alguna especie en particular, mientras que las segundas relacionan las variables ambientales con las localidades de ocurrencia de las especies (Anderson & Raza, 2010). El modelo generado de nicho se aplica a un espacio geográfico para identificar áreas idóneas para la distribución de la especie. Este tipo de modelado emplea climas futuros predichos con base en la combinación de modelos de circulación general atmósfera-océano y reportes de diferentes escenarios. Dichos modelos plantean hipótesis diferentes sobre el efecto de los océanos y la atmósfera sobre el clima; el efecto es caracterizado por diferentes supuestos futuros socioeconómicos y de desarrollo tecnológico (Real, Luz Márquez, Olivero, & Estrada, 2010).

Uno de los aspectos importantes en el modelado de distribución de especies es la delimitación del área de estudio previo a la modelación, especialmente cuando se investigan especies invasivas o cambio climático, de tal forma que los modelos predictivos tengan una alta transferibilidad (Anderson & Raza, 2010). En el caso de este trabajo se seleccionó el estado de Michoacán por ser una de las entidades con mayor diversidad de plantas en México (Cué-Bär, Villaseñor, Arredondo-Amezcua, Cornejo-Tenorio, & Ibarra-Manríquez, 2006; Villaseñor, 2003). Entre ellas, la familia Pinaceae representa 27 % del total y al menos 15 especies pertenecen al género Pinus (Cué-Bär et al., 2006; Gutiérrez & Duivenvoorden, 2010). La importancia de estas especies radica en su valor instrumental e intrínseco. El primero se refiere a bienes como los alimentos, combustibles, reciclaje de nutrientes, filtración de agua, absorción de contaminación, y puede adquirir mayor valor económico si se consideran las posibilidades de la biotecnología en ingeniería genética en el futuro. En cuanto al valor intrínseco, la disminución de la diversidad biológica representa la pérdida de la viabilidad genética en especies y ecosistemas; por ejemplo, la pérdida de especies arbóreas y, a su vez, de hábitat de otras especies como Danaus plexippus L. (mariposa monarca) (Meléndez, 2010; Sáenz-Romero et al., 2012; Villaseñor, 2005). En México no existe un sistema adecuado para designar áreas de protección para especies de Pinus (56 especies) sensibles al cambio climático, pues menos de 10 % del área de distribución se destina como área natural protegida (Gutiérrez & Duivenvoorden, 2010).

En este trabajo se planteó evaluar el impacto del cambio climático sobre la distribución potencial de 12 especies de Pinaceae (10 pinos y dos abetos) en Michoacán, con el propósito de identificar las especies que serán más afectadas.

Materiales y métodos

Área de estudio

El estado de Michoacán (Figura 1) tiene una superficie aproximada de 58,864 km2. La altitud varía desde el nivel del mar hasta 3,840 m (Volcán del Tancítaro); la altitud media es de 1,343 m. El estado se encuentra dentro tres regiones fisiográficas: Depresión del Balsas, Costa del Pacífico y Eje Neovolcánico. Los principales tipos de rocas son ígneas extrusivas básicas y ácidas (Instituto Nacional de Estadística y Geografía e Informática [INEGI], 1988). Los tipos de suelos que destacan son Vertisoles, Luvisoles, Litosoles, Andosoles, Regosoles y Feozems (INEGI, 1988). La conductividad eléctrica de los suelos es menor de 0.22 dS·m-1 y el contenido de materia orgánica varía de 1.4 a 3.4 %; la mayor proporción de suelo tiene pH ligeramente a moderadamente ácido (Cruz-Cárdenas et al., 2014). Los tipos de clima son cálido subhúmedo (Aw1, Awo) y templado subhúmedo (C(w1), C(w2)) (García, 1990); el promedio de la temperatura mínima y máxima es 13.8 y 29.4 °C, respectivamente, con precipitación media de 850 mm. Las principales comunidades vegetales que se encuentran en Michoacán son bosque de coníferas, bosque de encino, bosque mesófilo de montaña, bosque tropical caducifolio, matorral subtropical, bosque espinoso y bosque tropical subcaducifolio (Villaseñor, 2005).

Figura 1 Área de estudio de la distribución potencial de 12 especies de Pinaceae en el estado de Michoacán. 

Datos de presencia

Se obtuvieron 200 registros de presencia de especies de pinos y abetos en el estado de Michoacán, los cuales están alojados en el herbario nacional (MEXU) del Instituto de Biología de la Universidad Nacional Autónoma de México. Las especies estudiadas con número de registro correspondiente son: Abies guatemalensis Rehd. (4), Abies religiosa (Kunth) Schltdl. & Cham. (22), Pinus douglasiana Martínez (11), Pinus hartwegii Lindl. (5), Pinus lawsonii Roezl ex Gordon (15), Pinus leiophylla Schiede ex Schltdl. & Cham. (48), Pinus michoacana Martínez (36), Pinus montezumae Lamb. (15), Pinus oocarpa Schiede ex Schltdl. (4), Pinus pseudostrobus Lindl. (18), Pinus rzedowskii Madrigal & M. Caball. (15) y Pinus teocote Schiede ex Schltdl. & Cham. (7).

Datos bioclimáticos

Se generaron 19 variables bioclimáticas (Cuadro 1) para condiciones actuales y futuras, a partir de la información de precipitación, temperatura mínima y máxima empleando el software DIVA-GIS 7.5 (Hijmans, Cruz, & Guarino, 2012). Los datos para la línea base corresponden a la base climatológica diaria (1960- 2000) del Servicio Meteorológico Nacional de la Comisión Nacional del Agua (Fernández-Eguiarte, Zavala-Hidalgo, & Romero-Centeno, 2015a). Respecto a las condiciones futuras, se utilizaron dos escenarios de forzamiento radiativo o trayectorias representativas de concentraciones (RCP, por sus siglas en inglés) de emisiones bajas (RCP 4.5 W·m-2) y altas (RCP 8.5 W·m-2), y de horizonte de futuro cercano (2015-2039) y lejano (2075-2099) para cada RCP (Fernández-Eguiarte, Zavala- Hidalgo, Romero-Centeno, Conde-Álvarez, & Trejo- Vázquez, 2015b).

Cuadro 1 Variables bioclimáticas de condiciones actuales y futuras, utilizadas en el estudio de la distribución potencial de 12 especies de Pinaceae en Michoacán. 

Variable Descripción
bio1 Temperatura media anual
bio2 Rango promedio de temperaturas diarias (Tmax-Tmin)
bio3 Isotermalidad (bio2/bio7) × 100
bio4 Estacionalidad de la temperatura (Desviación estándar × 100)
bio5 Temperatura máxima del mes más cálido
bio6 Temperatura mínima del mes más frío
bio7 Rango anual de la temperatura (bio5-bio6)
bio8 Temperatura media del trimestre más húmedo
bio9 Temperatura media del trimestre más seco
bio10 Temperatura media del trimestre más cálido
bio11 Temperatura media del trimestre más frío
bio12 Precipitación anual
bio13 Precipitación del mes más húmedo
bio14 Precipitación del mes más seco
bio15 Estacionalidad de la precipitación
bio16 Precipitación del trimestre más húmedo
bio17 Precipitación del trimestre más seco
bio18 Precipitación del trimestre más cálido
bio19 Precipitación del trimestre más frío

Datos de propiedades de suelos

Los datos de las propiedades de suelos fueron cationes solubles (Ca, K, Mg y Na; cmol·L-1), conductividad eléctrica (dS·m-1), materia orgánica (%) y pH (Cruz- Cárdenas et al., 2014).

Selección de predictores ambientales

La colinealidad de las 19 variables de la línea base se evaluó con un análisis de regresión multinomial. El modelo multinomial se ajustó vía redes neuronales para la selección de variables (Venables & Ripley, 2002). El modelo con las variables seleccionadas y el modelo con las 19 variables se evaluaron con la prueba de X2. El grupo de variables con mejor ajuste se empleó para el modelado de distribución de especies en escenarios futuros. La misma técnica de selección de variables se aplicó a los datos de propiedades de suelos.

Modelado de distribución de especies

Los modelos de distribución de especies se generaron con el software Maxent (versión 3.3.3k) de Phillips, Anderson, y Schapire (2006). El propósito de Maxent es estimar la distribución de probabilidad objetivo o desconocida a través de la distribución de probabilidad de máxima entropía (cercana a la uniforme), delimitada por un conjunto de restricciones que representan información incompleta sobre la distribución objetivo. La información disponible de la distribución objetivo se presenta como un conjunto de variables o funciones, y las restricciones son los valores esperados de cada función que deben igualarse a su media muestral (la media muestral para un conjunto de puntos de muestreo se toman de la distribución objetivo). Cuando Maxent se emplea para modelar la distribución de especies utilizando solo registros de presencia (presencias de los 10 pinos y dos abetos), los pixeles del área de estudio se convierten en el espacio sobre el cual la probabilidad de distribución se delimita. Para este caso, los pixeles con registro de ocurrencias de especies conocidas constituyen los puntos de muestreo, y las funciones son las variables de clima, topografía y suelos. Se empleó 75 % de los datos de presencia para el entrenamiento de los modelos y 25 % restante para validarlos. Los grids de salida de Maxent se catalogaron en tres clases con base en la media y la desviación estándar de los valores logísticos (Cianfrani, Le Lay, Hirzel, & Loy, 2010). La clase no idónea son áreas donde los requerimientos ambientales de las especies no se satisfacen; la clase marginal son áreas donde las condiciones del hábitat no pueden soportar a las especies en forma permanente; y la clase idónea son áreas con las condiciones ambientales óptimas para soportar la presencia de las especies (Ottaviani, Lasinio, & Boitani, 2004).

Las proyecciones futuras se hicieron con parámetros de modelos entrenados de cada especie, pero se indicó a Maxent que no realizara la extrapolación, debido a que se tienen problemas para transferir los modelos (ver detalle en Owens et al., 2013). El área bajo la curva se calculó para evaluar la precisión de los modelos. Las áreas de los modelos de escenarios futuros se obtuvieron por medio de líneas de comando, pues la interfaz gráfica de Maxent no permite calcular estos valores para las proyecciones.

Resultados y discusión

Las variables de clima seleccionadas con la regresión multinomial fueron temperatura máxima del mes más cálido (bio5), temperatura mínima del mes más frío (bio6), rango anual de la temperatura (bio7) y precipitación del trimestre más seco (bio17). Con base en la prueba de X2, el criterio de información de Akaike del modelo con 19 variables no fue significativamente diferente del modelo con las variables seleccionadas (P = 0.999). En cuanto al modelo con las siete variables de suelo y el modelo con las variables de suelo seleccionadas (pH y K) tampoco hubo diferencia significativa (P = 0.395) entre ellos. Por tanto, en el modelado de la distribución de especies se emplearon cuatro variables de clima, dos de suelo y el modelo digital de elevación. La importancia de la selección de variables radica en reducir la colinealidad y con esto evitar el riesgo de sobreajuste de los modelos. Las variables de clima seleccionadas se encuentran en el grupo de temperatura y precipitación de acuerdo con lo propuesto por Barbet-Massin y Jetz (2014), con las cuales se generan modelos consistentes en espacio y tiempo, principalmente con las variables del grupo de temperatura.

El Cuadro 2 reporta los valores del área bajo la curva de los modelos de distribución de especies. En general, los valores del área en todos los escenarios son mayores de 0.80, excepto para A. guatemalensis, P. oocarpa y P. teocote. Baldwin (2009) menciona que valores del área bajo la curva menores de 0.7 se consideran modelos predictivos malos, valores de 0.7 a 0.9 son modelos buenos, y valores mayores de 0.9 son modelos muy buenos. Por lo tanto, 85 % de los modelos de distribución de las especies de pinos y abetos se consideran buenos (40 %) y muy buenos (45 %). Además, los valores de del área no disminuyeron significativamente en el tiempo y presentaron un coeficiente de variación menor de 6 % en la mayoría de los casos. Los modelos con poder predictivo bajo corresponden principalmente a aquellos con localidades de presencia menores de 5 como A. guatemalensis y P. oocarpa.

Cuadro 2 Valores del área bajo de la curva de los modelos de distribución de 12 especies de Pinaceae en el estado de Michoacán, bajo escenarios y periodos diferentes. 

Especie Línea base (1960-2000) RCP45 2015-2039 RCP45 2075-2099 RCP85 2015-2039 RCP85 2075-2099 Coeficiente de variación (%)
Abies guatemalensis Rehd. 0.445 0.463 0.482 0.462 0.520 6.0
Abies religiosa (Kunth) Schltdl. & Cham. 0.921 0.913 0.900 0.914 0.900 1.0
Pinus douglasiana Martínez 0.887 0.887 0.918 0.895 0.904 1.5
Pinus hartwegii Lindl. 0.997 0.999 0.998 0.997 0.998 0.1
Pinus lawsonii Roezl ex Gordon 0.854 0.851 0.865 0.859 0.839 1.1
Pinus leiophylla Schiede ex Schltdl. & Cham. 0.993 0.917 0.909 0.926 0.908 3.8
Pinus michoacana Martínez 0.857 0.842 0.848 0.847 0.808 2.2
Pinus montezumae Lamb. 0.810 0.808 0.801 0.807 0.807 0.4
Pinus oocarpa Schiede ex Schltdl. 0.577 0.620 0.716 0.548 0.769 14.5
Pinus pseudostrobus Lindl. 0.997 0.984 0.981 0.979 0.979 0.8
Pinus rzedowskii Madrigal & M. Caball. 0.994 0.995 0.994 0.994 0.994 0.0
Pinus teocote Schiede ex Schltdl. & Cham. 0.671 0.745 0.744 0.763 0.710 5.0

RCP: Escenarios de forzamiento radiativo o trayectorias representativas de concentraciones (por sus siglas en inglés) de emisiones bajas (RCP 4.5 W·m-2) y altas (RCP 8.5 W·m-2), y de horizonte de futuro cercano (2015-2039) y lejano (2075-2099).

El Cuadro 3 muestra el porcentaje de contribución de las variables o predictores ambientales en cada modelo de distribución de especies. Los predictores ambientales con mayor peso fueron temperatura máxima del mes más cálido (bio5), mínima del mes más frío (bio6) y pH.

Cuadro 3 Contribución de los predictores ambientales en los modelos de distribución de 12 especies de Pinaceae en Michoacán. 

Especie Contribución en los modelos de distribución (%)
bio5 bio6 bio7 bio17 K pH DEM Total
Abies guatemalensis Rehd. 80.0 20.0 100.0
Abies religiosa (Kunth) Schltdl. & Cham. 2.2 81.9 0.7 1.4 13.4 0.4 100.0
Pinus douglasiana Martínez 4.9 92.3 0.1 2.7 100.0
Pinus hartwegii Lindl. 55.5 44.5 100.0
Pinus lawsonii Roezl ex Gordon 1.0 76.7 2.1 0.1 20.1 100.0
Pinus leiophylla Schiede ex Schltdl. & Cham. 59.2 7.2 1.8 15.3 0.3 14.9 1.3 100.0
Pinus michoacana Martínez 26.8 5.4 10.3 5.5 1.0 14.3 36.7 100.0
Pinus montezumae Lamb. 9.3 36.5 0.3 2.1 2.9 48.9 100.0
Pinus oocarpa Schiede ex Schltdl. 36.2 11.0 44.5 8.3 100.0
Pinus pseudostrobus Lindl. 92.40 0.1 6.0 1.5 100.0
Pinus rzedowskii Madrigal & M. Caball. 45.7 8.6 21.8 23.5 0.4 100.0
Pinus teocote Schiede ex Schltdl. & Cham. 92.3 7.7 100.0

Bio5 = Temperatura máxima del mes más cálido, bio6 = Temperatura mínima del mes más frío, bio 7 = Rango anual de la temperatura, bio17 = Precipitación del trimestre más seco. MDE: Modelo digital de elevación.

La distribución potencial de los 10 pinos y dos abetos en la línea base se presenta en la Figura 2. Acorde con la figura, las áreas idóneas para la distribución de la mayoría de las especies se encuentran en las provincias biogeográficas Faja Volcánica Transmexicana y Sierra Madre del Sur; en cambio, las provincias biogeográficas de la Depresión del Balsas y Costa del Pacífico son áreas donde los requerimientos ambientales para las especies no se satisfacen. El Cuadro 4 presenta la tasa de cambio de la superficie de áreas idóneas de los 10 pinos y dos abetos en escenarios futuros con respecto a la línea base. Más del 30 % de la superficie del estado presenta las condiciones idóneas para la distribución de P. douglasiana, P. lawsonii, P. montezumae y P. pseudostrobus. En cambio menos del 7 % del área estatal se considera idónea para la distribución de A. religiosa y P. rzedowskii. Las predicciones para el horizonte cercano muestran un cambio de las áreas idóneas para la presencia de las especies estudiadas. Bajo este horizonte, el área de distribución de P. oocarpa aumentará 81 %. En cambio, el área idónea de A. religiosa, P. leiophylla y P. teocote disminuirá más de 40 %. Los pronósticos para el horizonte lejano muestran que también se presentará la reducción de áreas idóneas. Las superficies idóneas de A. religiosa, P. hartwegii, P. leiophylla, P. michoacana y P. teocote disminuirán más de 60 %. En contraste, el área de distribución idónea para P. oocarpa y P. rzedowskii aumentará 18 y 10 %, respectivamente.

Figura 2 Mapas de la distribución potencial de especies de pinos y abetos en la línea base (1960-2000) de estudio en Michoacán. 

Cuadro 4 Tasa de cambio de la superficie de áreas idóneas de 12 especies de Pinaceae en Michoacán, con respect a la línea base (1960-2000). 

Especie Línea base Tasa de cambio (%)
Horizonte cercano (2015-2039) Horizonte lejano (2075-2099)
Abies guatemalensis Rehd. 22.23 3.01 -0.25
Abies religiosa (Kunth) Schltdl. & Cham. 6.83 -54.54 -89.90
Pinus douglasiana Martínez 36.84 -24.33 -57.11
Pinus hartwegii Lindl. 25.96 -38.27 -75.94
Pinus lawsonii Roezl ex Gordon 37.86 -11.11 -32.71
Pinus leiophylla Schiede ex Schltdl. & Cham. 25.69 -47.74 -72.56
Pinus michoacana Martínez 27.92 -38.63 -71.81
Pinus montezumae Lamb. 30.79 6.15 4.55
Pinus oocarpa Schiede ex Schltdl. 18.32 81.03 18.29
Pinus pseudostrobus Lindl. 38.46 -10.97 -37.95
Pinus rzedowskii Madrigal & M. Caball. 2.4 -4.38 10.21
Pinus teocote Schiede ex Schltdl. & Cham. 29.93 -41.80 -68.08

De acuerdo con la Figura 3, las áreas no idóneas aumentarán en los periodos y escenarios futuros con respecto al clima de línea base; el incremento provocará la disminución de las áreas idóneas. La reducción del área idónea entre los escenarios de clima futuro y línea base no fue significativa (P = 0.103), a excepción del escenario RCP 8.5 y el horizonte 2075-2099. En general, los modelos de distribución de especies del escenario de emisiones altas (RCP 8.5 W·m-2) presentarán mayor reducción de áreas idóneas en comparación con los escenarios de emisiones bajas (RCP 4.5 W·m-2), tal como lo indican Fernández-Eguiarte et al. (2015b). Resultados similares se han reportado en estudios previos donde se estima que las áreas ideales serán ligeramente menores en los escenarios conservadores (Gómez-Mendoza & Arriaga, 2007; Hamann & Wang, 2006).

Figura 3 Comparación de medias del área de distribución potencial de 12 especies de Pinaceae en diferentes periodos y escenarios de Michoacán. Letras diferentes en filas son significativamente diferentes de acuerdo con la prueba de Tukey (P = 0.05). 

La estimación de la disminución de áreas idóneas para la presencia de A. religiosa es similar a lo encontrado por Sáenz-Romero et al. (2012), quienes reportan que el área se reducirá más de 88 % en periodos posteriores al año 2050. Los autores mencionan que una de las soluciones para reducir el impacto del cambio climático sobre la distribución de esta especie es el manejo asistido, ubicando nuevas localidades 300 m arriba de las cotas altitudinales actuales; sin embargo, esto no garantiza que las especies que coexisten (mariposa monarca y hongos comestibles) con A. religiosa, se adapten a los nuevos sitios.

Debido al aumento de temperatura y la reducción de la precipitación por cambio climático, el área de distribución de varias especies de Pinus puede disminuir en zonas con altitud mayor de 3,500 m y será necesario transferir especies de menor altitud (3,000-3,500 m) a estas cotas altitudinales (Viveros-Viveros et al., 2009). Gómez-Mendoza y Arriaga (2007) encontraron que P. oocarpa es una de las especies más vulnerables al cambio climático en la república mexicana. Según estos autores, el área idónea de P. oocarpa se reducirá 50 %; P. teocote es una especie moderadamente sensible al cambio climático, ya que su superficie se contraerá 19 %; mientras que P. douglasiana es una especie tolerante porque su superficie de distribución disminuirá solo 1 %. Por otra parte, P. leiophylla debe ser estudiada de manera especial, ya que su distribución no solo es vulnerable al cambio climático sino también a plagas como Dendroctonus, categorizada como una amenaza alta en zonas de la Faja Volcánica Transmexicana (Salinas-Moreno, Ager, Vargas, Hayes, & Zúñiga, 2010).Las tres especies que serán más afectadas por el cambio climático, de acuerdo con los horizontes cercano y lejano, son A. religiosa, P. leiophylla y P. teocote. Estas especies se relacionan con comunidades de bosque de coníferas y bosque de encinos, cuyas superficies también pueden ser afectadas por el cambio de uso de suelo debido a las actividades agrícolas, forestales y pecuarias (Figura 4), por tal motivo se estima que exista mayor reducción de la distribución potencial idónea. Esto sucede con A. guatemalensis, ya que los suelos donde comúnmente se encuentra son fértiles, factor importante en el establecimiento de otras plantaciones (Andersen, Córdova, Sørensen, & Kollmann, 2006). Sin embargo, Jantz et al. (2015) mencionan que la distribución potencial idónea se redujo del año 1500 a 2005, donde más de la mitad de la vegetación natural se perdió por dichas actividades. Estos autores valoran que, para escenarios futuros de RCP, más de 70 % de la vegetación natural se perderá por la tala.

Figura 4 Distribución potencial idónea de las especies que serán más afectadas por el cambio climático, bajo el escenario RCP 8.5 2075-2099. Polígonos de cambio de uso de suelo y vegetación de acuerdo con INEGI (2005)

Conclusiones

De las 27 variables de clima, suelo y topografía solo se emplearon siete (temperatura máxima del mes más cálido, temperatura mínima del mes más frío, rango anual de la temperatura, precipitación del trimestre más seco, K, pH y el modelo digital de elevación) con mayor significancia en el modelado de distribución de especies. Las variables generaron modelos robustos en tiempo y espacio, pues 85 % se consideraron buenos y muy buenos de acuerdo con los valores de área bajo la curva. Los modelos de distribución potencial de especies en función de los escenarios RCP 8.5 presentaron la mayor disminución de la distribución de áreas idóneas de pinos y abetos. Las especies más afectadas por el cambio climático serán A. religiosa, P. leiophylla y P. teocote. Por tanto, es necesario implementar medidas para la adaptación al cambio climático a través de manejo asistido, variabilidad genética y resistencia a plagas. La reducción de las áreas idóneas para la distribución de A. religiosa será mayor de 72 %, siendo la más afectada de las especies evaluadas; si su población disminuye, también afectará la población de mariposa monarca y la economía de los habitantes aledaños que dependen del turismo atraído por la presencia del lepidóptero.

References

Andersen, U. S., Córdova, J. P. P., Sørensen, M., & Kollmann, J. (2006). Conservation and utilisation of Abies guatemalensis Rehder (Pinaceae)-an endangered endemic conifer in Central America. Biodiversity & Conservation, 15(10), 3131-3151. doi: 10.1007/s10531-005-5405-x [ Links ]

Anderson, R. P., & Raza, A. (2010). The effect of the extent of the study region on GIS models o f species geographic distributions and estimates of niche evolution: Preliminary tests with montane rodents (genus Nephelomys) in Venezuela. Journal of Biogeography, 37(7), 1378-1393. doi: 10.1111/j.1365-2699.2010.02290.x [ Links ]

Baldwin, R. A. (2009). Use of maximum entropy modeling in wildlife research. Entropy, 11(4), 854-866. doi: 10.3390/e11040854 [ Links ]

Barbet‐Massin, M., & Jetz, W. (2014). A 40‐year, continent‐wide, multispecies assessment of relevant climate predictors for species distribution modelling. Diversity and Distributions, 20(11), 1285-1295. doi: 10.1111/ddi.12229 [ Links ]

Cianfrani, C., Le Lay, G., Hirzel, A. H., & Loy, A. (2010). Do habitat suitability models reliably predict the recovery areas of threatened species? Journal of Applied Ecology, 47(2), 421-430. doi: 10.1111/j.1365-2664.2010.01781.x [ Links ]

Cruz-Cárdenas, G., López-Mata, L., Ortiz-Solorio, C. A., Villaseñor, J. L., Ortiz, E., Silva, J. T., & Estrada-Godoy, F. (2014). Interpolation of Mexican soil properties at a scale of 1:1,000,000. Geoderma, 213, 29-35. doi: 10.1016/j.geoderma.2013.07.014 [ Links ]

Cué-Bär, E. M., Villaseñor, J. L., Arredondo-Amezcua, L., Cornejo-Tenorio, G., & Ibarra-Manríquez, G. (2006). La flora arbórea de Michoacán, México. Boletín de la Sociedad Botánica de México, 78, 47-81. Obtenido de http://www.redalyc.org/pdf/577/57707806.pdf?viewType=Print&viewClass=PrintLinks ]

Fernández-Eguiarte, A., Zavala-Hidalgo, J., & Romero- Centeno, R. (2015a). Atlas climático digital de México. México: Centro de Ciencias de la Atmósfera, Universidad Nacional Autónoma de México. Obtenido de http://uniatmos.atmosfera.unam.mx/ [ Links ]

Fernández-Eguiarte, A., Zavala-Hidalgo, J., Romero-Centeno, R., Conde-Álvarez, A. C., & Trejo-Vázquez, R. I. (2015b). Actualización de los escenarios de cambio climático para estudios de impacto, vulnerabilidad y adaptación en México y Centroamérica. México: Centro de Ciencias de la Atmósfera, Universidad Nacional Autónoma de México -Instituto Nacional de Ecología y Cambio Climático-Secretaría de Medio Ambiente y Recursos Naturales. Obtenido de http://atlasclimatico.unam.mx/AECC/servmapas/ [ Links ]

García, E. (1990). Atlas nacional de México. Carta de climas (1: 1 400 000). México, D. F.: Instituto de Geografía, Universidad Nacional Autónoma de México. [ Links ]

Gómez‐Mendoza, L., & Arriaga, L. (2007). Modeling the effect of climate change on the distribution of oak and pine species of Mexico. Conservation Biology, 21(6), 1545-1555. doi: 10.1111/j.1523-1739.2007.00814.x [ Links ]

Gutiérrez, J. A., & Duivenvoorden, J. F.(2010). Can we expect to protect threatened species in protected areas? A case study of the genus Pinus in Mexico. Revista mexicana de biodiversidad, 81(3), 875-882. Obtenido de http://scielo.unam.mx/pdf/rmbiodiv/v81n3/v81n3a27.pdfLinks ]

Hamann, A., & Wang, T. (2006). Potential effects of climate change on ecosystem and tree species distribution in British Columbia. Ecology, 87(11), 2773-2786. doi: 10.1890/0012-9658(2006)87[2773:PEOCCO]2.0.CO;2 [ Links ]

Hamrick, J. L. (2004). Response of forest trees to global environmental changes. Forest Ecology and Management, 197(1), 323-335. doi: 10.1016/j.foreco.2004.05.023 [ Links ]

Hijmans, R. J., Cruz, M. E., & Guarino, L. (2012). DIVA-GIS versión 7.5. Free mapping program. CA, USA: LizardTech, Inc. Obtenido de http://www.diva-gis.org/ Links ]

Instituto Nacional de Estadística, Geografía e Informática (INEGI). (1988). Atlas nacional de medio físico. Aguascalientes, México. Instituto Nacional de Estadística, Geografía e Informática [ Links ]

Instituto Nacional de Estadística, Geografía e Informática (INEGI). (2005). Mapa de uso de suelo y vegetación 1:250 000 Serie III . México: Instituto Nacional de Estadística, Geografía e Informática [ Links ]

Jantz, S. M., Barker, B., Brooks, T. M., Chini, L. P., Huang, Q., Moore, R. M,…Hurtt, G. C. (2015). Future habitat loss and extinctions driven by land‐use change in biodiversity hotspots under four scenarios of climate‐change mitigation. Conservation Biology, 29(4), 1122-1131. doi: 10.1111/cobi.12549 [ Links ]

Jeschke, J. M., & Strayer, D. L. (2008). Usefulness of bioclimatic models for studying climate change and invasive species. Annuals of the New York Academy of Sciences, 1134(1), 1-24. doi: 10.1196/annals.1439.002 [ Links ]

Martínez-Meyer, E. (2005). Climate change and biodiversity: Some considerations in forecasting shifts in species› potential distributions. Biodiversity Informatics, 2, 45- 55. doi: 10.17161/bi.v2i0.8 [ Links ]

Meléndez, V. (2010). Valor económico de la biodiversidad. En R. Durán, & M. Méndez (Eds.), Biodiversidad y desarrollo humano en Yucatán (pp. 453-456). Mérida, Yucatán, México: CICY-PPD-FMAM-Conabio-Seduma. [ Links ]

Ottaviani, D., Lasinio, G. J., & Boitani, L. (2004). Two statistical methods to validate habitat suitability models using presence-only data. Ecological Modelling, 179(4), 417- 443. doi: 10.1016/j.ecolmodel.2004.05.016 [ Links ]

Owens, H. L., Campbell, L. P., Dornak, L. L., Saupe, E. E., Barve, N., Soberón, J., Peterson , A. T. (2013). Constraints on interpretation of ecological niche models by limited environmental ranges on calibration areas. Ecological Modelling, 263, 10-18. doi: 10.1016/j.ecolmodel.2013.04.011 [ Links ]

Peterson, A. T. (2006). Uses and requirements of ecological niche models and related distributional models. Biodiversity Informatics, 3, 59-72. doi: 10.17161/bi.v3i0.29 [ Links ]

Phillips, S. J., Anderson, R. P., & Schapire, R. E. (2006). Maximum entropy modeling of species geographic distributions. Ecological modelling, 190(3), 231-259. doi: 10.1016/j.ecolmodel.2005.03.026 [ Links ]

Real, R., Luz Márquez, A., Olivero, J., & Estrada, A. (2010). Species distribution models in climate change scenarios are still not useful for informing policy planning: An uncertainty assessment using fuzzy logic. Ecography, 33(2), 304-314. doi: 10.1111/j.1600-0587.2010.06251.x [ Links ]

Sáenz-Romero, C., Rehfeldt, G. E., Duval, P., & Lindig- Cisneros, R. A. (2012). Abies religiosa habitat prediction in climatic change scenarios and implications for monarch butterfly conservation in Mexico. Forest Ecology and Management, 275, 98-106. doi: 10.1016/j.foreco.2012.03.004 [ Links ]

Salinas-Moreno, Y., Ager, A., Vargas, C. F., Hayes, J. L., & Zúñiga, G. (2010). Determining the vulnerability of Mexican pine forests to bark beetles of the genus Dendroctonus Erichson (Coleoptera: Curculionidae: Scolytinae). Forest Ecology and Management, 260(1), 52-61. doi: 10.1016/j.foreco.2010.03.029 [ Links ]

Venables, W. N., & Ripley, B. D. (2002). Modern applied statistics with S. New York, USA: Springer Science & Business Media. [ Links ]

Villaseñor, J. L. (2003). Diversidad y distribución de las Magnoliophyta de México. Interciencia, 28(3), 160- 167. Obtenido de http://www.redalyc.org/articulo.oa?id=33907806 Links ]

Villaseñor, G. L. E. (2005). La biodiversidad en Michoacán: estudio de estado. Obtenido de http://repositorio.fciencias.unam.mx:8080/xmlui/handle/11154/62925Links ]

Viveros-Viveros, H., Sáenz-Romero, C., Vargas-Hernández, J. J., López-Upton, J., Ramírez-Valverde, G., & Santacruz- Varela, A. (2009). Altitudinal genetic variation in Pinus hartwegii Lindl. I: Height growth, shoot phenology and frost damage in seedlings. Forest Ecology and Management, 257(3), 836-842. doi: 10.1016/j.foreco.2008.10.021 [ Links ]

Recibido: 18 de Junio de 2015; Aprobado: 26 de Enero de 2016

*Corresponding author. Email: guscruz@ipn.mx, gustavo.cruz.cardenas@gmail.comTel: +52 (353)5330083

Creative Commons License This is an open-access article distributed under the terms of the Creative Commons Attribution License