Una estrategia para obtener regionalizaciones bióticas fiables a partir de datos incompletos: el caso de los escarabeidos (Coleoptera, Scarabaeinae) ibérico-baleares

Abstract

RESUMENSe presenta un método para obtener regionalizaciones basadas en los organismos a partir de datos corológicos incompletos, utilizando como ejemplo los escarabeidos ibéricos (Col., Scarabaeinae). A partir de las unidades territoriales bien muestreadas, realizamos en primer lugar un análisis de ordenación, en el que se identificaron cuatro ejes faunísticos. Posteriormente, los valores de estos ejes se extrapolaron a todo el territorio ibérico mediante Modelos Lineales Generalizados. Con los valores predichos para estos ejes se desarrolló una matriz de distancias faunísticas. A partir de ella, y de las distancias geográficas entre unidades territoriales, se obtuvo una nueva matriz de distancias faunístico-geográficas. Esta matriz fue utilizada para realizar la clasificación final de todo el territorio, obteniéndose ocho regiones faunísticas diferentes. Finalmente, se comentan los resultados obtenidos, identificando las diferencias en su composición y riqueza regional y local. Palabras clave: regionalización, clasificación, ordenación, modelos predictivos, Scarabaeinae, Península Ibérica. ABSTRACTA strategy to obtain reliable biotic regionalizations from incomplete data: the case of IberoBalearic dung beetles (Coleoptera, Scarabaeinae)A method to obtain regionalizations based in the organisms from incomplete distributional data is presented, using Iberian scarabaeine (Col., Scarabaeinae) as an example. A first ordination analysis was carried out using the well-sampled territorial units, where four faunistic axes were identified. Then, the scores of these axes were extrapolated to the whole Iberian territory by means of General Linear Modelling. A faunistic distance matrix was developed using the predicted values for the four axes. Using this matrix and the geographic distances among territorial units, a new matrix, reflecting both the compositional and geographic distances was obtained. This matrix was used to carry out the final classification of all the territory, where eight different faunistic regions were obtained. Finally, the results are briefly discussed, and their composition and local and regional richness are described.

A synecological framework for systematic conservation planning

“…For example, as Atlas data has improved, many predictions developed from old Atlases agree with the data presented in new ones (Dennis and Shreeve 2003). Biodiversity is now modelled mainly from: i) single species distribution data, one-by-one (autoecology, see Guisan and Zimmermann 2000;Scott et al 2002;Ferrier et al 2002a;Pearson and Dawson 2003;Peterson et al 2004;Soberón and Peterson 2005;Araújo and Guisan 2006); or ii) composite biodiversity variables, such as species richness, assemblage composition, endemism, rarity, and others, assumed to be biodiversity surrogates for monophyletic groups (synecology; see Lobo and Martín-Piera 2002;Hortal et al 2001Hortal et al , 2003Hortal et al , 2004Ferrier 2002;Ferrier et al 2002b;Ferrier and Guisan 2006).…”

“…Moreover, the set of species considered is enlarged by the inclusion of rare species in the estimates of biodiversity surrogate scores, which become a major part of final values. Rarity itself can be also estimated for each territorial unit (see Gaston 1994), as can other surrogates, such as β-diversity (Faith and Ferrier 2002;Ferrier 2002;Ferrier et al 2002b), endemism (Lumaret and Lobo 1996), assemblage composition (Ferrier 2002;Hortal et al 2003;Araújo et al 2004a;Ferrier and Guisan 2006).…”

“…However, their use as predictors would require first: i) design of sampling strategies to obtain reliable information on spatial biodiversity patterns using a minimum set of sites representative of environmental and spatial variability (Austin 1998;Ferrier 2002;; see also Araújo and Guisan 2006); ii) inclusion of a measure of sampling effort or, at least, a surrogate, in the databases used to gather information for distribution Atlases (Austin 1998;Dennis and Thomas 2000); and iii) production of maps of as many predicted biodiversity components as possible, such as species richness, rarity, endemism or composition differences (Carroll and Pearson 1998a;Pearson and Carroll 1999;Hortal et al 2001Hortal et al , 2003Hortal et al , 2004Lobo and Martín-Piera 2002;Ferrier 2002;Ferrier et al 2002b).…”

Distribución y patrones de diversidad de los Afódidos en la Comunidad de Madrid (Coleoptera, Scarabaeoidea, Aphodiidae, Aphodiinae y Psammodiinae)

“…Aphodius ( Subrinus ) sturmi Aphodius ( Teuchestes ) fossor Aphodius ( Trichonotulus ) scrofa geográfica de la biodiversidad de escarabeidos coprófagos en Europa occidental Hortal et al, , 2003Lobo et al , 2004Verdú & Galante, 2002;Cabrero-Sañudo & Lobo, 2003). En general, los efectos más importantes parecen provenir de las variables climáticas y de los factores de índole histórico-geográfica.…”

“…La importancia de los factores histórico-geográficos se traduce en una importante modificación del patrón o estructura espacial producido por el efecto de las variaciones ambientales (ver discusión en , debido a los procesos históricos de dispersión y/o extinción. Litología, heterogeneidad ambiental y calidad del recurso trófico aparecen como factores secundarios en el caso de las variaciones en la riqueza (Cabrero-Sañudo & Lobo, 2003) o la composición faunística (Hortal et al, 2003). En el caso de la endemicidad, la existencia de una fauna estrechamente adaptada al consumo de las heces con bajo contenido hídrico como las de conejo, parece ser la causa principal de su variación Ibérica (Verdú & Galante, 2002).…”