Resumen

La biodiversidad est ntimamente ligada a la produccin de servicios de los

ecosistemas. Patrones en la biodiversidad son intrnsecamente espacial, y como tal,
pueden estimarse mediante el anlisis de los mapas de uso y cobertura del suelo
(LULC) en conjuncin con amenazas. InVEST modelos de la calidad del hbitat y la
rareza como representacin de la biodiversidad, en ltima instancia, la estimacin de
la extensin del hbitat y tipos de vegetacin a travs de un paisaje, y su estado de
degradacin. La calidad del hbitat y la rareza son una funcin de cuatro factores:
impacto relativo de cada amenaza, la sensibilidad relativa de cada tipo de hbitat para
cada amenaza, la distancia entre los hbitats y las fuentes de amenazas, y el grado en
que la tierra est protegido legalmente. insumos requeridos incluyen un mapa LULC, la
sensibilidad de los tipos LULC a cada amenaza, los datos espaciales en la distribucin
e intensidad de cada amenaza y la ubicacin de las reas protegidas. El modelo
asume que la proteccin legal de la tierra es eficaz y que todas las amenazas a un
paisaje son aditivos.

Introduccin
Un objetivo primordial de la conservacin es la proteccin de la biodiversidad,
incluyendo la gama de genes, especies, poblaciones, hbitats y ecosistemas en un
rea de inters. Mientras que algunos consideran la biodiversidad de ser un servicio
ambiental, aqu lo tratamos como un atributo independiente de los sistemas naturales,
con su propio valor intrnseco (no monetizamos la biodiversidad en este
modelo). gestores de recursos naturales, empresas y organizaciones de conservacin
se estn convirtiendo cada vez ms interesados en la comprensin de cmo y dnde
biodiversidad y servicios ambientales se alinean en el espacio y cmo las acciones de
manejo afectan a ambos.
Evidencia de muchas fuentes construye una imagen abrumadora de disminucin
generalizada de la biodiversidad en todo el mundo (por ejemplo, Vitousek et al 1997;.
Wilcove et al 1998;. Checa et al 2000). Esta evidencia ha llevado a una respuesta de
amplio alcance tanto de los gobiernos y la sociedad civil. A travs de la Convencin de
Ro sobre Biodiversidad, 189 pases se han comprometido a la preservacin de la
biodiversidad dentro de sus fronteras. Sin embargo, hay poca investigacin sobre el
solapamiento entre las oportunidades para proteger la biodiversidad y mantener los

servicios de los ecosistemas tan importante para el bienestar econmico de estos

pases. Este es precisamente el tipo de desafo que invierten ha sido diseado para
abordar.
Para los gerentes a comprender los patrones de distribucin y riqueza a travs de un
paisaje, individualmente y en conjunto, es necesario asignar el rango o apariciones de
elementos (por ejemplo, especies, comunidades, hbitats). El grado en que el uso
actual de la tierra y la gestin afecta a la persistencia de estos elementos tambin
debe ser evaluado con el fin de disear estrategias apropiadas de conservacin y
fomentar la gestin de los recursos que maximiza la biodiversidad en esas reas.
Hay una variedad de enfoques para la identificacin de prioridades para la
conservacin con diversas ventajas y desventajas entre ellos. Cada uno de estos
enfoques se centra en diferentes facetas de atributos y dinmica de la biodiversidad,
incluyendo hbitat o representacin basada en la vegetacin (es decir, un filtro
grueso), maximizando el nmero de especies "cubiertas" por una red de sitios
conservados para un presupuesto de conservacin determinado (Ando et al., 1998), la
identificacin de patrones de riqueza y endemismo (puntos de acceso IC), y la
conservacin de los procesos ecolgicos. Tambin hay un enfoque de filtro grueso-fino
hbrido que incluye selectivamente elementos "fino", tales como filtros de especies con
requerimientos de hbitat nicos que no pueden ser protegidos de manera adecuada
utilizando un enfoque de filtro grueso solamente (TNC y WWF planificacin
ecorregional). El modelo InVEST Hbitat La calidad es ms relevante para "filtro
grueso", o enfoques basados en el hbitat.
Las razones para la modelizacin de la biodiversidad junto con los servicios de los
ecosistemas son simples y de gran alcance. Si lo hace, nos permite comparar
patrones espaciales de la biodiversidad y los servicios de los ecosistemas, y para
identificar las reas de beneficio mutuo (es decir, zonas en las que la conservacin
puede beneficiar tanto a los sistemas naturales y las economas humanos), as como
reas en las que estos objetivos no estn alineados. Adems, nos permite analizar el
equilibrio entre biodiversidad y los servicios ecosistmicos a travs de diferentes
escenarios del futuro cambio del uso del suelo. El uso del suelo / cobertura de la tierra
(LULC) patrones que generan una mayor produccin de servicios de los ecosistemas
no siempre puede conducir a una mayor conservacin de la biodiversidad (Nelson et
al., 2008), y el modelado de las opciones futuras de hoy pueden ayudar a identificar y
evitar soluciones de compromiso.

El Modelo
El modelo de la calidad del hbitat InVEST combina la informacin sobre LULC y las
amenazas a la biodiversidad para producir mapas de calidad del hbitat. Este enfoque
genera dos conjuntos de informacin clave que son tiles en la fabricacin de una
evaluacin inicial de las necesidades de conservacin: la medida relativa y la
degradacin de los diferentes tipos de tipos de hbitats en una regin y cambios a
travs del tiempo. Este enfoque permite adems una rpida evaluacin de la situacin
y variacin de un proxy para las medidas ms detalladas del estado de la
biodiversidad. Si se toman los cambios de hbitat como representante de, especies o
cambios en los ecosistemas genticos, el usuario est asumiendo que las reas con
hbitat de alta calidad apoyarn mejor a todos los niveles de la biodiversidad y que
disminuye en extensin y calidad del hbitat a travs del tiempo significa una
disminucin en la persistencia de la biodiversidad, resiliencia, amplitud y profundidad
de la zona de descenso.

El modelo de hbitat rareza indica el alcance y las modalidades de tipos de cobertura

de vegetacin nativa en el actual o potencial de un paisaje futuro vis-a-vis el alcance
de los mismos tipos de cobertura del suelo natural en un perodo de referencia. Los
mapas de rareza permiten a los usuarios crear un mapa de los hbitats ms raros en
el paisaje con respecto a la lnea de base elegido por el usuario para representar la
mezcla de hbitats en el paisaje que es ms adecuado para la biodiversidad nativa del
rea de estudio.
El modelo requiere datos bsicos que estn disponibles prcticamente en todo el
mundo, por lo que es til en las reas para las que los datos de distribucin de
especies son pobres o que carecen por completo. Gran nmero de casos de datos
(presencia / ausencia) puede estar disponible en muchos lugares para las condiciones
actuales. Sin embargo, la modelizacin del cambio en la ocurrencia, la persistencia o
la vulnerabilidad de mltiples especies en las condiciones futuras a menudo es
imposible o no factible. Mientras que un enfoque de hbitat deja fuera a los datos de
las especies de ocurrencia detalladas disponibles para las condiciones actuales, varios
de sus componentes representan avances en la funcionalidad sobre muchas
herramientas existentes de planificacin de conservacin de la biodiversidad. La ms
significativa es la capacidad para caracterizar la sensibilidad de los tipos de hbitats de
diversas amenazas. No todos los hbitats se ven afectados por todas las amenazas de
la misma manera, y representa el modelo InVEST de esta variabilidad. Adems, el
modelo permite a los usuarios calcular el impacto relativo de una amenaza sobre otra
de modo que las amenazas que son ms perjudiciales para la persistencia de la
biodiversidad en el paisaje pueden ser representados como tales. Por ejemplo, los
pastizales podra ser particularmente sensibles a las amenazas generadas por las
zonas urbanas todava moderadamente sensibles a las amenazas generadas por las
carreteras. Adems, la distancia a la que una amenaza se degradar sistemas
naturales puede ser incorporado en el modelo.
Modelo de evaluacin del paisaje actual se puede utilizar como una entrada en una
evaluacin de filtro grueso de las necesidades y oportunidades de conservacin
actuales. Modelo de evaluacin de los posibles futuros LULC se puede utilizar para
medir los cambios potenciales en la extensin del hbitat, la calidad y rareza en un
paisaje y conservacin de las necesidades y oportunidades en el futuro.
Cmo funciona
Hbitat Calidad
Definimos hbitat como "los recursos y las condiciones presentes en un rea que
producen la ocupacin - incluyendo la supervivencia y la reproduccin - por un
determinado organismo (Hall et al 1997:. 175)." La calidad del hbitat se refiere a la
capacidad del ecosistema para proporcionar las condiciones adecuadas para la
persistencia individual y poblacional, y se considera una variable continua en el
modelo, que van de baja a media a alta, en base a los recursos disponibles para la
supervivencia, reproduccin y persistencia de la poblacin, respectivamente (Hall et al,
1997). Hbitat con alta calidad es relativamente intacto y tiene la estructura y funcin
dentro de la gama de variabilidad histrico. La calidad del hbitat depende de la
proximidad de un hbitat a los usos humanos del suelo y la intensidad de estos usos
de la tierra. En general, la calidad del hbitat se degrada como la intensidad de los
aumentos cercanos de uso del suelo (Nelleman 2001 McKinney 2002, Forman et al.,
2003).
El modelo se ejecuta a partir de datos de la trama, o un mapa cuadriculado de clulas
cuadradas. Cada celda de la trama se asigna un tipo LULC, que puede ser una

cobertura natural (no administrado) o una cubierta administrado. tipos LULC se

pueden dar en cualquier nivel de detalle clasificacin. Por ejemplo, los pastizales es
una definicin amplia LULC que se pueden subdividir en pastos, pradera restaurada, y
los tipos de csped residenciales para proporcionar mucho ms detalle LULC
clasificacin. Si bien el usuario puede enviar un mximo de 3 mapas raster de LULC,
uno cada uno para una lnea de base, actual y futuro perodo, como mnimo el mapa
LULC trama actual tiene que ser presentado.
El usuario define qu tipos de LULC pueden proporcionar un hbitat para el objetivo de
conservacin (por ejemplo, si la cra de aves de bosque son el objetivo de
conservacin a continuacin, los bosques son el hbitat y no forestales cubiertas no
son hbitat). Vamos \ (H_j \) indican la idoneidad del hbitat de LULC tipo j.
Qu tipos de LULC deben considerarse hbitat? Si teniendo en cuenta la biodiversidad
en general, o si los datos sobre las relaciones especficas de la biodiversidad y sus
hbitats estn careciendo, se puede adoptar un enfoque binario simple de asignacin
de hbitat a los tipos LULC. Un ejemplo clsico sera seguir un modelo de isla en el
ocano y se supone que la matriz que rodea la tierra manejada algunas zonas de
tierras no gestionadas no se puede utilizar desde el punto de vista de las especies (por
ejemplo, MacArthur y Wilson 1967). En este caso un 0 se asignara a tipos LULC
gestionados en la matriz (es decir, no hbitat) y un 1 a tipos no administrados (es decir,
de hbitat). Bajo este esquema de modelado del paisaje, las puntuaciones de calidad
no son una funcin de la importancia del hbitat, rareza, o de idoneidad; todos los
tipos de hbitat son tratados por igual. Las entradas del modelo se supone que no sea
especfica para cualquier especie o especies particulares gremio, sino ms bien
aplicarse a la biodiversidad en general.
Las investigaciones ms recientes sugieren que la matriz de terreno administrado que
rodea parcelas de tierra no administrado puede influir significativamente en el
"aislamiento eficaz" de los parches de hbitat, hacindolos ms o menos aislados que
la distancia simple o modelos clsicos que indicara (Ricketts 2001 Prugh et al.
2008). La modificacin de la matriz puede ofrecer oportunidades para reducir el
aislamiento de parches y por lo tanto el riesgo de extincin de las poblaciones en
paisajes fragmentados (Franklin y Lindenmayer 2009). Para modelar esto, una
puntuacin hbitat aptitud relativa se puede asignar a un tipo LULC vara de 0 a 1,
donde 1 indica la ms alta aptitud del hbitat. Un ranking de menos de 1 indica hbitat
donde una especie o grupo funcional pueden tener capacidad de supervivencia
inferior. La aplicacin de este segundo enfoque se ampla en gran medida la definicin
de hbitat desde el enfoque binario simple y con frecuencia artificial (por ejemplo,
"natural" frente a "no natural") para incluir un amplio espectro de ambos tipos de LULC
administrados y no administrados. Mediante el uso de un continuo de la calidad del
hbitat en todos los tipos de LULC, el usuario puede evaluar la importancia de la
gestin del uso del suelo sobre la calidad del hbitat de manera integral o considerar la
posible importancia de "trabajo" (o administrados) paisajes.
Si un continuo de adecuacin del hbitat es relevante, pesas con una lista de LULC en
un paisaje deben aplicarse en referencia a un gremio especie particular de grupo. Por
ejemplo, los pjaros cantores de pastizales pueden preferir un hbitat de pradera
nativa por encima de todos los otros tipos de hbitat (la puntuacin hbitat de la
pradera LULC (Hprarie) es igual a 1), pero tambin har uso de un campo de heno o
pasto logrado en caso de apuro (la puntuacin hbitat para LULC el campo de heno
(Hhayfield) y pastos (Hpasture) es igual a 0,5). Sin embargo, los mamferos tales como
puerco espines encontrarn las praderas no aptos para la cra y la alimentacin. Por lo
tanto, si se utilizan datos especficos sobre las especies relaciones grupo-hbitat, la
salida del modelo se refiere a la extensin del hbitat y la calidad de la especie o
grupo en la nica modelada establecido.

Adems de un mapa de LULC y los datos que se refiere a la idoneidad del hbitat
LULC, el modelo tambin requiere datos sobre la densidad amenaza el hbitat y sus
efectos en la calidad del hbitat. En general, consideramos modificados por el hombre
LULC tipos que causan la fragmentacin del hbitat, borde, y la degradacin del
hbitat en las amenazas vecina. Por ejemplo, la conversin de un hbitat a LULC
LULC hbitat no reduce el tamao y la continuidad de los parches de hbitat
vecino. Los efectos de borde se refieren a los cambios en las condiciones biolgicas y
fsicos que ocurren en un lmite de parche y dentro de los parches adyacentes. Por
ejemplo, las parcelas adyacentes LULC no de hbitat degradados imponer "efectos de
borde" en parcelas de hbitat y pueden tener un impacto negativo en las parcelas de
hbitat, por ejemplo, facilitando la entrada de depredadores, competidores, especies
invasoras, o productos qumicos txicos y otros contaminantes. Otro ejemplo: en
muchos pases en desarrollo las carreteras son una amenaza para la calidad del
hbitat de bosque en el paisaje debido al acceso que proporcionan a los productos
maderables y no maderables Silvicultores.
Cada fuente de amenaza debe ser mapeada en una malla de trama. Un valor de celda
de la cuadrcula en el mapa de una amenaza puede o bien indicar la intensidad de la
amenaza dentro de la clula (por ejemplo, longitud de la carretera en una celda de la
cuadrcula o el rea cultivada en una celda del ceidor) o simplemente un 1 si la celda
de la cuadrcula contiene la amenaza de una carretera o cultivo de cobertura de
campo y 0 en caso contrario. Let \ (O_ {ry} \) indica "puntuacin" amenaza de r en la
rejilla celular y en la que r = 1, 2, ..., R ndices de todas las fuentes de degradacin
modelados.
Todas las amenazas mapeadas deben ser medidos en la misma escala y mtrica. Por
ejemplo, si una amenaza se mide en densidad por celda de la cuadrcula a
continuacin, todas las fuentes de degradacin deben ser medidos de la densidad por
celda de la cuadrcula donde la densidad se mide con la misma unidad de medida (por
ejemplo, km y km2). O si una amenaza se mide con la presencia / ausencia (1/0) en su
mapa a continuacin, todas las amenazas deben ser mapeados con la escala de
presencia / ausencia.
El impacto de las amenazas sobre el hbitat en una celda de la cuadrcula est
mediada por cuatro factores.
1.

El primer factor es el impacto relativo de cada amenaza. Algunas amenazas

pueden ser ms perjudicial para el hbitat, todo lo dems igual, y un impacto
relativo anotar cuentas para ello (vase la Tabla 1 para obtener una lista de
posibles amenazas). Por ejemplo, las zonas urbanas pueden ser considerados
para ser el doble de degradar a cualquier hbitats cercanos como zonas
agrcolas. El peso de una fuente de degradacin, \ (w_r \), indica la destruccin
relativa de una fuente de degradacin a todos los hbitats. El peso \ (w_r \) puede
tomar cualquier valor de 0 a 1. Por ejemplo, si el rea urbana tiene un peso
amenaza de 1 y el peso amenaza de carreteras se establece igual a 0,5, entonces
el rea urbana provoca el doble de la perturbacin, todo En igualdad de
condiciones, a todos los tipos de hbitat. Para reiterar, si hemos asignado
especficos de grupo puntajes de aptitud de hbitat de especies a cada LULC
continuacin, las amenazas y sus pesos deben ser especficas para el grupo de
especies modelado.

2.

El segundo factor atenuante es la distancia entre el hbitat y la fuente de la

amenaza y el impacto de la amenaza a travs del espacio. En general, el impacto
de una amenaza en el hbitat disminuye a medida que la distancia de la fuente
aumenta de degradacin, de modo que las celdas de la cuadrcula que estn ms
prximas a las amenazas experimentar mayores impactos. Por ejemplo,

supongamos que una celda de la cuadrcula se encuentra a 2 km desde el borde

de una zona urbana y 0,5 km de una carretera. El impacto de estas dos fuentes
de amenazas en el hbitat en la celda de cuadrcula depender en parte de la
rapidez con que disminuyen o decaimiento, sobre el espacio. El usuario puede
elegir entre una funcin de decaimiento exponencial distancia lineal o para
describir cmo una amenaza decae con el espacio. El impacto de la amenaza r
que se origina en la rejilla celular y, \ (r_y \), sobre el hbitat de celda de la
cuadrcula \ (x \) viene dada por \ (I_ {rxy} \) y est representado por las siguientes
ecuaciones,
(1)\ [i_ {rxy} = 1- \ left (\ frac {d_ {xy}} {d_ {r \ \ mathrm {max}}} \ right) \ \ mathrm {if
lineal \} \]
(2)\ [i_ {rxy} = exp \ left (- \ left (\ frac {2.99} {d_ {r \ \ mathrm {max}}} \ right) d_ {xy} \
right) \ mathrm {if \ exponencial}\]
donde \ (d_ {xy} \) es la distancia lineal entre celdas de la cuadrcula \ (x \) y \ (y \) y \
(d_ {r \ \ mathrm {max}} \) es la distancia mxima efectiva de amenaza \ (r \ mathrm
{ 's} \) llegan a travs del espacio. La Figura 1 ilustra la relacin entre la tasa de
desintegracin de distancia para una amenaza basado en la distancia mxima efectiva
de la amenaza (lineal y exponencial). Por ejemplo, si el usuario selecciona un declive
exponencial y la distancia mxima de impacto de una amenaza se fija en 1 km, el
impacto de la amenaza sobre el hbitat de una celda de la cuadrcula se reducir en
un ~ 50% cuando la celda de la cuadrcula es de 200 m de la fuente de r . Si \ (I_
{rxy}> 0 \) y luego celda de la cuadrcula x se encuentra en zona de perturbacin
degradacin fuente de ry. (Si se utiliza la funcin exponencial para describir el impacto
de la degradacin fuente de r en el paisaje entonces el modelo ignora los valores de \
(I_ {rxy} \) que estn muy cerca de 0 a fin de acelerar el proceso de modelado.) Para
reiterar, si hemos asignado especficos de grupo puntajes de aptitud de hbitat de
especies a cada LULC continuacin impacto de la amenaza sobre el espacio debe ser
especfico para el grupo de especies modelado.

Figura 2: Figura 1. Un ejemplo de la relacin entre la tasa de desintegracin distancia

de una amenaza y la distancia mxima efectiva de una amenaza.
3.

El tercer factor paisaje que pueden mitigar el impacto de las amenazas en el

hbitat es el nivel de proteccin legal / institucional / sociales / fsica de
perturbacin en cada clula. Es la celda de la cuadrcula en un rea protegida
formal? O es inaccesible para las personas debido a las altas elevaciones? O es
la celda de malla abierta a la cosecha y otras formas de perturbacin? El modelo
asume que el / la proteccin social / fsica ms legal / institucional de la
degradacin de una clula tiene, menos se ver afectada por las amenazas
cercanas, sin importar el tipo de amenaza. Let\ (\ beta_x \ in [0,1] \) indican el nivel
de accesibilidad en la celda de la cuadrcula \ (x \) donde 1 indica la accesibilidad
completa. A medida que disminuye el impacto que todas las amenazas tendrn en
celda de la cuadrcula \ (x \) disminuye linealmente. Es importante tener en cuenta

que, si bien la proteccin legal / institucional / sociales / fsica a menudo hacen

disminuir el impacto de las actividades extractivas en el hbitat como la caza o la
pesca, es poco probable que protege frente a otras fuentes de degradacin, tales
como el aire o el agua, la fragmentacin del hbitat o los efectos de borde. Si las
amenazas consideradas no son mitigados por las propiedades legales /
institucionales / sociales / fsica, entonces debera ignorar esta entrada o
conjunto \ (\ beta_x = 1 \) para todas las celdas de la cuadrcula \ (x \). Para
reiterar, si hemos asignado especficos de grupo puntajes de aptitud de hbitat de
especies a cada LULC entonces los pesos de mitigacin de amenazas deben ser
especficas para el grupo de especies modelado.

Figura 3: Tabla 1. Las posibles fuentes de degradacin en base a las causas de

peligro para las especies americanas clasificadas como amenazadas o en peligro de
extincin por el Servicio de Pesca y Vida Silvestre de Estados Unidos. Adaptado de
Checa y col. 2000.

4.

La sensibilidad relativa de cada tipo de hbitat para cada amenaza en el

paisaje es el factor final que se usa cuando se genera la degradacin total en una
celda con el hbitat (en Kareiva et al., 2010 sensibilidad hbitat es referido por su
inversa, la "resistencia"). Let \ (S_ {jr} \ in [0,1] \) indican la sensibilidad de LULC
(tipo de hbitat) \ (j \) a la amenaza \ (r \), donde los valores ms cercanos a 1
indican una mayor sensibilidad. El modelo asume que el ms sensible de un tipo
de hbitat es una amenaza, la ms degradada del tipo de hbitat ser por esa
amenaza. La sensibilidad de un hbitat a las amenazas debe basarse en los
principios generales de la ecologa del paisaje para la conservacin de la
biodiversidad (por ejemplo, Forman 1995; Noss 1997; Lindenmayer et al
2008). Para reiterar, si hemos asignado especficos de grupo puntajes de aptitud
de hbitat de especies a cada LULC entonces la sensibilidad del hbitat a las
amenazas debe ser especfico para el grupo de especies modelado.

Por lo tanto, el nivel de alerta total en la celda de la cuadrcula \ (x \) con LULC o tipo
de hbitat \ (j \) viene dada por \ (D_ {xj} \),
(3)\ [D_ {x j} = \ sum ^ R_ {r = 1} \ sum ^ {Y_r} _ {= 1 y} \ left (\ frac {w_r} {\ sum ^ R_ {r
= 1} w_r } \ right) r_y i_ {rxy} \ beta_x S_ {jr} \]
donde \ (y \) ndices de todas las cuadrculas en \ (r \ mathrm { 's} \) mapa raster y \
(Y_r \) indica el conjunto de celdas de la cuadrcula en \ (r \ mathrm {' s} \)mapa
raster . Tenga en cuenta que cada mapa amenaza puede tener un nico nmero de
celdas de la grilla debido a la variacin en la resolucin de la trama Si \ (S_ {jr} =
0 \), entonces \ (D_ {xj} \) no es una funcin de la amenaza \ (r \) . Tambin tenga en
cuenta que los pesos de amenaza se normalizan de manera que la suma en todos los
pesos amenazas es igual a 1.
Al normalizar los pesos de tal manera que su suma sea 1 podemos pensar en \ (D_
{xj} \) como la media ponderada de todos los niveles de amenaza en la celda de la
cuadrcula \ (x \). El mapa de \ (D_ {xj} \) cambiar a medida que el conjunto de pesos
que utilizamos el cambio. Tenga en cuenta que dos conjuntos de pesos solamente
sern diferentes si las diferencias relativas entre los pesos en cada conjunto
difieren. Por ejemplo, un conjunto de pesos de 0,1, 0,1, y 0,4 son los mismos que el
conjunto de ponderaciones de 0,2, 0,2, y 0,8.
puntuacin de la degradacin de una celda de la cuadrcula se traduce en un valor de
la calidad del hbitat mediante una funcin de saturacin de la mitad donde el usuario
debe determinar el valor medio de saturacin. Como puntuacin de la degradacin de
una celda de cuadrcula aumenta su calidad de hbitat disminuye. Deje que la calidad
del hbitat en la parcela \ (x \) que se encuentra en ser dada por \ LULC j (Q_
{xj} \) donde,
(4)\ [Q_ {xj} = H_j \ left (1- \ left (\ frac {D ^ z_ {xj}} {D ^ z_ {xj} + k ^ z} \ right) \ right) \]
y \ (z \) (que codificar \ (z = 2,5 \)) y \ (k \) estn parmetros de escala (o constantes). \
(Q_ {xj} \) es igual a 0 si Hj = 0. \ (Q_ {xj} \) aumenta y disminuye en Hj en \ (D_ {xj} \). \
(Q_ {xj} \) nunca puede ser mayor que 1. la constante k es la media de saturacin
constante y es fijado por el usuario. El parmetro \ (k \) es igual a la \ (D \) donde el
valor \ (1- \ left (\ frac {D ^ z_ {xj}} {D ^ z_ {xj} + k ^ z} = 0,5 \ derecha) \). Por ejemplo
si \ (= k 5 \), entonces \ (1 \ izquierda (\ frac {D ^} Z_ {} {xj D ^} Z_ {x j + k} ^ z \ right) =
0,5 \) cuando \ (D_ {xj} = 5 \). En la interfaz del modelo de la biodiversidad nos
propusimos \ (k = 0,5 \), pero el usuario puede cambiarlo (vase la nota de la seccin
de datos de necesidades, # 8). Si usted est haciendo anlisis de escenarios,
cualquiera que sea el valor que ha elegido para \ (k \) el primer paisaje se ejecuta el
modelo en adelante, ese mismo k debe ser utilizado para todos los escenarios
alternativos sobre el mismo paisaje. Del mismo modo, cualquiera que sea la resolucin
espacial elige la primera vez que se ejecuta el modelo en un paisaje de utilizar el

mismo valor para todos los modelos adicionales se ejecuta en el mismo paisaje. Si
desea cambiar su eleccin de \ (k \) o la resolucin espacial para cualquier modelo de
ejecucin a continuacin, usted tiene que cambiar los parmetros en todas las corridas
del modelo, si est comparando varios escenarios en el mismo paisaje.
Hbitat Rareza
Mientras que la calidad del hbitat de mapeo puede ayudar a identificar las reas en
las que es probable que sea ms intacto o en peligro la biodiversidad, sino que
tambin es fundamental para evaluar la rareza relativa de hbitats en el paisaje sin
importar la calidad. En muchos planes de conservacin, los hbitats que son ms
raros se les da mayor prioridad, simplemente porque las opciones y oportunidades
para su conservacin son limitados y si se pierden todos estos hbitats, tambin lo son
las especies y los procesos asociados con ellos.
La rareza relativa de un tipo LULC en un paisaje actual o proyectada se evala vis-avis un patrn LULC lnea de base. Un tipo LULC rara en un mapa actual o proyectada,
que tambin es raro en un estado ideal o de referencia en el paisaje (la lnea de base)
no es probable que est en peligro crtico de desaparicin, mientras que un tipo LULC
rara en un mapa actual o proyectada que era abundante en el pasado (lnea de base)
est en riesgo.
En el primer paso del clculo rareza tomamos la relacin entre el (lnea base)
extensiones proyectadas y pasados de cada tipo LULC \ actual o (j \).Restando esta
relacin de uno, el modelo se deriva un ndice que representa la rareza de esa clase
LULC en el paisaje de inters.
(5)\ [R_j = 1- \ frac {} {n_j N_ {j_ \ mathrm {lnea de base}}} \]
donde \ (n_j \) es el nmero de celdas de la cuadrcula de LULC \ (j \) en el mapa
actual o proyectada y \ (N_ {j_ \ mathrm {lnea de base}} \) da el nmero de celdas de
la cuadrcula de LULC \ (j \) en el paisaje de la lnea de base. El clculo de \
(R_j \) requiere que la lnea de base, corriente y / o proyecta mapas LULC estn todos
en la misma resolucin. En este sistema de puntuacin, cuanto ms cerca de 1 \ de un
LULC (R \) es la puntuacin, mayor es la probabilidad de que la preservacin de ese
tipo LULC en el paisaje actual o futuro es importante para la conservacin de la
biodiversidad. Si LULC j no apareci en el panorama de lnea de base y luego nos
propusimos \ (R_j = 0 \).
Una vez que tenemos un \ (R_j \) medida para cada tipo LULC, podemos cuantificar la
rareza general del tipo de hbitat en la celda de la cuadrcula \ (x \)con:
(6)\ [R_x = \ sum ^ X_ {x} = 1 \ sigma_ {xj} R_j \]
donde \ (\ sigma_ {xj} = 1 \) si la celda de cuadrcula x est en LULC \ (j \) en un
paisaje actual o proyectada y es igual a 0 en caso contrario.
Limitaciones y simplificaciones
En este modelo todas las amenazas en el paisaje son aditivos, aunque hay pruebas de
que, en algunos casos, el impacto colectivo de mltiples amenazas es mucho mayor
que la suma de los niveles de amenaza individuales podra sugerir.
Debido a que el paisaje elegido de inters se anida tpicamente dentro de un paisaje
ms amplio, es importante reconocer que un paisaje tiene un lmite artificial donde las
amenazas al hbitat de inmediato fuera de los lmites del estudio se han recortado e
ignorado. En consecuencia, la intensidad amenaza siempre ser menor en los bordes
de un paisaje dado. Hay dos formas de evitar este problema. Uno de ellos, se puede
elegir un paisaje con fines de modelado cuya extensin espacial es significativamente

ms all de los lmites de su paisaje de inters. Entonces, despus de los resultados

que se han generado, puede extraer los resultados slo por el paisaje interior de
inters. O el usuario puede limitarse a los paisajes donde las fuentes de degradacin
se concentran en el medio del paisaje.

Necesidades de datos
El modelo utiliza siete tipos de datos de entrada (se requieren cinco).
1.

Mapa LULC actual (se requiere). Un conjunto de datos SIG de cuadrcula,

con un cdigo numrico LULC para cada celda. La trama LULC debe incluir el
rea de inters, as como una memoria intermedia de la anchura de la mayor
distancia mxima amenaza. De lo contrario, lugares cerca del borde de la zona de
inters pueden haber inflado las puntuaciones de calidad de hbitat, debido a las
amenazas fuera de la zona de inters no estn debidamente contabilizados. El
conjunto de datos debe estar en una proyeccin donde las unidades estn en
metros y la proyeccin utilizada deben ser definidas.

Nombre: puede tener cualquier nombre.

Formato: Archivo de trama SIG estndar (por ejemplo, ESRI GRID o IMG), con el
cdigo LULC clase para cada clula (por ejemplo, 1 para el bosque, 2 para la
agricultura, 3 para pastizales, etc.). Los cdigos de clase LULC deben estar en la
columna "valor" de la red. La trama no debe contener ningn otro dato. Los cdigos
LULC deben coincidir con los cdigos de la "Sensibilidad de los tipos de cobertura del
suelo a cada amenaza" tabla de abajo (entrada # 7).
Juego de muestra de datos: \ InVEST \ HabitatQuality \ Input \ lc_samp_cur_b
2.

Futuro mapa LULC (opcional): Un conjunto de datos raster SIG que

representa una proyeccin de futuro de LULC en el paisaje. Este archivo debe
tener el formato exactamente igual que el "mapa LULC actual" (entrada #
1). LULC que aparece en los mapas actuales y futuros deben tener el mismo
cdigo LULC. LULC tipos nicos para el mapa futuro deben tener cdigos no
utilizados en el mapa LULC actual. Una vez ms, la trama LULC debe incluir el
rea de inters, as como una memoria intermedia de la anchura de la mayor
distancia mxima amenaza. De lo contrario, lugares cerca del borde de la zona de
inters pueden haber inflado las puntuaciones de calidad de hbitat, debido a las
amenazas fuera de la zona de inters no estn debidamente contabilizados.

Nombre: puede tener cualquier nombre.

Formato: Archivo de trama SIG estndar (por ejemplo, ESRI GRID o IMG), con cdigo
de clase LULC para cada clula (por ejemplo, 1 para el bosque, 3 para pastizales,
etc.). Los cdigos de clase LULC deben estar en la columna "valor" de la trama.
Conjunto de datos de la muestra: \ InVEST \ HabitatQuality \ Input \ lc_samp_fut_b
3.

Mapa de la lnea de base LULC (opcional): Un conjunto de datos SIG raster

de tipos de LULC en un paisaje de referencia con un cdigo numrico LULC para
cada celda. Este archivo debe tener el formato exactamente igual que el "mapa
LULC actual" (entrada # 1). Los LULCs que son comunes a los paisajes actuales
o futuros y de referencia deben tener el mismo cdigo LULC en todos los
mapas. LULC tipos nicos al mapa de la lnea de base deben tener cdigos no
utilizados en el mapa LULC actual o futura. Una vez ms, la trama LULC debe
incluir el rea de inters, as como una memoria intermedia de la anchura de la

mayor distancia mxima amenaza. De lo contrario, lugares cerca del borde de la

zona de inters pueden haber inflado las puntuaciones de calidad de hbitat,
debido a las amenazas fuera de la zona de inters no estn debidamente
contabilizados.
Si es posible el mapa de referencia debera referirse a un momento en el que
mamagement intensiva de la tierra era relativamente raro. Por ejemplo, un mapa de
LULC en 1851 en el Valle de Willamette de Oregon, EE.UU., captura el patrn de
LULC en el paisaje antes de que fuera severamente modificado para la produccin
agrcola masiva. Concedido este paisaje haba sido modificado por las prcticas de
desmonte de indios americanos, como los incendios controlados.
Nombre: puede tener cualquier nombre.
Formato: Archivo de trama SIG estndar (por ejemplo, ESRI GRID o IMG), con cdigo
de clase LULC para cada clula (por ejemplo, 1 para el bosque, 3 para pastizales,
etc.). Los cdigos de clase LULC deben estar en la columna de la cuadrcula de
"valor".
Conjunto de datos de la muestra: \ InVEST \ HabitatQuality \ Input \ lc_samp_bse_b
4.

Datos de amenazas (requerido): Una tabla CSV de todas las amenazas que
desea el modelo a tener en cuenta. La tabla contiene informacin sobre la
importancia relativa de cada amenaza o el peso y su impacto a travs del espacio.

Nombre: archivo puede tener cualquier nombre

Tipo de archivo: * .csv
Filas: cada fila es una fuente de degradacin
Columnas: cada columna contiene un atributo diferente de cada fuente de
degradacin, y debe tener el nombre de la siguiente manera:
1. AMENAZA:. El nombre de la amenaza especfica nombres
amenaza no debe exceder de 8 caracteres.
2. MAX_DIST: la distancia mxima sobre la cual cada amenaza afecta
a la calidad del hbitat (medido en km). El impacto de la
degradacin de cada fuente se reducir a cero en esta distancia
mxima.
3. PESO: el impacto de cada amenaza en la calidad del hbitat, en
relacin con otras amenazas. Los pesos pueden variar de 1 al ms
alto, a 0 al ms bajo.
4. DECAY: el tipo de desintegracin ms espacio para la
amenaza. Puede tener el valor de cualquiera de "lineal" o
"exponencial".
Juego de muestra de datos: \ Invest \ HabitatQuality \ Input \ threats_samp.csv
Ejemplo: estudio hipottico con tres amenazas. Agricultura degrada el hbitat en una
distancia mayor que las carreteras hacen, y tiene una mayor magnitud global de
impacto. Adems, las carreteras pavimentadas atraen ms trfico que los caminos de
tierra y por lo tanto son ms destructivos para el hbitat en las inmediaciones de los
caminos de tierra.

AMENAZA

MAX_DIST

PESO

DECAER

dirt_rd

0,1

lineal

Paved_rd

0,4

exponencial

Agric

lineal

5.

Fuentes de amenazas (s) (requerido): archivo raster SIG de la distribucin e

intensidad de cada amenaza individual. Tendr ya que muchos de estos mapas ya
que tienes amenazas. Estos mapas de amenaza deben cubrir el rea de inters,
as como una memoria intermedia de la anchura de la mayor distancia mxima
amenaza. De lo contrario, lugares cerca del borde de la zona de inters pueden
haber inflado las puntuaciones de calidad de hbitat, debido a las amenazas fuera
de la zona de inters no estn debidamente contabilizados. Cada celda de la
trama contiene un valor que indica la densidad o la presencia de una amenaza en
su interior (por ejemplo, el rea de la agricultura, la longitud de las carreteras, o
simplemente un 1 si la celda de la cuadrcula es un campo de carretera o de los
cultivos y 0 en caso contrario). Todas las amenazas deben ser medidos en la
misma escala y unidades (es decir, todos medidos en trminos de densidad o la
totalidad mide en trminos de presencia / ausencia y no una combinacin de
mtricas). El alcance y la resolucin de estos conjuntos de datos de mapa de bits
no tiene que ser idntica a la de los mapas de escenarios (los LULCs mapa de
entradas # 1, # 2, y # 3). En los casos en que las amenazas y las resoluciones
mapa LULC varan, el modelo va a utilizar la resolucin y el alcance del mapa de
cobertura LULC. InVEST no le pedir para estos raster en la interfaz de la
herramienta.En su lugar, encontrar automticamente y utilizar cada uno, sobre la
base de nombres en la tabla "datos de amenazas" (entrada # 4). Por lo tanto,
estos mapas de amenazas necesitan estar en un archivo llamado "entrada" que
se encuentra un nivel por debajo del rea de trabajo identificado en la interfaz de
modelo (ver ms abajo).

Por favor, no dejar ningn rea de la amenaza de los mapas como "No Data". Si un
rea no ha establecido el nivel de amenaza amenaza del rea igual a 0.
Si se est analizando la calidad del hbitat para ms de un escenario LULC (por
ejemplo, un mapa actual y futura o una lnea de base, actual y futuro mapa), entonces
se necesita un conjunto de capas de amenazas para cada escenario modelado. Aadir
una "c" al final de la trama para todas las capas de amenazas "actuales", una "f" para
todas las capas de amenazas futuras, y una "B" para todas las capas de amenaza "de
referencia". Si no se utiliza este tipo de terminaciones continuacin, el modelo asume
la fuente de degradacin de las capas corresponden al mapa actual. Si una amenaza
se seala en la tabla Amenazas de datos (entrada # 4) es apropiado para el escenario
LULC que se est analizando (por ejemplo, el desarrollo industrial en un mapa previo a
la liquidacin del Valle de Willamette de 1851) a continuacin, introduzca un mapa de
amenaza para ese perodo de tiempo que tiene todos los valores 0. Si usted no incluye
los mapas de amenaza para un escenario LULC presentado a continuacin, el modelo
no calcular la calidad del hbitat en el escenario mapa LULC.
Por ltimo, tenga en cuenta que se supone que el peso relativo de las amenazas y la
sensibilidad del hbitat a las amenazas no cambian con el tiempo (que slo presentan
una amenaza tabla de datos y una tabla de datos de la sensibilidad del Hbitat
(entradas # 4 y # 7)). Si desea cambiar estos trminos con el tiempo, entonces tendr
que correr el modelo varias veces.

Nombre: el nombre de cada archivo de trama debe coincidir exactamente con el

nombre de una fuente de degradacin en las filas de la tabla Amenazas de datos
(entrada # 2) anteriores, con el aadido "_b" (lnea de base), "_c" (corriente), o " _f
"(futuro) para indicar el perodo del mapa de amenazas. Nombre de archivo no puede
contener ms de 7 caracteres si se utiliza un formato de cuadrcula.
Formato: Archivo de trama SIG estndar (por ejemplo, ESRI GRID o IMG), con un
valor de origen degradacin relativa para cada celda de esa fuente de degradacin en
particular. La columna "Valor" indica la fuente de la degradacin relativa que muestra
celulares. Ubicacin del archivo: archivos deben ser guardados en una carpeta titulada
"entrada" dentro del espacio de trabajo del modelo (vase ms adelante).
Conjuntos de datos de muestra: \ Invest \ HabitatQuality \ Input \
crp_c; crp_f; rr_c; rr_f; urb_c; urb_f; rot_c; rot_f; prds_c; prds_f; srds_c;srds_f; lrds_c; lr
ds_f. Mediante el uso de estos conjuntos de entradas que se estn ejecutando un
anlisis de la calidad del hbitat de los mapas actuales y futuros escenarios LULC. Un
mapa de la calidad del hbitat no se generar para el mapa de la lnea de base,
porque no hemos presentado ninguna capa de amenazas para el mapa de la lnea de
base. El nombre de "PCR" se refiere a tierras de cultivo, 'rr' a lo rural, 'urb' residencial
urbana, 'Rot' de la silvicultura de ciclo, 'prds' a carreteras principales, 'SRD' a
carreteras secundarias, y 'lrds' a los caminos de luz .
6.

La accesibilidad a las fuentes de degradacin (opcional): Un archivo de

forma SIG polgono que contiene datos sobre la proteccin relativa que las
barreras legales / institucionales / sociales / fsica proporcionan contra las
amenazas. Polgonos con la accesibilidad mnimo (por ejemplo, las reservas
naturales estrictas, bien protegidos tierras privadas) se les asigna un nmero
menor que 1, mientras que los polgonos con la mxima accesibilidad (por
ejemplo, reservas extractivas) se les asigna un valor de 1. Estos polgonos
pueden ser unidades de gestin del suelo o una matriz regular o hexgonos o
cuadrculas. Cualquier clula que no estn cubiertos por un polgono se supone
que son totalmente accesibles y valores asignados de 1.

Tipo de archivo: SIG polgono shapefile.

Nombre: archivo puede tener cualquier nombre.
Filas: cada fila es un polgono especfico sobre el paisaje
Columnas:
1. ID: cdigo de identificacin nico para cada polgono. FID tambin
funciona.
2. ACCESO: valores entre 0 y 1 para cada paquete, como se describe
anteriormente.
Conjunto de datos de la muestra: \ InVEST \ HabitatQuality \ Input \ access_samp.shp
7.

tipos de hbitat y la sensibilidad de tipos de hbitat a cada amenaza

(requerido). Una tabla de tipos de CSV LULC, si son o no son considerados
hbitat, y, para este tipo de LULC que son hbitat, su sensibilidad especfica a
cada amenaza.

Nombre: archivo puede tener cualquier nombre

Tipo de archivo: * .csv

Filas: cada fila es un tipo LULC.

Columnas: columnas contienen datos sobre los tipos de uso de la tierra y sus
sensibilidades a threatss. Las columnas deben ser nombradas de acuerdo con las
convenciones de nomenclatura de abajo.
1. LULC: cdigo numrico para cada tipo LULC. Los valores deben
coincidir con los cdigos utilizados en los mapas presentados en
LULC entradas # 1 a 3. Todo tipo de LULC que aparecen en la
corriente, futuro, o mapas de referencia (entradas n 1 a 3) que
tenga que aparecer como una fila de esta tabla.
2. NOMBRE: el nombre de cada LULC
3. Hbitat: Cada LULC se le asigna una puntuacin hbitat, Hj, de 0 a
1. Si desea simplemente clasificar cada LULC como hbitat o no
sin hacer referencia a ningn grupo en particular las especies a
continuacin, utilizar 0 y 1, donde 1 indica un hbitat. De lo
contrario, si se dispone de suficiente informacin sobre las
preferencias de hbitat de un grupo de especies, asignar una
puntuacin relativa LULC idoneidad del hbitat de 0 a 1, donde 1
indica la ms alta idoneidad del hbitat. Por ejemplo un pjaro
pastizales puede preferir un hbitat de pradera nativa por encima
de todos los otros tipos de hbitat (pradera se le da una puntuacin
de "Hbitat" de 1 para las aves de pastizal), pero tambin utilizar
un campo de heno gestionado o pastos en un sujetador
(gestionado campo de heno y pastos es dado un "Hbitat"
puntuacin de 0,5 para las aves de pastizal).
4. L_THREAT1, L_THREAT2, etc .: La sensibilidad relativa de cada
tipo de hbitat para cada amenaza. Usted tendr tantas columnas
nombradas como ste, ya que tiene la amenaza, y las porciones en
itlicas de nombres deben coincidir con los nombres de fila en la
tabla de "datos de amenazas" se ha indicado anteriormente
(entrada # 4). Los valores van de 0 a 1, donde 1 representa una
alta sensibilidad a una amenaza y 0 representa la ausencia de
sensibilidad. Nota: Aunque el LULC no se considera hbitat, no
deje su sensibilidad a cada amenaza como nulo o en blanco, en
lugar de introducir un 0 y el modelo lo convertir a NoData.
Conjunto de datos de la muestra: \ Invest \ HabitatQuality \ Input \ sensitivity_samp.csv
Ejemplo: Un estudio hipottico con cuatro LULC y tres amenazas. En este ejemplo que
tratamos a los bosques y los bosques como hbitat (absoluta) y el suelo desnudo y
reas cultivadas como (absoluta) no hbitat. Bosque de mosaico es la (menos
resistente) tipo de hbitat ms sensible, y es ms sensible a los caminos de tierra que
las carreteras pavimentadas o la agricultura (0,9 frente a 0,5 y 0,8). Entramos 0 de
todas las amenazas a travs de las dos cubiertas de suelo urbanizado, el suelo de
base y de cultivo.
LULC

NOMBRE

HABITAT

RETRASO

L_ROAD

L_DIRT_RD

Suelo desnudo

LULC

NOMBRE

HABITAT

RETRASO

L_ROAD

L_DIRT_RD

cerrado Woodland

0,5

0,2

0,4

Cultivo

bosque del mosaico

0,8

0,8

0,5

8.

Constante media de saturacin (requerido): Este es el valor del parmetro k

en la ecuacin (4). De forma predeterminada se establece en 0,5, pero puede ser
igual a cualquier nmero positivo. En general, desea establecer \ (k \) a la mitad
del valor de la degradacin de celda de la cuadrcula ms alta en el paisaje. Para
realizar esta calibracin del modelo, tendr que pasar el modelo vez para
encontrar el valor ms alto de degradacin y establecer \ (k \) para su paisaje. Por
ejemplo, si una carrera preliminar del modelo genera un mapa de la degradacin
en el que el nivel de degradacin de las clulas de rejilla ms alta es 1 a
continuacin, establecer \ (k \) al 0,5 producir mapas de calidad hbitat con la
mayor variacin en el 0-1 escala (esto ayuda con la representacin visual de la
heterogeneidad de la calidad a travs del paisaje). Es importante tener en cuenta
que el orden de rango de celdas de la cuadrcula en la mtrica de la calidad del
hbitat es invariante a su eleccin de k. La eleccin de \ (k \)slo determina la
propagacin y la tendencia central de las puntuaciones de calidad de hbitat. Por
favor asegrese de utilizar el mismo valor de \ (k \) para todas las carreras que
implican el mismo paisaje. Si desea cambiar su eleccin de \ (k \) para cualquier
modelo de ejecucin a continuacin, usted tiene que cambiar los parmetros para
todos los ensayos del modelo.

Ejecucin del modelo

El modelo est disponible como una aplicacin independiente accesible desde el men
de inicio de Windows. Para Windows 7 o anterior, esto se puede encontrar
en Todos los programas -> InVEST | versin | -> La calidad del hbitat. Usuarios de
Windows 8 pueden encontrar la aplicacin pulsando las ventanas comienzan clave y
escribiendo "la calidad del hbitat" para refinar la lista de aplicaciones. El
Independiente tambin se puede encontrar directamente en el directorio de instalacin
de InVEST bajo el subdirectorio invertir-3_x86 / invest_habitat_quality.exe.
Viendo el resultado del modelo
Al completar con xito el modelo, una ventana de explorador de archivos se abrir el
espacio de trabajo de salida especificado en el modelo de ejecucin.Este directorio
contiene una carpeta de salida que sostiene los archivos generados por este
modelo. Esos archivos pueden ser vistos en cualquier herramienta SIG como ArcGIS,
o QGIS. Estos archivos se describen a continuacin en la seccin Interpretacin de los
resultados .
Interpretacin de los resultados
Los resultados finales se encuentran en la
del espacio de trabajo especificado para este mdulo.

carpeta de

salida dentro

Registro de parmetros: Cada vez que se ejecuta el modelo, un archivo de

texto (.txt) aparecer en la carpeta de salida. El archivo aparecer una lista de los
valores de los parmetros para esa carrera y ser nombrado de acuerdo con el
servicio, la fecha y la hora, y el sufijo.

degrad_cur - Nivel relativo de la degradacin del hbitat en el paisaje

actual. Una puntuacin alta en una celda de la cuadrcula significa la degradacin
del hbitat en la clula es alto en relacin con otras clulas. Las clulas de red
con cobertura de la tierra no hbitat (LULC con Hj = 0) obtienen una puntuacin
degradacin de 0. Este es un mapeo de las puntuaciones de degradacin
calculados con la ecuacin (3).

qual_cur - La calidad del hbitat en el paisaje actual. Los nmeros ms altos

indican una mejor calidad del hbitat vis-a-vis la distribucin de la calidad del
hbitat en todo el resto del paisaje. Las reas en el paisaje que no estn hbitat
obtienen una puntuacin de calidad de 0. Este nivel de calidad es sin unidades y
no se refiere a ninguna medida de la biodiversidad en particular. Esta es una
asignacin de puntajes qulaity hbitat calculados con la ecuacin (4).

rarity_cur - relativa rareza del hbitat en el paisaje actual vis-a-vis el mapa de

referencia. sta slo se crea si un mapa de referencia LULC se presenta (entrada
# 3). Este mapa da el valor de cada celda de la cuadrcula de Rx (vase la
ecuacin (6)). El ms raro sea el tipo de hbitat en una celda de la cuadrcula es
vis-a-vis su abundancia en el paisaje de la lnea de base, el valor ms alto
rarity_cur de la celda de la cuadrcula.

Los archivos de salida opcional

Si est ejecutando un escenario futuro (es decir, que haya proporcionado la entrada #
2
y
capas
de
amenazas
escenario
LULC
futuros),
tambin
verdegrad_fut y qual_fut en la carpeta de salida tambin. Adems, si se ha
presentado un mapa LULC lnea de base (entrada # 3), as, va a ver tambin
lararity_fut trama en la carpeta de salida.
Si ha introducido un mapa de referencia (entrada # 3) y capas de amenaza para la
lnea
base
(entrada
#
4)),
a
continuacin,
encontrar
los
rasterdegrad_bse Y qual_bse en la carpeta de salida.
Recordemos, si est configurando Hj para todos LULC j en un continuo entre 0 y 1 en
base a la idoneidad del hbitat para un grupo de especies en particular, entonces
estos resultados son aplicables nicamente a ese grupo de especies.
Modificacin de salida y la Biodiversidad Creacin de un paisaje Puntuacin
Los resultados del modelo no proporciona puntuaciones de calidad a nivel de paisaje y
la rareza de la comparacin de la lnea de base, actual y los futuros escenarios
LULC. En cambio, el usuario debe resumir la extensin del hbitat y sus niveles de
calidad y rareza de cada paisaje. Al nivel ms simple, una puntuacin paisaje calidad
del hbitat para un escenario LULC es simplemente la suma de todas las
puntuaciones de nivel de celda de la cuadrcula en el escenario. En otras palabras,
podemos resumir todas las puntuaciones de calidad de nivel de cuadrcula en
la qual_bse (si est disponible), qual_cur, y qual_fut (si est disponible) mapas y luego
comparar los resultados. Un mapa puede tener una puntuacin de calidad global
superior por varias razones. Por un lado, que slo puede tener una mayor rea de
hbitat. Sin embargo, si la cantidad de hbitats a travs de cualquiera de los dos

escenarios es aproximadamente la misma, entonces una puntuacin ms alta calidad

del paisaje es indicativo de un mejor hbitat de calidad global.
Las puntuaciones de ciertas reas en un paisaje tambin podran ser comparados. Por
ejemplo, podramos comparar las puntuaciones globales de calidad del hbitat en las
reas del paisaje que se sabe que son en las reas de distribucin geogrfica de las
especies de inters. Por ejemplo, supongamos que tenemos mapas de distribucin
geogrfica de 9 especies y hemos presentado escenario LULC actual y futura se
asigna al modelo de la calidad del hbitat. En este caso estaramos determinar 18
puntuacin global de calidad del hbitat, una para cada especie modelados bajo cada
escenario. Let \ (G_ {s _ {\ mathrm {act}}} \) indicar el conjunto de celdas de la
cuadrcula en el panorama actual que estn en \ (s \) 'rango. A continuacin, la
puntuacin de la calidad del hbitat de especies promedio \ (s \) 'rango en el paisaje
actual est dada por,
(7)
Qscur=Gscurx=1QxjcurGscurQscur=x=1GscurQxjcurGscur
donde \ (Q_ {xj_ {act}} \) indica el nivel de calidad del hbitat en la parcela x en LULC j
en el panorama actual y \ (Q_ {xj_ {act} = 0} \) si qual_cur para x es "No Data" . La
puntuacin de la calidad del hbitat de rango normalizado promedio para todas las 9
especies en el panorama actual estara dada por,
(8)\ [R_x = \ sum ^ X_ {x} = 1 \ sigma_ {xj} R_j \]
Entonces podramos repetir para el paisaje futuro con las celdas de la cuadrcula en
conjunto Gs_fut para cada especie s, y el conjunto de \ (Q_ {{xj_ fut}} \).

referencias
Ando, A, J. Camm, S. Polasky, y A. Solow. distribuciones de 1998. Especies, el valor
del suelo y conservacin eficiente. Science 279: 2126-2128.
Checa, B., PR Krausman, y PK Devers. 2000. Las asociaciones econmicas entre las
causas de Especies Poner en peligro en los Estados Unidos.Bioscience 50: 593-601.
Forman, R. 1995. Los mosaicos de tierra:
regiones. Cambridge University Press. Nueva York.

La

ecologa

de

paisajes

Forman, R. 2003. ecologa Carretera: la ciencia y soluciones. Island Press. Nueva

York, Nueva York.
Franklin, JF y DB Lindenmayer. 2009. Importancia de los hbitats de la matriz en el
mantenimiento de la diversidad biolgica. Actas de la Academia Nacional de Ciencias
106: 349-350.
Hall, LS, Krausman, PR y Morrison, ML 1997. El concepto de hbitat y una peticin de
la terminologa estndar. Boletn de la Sociedad de Vida Silvestre 25 (1): 173-182.
Lindenmayer, D., Hobbs, R., Montague-Drake, R., Alexandra, J., Bennett, A., Burgman,
M., Cae, P., Calhoun, A., Cramer, V., Cullen, P . 2008. Una lista de control para la
gestin ecolgica de los paisajes para la conservacin. Ecology Letters 11: 78-91.
MacArthur, R., E. 0. Wilson. 1967. La teora de biogeografa de islas. Princeton
University Press, Princeton, Nueva Jersey.
McKinney, ML 2002. La urbanizacin, la biodiversidad y la conservacin. BioScience
52: 883-890.

Nelleman C, Kullered L, Vistnes I, Forbes B, Foresman T, E Husby, Kofinas G, B

Kaltenborn, Rouaud J, M Magomedova, Bobiwash R, C Lambrechts, Schei P, S
Tveitdal, Gron O, T. Larsen 2001. GLOBIO. metodologa global para el mapeo del
efecto humano sobre la biosfera. UNEP / DEWA / TR.01-3.
Nelson, E., S. Polasky, DJ Lewis, AJ Plantinga, E. Lonsdorf, D. White, D. Bael y JJ
Lawler. 2008. La eficiencia de los incentivos para aumentar de forma conjunta el
secuestro
de
carbono
y
la
conservacin
de
especies
en
un
paisaje. Proc. Nat. Acad. Sci. 105: 9471-9476.
Noss, RF, MA Connell, y DD Murphy. 1997. La ciencia de la planificacin de la
conservacin: la conservacin del hbitat bajo el Acta de Especies en peligro de
extincin. Island Press. Prugh, L., K. Hodges, A. Sinclair, y J. Brashares. 2008. Efecto
de la superficie de hbitat y el aislamiento de las poblaciones de animales
fragmentados. Actas de la Academia Nacional de Ciencias 105: 20770.
Ricketts, TH 2001. Los asuntos Matrix:
fragmentados. American Naturalist 158: 87-99.

Aislamiento

eficaz

en

paisajes

Vitousek, PM, HA Mooney, J. Lubchenco, y JM Melillo. 1997. La dominacin humana

de los ecosistemas de la Tierra. Science 277: 494.
Wilcove, DS, D. Rothstein, J. Dubow, A. Phillips, y E. Losos. 1998. La cuantificacin de
especies en peligro Amenazas a la de los Estados Unidos.Bioscience 48: 607-615.

Evaluacin de riesgos de hbitat

resumen
El estado de un hbitat es un determinante clave de los servicios de los ecosistemas
que puede proporcionar. Por ejemplo, mltiples factores estresantes como la pesca, el
cambio climtico, la contaminacin y el desarrollo costero en peligro la capacidad de
los ecosistemas costeros para proporcionar los bienes y servicios que la gente quiere
y necesita valiosos. A medida que las actividades humanas siguen intensificando,
tambin lo hace la necesidad de formas rpidas, claras y repetibles de la evaluacin
de los riesgos planteados por las actividades humanas en virtud de diversos planes de
gestin. El modelo de evaluacin de riesgos hbitat Invest (HRA) permite a los
usuarios evaluar el riesgo que supone para los hbitats marinos y costeros por las
actividades humanas y las posibles consecuencias de la exposicin para la prestacin
de servicios de los ecosistemas y la biodiversidad. El modelo InVEST HRA es similar
al modelo de la biodiversidad invertir en que ambos modelos permiten a los usuarios
identificar regiones en un paisaje terrestre o marino donde los impactos humanos son
ms altos. Mientras que el modelo de la diversidad biolgica est destinado a ser
utilizado para evaluar las actividades humanas cmo repercuten en la biodiversidad, el
modelo HRA es ms adecuado para la deteccin del riesgo de las actividades
humanas actuales y futuras para dar prioridad a las estrategias de gestin que mejor
se mitigan los riesgos. Hemos construido y probado el modelo de HRA en los sistemas
marinos y costeros, y se discuten en consecuencia, pero fcilmente se puede aplicar a
los sistemas terrestres, o especies mviles.

Riesgo de las actividades humanas (por ejemplo, el salmn de acuicultura, el

desarrollo costero, etc.) a los hbitats (por ejemplo, las hierbas marinas, bosques de
algas, manglares, arrecifes) es una funcin de la exposicin de cada hbitat para cada
actividad y las consecuencias para cada hbitat. La exposicin a los factores de estrs
puede surgir a travs de la superposicin directa en el espacio y el tiempo oa travs de
efectos indirectos (es decir, las granjas de peces en una baha cerrada puede
degradar la calidad del agua y de este modo impedir el crecimiento eelgrass lo largo
de la baha, incluso si los netpens no estn situados directamente sobre lechos de
hierba marina). Consecuencia depende de los efectos de las actividades en el rea del
hbitat y la densidad, y la capacidad de los hbitats para recuperarse de estos efectos
(es decir, a travs de procesos tales como el reclutamiento y la regeneracin). Los
resultados del modelo son tiles para entender el riesgo relativo de las actividades
humanas y el cambio climtico a los hbitats dentro de una regin de estudio y entre
los escenarios futuros alternativos. resultados de los modelos pueden ayudar a
identificar reas en el paisaje marino, donde las actividades humanas pueden crear
soluciones de compromiso entre los servicios de los ecosistemas por representen un
riesgo suficientemente alto como para poner en peligro la estructura y funcin del
hbitat. El modelo puede ayudar a priorizar reas para la conservacin y la
informacin para el diseo y la configuracin de los planes espaciales, tanto para los
sistemas marinos y terrestres.
Introduccin
hbitats cercanos a la costa, tales como los bosques de algas y praderas de pastos
marinos proporcionan valiosos servicios de los ecosistemas, incluyendo la proteccin
de las costas de las tormentas, hbitat de crianza de la pesca y de almacenamiento y
secuestro de carbono. Como estos hbitats se degradan por las actividades humanas,
los servicios que proporcionan los ecosistemas estn amenazados. Los impactos de
las actividades humanas en las zonas costeras, tanto en tierra como en el mar, son
omnipresentes en los ecosistemas costeros. anlisis globales recientes han revelado
que casi ninguna zona de los ocanos del mundo est al margen de los impactos
humanos (Halpern et al., 2008). Por lo tanto, la comprensin de la ubicacin y la
intensidad de los impactos humanos sobre los ecosistemas cercanos a la costa es un
componente esencial de la gestin de costas y ocanos informado y exitosa. El
modelo InVEST HRA permite a los usuarios evaluar la amenaza de las actividades
humanas para la salud de estos ecosistemas.
InVEST Modelo Biodiversidad vs InVEST Hbitat Riesgo Modelo de Evaluacin
Un objetivo primordial de la conservacin es la proteccin de la biodiversidad; la
biodiversidad est ntimamente ligada a la produccin de servicios de los
ecosistemas. Mientras que algunos consideran la biodiversidad a s misma como un
servicio ambiental, el modelo de la biodiversidad InVEST lo trata como un atributo
independiente de los sistemas naturales, con su propio valor intrnseco (InVEST no
obtener beneficios econmicos de la biodiversidad).InVEST incluye un modelo de la
biodiversidad debido a gestores de recursos naturales, empresas y organizaciones de
conservacin se estn convirtiendo cada vez ms interesados en la comprensin de
cmo y dnde biodiversidad y servicios ambientales se alinean en el espacio y cmo
las acciones de manejo afectan a ambos. El modelo de la diversidad biolgica utiliza la
calidad del hbitat y la rareza como sustituto de la diversidad.

Cuando se desarrolla un modelo similar con los sistemas marinos en mente, las
diferencias en la disponibilidad de datos (por ejemplo, mapas de uso del suelo, la falta
de un convertidor analgico / ocupacin del suelo en los sistemas marinos) y las
diferencias en el pensamiento (por ejemplo, la prevalencia de una evaluacin del
riesgo marco de la ciencia pesquera) nos llev al desarrollo del modelo de evaluacin
de riesgos hbitat descrito en este captulo.
Tanto el modelo de la biodiversidad y el modelo de HRA se pueden utilizar para
identificar las reas en un paisaje terrestre o marino, donde el riesgo planteado por las
actividades humanas es ms alta. En efecto, mientras que los dos modelos son
segregados en las cajas de herramientas marinas y terrestres, que se pueden utilizar
en todos los sistemas. Sin embargo, los mtodos de modelizacin difieren de varias
maneras. En primer lugar, el marco de la exposicin a consecuencia del modelo de
HRA permite que los resultados del modelo a ser interpretados de una manera que
ayuda a los usuarios a explorar qu tipos de estrategias de gestin es probable que
reducir ms eficazmente el riesgo (Figura 1). Por ejemplo, los ecosistemas con alta
exposicin y de grandes consecuencias pueden ser objeto de una gestin activa
intensa, mientras que las estrategias eficaces para los ecosistemas con baja
exposicin a factores de estrs humanos, pero de grandes consecuencias pueden
incluir una vigilancia estrecha, pero poca intervencin activa a menos que la
exposicin aumenta. En segundo lugar, la estructura flexible transparente y
visualizacin explcita de la incertidumbre de los datos en el modelo HRA facilitan su
uso en ambas situaciones ricas en datos y de escasez de datos. Por ltimo, el modelo
de la biodiversidad es ms adecuado para aplicaciones terrestres que las aplicaciones
marinas, ya que requiere un mapa de cobertura terrestre uso de la tierra como una
entrada. El modelo HRA se puede utilizar tanto en sistemas terrestres y marinas.

Figura 1: Hbitats con una alta exposicin a las actividades humanas y de

consecuencias mayores estn en alto riesgo. Para representar datos de exposicin y
consecuencia de esta parcela permite a los usuarios visualizar los riesgos y para
evaluar qu tipos de riesgos se ven mitigados de manera ms eficaz por la
intervencin humana (riesgos impulsados por factores humanos exgenos, regin

superior derecha del espacio de riesgo) y los tipos de riesgo son abordarse mejor a
travs del monitoreo y de alerta (riesgos por la evolucin de hbitat especficos
endgenos). (Adaptado de Dawson et al., 2011).
La evaluacin de riesgos tiene una larga historia en el campo de la ecotoxicologa, y
ahora se est convirtiendo en un mtodo valioso en la gestin pesquera basado en el
ecosistema (Astles et al., 2006, Hobday et al. 2011). La evaluacin de riesgos se utiliza
para determinar la probabilidad de que un peligro causar consecuencias no deseadas
(Burgman 2005). En el contexto de la gestin marina basada en los ecosistemas, la
evaluacin de riesgos evala la probabilidad de que las actividades humanas e impide
el logro de los objetivos de gestin marinos deseados. En el modelo de HRA, se define
el riesgo como la probabilidad de que las actividades humanas se reducir la calidad
de los hbitats cercanos a la costa hasta el punto que se deteriora su capacidad para
ofrecer servicios de los ecosistemas. Los investigadores han hecho progresos
significativos en la evaluacin de los impactos humanos sobre los ecosistemas
marinos en los ltimos aos. Sin embargo muchos de estos enfoques carecen de
generalidad, ya que se centran en los efectos de un solo sector (es decir, la pesca por
ejemplo Astles et al., 2006, Hobday et al. 2011), o han transparencia y flexibilidad
limitada, ya que se basan en la opinin de expertos (Halpern et al., 2008, Teck et al.,
2010). El modelo HRA en Marina InVEST se basa en estos enfoques y permite a los
usuarios evaluar el riesgo que representan una variedad de actividades humanas en
los hbitats costeros ms importantes de modo transparente, repetible y flexible.
El Modelo
El riesgo de las actividades humanas en los hbitats costeros y cercanos a la costa es
una funcin de la exposicin del hbitat para la actividad y la consecuencia de la
exposicin. Para determinar la exposicin, los usuarios proporcionan los datos del
modelo, tales como mapas bsicos de la distribucin del hbitat y las actividades
humanas, el tiempo y la intensidad de la actividad y la eficacia de las prcticas
actuales de gestin para salvaguardar los hbitats. Para determinar consecuencia, los
usuarios proporcionan los datos del modelo, como la prdida observada de hbitat y la
capacidad de los hbitats para recuperarse. El modelo es flexible y puede adaptarse a
situaciones de escasez de datos y ricas en datos. Los datos pueden provenir de una
combinacin de fuentes revisadas por pares a escala global y fuentes de datos a
escala fina disponibles localmente. insumos y resultados de los modelos se pueden
actualizar de mejor informacin disponible.
El modelo HRA produce informacin sobre el riesgo en dos escalas y con varios tipos
de salidas. Los mapas muestran la variacin en una escala de celda de la cuadrcula
en el riesgo relativo de las actividades humanas en los hbitats dentro del rea de
estudio y entre los escenarios futuros alternativos. Otros cuadros y grficos de riesgo
(es decir., Figura 1) muestran la contribucin de las diferentes actividades que el
riesgo que presentan para cada hbitat a escala subregional en el rea de estudio y
los escenarios futuros. Cuando se ejecuta como parte de un completo anlisis marina
Invest, el modelo HRA se puede utilizar para identificar qu actividades humanas son
susceptibles de causar compensaciones en otros servicios de los ecosistemas. Como
resultado, el modelo ayudar a los administradores priorizar y evaluar estrategias de
gestin en lo que respecta a su eficacia para reducir los riesgos a los hbitats
cercanos a la costa y el mantenimiento de la prestacin de servicios de los
ecosistemas deseados.

Cmo funciona
El modelo HRA combina informacin sobre la exposicin de los hbitats a cada factor
de estrs con informacin acerca de la consecuencia de que la exposicin para cada
hbitat para estimar y producir mapas de riesgo para los hbitats y la calidad del
hbitat, tanto en una celda de cuadrcula y una escala subregional. Por ejemplo, la
exposicin depende de la extensin de la superposicin geogrfica entre hbitats y las
actividades humanas, la duracin de tiempo que la actividad y el hbitat de
superposicin, la intensidad del factor estresante y el grado en que las estrategias de
gestin mitigar el impacto. La consecuencia depende del grado de la prdida de
hbitat como resultado de la exposicin a un factor de estrs, cambios en la estructura
del hbitat y la capacidad de los hbitats para recuperarse de estos efectos (es decir, a
travs de los rasgos de historia de vida, tales como las tasas de reclutamiento y
regeneracin). El enfoque de modelado es flexible por lo que si alguno de los factores
por defecto que influyen en la exposicin y la consecuencia son irrelevantes en un
caso particular, pueden ser excluidos y / o sustituidos por otros criterios alternativos
(vase
el riesgo
de
las
actividades
humanas
en
determinados
hbitats ). Comenzaremos por explicar el enfoque en la escala de celda de la
cuadrcula y posteriormente describimos diferencias en el enfoque de las salidas
subregionales.
Riesgo de las actividades humanas en determinados hbitats
El riesgo de las actividades humanas en determinados hbitats se modela en cuatro
pasos.
Paso 1. El primer paso consiste en determinar la probabilidad de exposicin del
hbitat al factor estresante y la consecuencia de esta exposicin.Exposicin (E) y la
consecuencia (C) se determinan por medio de la asignacin de una calificacin
(tpicamente 1-3, donde 0 = ninguna puntuacin) a un conjunto de criterios para cada
atributo. Hemos proporcionado al usuario con un conjunto de criterios estndar que se
utilizan con frecuencia en la literatura cientfica, pero los criterios pueden ser aadidos
o eliminados. Directrices para la puntuacin del criterio predeterminado se resumen a
continuacin, y abreviarse descripciones de puntuacin en una base 1-3 se
proporcionan en los cuadros producidos a partir de HRA preprocesador. En cuenta que
tratamos "superposicin espacial", que es uno de los criterios de exposicin, a
diferencia de los otros criterios predeterminados. Para cada celda de la cuadrcula en
el rea de estudio, si un factor de estrs y un traslape en el espacio, a continuacin,
superposicin espacial = 1 y el modelo calcula E y C, utilizando la informacin sobre
los dems criterios y las ecuaciones de abajo. Si un factor de estrs y un hbitat no se
solapan en una celda de cuadrcula en particular, se supone que superposicin
espacial = 0, E = 0, C = 0 y Riesgo = 0. superposicin espacial se determina por el
modelo utilizando las capas espaciales para factor de estrs y el hbitat proporcionado
por el usuario. Las calificaciones de todos los dems criterios son entradas para el
modelo proporcionado por el usuario. Para asegurar la precisin, se recomienda que
las puntuaciones se determinaron utilizando los datos disponibles de la literatura
revisada por pares o informes publicados, sin embargo, usted es libre de utilizar
cualquier dato que creemos que es la ms exacta. Para cada puntuacin asignada,
tambin puede indicar la calidad de los datos utilizados para determinar la puntuacin
y la importancia ponderada de los criterios relativos a otros criterios. Esto le permite
asignar un mayor peso a los criterios de puntuacin donde la confianza fue mayor, o

ms criterios que contribuyen al riesgo en el sistema. Por lo tanto, la

exposicin \ global (E \) y la consecuencia \ (C \) las puntuaciones se calculan como
medias ponderadas de los valores de exposicin (\ \ e_i) y los valores de
consecuencias \ (\ C_I) para cada criterio i como
(1)\ [E = \ frac {\ sum ^ N_ {i = 1} \ frac {e_i} {d_i \ cdot w_i}} {\ sum ^ N_ {i = 1} \ frac {1}
{d_i \ cdot Wisconsin}}\]
(2)\ [C = \ frac {\ sum ^ N_ {i = 1} \ frac {C_I} {d_i \ cdot w_i}} {\ sum ^ N_ {i = 1} \ frac
{1} {d_i \ cdot Wisconsin}}\]
donde \ (d_i \) representa la calificacin de calidad de datos para el criterio i, \
(w_i \) representa la importancia de pesaje para el criterio i y N es el nmero de
criterios evaluados para cada hbitat.
Paso 2. El segundo paso combina los valores de exposicin y respuesta para producir
un valor de riesgo para cada combinacin de estrs-hbitat. Hay dos opciones para el
clculo del riesgo.
Para el clculo del riesgo de Euclides, el riesgo de Hbitat I causada por estrs j se
calcula como la distancia euclidiana desde el origen en el espacio de la exposicinconsecuencia,
(3)\ [R_ {ij} = \ sqrt {(E-1) ^ 2 + (C-1) ^ 2} \]

Para el clculo del riesgo multiplicativo, el riesgo de Hbitat I causada por estrs j se
calcula como el producto de los valores de exposicin y consecuencia sumadas.
(4)\ [R_ {ij} = E \ cdot C \]

El usuario tiene la opcin de escoger la funcin de riesgo de su uso. Como se discuti

en la introduccin, varios trabajos recientes examinan riesgo para la pesca marinos,
las poblaciones, los hbitats y los ecosistemas (Halpern et al., 2008, Teck et al. 2011,
Hobday et al. 2011, Williams et al. 2011, Samhouri y Levin 2012) . En cada caso, 2
ejes de informacin se utilizan para calcular el riesgo total. En el modelo InVEST HRA,
nos referimos a estos ejes como la exposicin y consecuencia. La evaluacin de
sensibilidad inicial sugiere que, en general, las euclidianas y multiplicativos enfoques
pondrn de acuerdo sobre los mismos ms alto y ms bajo de riesgo de las especies y
los hbitats; Sin embargo, puede haber diferencias en el orden de rango de especies
en riesgo intermedio, en funcin de los valores de E y C. El enfoque euclidiana puede
proporcionar estimaciones globales ms conservadores, ms alto que el enfoque
multiplicativo. Si los valores de E y C son muy diferentes, entonces el enfoque
euclidiano producir resultados relativamente ms altos de riesgo. En contraste, el
enfoque multiplicativo tender a producir valores relativamente ms bajos, menos
conservador para el riesgo y la similitud asociado en E y C con un mayor riesgo. Si el
sistema contiene hbitats para las que existe una muy alta consecuencia del riesgo,
pero una baja exposicin (por ejemplo, coral y la pesca de arrastre de camarn zonas
que actualmente evitan los arrecifes de coral) y desea adoptar el principio de
precaucin, a continuacin, le aconsejamos elegir el mtodo de Euclides . Cualquiera
de estos enfoques producir resultados tiles. Hemos incluido esta explicacin para
ofrecerle una idea de los supuestos de las diferentes funciones.
Paso 3. En este paso, el modelo cuantifica el riesgo acumulado de todos los factores
de estrs sobre los hbitats. El riesgo acumulado para i hbitat es la suma de todas
las puntuaciones de riesgo para cada hbitat,
(5)\ [R_i = \ sum ^ J_ {j = 1} R_ {ij} \]
Paso 4. El modelo identifica las reas de hbitats que son los "puntos calientes" de
riesgo. Estas son las reas en las que la influencia de los factores de estrs derivadas
de seres humanos es tan grande que la estructura y funcin de los ecosistemas
pueden verse comprometidas gravemente. En estas reas, puede haber un equilibrio
entre las actividades humanas y una amplia gama de servicios de los ecosistemas. De
este modo, los usuarios pueden optar por considerar estos hbitats ser funcionalmente
ausentes en las entradas a otros modelos de servicios ambientales Invest (vase la
seccin Resultados Interpretacin de orientacin sobre el uso de puntos de acceso de
riesgo para identificar las compensaciones entre las actividades humanas en
escenarios alternativos). Cada celda de la cuadrcula para cada tipo de hbitat es
clasificado como de riesgo alto, MED o LOW basado en riesgo planteado por cualquier
factor estresante individuo o el riesgo planteado por los efectos acumulativos de
mltiples factores de estrs. Una clasificacin de ALTO se asigna a celdas de la
cuadrcula con un riesgo acumulado de> 66% de la puntuacin mxima de riesgo para
cualquier combinacin particular de estrs-hbitat, o> 66% de riesgo acumulado total
posible. riesgo acumulado total posible se basa en el nmero mximo de factores de
estrs que pueden ocupar una celda de cuadrcula particular en el rea de estudio
(vase el prrafo siguiente). Por ejemplo, los factores de estrs mximo de
solapamiento = 3 si en toda la regin de estudio no ms de 3 factores de estrs (por
ejemplo, la agricultura de escorrenta, la acuicultura marina y transporte marino) es
probable que se produzca en una sola celda de la cuadrcula. Las clulas se clasifican
como MED si tienen factor de estrs individual o de las puntuaciones de riesgo
acumuladas entre 33% -66% del total de la puntuacin posible riesgo acumulativo. Las

clulas se clasifican como de riesgo bajo si tienen puntuaciones de riesgo individuales

o acumulativos de 0-33% del total de la puntuacin posible riesgo de un solo factor de
estrs o mltiples factores estresantes, respectivamente.
El nmero mximo de estrs superposicin es una entrada proporcionada por el
usuario. El valor ms alto de esta entrada es el nmero total de los factores de estrs
en el rea de estudio; Sin embargo, es poco probable que todos los factores de estrs
alguna vez realista solaparse en una sola celda de la cuadrcula. Esto se debe a
factores de estrs se distribuyen de manera diferente en el espacio (es decir, existen
factores de estrs como el desarrollo costero a lo largo de la costa, mientras que
existen rutas de navegacin en alta mar) y debido a que algunos factores de estrs no
pueden existir en la misma ubicacin exacta (es decir, reas de pruebas navales
armas y turismo). A partir de la aplicacin de este modelo en varios lugares, hemos
encontrado que 3 o 4 es un valor comn para el nmero mximo de factores de estrs
que se solapan, pero el usuario debe examinar de forma manual su / sus mapas para
solapamientos en los factores de estrs o utilizar el modelo de anlisis de
superposicin para calcular la mayor nmero de factores de estrs que se solapan.
Paso 5. En la etapa final, el usuario tiene la opcin de evaluar el riesgo a escala
subregional, que es mayor que la resolucin de las celdas de la cuadrcula y ms
pequeo que el tamao de la zona de estudio. En un proceso de planificacin espacial
marina y costera, subregiones son a menudo las unidades de gobierno (es decir, las
regiones costeras de planificacin, estados o provincias) dentro de los lmites del rea
de planificacin. salidas de riesgo a escala subregional se pueden utilizar para
determinar qu actividades estn contribuyendo ms al riesgo de hbitats en una
regin en particular.Esta informacin puede a su vez ser utilizado para explorar
estrategias que reduzcan la exposicin de un hbitat particular de una determinada
actividad, como la reduccin de la extensin o cambio de ubicacin de una
actividad. El modelo produce parcelas de riesgo para cada hbitat que compara la
consecuencia de exposicin y las puntuaciones de las actividades a escala
subregional. Estas parcelas ayudan al usuario entender si es probable que reducir el
riesgo de reducir la exposicin de las actividades particulares a travs de las acciones
de gestin del riesgo o si es impulsada por consecuencia, lo que es ms difcil para
perturbar a travs de acciones de gestin (vase la Figura 1 anterior). El modelo
tambin produce tablas que enumeran E, C y riesgo para cada combinacin hbitatfactor de estrs a escala subregional y calcula el porcentaje de riesgo acumulado por
el hbitat que se debe a un factor estresante en particular en esa regin. Tenga en
cuenta que la puntuacin subregional de superposicin espacial (unos criterios de
exposicin por defecto) se basa en la fraccin de rea de hbitat en una subregin que
se superpone con una actividad humana (ver ms abajo para ms detalles). La
puntuacin subregional para todos los dems criterios E y C son la E media y la
puntuacin C en todas las celdas de la cuadrcula en el rea de estudio. El riesgo se
calcula ya sea utilizando la distancia eucldea o el enfoque multiplicativo (vase ms
arriba).
Consecuencia de exposicin y Criterios con ms detalle
El modelo permite cualquier nmero de criterios que deben utilizarse en la evaluacin
de los riesgos para las zonas de hbitat. Por defecto, el modelo proporciona un
conjunto de consideraciones tpicas para evaluar el riesgo de factores de estrs a los
hbitats. Con la excepcin de superposicin espacial en una escala de celda de la

cuadrcula, estos criterios se califican en una escala de 1-3, con 0 = no score. Pero no
nos limitamos la calificacin de estos criterios a una escala de 0-3. Si hay literatura
significativa utilizando una escala alternativa, el modelo puede acomodar a cualquier
escala (es decir, 1-5, 1-10), siempre y cuando no hay coherencia entre los puntajes de
calificacin dentro de una sola ejecucin. Cabe sealar que el uso de una puntuacin
de 0 a cualquier escala indicar que no se desea el criterio dado dentro de ese modelo
de ejecucin.
La exposicin de los hbitats a los factores estresantes
El riesgo de un hbitat ser afectado por un factor de estrs depende en parte de la
exposicin de la hbitat a que factor de estrs. Los factores estresantes pueden
afectar hbitats directa e indirectamente. Debido a los impactos indirectos son poco
conocidos y difciles de rastrear, slo modelar el riesgo de factores estresantes que
afectan directamente el hbitat mediante la superposicin en el espacio. Otras
consideraciones importantes son la duracin de la superposicin espacial, la
intensidad del estresor, y si las estrategias de gestin de reducir o aumentar la
exposicin.
1.

Superposicin espacial. Para evaluar la superposicin espacial en el rea de

estudio, el modelo utiliza mapas de la distribucin de los hbitats y los factores de
estrs. Los tipos de hbitat pueden ser bitica, tales como hierba marina o algas,
o abiticos, tales como el culito duro o blando. El usuario define el detalle de
clasificacin de hbitat. Por ejemplo, los hbitats pueden ser definidos como
bitico o abitico, por taxones (por ejemplo, coral, pastos marinos, manglares),
por especies (por ejemplo, rojo, mangle negro) o en cualquier esquema que
desee el usuario. Sin embargo, el usuario debe tener en cuenta que para que tal
detalle para ser til y cambiar el resultado del modelo, estas clasificaciones de
hbitat deben corresponder con las diferencias entre los hbitats en su respuesta
a los factores de estrs.
El modelo tambin requiere que el usuario mapas de entrada de la distribucin de
cada factor de estrs y la informacin acerca de su "zona de influencia". La zona
de influencia de cada factor de estrs es la distancia sobre la que los efectos de la
estresante extienden ms all de su huella real en la entrada mapa factor de
estrs. Para algunos factores estresantes, como el exceso de agua de las
estructuras que las camas sombra de hierba marina, esta distancia ser
pequeo. Para otros factores estresantes, tales como bolgrafos de peces de
acuicultura en los nutrientes difunden 300-500m, esta distancia puede ser
mayor. El modelo utiliza la distancia de influencia de un factor de estrs para crear
una salida intermedia que es un mapa de la huella factor estresante tamponada
por la zona de influencia. El modelo utiliza los mapas de hbitat y almacenados
temporalmente los factores de estrs para estimar la superposicin espacial entre
cada hbitat y cada factor de estrs en la celda de la cuadrcula y la escala
subregional.
Para cada celda de la cuadrcula, si el hbitat se superpone con un factor de
estrs, entonces superposicin espacial = 1 y el modelo calcula la exposicin, las
consecuencias y los riesgos mediante puntuaciones de los otros criterios
(abajo). Si un hbitat no se superponga con un factor de estrs en una celda de
cuadrcula particular, entonces el modelo ajusta la exposicin, consecuencia y

riesgo = 0 en la celda de cuadrcula particular. A escala subregional, el modelo

calcula la fraccin de rea de cada hbitat que se superpone con cada factor de
estrs. A continuacin, el modelo pone esa fraccin en una escala de 1- mxima
puntuacin de riesgo para que coincida con la escala de puntuacin de los otros
criterios.Por ejemplo, si superposicin espacial = 50% del hbitat solapado por un
factor de estrs, y nuestra escala es 0 a 3, a continuacin, 3 * solapamiento + 1 *
(1-solapamiento) = 2. Por ltimo, los promedios modelo la puntuacin
superposicin espacial con la puntuacin promedio de exposicin para la
subregin. Si no hay superposicin espacial entre el hbitat y el factor de estrs a
escala subregional, a continuacin, la exposicin = 0, consecuencia = 0 y el riesgo
= 0. Si no hay exposicin anota para esa combinacin hbitat-estresante, pero s
existe una superposicin espacial, la puntuacin ser completo el solapamiento
espacial.
2.

Valoracin de tiempo de solape. Solapamiento temporal es la duracin de

tiempo que el hbitat y la experiencia estresante superposicin espacial. Algunos
factores de estrs, tales como estructuras permanentes sobre el agua, estn
presentes durante todo el ao; otros son de temporada, tales como ciertas
prcticas de pesca. Del mismo modo, algunos hbitats (por ejemplo, manglares)
estn presentes durante todo el ao, mientras que otros son ms efmeros (por
ejemplo, algunas hierbas marinas).
Utilizamos las siguientes categoras para clasificar ALTO, MEDIO y BAJO
solapamiento temporal:

solapamiento
temporal

Alto (3)

Medio (2)

Bajo (1)

Sin
marcador
(0)

Hbitat y cofactor de estrs

se
producen
durante
8-12
meses del ao

Hbitat y cofactor de estrs

se
producen
durante
4-8
meses del ao

Hbitat
y
estresante coocurrir por 0-4
meses del ao

N/A

Seleccione la opcin "Sin marcador" para excluir este criterio de su evaluacin.

3.

Valoracin de la intensidad. La exposicin de un hbitat a un factor de estrs

no slo depende de si el hbitat y estresante solapamiento en el espacio y tiempo,
sino tambin de la intensidad del factor estresante. El criterio de intensidad esfactor estresante especfico. Por ejemplo, la intensidad de la tensin de carga de
nutrientes asociados con la acuicultura del salmn jaula est relacionado con el
nmero de salmones en la granja y la cantidad de residuos que se libera en el
medio ambiente circundante. Por otra parte, la intensidad de la recoleccin de
mariscos destructiva est relacionado con el nmero de cosechadoras y las
prcticas de cosecha. Puede utilizar estos criterios de intensidad de explorar
cmo los cambios en la intensidad de un factor de estrs pueden afectar el riesgo
de hbitats. Por ejemplo, se podra cambiar la puntuacin de intensidad para

representar los cambios en la densidad de poblacin de una granja de salmn en

un escenario futuro. Tambin se puede utilizar este ranking para incorporar las
diferencias relativas en la intensidad de diferentes factores estresantes dentro de
la regin de estudio. Por ejemplo, diferentes tipos de transporte martimo pueden
tener diferentes niveles de intensidad. Por ejemplo, los cruceros pueden ser un
factor de estrs ms intenso que los taxis de agua debido a que liberan ms
contaminantes que los taxis hacen.
Utilizamos las siguientes categoras para clasificar alta, media y baja intensidad:

Intensidad

Alto (3)

Medio (2)

Bajo (1)

Sin
(0)

Alta
intensidad

intensidad
media

Intensidad
baja

N/A

marcador

Seleccione la opcin "Sin marcador" para excluir este criterio de su evaluacin.

4.

Estrategia de gestin de la eficacia de clasificacin. La administracin

puede limitar los impactos negativos de las actividades humanas en los
hbitats. Por ejemplo, las polticas que requieren los acuicultores de salmn a
dejar sus granjas en barbecho puede reducir la cantidad de residuos en libertad y
permitir que las hierbas marinas cercanas a recuperarse. Del mismo modo, las
regulaciones que requieren una altura mnima de las estructuras sobre el agua,
reducen los impactos de sombreado de las estructuras sobre el agua en la
vegetacin acutica sumergida. Por lo tanto, las estrategias de gestin eficaces
reducirn la exposicin de los hbitats a los factores estresantes. La eficacia de la
gestin de cada factor de estrs se anot en relacin con otros factores de estrs
en la regin. As que si hay un factor de estrs que est muy bien dirigido de tal
manera que imparte mucho menos estrs en el sistema que otros factores de
estrs, clasificar eficacia de la gestin como "muy eficaz". En general, sin
embargo, la gestin de la mayora de los factores de estrs es probable que sea
"no efectiva ". Despus de todo, se est incluyendo como factores de estrs
porque estn teniendo algn impacto en los hbitats. A continuacin, puede
utilizar este criterio para explorar cambios en la gestin entre los escenarios, tales
como el efecto de cambiar el desarrollo costero de alto impacto (que podra recibir
una calificacin de "no es eficaz") a un bajo impacto (que podra recibir una
calificacin de "algo eficaz ) ".
Utilizamos las siguientes categoras para clasificar ALTO, MEDIO y BAJO eficacia
de la gestin:

eficacia de la
gestin

Alto (3)

Medio
(2)

Bajo (1)

Sin marcador
(0)

No es efectivo, mal
gestionado

algo
eficaz

Muy
efectivo

N/A

Seleccione la opcin "Sin marcador" para excluir este criterio de su evaluacin.

Consecuencia de la exposicin
El riesgo de un hbitat ser degradado por un factor de estrs depende de la
consecuencia de la exposicin. La consecuencia de la exposicin depende de la
capacidad de un hbitat para resistir el estrs y recuperar despus de la exposicin, y
se puede evaluar utilizando cuatro atributos clave: cambio en el rea, el cambio en la
estructura, la frecuencia de las perturbaciones naturales, y los atributos de
recuperacin. Se describe cada uno de ellos a continuacin.
1.

Cambio en la calificacin rea. Cambio en el rea se mide como el

porcentaje de cambio en el rea de extensin de un hbitat cuando se expone a
un factor estresante dado y por lo tanto refleja la sensibilidad del hbitat al factor
estresante. Hbitats que pierden un alto porcentaje de su rea de extensin
cuando se expone a un factor de estrs dado son muy sensibles, mientras que
aquellos hbitats que pierden poco zona son menos sensibles y ms resistente.
Utilizamos las siguientes categoras para clasificar ALTA, MEDIA BAJA y el
cambio en el rea de:

Cambio en
el rea

Alto (3)

Medio (2)

Bajo (1)

Sin
marcador
(0)

Alta prdida en
la zona (50100%)

la prdida de
medio en el rea
(20-50%)

Baja
prdida
en el rea (020%)

N/A

Seleccione la opcin "Sin marcador" para excluir este criterio de su evaluacin.

2.

Cambio en la calificacin estructura. Para hbitats biticos, el cambio de

estructura es el cambio porcentual en la densidad estructural del hbitat cuando
se expone a un factor estresante dado. Por ejemplo, cambio en la estructura sera
el cambio en la densidad de haces para sistemas de pastos marinos, el cambio en
la densidad de plipos de los corales, o el cambio en la densidad estpite para los
sistemas de algas marinas.Hbitats que pierden un alto porcentaje de su
estructura cuando se expone a un factor de estrs dado son muy sensibles,
mientras que los hbitats que pierden poca estructura son menos sensibles y ms
resistente. Para hbitats abiticos, el cambio de estructura es la cantidad de

daos estructurales sufridos por el hbitat. abiticos hbitats sensibles sufrir

daos total o parcial, mientras que aquellos que sostienen poco o ningn dao
son ms resistentes. Por ejemplo, grava o fondos fangosos sostendrn dao
parcial o total de la pesca de arrastre, mientras que los fondos rocas ms duras
sostendrn poco o ningn dao.
Utilizamos las siguientes categoras para clasificar ALTO, MEDIO y BAJO cambio
en la estructura:

Cambio en
la
estructura

Alto (3)

Medio (2)

Bajo (1)

Sin
marcador
(0)

Alta prdida en la
estructura
(por
hbitats biticos,
la prdida de 50100%
de
su
densidad
en
hbitats abiticos,
daos
estructurales en
total)

la prdida de
medio en la
estructura (para
los
hbitats
biticos,
prdida del 2050%
de
su
densidad
en
hbitats
abiticos, dao
estructural
parcial)

Baja prdida en
la
estructura
(para
los
hbitats biticos,
la prdida de 020%
de
su
densidad
en
hbitats
abiticos, poco o
ningn
dao
estructural)

N/A

Seleccione la opcin "Sin marcador" para excluir este criterio de su evaluacin.

3.

Frecuencia de Puntuacin perturbacin natural. Si un hbitat natural se

perturba con frecuencia de una manera similar a la del factor de estrs
antropognico, puede ser ms resistentes al estrs antropognico adicional. Por
ejemplo, los hbitats en reas que experimentan la entrega peridica de los
subsidios de nutrientes (es decir, desde el afloramiento o entradas alctonas,
como la entrega de material vegetal intermareal a las comunidades submareales)
estn adaptadas a las condiciones de nutrientes variables y pueden ser ms
resistentes a la carga de nutrientes procedentes de la acuicultura de salmn
jaula. Este criterio se punta por separado para cada combinacin hbitat-factor
de estrs, de tal manera que se adaptan a las condiciones variables de nutrientes
aumenta la resistencia a la carga de nutrientes procedentes de la acuicultura del
salmn, pero no la pesca destructiva. Sin embargo, una alta frecuencia de
tormenta puede aumentar la resistencia a la pesca destructiva, debido a que
ambos factores estresantes hbitats de impacto de manera similar.
Utilizamos las siguientes categoras para clasificar alta, media y frecuencias
naturales de perturbacin bajo:

Frecuencia de
perturbaciones
naturales

las

Alto (3)

Medio (2)

Bajo (1)

Sin
marcador
(0)

Anualmente o con
menos frecuencia

Varias
veces al
ao

Diario
a
semanal

N/A

Seleccione la opcin "Sin marcador" para excluir este criterio de su evaluacin.

Nota
Los siguientes criterios son consecuencia Atributos de recuperacin. Estos incluyen
rasgos de historia de vida, tales como las tasas de regeneracin y los patrones de
reclutamiento influyen en la capacidad de los hbitats para recuperarse de
perturbaciones. Para hbitats biticos, tratamos de recuperacin en funcin de la
mortalidad natural, el reclutamiento, la edad de la madurez, y la conectividad.
4.

Puntuacin
tasa
de
mortalidad
natural
(hbitats
biticos
solamente). Hbitats con altas tasas de mortalidad natural son generalmente ms
productiva y con mayor capacidad de recuperacin.
Utilizamos las siguientes categoras para clasificar las tasas de mortalidad natural
alta, media y:

tasa
de
mortalidad
natural

Alto (3)

Medio (2)

Bajo (1)

Sin
marcador
(0)

la
mortalidad
baja
(por
ejemplo,
020%)

mortalidad
moderada (por
ejemplo,
2050%)

La
alta
mortalidad
(eg80%
o
superior)

N/A

Seleccione la opcin "Sin marcador" para excluir este criterio de su evaluacin.

5.

Valoracin de reclutamiento (slo hbitats biticos). Reclutamiento

frecuentes aumentan el potencial de recuperacin mediante el aumento de la
probabilidad de que los propgulos entrantes pueden restablecer una poblacin
en una zona perturbada.
Utilizamos las siguientes categoras para clasificar alta, media y tasa de
reclutamiento natural BAJA:

tasa de reclutamiento
natural

Alto (3)

Medio (2)

Bajo (1)

Sin marcador
(0)

Cada 2+
aos

Cada
aos

Anual o ms a
menudo

N/A

1-2

Seleccione la opcin "Sin marcador" para excluir este criterio de su evaluacin.

6.

Edad en la fecha de vencimiento / recuperacin. Bitica hbitats que

alcanzan la madurez es probable que sean capaces de recuperarse ms
rpidamente de perturbacin que los que tardan ms en alcanzar la madurez
antes. Aqu nos referimos a la madurez del hbitat en su conjunto (es decir, un
bosque de algas madura) en lugar de la madurez reproductiva de los
individuos. Para hbitats abiticos, los tiempos de recuperacin ms cortos para
los hbitats, tales como marismas disminuyen las consecuencias de la exposicin
a las actividades humanas. Por el contrario, los hbitats hechas de roca de fondo
slo se recuperarn en escalas de tiempo geolgicas, lo que aumenta en gran
medida las consecuencias de la exposicin.
Utilizamos las siguientes categoras para clasificar alta, media y baja edad en el
momento de la madurez / recuperacin:

La edad de madurez tiempo

/ recuperacin

Alto (3)

Medio
(2)

Bajo (1)

Sin marcador
(0)

Ms de 10
aos

1-10yrs

Menos de 1
ao

N/A

Seleccione la opcin "Sin marcador" para excluir este criterio de su evaluacin.

7.

Valoracin de conectividad (hbitats biticos solamente). Dispersin de las

larvas y cerca de espaciamiento de los parches de hbitat aumenta el potencial
de recuperacin de un hbitat mediante el aumento de la probabilidad de que los
propgulos entrantes pueden restablecer una poblacin en una zona perturbada.
Utilizamos las siguientes categoras para clasificar alta, media y baja conectividad:

conectividad

Alto (3)

Medio (2)

Bajo (1)

Sin
marcador
(0)

Baja dispersin
(menos de 10)

dispersin
Medio
(10100km)

Alta dispersin
(> 100 km)

N/A

Seleccione la opcin "Sin marcador" para excluir este criterio de su evaluacin.

Utilizando criterios espacialmente explcitos
Como alternativa a la asignacin de una calificacin nica a un criterio que se aplica
entonces a toda la regin de estudio, el modelo permite criterios espacialmente
explcitos para ser utilizado como una entrada. Espacialmente explcitos criterios de
calificaciones pueden ser utilizados por cualquiera de los criterios de exposicin o
consecuencia. Por ejemplo, el usuario podra diferenciar entre las reas de
reclutamiento de alta y baja para un hbitat o especie dentro del rea de
estudio. Como otro ejemplo, el usuario puede tener informacin sobre la variacin
espacial de una actividad humana, tales como la densidad de peces en los corrales de
acuicultura, que podra influir en la valoracin de la intensidad de este factor de
estrs. Los criterios son espacialmente explcitos capas vectoriales, donde cada
funcin puede contener una calificacin especfica para esa rea en particular. (Vase
la HRA preprocesador seccin para obtener ms informacin de cmo la forma de
preparar y utilizar criterios explcitos espacialmente dentro de un modelo completo de
ejecucin.)
Directrices para puntuar los datos de calidad
La evaluacin de riesgos es un proceso integrador, que requiere una gran cantidad de
datos sobre muchos de los atributos de los sistemas humanos y ecolgicos. Es
probable que algunos aspectos de la evaluacin del riesgo sern apoyados por datos
de alta calidad y otros aspectos sern sujetos a limitaciones de los datos y de alta
incertidumbre. El usuario tiene la opcin de marcar calidad de los datos para poner un
mayor peso en los criterios para el que la confianza es mayor en el clculo del riesgo
(ec. 2 y 3). Esperamos que al incluir la opcin de evaluar la calidad de los datos en el
modelo, los usuarios estarn al tanto de algunas fuentes de incertidumbre en la
evaluacin del riesgo, y por lo tanto vamos a tener precaucin al usar los resultados
derivados de los datos de baja calidad. Adems, la informacin generada a partir de
este proceso de calificacin se puede utilizar para guiar la investigacin y los efectos
de mejorar la calidad de los datos y la disponibilidad de monitoreo. Sugerimos a los
usuarios ejecutar por primera vez el modelo con la puntuacin misma calidad de los
datos (por ejemplo, 1) para todos los criterios para determinar si los patrones
generales tienen sentido basada slo en las relaciones entre los factores de estrs y
hbitats. A continuacin, si los usuarios no han verificado la informacin sobre la
calidad de los datos de un criterio dado, deben volver a hacer el modelo utilizando un 2
o 3 para indicar ms baja y la ms baja calidad de los datos es posible.
Para cada exposicin y consecuencia puntuacin, los usuarios pueden indicar la
calidad de los datos que se utiliza para determinar la puntuacin en una escala donde
1 indica un conocimiento limitado de la calidad de los datos, y cualquier cosa por
encima de que sera visto como datos cada vez ms fiables.
mejores datos

de datos adecuada

Los datos limitados

informacin
sustancial
est disponible para

La informacin se basa en
datos recogidos fuera de la

No existe
emprica

literatura
para

mejores datos

de datos adecuada

Los datos limitados

apoyar la partitura y se
basa en los datos
recogidos en la regin
de estudio (o cerca) de
la especie en cuestin.

regin de estudio, puede estar

basada
en
especies
relacionadas,
pueden
representar
relaciones
estadsticas
moderadas
o
insignificantes.

justificar puntuacin
para la especie, sino
una
inferencia
razonable puede ser
hecha por el usuario.

Limitaciones y supuestos
limitaciones
1.

Estos resultados estn limitados por la calidad de los datos: La precisin

de los resultados del modelo se ve limitada por la disponibilidad y calidad de los
datos de entrada. El uso de datos de alta calidad, tales como los de evaluaciones
locales replicados en varios sitios dentro de la regin de estudio para la especie
de que se trate dentro de los ltimos diez aos se lograrn resultados ms
precisos que el uso de los datos de menor calidad que se recogen en un lugar
distante con limitada espacial o temporal cobertura. En la mayora de los casos,
los usuarios tendrn que utilizar los datos de otras ubicaciones geogrficas para
algunas de las combinaciones de estrs en el hbitat debido a la mayor parte de
los datos sobre los efectos de algunos factores de estrs slo se han recogido en
un nmero limitado de lugares en todo el mundo. Para superar estas limitaciones
de los datos, incluimos una puntuacin de calidad de datos en el anlisis. Esta
calificacin permite a los usuarios criterios abajo de peso para los que la calidad
de los datos es baja.

2.

Los resultados deben interpretarse en una escala relativa: Debido a la

naturaleza del proceso de puntuacin, los resultados se pueden utilizar para
comparar el riesgo de varias actividades humanas entre varios hbitats dentro de
la regin de estudio (que pueden variar en tamao desde pequeas escalas
locales a un mundial escala), pero no debe ser utilizado para comparar los
clculos de riesgo del anlisis por separado.

3.

Los resultados no reflejan los efectos de las actividades humanas en el

pasado. El modelo HRA no tiene en cuenta explcitamente los efectos de las
actividades humanas histricos sobre el riesgo actual. La exposicin a las
actividades humanas en el pasado puede afectar la consecuencia de las
actividades humanas en el presente y futuro. Si los usuarios tienen datos
histricos sobre la exposicin de los hbitats a las actividades humanas (por
ejemplo, extensin espacial y temporal), e informacin sobre cmo afecta esto a
consecuencia puntuaciones actuales, que pueden incluir esta informacin en el
anlisis para obtener resultados ms precisos.

4.

Los resultados se basan en la igualdad de ponderacin de los criterios a

menos que los pesos de los usuarios por los criterios de importancia o
calidad de los datos. El modelo calcula los valores de exposicin y consecuencia
Suponiendo que el efecto de cada criterio (es decir, la superposicin espacial y
patrn de reclutamiento) es de igual importancia en la determinacin del
riesgo. La importancia relativa de cada uno de los criterios es poco conocida, por

lo que asume la misma importancia. Sin embargo, el usuario tiene la opcin de

ponderar la importancia de cada criterio en la determinacin de riesgo general.
supuestos
1.

A menudo, la informacin en la literatura sobre los factores de estrs de

efectos en los hbitats proviene de slo unos pocos lugares. Si se utilizan
datos o datos de otras localidades disponibles a nivel mundial, los usuarios hacen
la suposicin de que los ecosistemas de todo el mundo responden de manera
similar a cualquier factor estresante dado (es decir, crin marina en el Mediterrneo
responde a la jaula de acuicultura de la misma manera como pasto marino en la
Columbia Britnica). Para evitar que este supuesto en todos los mbitos, los
usuarios deben utilizar datos locales siempre que sea posible.

2.

El riesgo acumulado es aditiva (frente sinrgico o antagnico). La

interaccin de mltiples factores estresantes en los ecosistemas marinos es poco
conocida (ver Crain et al., 2008 para ms informacin). Las interacciones pueden
ser aditivos, sinrgicos o antagnicos. Sin embargo, nuestra capacidad para
predecir el tipo de interaccin que se producir es limitado. Debido a la falta de
informacin fiable sobre las condiciones que determinan la adicin, de sinergia o
antagonismo, el modelo asume la aditividad, ya que es el mtodo ms
sencillo. Como resultado, el modelo puede sobreestimar o subestimar el riesgo
acumulado en funcin del conjunto de factores estresantes que se producen en la
regin de estudio.

Necesidades de datos
El modelo utiliza una interfaz de entrada de todos los datos obligatorios y opcionales y
una serie de valores separados por comas archivos CSV (valores) con el que anotar
todos los criterios y la calidad de los datos. A continuacin describimos las opciones
presentadas al usuario a travs de la interfaz y mapas de datos y las tablas que sern
utilizadas por el modelo. En primer lugar se describen las entradas se requiera,
seguido de una descripcin de las entradas opcionales.
Para ejecutar el modelo, se requieren tres pasos:
1.

Ejecutar la herramienta de preprocesador HRA

2.

Llenar las votaciones CSV

3.

Ejecutar el modelo de Evaluacin de Riesgos de Hbitat

HRA preprocesador
Antes de ejecutar el modelo de HRA, es necesario para concatenar y evaluar toda la
informacin criterios aplicables. Esto se puede lograr mediante la ejecucin de la
herramienta de preprocesador, a continuacin, la edicin de la CVSs resultante. Si ya
ha ejecutado el modelo, o hacer que el directorio '' habitat_stressor_ratings de una
ejecucin anterior HRA preprocesador, puede omitir este paso y proceder a ejecutar la
herramienta de Evaluacin de Riesgos de Hbitat.

Para ejecutar la herramienta, ejecute el archivo ejecutable HRA preprocesador. Esto

abrir una interfaz grfica de usuario (GUI).

Figura 3: La interfaz de usuario principal HRA preprocesador.

Hay varias piezas que se deben utilizar como entradas a esta herramienta. En
cualquier momento, puede hacer clic en los signos de interrogacin azul a la derecha
de una entrada para una gua adicional.

1.

2.
3.
4.

5.
6.

Espacio de trabajo Ubicacin (requerido). Los usuarios estn obligados a

especificar una ruta de la carpeta del espacio de trabajo. Correr HRA
preprocesador crea una carpeta llamada '' habitat_stressor_ratings dentro de este
espacio de trabajo. Esta carpeta mantendr todas CSVs relevantes para la
calificacin criterios en el modelo de ejecucin en particular.
Nombre: Camino a una carpeta del espacio de trabajo. Evitar espacios.
trayecto de la muestra: \ InVEST \ HabitatRiskAssess_3_0 \
Para calcular el riesgo de Hbitat / Especies Aqu seleccionar los hbitats y /
o especies que sern insumos para esta corrida del modelo. Cada una de estas
entradas debe apuntar a un directorio que contiene todas las capas shapefile
hbitat o las especies con nombre que desea incluir en este modelo de
ejecucin. No se requieren los nombres de los archivos que contienen un nmero
de identificacin. Cada directorio debe ser independiente de los dems con el fin
de evitar la repeticin incorrecta en las salidas, y debe contener slo las capas
que se deseen dentro de esta evaluacin. Todas las capas deben ser proyectadas
en la misma proyeccin .:
Nombre: Camino a una carpeta hbitat o especies. Evitar espacios.
trayecto de la muestra: \ InVEST \ HabitatRiskAssess_3_0 \ HabitatLayers

7.

Directorio para las capas estresante usuario debe seleccionar una carpeta
que contiene los factores de estrs que se superponen con los hbitats y / o
especies. Este directorio debe contener nicamente los factores de estrs
deseados dentro de este modelo de ejecucin. Todas las capas deben ser
proyectadas en la misma proyeccin .:

8.
9.

Nombre: Camino a una carpeta hbitat o especies. Evitar espacios.

trayecto de la muestra: \ InVEST \ HabitatRiskAssess_3_0 \ StressorLayers

4.

Criterios Hemos dividido criterios en 3 categoras: exposicin, sensibilidad y

capacidad de recuperacin. criterios de exposicin son especficos de un
emparejamiento hbitat-factor de estrs, y se aplicarn a la parte de la exposicin
de la ecuacin de modelo de riesgo. criterios de sensibilidad tambin se aplican a
un apareamiento especfico hbitat-factor de estrs, pero se aplicarn a la parte
consecuencia de la ecuacin de riesgo.Resiliencia criterios sern igualmente
aplicarse a la parte consecuencia de la ecuacin de riesgo, pero son especficos
de un hbitat en general. La colocacin de un criterio en una de estas categoras
dentro de la interfaz de usuario se determinar cmo valoraciones de los usuarios
se introducen en el modelo HRA. Los criterios predeterminados proporcionados
se derivan de la literatura revisada por pares y se recomiendan como un buen

conjunto de contribuyentes al riesgo en un sistema, pero los usuarios tienen la

opcin de agregar o quitar criterios si se desea. Slo elige esta opcin si los
criterios predeterminados no se aplican al sistema que est siendo modelado, o
no abordan correctamente todas las facetas de la evaluacin de riesgos.

Figura 5: Los tres categoras-exposicin, sensibilidad y capacidad de recuperacin

corresponden a estresores especficos, se superponen-especfica, y criterios de
hbitat especfico, respectivamente.

5.

Opcional Determinar si los criterios espaciales estn disponibles y

deseada. Estos son archivos de capas vectoriales que proporcionaran los
detalles ms explcitos para un criterio especfico en la evaluacin. Si se desea
espacialmente criterios explcitos, esta entrada debe apuntar a un directorio
externo para todos los criterios espaciales. Una estructura rgida debe ser
seguido para que el modelo funcione. Dentro de la carpeta criterios espaciales
externa, debe haber las siguientes carpetas: 3 Sensibilidad, la exposicin y la
resiliencia. criterios de vectores pueden ser ubicados dentro de la carpeta
deseada. Cada funcin en los archivos de forma usados deben incluir un atributo
'Clasificacin', que se asigna a un valor float o int deseada para su uso como el
valor calificacin de dicha rea de criterios espaciales.

Cualquier criterio colocados dentro de la carpeta de resiliencia se aplicarn

nicamente a un hbitat determinado. Ellos deben ser nombradas con la forma:
habitatname_criterianame.shp. Criterios nombres pueden contener ms de una
palabra, si separados por un guin.

Cualquier criterio colocados dentro de la carpeta de la exposicin se aplicarn

a la superposicin entre un hbitat determinado y un factor de estrs dado. Ellos
deben
ser
nombradas
con
la
forma:
habitatname_stressorname_criterianame.shp. Criterios nombres pueden contener
ms de una palabra, si separados por un guin.

Cualquier criterio colocados dentro de la carpeta de sensibilidad se aplicarn a

la superposicin entre un hbitat determinado y un factor de estrs dado. Ellos
deben
ser
nombradas
con
la
forma:
habitatname_stressorname_criterianame.shp. Criterios nombres pueden contener
ms de una palabra, si separados por un guin.

6.

Ejecutar la herramienta. Esto crear un directorio en su espacio de trabajo

denominado habitat_stressor_ratings seleccionados. Tenga en cuenta que si una
carpeta de los habitat_stressor_ratings nombre ya existe dentro del espacio de
trabajo, se borrar para dar paso a la nueva carpeta de salida. Este directorio se
puede cambiar segn sea necesario despus de la finalizacin, y contendr una
serie de archivos con la forma: habitatname_ratings.csv, as un archivo llamado
stressor_buffers.csv. Habr un archivo para todos los hbitats, y el archivo
adicional para tampones estresantes. datos de las muestras de HRA 3.0 incluye
una carpeta de ejemplo para su uso dentro del ejecutable principal HRA llamada
habitat_stressor_ratings_sample, que contiene criterios precargadas valores
relevantes de los datos de la muestra para la costa oeste de la isla de Vancouver,
Canad.

Puntuaciones CSVs
Los CSVs incluidos en la carpeta habitat_stressor_ratings proporcionarn toda la
informacin criterios para la ejecucin de la Evaluacin de Riesgos de Hbitat. Hay
dos tipos de hbitat CSVs solapamiento CSVs- y la CSV tampn estresante. CSVs
hbitat contendrn no slo la informacin criterios-hbitat especfico, sino tambin
todos los criterios que afectan a la coincidencia entre ese hbitat y todos los factores
de estrs aplicables. El CSV tampn factor de estrs ser un nico archivo que
contiene el tampn deseado para todos los factores de estrs incluidos en la
evaluacin.

Figura 7: Tras la creacin inicial, CSV contendr no hay votos, slo una orientacin de
criterios conocidos en una escala de 0-3. Sin embargo, los usuarios deben sentirse
libres para llenar en las calificaciones en una escala diferente si hay datos
significativos revisados, pero deben estar seguros de ser coherente en la escala en
todos los CSV.

Cuando se ejecuta preprocesador, el CSV contendr no hay calificaciones numricas,

slo una orientacin sobre cmo cada calificacin podra ser llenado. El usuario debe
utilizar las mejores fuentes de datos disponibles, a fin de obtener informacin de
clasificacin. La informacin de la columna para ser llenado incluye lo siguiente:
1.

"Indice" - Esta es una medida del impacto de un criterio en un hbitat o factor

estresante en particular, en relacin con el ecosistema global. Los datos pueden
provenir de una combinacin de fuentes revisadas por pares a escala global y
fuentes de datos a escala fina disponibles localmente.insumos y resultados de los
modelos se pueden actualizar de mejor informacin disponible. Ofrecemos
orientacin a criterios conocidos en una escala de 0-3, pero hay que sealar que
si la informacin est disponible en una escala diferente, esto puede tambin ser

utilizado. Es importante tener en cuenta, sin embargo, que toda la informacin

clasificacin en todos los CSV debe estar en una escala coherente,
independientemente de lo que el lmite superior es.
2.

"DQ" - Esta columna representa la calidad de los datos de la puntuacin

proporcionada en la columna de la 'Clasificacin'. Aqu el modelo da al usuario la
oportunidad de downweight fuentes de datos menos fiables, o criterios upweight
particularmente bien estudiados. Mientras que guan al usuario en un sistema de
puntuacin de 1-3, el usuario debe sentirse libre de usar cualquier lmite superior
se sienten prctica, siempre y cuando la escala es constante. El lmite inferior, sin
embargo, siempre debe ser 1, a menos que el usuario desea eliminar los criterios
de puntuacin enteras.

3.

"Peso" - Aqu se le da al usuario la oportunidad de upweight critiera la que se

sienten son particularmente importantes para el sistema, independientemente de
la calidad de los datos fuente. Mientras que guan al usuario en un sistema de
puntuacin a partir de 1-3, el usuario debe sentirse libre de usar cualquier lmite
superior se sienten prctica, siempre y cuando la escala es constante. El lmite
inferior, sin embargo, siempre debe ser de 1 a menos que el usuario desea
eliminar los criterios de puntuacin enteras.

4.

(Opcional) "E / C" - Esta columna indica si los criterios dados se aplican a la
exposicin o la parte consecuencia de la ecuacin de riesgo elegido.Estos pueden
ser cambiados manualmente por el usuario en una sola base criterio, sin
embargo, que recomendara fuertemente contra l. Si el usuario desea cambiar la
asignacin de dicho criterio, sera mejor cambiar la asignacin del criterio dentro
de la resiliencia, la exposicin, las categoras de sensibilidad utilizando la interfaz
de usuario HRA preprocesador. Por defecto, todos los criterios de las categoras
de sensibilidad o capacidad de reaccin sern asignados a Consecuencia (C)
dentro de las funciones de riesgo, y cualquier criterio dentro de la categora de
exposicin sern asignados a la exposicin (E) dentro de la ecuacin de riesgo.

Nota
Datos de notas requeridas -. Recomendamos a los usuarios incluyen informacin
acerca de todos los componentes clave de riesgo (es decir, la superposicin espacial y
otros criterios de exposicin, los criterios de consecuencia y los componentes de la
consecuencia, la resistencia y la sensibilidad Sin embargo, el modelo producirn
estimaciones de riesgo slo con el hbitat y estresante capas espaciales y no hay
otros valores de exposicin (es decir, e = 0 = no score para todos los otros criterios de
exposicin). para producir estas estimaciones, el modelo requiere valores para al
menos uno de los criterios de consecuencias, ya sea la sensibilidad o resistencia. sin
esta informacin, el modelo devolver un mensaje de error. Si el usuario introduce
solamente calificaciones de la sensibilidad o resistencia, entonces la puntuacin
consecuencia se basar en los datos en s.
Nota
Especificacin de ninguna interaccin entre Hbitat y estresante - A partir de
InVEST 3.3.0 el modelo HRA permitir a los usuarios para indicar que un hbitat - par
estresante debe tener ninguna interaccin.Esto significa esencialmente que el modelo
tendr en cuenta el hbitat y stessor tienen ninguna superposicin espacial. Esta
mejora es hacer frente a la cuestin de tener los datos de resolucin vectorial fina

donde los valores pueden compartir el mismo espacio de pxeles cuando se convierte
a un formato de cuadrcula de trama. Para configurar un hbitat - par factor estresante
o ningn solapamiento, slo tiene que rellenar cada columna criterios de
"Clasificacin" con un valor "NA" para el par determinado. Todos los valores de
"Calificacin" para ese par se deben establecer en "NA" para el modelo a considerar el
par no tener interaccin / solapamiento. Si se encuentra un valor "NA", pero no todos
se ajustan, se presentar un mensaje de error.
CSVs hbitat deben ser llenados con informacin de criterios-hbitat especfico, as
como los criterios que se aplican a la superposicin del hbitat y los factores de estrs
dado. El factor estresante de Buffer CSV debe ser llenada con el tampn numrico
deseado que puede utilizarse para expandir la influencia de un factor de estrs dado
dentro del modelo de ejecucin. Esto puede ser 0 si no se desea almacenamiento en
bfer para un factor de estrs dado, pero no puede dejarse en blanco.
Cualquier criterio que utilizan espacialmente criterios explcitos (especificados por el
usuario durante el preprocesador HRA) se observaron en el CSV por la palabra
"forma" en la columna de la opinin de que el hbitat, estresante, o criterios
combinados. El usuario todava debe rellenar una calidad de datos y el peso de estos
criterios, pero debe NO quitar la cadena de "forma" a menos que ya no desean utilizar
un criterio espacial para ese atributo.

Evaluacin de riesgos de hbitat

La porcin de cmputo principal del modelo HRA se llevar a cabo por el ejecutable de
la evaluacin de riesgos de Hbitat. En primer lugar se describen las entradas
requeridas. Los datos de entrada requeridos son los datos mnimos necesarios para
ejecutar este modelo.

Figura 9: El ejecutable principal HRA 3.0.

1.

2.
3.

Espacio de trabajo Ubicacin (requerido) . Los usuarios estn obligados a

especificar una ruta de la carpeta del espacio de trabajo. Se recomienda que el
usuario crea una nueva carpeta para cada ejecucin del modelo. Por ejemplo,
mediante la creacin de una carpeta llamada "runBC" dentro de la carpeta
"HabitatRiskAssess_3_0", el modelo crear "Intermedio" y "salida" carpetas dentro
de este espacio de trabajo "runBC".La carpeta "intermedio" se compartimentar los
datos de los procesos intermedios. Los productos finales del modelo se
almacenarn en la carpeta "Salida".
Nombre: Camino a una carpeta del espacio de trabajo. Evitar espacios.
trayecto de la muestra: \ InVEST \ HabitatRiskAssess_3_0 \ runBC

4.

Las puntuaciones criterios de carpeta (requerido) . Despus de ejecutar la

herramienta de HRA preprocesador, una carpeta se crear el cual contiene los
criterios de puntuacin colectiva para todos los hbitats y los factores de
estrs. Para esta entrada, seleccione la carpeta externa que contiene todos los
archivos CSV.

5.
6.

Nombre: carpeta puede tener cualquier nombre, pero evite espacios.

trayecto de la muestra: \ InVEST \ HabitatRiskAssess_3_0 \ runBC \
habitat_stressor_ratings

7.

Resolucin de Anlisis (requerido) . El tamao en metros que se desea para

el anlisis de las capas shapefile a una escala celda de la cuadrcula. Esto va a
definir la anchura y la altura de cada celda de la cuadrcula de riesgo nico. Este
debe ser un nmero entero. El usuario debe basar este tamao en la resolucin
de los datos de hbitat y la escala a la que se distribuyen los hbitats en el

espacio. Por ejemplo, pequeos parches de pastos marinos y algas son a

menudo unos 100-200 metros cuadrados, que es acerca de la resolucin ms
pequea se recomienda ejecutar el modelo. Si los datos de entrada son de hbitat
gruesa, a continuacin, un mnimo de 500 metros es mejor. Si se examina las
salidas de riesgo y encontrar que los bordes de los parches de hbitat tienen
variacin peridica y distinto en riesgo, de tal manera que cada clula riesgo alto y
medio en el borde de los parches de hbitat son la frontera por las clulas de bajo
riesgo, considere enlargening su resolucin. Se recomienda ejecutar el modelo
por primera vez a una resolucin baja (500 m 1 km) para verificar que el modelo
est funcionando correctamente. A continuacin, utilice una resolucin ms alta
en carreras posteriores.
8.

Ecuacin de Riesgo (requerido) . Esta seleccin elige la ecuacin que se

utilizar en el clculo de riesgo a un hbitat dado. (Vase el riesgo de las
actividades humanas en determinados hbitats seccin.) El usuario puede
escoger o bien un modelo de riesgo euclidiana, o un modelo de riesgo
multiplicativo.

9.

Decay Ecuacin (requerido) Esta seleccin influye en la "zona de influencia"

(es decir, distancia de buffer) de un factor de estrs que se aplicar al riesgo. La
distancia tampn factor de estrs en el CSV tampn factor estresante puede
degradarse para proporcionar una representacin ms exacta de la influencia de
un factor de estrs ms all de su huella. La ecuacin de decaimiento decae la
calificacin global de la exposicin (por ejemplo, en combinacin superposicin
espacial, la superposicin temporal, la intensidad, la efectividad del manejo) antes
de que el valor de E entra en la ecuacin de riesgo. Para cada pxel, el modelo
utiliza el valor de la puntuacin de exposicin decada. Las opciones para la
descomposicin son los siguientes. "Ninguno" se aplicar la exposicin total a la
gama completa de la huella factor de estrs ms tampn, sin ningn tipo de
deterioro. "Linear" y "exponencial" utilizarn la ecuacin indicada como un modelo
para la desintegracin de los bordes de la huella en la medida de la distancia de
amortiguacin.

10.

Criterios Puntuacin mxima (requerido) Los criterios de mxima

puntuacin es el ms alto valor reportado de usuario asignado a cualquier
habilitacin de criterios dentro de la evaluacin. Esto ser utilizado como el valor
acotado superior contra la cual se compararn todas las puntuaciones de
evaluacin. Por ejemplo, en un modelo de ejecucin en las puntuaciones de
puntuaciones varan de 0-3, esto sera un 3. Si el usuario opta por utilizar una
escala diferente para las calificaciones, sin embargo, esto debe ser el valor ms
alto que podran ser potencialmente asignado a una criterios. Si el modelo de
ejecucin est utilizando criterios espacialmente explcitos, este valor debe ser el
valor mximo asignado a cualquiera de una caracterstica criterios o con una
clasificacin de criterios CSV.

11.

Los factores de estrs mximo superposicin (requerido) El es el mayor

nmero de factores de estrs que se superponen en el canto zona de
anlisis. Esto ser utilizado con el fin de hacer determinaciones de bajo, medio, y
alto riesgo de un hbitat dado. Si el nmero de factores de estrs superpuestas
previstas es demasiado bajo, es probable que los resultados muestran reas de
riesgo ms medios y altos que los que estn presentes. Por el contrario, si el

nmero de factores de estrs superpuestas es demasiado alta, ser difcil para las
reas de romper el umbral para aparecer como de riesgo medio o alto. Si no est
seguro de cmo muchos factores de estrs se superponen, se recomienda
ejecutar la herramienta de anlisis de solapamiento sin ponderacin.
12.

Utilice subregiones Shapefile? (requerido) . El modelo utilizar un archivo

de forma subregiones para generar una tabla HTML de la exposicin promedio,
consecuencia de ello, y los valores de riesgo dentro de cada subregin por hbitat
y estresante. Adems, si la ecuacin de riesgo elegido es euclidiana, el modelo
tambin generar una serie de figuras que muestran claramente las votaciones
exposicin-consecuencia y los resultados de riesgo resultantes para cada
combinacin hbitat-factor de estrs por subregin. Asimismo, se crear una
figura que muestra el riesgo ecosistema acumulada de todos los hbitats de las
subregiones en el estudio. Cada una de las caractersticas subregin
shapefile debe contener un atributo 'Nombre' con el fin de ser debidamente
incluidos en el clculo del promedio subregin. Si los datos subregin no est
disponible para la regin de estudio dado, un AOI para el rea tambin se podra
utilizar con el fin de obtener datos promediados por par hbitat-factor de
estrs. Sin embargo, el AOI tambin debe contener un atributo 'Nombre' .:

13.
14.
15.

Nombre: El archivo puede tener cualquier nombre, pero evite espacios.

Tipo de archivo: archivo shape de polgonos (.shp)
trayecto de la muestra: \ InVEST \ HabitatRiskAssess_3_0 \ runBC \
subregions.shp

Interpretacin de los resultados

Salidas modelo
Al completar con xito el modelo, ver nuevas carpetas en su espacio de trabajo
denominado "Intermedio" y "Salida". Estas dos carpetas llevar a cabo todas las
salidas, tanto temporales como definitivas que se utilizan en una carrera completa del
modelo. Aunque la mayora de los usuarios estarn interesados slo en los datos de la
carpeta de salida, vamos a describir a continuacin todas las salidas.
Intermedio carpeta
La carpeta contiene archivos intermedios que se utilizaron para el clculo del resultado
final. Todos los rsteres dentro de este archivo utilizan el tamao de pxel que el
usuario especifica en el campo de texto "Resolucin de Anlisis" de la Evaluacin de
Riesgos Hbitat ejecutable principal.
\ Intermedio \ Criteria_Rasters \ spatial_criteria_name.tif

Si el usuario ha incluido ningn criterio espacialmente explcitos en la

evaluacin, esta carpeta contendr una versin rasterizada de esa capa
vectorial, con el atributo 'Rating' quemado como el valor del pxel.
\ Intermedio \ Habitat_Rasters \ habitat_name.tif

Una versin rasterizada de todos los archivos vectoriales hbitat o

especies incluidas en la evaluacin.
\ Intermedio \ Stressor_Rasters \ stressor_name.tif

Una versin rasterizada de todos los archivos vectoriales estresantes

incluyen en la evaluacin.
\ Intermedio \ Stressor_Rasters \ stressor_name_buff.tif

Esta es una copia del archivo stressor_name.tif en la misma carpeta,

pero con un puenteo individual de cada factor de estrs incluido. Si un factor
de estrs dado tiene una distancia de amortiguacin 0, esto ser una copia
exacta del archivo de datos de trama del vector. Para todos los dems
archivos, esto ser amortiguada por la cantidad deseada se establece en la
"situacin estresante Buffer (m)" de las Evaluaciones CSV , decado de 1 a 0
usando la ecuacin elegida en la seccin "Decay Ecuacin" del Riesgo
Hbitat evaluacin .
\ Intermedio \ Overlap_Rasters \ H [habitat_name] _S [stressor_name] .tif

Una trama que representa la superposicin entre cada par de los

hbitat o las especies raster, y los raster estresantes bfer.
\ Intermedio \ H [habitatname] _S [stressorname] _C_Risk_Raster.tif

Una trama que representa la parte consecuencia de los clculos finales

de los riesgos para la superposicin del hbitat y estresante dado.
\ Intermedio \ H [habitatname] _S [stressorname] _E_Risk_Raster.tif

Una trama que representa la parte de la exposicin de los clculos

finales de los riesgos para la superposicin del hbitat y estresante dado.
Intermedio \ H [habitatname] _S [stressorname] _Risk_Raster.tif

Una trama que contiene el clculo de riesgo final para la combinacin

del hbitat y estresante dado. Esta trama riesgo toma en cuenta cada uno de
los criterios que se aplican al hbitat y factor de estrs, as como la ecuacin
de riesgo especificado por el usuario.

Carpeta de salida
La siguiente es una breve descripcin de cada uno de los productos finales a partir del
modelo de HRA. Cada uno de estos archivos de salida se guarda en la carpeta de
"salida" que se guarda en el directorio de espacio de trabajo especificado por el
usuario:
SIG

\ Output \ mapas \ recov_potent_H [habitat_name] .tif

Esta capa de trama representa el potencial de recuperacin de cada

clula para el hbitat dado. potencial de recuperacin se basa tpicamente en
la tasa de mortalidad natural, tasa de reclutamiento, edad de madurez tiempo
/ recuperacin y la conectividad, aunque estos pueden ser modificados por el
usuario si se desean criterios alternativos. potencial de recuperacin es til
para aquellos que estn interesados en la identificacin de las reas donde
los hbitats son ms resistentes a los factores estresantes humanos, y por lo
tanto pueden ser capaces de soportar el aumento de la tensin. Hbitats con
bajo potencial de recuperacin son particularmente vulnerables a la
intensificacin de las actividades humanas.
\ Output \ mapas \ ecosys_risk.tif

Esta capa de trama representa la suma de todas las puntuaciones de

riesgo acumuladas de todos los hbitats en cada celda de la cuadrcula. Se
interpreta mejor como un ndice integral del riesgo en todos los hbitats en
una celda de la cuadrcula. Por ejemplo, en una celda de la cuadrcula cerca
de la costa que contiene algunos arrecifes de coral, manglares y hbitat de
fondo suave, el valor ecosys_risk refleja el riesgo de que los tres hbitats de
la clula. Los "ecosys_risk" valor aumenta a medida que el nmero de
hbitats en una clula expuesta a factores de estrs aumenta.
\ Output \ mapas \ cum_risk_H [habitat_name] .tif

Esta capa de trama representa el riesgo acumulativo para todos los

factores de estrs en una celda de cuadrcula en una base hbitat por
hbitat. Por ejemplo, "cum_risk_eelgrass" representa el riesgo de todos los
factores de estrs en el hbitat "hierba marina". El riesgo acumulado se
obtiene sumando las puntuaciones de riesgo de cada factor de estrs (es
decir, ms estrs conduce a un mayor riesgo acumulativo). Esta capa es
informativo para los usuarios que quieren saber cmo el riesgo acumulativo
para un determinado hbitat vara a travs de una regin de estudio (por
ejemplo, identificar los puntos negros con hierba marina o algas est en alto
riesgo de mltiples factores de estrs). Puntos de acceso de alto riesgo
acumulativo pueden ser objeto de restauracin o de supervisin.
\ Output \ mapas \ [habitat_name] _RISK.shp

Estos archivos de forma son hbitat especfico y se clasifican segn el

grado de riesgo. Cada caracterstica en el archivo de formas tiene un atributo
"CLASIFICAR", que ser "BAJO" / "medio" / "ALTO", dependiendo de la
cantidad de riesgo que cada uno contiene en relacin con los umbrales de
riesgo. Los umbrales de bajo / medio / alto se determinan en una de dos
maneras. Un pxel hbitat particular se considera de alto riesgo si cualquiera
de los pxeles de riesgo hbitat-estresantes que lo componen son> 66% del
riesgo potencial total de cualquier pxel hbitat-factor de estrs, o si el mapa
de riesgos hbitat en s es> 66% de la riesgo total definido por el usuario max
potencial (como se determina por los factores de estrs mximo
superpuestas dentro de un hbitat). pxeles de riesgo medio utilizan las
mismas directrices, pero se definen por el riesgo de que se sita entre el 33%
y el 66%. Bajo riesgo es cualquier pxeles por debajo del 33%. Hay un
archivo de formas riesgo hbitat para cada archivo vector utilizado
originalmente dentro de la evaluacin.

HTML y Parcelas
Estas salidas son opcionales, y su creacin depende de archivos de forma subregin
proporcionados por el usuario.
\ Output \ HTML_Plots \ risk_plot_AOI [aoiname] .html

\ Output \ HTML_Plots \ ecosystem_risk_plot.png

Estas cifras muestran el riesgo acumulativo de cada hbitat dentro de

una subregin dada. Habr una trama secundaria para todos los hbitats o
especies. Dentro de la parcela hbitat, hay puntos por cada factor de
estrs. Cada punto se representa grficamente por la exposicin, valores
consecuencias. Si la ecuacin de riesgo elegido fue euclidiana, la distancia
desde el punto de factor de estrs al origen representa el riesgo promedio
para ese par de hbitat, factor de estrs dentro de la AOI seleccionada. Los
factores de estrs que tienen puntuaciones ms altas puntuaciones ms altas
de exposicin y consecuencia presentan el mayor riesgo para los hbitats. La
reduccin de riesgo a travs de la gestin es probable que sea ms eficaz en
situaciones en alto riesgo es impulsado por una alta exposicin, no de
consecuencias mayores.

Esta figura muestra el riesgo acumulativo de cada hbitat en la regin

de estudio, por subregin. Esta cifra se puede utilizar para determinar qu
hbitats son de mayor riesgo por las actividades humanas, y si este riesgo se
debe principalmente a la alta exposicin acumulativa (factores exgenos que
puede ser mitigado por la administracin) o de alta consecuencia acumulativa
(factores endgenos que son menos sensibles a las Intervencin humana).

\ Output \ HTML_Plots \ Sub_Region_Averaged_Results_ [yr-mon-da-minseg] .html

Esta tabla HTML es un conjunto concatenado de datos para todos los

emparejamientos de hbitat y factor de estrs dentro de cada subregin
proporcionado. Por cada emparejamiento de hbitat y estresante, la tabla
proporciona una exposicin media, en consecuencia, el riesgo, y el
porcentaje de riesgo (como una porcin del riesgo potencial total).

Archivo de registro

HRA-log-yr-mon-da-min-sec.txt

Cada vez que el modelo se ejecuta un archivo de texto aparecer en la

carpeta del espacio de trabajo. El archivo aparecer una lista de los valores
de los parmetros para que se ejecutan y se nombran de acuerdo a la fecha
y la hora.

informacin de registro de parmetros se puede utilizar para identificar

las configuraciones detalladas de cada uno de simulacin de escenarios.

referencias

Astles, KL, Holloway, MG, STEFFE, A., verde, M., Ganassin, C., y Gibbs, PJ 2006. Un
mtodo ecolgico para la evaluacin cualitativa del riesgo y su uso en la gestin de la
pesca en Nueva Gales del Sur, Australia . Fisheries Research, 82: 290-303.
Burgman, M. 2005. Los riesgos y las decisiones para la conservacin y gestin del
medio ambiente. Cambridge University Press, Cambridge, Reino Unido.
Crain, CM, Kroeker, K., y Halpern, BS 2008. interactivos y acumulativos efectos de
mltiples factores estresantes humanos en los sistemas marinos.Ecology Letters, 11:
1304-1315.
Dawson, TP, Jackson, ST, Casa, JI, Prentice, IC, y Mace, GM 2011. Ms all de
predicciones: Conservacin de la Biodiversidad en un clima cambiante.Ciencia, 332:
53-58.
Halpern, BS, Walbridge, S., Selkoe, KA, Kappel, CV, Micheli, F., D'Agrosa, C, Bruno,
JF, et al. 2008. Un mapa global del impacto humano en los ecosistemas
marinos. Ciencia, 319: 948-952.
Hobday, AJ, Smith, ADM, Stobutzki, IC, Bulman, C., Daley, R., Dambacher, JM, Deng,
RA, et al. 2011. Evaluacin del riesgo ecolgico para los efectos de la pesca. Fisheries
Research, 108: 372-384.
Samhouri, JF, y PS Levin. La vinculacin de Land- y del Mar a las actividades
realizadas al riesgo en los ecosistemas costeros. 2012. Conservacin Biolgica 145
(1): 118-129. doi: 10.1016 / j.biocon.2011.10.021.
Teck, SJ, Halpern, BS, Kappel, CV, Micheli, F., Selkoe, KA, Crain, CM, Martone, R., et
al. 2010. El uso de la opinin de expertos para estimar la vulnerabilidad de los
ecosistemas marinos en la corriente de California. Ecological Applications 20: 14021416.
Williams, A., Dowdney, J., Smith, ADM, Hobday, AJ, y Fuller, M. 2011. Evaluacin del
impacto de la pesca en los hbitats bentnicos: Un marco para la evaluacin de
riesgos aplicado a las pesqueras australianas. Fisheries Research, en prensa.

1. Cul es Conefor?
Conefor es un paquete de software que permite la cuantificacin de la importancia de
las reas de hbitat y enlaces para
el mantenimiento o la mejora de la conectividad del paisaje, as como la evaluacin del
impacto de
cambios en el hbitat y el uso del suelo en la conectividad. Se concibe como una
herramienta para apoyar la toma de decisiones en

conservacin y ordenacin del paisaje, a travs de la identificacin y priorizacin de

sitios crticos para
conectividad ecolgica.
Conefor incluye nuevos ndices de conectividad funcional (ndice integral de
conectividad (CII), la probabilidad
de conectividad (PC)) que han demostrado presentar un rendimiento mejorado en
comparacin con otro
los ndices existentes y que son particularmente adecuados para la planificacin de la
conservacin del paisaje y el cambio
aplicaciones de monitoreo (Pascual-Hortal y Saura de 2006, Saura y Pascual-Hortal
2007, Saura y
Rubio 2010, Saura et al. 2011a). Estos ndices estn basados en grficos espaciales y
en el concepto de
la medicin de la disponibilidad de hbitat (accesibilidad) a escala de paisaje. Este
concepto consiste en

Pgina 2

Conefor manual de usuario 2.6

2
teniendo en cuenta un parche de hbitat como un espacio donde se produce la
conectividad, la integracin de los conectados
los recursos existentes dentro de los parches (conectividad) intrapatch con los
recursos puestos a disposicin por
(accesible a travs de) las conexiones con otros parches de hbitat en el paisaje
(interpatch
conectividad). De esta manera, la conectividad es concebido (y medido) como que la
propiedad del paisaje
que determina la cantidad de hbitat alcanzable en el paisaje, sin importar si tal
alcanzable
hbitat proviene de grandes y / o parches de hbitat de alta calidad propios
(conectividad) intrapatch,

de las fuertes conexiones entre los diferentes parches (conectividad interpatch) o, ms

frecuentemente,
a partir de una combinacin de ambOS

9. El clculo de los valores de importancia de nodos, incluyendo las fracciones de la

CII o PC (intra, flujo, conector)
A menos que especifique el "nico ndice general" opcin (vase el apartado 11 ms
adelante), se calcular el Conefor
importancia de cada nodo como la disminucin en el valor de la mtrica conectividad
causada por la eliminacin de
que nodo individual del paisaje (ver manual de la versin 2.2 y los documentos
relacionados para su posterior
detalles). Esto incluye los intra, de flujo y conector fracciones de IIC o PC como se
describe por Saura y
Rubio (2010); estas fracciones se calculan automticamente si se selecciona
cualquiera de estas dos mtricas
para el anlisis.
La importancia de un nodo (o enlace, vase la seccin 14) de acuerdo con un ndice
de conectividad dado (mtrica) M
se puede expresar en trminos relativos ( "deltas" en Conefor 2,6, DM) o en trminos
absolutos ( "vars" en
Conefor 2.6, Varm):
()
Donde m es el ndice de conectividad global valor (mtrico) cuando todos los nodos
estn presentes en el
paisaje (es decir, el valor de la mtrica para el paisaje inicial, intacta, sin ser
molestado) y M
despus
es el conjunto
valor del ndice despus de la eliminacin de ese nodo individual del paisaje. Por lo
tanto, dM y Varm
cuantificar, respectivamente, la variacin relativa y absoluta en el valor de la mtrica
para la conectividad global
todo el paisaje (M) despus de la prdida de un nodo concreto / parche. Las mismas
ecuaciones se aplican para
otros cambios relacionados con los vnculos entre parches, tal como se describir ms
adelante en la seccin 14.
Debe seleccionar al menos "Mostrar deltas" o "Mostrar vars" antes de ejecutar el
software (a menos que el
opcin "Slo ndice general" est activada, vase ms adelante en la seccin 11). Si
selecciona la opcin "Mostrar
deltas "(este es el valor predeterminado), Conefor calcula e indica los valores de
MS para cada nodo y para
cada uno de los ndices seleccionados para el anlisis. Si selecciona la opcin
"Mostrar vars", Conefor calcular
y mostrar los valores Varm para cada nodo y para cada uno de los ndices
seleccionados para el anlisis. Usted puede
Tambin seleccione "Mostrar ambos deltas" y "Mostrar vars" y luego Conefor calcula e
indica tanto dM
y los valores Varm. Ntese, sin embargo, que esto puede generar un gran nmero de
columnas en el nodo

archivo de importancia, y que la clasificacin de los parches de hbitat (nodos) por su

contribucin al paisaje
conectividad es la misma de acuerdo con una o dM Varm (ya que ambas variables son
proporcionales, como
dada por Varm = (dM H) / 100). Aunque en algunos casos los valores dM son ms
fciles de interpretar, esto ser
depender de los ndices seleccionados y preferencias de usuario. En algunos casos,
si el paisaje / red es muy
, valores grandes DM puede ser muy bajo (es difcil para un solo nodo tenga una gran
importancia relativa de
conectividad si la red est compuesta por muchos miles de nodos) y difcil de manejar
(con el tiempo
indistinguible de cero). En estos casos, los valores Varm podra ser una opcin
preferible.
El ndice M puede corresponder a cualquiera de las siguientes mtricas de
conectividad incluidos en Conefor 2.6: NL,
Carolina del Norte, H, LCP, CII
num
, M, AWF, PC
num
.
Cabe destacar que en Conefor la CII
num
y PC
num
valores (numeradores de la CII y mtricas de PC, respectivamente,
ver ecuaciones de abajo) son los que se utilizan para el clculo de
los valores DIIC, DPC, varIIC y varPC. Esto hace
innecesario especificar ninguna Un
L
valor para el clculo de las importancias de nodo segn la CII o PC. Incluso
si los valores de la CII y el PC para un particular, una
L
fueron utilizados (en lugar de la CII
num
o PC
num
) Para calcular el nodo
valores de importancia, DIIC y DPC seran exactamente los mismos que los obtenidos
utilizando CII
num
o PC
num
respectivamente. Esto es porque una
L
es una constante que no vara por la eliminacin de cualquier nodo o enlace
Pgina 6
Conefor manual de usuario 2.6
6
Del paisaje. Si desea obtener los valores varIIC o varPC, ya que resultaran del uso de
los valores de la CII y PC (para un A dado
L
valor) slo tiene que dividir los valores varIIC o que son varPC
calculado por Conefor 2,6 por A

L
2

Ver manual de la versin 2.2 y los dos documentos relacionados (Pascual-Hortal y

Saura de 2006, Saura y
Pascual-Hortal 2007) para ms detalles sobre estas mtricas y frmulas.
Como muestran los valores de importancia para la CII Saura y Rubio (2010) y las
mtricas de PC pueden ser
se reparti en tres fracciones diferentes (intra, de flujo, connecto r) teniendo en cuenta
las diferentes formas en las que
un parche de hbitat (nodo) o un enlace pueden contribuir a la conectividad del hbitat
en general y disponibilidad en el
paisaje. Conefor 2,6 calcular automticamente para cada nodo los valores de estos
tres fracciones
por separado cada vez CII y / o PC se seleccionan para su anlisis. Esto se aplica
tanto a la MS y la Varm
valores calculados por Conefor de la siguiente manera (el total de DIIC, varIIC, DPC, y
los valores varPC tambin sern
presentado, adems de los valores de fraccin con particiones):
Las tres fracciones se calcularn tanto para los nodos existentes que se pueden
perder (anlisis estndar /
extirpacin de los ganglios) y para los nodos que pueden aadirse en el paisaje como
resultado de hbitat
medidas de restauracin (vase la opcin "aadir nodos" en el manual de la versin
2.2). Mientras que un parche de hbitat
puede contribuir a la conectividad a travs de todas estas tres fracciones, enlaces
(pasillos, conectores) slo se pueden utilizar
contribuir a travs de la fraccin conector: ver Saura y Rubio (2010) para ms detalles.
Baranyi et al. (2011) han demostrado, a travs de anlisis de conglomerados y el
escalamiento multidimensional, que la
intra fracciones, de flujo y de los conectores proporcionan una informacin no
redundante y complementaria sobre la
importancia de un parche en una red de paisaje, y que captan la mayor parte de la
variabilidad en el parche
prioridades de conservacin que se derivaran del uso de un conjunto mucho mayor de
mtricas de conectividad (vase
la figura 5 en ese estudio), tal vez se complementa con una mtrica centralidad (vase
el apartado 10 ms adelante).
La nica excepcin para los clculos de MS y Varm en el archivo de nodo de
importancia (como se explica
arriba) son los valores de las mtricas betweenness de centralidad (BC, AC (CII), BC
(PC)): estas son las mtricas
calculado de una manera diferente (vase el apartado 10 ms adelante), y no de
acuerdo con las frmulas que se muestran arriba
Para DM o Varm. Las mtricas betweenness centralidad incluidos en Conefor 2.6 se
calculan para cada
nodo slo de acuerdo a su posicin en el intacta (inicial) paisaje, y no siguiendo un
nodo (parche)
procedimiento de extraccin como para el resto de las mtricas.
pgina 7
Conefor manual de usuario 2.6
7

Por ltimo, hay que sealar que el ndice de CCP (Probabilidad de coincidencia de
clase) ya no se incluye en
Conefor 2.6. Esto se debe a CCP no presenta buenas capacidades de priorizacin en
comparacin con otra
mtricas (vase Pascual-Hortal y Saura (2006)) y tenemos la intencin de evitar un
nmero excesivo de mtricas
siendo calculado por Conefor si esto no es necesario. Por otro lado, CCP es bastante
similar
analticamente para LCP. Desde LCP est incluido en Conefor 2.6, es muy fcil de
obtener los valores de la CCP
LCP los calculados por Conefor 2.6 si desea hacerlo; ver las frmulas de PascualHortal y Saura
(2006) para entender cmo hacer este clculo simple. En el raro caso de que usted
todava desea conseguir
los valores CCP directamente, se puede utilizar la versin anterior Conefor Sensinode
2.2 para ese particular
propsito (esta versin anterior ser todava est disponible para su descarga en el
sitio web Conefor).
10. mtricas Generalizado betweenness Centralidad
10.1. Qu mtricas centralidad de la red se calculan Conefor?
Conefor 2.6 calcula para cada nodo:
- Antes de Cristo, la mtrica clsica betweenness Centralidad como originalmente se
defini por Freeman (1977; Sociometry
40: 35-41).
- BC (CII) y BC (PC), las versiones mejoradas de la mtrica aC que fueron propuestos
por Bodin y Saura
(2010) con el fin de incorporar algunas consideraciones que son importantes para
aumentar la ecolgica
realismo de esta mtrica y para hacer que coincida con las caractersticas y
propiedades deseables de la CII
y PC. De esta manera, BC (CII) y BC (PC) se colocan (integrado) dentro del mismo
marco analtico
como la mtrica de la CII y PC. Todos estos parmetros se expresan en las mismas
unidades de medicin, y podr
compararse directamente. En particular, el AC normalizada (CII) y los valores de BC
(PC) para cada nodo son iguales
o mayor que la fraccin conector de la CII y la mtrica de PC, respectivamente (vase
la seccin 10.5 ms adelante),
como se muestra por Bodin y Saura (2010).
Los valores de BC, BC (CII), y BC (PC) se calculan slo para los nodos que existen en
el paisaje
(anlisis importancia nodo estndar), y no para los enlaces o los nodos que aadir.
10.2. Qu hacen los indicadores medida betweenness Centralidad y cmo se
calculan?
El concepto de lnea de base para todos estos indicadores de centralidad (BC, BC
(CII), BC (PC)) es el mismo: se miden
la cantidad de un nodo especfico se encuentra entre todos los otros pares de nodos
en una red, es decir, estas mtricas
capturar el grado en que los caminos ms cortos o ptimas para el movimiento entre
otros hbitats
parches pasan a travs de un nodo particular. Un nodo ser altamente central (tal
como se cuantifica a travs de estos
mtricas) cuando est inmersa en el menor rutas / ptimos de movimientos entre
muchos otros pares de
parches, al servir como un parche en el escaln intermedio.

Estas mtricas betweenness centralidad se diferencian de todos los otros parmetros

aplicados en Conefor en
que slo pueden ser calculados a nivel de nodos individuales, es decir,
estos indicadores no proporcionan BC
un valor global que caracteriza la conectividad de todo el paisaje. No hay paisaje- M
valor de nivel (vanse las ecuaciones de la seccin 9) para estas mtricas. Por lo
tanto, al seleccionar estos centralidad
mtricas para el clculo de sus valores slo aparecern en el archivo de nodo de
importancia y no en los resultados
para los valores de ndice general.
pgina 8
Conefor manual de usuario 2.6
8
Los valores de los indicadores de centralidad para los nodos individuales (como se
muestra en el archivo importancia de nodo) se
calculado diferente del resto de las mtricas. Los valores de centralidad de un nodo
individual son
obtenido teniendo en cuenta la posicin topolgica de ese nodo en el paisaje intacto
(inicial),
sin realizar ningn procedimiento de extirpacin de ganglios (la frmula
para DM o Varm en el apartado 9 anterior
no se aplica a estas mtricas). Ver Bodin y Saura (2010) para ms detalles. Por lo
tanto, incluso si
los valores de BC, BC (CII) y BC (PC) se muestran en el archivo de nodo de
importancia junto con el DM o
Varm valores para el resto de los indicadores, se debe tener en cuenta que se calculan
utilizando una
enfoque diferente / procedimiento que para los dems.
10.3. Cul es la diferencia entre el CB clsico y el AC generalizada (CII) y BC
mtricas (PC)?
BC slo considera el nmero de rutas ms cortas entre todos par de parches que ir a
travs de una
en particular nodo, independientemente de la zona (o atributos) de los parches est
conectado y de la
longitud o fuerza de esos caminos. BC (CII) y BC (PC), sin embargo, tener en cuenta
el rea (o cualquier
otro atributo) de los parches que se estn conectados a travs de un nodo en
particular, teniendo en cuenta ms
centrales aquellos nodos que sirven como piedras paso a paso entre las grandes y
altos parches de calidad que las
que se sientan en medio de parches de hbitat con recursos escasos o pobres. BC
(CII) tambin tiene en cuenta la
longitud (nmero de enlaces) de los caminos entre los parches en el que un nodo
particular participe en ella; ms
caminos se consideran menos factible para la realizacin de movimientos eficaces, y
por lo tanto se les da
menos peso en los clculos de centralidad. Del mismo modo, BC (PC) tiene en cuenta
la probabilidad de
movimiento a travs de un camino particular (mximo del producto probabilidad p
*
ij
, Ver Pascual-Hortal y Saura
(2007)), de modo que esos caminos con mayor p
*

ij
tienen mayor peso en los clculos de centralidad. Ver
Bodin y Saura (2010) para ms detalles.
Tenga en cuenta que antes de Cristo (CII) y BC (PC) son los ms computacionalmente
intensivas de todos los parmetros aplicados
en Conefor. Por lo tanto, usted debe ser cauteloso cuando se trata de calcular estas
dos mtricas en gran
paisajes con muchos nodos. Puede ser que sea inviable para calcular AC (CII) o BC
(PC) en muy grande
redes debido al tiempo de clculo excesivo que sera
necesario. La mtrica estndar AC
sin embargo se puede calcular mucho ms rpido.
10.4. Cmo seleccionar el BC, BC (CII) y BC mtricas (PC) para el clculo de la
interfaz Conefor?
Si desea calcular la mtrica clsica antes de Cristo, entonces se debe
seleccionar antes de Cristo en la caja para el binario
ndices de conectividad en la interfaz Conefor. Los valores resultantes para cada nodo
se le aparecen en una
de las columnas del archivo de nodo importancia. El valor calculado por BC Conefor
para un nodo concreto
k corresponde a la suma de todos los caminos ms cortos separados entre todos los
pares de parches (diferente de k)
que pasan por k, dividido por el nmero total de rutas ms cortas entre todos los pares
de parches
(ecuacin 5 en Bodin y Saura (2010)). No importa si se selecciona "Mostrar deltas" o
"Mostrar vars" la
mismo resultado para AC aparecer en el archivo de nodo de importancia (aunque se
seleccione "Mostrar los dos deltas" y
"Mostrar vars", slo una columna ser producido para BC en el archivo de nodo de
importancia, con los valores
calculado como se ha descrito anteriormente).
Si desea calcular el BC (CII) mtrica, entonces usted debe seleccionar tanto AC y la
CII en la caja para el
ndices de conectividad binarios en la interfaz Conefor. Conefor va a entender que
desea
calcular no slo antes de Cristo, y IIC, sino tambin antes de Cristo (CII). Esto dar
lugar a los valores de antes de Cristo, CII y BC (CII) siendo
se muestra en diferentes columnas del archivo de nodo de importancia. Las tres
mtricas (BC, CII y BC (CII)) sern
calculado incluso si usted est interesado slo en BC (CII), pero esto no es de mucha
preocupacin porque BC (CII) es
la mtrica intensivo computacionalmente ms entre estos tres. Clculo BC
(CII) consumir ms
pgina 9
Conefor manual de usuario 2.6
9
del tiempo de procesamiento total. Por otro lado, algunos de los clculos realizados
para obtener el BC
y tambin son necesarios los valores de la CII para obtener los resultados para BC
(CII). Si desea calcular AC y CII, pero
No AC (CII), entonces usted debe ejecutar Conefor dos veces, una con
solamente BC seleccionado y el otro con solamente
CII seleccionado.

Si desea calcular el BC (PC) mtrica, entonces usted debe seleccionar tanto antes de
Cristo en la caja para el binario
ndices y PC en la casilla de los ndices probabilsticos. Conefor va a entender que
desea
calcular no slo AC y PC, sino tambin antes de Cristo (PC). Esto dar lugar a los
valores de BC, PC y BC (PC) siendo
se muestra en diferentes columnas del archivo de nodo de importancia. Las tres
mtricas (AC, PC y BC (PC)) sern
calculado incluso si usted est interesado slo en BC (PC), pero esto no es de mucha
preocupacin porque BC (PC) es
la mtrica intensivo computacionalmente ms entre estos tres. Clculo BC
(PC) consumir ms
del tiempo de procesamiento total. Por otro lado, algunos de los clculos realizados
para obtener el BC
y tambin son necesarios los valores de PC para obtener los resultados para BC
(PC). Tenga en cuenta que si el archivo de conexin de entrada
es un archivo de distancia, al seleccionar AC y PC que se necesitan para proporcionar
un umbral de distancia que ser
utilizado para el clculo BC (como para cualquier otra mtrica conectividad binario) y
un par de probabilidad distancia
Los valores que se utilizarn para el clculo de la PC y BC (PC). El valor umbral de
distancia especificada en el
caja para los ndices binarios no afecta a todos los clculos para AC (PC), que
simplemente se basan en
los valores de probabilidad distancia especificados para los ndices probabilsticos. De
la misma manera, la
clculos de BC no estn en absoluto afectadas por los valores de probabilidad
distancia que se especifican para el
ndices probabilsticos. Lo mismo se aplica si el archivo de conexin de entrada es un
archivo de probabilidad. En este caso una
se solicitar umbral de probabilidad para el clculo de BC pero esto no afectar a
todos los clculos
para PC o BC (PC), que se ejecutar utilizando los valores de probabilidad en el
archivo de conexin sin
solicitar cualquier distancia adicional o valor de probabilidad en el cuadro de ndices
probabilsticos. ver el
manual de la versin 2.2 si no estn familiarizados con estas ltimas
consideraciones. Si desea calcular
AC y PC, pero no antes de Cristo (PC), entonces usted debe ejecutar Conefor dos
veces, una con solamente BC seleccionado y el
otra con slo el PC seleccionado.
10.5. Cmo las mtricas betweenness centralidad generalizadas se refieren a la
fraccin conector de CII
y el PC? Cmo debe interpretarse que esta relacin?
Si selecciona "Mostrar deltas", los valores de BC (PC) AC (CII) y se ampliarn en la
misma forma que para DIIC
y DPC (dIICconnector y dPCconnector), y los valores resultantes para cada nodo se le
aparecen en
dos columnas con nombres dBC (CII) y dBC (PC). En este caso, dBC
(CII) dIICconnector y dBC (PC)
dPCconnector. Tenga en cuenta, sin embargo, que los nombres de DBC (CII) y DBC
(PC) simplemente indican que los valores son
directamente comparables con los de dIICconnector y dPCconnector. Esto no significa
que la

Los valores DBC (CII) y DBC (PC) se calculan como la variacin relativa de cualquier
valor mtrico conectividad
despus de cualquier procedimiento de retirada del parche. Ver Bodin y Saura (2010)
para ms detalles y ecuaciones.
Si selecciona "Mostrar vars", el BC (CII) y los valores de BC (PC) sern escalados en
la misma forma que para varIIC
y varPC (varIICconnector y varPCconnector), y los valores resultantes para cada nodo
sern
se muestra en dos columnas con los nombres varBC (CII) y varBC (PC). En este
caso varBC (CII) varIICconnector
y varBC (PC) varPCconnector. Tenga en cuenta sin embargo, que los
nombres varBC (CII) y varBC (PC) simplemente indican
que los valores son directamente comparables con los
de varIICconnector y varPCconnector. Lo hace
no quiere decir que los valores DBC (CII) y DBC (PC) se calculan como la variacin
absoluta en cualquier
conectividad valor de la mtrica despus de cualquier procedimiento de retirada del
parche. Si selecciona "Mostrar ambos deltas"
y "Mostrar vars", entonces los valores de BC (CII) y BC (PC) en el archivo de nodo de
importancia sern
respectivamente, a escala y se muestra tanto como dBC (CII) y dBC (PC) y
como varBC (CII) y varBC (PC).
pgina 10
Conefor manual de usuario 2.6
10
Las mtricas de centralidad se calculan en el paisaje intacto y no tienen en cuenta
cmo los flujos podra
cambiar como consecuencia de la prdida de un determinado parche. A diferencia de
la fraccin conector de la CII y PC
mtricas, no entregar estimaciones de los impactos de una retirada de la aplicacin en
trminos de prdida de conectividad.
Los pares de valores dBC (CII) y dIICconnector para un nodo dado k deben
interpretarse en el
siguiente manera (exactamente lo mismo se aplica a los pares de valores varBC
(CII) y varIICconnector, dBC (PC)
y dPCconnector, y varBC (PC) y varPCconnector): dBC (CII) cuantifica la cantidad de
flujos que
Se espera que pasar por k en el paisaje intacto (el paisaje tranquilo en el que ningn
hbitat
parche que se ha perdido), ya k es parte de los mejores caminos) (ms cortos o ms
probables entre otros
parches de hbitat. Sin embargo, dBC (CII) no cuantifica la cantidad de la conectividad
entre otra
reas de hbitat depende de la presencia de k en el paisaje, es decir, que no mide
cmo
k es insustituible como elemento de conexin entre otras zonas del hbitat. Este ltimo
aspecto es lo que es
medido por dIICconnector. Podra suceder que incluso si k es considerablemente
implicados en los flujos
que ocurre en el panorama actual (alta dBC (CII)), la prdida de k no tiene un gran
impacto en el
la conectividad entre las otras zonas del hbitat (bajo dIICconnector, mucho ms
pequeo que dB (CII)),

debido a que la conectividad que fue proporcionado por k como un elemento de

conexin o peldao ha sido
en gran parte o totalmente compensado por otros parches y caminos alternativos
disponibles para el movimiento en el
paisaje. Sin embargo, si k es el nico elemento mantener la conectividad entre otros
hbitats
reas, y no hay otras alternativas o parches caminos disponibles para compensar su
prdida, la
eliminacin de k tendr un gran impacto en la conectividad de la red
remanente (dIICconnector se
ser en este caso tan alta como dBC (CII)). Por lo tanto, estas mtricas capturar la
cantidad de la corriente
trampoln (conexin) papel desempeado por un parche especial en el paisaje
intacto (DBC (CII)) se pierde
cuando ese parche se retira del paisaje (dIICconnector). Ver Bodin y Saura (2010)
para
ms detalles sobre estos indicadores y su interpretacin ecolgica.
BC (CII) o BC (PC) pueden ser considerados como una "cuarta fraccin" de
las IIC o PC mtricas, midindose
con las mismas unidades y dentro del mismo marco analtico que el afluente, el flujo y
el conector
fracciones (una moneda comn para la conectividad). Estos cuatro mtricas /
fracciones proporcionan una multifactica,
visin completa y no redundante de las diferentes formas en que los parches de
hbitat pueden ser importantes
como proveedores de conectividad, como el apoyo tanto en motivos analticos (Saura
y Rubio 2010, y Bodin
Saura 2010) y por las evaluaciones estadsticos sobre sus resultados prcticos en
comparacin con un conjunto ms amplio de
mtricas de conectividad, como se muestra por la figura 5 y el resto del contenido en
Baranyi et al. (2011).
11. Calculando slo los valores globales de ndice para todo el paisaje
La opcin "Slo ndice general" (primera opcin en el cuadro de "Mode") se debe
seleccionar cuando se est
slo est interesado en la obtencin de los valores del ndice general de todo el
paisaje (M) y no en el
valores de importancia para cada nodo individual o vnculo (DM o Varm).
Esta opcin permite al usuario ahorrar mucho tiempo de procesamiento cuando el
inters es slo en el valor M.
Esto es porque el valor del ndice general M es mucho ms rpido de calcular que
el dM o Varm valores para
cada nodo. La obtencin de M requiere slo un clculo del valor de la mtrica,
mientras que la obtencin dM o
Varm requiere n clculos adicionales del valor de la mtrica (uno para cada nodo),
donde n es el total
nmero de nodos en el paisaje. Mucho ms clculos del valor de la mtrica (en
general n ( n -1) / 2)
son necesarios para la obtencin de dM o Varm si alguna de las opciones de anlisis
de enlace de importancia si se ha seleccionado (vase
la seccin 14 ms adelante).
Obviamente, si el "ndice general Slo" se selecciona el dM o Varm valores (nodo o
enlace de importancia
archivos) no se calcular. Como se ha indicado en el apartado anterior, los resultados
para los valores del ndice general

pgina 11
Conefor manual de usuario 2.6
11
no contendr ningn valor para la mtrica betweenness centralidad incluso si stos se
han seleccionado
para el clculo.
12. Clculo de la conectividad Equivalente (CE) para todo el paisaje (ndice general)
Si calcula CII o PC e ir a por los "Resultados -> Los valores del ndice general", se
dar cuenta de que en este
nueva versin, adems de la CII o PC (o IIC
num
o PC
num
) ya los valores proporcionados por la versin 2.2,
los resultados tambin incluyen los de la CE valores (Conectividad) Equivalente para
estos dos ndices: CE (IIC) y
CE (PC) . Esto corresponde a la superficie equivalente Connected ( ECA ndice) como
se describe en Saura et al.
(2011a, 2011b), donde se utiliz el rea de hbitat parche como el atributo de
nodo. ECA (CII) y la CEPA (PC)
se define como el tamao de un solo parche de hbitat (mximo conectado) que
proporcionara la misma
valor de la CII y PC mtrica (respectivamente) como el patrn real de hbitat en el
paisaje. En una ms
caso general en el que los atributos de los nodos pueden corresponder a alguna otra
caracterstica
diferente de la zona justo hbitat (por ejemplo, la calidad del hbitat, tamao de la
poblacin, etc.) este ndice es mejor
renombrado como CE (Conectividad Equivalente). Por lo tanto este nombre ms
general ( EC ) es la utilizada en
Conefor 2.6.
CE o TCE es slo calcula como la raz cuadrada del numerador de las IIC y PC ndices
( CII
num
y
ordenador personal
num
), Produciendo CE (CII) y CE (PC), respectivamente. Aunque Saura et al. (2011a,
2011b) utilizado
CE / ECA para el PC de ndice ( CE (PC) ), el mismo enfoque y ventajas (ver abajo)
solicitar IIC
( CE (CII) ). Tanto CE (PC) y CE (CII) se calculan por esta nueva versin. Slo tiene
que seleccionar CII o PC
para el anlisis y los resultados para los valores del ndice general tambin mostrarn
la CE (CII) y CE (PC) valores,
respectivamente.
CE (CII) y CE (PC) mantienen todas las propiedades deseables y buenas habilidades
de priorizacin de la CII y PC
pero tienen las siguientes ventajas (como un valor global de ndice) en comparacin
con la CII y el PC : (a) evitar
los valores de indicadores muy bajos que puedan ser obtenidos por la CII y PC cuando
la cantidad de hbitat es muy
pequea en comparacin con la extensin total del paisaje analizado, ya CE (IIC) y CE
(PC) no ser

menor que el atributo ms grande (por ejemplo, el rea de hbitat) para los parches en
el paisaje; (b) CE (CII) y
CE (PC) tiene las mismas unidades que los atributos de los nodos, lo que facilita la
interpretacin y
comprensin de los valores resultantes; (c) CE (CII) y CE (PC) evitar la necesidad de
especificar ninguna Un
L
valor, ya que se necesita para la CII y PC , que en algunos casos puede que no sea
sencillo y podra ser la de
cierto grado arbitrario; y, ms importante (d) La variacin relativa del CE (CII) o CE
(PC) despus de una
el cambio espacial particular (o conjunto de cambios) en el paisaje se puede comparar
directamente con el
variacin en la cantidad total de rea de hbitat en el paisaje (o cualquier otro nodo
Considerado
atribuir) despus de que el mismo cambio, con una interpretacin fcil y conocimientos
adicionales que pueden ser
adquiridos en el desempeo de comparacin (Saura et al. 2011a, 2011b). Esta ltima
propiedad hace CE (CII) y
CE (PC) muy conveniente para cuantificar los cambios en la conectividad del paisaje y
comparndolos con
los cambios en la cantidad de hbitat en el paisaje, como se describe en Saura et
al. (2011a, 2011b).
Ver figura 1 en Saura et al. (2011a) y en la figura 1 en Saura et al. (2011b).
13. El clculo de la importancia slo para los nodos aadidos
Cuando se selecciona la opcin "Slo los nodos agregados", Conefor har los clculos
de la dM o
Varm valores solo para los nodos potenciales que pueden aadirse en el paisaje
(como resultado del potencial
las acciones de restauracin del hbitat que pueden mejorar la conectividad), y no
para los nodos que ya existen
pgina 12
Conefor manual de usuario 2.6
12
en ella (no se evaluar el impacto en la conectividad de su prdida potencial). La
seleccin de "Slo los nodos
aadir "tambin se desactivar cualquiera de las opciones para el anlisis de enlaces
importancia.
Esta opcin ( "nodos Slo agregados") slo se activa cuando la opcin "Hay que
aadir nodos" ha sido
previamente seleccionada en el cuadro para el archivo de nodo. Cuando "Hay que
aadir nodos" ha sido seleccionado
Conefor esperar un archivo de nodo con tres columnas (ver seccin 4.2 en el manual
de la versin 2.2) y
se calculan en general (a) el dM o Varm valores que representan la prdida de
conectividad que seran
causada por la eliminacin de cada uno de los nodos que existen en el panorama
actual / inicial, y (b) la dM
o Varm valores que representan la mejora de conectividad que se producira gracias a
la adicin
de nuevos nodos en el paisaje como resultado de las medidas de restauracin de
hbitat (vase el manual
versin 2.2 para ms detalles). Si se selecciona la opcin "Slo los nodos aadidos"
Conefor se acaba de calcular (b), es decir,

slo se evaluar la cantidad de cada una de las nuevas reas potenciales de hbitat
(nodos para aadir) hara
contribuir a mejorar la conectividad si se han aadido en el paisaje. Dado que, en
general, la
nmero de nodos candidatos que se aade en el paisaje (b) es mucho ms pequeo
que todo el
nodos / parches que existen en el mismo (a), esta opcin puede ahorrar mucho tiempo
de procesamiento con slo el clculo de la
dM o Varm valores para los nodos para agregar y no para los nodos existentes. Tenga
en cuenta que antes de Cristo , AC (CII) y
BC (PC) mtricas no se calculan para los nodos de agregar; Los valores de estos
parmetros sern iguales a
cero en el archivo de nodo de importancia, pero esto slo significa que no han sido
calculados.
Los valores enlace de importancia 14. Calculo de diferentes modalidades (extraccin,
mejora, cambiar)
14.1. Qu significa "enlace importancia" significa y qu resultados se obtienen a
travs de este anlisis?
Conefor 2.6 incluye la posibilidad de calcular la contribucin de enlaces individuales
para mantener o
mejorar la conectividad global paisaje. Esto va ms all de las capacidades de Conefor
anterior
versiones, en las que este tipo de anlisis fue posible solamente en los ndulos y no
para enlaces. algunos reciente
Los estudios se han beneficiado de esta nueva funcionalidad en Conefor (ver el
apartado de aplicaciones al
Conefor sitio web para las referencias completas): Gurrutxaga y col. (2011; Landscape
and Urban Planning 101:
310-320), Saura et al. (2011; Forest Ecology and Management 262: 150-160),
Carranza et al. (2012;
Ecologa del Paisaje 27: 281-290), Rubio et al. (En prensa; Sistemas Forestales).
La importancia de un enlace para mantener o mejorar la conectividad se calcula de la
misma manera como
para los nodos (ver seccin 9), es decir, como la relativa ( DM ) o absoluta
( Varm variacin) en el valor de una
dada la conectividad mtrica M despus de un cierto cambio que afecte a uno de los
enlaces en el paisaje.
Tenga en cuenta que los enlaces slo pueden contribuir a la conectividad del hbitat y
la disponibilidad (medida por la CII y
PC ) a travs del conector de fraccin. Puesto que un enlace se define como un
elemento de conexin que no contiene ningn
rea de hbitat, un enlace no puede contribuir a travs de la intra fraccin. Por la
misma razn, un enlace no puede
ser el destino final / permanente para cualquier flujo de dispersin. Por lo tanto, tanto
la intra y el flujo
fracciones sern por definicin igual a cero para cualquier enlace en el paisaje. Si un
elemento de conexin
contiene una cierta rea del hbitat, esto debe ser modelado como un nodo en el
grfico, y su valor como una
elemento de conexin o un paso previo, se cuantificarn de todos modos a travs
del conector fraccin de
las IIC o PC mtricas, junto con su contribucin potencial a travs de las intra y flujo
de fracciones. los
Conector de valores para los enlaces pueden ser comparados directamente con
los conectores de los valores de los nodos. ver Saura

y Rubio (2010) para ms detalles. En resumen, incluso cuando Conefor expresar los
resultados del enlace
valores de importancia como DIIC , varIIC , DPC y varPC (dependiendo de la mtrica y
el tipo de resultado seleccionado
en la interfaz de Conefor), el usuario debe ser consciente de que para los enlaces de
estos valores corresponden, de hecho,
pgina 13
Conefor manual de usuario 2.6
13
exclusivamente al conector fraccin, es decir, que corresponden
a dIICconnector , varIICconnector ,
dPCconnector y varPCconnector respectivamente, aunque esto no est escrito
explcitamente en el enlace
archivos de resultados de importancia.
Tenga en cuenta tambin que el anlisis de enlaces importancia puede ser mucho ms
tiempo que el nodo
anlisis importancia. Mientras que un anlisis de nudos importancia requerir n +1
clculos de la mtrica
valor ( M ) en un grfico con n nodos, un anlisis de enlace importancia en el mismo
grfico requerir n ( n -1) / 2 +
1 clculos del valor de la mtrica (puesto n ( n -1) / 2 es el nmero de enlaces en una
completa no dirigido
grfico con n nodos). Esto puede ser considerablemente ms lenta e incluso inviable
en grandes redes, especialmente
para las mtricas de clculo complejas como PC . Los usuarios deben tener esto en
cuenta cuando se trata de analizar
grandes conjuntos de datos a travs de esta nueva funcionalidad en Conefor
2.6. Algunas opciones que podran permitir a los usuarios
reducir el nmero de clculos y el tiempo de procesamiento requerido estn siendo
evaluados y el poder
incluirse en una futura versin de este paquete de software (comprobar si hay
actualizaciones o www.conefor.org
suscribirse all a la lista de correo electrnico Conefor si se desea).
El anlisis de enlaces importancia en Conefor 2.6 no incluye el clculo de cualquiera
de las
mtricas de centralidad de intermediacin (ver seccin 10), que slo se calculan para
los nodos individuales.
El anlisis de enlaces importancia puede realizarse bajo las siguientes tres
modalidades diferentes que
se pueden seleccionar en el cuadro de "Enlace importancia" en la interfaz Conefor:
eliminacin de enlace, enlace
mejora y de cambio de enlace.
14.2. eliminacin de enlace: el impacto de la prdida de un vnculo existente.
Cuando se selecciona la opcin "Enlace de eliminacin", Conefor eliminar uno a uno
cada uno de los enlaces
existente en la red de paisaje (eliminacin enlace individual, slo un enlace eliminado
al mismo tiempo)
y calcular el impacto de que la prdida de enlace en la conectividad del paisaje de
acuerdo con dM o Varm (donde
M puede ser cualquiera de las mtricas implementadas en Conefor excepto las
mtricas betweenness centralidad,
aunque CII y PC son los recomendados para este y otros tipos de anlisis). Esta
voluntad

producir una dM o Varm valor para todos los pares de parches / nodos en el paisaje,
siendo cada enlace
representada por los ID de los nodos que conecta.
En el modelo de conexin binaria (la que se aplica para la CII ) los parches que no
estn vinculados en el
paisaje inicial / intacta seguramente tendr dM = 0 y Varm = 0 (obviamente no hay
impacto en el
la posible prdida de un enlace entre dos parches si tal relacin no existe realmente en
el primer
paisaje). Para aquellos pares de parches que s tienen un enlace en el paisaje inicial,
se Conefor
recalcular el valor del ndice despus de eliminar ese enlace ( M
despus
, Vase la seccin 9), lo que se traducir en un dM
y Varm que podra ser (aunque no necesariamente) mayor que cero.
Por la misma razn que el anterior, en el modelo de conexin probabilstico (la que se
aplica a PC ),
aquellos pares de parches que no tienen conexin directa entre ellos ( p
ij
= 0) seguramente tendr dM = 0
y Varm = 0. Para el resto de los casos (pares de parches con p
ij
> 0), Conefor cambiar el p
ij
valor
para cada par de parches de su valor inicial en el paisaje intacto a p
ij
= 0, y volver a calcular el valor
de M despus de que el cambio ( M
despus
), Lo que se traducir en un dM y Varm que podran ser mayores que cero.
En el modelo de conexin binario todas las prdidas de enlace son comparables en la
magnitud del cambio que
representar (un enlace que exista en el paisaje inicial se elimina por completo para
evaluar el impacto de
su prdida). Sin embargo, en el modelo probabilstico el valor inicial de p
ij
para cada enlace en el paisaje inicial
podra ser muy diferente entre los diferentes eslabones. Esto introduce alguna
complicacin cuando se trata de
pgina 14
Conefor manual de usuario 2.6
14
comparar directamente los dM o Varm valores resultantes de este anlisis para los
diferentes eslabones de la
modelo probabilstico, ya que la magnitud real de cambio en la fuerza o la probabilidad
de uso de
cada enlace (como se caracteriza por p
ij
) Podran ser muy diferentes para cada enlace. Por ejemplo, no es la
misma obtencin de dM = 10% para un enlace que tena p
ij
= 0,01 en el paisaje inicial de obtencin de la misma
dM = 10% para el otro enlace que tena un p

ij
= 0,9 en el paisaje inicial. Esto tiene que ser tenido en cuenta
cuando se trata de interpretar y resumir los resultados de este anlisis para la
eliminacin de enlace probabilstico
modelo de conexin.
Si se selecciona la opcin "Enlace de eliminacin", existe la posibilidad de usar el
"Reducir los clculos"
opcin (ver el cuadro para las opciones de enlace de importancia en la interfaz
Conefor). Tal "Reducir
clculos "opcin permite especificar una distancia mxima (si el archivo es un archivo
de conexin a distancia) o
una probabilidad mnima (si el archivo de conexin es un archivo de probabilidad) de
modo que los clculos son
realiza solamente para los pares de parches (links) con una distancia no mayor que el
mximo especificado
o con una probabilidad p
ij
no es menor que el mnimo especificado. Tenga en cuenta que en este caso el resto
de la
enlaces (los vnculos dbiles con grandes distancias o pequeas probabilidades)
conseguirn dM = 0 y Varm = 0 porque
que no han sido evaluadas en el anlisis; esto no significa que los resultados seran
necesariamente cero si no se habran seleccionado los clculos de "reducir" opcin.
14.3. mejora Enlace: los potenciales beneficios del fortalecimiento de las conexiones
entre parches de hbitat
Cuando se selecciona la opcin "mejora Enlace", Conefor llevar a cabo el anlisis
bastante opuesta a
el de la opcin "Enlace de eliminacin".
En el modelo de conexin binaria (la que se aplica para la CII ), Conefor aadir un
enlace (slo una en una
tiempo) para cada uno de esos pares de parches que no estn directamente
vinculados en el paisaje inicial, y la voluntad
recalcular la M valor despus de que el cambio / adicin ( M
despus
). Esto puede resultar en un aumento de la conectividad como
medido por mtrica M , caso en el que dM <0 y Varm <0. Tenga en cuenta que la
relativa y absoluta
variaciones de las IIC y PC mtricas ( dM y Varm ) tendrn valores negativos en este
caso porque
METRO
despus
es mayor que M (vase la frmula para dM y Varm en la seccin 9), pero en realidad
estos negativa
Los valores medios de que ha mejorado la conectividad. Obviamente, para los pares
de parches que ya estaban
vinculado en el paisaje inicial, la conectividad no puede aumentar mediante la adicin
de un enlace que de hecho ya
existido, y por lo tanto dM = 0 y Varm = 0.
En el modelo de conexin probabilstico (la que se aplica para PC ), Conefor calcular
la
posibles impactos (positivos) de mejorar lo ms posible la conexin directa (enlace)
entre
cada par de parches (slo uno a la vez). En este modelo probabilstico esto se traduce
en la asignacin de un p
ij

=1
para cada par de parches, lo que significa que la fuerza o la frecuencia de uso de la
conexin directa
entre i y j (como se cuantifica por p
ij
) Se mejorar para todos los pares de parches, excepto para aquellos que
ya tena p
ij
= 1 en el paisaje inicial. Para los pares de parches con p
ij
= 1 en el paisaje inicial
el resultado ser necesariamente dM = 0 y Varm = 0. Para el resto, el incremento en
el p
ij
valor para cada enlace
puede dar como resultado (aunque no necesariamente) en una mejora de la
conectividad como se cuantifica por dM o Varm
(como se ha dicho anteriormente, dicha mejora corresponder a
negativo dM y Varm valores).
En el modelo de conexin binario todas las ganancias de enlace son comparables en
la magnitud del cambio que
representan (se aade un enlace que no exista en el paisaje inicial para evaluar los
beneficios potenciales
de su creacin o restauracin). Sin embargo, en el modelo probabilstico el valor inicial
de p
ij
para cada enlace
en el paisaje inicial podra ser muy variables entre los diferentes eslabones. Esto
introduce algunos
complicacin cuando se trata de comparar directamente la dM o Varm valores
resultantes de este anlisis para
pgina 15
Conefor manual de usuario 2.6
15
los diferentes eslabones de la modelo probabilstico, ya que la magnitud real del
cambio en la fuerza o
probabilidad de uso de cada enlace (tal como se caracteriza por p
ij
) Podran ser muy diferentes para cada enlace. por
ejemplo, no es la misma la obtencin de dM = 10% para un enlace que tena p
ij
= 0,01 en el paisaje inicial
que la obtencin de la misma dM = 10% para el otro enlace que tena un p
ij
= 0,9 en el paisaje inicial. Esto tiene
que deben tenerse en cuenta cuando se trata de interpretar y resumir los resultados de
esta mejora enlace
anlisis para el modelo de conexin probabilstica.
Tenga en cuenta que no todos los cambios de enlace que se establecen por la opcin
"mejora Enlace" se pueden considerar
realista. Por ejemplo, si las capacidades de dispersin de sus especies analizadas
estn en el rango de unos pocos
cientos de metros, sera ciertamente poco realista considerar que p
ij

puede mejorar hasta 1 para dos

parches que estn separados por cientos de kilmetros, no importa cunto aumento
de la
la permeabilidad o la hospitalidad de la matriz del paisaje que pueden ser capaces de
lograr. Sin embargo, el enlace
opcin de mejora evaluar hipottico (y realista) mejora de la resistencia o
viabilidad de uso de ese enlace (tal como se caracteriza por p
ij
) De la misma manera que para todos los otros pares de
parches. Las resultantes dM o Varm valores pueden ser, por tanto, slo es factible de
obtener en realidad para una
pequeo subconjunto del nmero total de enlaces (conexiones directas) en su
grfico. Para superar este problema
y realizar un anlisis ms afinado y detallada relacionada con los cambios potenciales
en los eslabones de
el paisaje se podra considerar en cambio la modalidad de "Enlace cambio" que se
describe en la siguiente
subseccin.
Finalmente, de la misma manera como se describi anteriormente para el anlisis
"Link eliminacin", si el "Enlace
mejora "est seleccionada, tambin existe la posibilidad de utilizar la opcin" Reducir
los clculos "
(Vase el cuadro para las opciones de enlace de importancia en la interfaz
Conefor). Tal "Reducir los clculos"
opcin permite especificar una distancia mxima (si el archivo de conexin es un
archivo de distancia) o un mnimo
probabilidad (si el archivo de conexin es un archivo de probabilidad) de modo que los
clculos se realizan slo para
los pares de parches (links) con una distancia no mayor que el mximo especificado o
con una
probabilidad p
ij
no es menor que el mnimo especificado. Tenga en cuenta que en este caso el resto
de los enlaces
(esos vnculos dbiles con grandes distancias o pequeas probabilidades)
conseguirn dM = 0 y Varm = 0, dado que
no han sido evaluados en el anlisis; esto no quiere decir que iban a ser cero si el
"Reducir
"No se han seleccionado los clculos opcin.
14.4. cambio de enlace: cmo los cambios definidos por el usuario en los enlaces se
traducen en ganancias o prdidas de conectividad
Esta es la modalidad ms potente y flexible para el anlisis de enlaces importancia. Se
requiere, sin embargo
informacin de entrada adicional para ser proporcionada por el usuario en
comparacin con la eliminacin de enlace y enlace
opciones de mejora.
Si se selecciona la opcin "cambio de Enlace", Conefor requerir el archivo de
conexin que tiene cuatro columnas
en lugar de tres como en el caso habitual (de hecho, esta es la nica opcin de
proceso en el que la
archivo de conexin tiene que tener cuatro en lugar de tres columnas). Las primeras
tres columnas son los mismos que
en cualquier archivo de conexin para Conefor: ID de nodo i , ID de nodo j , y un valor
(tpicamente alguna forma de
distancia o una dispersin directa probabilidad p

ij
) La caracterizacin de la conexin entre los nodos i y j en
el paisaje inicial (vase el manual de la versin 2.2 para ms detalles). La cuarta
columna requerida por
la opcin "cambio de Enlace" tambin contendr un valor que caracteriza a la conexin
entre los nodos i y
j , pero este valor se corresponder con la nueva distancia o la probabilidad de
dispersin directa entre los nodos i
y j que resultara en un escenario de cambio dada. Este valor en la cuarta columna
ser en general
diferente que el valor en la tercera columna; una distancia ms pequea o una
probabilidad ms grande en el cuarto
que en la tercera columna se corresponder con el caso en el que la calidad o fuerza
del enlace
pgina 16
Conefor manual de usuario 2.6
diecisis
entre dos parches aumenta en un escenario de cambio dado; y una distancia mayor o
menor
probabilidad en el cuarto que en la tercera columna significar que la conexin entre
los dos
parches se hace ms dbil. son posibles todo tipo de combinaciones y diferentes tipos
de cambios para cada
de los eslabones de un determinado paisaje y el anlisis de "cambio de Enlace". Por
ejemplo, algunas conexiones pueden estar
mejorado, algunos otros pueden disminuir su calidad o incluso desaparecer por
completo, y algunos otros enlaces
pueden sufrir ningn cambio en absoluto en el mismo anlisis, en funcin de los
valores particulares para cada enlace que
se especifican en la tercera y cuarta columnas del archivo de conexin. Obviamente,
para aquellos con enlaces
los mismos valores en la tercera y cuarta columna de la conexin de archivos el
resultado ser necesariamente
dM = 0 y Varm = 0, ya que eso significara que no est previsto ningn cambio
(evaluados) para ese particular,
enlazar. Tambin es posible utilizar un archivo de enlace como el archivo de conexin
de la opcin "Link cambio", aunque en
este caso mtricas solamente binarios como la CII se pueden calcular, con los nicos
cambios posibles para
enlaces individuales siendo la completa desaparicin de un enlace existente o la
adicin de un enlace (directa
conexin) entre los parches que no existan en el paisaje inicial. Por lo tanto, en este
caso, tanto
la tercera y la cuarta columna del archivo de conexin slo puede contener ya sea 0 o
1 para cada par de
parches, indicando si existe un enlace (1) o no (0) entre esos parches en el paisaje
inicial (tercer
columna) y si se pierde, ganado o se mantendr sin cambios en una situacin dada
(como se especifica en el
cuarta columna del archivo de conexin).
En el anlisis de "cambio de Enlace" Conefor reemplazar el valor para un
determinado par de parches en el
tercera columna del archivo de conexin por el valor en la cuarta columna de ese
archivo, que en general

o bien podra hacer un enlace aparezca o desaparezca (modelo de conexin binario) o

cambiar el p
ij
valor que
est asociado a ese enlace (modelo probabilstico de conexin). Conefor recalcular la
red
conectividad (como se evalu por el valor de M
despus
para todo el paisaje) despus de que el cambio, y la voluntad
reportar la resultante dM o Varm valor. Este cambio se har slo para enlaces
individuales (uno a uno
tiempo), de modo que dM o Varm valores corresponden al cambio de conectividad (ya
sea ganancia o prdida) que
resultara de la aplicacin de dicho cambio en un enlace dado, mientras que todos los
dems se mantienen sin cambios.
Como se ha dicho anteriormente para las otras modalidades de anlisis de enlaces
importancia, las prdidas de conectividad como
medida por la CII o PC corresponder a positivos dM y Varm valores, mientras que las
ganancias de conectividad se
corresponden a negativo dM o Varm valores (vanse las frmulas de la seccin 9 de
estas variables).
Los cambios evaluados a travs de esta opcin podran corresponder a un aumento
de la distancia efectiva o
resistencia debido a la intensificacin de una cierta parte de la matriz del paisaje (por
ejemplo, el desarrollo
de una carretera u otro tipo de barrera), a un aumento de la permeabilidad o de la
hospitalidad
matriz del paisaje, o para muchos otros tipos e intensidades de cambio que puedan
ser de inters en
estudios de casos particulares y regiones de conformidad con los objetivos de un
anlisis de conectividad dado.
Tenga en cuenta que, de hecho, la "eliminacin de Enlace" y "mejora" Enlace opciones
son slo casos particulares de la
"Cambio Link" modalidad, pero con los dos primeros no requieren incluir cuarta
columna en la
archivo de conexin (ya que asumen que todos los enlaces evaluados cambian
exactamente en el mismo estado,
que es la desaparicin de un enlace o la mejora ilimitado de la calidad de un enlace,
respectivamente). Si se utiliza la opcin "Enlace cambio" y el archivo de conexin es,
por ejemplo, una distancia
archivo, a continuacin, si se establece la cuarta columna que todos los valores cero,
el "Enlace cambio" resultado ser el mismo que
que por "mejora Enlace". Si en el mismo caso de configurar todos los valores en la
cuarta columna de
arbitrariamente valores grandes (infinita), entonces el "cambio de Enlace" resultado
ser el mismo que para "la eliminacin Enlace".
Si su archivo de conexin es o bien un archivo de probabilidades o un archivo de
enlace, a continuacin, ajustar todos los valores en el cuarto
la columna a cero proporcionar los mismos resultados que en la opcin "Enlace de
eliminacin", mientras que la creacin de todo el
valores en la cuarta columna a una proporcionarn los mismos resultados que en la
opcin "mejora Enlace".
pgina 17
Conefor manual de usuario 2.6

17
La opcin "Reducir clculos" no se aplica al anlisis "Enlace cambio" (que slo afecta
a la
"Retirada Link" y "modalidades de mejora de Enlace").
15. La precisin de los clculos (estndar o alta)
La precisin en el clculo de los valores que Conefor producir como una salida se
puede configurar para
ya sea "alta" o "estndar".
En la versin 2.2 se utiliz la precisin estndar (sin opcin era posible en esa versin)
y que era
bien para las aplicaciones para las que se pretenda que la versin que se utilizar. Sin
embargo, cuando los tres
fracciones ( intra , flujo , conector ) de la CII y el PC se van a calcular por separado
(segn se dispone en esta nueva
versin) una precisin ms alta es aconsejable proporcionar la bsqueda precisa de
estas tres fracciones,
especialmente en las grandes redes de grficos / hbitat. Por lo tanto, la alta precisin
es el valor por defecto en este nuevo
versin.
La alta precisin consume ms memoria RAM y requieren un tiempo de procesamiento
ligeramente ms alta que la
precisin estndar (dependiendo del tamao de la red y de las caractersticas de
ordenador), pero
esto no debe hacer una diferencia significativa para la mayora de los usuarios (a
menos que su red es tan grande
y / o entre la memoria RAM tan pequeas que se ven obligados a utilizar el estndar
de precisin para hacer el
procesamiento factible). En resumen, se puede cambiar a la precisin estndar slo si
bien no lo hace
necesitar los valores de fraccin separadas (es decir, usted slo tiene que utilizar el
valor del ndice general M o del total dM o
Varm valor para cada nodo) o si el equipo no es capaz de procesar el grfico con el
mayor
exigiendo modo de alta precisin.
16. Otros comentarios relacionados con Conefor 2.6
La opcin de guardar archivos DBF est deshabilitado en esta nueva versin, pero
puede convertir fcilmente los archivos de texto
(El formato de salida para los resultados en Conefor) en formato DBF con cualquier
otro software externo si
necesario. Casi cualquier paquete de software (SIG, hoja de clculo, estadstica, etc.)
es capaz de leer directamente la
archivos de texto como los producidos por Conefor. ArcGIS es capaz de abrir
directamente y trabajar con ellos en forma de tablas, como
siempre que cada columna tiene una cabecera (algunos de los archivos producidos
por Conefor ya
incluir estas cabeceras de cada columna; para los dems, se puede aadir fcilmente
en una nueva lnea (primera) de
texto con cualquier editor de texto). En el caso particular de ArcGIS, algunos
personajes como parntesis no son
admitido en los nombres de los ttulos de las columnas; esto significa que debe
cambiar manualmente el
encabezados por el BC (CII) o CO mtricas (PC) en el archivo importancia nodo (por
ejemplo, para BC_IIC y BC_PC), si
esta mtrica se han seleccionado para el clculo, antes de poder abrir este archivo de
resultados en ArcGIS.

Por ltimo, en la ventana "PC-> ms-> Configuracin de PC" en la interfaz Conefor,

usted puede notar que una nueva
Se ha aadido la opcin "modo de clculo alternativo". Sin embargo, esto es una
implementacin en
el progreso que debe ser manejado con mucho cuidado. Recomendamos a los
usuarios que no realizan ninguna
clculos de la mtrica PC con esta opcin activada.
17. extensiones SIG
Varias extensiones SIG se han desarrollado especficamente para Conefor. Estas
extensiones permiten
generar a partir de una capa espacial (ya sea en formato raster o vectorial) los
archivos necesarios como entrada para
realizar anlisis de la conectividad en Conefor. Estas extensiones generan estos
archivos de entrada (archivo de nodo
y archivo de conexin) directamente en el formato exacto requerido por Conefor; Por lo
tanto, estos archivos pueden ser
pgina 18
Conefor manual de usuario 2.6
18
utilizado como resultan de las extensiones de GIS con ningn otro cambio o etapas de
procesamiento intermedias.
Las extensiones permiten el procesamiento por lotes de mltiples archivos /
capas. Puede encontrar ms detalles sobre
estas extensiones (incluyendo las pginas web desde donde se pueden descargar a)
http://www.conefor.org/gisextensions.html .
18. Aplicaciones
Conefor y los nuevos CII y PC mtricas se han utilizado en una amplia variedad de
conservacin y
planes de gestin, estudios cientficos e informes oficiales sobre indicadores de
biodiversidad por la Oficina Europea
Comisin y la Agencia Europea del Medio Ambiente, entre otros relacionados con la
conectividad
aplicaciones. Estas aplicaciones han sido reportados en numerosos estudios que
comprenden diferentes tipos de
especies y ecosistemas y un gran nmero de pases, desde China a los EE.UU. y de
Brasil a
Finlandia. Puede obtener ms detalles sobre estas aplicaciones (y tal vez la
inspiracin sobre la forma en que puede
Conefor utilizar para los fines de su propio estudio de caso) de las referencias que
figuran en el
http://www.conefor.org/applications.html , y en el mapa de aplicaciones
Conefor disponibles aqu .
19. El apoyo emprico
Varios estudios han evaluado y demostrado la capacidad de la nueva disponibilidad de
hbitat
(asequibilidad) Sistema de medicin aplicadas en Conefor ( CII , PC , etc.) para
explicar o predecir los procesos ecolgicos
relacionada con la conectividad del paisaje, incluyendo la distribucin de las especies,
eventos de colonizacin o gentica
los patrones de diversidad a escala de paisaje. La mayora de estos estudios se han
realizado por otra
grupos de investigacin e instituciones diferentes a la que se desarroll Conefor y las
mtricas

no implementado, lo que proporciona una evaluacin independiente y apoyo emprico

a estas
avances cuantitativos y mtricas. Algunos de estos estudios han evaluado la
capacidad de las IIC o PC
para explicar los procesos ecolgicos y lo han comparado con el rendimiento de otra
existente
mtricas de conectividad. Cuando esto se ha hecho, IIC o PC se ha demostrado que
superar al otro
analizada mtricas de conectividad mediante la presentacin de una relacin ms
fuerte con lo analizado ecolgica
procesos y datos empricos. Puede encontrar ms detalles sobre este soporte
emprico y en la validacin