Presentación sobre las herramientas GEOQUAL, ELCmapas y ECOGEO para la conservación y uso eficiente de los recursos fitogenéticos

1. Herramientas
Mauricio Parra Quijano
Consultor FAO
Tratado Internacional sobre los Recursos Fitogenéticos
Para la Alimentación y la Agricultura
Coordinador Programa CAPFITOGEN

2. GEOQUAL
Evalúa la calidad de la geo-referenciación del sitio
de recolección indicado en datos de pasaporte

3. Geo-referenciación y datos de pasaporte
40° 20’ 33.4’’ N
03° 11’ 52.1’’ W

4. Por qué evaluar la calidad
de la georreferenciación?
Coordenadas
Punto real
x km
1030
75
100

5. Efectos de una mala geo-referenciación
10 km
5 oC
6 oC
7 oC
8 oC 9 oC
1 km

6. Nivel Valor
ORIGCTY CRI
ADM1 Punta Arenas
ADM2 Buenos Aires
ADM3 NA
ADM4 NA
Nivel Valor
ORIGCTY CRI
ADM1 Punta Arenas
ADM2 Pérez Zeledón
ADM3 NA
ADM4 NA
Descripción de la localidad
Error en la descripción de la localidad

7. Características de GEOQUAL
• Es una herramienta para asignar un valor de calidad a las entradas de una
colección de germoplasma que cuentan con coordenadas en sus datos de
pasaporte.
•El usuario ingresa sus datos de pasaporte en formato FAO-Bioversity 2012.
•GEOQUAL calcula tres parámetros COORQUAL, LOCALQUAL y SUITQUAL además
de otros varios subparámetros.
•Los parámetros se sumarizan para generar TOTALQUAL (0-60) o TOTALQUAL100
(0-100).

8. Parámetro que determina la calidad intrínseca de las coordenadas contenidas en
los datos de pasaporte. Valores de 0 a 20. Subparámetros:
• ERRORES: Valores por fuera del marco posible de coordenadas
• PRECIS: Precisión a nivel de grados, minutos o segundos (sexagesimal)
• GEORBLE: Probabilidad de coordenadas correctas desde descripción de localidad
• INTERTEMP: Calidad de las coordenadas por año de recolección
• *GEOREFMETH: Sistema por el cual se han asignado coordenadas
COORQUAL

9. SUITQUAL
Parámetro que asigna un valor de calidad a las coordenadas de acuerdo a lo
apropiado del sitio de recolección para el crecimiento de plantas. Valores de 0 a 20.
• Diferencia entre plantas cultivadas y silvestres (SAMPSTAT)
• Usa información sobre uso de suelo proveniente del mapa Global Land Cover (1
km)

10. > 30 km
10-20 km
5-10 km
0-1 km
En tierra
0 20
Distancia a tierra
SUITQUAL

11. Baja resolución
Alta resolución
zoom!
SUITQUAL

12. LOCALQUAL
Parámetro que proviene de la comparación de la descripción de la localidad
consignada en los datos de pasaporte y la que proviene de las coordenadas.
• La información administrativa extraída para las coordenadas es de GADM
• La comparación es entre cadenas de caracteres, generándose una distancia
(Levenshtein). Se fijan unos límites de inserciones, deleciones o cambios para
asumir que una cadena es igual a otra. Función “agrep” de R
• De acuerdo a la cantidad de emparejamientos correctos, se asigna un valor
que va de 0 a 20.
Localidad Coordenadas Coordenadas 2
ORIGCTY ISO
ADM1 NAME1 VARNAME1
ADM2 NAME2 VARNAME2
ADM3 NAME3 VARNAME3
ADM4 NAME4 VARNAME4

13. LOCALQUAL

14. TOTALQUAL = COORQUAL + SUITQUAL + LOCALQUAL
VALORES DE 0 A 60
TOTALQUAL100 = (TOTALQUAL*60) /100
0 98
LOCALQUAL y TOTALQUAL100

15. 0 100
TOTALQUAL100: Valor unificado de la calidad de la georreferenciación
80 90
Uso de GEOQUAL

16. ELCmapas
Permite obtener mapas de caracterización
ecogeográfica del terreno (ELC) que reflejan
escenarios adaptativos para una especie (o grupos de
especies) y un país o región determinada

17. Caracterizar un territorio

18. Selección de las variables
Variables Geofísicas
Análisis de
agrupamientos
Determinación
Número óptimo
grupos
Combinación
(N bioclimáticos*N geofísicos*N edáficos)
Categorías
MAPA
Descripción Categorías por variables originales
Variables Edáficas
Análisis de
Agrupamientos
Determinación
Número óptimo
grupos
Variables Bioclimáticas
Análisis de
Agrupamientos
Determinación
Número óptimo
grupos
Cómo se hace un mapa ELC?

19. Conocimiento experto
• Los expertos y conocedores de una especie son una valiosa fuente de información
• Las encuestas son un medio eficiente para recabar información de conocimiento
experto (internet/correo electrónico, encuentros, talleres, etc.)
• Se hacen listas de variables por componente, con detalles sobre la naturaleza de
las variables (explicación de códigos, unidades de la variable, fuente, etc.) y se pide
asignar un valor en base a la importancia que tendría la variable en la adaptación
de la especie.
Búsquedas bibliográficas sobre factores preponderantes en la adaptación de una
especie objetivo
Selección de las variables I

20. Selección de las variables II
Depuración:
• Redundancia? Correlación? Colinealidad?
• Análisis de correlaciones bivariadas, PCA, factor de inflación de la varianza VIF
(comparación de las relaciones lineales entre variables – solo en regresión)
• Significancia. A través de un análisis de regresión múltiple contando con una
variable dependiente (que nos de una idea de adaptación).
x1
x2
x1
x1
x1

21. Que tipo de mapa quiere hacer?
De acuerdo al enfoque del análisis, el mapa ELC puede ser:
1. Mapas generalistas
2. Mapas por Especies/Acervo genético/Género
Define los ambientes mayores para un gran número de especies
(emparentadas o no). Para la mayoría de esas especies, el mapa ELC
debería discriminar los diferentes escenarios adaptativos en el área
objetivo. Se espera encontrar relaciones no ajustadas entre las
características adaptativas de un grupo menor de especies y el mapa
(ver Parra-Quijano et al., 2012).
Definen con más detalle los ambientes clave para una especie en
particular o un set de especies genéticamente emparentadas y de
número limitado. Se espera un ajuste muy alto entre el mapa y
características adaptativas de la especie objetivo.

22. Resultados ELCmapas
• Mapas (se pueden abrir con DIVA-GIS) y tablas que describen cada categoría.

23. ECOGEO
Permite hacer caracterizaciones ecogeográficas de los
sitios de recolección del germoplasma

24. 0 cm
5 cm
10 cm
Longitud
entrenudos
= 5.56 cm
1 2 3
1 0 1
0 1 0
= presente = 1
= ausente = 0
NO del
germoplasma
Sino del sitio de
recolección
ECOGEO es una caracterización

25. Proceso caracterización ecogeográfica
Matriz de
caracterización
(identificador
entrada vs
descriptores
Ecogeográficos)
Tabla
datos
pasaporte
SIG
Elevación
Temp media anual
Carbón Orgánico suelo
pH suelo sup
….
….
Y
X

26. Extracción puntual o radial?
2 4 3
1 3 2
1 3 2
1
1
3
1 1 3 4
Variable ecogeográfica x
NA
NA
NA
NA
1 1 3 4NA
ACCENUMB VARIABLE
a NA
b NA
c 2
2 4 3
1 3 2
1 3 2
1
1
3
1 1 3 4
NA
NA
NA
NA
1 1 3 4NA
a
b
c
Distribución entradas
en datos pasaporte
2 4 3
1 3 2
1 3 2
1
1
3
1 1 3 4
NA
NA
NA
NA
1 1 3 4NA
Superimposición SIG Resultado extracción
ACCENUMB VARIABLE
a NA (1)
b 1
c 3
a
b
c
Verdadera ubicación
a=68
b=65
c=50
GEOQUAL
incertidumbre
Radio (tamp)
Extracción radial

27. 2 4 3
1 3 2
1 3 2
1
1
3
1 1 3 4
NA
NA
NA
NA
1 1 3 4NA
ACCENUMB VALORES
CAPTURADOS
PROMEDIO
a NA,1,1 1
b NA,1,1 1
c 3,2,1,3,2,
3
2.333
Superimposición SIG
Resultado extracción radial
ACCENUMB VARIABLE
a 1
b 1
c 3
Extracción correcta
ACCENUMB VARIABLE
a NA
b NA
c 2
Extracción puntual
1
1
2.333
Extracción radial

28. Matriz
de
caracterización
409-09
320-05319-05
318-05317-05
315-05316-05
405-09
391-07390-07
386-09385-07
386-07375-06
406-09323-05
376-07321-05
401-08311-05
372-06
377-07307-05
369-06299-05
368-06530-09
528-09527-09
523-09524-09
378-07379-07
526-09
504-09-v504-09
503-09-v503-09
501-09502-09
507-09534-09
533-09531-09
532-09
300-05541-09
540-09536-09
535-09522-09
529-09539-09
537-09538-09
308-05414-09
276-05
277-05306-05
357-06365-06
366-06505-09-v
525-09415-09
285-05283-05
284-05546-10
403-09
402-09355-06
356-06304-05
302-05303-05
349-06337-06
338-06397-08
353-06396-08
413-09
516-09454-09
455-09412-09
279-05281-05
287-05280-05
291-05309-05
389-07392-07
324-06
350-06351-06
521-09-v521-09
520-09-v519-09-v
519-09518-09-v
518-09517-09-v
517-09516-09-v
515-09-v
515-09514-09-v
514-09465-09
464-09463-09
462-09461-09
460-09459-09
458-09456-09
457-09
506-09-v505-09
506-09513-09-v
513-09512-09-v
512-09511-09-v
511-09510-09-v
510-09509-09-v
509-09
508-09508-09-v
268-05288-05
289-05361-06
341-06360-06
292-05548-10
348-06
347-06346-06
345-06343-06
342-06335-06
334-06333-06
332-06327-06-v
325-06293-05
298-05
551-10297-05
296-05295-05
294-05262-05
263-05410-09
411-09417-09
418-09393-07
275-05
394-07549-10
552-10550-10
395-07404-09
266-05380-07
274-05467-09
416-09466-09
383-07
382-07269-05
265-05267-05
381-07273-05
272-05270-05
271-05301-05
282-05305-05
507-09-v
453-09452-09
450--09451-09
02468
Cluster analysis - Ecogeographic characterization
hclust (*, "average")
ecogeodist
Height
d = 1
23
4
5
6
7
8
9101112
1314
1516
17
18
19
20
212223
24
2526
27 2829
30313233
34
35
36
37
383940
41
42
43
44
45 46
474849505152
53
54
55
565758596061
6263
64
656667686970
71
7273
74
7576
77
7879
8081
82
83
84
85
86
87
8889
90
91
9293
949596
97
9899
100
101
102
103
104105
106
107108
109
110
111
112
113
114
115
116
117
118
119
120
121
122123124125
126127
128129130131132133134135136137
138139
140141142143144145
146
147
148149
150
151
152153154155156157158159160161162163
164165166167
168
169170171172173174175176177178
179
180181
182
183
184185
186
187
188189190191
192193
194195196
197198
199
200
201202
203
204
DECLATITUDE
alt
northness
slope
bio_18
bio_1
t_clay
t_sand
t_oc
t_silt
t_ph_h2o
Eigenvalues
Análisis de los datos