SEARCH

SEARCH BY CITATION

Keywords:

  • Bayes information criterion;
  • bird species richness;
  • butterfly species richness;
  • genetic algorithm;
  • Great Basin;
  • land cover;
  • land use;
  • species occurrence
  • algoritmo genético;
  • cobertura de terreno;
  • criterio Bayesiano de información;
  • Great Basin;
  • ocurrencia de especies;
  • riqueza de especies de aves;
  • riqueza de especies de mariposas;
  • uso de suelos

Abstract:  Values of species richness are used widely to establish conservation and management priorities. Because inventory data, money, and time are limited, use of surrogates such as “indicator” species to estimate species richness has become common. Identifying sets of indicator species that might reliably predict species richness, especially across taxonomic groups, remains a considerable challenge. We used genetic algorithms and a Bayesian approach to explain individual and combined species richness of two taxonomic groups as a function of occurrence patterns of indicator species drawn from either both groups or one group. Genetic algorithms iteratively screen large numbers of potential models and predictor variables in a process that emulates natural selection. The best-fitting models of bird species richness and butterfly species richness explained approximately 80% of deviances and included only indicator species from the same taxonomic group. Using species from both taxonomic groups as potential predictors did not improve model fit but slightly improved the parsimony (fewer predictors) of the model of bird species richness. The best model of combined species richness included five butterflies and one bird and explained 83% of deviance, whereas a model of combined species richness based on six butterflies as indicators explained 82% of deviance. A model of combined species richness based on birds alone explained 72% of deviance. We found that a small, common set of species could be used to predict separately the species richness of multiple taxonomic groups. We built models explaining approximately 70% of the deviance in species richness of birds and butterflies based on a common set of three bird species and three butterfly species. We also identified a set of six species of butterflies that predicted ≥66% of both bird species richness and butterfly species richness. Our approach is applicable to any assemblage or ecosystem, and may be useful both for estimating species richness and for gaining insight into mechanisms that influence diversity patterns.

Resumen:  Los valores de riqueza de especies son ampliamente utilizados para definir prioridades de conservación y manejo. Debido a que los datos de inventarios, el dinero y el tiempo son limitados, se ha vuelto común el uso de sustitutos, como las especies “indicadoras,” para estimar la riqueza de especies. La identificación de conjuntos de especies indicadoras que pronostiquen la riqueza de especies confiablemente, especialmente en varios grupos taxonómicos, es un reto importante. Utilizamos algoritmos genéticos y un método Bayesiano para explicar las riquezas de especies individuales y combinadas de dos grupos taxonómico como una función de patrones de ocurrencia de especies indicadoras extraídas de ambos grupos o de uno. Los algoritmos genéticos reiterativamente filtran grandes números de modelos potenciales y variables predictoras en un proceso que emula a la selección natural. Los modelos que mejor se ajustaron a la riqueza de especies de aves y de mariposas explicaron aproximadamente 80% de las anormalidades e incluyeron solo a especies indicadoras del mismo grupo taxonómico. Utilizando a especies de ambos grupos taxonómicos como predictores potenciales no mejoró el ajuste del modelo pero mejoró ligeramente la parsimonia (menos predictores) del modelo de riqueza de especies de aves. El mejor modelo de la riqueza de especies combinada incluyó a cinco especies de mariposas y una de ave y explico 83% de la anormalidad, mientras que un modelo de riqueza de especies combinadas basada en seis especies de mariposas explico 82% de la anormalidad. Un modelo de riqueza de especies combinadas basado solo en aves explicó 72% de la anormalidad. Encontramos que un conjunto pequeño, común, podría ser utilizado para pronosticar, por separado, la riqueza de especies de múltiples grupos taxonómicos. Construimos modelos que explicaron aproximadamente 70% de la anormalidad en la riqueza de especies de aves y mariposas con base en un conjunto común de tres especies de aves y tres de mariposas. También identificamos un conjunto de seis especies de mariposas que predijeron ≥ 66% de la riqueza de especies tanto de aves como de mariposas. Nuestro método es aplicable a cualquier ensamble o ecosistema, y puede ser útil tanto para estimar la riqueza de especies como para incrementar el entendimiento de los mecanismos que influyen sobre los patrones de diversidad.