SEARCH

SEARCH BY CITATION

Keywords:

  • biodiversity;
  • complementarity;
  • cophenetic correlation;
  • environmental surrogates;
  • regional conservation planning;
  • reserve selection;
  • species distribution
  • biodiversidad;
  • complementariedad;
  • correlación cofénetica;
  • distribución de especies;
  • planificación regional de la conservación;
  • selección de reservas;
  • sustitutos ambientales

Abstract: A major challenge of regional conservation planning is the identification of sets of sites that together represent the overall biodiversity of the relevant region. Environmental cluster analysis (ECA) has been proposed as a potential tool for efficient selection of conservation sites, but the consequences of methodological decisions involved in its application have not been tested so far. We evaluated the performance of ECA with respect to two such decisions: the choice of the clustering algorithm (single linkage, complete linkage, unweighted arithmetic average, unweighted centroid, Ward's minimum variance, and the ALOC algorithm) and the weight given to different groups of environmental variables (rainfall, temperature, and lithology). Specifically we tested how these decisions affect the spatial configuration of clusters of sites defined by the ECA, whether and how they affect the effectiveness of the ECA (i.e., its ability to represent regional species diversity), and whether the effectiveness of alternative methods of hierarchical clustering can be predicted a priori based on the cophenetic correlation. We used an extensive database of the flora of Israel to test these questions. Differences in both the clustering algorithm and the weighting regime had considerable effects on the spatial configuration of the ECA clusters. The single-linkage algorithm produced mostly single-cell clusters plus a single large-sized cluster and was therefore found inappropriate for environmental regionalization. The effectiveness of the ECA was also sensitive to changes in the clustering algorithm and the weighting regime. Yet, most combinations of clustering algorithms and weighting regimes performed significantly better in capturing regional biodiversity than random null models. The main deviation was classifications based on Ward's minimum variance algorithm, which performed less well relative to all other algorithms. The two algorithms that showed the highest effectiveness (unweighted average and unweighted centroid clustering) also exhibited the highest values of the cophenetic correlation, suggesting that this index may serve as a potential indicator for the effectiveness of alternative ECA algorithms.

Resumen: La identificación de conjuntos de sitios que representen la biodiversidad de la región relevante es un reto mayor para la planificación regional de la conservación. Se ha propuesto al análisis de cluster ambiental (ACA) como una herramienta potencial para la selección eficiente de sitios de conservación, pero las consecuencias de las decisiones metodológicas implicadas en su aplicación no han sido probadas a la fecha. Evaluamos el funcionamiento del ACA en relación con dos de esas decisiones: la selección del algoritmo agrupador (enlace sencillo, enlace completo, media aritmética no ponderada, centroide no ponderado, varianza mínima de Ward, y el algoritmo ALOC) y el peso dado a los diferentes grupos de variables ambientales (precipitación, temperatura y litología). Específicamente, probamos como estas decisiones afectan la configuración espacial de los grupos de sitios definidos por el ACA, si y como afectan la eficiencia del ACA (i.e., su habilidad para representar la diversidad regional de especies), y si la eficiencia de los métodos alternativos del agrupamiento jerárquico se puede predecir a priori con base en la correlación cofenética. Utilizamos una base de datos extensiva de la flora de Israel para probar estas preguntas. Diferencias tanto en el algoritmo de agrupamiento y el régimen tuvieron efectos considerables sobre la configuración espacial de los grupos de ACA. El algoritmo de enlace único produjo grupos de una celda principalmente más un grupo grande único y por lo tanto fue inapropiado para la regionalización ambiental. La efectividad del ACA también fue sensible a cambios en el algoritmo de agrupamiento y el régimen de ponderación. Pero, la mayoría de las combinaciones de algoritmos de agrupamiento y regimenes de ponderación funcionaron significativamente mejor en la captura de la biodiversidad regional que los modelos nulos aleatorios. La principal desviación fueron clasificaciones basadas en e algoritmo de la varianza mínima de Ward, que funcionó menos bien en relación con todos los otros algoritmos. Los dos algoritmos que mostraron la mayor efectividad (media no ponderada y agrupamiento centroide no ponderado) también mostraron los mayores valores de la correlación cofenética, lo que sugiere que este índice puede servir como un indicador potencial de la efectividad de algoritmos ACA alternativos.