Revista de la Sociedad Entomológica Argentina (Jun 2011)
Choosing the best non-parametric richness estimator for benthic macroinvertebrates databases Eligiendo el mejor estimador no paramétrico para calcular riqueza en bases de datos de macroinvertebrados bentónicos
Abstract
Non-parametric estimators allow to compare the estimates of richness among data sets from heterogeneous sources. However, since the estimator performance depends on the species-abundance distribution of the sample, preference for one or another is a difficult issue. The present study recovers and revalues some criteria already present in the literature in order to choose the most suitable estimator for streams macroinvertebrates, and provides some tools to apply them. Two abundance and four incidence estimators were applied to a regional database at family and genus level. They were evaluated under four criteria: sub-sample size required to estimate the observed richness; constancy of the sub-sample size; lack of erratic behavior and similarity in curve shape through different data sets. Among incidence estimators, Jack1 had the best performance. Between abundance estimators, ACE was the best when the observed richness was small and Chao1 when the observed richness was high. The uniformity of curves shapes allowed to describe the general sequences of curves behavior that could act as references to compare estimations of small databases and to infer the possible behavior of the curve (i.e the expected richness) if the sample were larger. These results can be very useful for environmental management, and update the state of knowledge of regional macroinvertebrates.Los estimadores no paramétricos permiten comparar la riqueza estimada de conjuntos de datos de origen diverso. Empero, como su comportamiento depende de la distribución de abundancia del conjunto de datos, la preferencia por alguno representa una decisión difícil. Este trabajo rescata algunos criterios presentes en la literatura para elegir el estimador más adecuado para macroinvertebrados bentónicos de ríos y ofrece algunas herramientas para su aplicación. Cuatro estimadores de incidencia y dos de abundancia se aplicaron a un inventario regional a nivel de familia y género. Para su evaluación se consideró: el tamaño de submuestra para estimar la riqueza observada, la constancia de ese tamaño de submuestra, la ausencia de comportamiento errático y la similitud en la forma de la curva entre los distintos conjuntos de datos. Entre los estimadores de incidencia, el mejor fue Jack1; entre los de abundancia, ACE para muestras de baja riqueza y Chao1, para las de alta riqueza. La forma uniforme de las curvas permitió describir secuencias generales de comportamiento, que pueden utilizarse como referencia para comparar curvas de pequeñas muestras e inferir su comportamiento -y riqueza- probable, si la muestra fuera mayor. Estos resultados pueden ser muy útiles para la gestión ambiental y actualizan el estado del conocimiento regional de macroinvertebrados.
