Salidas de Marxan, Calibración e interpretación de resultados José L. Gerhartz Muro WWF...
-
Upload
tiburcio-porto -
Category
Documents
-
view
9 -
download
2
Transcript of Salidas de Marxan, Calibración e interpretación de resultados José L. Gerhartz Muro WWF...
Salidas de Marxan, Calibración e interpretación de resultados
José L. Gerhartz MuroWWF
Objetivos Conocer las salidad de Marxan Aprender a calibrar los parámetros
fundamentales para correr Marxan y obtener resultados relevantes
Establecer metas Realizar análisis de sensitividadde alguno de
los parámetros clave
Principales salidas de Marxan
Mejor solución Solución sumada Reporte de en qué medida se alcazaron las
metas de cada objeto de conservación en cada corrida
UP C
1 0
2 1
3 1
4 0
UP F
1 5
2 50
3 15
4 2
Otras salidas de Marxan
Resumen de información Detalles del escenario
Consejos para analizar los resultadosObsérvelos y estúdielos cuidadosamente: ¿Alguna meta se sobrecumple? ¿Por qué? ¿Alguna no se cumplen? ¿En qué medida (1%
o 50%)?¿Por qué? ¿Los sitios están demasiado dispersos o
demasiado aglomerados? Haga ajustes a las metas, SPF y BLM según
sea necesario y repita el proceso: ¡¡¡Calibre!!!
¿Qué es la calibración? Proceso de seleccionar valores para variables y
parámetros de corrida de manera que el modelo represente de manera adecuada la situación real bajo análisis
Establecer y verificar repetidamente valores de SPF y de la cantidad de iteraciones, hasta lograr resultados sólidos y factibles
¿Por qué calibrar? Para asegurar conjuntos de soluciones
cercanas al óptimo y que alcanzan las metas de conservación
Son pocos parámetros pero pueden tener un gran impacto en la eficiencia de las soluciones
No calibrar implica riesgos de: Encontrar soluciones ineficientes Nivel inadecuado de agrupamiento Metas no alcanzadas (soluciones no factibles)
Soluciones factibles Son aquellas que alcanzan todas las metas de
conservación Esto se ve en el archivo Acuerde un límite de tolerancia para definir
qué meta se alcanza o no:¡¡Marxan es burroo!!!!
Compilar datos
Establecer costosde las UP
Establecer las metas de
conservación (escenarios)
Establecer la abundancia
(normalizada o no,presencia/ausencia
Establecer el BLM
Establecer el SPF
Establecer el # de
iteraciones
¿Agrupamiento adecuado?
Examinar patrón
espacial
Examinar cumplimiento
de metasy costo
Seleccionar soluciones
para más análisis
¿Factible y adecuada?
Seleccionar soluciones
para decisores
No
Si
No
Si
Sensibilidad
Aspectos críticos para el éxito
Amplia participación Conceptualización:
Definición de qué queremos seleccionar (¿reservas? ¿AMP en general?)
Definición del alcance territorial del estudio Estructuración de objetivos, criterios y metas Definición de la unidad de planificación
Datos: Conocer sus limitaciones, compromisos de uso
Documentación del proceso y fundamentación de los parámetros de corrida
Análisis de sensibilidad Ayuda a comprender en qué medida los
resultados son sensibles a cambios en los datos o en los parámetros de entrada de Marxan
Si datos poco confiables están determinando las soluciones ¡¡ELIMINELOS!!
Si las soluciones son poco factibles ¡¡¡REVISE LAS METAS, SPF y parámetros de diseño!!!
Parámetros claves a calibrar BLM SPF Iteraciones Número de repeticiones Metas de conservación
Calibración del BLM Quizás la manera más intuitiva de definir el
BLM es comenzar con cero e incrementarlo iterativamente
Para escoger un valor inicial de BLM observe los intervalos de variación de los costos de las UP y escoja un BLM que compense las diferencias
Alternativamente utilice el método de ponderacion para balances multiobjetivos
Ponderacion para balances multiobjetivos1. Llevar el BLM a 0 y correr Marxan para encontrar la
solución menos costosa posible y plotear el costo y la longitud de frontera en un gráfico (punto X)
2. Correr Marxan con BLM 1, SPF=0 para hallar la solución de menor frontera y plotear ésta y el costo (Punto Y).
3. Utilizar la pendiente de la recta XY como BLM y plotee el Pto Z
4. Si la solución resultante con este BLM es demasiado aglomerada o dispersa repita el proceso con las pendientes de YZ o XZ
Ponderacion para balances multiobjetivos
Longitud de frontera
Cos
to
1.0 5.0
1000
5000
2000
3000
4000
2.0 3.0 4.0
X
Y
Z
Compacidad (BLM)
Cos
to
Balance entre costo y compacidad/fragmentación (BLM)
Calibración del SPF Si es demasiado alto no se encuentran
soluciones de bajo costo porque se incluyen demasiadas UP
Si es demasiado bajo las metas no se lograrán porque las soluciones tendrán pocas UP
El SPF hay que escogerlo para ESCALAR el peso de la penalidad por incumplir las metas respecto al resto de los factores de la función objetivo
Calibración del SPF: un método Defina un SPF arbitrario para todos los OC Corra Marxan configurado para 100 reinicios y
10000 iteraciones Haga una tabla con dos columnas: una con la
cantidad de acumulada de soluciones factibles y otra con el costo acumulado de esas soluciones, expresado como % del costo de la solución óptima
Haga un gráfico con esos valores Repita el proceso variando el SPF
Ejemplo de calibración del SPF N
úm
ero
acu
mu
lad
o d
e so
luci
ones
Costo (% del óptimo)
100 125110 120115105
100
0
50
SPF =2SPF =10SPF =20SPF =200SPF =20000
Calibración del SPF: ensayo y error Ponga un valor bajo y uniforme de SPF y observe
si se cumplen las metas Si no se cumplen vaya aumentando
paulatinamente hasta que se cumplan todas Si se cumplen disminúyalo hasta que no se
cumplan todas Una vez encontrado un rango de SPF, pruebe a
modificar el SPF solo para los OC que no cumplen hasta que encuentre un juego de valores mínimo de SPF en que se cumplan todas las metas
Otros aspectos a considerar:Costo de las UP
Se puede definir de diversas maneras: Igual al área (práctica más común) Dando mayor costo a las más degradadas Medida de costo socioeconómico Costo de manejo
Si hay actores con intereses divergentes (p. ej. conservacionistas y pescadores) se deben explorar diferentes escenarios de costo
Diferentes costos => Nuevas calibraciones
Otros aspectos a considerar:Influencia de la inclusión o exclusión de UP
Cada vez que se incluyen o excluyen UPs en el inicio es necesario calibrar nuevamente los parámetros de Marxan
Incluir y excluir UP produce soluciones generalmente menos eficientes
Otros aspectos a considerar:Abundancia de objetos de conservación
Con grandes diferencias en la distribución de los objetos de conservación, unos pocos dominan las soluciones
Se pueden normalizar las abundancias en cada UP como un % de la abundancia total
Alternativamente se puede reducir el SPF de los objetos que dominan la solución
Otros aspectos a considerar:Las metas
Garantizar que representen con precisión los objetivos
Asegurarse de que sean alcanzables Realizar pruebas de sensibilidad para ver los
efectos de modificarlas