4,026 research outputs found
Pollinator shortage and global crop yield
No full textFil: Garibaldi, Lucas Alejandro. Universidad Nacional del Comahue. Centro Regional Universitario Bariloche. Laboratorio Ecotono; Argentina.Fil: Aizen, Marcelo A. Universidad Nacional del Comahue. Centro Regional Universitario Bariloche. Laboratorio Ecotono; Argentina.Fil: Cunningham, Saul A. CSIRO Entomology; Australia.Fil: Klein, Alexandra M. University of California; USA.Fil: Klein, Alexandra M. University of Goettingen; Alemania.Fil: Aizen, Marcelo A. Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET); Argentina.Fil: Aizen, Marcelo A. Instituto de Investigaciones en Biodiversidad y Medioambiente (INIBIOMA); Argentina.Fil: Garibaldi, Lucas Alejandro. Universidad de Buenos Aires (UBA). Facultad de Agronomía; Argentina.A pollinator decline caused by environmental degradation might be compromising the production of pollinator-dependent crops. In a recent article, we compared 45 year series (1961–2006) in yield, production, and cultivated area of pollinator-dependent and nondependent crop around the world. If pollinator shortage is occurring globally, we expected a lower annual growth rate in yield for pollinator-dependent than nondependent crops, but a higher growth in cultivated area to compensate the lower yield. We have found little evidence for the first “yield” prediction but strong evidence for the second “area” prediction. Here, we present an additional analysis to show that the first and second predictions are both supported for crops that vary in dependency levels from nondependent to moderate dependence (i.e. up to 65% average yield reduction without pollinators). However, those crops for which animal pollination is essential (i.e. 95% average yield reduction without pollinators) showed higher growth in yield and lower expansion in area than expected in a pollination shortage scenario. We propose that pollination management for highly pollinator-dependent crops, such us renting hives or hand pollination, might have compensated for pollinator limitation of yield
How much does agriculture depend on pollinators? Lessons from long-term trends in crop production
No full textFil: Aizen, Marcelo A. Universidad Nacional del Comahue. Centro Regional Universitario Bariloche. Laboratorio Ecotono; Argentina.Fil: Garibaldi, Lucas Alejandro. Universidad Nacional del Comahue. Centro Regional Universitario Bariloche. Laboratorio Ecotono; Argentina.Fil: Cunningham, Saul A. CSIRO Entomology; Australia.Fil: Klein, Alexandra M. University of California; USA.Fil: Aizen, Marcelo A. Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET); Argentina.Fil: Aizen, Marcelo A. Instituto de Investigaciones en Biodiversidad y Medioambiente (INIBIOMA); Argentina.Fil: Garibaldi, Lucas Alejandro. Universidad de Buenos Aires (UBA). Facultad de Agronomía; Argentina.Fil: Klein, Alexandra M. University of Goettingen; Alemania.Abstract
Background and Aims
Productivity of many crops benefits from the presence of pollinating insects, so a decline in pollinator abundance should compromise global agricultural production. Motivated by the lack of accurate estimates of the size of this threat, we quantified the effect of total loss of pollinators on global agricultural production and crop production diversity. The change in pollinator dependency over 46 years was also evaluated, considering the developed and developing world separately.
Methods
Using the extensive FAO dataset, yearly data were compiled for 1961–2006 on production and cultivated area of 87 important crops, which we classified into five categories of pollinator dependency. Based on measures of the aggregate effect of differential pollinator dependence, the consequences of a complete loss of pollinators in terms of reductions in total agricultural production and diversity were calculated. An estimate was also made of the increase in total cultivated area that would be required to compensate for the decrease in production of every single crop in the absence of pollinators.
Key Results
The expected direct reduction in total agricultural production in the absence of animal pollination ranged from 3 to 8 %, with smaller impacts on agricultural production diversity. The percentage increase in cultivated area needed to compensate for these deficits was several times higher, particularly in the developing world, which comprises two-thirds of the land devoted to crop cultivation globally. Crops with lower yield growth tended to have undergone greater expansion in cultivated area. Agriculture has become more pollinator-dependent over time, and this trend is more pronounced in the developing than developed world.
Conclusions
We propose that pollination shortage will intensify demand for agricultural land, a trend that will be more pronounced in the developing world. This increasing pressure on supply of agricultural land could significantly contribute to global environmental change
Introducción a la estadística experimental
No full textEn la planificación de los experimentos, a través de una metodología para la colección de los datos y su análisis, se apunta a desentrañar el complejo de variables que intervienen en el fenómeno bajo estudio, apartando a todas aquellas que ocultan la acción de los factores que se desea estudiar. Los modelos estadísticos expresan a la variable de interés como combinación lineal de parámetros poblacionales asociados a los factores candidatos a explicar la variación de la respuesta. Mediante pruebas estadísticas referidas a los parámetros del modelo se pueden contrastar las hipótesis planteadas por el investigador y establecer restricciones a la interpretación arbitraria de la información obtenida.Fil: Perelman, Susana Beatriz. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Parque Centenario. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura. Universidad de Buenos Aires. Facultad de Agronomía. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; Argentina. Universidad de Buenos Aires. Facultad de Agronomía. Departamento de Métodos Cuantitativos y Sistemas de Información; ArgentinaFil: Garibaldi, Lucas Alejandro. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Patagonia Norte. Instituto de Investigaciones en Recursos Naturales, Agroecología y Desarrollo Rural. - Universidad Nacional de Rio Negro. Instituto de Investigaciones en Recursos Naturales, Agroecología y Desarrollo Rural; Argentin
Análisis de la varianza y modelo
No full textEl análisis de la varianza (o Anova: Analysis of variance), es un método que permite comparar varias medias en diversas situaciones. Este análisis se basa en la partición de la variación de las respuestas observadas, a la que descompone en fuentes de variación independientes, como ser tratamientos, bloques, covariables y error experimental. El ANOVA está muy relacionado, por lo tanto, al diseño de experimentos y a los modelos estadísticos. Si bien el ANOVA es una técnica de gran versatilidad, que permite analizar datos asociados con modelos de muy variada complejidad, para su presentación vamos a considerar el problema más simple que es la comparación de tres medias poblacionales. En los sucesivos capítulos abordaremos la generalización para modelos más complejos que comprenden varios factores.Fil: Perelman, Susana Beatriz. Universidad de Buenos Aires. Facultad de Agronomía. Departamento de Métodos Cuantitativos y Sistemas de Información; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Parque Centenario. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura. Universidad de Buenos Aires. Facultad de Agronomía. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; ArgentinaFil: Garibaldi, Lucas Alejandro. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Patagonia Norte. Instituto de Investigaciones en Recursos Naturales, Agroecología y Desarrollo Rural. - Universidad Nacional de Rio Negro. Instituto de Investigaciones en Recursos Naturales, Agroecología y Desarrollo Rural; Argentin
El control de la heterogeneidad
No full textLa creciente utilización de metodologías estadísticas, matemáticas e informáticas en todas las áreas del conocimiento impulsa la expansión de las áreas cuantitativas en las universidades, empresas privadas y organismos públicos. Esta realidad genera una demanda sostenida de profesionales capaces de diseñar la eficiente recolección de evidencia cuantitativa, de extraer la información relevante escondida en las bases de datos, de interpretar y de comunicar con gran claridad y completa honestidad los resultados de esos trabajos. Los estudiantes y profesionales que transitan por nuestros cursos nos demuestran, con su avidez de conocimientos y su nivel de compromiso, lo necesario que es un espacio para la discusión de los fundamentos conceptuales de los métodos estadísticos. Claramente hay mucho para aprender acerca del diseño de los experimentos y del análisis de los datos resolviendo y discutiendo entre pares problemas genuinos. Para ellos preparamos, y fuimos mejorando con la práctica continua, las guías de lectura y de ejercitación que finalmente llegaron a conformar este libro.Fil: Perelman, Susana Beatriz. Universidad de Buenos Aires. Facultad de Agronomía. Departamento de Métodos Cuantitativos y Sistemas de Información; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Parque Centenario. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura. Universidad de Buenos Aires. Facultad de Agronomía. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; ArgentinaFil: Garibaldi, Lucas Alejandro. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Patagonia Norte. Instituto de Investigaciones en Recursos Naturales, Agroecología y Desarrollo Rural. - Universidad Nacional de Rio Negro. Instituto de Investigaciones en Recursos Naturales, Agroecología y Desarrollo Rural; Argentin
Datos jerárquicos en ciencias ambientales: Ejemplos prácticos y análisis de modelos jerárquicos en lenguaje R
No full textLos datos que utilizan los profesionales de las ciencias ambientales y sociales para tomar decisiones y contrastar hipótesis usualmente cuentan con estructura jerárquica (multi-nivel), como mediciones en plantas agrupadas en distintos sitios a su vez agrupados por características climáticas, o el análisis de datos provenientes de individuos agrupados en estudios los cuales pertenecen a distintas regiones. Estos datos no cumplen, al menos, con el supuesto de observaciones independientes para los modelos y análisis estadísticos comúnmente aprendidos en los cursos de grado, entre ellos regresión lineal simple o múltiple y experimentos factoriales (o en bloques) de efectos fijos. Con el objetivo de brindar algunas herramientas que ayuden a superar estas dificultades el Dr. Lucas A. Garibaldi diseñó el curso de posgrado "Datos jerárquicos en ciencias ambientales: colección y análisis con R".En esta obra recopilamos una serie de prácticas que utilizamos a lo largo del curso. Un aspecto interesante de las prácticas que presentamos es que están basadas en datos reales los cuales llegaron a nosotros a través de amigos y conocidos en búsqueda de un análisis adecuado a sus diseños experimentales. A todos ellos, les agradecemos enormemente la gentileza de brindar sus datos a los fines didácticos del curso y posteriormente, de esta obra. Por razones didácticas y para preservar los trabajos originales, los datos no se presentan de manera completa.Los capítulos y las prácticas fueron desarrolladas y pensadas con la intención de proporcionar a estudiantes e investigadores de otras disciplinas que no sean la Biometría, los conocimientos básicos sobre cómo colectar (diseño de estudios), modelar y analizar datos con estructura jerárquica utilizando el programa R y, limitándonos al estudio de modelos con una sola variable de respuesta (dependiente). Con este objetivo, recomendamos seguir los capítulos frente a una computadoras analizando las sentencias y los datos reales que se encuentrandisponibles en el sitio https://sites.google.com/site/datosjerarquicos solapa prácticas y que, acompañan la obra. De manera adicional, encontrarán en el anexo las indicaciones necesarias para instalar los programas y herramientas de análisis necesarias.A lo largo de los capítulos presentamos ejemplos con estructuras jerárquicas de distinta complejidad como diseño en parcelas dividas, diseños anidados, medidas repetidas en el tiempo (autocorrelación) y en el espacio. Utilizamos factores aleatorios, funciones de la varianza y estructuras de correlación para representar adecuadamente los modelos. Abordamos ejemplos distintas distribuciones estocásticas como la normal, la binomial o la poisson a través de modelos mixtos generalizados. Evaluamos la validez de los modelos, la independencia, la bondad de ajuste. Presentamos distintos marcos de inferencia como el frecuentista, evaluación de relaciones de verosimilitud e inferencias multimodelo. Los capítulos no desarrollan los conceptos teóricos. Para ello, sugerimos la lectura de diversos textos publicados que abordan los conceptos presentes en esta obra de manera exhaustiva (Bolker, 2008; Logan M., 2010; Gelman A. y. Hill J., 2007, Pinheiro y Bates 2000, Zuur et al. 2009). Esta obra tampoco pretende revisar de manera exhaustiva los múltiples modelos de dependencia espacial o temporal de los datos, para lo cual recomendamos realizar cursos o abordar textos específicos (por ejemplo, de geoestadística).Fil: Garibaldi, Lucas Alejandro. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Patagonia Norte; Argentina. Universidad Nacional de Río Negro. Sede Andina; ArgentinaFil: Casas, Cecilia. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Patagonia Norte; Argentina. Universidad de Buenos Aires. Facultad de Agronomía. Departamento de Recursos Naturales y Ambiente; ArgentinaFil: Biganzoli, Fernando. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Patagonia Norte; Argentina. Universidad de Buenos Aires. Facultad de Agronomía. Departamento de Métodos Cuantitativos y Sistemas de Información; Argentin
Insectos en bosques de lenga
No full textFil: Garibaldi, Lucas A. Universidad Nacional de Río Negro. Instituto de Investigaciones en Recursos Naturales, Agroecología y Desarrollo Rural. Río Negro, Argentina.Fil: Garibaldi, Lucas A. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones en Recursos Naturales, Agroecología y Desarrollo Rural. Río Negro, Argentina.Fil: Mazía, Noemi. Universidad de Buenos Aires. Buenos Aires, Argentina.
A global synthesis reveals biodiversity-mediated benefits for crop production
No full textHuman land use threatens global biodiversity and compromises multiple ecosystem functions critical to food production. Whether crop yield–related ecosystem services can be maintained by a few dominant species or rely on high richness remains unclear. Using a global database from 89 studies (with 1475 locations), we partition the relative importance of species richness, abundance, and dominance for pollination; biological pest control; and final yields in the context of ongoing land-use change. Pollinator and enemy richness directly supported ecosystem services in addition to and independent of abundance and dominance. Up to 50% of the negative effects of landscape simplification on ecosystem services was due to richness losses of service-providing organisms, with negative consequences for crop yields. Maintaining the biodiversity of ecosystem service providers is therefore vital to sustain the flow of key agroecosystem benefits to society.EEA ConcordiaFil: Dainese, Matteo. Eurac Research. Institute for Alpine Environment; ItaliaFil: Dainese, Matteo. University of Würzburg. Biocenter. Department of Animal Ecology and Tropical Biology; AlemaniaFil: Martin, Emily A. University of Würzburg. Biocenter. Department of Animal Ecology and Tropical Biology; AlemaniaFil: Aizen, Marcelo Adrian. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Patagonia Norte. Instituto de Investigaciones en Biodiversidad y Medioambiente; ArgentinaFil: Aizen, Marcelo Adrian. Universidad Nacional del Comahue. Centro Regional Universidad Bariloche. Instituto de Investigaciones en Biodiversidad y Medioambiente; Argentina.Fil: Albrecht, Matthias. Agroscope. Agroecology and Environment; SuizaFil: Bartomeus, Ignasi. CSIC. Estación Biológica de Doñana. Integrative Ecology; EspañaFil: Bommarco, Riccardo. Swedish University of Agricultural Sciences. Department of Ecology; SueciaFil: Carvalheiro, Luisa G. Universidade Federal de Goias. Departamento de Ecologia; BrasilFil: Carvalheiro, Luisa G. Universidade de Lisboa. Faculdade de Ciencias. Centre for Ecology, Evolution and Environmental Changes (CE3C); PortugalFil: Chaplin-Kramer, Rebecca. Stanford University. Natural Capital Project; Estados UnidosFil: Gagic, Vesna. Commonwealth Scientific and Industrial Research Organisation (CSIRO); AustraliaFil: Garibaldi, Lucas Alejandro. Universidad Nacional de Rio Negro. Instituto de Investigaciones de Recursos Naturales, Agroecología y Desarrollo Rural; ArgentinaFil: Garibaldi, Lucas Alejandro. Consejo Nacional de Investigaciones Científicas y Técnicas; ArgentinaFil: Cavigliasso, Pablo. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Concordia; ArgentinaFil: Steffan-Dewenter, Ingolf. University of Würzburg. Biocenter. Department of Animal Ecology and Tropical Biology; Alemani
Agriculture: les abeilles sont-elles indispensables?
No full textFil: Garibaldi, Lucas A. Universidad Nacional de Río Negro. Instituto de Investigaciones en Recursos Naturales, Agroecología y Desarrollo Rural. Río Negro, Argentina.Fil: Garibaldi, Lucas A. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones en Recursos Naturales, Agroecología y Desarrollo Rural. Río Negro, Argentina.Les terres agricoles représentent plus de 35 % de la surface terrestre dépourvue de glace. L’agriculture s’étend et s’intensifie actuellement dans de nombreuses régions pour répondre aux besoins des populations . Cette tendance menace la biodiversité et les services écosystémiques dont dépend l’agriculture, tels que la pollinisation des cultures. En effet, des études récentes ont mis en évidence la façon dont ces pressions anthropiques provoquent le déclin des pollinisateurs sauvages comme les abeilles, les mouches, les coléoptères et les papillonstrue
El hombre y el bosque, una relación muy dinámica
No full textFil: Gowda, Juan H. Universidad Nacional del Comahue. Instituto de Investigaciones en Biodiversidad y Medioambiente. Río Negro, Argentina.Fil: Kitzberger, Thomas.Universidad Nacional del Comahue. Instituto de Investigaciones en Biodiversidad y Medioambiente. Río Negro, Argentina.Fil: Garibaldi, Lucas A. Universidad Nacional de Río Negro. Instituto de Investigaciones en Recursos Naturales, Agroecología y Desarrollo Rural. Río Negro, Argentina.Fil: Garibaldi, Lucas A. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones en Recursos Naturales, Agroecología y Desarrollo Rural. Río Negro, Argentina.
- …
