THE ROLE OF URBAN VEGETATION IN TEMPERATURE AND HEAT ISLAND EFFECTS IN QUERÉTARO CITY, MEXICO

In order to evaluate the morphostructural variability of the Black Creole goat (BCG), the present study was carried out in a population of 226 animals from eight localities and 14 morphometric variables were taken. Descriptive statistics for the variables were obtained and 10 of these presented variation coefficients of less than 10%. The degree of harmony in the morphology of the population was determined by the number of positive correlations with significant differences (p < 0.05), including a correlation test using Spearman’s method. In order to reduce the matrix of variables, a principal components analysis was performed, and it was evaluated based on Kaiser’s criteria (eigenvalue > 1). Finally, a hierarchical analysis of conglomerates using Ward’s method was performed using the Euclidean distance to evaluate the distances among localities. Morphometric variables were also included to visualize the relationship among the localities and their average per variable. The results showed that the animals evaluated presented a certain degree of homogeneity and maintained a highly harmonic model. The BCG population showed a high aptitude for milk production, which confirmed the zootechnical purpose of the breed. The BCG populations evaluated maintain similar morphostructural profiles specific to them that can distinguish this population from other animal breeds.

Introducción: En Estados Unidos de América, las plagas forestales se asocian a la variabilidad climática. Este tipo de estudios son escasos en México. Objetivos: Generar una base de datos de brotes históricos de descortezadores y analizar su relación con la sequía. Materiales y métodos: Se obtuvieron registros históricos de brotes de descortezadores de documentos oficiales en México, Guatemala, y Honduras. Como proxy del clima se emplearon índices dendroclimáticos. La relación entre los brotes de plagas y el clima se analizó con el programa Superpose Epoch Analysis (SEA). Resultados y discusión: Se generó una base de datos de brotes de descortezadores de 120 años (1895-2015), siendo las especies más frecuentes Dendroctonus mexicanus Hopkins, Dendroctonus frontalis Zimmermann y Dendroctonus adjunctus Blandford. Se documentaron 106 registros de brotes en 15 estados de la México en el periodo 1903-2015; 16 brotes en Guatemala durante el periodo 1895-2013, y 15 brotes en Honduras en el periodo 1962-2015. Históricamente, los brotes se registraron en años con precipitación por debajo de la media (550 mm) e incrementaron a partir de 1970. El SEA determinó que los brotes en México, Guatemala y Honduras se registraron durante años secos (P < 0.05) con valores positivos no significativos (P > 0.05) de NIÑO 3 y PDSI (Palmer Drought Severity Index) e índices negativos significativos (P < 0.01) de NIÑO 3 y PDSI en el año previo al brote, condiciones que implican intensa sequía. Conclusión: Para los últimos 120 años se determinó una relación significativa entre brotes de descortezadores y condiciones de sequía.

Los métodos para la clasificación de uso y cobertura del suelo (UCS) han mostrado avances importantes en los últimos años, como la incorporación de las técnicas de aprendizaje automático (machine learning-ML) que han ganado popularidad y aceptación por sus resultados. Sin embargo, la falta de consensos metodológicos ha provocado una aplicación desordenada de los métodos ML en la clasificación de UCS. Por lo que a través de la revisión bibliográfica practicada se identificaron puntos de la forma en que se están implementando los métodos, así como posibles implicaciones en la clasificación de UCS al darse de esta manera. Para dicha revisión se utilizaron únicamente artículos científicos publicados entre el año 2000 al 2020 y que consideraran alguno de los siguientes algoritmos para la clasificación de UCS: k vecinos más cercanos (K-nearest neighbor-KNN), bosque aleatorio (random forest-RF), máquina de soporte de vectores (support vector machine-SVM), redes neuronales artificiales (artificial neural network-ANN) y árboles de decisión (decision trees-DT). A través de los resultados obtenidos en la revisión bibliográfica, se reafirma el potencial de los algoritmos y se identifican puntos de mejora para la aplicación de ML en la clasificación de UCS, especialmente en la integración de los conjuntos de datos, la parametrización de los algoritmos y la evaluación de los resultados, generando a su vez una selección de buenas prácticas a partir de las recomendaciones de diversos autores las cuales consideramos serán de utilidad para usuarios interesados en estos métodos.

La distribución de plagas forestales en México es incierta, pues existe información escasa sobre áreas potenciales de bosques por ser afectados mediante algún tipo de plaga, o información sobre sus preferencias climáticas y ecológicas. El objetivo del presente estudio consistió en modelar la distribución potencial de insectos barrenadores (B), defoliadores (d), descortezadores (D) y muérdagos (M) mediante variables climáticas y dasométricas a través de MaxEnt (Máxima Entropía). Los registros de plagas forestales se obtuvieron durante el desarrollo del Inventario Nacional Forestal y de Suelos (2009-2014) y fueron proporcionados por la Comisión Nacional Forestal. Los modelos se probaron y validaron con el paquete dismo de R. Los generados mostraron ajustes aceptables (AUC > 0.85). La superficie potencial estimada por modelo, acorde al umbral mínimo de presencia conocida (> 0.1), fue alrededor de 270 (B), 307 (D), 315 (d) y 308 mil km2 (M). La mayor área potencial para los cuatro tipos de plaga se predijo en Chihuahua, Durango y Oaxaca, así como la probabilidad de ocurrencia más alta (> 0.90). Las variables climáticas contribuyeron con el mayor porcentaje para D y d (75.1 y 71.9 %); mientras que, para B y M, las dasométricas (73.6 y 59.8 %). El análisis de parámetros dasométricos indica que los cuatro tipos de plaga tienen preferencia por bosques con árboles de diámetros pequeños y sitios con pocas especies hospederas. Los bosques con mayor susceptibilidad se ubican en Chihuahua (M) y Michoacán, Estado de México, Nuevo León, Jalisco y Chihuahua (D).