Estudios evolutivos en especies de plantas nativas.

Se indagará principalmente acerca del rol de los procesos neutrales, como la deriva génica, de procesos selectivos, como la selección natural mediada por polinizadores y de procesos históricos (geológicos y climáticos del pasado) en la diversificación floral tanto a escala microevolutiva como macroevolutiva. La heterogeneidad ambiental que se presenta en amplios rangos geográficos puede promover la diferenciación entre poblaciones debido a las diferencias en condiciones físicas y biológicas. De esta manera, especies ampliamente distribuidas ofrecen la oportunidad de explorar la dinámica de los procesos evolutivos que tienen lugar a nivel interpoblacional (Dobzhansky 1970, Thompson 1999). El estudio comparativo entre especies hermanas permite comprender cómo la selección natural (adaptación) y la inercia filogenética (herencia ancestral) han modelado los rasgos de las especies que observamos en la actualidad (Díaz 2002, Schluter 2000, Futuyma 2005). Uno de los usos más importantes de la información filogenética es el de reconstruir la historia del cambio evolutivo en caracteres adaptativos mediante su mapeo en la filogenia y la reconstrucción del estado de estos caracteres en el ancestro. Así, la asociación entre transición de caracteres y transiciones en grupos funcionales es una evidencia directa de la hipótesis adaptativa de que los rasgos son seleccionados por grupos funcionales de polinizadores. Una aproximación filogenética puede permitir identificar la dirección y el tiempo de evolución. Todos estos aspectos señalan la necesidad de adoptar una perspectiva conceptualmente integrada (morfológica, genética, filogenética, filogeográfica y ecológica) en el estudio de la biología evolutiva de las flores. Estudiar como actúan los procesos micro- y macroevolutivos en las interacciones planta-polinizador, en una dimensión espacial y temporal, arrojará resultados importantes tanto en el campo teórico como en el de la conservación. Por una parte, permitirá poner a prueba hipótesis relevantes sobre la adaptación de caracteres, mientras que explorará los procesos evolutivos que subyacen a las tramas de las interacciones planta-polinizador; por otro lado, comprender el rol de los cambios climáticos pasados en la diversificación biológica es interesante tanto desde una aproximación evolutiva como desde la biología de la conservación (Avise 2000; Moritz et al. 2000; Petit et al. 2003; Hewitt 2004). Géneros a ser estudiados en este proyecto: 1- Anarthrophyllum (Fabaceae,15 spp), 2- Monttea (Plantaginaceae, 3 spp), 3- Caleolaria (Calceolariaceae 3 spp), 4- Centris (Apidae, 1 spp), 5- Jaborosa (Solanaceae, 23 spp). Metodología: Mapeado de las poblaciones. Elenco de polinizadores, frecuencia. Obtención y medición de caracteres fenotípicos florales. Néctar: concentración y vol. Aceites (peso); Morfometría geométrica (Zelditch et al. 2005). Éxito reproductivo (Dafni & Kevan 2003). Caracteres genéticos: extracción, amplificación y secuenciación: en Calceolaria se utilizarán 2 genes de cloroplasto trnH-psbA y trnS-trnG y genes anónimos nucleares de copia única (scnADN), para Jaborosa se utilizarán 3 genes de cloroplasto (trnH-psbA, TrnD-trnT y ndhF-rp32) y el gen nuclear GBSSI waxy. Finalmente para Centris cineraria se usaría el tRNA ILE y NADH Deshidrogenada subunidad 2. Análisis filogenéticos de parsimonia (Goloboff et al. 2000, Kitching et al. 1998, Nixon 2002, Farris et al. 1996, Sorenson 1999); Filogeografía: reconstrucción de redes por parsimonia (Clement et al. 2000; Posada et al. 2000), análisis de clados anidados (NCPA). Se usarán las claves de inferencia (Templeton 2004). Para todos estos análisis se utilizarán los siguientes programas: DnaSP, Network, Arlequin, MrBayes, Paup, ModelTest, Beast, TNT, WinClada TCS y GeoDis. Estadística multivariada: Los diferentes rasgos florales mencionados se analizarán utilizando distancias de Gower (datos cualitativos) y euclídeas (datos cuantitativos) mediante la técnica multivariada ACoP.

DESARROLLO DE APLICACIONES ESTADÍSTICAS PARA LA AGRICULTURA DE PRECISIÓN. STATISTICAL APPLICATIONS FOR PRECISION AGRICULTURE

A partir de las últimas décadas se ha impulsado el desarrollo y la utilización de los Sistemas de Información Geográficos (SIG) y los Sistemas de Posicionamiento Satelital (GPS) orientados a mejorar la eficiencia productiva de distintos sistemas de cultivos extensivos en términos agronómicos, económicos y ambientales. Estas nuevas tecnologías permiten medir variabilidad espacial de propiedades del sitio como conductividad eléctrica aparente y otros atributos del terreno así como el efecto de las mismas sobre la distribución espacial de los rendimientos. Luego, es posible aplicar el manejo sitio-específico en los lotes para mejorar la eficiencia en el uso de los insumos agroquímicos, la protección del medio ambiente y la sustentabilidad de la vida rural. En la actualidad, existe una oferta amplia de recursos tecnológicos propios de la agricultura de precisión para capturar variación espacial a través de los sitios dentro del terreno. El óptimo uso del gran volumen de datos derivado de maquinarias de agricultura de precisión depende fuertemente de las capacidades para explorar la información relativa a las complejas interacciones que subyacen los resultados productivos. La covariación espacial de las propiedades del sitio y el rendimiento de los cultivos ha sido estudiada a través de modelos geoestadísticos clásicos que se basan en la teoría de variables regionalizadas. Nuevos desarrollos de modelos estadísticos contemporáneos, entre los que se destacan los modelos lineales mixtos, constituyen herramientas prometedoras para el tratamiento de datos correlacionados espacialmente. Más aún, debido a la naturaleza multivariada de las múltiples variables registradas en cada sitio, las técnicas de análisis multivariado podrían aportar valiosa información para la visualización y explotación de datos georreferenciados. La comprensión de las bases agronómicas de las complejas interacciones que se producen a la escala de lotes en producción, es hoy posible con el uso de éstas nuevas tecnologías. Los objetivos del presente proyecto son: (l) desarrollar estrategias metodológicas basadas en la complementación de técnicas de análisis multivariados y geoestadísticas, para la clasificación de sitios intralotes y el estudio de interdependencias entre variables de sitio y rendimiento; (ll) proponer modelos mixtos alternativos, basados en funciones de correlación espacial de los términos de error que permitan explorar patrones de correlación espacial de los rendimientos intralotes y las propiedades del suelo en los sitios delimitados. From the last decades the use and development of Geographical Information Systems (GIS) and Satellite Positioning Systems (GPS) is highly promoted in cropping systems. Such technologies allow measuring spatial variability of site properties including electrical conductivity and others soil features as well as their impact on the spatial variability of yields. Therefore, site-specific management could be applied to improve the efficiency in the use of agrochemicals, the environmental protection, and the sustainability of the rural life. Currently, there is a wide offer of technological resources to capture spatial variation across sites within field. However, the optimum use of data coming from the precision agriculture machineries strongly depends on the capabilities to explore the information about the complex interactions underlying the productive outputs. The covariation between spatial soil properties and yields from georeferenced data has been treated in a graphical manner or with standard geostatistical approaches. New statistical modeling capabilities from the Mixed Linear Model framework are promising to deal with correlated data such those produced by the precision agriculture. Moreover, rescuing the multivariate nature of the multiple data collected at each site, several multivariate statistical approaches could be crucial tools for data analysis with georeferenced data. Understanding the basis of complex interactions at the scale of production field is now within reach the use of these new techniques. Our main objectives are: (1) to develop new statistical strategies, based on the complementarities of geostatistics and multivariate methods, useful to classify sites within field grown with grain crops and analyze the interrelationships of several soil and yield variables, (2) to propose mixed linear models to predict yield according spatial soil variability and to build contour maps to promote a more sustainable agriculture.