Evaluación de la perturbación ecosistémica e interacciones vegetales en zonas no tradicionales de cultivo de quinua (chenopodium quinoa) mediante índices de diversidad y modelos de aprendizaje automático: cantón de orinoca, oruro

Resumen

El estudio, desarrollado en el Cantón de Orinoca (municipio Santiago de Andamarca), en 2023 - 2024, evaluó las interacciones competitivas de comunidades vegetales en zonas no tradicionales de cultivo de quinua. La distribución, composición y diversidad presentan perturbaciones y estrés, producto de actividad agrícola, siendo diferente la similitud florística y afectando las interacciones competitivas (distribución NO Normal), generando procesos de degradación. Los transectos T3=Orinoca-Calavillca, T2=Orinoca-Rosapata y T1=Orinoca-Mara Mara, muestran perturbación - estrés (fenómenos naturales - edáfico). Este fenómeno suscitado, es por la actividad agrícola, como consecuencia directa, reducción del tamaño poblacional de especies en simpatría (en una misma área), siendo especies no dominantes; en comparación a especies alopátricas (diferentes áreas y que no se solapan), siendo especies competidoras dominantes. Los cambios de nicho y la depresión de los respectivos tamaños poblacionales es además función de la eficiencia competitiva de cada especie, lo que refleja que Stipa ichu (T1=Orinoca-Mara Mara), Tetraglochin cristatum (T1=Orinoca-Mara Mara y T2=Orinoca-Rosapata), y Parastrephia lepidhopilia (T2=Orinoca-Rosapata) tienen estas características. Por tanto, la actividad agrícola es un factor importante para el comportamiento y modificación de las interacciones competitivas de comunidades vegetales. El uso de transectos variables Foster, 2005, índices de diversidad y análisis de distribución normal, ayuda a entender el comportamiento de comunidades vegetales, como base para proponer proyectos de manejo y conservación de suelos y praderas nativas, en zonas de actividad agrícola. Se aplicó un enfoque de modelos de aprendizaje automático (Machine Learning) mediante la metodología OSEMN, empleando Análisis Discriminante Lineal (LDA) para modelar la perturbación ecosistémica y generar escenarios de comparación con sitio no muestreados.