Autocorrelated Rates of Change in Animal Populations and their Relationship to Precipitation

Publisher Website
Google Scholar
Abstract
I examined the prevalence of autocorrelation in mammalian, avian, and precipitation time series, how well autocorrelation in the environment translates into autocorrelation in animal populations, and length of the time series needed to accurately characterize the degree of autocorrelation. These are important questions because more‐complex population models are incorporating autocorrelation terms in life‐history characteristics and the intrinsic rate of increase. Including inaccurate or nonsignificant autocorrelation can alter the conclusions reached, providing either an unduly rosy or bleak picture of the likelihood of population viability and persistence. Using autocorrelation analysis in 175 vertebrate and 88 precipitation data sets, I found that 17.8% of the mammalian time series, 61.5% of the avian time series, and 97.7% of the precipitation data sets were autocorrelated. Carnivore populations were more likely than herbivore populations to show significant autocorrelation at lags of 2 or more years. I found only two cases of significant cross correlation between rate of population increase and local precipitation. This indicates that, although some environmental variables may be highly autocorrelated, it does not translate into autocorrelation in the resident animal populations. Based on subsampling of the precipitation and vertebrate data, I found that 15 years of data is sufficient to produce an autocorrelation not significantly different from one based on 100 years of data, although the variance continues to decrease with the length of the time series, as expected. My results suggest that, although some populations show temporal autocorrelation, it is not ubiquitous, and that environmental autocorrelation may not be a good predictor of autocorrelation in rates of increase. Population modelers should determine if autocorrelation exists in populations of interest prior to modeling their viability or probability of persistence because not all populations are equally influenced by autocorrelation. Tasas de Cambio en Poblaciones de Animales Autocorrelacionadas y sus Relaciones con la Precipitación. Se examinó el predominio de la autocorrelación en series de tiempo de mamíferos, aves y precipitación; que tanto la autocorrelación ambiental se traduce en autocorrelación en poblaciones de animales, así como la longitud de las series de tiempo necesaria para caraterizar con precisión el grado de autocorrelación. Estas son preguntas importantes puesto que los modelos poblacionales mas complejos incorporan la autocorrelación en las características de la historia de vida y la tasa intrínseca de incremento. Aún la inexactitud o autocorrelatción no significativa puede alterar las conclusiones obtenidas, proveyendo indebidamente una idea prometedora o poco promotedora de la probabilidad de viabilidad y persistencia de una población. Mediante el uso del análisis de autocorrelación en 175 juegos de datos de vertebrados y 88 de precipitación, encontré que un 17.8% de las series de tiempo de mamíferos, 61.5% de las series de tiempo de aves y un 97.8% de los datos de precipitación se encontraban autocorrelacionados. Las poblaciones de carnívoros fueron las mas viables a mostrar autocorrelación en lapsos de 2 o mas años que las poblaciones de herbívoros. Encontré solo dos casos de correlación cruzada significativa entre la tasa de incremento poblacional y la precipitación local. Esto indica que aunque algunas variables ambientales pueden estar altamente autocorrelacionadas, no se traduce en una autocorrelación en las poblaciones de animales residentes. Basado en un submuestreo de la precipitación y datos de vertebrados, encontre que 15 años de datos es suficiente para producir una autocorrelación que no es significativamente diferente de aquella basada en 100 años de datos, aunque la varianza continua disminuyendo con la longitud de las series de tiempo a como es de esperarse. Mis resultados sugieren que aunque algunas poblaciones muestran autocorrelación temporal, esta no es evidente y la autocorrelación ambiental podría no ser un buen predictor de autocorrelación de tasas de incremento. Los modeladores de poblaciones deberán determinar si la autocorrelación existe en poblaciones de interés antes de modelar su viabilidad o la probabilidad de persistencia puesto que no todas las poblaciones son afectadas por la autocorrelación de la misma manera.