• Qué es MAREA?
• Cómo funciona?
• Qué hace / no hace?
• Demostración
• Ejemplos

• Aplicación web (Beta): MAREA
• Desarrollada en R, con shiny
  • Permite mezclar R, html, JavaScript y css
• Libre acceso
• Se puede ejecutar localmente
• Usa paquete de R MPAtools

• Se puede instalar en R con devtools::install_github("turfeffect/MPAtools")
• Contiene todas las funciones necesarias para analizar sin MAREA

natividad <- read.csv("Datos/peces_natividad.csv") %>% 
  filter(Ano < 2011) %>% 
  MPAtools::shannon(location = "Isla Natividad") %>% 
  MPAtools::turfeffect(reserve = "La Plana / Las Cuevas",
                       control = c("La Dulce", "Babencho"),
                       type = "bio",
                       year.imp = 2006)

summary(natividad$model)

## 
## Call:
## lm(formula = Indicador ~ Ano + Zona + Post * Zona + Visibilidad + 
##     Profundidad, data = data)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -1.52715 -0.27148  0.04669  0.36495  1.02932 
## 
## Coefficients: (2 not defined because of singularities)
##                    Estimate Std. Error t value Pr(>|t|)    
## (Intercept)        2.078351   0.142972  14.537  < 2e-16 ***
## Ano2007            0.098062   0.128768   0.762    0.447    
## Ano2008            0.060402   0.131138   0.461    0.645    
## Ano2009            0.137627   0.124982   1.101    0.272    
## Ano2010            0.133012   0.123124   1.080    0.281    
## ZonaReserva        0.176596   0.138438   1.276    0.203    
## Post1                    NA         NA      NA       NA    
## Visibilidad              NA         NA      NA       NA    
## Profundidad       -0.041606   0.008299  -5.013 9.61e-07 ***
## ZonaReserva:Post1 -0.158738   0.153193  -1.036    0.301    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.4933 on 275 degrees of freedom
## Multiple R-squared:  0.1078, Adjusted R-squared:  0.0851 
## F-statistic: 4.747 on 7 and 275 DF,  p-value: 4.712e-05

MPAtools::mpa_plot4(model = natividad$model,
                    y.lab = "Diversidad de Shannon")

• Al indicar objetivos, sugiere indicadores
• Calcula todos los indicadores a partir de datos crudos
  • Identifica algunos errores en datos
  • Incluye historia de vida de algunas especies
• Permite evaluar hasta 8 sp objetivo
• Corre hasta 47 modelos simultáneamente (~ 4 segundos total)
• Genera tabla de puntajes
• Genera reporte técnico
• Almacena información del usuario

• No provee recomendaciones de manejo
• No limpia datos
• No calcula otros indicadores (pero ya sabemos cómo evaluarlos, y hay paquete de R)
• No reemplaza sentido común ni otros análisis
• No es la única forma de evaluar reservas
• No es la solución absoluta

• AMPs sí, pero la interpretación de los coeficientes es diferente
• Para otros indicadores se puede usar el paquete MPAtools

LINK A MAREA

• Descarguen datos en la carpeta de dropbox o de MAREA (turfeffect.shinyapps.io)

• Datos "inventados"
• Selecciones sus objetivos
• Jueguen con MAREA
• Intenten cometer errores y ver qué pasó

• Mejor identificación de errores en datos
• Generar mapas
• Opción a incluir otros indicadores