CRITERIOS CONFIABLES MAXENT - (PARTE 1)
PARA LA CONSTRUCCIÓN DEL
MODELO
DE
MÁXIMA ENTROPÍA -
Manuel Correia – FUNDATUN (23 de octubre de 2018)
En anteriores boletines de COFA, se ha mencionado que los Modelos de Distribución de Especies (MDE) se están convirtiendo en una herramienta cada vez más importante en la gestión y conservación pesquera actual, así como en la planificación futura. Los MDE son programas matemáticos o estadísticos que permiten representar una información sobre el diagnóstico actual y predictivo, que sintetiza las relaciones entre especies y variables ambientales que serían difíciles de interpretar o incluso de apreciar por otros medios (Mateo y col., 2011).
especies, y esto no permitiría obtener una imagen fiel de las condiciones sobre las que pueden vivir las especies cuestionadas (Deputié y col., 2014). Las consecuencias de la falta de calidad de los datos primarios pueden afectar las interpretaciones sobre lo que realmente muestran las representaciones gráficas o estadísticas, destinados a no conocer la influencia del cambio climático sobre las distribución adecuada de las especies.
Dentro de los criterios para la construcción de un MDE, las variables predictoras ambientales seleccionadas En términos generales, los MDE indican la idoneidad del deben pasar primero por una revisión y prueba para hábitat (Nicho) para el desarrollo de poblaciones de una evaluar posibles correlaciones entre ellas. Todo esto, especie concreta o de una comunidad, calculada a partir antes de validar la calidad de los datos de localización de de observaciones de campo y una serie de variables una especie determinada. ambientales que actúan como predictores. El modelado Los MDE basados únicamente en presencias (BIOCLIM, basado en correlaciones gana cada día más espacio y peso DOMAIN, GARP y MAXENT, entre otros) representan en la literatura, tanto por su facilidad operativa como a la generalmente la distribución espacial del nicho ecológico no dependencia de datos fisiológicos, demográficos o fundamental de la especie, definido por todas las ecológicos que permitan realizar predicciones basadas en condiciones ambientales permiten la existencia de la resultados empíricos (Lobo, 2015). especie.
¿QUÉ TAN CONFIABLES SON LOS DIFERENTES Los modelos basados en presencia-ausencia (GLM y MODELOS DE DISTRIBUCIÓN DE ESPECIES? GAM) indican de modo más aproximado la distribución Muchos modelos, muchos nombres, muchos algoritmos del nicho ecológico realizado, definido por la porción del tienden a crear dudas en sectores escépticos de la nicho fundamental donde la especie no es limitada por administración pesquera que desconocen probablemente factores bióticos; es decir, por condiciones ajenas al los enfoques y objetivos de los modelos de predicción. ambiente como la competencia, la depredación, Todos los modelos son representaciones simplificadas de enfermedades y/o barreras naturales, entre otros. la realidad, pero con un propósito determinado. Si se Para tomar una decisión en cuál algoritmo usar, primero examina la distribución de la mayoría de las especies, se hay que saber el tipo de datos se tienen, luego se debe puede observar varios detalles que suelen ser comunes en conocer el funcionamiento del modelo seleccionado muchas representaciones gráficas de sus distribuciones. (Tabla 1). Por ejemplo, la densidad de puntos con los que se suelen reflejar las localidades, en donde se ha observado una especie, es desigual. Tabla 1. Clasificación de los métodos para modelar la distribución de las Evidentemente, la densidad de esos puntos especies. TIPO DE DATOS DE no necesariamente refleja la frecuencia de ALGORITMO ONTOGENIA ENTRADA aparición de dicha especie, sino que Bioclim, Aquamaps, Envelope Envolturas ambientales Sólo Presencia probablemente sigue criterios de Score, SVM, Surface range oportunidad relacionados con el esfuerzo de Euclidiana, Mahalanobis, Distancias ambientales Sólo Presencia recolecta diferencial realizado en distintas Manhattan, Chebishev Regresiones Logit, GLM, GAM, regiones por distintos investigadores. Esto Regresiones y clasificaciones Presencia/Ausencia MARS, CART puede inducir el criterio que los datos Redes Neuronales (ANN), BRT, disponibles sobre la distribución geográfica Inteligencia Artificial Presencia/Ausencia Algoritmos genéticos, SVM de la mayoría de los organismos están Presencia/PseudoGARP Algoritmos Genéticos sesgados. Que cuando se consideran ausencia conjuntamente, los mapas obtenidos ENFA, Climate Space Model (PCA), Estadística multivariada: Presencia/Entorno Multiple Discriminant Analysis Estructura de varianzas pudieran reflejar básicamente, el esfuerzo de MAXENT Máxima Entropía Presencia/Entorno recolecta y no la distribución de la riqueza de 13
