Predicciones

Modelos predictivos de distribución de hábitat en la ecología
Antoine Guisan una ,, ,Niklaus E. Zimmermann 1 , b ,
el Centro Suizo de Cartografía de Fauna (CSCF), Terreaux 14, CH-2000 Neuchâtel, Suiza
b Swiss Federal Research Institute WSL, Zuercherstr. 111, 8903 Birmensdorf, Suiza

Abstracto
Con el surgimiento de nuevas y poderosas técnicas estadísticas y SIG herramientas, el desarrollode modelos predictivos de distribución de hábitat se ha incrementado rápidamente en la ecología. Estos modelos son estáticos y probabilístico en la naturaleza, ya que estadísticamente se refieren a la distribución geográfica de las especies o comunidades de su entorno actual. Una amplia gama de modelos ha sido desarrollada para cubrir aspectos tan diversos como la biogeografía, la biología de laconservación, la investigación del cambio climático y el hábitat o la gestión de las especies. En este artículo se presenta una revisión de los modelos predictivos de distribución de hábitat. La variedad de técnicas estadísticas utilizadas va en aumento. Regresión múltiple Ordinaria y su forma generalizado (GLM) son muy populares y se utilizan a menudo para la distribución de las especies demodelado. Otros métodos incluyen redes neuronales, los métodos de ordenación y clasificación, modelos bayesianos, enfoques localmente ponderadas (por ejemplo, GAM), sobres ambientales o incluso combinaciones de estos modelos. La selección de un método apropiado no debería depender únicamente de consideraciones estadísticas.Algunos modelos son más adecuados para reflejar las conclusiones teóricas sobre laforma y la naturaleza de la respuesta de la especie (o nicho realizado). Consideraciones conceptuales incluyen, por ejemplo, el equilibrio entre la optimización de la precisión frente a la optimización de la generalidad. En el campo de la modelización de la distribución estática, este último se relaciona principalmente con la selección de variables de predicción adecuados y diseñar unprocedimiento adecuado para la selección del modelo.Nuevos métodos, incluidas las medidas de umbral independientes (por ejemplo, características de funcionamiento del receptor (ROC)-parcelas) y técnicas de remuestreo bootstrap (por ejemplo, la validación cruzada) se han introducido en la ecología para comprobar la precisión de los modelos predictivos. La elección de una medida de evaluación debe serimpulsado principalmente por los objetivos del estudio. Esto puede conducir posiblemente a la atribución de diferentes pesos a los distintos tipos de errores de predicción (por ejemplo, omisión, comisión o confusión). Prueba de la modelo en una gama más amplia de situaciones (en el espacio y el tiempo) se permita definir la gama de aplicaciones para las que las predicciones del modelo son adecuados. A suvez, la calificación del modelo depende principalmente de los objetivos del estudio que definen los criterios de calificación y en la facilidad de uso del modelo, en lugar de en estadísticas por sí solas.
Palabras clave
Biogeografía ;
Ecología de las plantas ;
Modelos de vegetación ;
Modelos de especies ;
Formulación de modelos ;
La calibración del modelo ;
Las predicciones del modelo ;Modelo de evaluación ;
Credibilidad del modelo ;
Aplicación del modelo ;
GIS ;
Estadística
Abreviaturas
CART, árboles de clasificación y regresión ;
CC, el cambio climático ;
CCA, análisis de correspondencia canónica ;
DEM, modelo digital de elevación ;
ENFA, análisis factorial nicho ecológico ;
GAM, el modelo aditivo generalizado ;
GLM, modelo lineal generalizado ;
LS, mínimoscuadrados ;
PCA, análisis de componentes principales ;
RDA, análisis de redundancia

1. Introducción
El análisis de la relación de las especies y el medio ambiente siempre ha sido un tema central en la ecología.La importancia del clima para explicar la distribución de animales y plantas se reconoció desde el principio (Humboldt y Bonpland, 1807  y  de Candolle, 1855 ). Clima en combinación con...