El modelado de distribución de especies (SDM) , también conocido como modelado de nicho ambiental (o ecológico) (ENM) , modelado de hábitat , modelado predictivo de distribución de hábitat y mapeo de rango [1] utiliza modelos ecológicos para predecir la distribución de una especie a través del espacio geográfico y el tiempo utilizando datos ambientales. Los datos ambientales son más a menudo datos climáticos (por ejemplo, temperatura, precipitación), pero pueden incluir otras variables como el tipo de suelo, la profundidad del agua y la cobertura terrestre. Los SDM se utilizan en varias áreas de investigación en biología de la conservación , ecología y evolución . Estos modelos se pueden utilizar para comprender cómo las condiciones ambientales influyen en la aparición o abundancia de una especie, y con fines predictivos ( previsión ecológica ). Las predicciones de un SDM pueden ser de la distribución futura de una especie bajo el cambio climático, la distribución pasada de una especie para evaluar las relaciones evolutivas o la posible distribución futura de una especie invasora. Las predicciones de la idoneidad actual y/o futura del hábitat pueden ser útiles para aplicaciones de gestión (por ejemplo, reintroducción o translocación de especies vulnerables, ubicación de reservas en previsión del cambio climático).
Existen dos tipos principales de modelos de selección de recursos. Los modelos de selección de recursos correlativos , también conocidos como modelos de envolvente climática , modelos bioclimáticos o modelos de función de selección de recursos , modelan la distribución observada de una especie en función de las condiciones ambientales. [1] Los modelos de selección de recursos mecanicistas , también conocidos como modelos basados en procesos o modelos biofísicos , utilizan información derivada independientemente sobre la fisiología de una especie para desarrollar un modelo de las condiciones ambientales en las que la especie puede existir. [2]
La medida en que dichos datos modelados reflejen distribuciones de especies del mundo real dependerá de una serie de factores, entre ellos la naturaleza, la complejidad y la precisión de los modelos utilizados y la calidad de las capas de datos ambientales disponibles; la disponibilidad de datos de distribución de especies suficientes y confiables como entrada del modelo; y la influencia de varios factores como barreras a la dispersión , historia geológica o interacciones bióticas , que aumentan la diferencia entre el nicho realizado y el nicho fundamental. El modelado de nichos ambientales puede considerarse una parte de la disciplina de la informática de la biodiversidad .
AFW Schimper utilizó factores geográficos y ambientales para explicar las distribuciones de las plantas en su Pflanzengeographie auf physiologischer Grundlage ( Geografía de las plantas sobre una base fisiológica ) de 1898 y su obra de 1908 del mismo nombre. [3] Andrew Murray utilizó el medio ambiente para explicar la distribución de los mamíferos en su obra de 1866 La distribución geográfica de los mamíferos . [4] El trabajo de Robert Whittaker con plantas y el trabajo de Robert MacArthur con aves establecieron firmemente el papel que desempeña el medio ambiente en las distribuciones de las especies. [1] Elgene O. Box construyó modelos de envoltura ambiental para predecir el rango de especies de árboles. [5] Sus simulaciones por computadora estuvieron entre los primeros usos del modelado de distribución de especies. [1]
La adopción de modelos lineales generalizados (GLM) más sofisticados permitió crear modelos de distribución de especies más sofisticados y realistas. La expansión de la teledetección y el desarrollo de modelos ambientales basados en SIG aumentaron la cantidad de información ambiental disponible para la construcción de modelos y facilitaron su uso. [1]
Los modelos de distribución de especies (SDM) se originaron como modelos correlativos. Los SDM correlativos modelan la distribución observada de una especie como una función de variables predictoras climáticas geográficamente referenciadas utilizando enfoques de regresión múltiple. Dado un conjunto de presencias observadas geográficamente referidas de una especie y un conjunto de mapas climáticos, un modelo define los rangos ambientales más probables dentro de los cuales vive una especie. Los SDM correlativos suponen que las especies están en equilibrio con su entorno y que las variables ambientales relevantes han sido muestreadas adecuadamente. Los modelos permiten la interpolación entre un número limitado de ocurrencias de especies.
Para que estos modelos sean efectivos, es necesario recopilar observaciones no solo de la presencia de especies, sino también de sus ausencias, es decir, dónde no viven las especies. Los registros de ausencias de especies no suelen ser tan comunes como los registros de presencias, por lo que a menudo se utilizan datos de "antecedentes aleatorios" o "pseudoausencias" para ajustar estos modelos. Si hay registros incompletos de ocurrencias de especies, las pseudoausencias pueden introducir sesgos. Dado que los modelos de distribución de especies correlativos son modelos de la distribución observada de una especie, son modelos del nicho realizado (los entornos donde se encuentra una especie ), a diferencia del nicho fundamental (los entornos donde se puede encontrar una especie o donde el entorno abiótico es apropiado para la supervivencia). Para una especie dada, los nichos realizado y fundamental pueden ser los mismos, pero si una especie está confinada geográficamente debido a limitaciones de dispersión o interacciones de especies, el nicho realizado será más pequeño que el nicho fundamental .
Los modelos de distribución de especies correlativos son más fáciles y rápidos de implementar que los modelos de distribución de especies mecanicistas, y permiten utilizar con facilidad los datos disponibles. Sin embargo, dado que son correlativos, no brindan mucha información sobre los mecanismos causales y no son buenos para la extrapolación. También serán inexactos si el rango de distribución de las especies observadas no está en equilibrio (por ejemplo, si una especie se ha introducido recientemente y está expandiendo activamente su rango).
Los modelos de distribución de especies mecanicistas son modelos desarrollados más recientemente. A diferencia de los modelos correlativos, los modelos de distribución de especies mecanicistas utilizan información fisiológica sobre una especie (tomada de estudios controlados de campo o de laboratorio) para determinar el rango de condiciones ambientales dentro de las cuales la especie puede persistir. [2] Estos modelos apuntan a caracterizar directamente el nicho fundamental y proyectarlo sobre el paisaje. Un modelo simple puede simplemente identificar valores umbral fuera de los cuales una especie no puede sobrevivir. Un modelo más complejo puede constar de varios submodelos, por ejemplo, condiciones microclimáticas dadas condiciones macroclimáticas, temperatura corporal dadas condiciones microclimáticas, aptitud u otras tasas biológicas (por ejemplo, supervivencia, fecundidad) dada la temperatura corporal (curvas de rendimiento térmico), requisitos de recursos o energía y dinámica de la población . Los datos ambientales referenciados geográficamente se utilizan como entradas del modelo. Debido a que las predicciones de distribución de especies son independientes del rango conocido de la especie, estos modelos son especialmente útiles para especies cuyo rango está cambiando activamente y no está en equilibrio, como las especies invasoras.
Los modelos de modelo estadístico mecanicistas incorporan mecanismos causales y son mejores para la extrapolación y las situaciones de no equilibrio. Sin embargo, su creación requiere más trabajo que los modelos correlacionales y la recopilación y validación de una gran cantidad de datos fisiológicos, que pueden no estar fácilmente disponibles. Los modelos requieren muchos supuestos y estimaciones de parámetros, y pueden llegar a ser muy complicados.
La dispersión, las interacciones bióticas y los procesos evolutivos presentan desafíos, ya que generalmente no se incorporan a modelos correlativos o mecanicistas.
Los modelos correlacionales y mecanicistas se pueden utilizar en combinación para obtener información adicional. Por ejemplo, un modelo mecanicista podría utilizarse para identificar áreas que están claramente fuera del nicho fundamental de la especie, y estas áreas pueden marcarse como ausencias o excluirse del análisis. Véase [6] para una comparación entre los modelos mecanicistas y correlativos.
Existen diversos métodos matemáticos que se pueden utilizar para ajustar, seleccionar y evaluar modelos de diseño de modelos correlativos. Los modelos incluyen métodos de "perfil", que son técnicas estadísticas simples que utilizan, por ejemplo, la distancia ambiental a sitios conocidos de ocurrencia, como BIOCLIM [7] [8] y DOMAIN; métodos de "regresión" (por ejemplo, formas de modelos lineales generalizados); y métodos de " aprendizaje automático " como la entropía máxima (MAXENT). Se pueden ver diez técnicas de aprendizaje automático utilizadas en modelos de diseño de modelos en [9] . Una lista incompleta de modelos que se han utilizado para el modelado de nichos incluye:
Además, los modelos de conjunto se pueden crear a partir de varios resultados de modelos para crear un modelo que capture los componentes de cada uno. A menudo, el valor medio o mediano de varios modelos se utiliza como conjunto. De manera similar, los modelos de consenso son modelos que se acercan más a alguna medida de tendencia central de todos los modelos; los modelos de consenso pueden ser ejecuciones de modelos individuales o conjuntos de varios modelos.
SPACES es una plataforma de modelado de nichos ambientales en línea que permite a los usuarios diseñar y ejecutar docenas de los métodos más destacados en un entorno multiplataforma, basado en navegador y de alto rendimiento.
MaxEnt es el método/software más utilizado, utiliza solo datos de presencia y funciona bien cuando hay pocos registros de presencia disponibles.
ModEco implementa varios métodos.
DIVA-GIS tiene una implementación de BIOCLIM fácil de usar (y buena para uso educativo)
El Laboratorio Virtual de Biodiversidad y Cambio Climático (BCCVL) es una "ventanilla única de modelado" que simplifica el proceso de modelado del impacto climático y de la biodiversidad. Conecta a la comunidad de investigación con la infraestructura computacional nacional de Australia mediante la integración de un conjunto de herramientas en un entorno en línea coherente. Los usuarios pueden acceder a conjuntos de datos climáticos y ambientales globales o cargar sus propios datos, realizar análisis de datos en seis tipos de experimentos diferentes con un conjunto de 17 métodos diferentes y visualizar, interpretar y evaluar fácilmente los resultados de los modelos. Los tipos de experimentos incluyen: modelo de distribución de especies, modelo de distribución de especies múltiples, modelo de rasgos de especies (actualmente en desarrollo), proyección del cambio climático, análisis de la biodiversidad y análisis de conjuntos. Se pueden encontrar ejemplos de los resultados del SDM del BCCVL aquí
Otro ejemplo es Ecocrop, que se utiliza para determinar la idoneidad de un cultivo para un entorno específico. [11] Este sistema de base de datos también puede proyectar los rendimientos de los cultivos y evaluar el impacto de factores ambientales como el cambio climático en el crecimiento y la idoneidad de las plantas. [12]
La mayoría de los métodos de modelado de nichos están disponibles en los paquetes R 'dismo', 'biomod2' y 'mopa'.
Es posible que los desarrolladores de software quieran desarrollar el proyecto openModeller.
El Colaboratorio para la Adaptación al Cambio Climático adapt.nd.edu Archivado el 6 de agosto de 2012 en Wayback Machine ha implementado una versión en línea de openModeller que permite a los usuarios diseñar y ejecutar openModeller en un entorno de alto rendimiento basado en navegador para permitir múltiples experimentos paralelos sin las limitaciones de la potencia del procesador local.
{{citation}}: CS1 maint: multiple names: authors list (link) CS1 maint: numeric names: authors list (link)