Services on Demand
Journal
Article
Indicators
- Cited by SciELO
- Access statistics
Related links
- Similars in SciELO
Share
Revista mexicana de biodiversidad
On-line version ISSN 2007-8706Print version ISSN 1870-3453
Abstract
CRUZ-CARDENAS, Gustavo; LOPEZ-MATA, Lauro; VILLASENOR, José Luis and ORTIZ, Enrique. Modelado de la distribución potencial de especies y el uso del análisis de componentes principales como variables predictoras. Rev. Mex. Biodiv. [online]. 2014, vol.85, n.1, pp.188-199. ISSN 2007-8706. https://doi.org/10.7550/rmb.36723.
Cuando se modela la distribución potencial de una especie es deseable efectuar algunos análisis previos para reducir errores en el modelo resultante, especialmente los ocasionados por la autocorrelación espacial de los registros de presencia y la correlación entre los predictores ambientales utilizados. En este trabajo se proponen métodos estadísticos que sirven para resolver estos inconvenientes que con frecuencia se presentan al elaborar los modelos de distribución potencial. Se emplearon los registros de presencia de 3 especies características del bosque húmedo de montaña de México y 2 conjuntos de variables originales. A los datos de presencia se les aplicó un análisis de aleatoriedad y de patrones para seleccionar registros no autocorrelacionados. Mediante análisis de componentes principales (PCA), los 2 conjuntos de variables originales se transformaron en 4 conjuntos distintos para generar los modelos de distribución de especies utilizando el algoritmo Maxent. La precisión de los modelos fue mayor al 90% con una prueba binomial y mayor de 0.9 del área bajo la curva (AUC) con la característica operativa del receptor parcial (ROC). Los resultados muestran que la selección de registros por el método de aleatoriedad propuesto y el uso de componentes principales como predictores ambientales generan modelos predictivos más parsimoniosos, con una precisión mayor al 95%, además de que sus variables predictivas no presentan autocorrelación espacial.
Keywords : prueba de aleatoriedad; análisis de patrón; autocorrelación espacial.