DOI:

https://doi.org/10.14483/2256201X.19392

Publicado:

01-01-2023

Número:

Vol. 26 Núm. 1 (2023): Enero-junio

Sección:

Artículos de investigación científica y tecnológica

Aplicación de diferentes tipos de datos en el modelado de la distribución de especies arbóreas en México

Application of Different Types of Data in the Distribution Modeling of Tree Species in Mexico

Autores/as

  • Erick Gutiérrez Posgrado en Ciencias Biológicas, Universidad Nacional Autónoma de México. CDMS, México https://orcid.org/0000-0002-7431-2934
  • Irma Trejo Instituto de Geografía, Universidad Nacional Autónoma de México. CDMX, México

Palabras clave:

Altitud, clima, encinos, pinos, precipitación, temperatura (es).

Palabras clave:

Altitude, climate, oaks, pines, precipitation, temperature (en).

Descargas

Resumen (es)

El objetivo de este estudio fue aplicar diferentes tipos de datos biológicos y climáticos en el modelado de la distribución de cinco especies arbóreas en México (Pinus ayacahuite, Pinus montezumae, Pinus oocarpa, Quercus calophylla y Quercus uxoris). Para el modelado se utilizaron dos tipos de capas climáticas (tipos de clima y variables bioclimáticas) y tres tipos de datos biológicos de colecta (datos de solo presencia, datos de abundancia, y datos de presencia/ausencia). Los resultados muestran que no hay un tipo de datos biológicos y climáticos que se ajuste a todas las especies. Este trabajo evidencia que el uso de un solo tipo de datos puede derivar en subestimación o sobrestimación en las áreas potenciales de distribución.

Resumen (en)

The objective of this study was to apply different types of biological and climatic data in the distribution modeling of tree species in Mexico (Pinus ayacahuite, Pinus montezumae, Pinus oocarpa, Quercus calophylla, and Quercus uxoris). Two types of climate layers (climate types and bioclimatic variables) and three types of biological collection data (presence only data, abundance data, and presence/absence data) were used for modeling. The results show that there is no one type of biological and climatic data that fits all species. This study evidences that the use of a single type of data may result in underestimation or overestimation in potential distribution areas.

Referencias

Allouche, O., Tsoar, A. & Kadmon, R. (2006). Assessing the accuracy of species distribution models: Prevalence, kappa and the true skill statistic (TSS). Journal of Applied Ecology, 43(6), 1223-1232. https://doi.org/10.1111/j.1365-2664.2006.01214.x DOI: https://doi.org/10.1111/j.1365-2664.2006.01214.x

Anderson, R., & Gonzalez, I. (2011). Species-specific tuning increases robustness to sampling bias in models of species distributions: An implementation with Maxent. Ecological Modelling, 222(15), 2796-2811. https://doi.org/10.1016/j.ecolmodel.2011.04.011 DOI: https://doi.org/10.1016/j.ecolmodel.2011.04.011

Araújo, M., & Peterson, A. (2012). Uses and misuses of bioclimatic envelope modeling. Ecology, 93(7), 1527-1539. https://doi.org/10.1890/11-1930.1 DOI: https://doi.org/10.1890/11-1930.1

Araújo, M., Thuiller, W., Williams, P., & Reginster, I. (2005). Downscaling European species atlas distributions to a finer resolution: Implications for conservation planning. Global Ecology and Biogeography, 14(1), 17-30. https://doi.org/10.1111/j.1466-822X.2004.00128.x DOI: https://doi.org/10.1111/j.1466-822X.2004.00128.x

Ashcroft, M., French, K., & Chisholm, L. (2012). A simple post-hoc method to add spatial context to predictive species distribution models. Ecological Modelling, 228, 17-26. https://doi.org/10.1016/j.ecolmodel.2011.12.020 DOI: https://doi.org/10.1016/j.ecolmodel.2011.12.020

Austin, M. (2007). Species distribution models and ecological theory: A critical assessment and some possible new approaches. Ecological Modelling, 200(1-2), 1-19. https://doi.org/10.1016/j.ecolmodel.2006.07.005 DOI: https://doi.org/10.1016/j.ecolmodel.2006.07.005

Barve, N., Barve, V., Jiménez-Valverde, A., Lira-Noriega, A., Maher, S., Peterson, A., Soberón, J., & Villalobos, F. (2011). The crucial role of the accessible area in ecological niche modeling and species distribution modeling. Ecological Modelling, 222(11), 1810-1819. https://doi.org/10.1016/j.ecolmodel.2011.02.011 DOI: https://doi.org/10.1016/j.ecolmodel.2011.02.011

Bewley, J., & Krochko, J. (1982). Desiccation-tolerance. En O. Lange, S. Nobel, C. Osmond & H. Ziegler (Eds.), Physiological Plant Ecology II (pp. 325-378). Springer. https://doi.org/10.1007/978-3-642-68150-9_11 DOI: https://doi.org/10.1007/978-3-642-68150-9_11

Bonte, D., van Dyck, H., Bullock, J., Coulon, A., Delgado, M., Gibbs, M., Lehouck, V., Matthysen, E., Mustin, K., Saastamoinen, M., Schtickzelle, N., Stevens, V., Vandewoestijne, S., Baguette, M., Barton, K., Benton, T., Chaput-Bardy, A., Clobert, J., Dytham, C., … & Travis, J. (2012). Costs of dispersal. Biological Reviews, 87(2), 290-312. https://doi.org/10.1111/j.1469-185X.2011.00201.x DOI: https://doi.org/10.1111/j.1469-185X.2011.00201.x

Boria, R., Olson, L., Goodman, S., & Anderson, R. (2014). Spatial filtering to reduce sampling bias can improve the performance of ecological niche models. Ecological Modelling, 275, 73-77. https://doi.org/10.1016/j.ecolmodel.2013.12.012 DOI: https://doi.org/10.1016/j.ecolmodel.2013.12.012

Buckland, S., & Elston, D. (1993). Empirical models for the spatial distribution of wildlife. Journal of Applied Ecology, 478-495. https://doi.org/10.2307/2404188 DOI: https://doi.org/10.2307/2404188

Comisión Nacional para el Conocimiento y Uso de la Biodiversidad (CONABIO) (2022). Sistema Nacional de Información sobre Biodiversidad. https://www.snib.mx/ejemplares/descarga/

Dirección General de Repositorios Universitarios. (2022). Portal de Datos Abiertos UNAM. https://datosabiertos.unam.mx/biodiversidad/

Elith, J., Phillips, S., Hastie, T., Dudík, M., Chee, Y., & Yates, C. (2011). A statistical explanation of MaxEnt for ecologists. Diversity and distributions, 17(1), 43-57. https://doi.org/10.1111/j.1472-4642.2010.00725.x DOI: https://doi.org/10.1111/j.1472-4642.2010.00725.x

Feng, X., Park, D., Walker, C., Peterson, A., Merow, C., & Papeş, M. (2019). A checklist for maximizing reproducibility of ecological niche models. Nature Ecology & Evolution, 3(10), 1382-1395. https://doi.org/10.1038/s41559-019-0972-5 DOI: https://doi.org/10.1038/s41559-019-0972-5

Fernández-Eguiarte, A., Zavala-Hidalgo, J., & Romero-Centeno, R. (2012). Atlas climático digital de México (versión 2.0). Centro de Ciencias de la Atmósfera, Universidad Nacional Autónoma de México y Servicio Meteorológico Nacional, Comisión Nacional del Agua.

Fielding, A., & Bell, J. (1997). A review of methods for the assessment of prediction errors in conservation presence/absence models. Environmental Conservation, 24(1), 38-49. https://doi.org/10.1017/S0376892997000088 DOI: https://doi.org/10.1017/S0376892997000088

Forbes, A. (1995). Classification-algorithm evaluation: Five performance measures based on confusion matrices. Journal of Clinical Monitoring, 11(3), 189-206. https://doi.org/10.1007/BF01617722 DOI: https://doi.org/10.1007/BF01617722

García-Mendoza, A., & Meave, J. (2012). Diversidad florística de O-axaca: de musgos a angiospermas (colecciones y lista de especies). Instituto de Biología Universidad Nacional Autónoma de México.

García, E. (2004). Modificaciones al sistema de clasificación climática de Köpen. UNAM.

Global Biodiversity Information Facility (GBIF) (2022). Datos de ocurrencias de las especies. https://www.gbif.org/occurrence/search?occurrence_status=present&q=

Hao, T., Elith, J., Lahoz‐Monfort, J., & Guillera‐Arroita, G. (2020). Testing whether ensemble modelling is advantageous for maximising predictive performance of species distribution models. Ecography, 43(4), 549-558. https://doi.org/10.1111/ecog.04890 DOI: https://doi.org/10.1111/ecog.04890

Hernndez, P., Graham, C., Master, L., & Albert, D. (2006). The effect of sample size and species characteristics on performance of different species distribution modeling methods. Ecography, 29(5), 773-785. https://doi.org/10.1111/j.0906-7590.2006.04700.x DOI: https://doi.org/10.1111/j.0906-7590.2006.04700.x

Instituto Nacional de Estadística y Geografía (2013). Conjunto de datos de Perfiles de suelos. Escala 1:250 000. Serie II (Continuo Nacional). https://www.inegi.org.mx/app/biblioteca/ficha.html?upc=702825266707

Inventario Nacional Forestal y de Suelos (INFyS) (2022). Datos del inventario. https://snmf.cnf.gob.mx/datos-del-inventario/

Lee‐Yaw, J., McCune, J., Pironon, S., & Sheth, S. (2022). Species distribution models rarely predict the biology of real populations. Ecography, 2022(6), e05877. https://doi.org/10.1111/ecog.05877 DOI: https://doi.org/10.1111/ecog.05877

Liu, C., Berry, P., Dawson, T., & Pearson, R. (2005). Selecting thresholds of occurrence in the prediction of species distributions. Ecography, 28(3), 385-393. https://doi.org/10.1111/j.0906-7590.2005.03957.x DOI: https://doi.org/10.1111/j.0906-7590.2005.03957.x

Martínez-Meyer, E., Peterson, A., Servín, J., & Kiff, L. (2006). Ecological niche modelling and prioritizing areas for species reintroductions. Oryx, 40(4), 411-418. https://doi.org/10.1017/S0030605306001360 DOI: https://doi.org/10.1017/S0030605306001360

Meineri, E., Skarpaas, O., & Vandvik, V. (2012). Modeling alpine plant distributions at the landscape scale: Do biotic interactions matter? Ecological Modelling, 231, 1-10. https://doi.org/10.1016/j.ecolmodel.2012.01.021 DOI: https://doi.org/10.1016/j.ecolmodel.2012.01.021

Merow, C., Smith, M., Edwards, T., Guisan, A., McMahon, S., Normand, S., Thuiller, W., Wüest, R., Niklaus, E., & Elith, J. (2014). What do we gain from simplicity versus complexity in species distribution models? Ecography, 37(12), 1267-1281. https://doi.org/10.1111/ecog.00845 DOI: https://doi.org/10.1111/ecog.00845

Mitchell, P., Monk, J., & Laurenson, L. (2017). Sensitivity of fine‐scale species distribution models to locational uncertainty in occurrence data across multiple sample sizes. Methods in Ecology and Evolution, 8(1), 12-21. https://doi.org/10.1111/2041-210X.12645 DOI: https://doi.org/10.1111/2041-210X.12645

Mouton, A., De Baets, B., & Goethals, P. (2010). Ecological relevance of performance criteria for species distribution models. Ecological Modelling, 221(16), 1995-2002. https://doi.org/10.1016/j.ecolmodel.2010.04.017 DOI: https://doi.org/10.1016/j.ecolmodel.2010.04.017

Nogués‐Bravo, D. (2009). Predicting the past distribution of species climatic niches. Global Ecology and Biogeography, 18(5), 521-531. https://doi.org/10.1111/j.1466-8238.2009.00476.x DOI: https://doi.org/10.1111/j.1466-8238.2009.00476.x

Padalia, H., Srivastava, V., & Kushwaha, S. (2014). Modeling potential invasion range of alien invasive species, Hyptis suaveolens (L.) Poit. in India: Comparison of MaxEnt and GARP. Ecological Informatics, 22, 36-43. https://doi.org/10.1016/j.ecoinf.2014.04.002 DOI: https://doi.org/10.1016/j.ecoinf.2014.04.002

Pearson, R., Raxworthy, C., Nakamura, M., & Peterson, A. (2007). Predicting species distributions from small numbers of occurrence records: A test case using cryptic geckos in Madagascar. Journal of Biogeography, 34(1), 102-117. https://doi.org/10.1111/j.1365-2699.2006.01594.x DOI: https://doi.org/10.1111/j.1365-2699.2006.01594.x

Peterson, A. (2001). Predicting species' geographic distributions based on ecological niche modeling. The Condor, 103(3), 599-605. https://doi.org/10.1093/condor/103.3.599 DOI: https://doi.org/10.1093/condor/103.3.599

Peterson, A. (2003). Predicting the geography of species’ invasions via ecological niche modeling. The Quarterly Review of Biology, 78(4), 419-433. https://doi.org/10.1086/378926 DOI: https://doi.org/10.1086/378926

Peterson, A. Ortega-Huerta, M., Bartley, J., Sánchez-Cordero, V., Soberón, J., Buddemeier, R., & Stockwell, D. (2002). Future projections for Mexican faunas under global climate change scenarios. Nature, 416(6881), 626-629. https://doi.org/10.1038/416626a DOI: https://doi.org/10.1038/416626a

Peterson, A., Sánchez-Cordero, V., Beard, C., & Ramsey, J. (2002). Ecologic niche modeling and potential reservoirs for Chagas disease, Mexico. Emerging Infectious Diseases, 8(7), 662. https://doi.org/10.3201/eid0807.010454 DOI: https://doi.org/10.3201/eid0807.010454

Phillips, S., Anderson, R., & Schapire, R. (2006). Maximum entropy modeling of species geographic distributions. Ecological Modelling, 190(3-4), 231-259. https://doi.org/10.1016/j.ecolmodel.2005.03.026 DOI: https://doi.org/10.1016/j.ecolmodel.2005.03.026

Saupe, E., Barve, V., Myers, C., Soberón, J., Barve, N., Hensz, C., Peterson, A., Owen, H., & Lira-Noriega, A. (2012). Variation in niche and distribution model performance: The need for a priori assessment of key causal factors. Ecological Modelling, 237, 11-22. https://doi.org/10.1016/j.ecolmodel.2012.04.001 DOI: https://doi.org/10.1016/j.ecolmodel.2012.04.001

Shabani, F., Kumar, L., & Ahmadi, M. (2016). A comparison of absolute performance of different correlative and mechanistic species distribution models in an independent area. Ecology and Evolution, 6(16), 5973-5986. https://doi.org/10.1002/ece3.2332 DOI: https://doi.org/10.1002/ece3.2332

Simmonds, E., Jarvis, S., Henrys, P., Isaac, N., & O'Hara, R. (2020). Is more data always better? A simulation study of benefits and limitations of integrated distribution models. Ecography, 43(10), 1413-1422. https://doi.org/10.1111/ecog.05146 DOI: https://doi.org/10.1111/ecog.05146

Smith, R., Smith, T., & Román, E. (2007). Ecología. Pearson Educación.

Smith, A., & Santos, M. (2020). Testing the ability of species distribution models to infer variable importance. Ecography, 43(12), 1801-1813. https://doi.org/10.1111/ecog.05317 DOI: https://doi.org/10.1111/ecog.05317

Soberón, J., & Peterson, A. (2005). Interpretation of models of fundamental ecological niches and species’ distributional areas. Biodiversity Informatics, 2, 1-10. https://doi.org/10.17161/bi.v2i0.4 DOI: https://doi.org/10.17161/bi.v2i0.4

Soberón, J. (2007). Grinnellian and Eltonian niches and geographic distributions of species. Ecology letters, 10(12), 1115-1123. https://doi.org/10.1111/j.1461-0248.2007.01107.x DOI: https://doi.org/10.1111/j.1461-0248.2007.01107.x

Soberón, J. (2010). Niche and area of distribution modeling: a population ecology perspective. Ecography, 33(1), 159-167. https://doi.org/10.1111/j.1600-0587.2009.06074.x DOI: https://doi.org/10.1111/j.1600-0587.2009.06074.x

Stankowski, P., & Parker, W. (2011). Future distribution modelling: A stitch in time is not enough. Ecological Modelling, 222(3), 567-572. https://doi.org/10.1016/j.ecolmodel.2010.10.018 DOI: https://doi.org/10.1016/j.ecolmodel.2010.10.018

Stanton-Geddes, J., Tiffin, P., & Shaw, R. (2012). Role of climate and competitors in limiting fitness across range edges of an annual plant. Ecology, 93(7), 1604-1613. https://doi.org/10.1890/11-1701.1 DOI: https://doi.org/10.1890/11-1701.1

Trejo, I. (2004). Clima. En A. García-Mendoza, M. Ordóñez & M. Briones-Salas (eds.). Biodiversidad de Oaxaca (Pp. 67-85). UNAM, Fondo Oaxaqueño para la Conservación de la Naturaleza, World Wildlife Fund.

Wisz, M., Hijmans, R., Li, J., Peterson, A., Graham, C., Guisan, A., & NCEAS Predicting Species Distributions Working Group (2008). Effects of sample size on the performance of species distribution models. Diversity and Distributions, 14(5), 763-773. https://doi.org/10.1111/j.1472-4642.2008.00482.x DOI: https://doi.org/10.1111/j.1472-4642.2008.00482.x

WorldClim. (2022). Variables bioclimáticas. https://www.worldclim.org/data/bioclim.html

Zaniewski, A., Lehmann, A., & Overton, J. (2002). Predicting species spatial distributions using presence-only data: A case study of native New Zealand ferns. Ecological Modelling, 157(2-3), 261-280. https://doi.org/10.1016/S0304-3800(02)00199-0 DOI: https://doi.org/10.1016/S0304-3800(02)00199-0

Zurell, D., Franklin, J., König, C., Bouchet, P., Dormann, C., Elith, J., Fandos, G., Feng, X., Guillera-Arroita, G., Guisan, A., Lahoz-Monfort, J., Leitão, P., Park, D., Peterson, A., Rapacciuolo, G., Schmatz, D., Schröder, B., Serra-Diaz, J., Thuiller, W., … & Merow, C. (2020). A standard protocol for reporting species distribution models. Ecography, 43(9), 1261-1277. https://doi.org/10.1111/ecog.04960 DOI: https://doi.org/10.1111/ecog.04960

Cómo citar

APA

Gutiérrez, E., y Trejo, I. (2023). Aplicación de diferentes tipos de datos en el modelado de la distribución de especies arbóreas en México. Colombia forestal, 26(1), 48–63. https://doi.org/10.14483/2256201X.19392

ACM

[1]
Gutiérrez, E. y Trejo, I. 2023. Aplicación de diferentes tipos de datos en el modelado de la distribución de especies arbóreas en México. Colombia forestal. 26, 1 (ene. 2023), 48–63. DOI:https://doi.org/10.14483/2256201X.19392.

ACS

(1)
Gutiérrez, E.; Trejo, I. Aplicación de diferentes tipos de datos en el modelado de la distribución de especies arbóreas en México. Colomb. for. 2023, 26, 48-63.

ABNT

GUTIÉRREZ, E.; TREJO, I. Aplicación de diferentes tipos de datos en el modelado de la distribución de especies arbóreas en México. Colombia forestal, [S. l.], v. 26, n. 1, p. 48–63, 2023. DOI: 10.14483/2256201X.19392. Disponível em: https://revistas.udistrital.edu.co/index.php/colfor/article/view/19392. Acesso em: 31 ene. 2023.

Chicago

Gutiérrez, Erick, y Irma Trejo. 2023. «Aplicación de diferentes tipos de datos en el modelado de la distribución de especies arbóreas en México». Colombia forestal 26 (1):48-63. https://doi.org/10.14483/2256201X.19392.

Harvard

Gutiérrez, E. y Trejo, I. (2023) «Aplicación de diferentes tipos de datos en el modelado de la distribución de especies arbóreas en México», Colombia forestal, 26(1), pp. 48–63. doi: 10.14483/2256201X.19392.

IEEE

[1]
E. Gutiérrez y I. Trejo, «Aplicación de diferentes tipos de datos en el modelado de la distribución de especies arbóreas en México», Colomb. for., vol. 26, n.º 1, pp. 48–63, ene. 2023.

MLA

Gutiérrez, E., y I. Trejo. «Aplicación de diferentes tipos de datos en el modelado de la distribución de especies arbóreas en México». Colombia forestal, vol. 26, n.º 1, enero de 2023, pp. 48-63, doi:10.14483/2256201X.19392.

Turabian

Gutiérrez, Erick, y Irma Trejo. «Aplicación de diferentes tipos de datos en el modelado de la distribución de especies arbóreas en México». Colombia forestal 26, no. 1 (enero 1, 2023): 48–63. Accedido enero 31, 2023. https://revistas.udistrital.edu.co/index.php/colfor/article/view/19392.

Vancouver

1.
Gutiérrez E, Trejo I. Aplicación de diferentes tipos de datos en el modelado de la distribución de especies arbóreas en México. Colomb. for. [Internet]. 1 de enero de 2023 [citado 31 de enero de 2023];26(1):48-63. Disponible en: https://revistas.udistrital.edu.co/index.php/colfor/article/view/19392

Descargar cita

Visitas

8

Dimensions


PlumX


Descargas

Los datos de descargas todavía no están disponibles.