INVESTIGADORES
SARQUIS Juan Andres
congresos y reuniones científicas
Título:
COMPARANDO EFICIENCIA DE PROGRAMAS DE MODELADO CON DISTRIBUCIONES EMPÍRICAS BIEN ESTABLECIDAS.
Autor/es:
SARQUIS JUAN ANDRES; CRISTALDI, MAXIMILIANO A.; ALEJANDRO GIRAUDO; ARZAMENDIA, VANESA
Lugar:
Santa Fe
Reunión:
Congreso; XI Reunión Argentina de Cladística y Biogeografía; 2014
Institución organizadora:
Facultad de Humanidades y Ciencias UNL - INALI - CONICET-UNL
Resumen:
Los modelos de distribución potencial de especies parten de datos reales de distribución y mediante algoritmos los relacionan con variables ambientales para estimar la distribución de una especie. Una forma de evaluar la eficiencia de los modelos es comparar sus predicciones con distribuciones bien conocidas empíricamente por especialistas. Evaluamos la eficiencia de Maxent, GARP, DOMAIN y Bioclim comparando sus resultados con la distribución de Bothrops alternatus obtenida a partir de 1820 registros confiables de 651 localidades obtenidas con muestreos propios (ARG-VA), museos y literatura. Usamos 651 localidades y comparamos usando: (1) 20 variables de worldclim, (2) una selección de las 4 variables menos correlacionadas y con mayor jacknife (Maxent), y (3) 5 variables (4 anteriores más isotermalidad). Los programas fueron usados en default, para Bioclim, DOMAIN y GARP se crearon 300 pseudoausencias, y se evaluó eficiencia mediante AUC, KAPPA, omisión, comisión y contrastación con mapa de especialistas. Los resultados obtenidos de AUC y KAPPA mostraron para todos los modelos valores mayores a 0,9 y 0,48 respectivamente, exceptuando DOMAIN (20 variables) con KAPPA 0,0046. Respecto al mapa de especialistas DOMAIN sobreestimó notablemente las distribuciones; Bioclim las subestimó, particularmente las poblaciones aisladas del sur y el oeste, en mayor grado usando 20 variables y en menor usando 4 y 5; GARP fue en general mejor que DOMAIN y Bioclim, con 20 variables produjo mayores errores de comisión que de omisión, y con 4 lo contrario, estimando mejor con 5; Maxent fue mejor, siendo más eficiente con 20, que con 4-5 variables, y detectando distribuciones aisladas y vacíos empíricos de corología.