Palabras clave
propiedades de suelos
selección automatizada de covariables
Cómo citar
Resumen
Antes de realizar el modelado de la distribución potencial de una especie, se recomienda hacer una preselección de covariables pues la redundancia o variables irrelevantes pueden inducir sesgos en la mayoría de los modelos. En este estudio, se propuso un método automatizado para la selección a priori de covariables utilizadas en el modelado. Se emplearon cinco especies típicas de la flora mexicana (Catopheria chiapensis, Liquidambar styraciflua, Quercus martinezii, Telanthopora grandifolia y Viburnum acutifolium) y 56 covariables ambientales. Se generaron matrices de presencia-ausencia para cada especie y se analizaron empleando regresión logística; el modelo resultante de cada especie se evaluó mediante un remuestreo bootstrap. La distribución de las cinco especies se modeló usando el algoritmo de máxima entropía y con el empleo de tres conjuntos de covariables ambientales. La precisión de los modelos generados se evaluó con intervalos de confianza de cada curva característica operativa del receptor (COR). Los intervalos de confianza de las curvas COR resultantes no mostraron diferencia significativa (P < 0.05) entre los tres modelos predictivos generados; sin embargo, el modelo más parsimonioso se obtuvo con el método propuesto.
Citas
Austin, P. C., & Tu, J. V. (2004a). Bootstrap methods for developing predictive models. The American Statistician, 58(2), 131– 137. http://www.jstor.org/discover/10.2307/27643521?uid=3738664&uid=2129&uid=2&uid=70&uid=4&sid=21102531764551
Austin, P. C., & Tu J. V. (2004b). Automated variable selection methods for logistic regression produced unstable models for predicting acute myocardial infarction mortality. Journal of Clinical Epidemiology, 57(11), 1138–1146. doi: https://doi.org/10.1016/j.jclinepi.2004.04.003
Bruijzeel, L. A., Waterloo, M. J., Proctor, J., Kuiters, A. T., & Kotterink, B. (1993). Hydrological observations in montane rain forest on Gunung Silam, Sabah, Malasya, with special reference to the ‘Massenerhebung’ effect. Journal of Ecology, 81(1), 141–167. http://www.jstor.org/discover/10.2307/2261231?uid=3738664&uid=2&uid=4&sid=21103215050991
Challenger, A., & Caballero, J. (1998). Utilizaci.n y conservaci.n de los ecosistemas terrestres de M.xico: Pasado, presente y futuro. México: Comisión Nacional para el Conocimiento y Uso de la Biodiversidad.
Cimmery, V. (2010). SAGA User Guide, updated for SAGA version 2.0.5. USA: Geosystem Analysis. http://www.saga-gis.org/en/index.html
Cruz-Cárdenas, G., López-Mata, L., Ortiz-Solorio, C. A., Villaseñor, J. L., Ortiz, E., Silva, J. T., & Estrada-Godoy, F. (2014). Interpolation of Mexican soil properties at a scale of 1: 1,000,000. Geoderma, 213, 29–35. doi: https://doi.org/10.1016/j.geoderma.2013.07.014
Der, G., & Everitt, B. S. (2002). Handbook of statistical analyses using SAS. USA: CRC Press.
D’heygere, T., Goethals, P. L., & De Pauw, N. (2003). Use of genetic algorithms to select input variables in decision tree models for the prediction of benthic macroinvertebrates. Ecological Modelling, 160(3), 291–300. doi: https://doi.org/10.1016/S0304-3800(02)00260-0
D’heygere, T., Goethals, P. L., & De Pauw, N. (2006). Genetic algorithms for optimization of predictive ecosystems models based on decision trees and neural networks. Ecological Modelling, 195(1-2), 20–29. doi: https://doi.org/10.1016/j.ecolmodel.2005.11.005
DiCiccio, T., & Efron, B. (1996). Bootstrap confidence intervals. Statatical Science, 11, 189–228. http://www.jstor.org/discover/10.2307/2246110?uid=3738664&uid=2129&uid=2&uid=70&uid=4&sid=21102531814331
Dimitris, R. (2009). Bootstrap stepAIC. R package version 1.2-0. Vienna, Austria: R Foundation for Statistical Computing. http://cran.r-project.org/web/packages/bootStepAIC/bootStepAIC.pdf
Elith, J., & Leathwick, J. R. (2009). Species distribution models: Ecological explanation and prediction across space and time. Annual Review of Ecology, Evolution, and Systematics, 40(1), 677–697. doi: https://doi.org/10.1146/annurev.ecolsys.110308.120159
Elith, J., Phillips, S. J., Hastie, T., Dudík, M., Chee, Y. E., & Yates, C. J. (2011). A statistical explanation of MaxEnt for ecologists. Diversity and Distributions, 17(1), 43–57. doi: https://doi.org/10.1111/j.1472-4642.2010.00725.x
Fawcett, T. (2006). An introduction to ROC analysis. Pattern Recognition Letters, 27(8), 861–874. doi: https://doi.org/10.1016/j.patrec.2005.10.010
Hijmans, R. J., Cameron, S. E., Parra, J. L., Jones, P. G., & Jarvis, A. (2005). Very high resolution interpolated climate surfaces for global land areas. International Journal of Climatology, 25(15), 1965–1978. doi: https://doi.org/10.1002/joc.1276
Instituto Nacional de Estadística y Geografía (INEGI). (2005). Mapa de uso de suelo y vegetación 1:250000. http://www.inegi.org.mx/geo/contenidos/recnat/usosuelo/
Kumar, S., & Stohlgren, T. J. (2009). Maxent modeling for predicting suitable habitat for threatened and endangered tree Canacomyrica monticola in New Caledonia. Journal of Ecology and natural Environment, 1(4), 94–98. http://www.academicjournals.org/jene/PDF/Pdf2009/July/Kumar%20and%20Stohlgren.pdf
Luna-Vega, I., Alcantara-Ayala, O., Ruíz-Pérez, C. A., & Contreras- Medina, R. (2006). Composition and structure of humid montane oak forests at different sites in central and eastern Mexico. In Kapelle, M. (Ed.), Ecology and conservation of neotropical montane oak forests (pp. 101–112). New York, USA: Springer-Verlag.
Phillips, S. J., Anderson, R. P., & Schapire, R. E. (2006). Maximum entropy modeling of species geographic distributions. Ecological Modelling, 190(3), 231–259. doi: https://doi.org/10.1016/j.ecolmodel.2005.03.026
Phillips, S. J., & Dudik, M. (2008). Modeling of species distributions with Maxent: New extensions and a comprehensive evaluation. Ecography, 31(2), 161–175. doi: https://doi.org/10.1111/j.0906-7590.2008.5203.x
R Development Core Team (2010). R: A language and environment for statistical computing. Vienna, Austria: R Foundation for Statistical Computing. http://www.Rproject.org/
Ramıírez-Marcial, N., González-Espinosa, M., & Williams-Linera, G. (2001). Anthropogenic disturbance and tree diversity in montane rain forests in Chiapas, Mexico. Forest Ecology and Management, 154(1), 311–326. doi: https://doi.org/10.1016/S0378-1127(00)00639-3
Riley, S. J., DeGloria, S. D., & Elliot, R. (1999). A terrain ruggedness that quantifies topographic heterogeneity. Intermountain Journal of Sciences, 5(1-4), 23–27. http://download.osgeo.org/qgis/doc/reference-docs/Terrain_ Ruggedness_Index.pdf
Rzedowski, J. (1996). Análisis preliminar de la flora vascular de los bosques mesófilos de montaña de México. Acta Bot.nica de M.xico, 35, 25–44. http://www.redalyc.org/articulo.oa?id=57403504
Sappington, J., Longshore, K. M., & Thompson, D. B. (2007). Quantifying landscape ruggedness for animal habitat analysis: A case study using bighorn sheep in the Mojave Desert. Journal of Wildlife Management, 71(5), 1419–1426. doi: https://doi.org/10.2193/2005-723
Stockwell, D. R., & Peterson, A. T. (2002). Effects of sample size on accuracy of species distribution models. Ecological Modelling 148(1), 1–13. doi: https://doi.org/10.1016/S0304-3800(01)00388-X
Turc, L. (1954). Le bilan d’eau des sols: Relations entre les precipitation, l’évaporation et l’écoulement. Annales Agronomiques, 5, 491–596.
United State Geological Survey (USGS). (2010). Global 30 Arc- Second Elevation (GTOPO30). https://lta.cr.usgs.gov/GTOPO30
United State Geological Survey (USGS). (2010). The USGS global visualization viewer. http://glovis.usgs.gov/
Vázquez-García, J. A. (1995). Cloud forests archipelagos: Preservation of fragmented montane ecosystems in tropical America. In L. S. Hamilton, J. O. Juvik, & and F. N. Scatena (Eds.), Tropical montane cloud forests (pp. 315– 332). London: Springer.
Venables, W. N., & Ripley, B.D. (2010). stepAIC: MASS. R package version 7.3-9. Vienna, Austria: R Foundation for Statistical Computing. http://cran.stat.ucla.edu/
Villaseñor, J. L. (2010). El bosque h.medo de monta.a en M.xico y sus plantas vasculares: Cat.logo flor.stico-taxon.mico. México: CONABIO-UNAM.
Vogelman, H. M. (1973). Fog precipitation in the cloud forest of Eastern Mexico. BioScience, 23(2), 96–100. http://www.jstor.org/stable/1296569
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Derechos de autor 2014 Revista Chapingo Serie Ciencias Forestales y del Ambiente