Modelado de la distribución potencial de especies y el uso del análisis de componentes principales como variables predictoras

Resumen

Cuando se modela la distribución potencial de una especie es deseable efectuar algunos análisis previospara reducir errores en el modelo resultante, especialmente los ocasionados por la autocorrelación espacial de losregistros de presencia y la correlación entre los predictores ambientales utilizados. En este trabajo se proponenmétodos estadísticos que sirven para resolver estos inconvenientes que con frecuencia se presentan al elaborar losmodelos de distribución potencial. Se emplearon los registros de presencia de 3 especies características del bosquehúmedo de montaña de México y 2 conjuntos de variables originales. A los datos de presencia se les aplicó un análisisde aleatoriedad y de patrones para seleccionar registros no autocorrelacionados. Mediante análisis de componentesprincipales (PCA), los 2 conjuntos de variables originales se transformaron en 4 conjuntos distintos para generar losmodelos 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 receptorparcial (ROC). Los resultados muestran que la selección de registros por el método de aleatoriedad propuesto y el usode componentes principales como predictores ambientales generan modelos predictivos más parsimoniosos, con unaprecisión mayor al 95%, además de que sus variables predictivas no presentan autocorrelación espacial.