Resumen de Aplicación de modelos de nicho ecológico para la localización de seis plantas amenazadas en el Parque Natural de Els Ports (noreste de la Península Ibérica)
- español
La ubicación precisa de las poblaciones de especies amenazadas es esencial para evaluar su estado de conservación. En este trabajo se explora la utilidad de los modelos de nicho ecológico para la localización de seis plantas raras y amenazadas dentro del Parque Natural de Els Ports (noreste de la Península Ibérica). Para ello se generaron modelos de idoneidad del hábitat con el algoritmo Maxent y se transformaron en binarios (presencia/ausencia) aplicando un umbral de corte. Los modelos se validaron mediante validación cruzada dejando uno fuera (Leave one out). El muestreo se dirigió hacia las áreas con mayor número de presencias predichas. La capacidad predictiva se evaluó mediante el cálculo de los valores de sensibilidad, especificidad y precisión con los datos obtenidos en el muestreo de campo. Las prospecciones dieron como resultado 28 nuevas presencias de cinco especies distintas, el 89% de las cuales habían sido predichas por los modelos. Esto ha permitido conocer mejor la distribución y sobre todo el área de ocupación real de estas especies dentro del Parque Natural. Los resultados obtenidos demuestran que los modelos pueden ser útiles a la hora de priorizar los esfuerzos de prospección de especies amenazadas con pocos registros, especialmente para aquellas con distribuciones restringidas y con escasas tolerancias ambientales.
- English
The precise location of threatened species’ populations is essential to evaluate their conservation status. In this study, we explore the usefulness of ecological niche models to find six rare and threatened plant species within the Natural Park Els Ports (northeast of Iberian Peninsula). Habitat suitability models were generated with the algorithm Maxent and transformed into binary (presence/absence) using a decision threshold. The models were validated by leave-one-out cross-validation. The sampling was directed to the areas with the highest number of predicted presences. The predictive ability was evaluated by calculating the values of sensitivity, specificity and accuracy with data from field sampling. 28 new occurrence data from five different species were found, the 89% of which were predicted by the models. This has enabled us to acquire a better knowledge of the range and real occupancy area of these species within the Natural Park. The results show that models can be useful in prioritizing the sampling efforts of threatened species with few records, especially for those with small geographic ranges and limited environmental tolerance.
