Comparando las estimaciones de selección de hábitat mediante modelos de distribución de especies y step selection functions

• Autores: Jorge Fernando Saraiva de Menezes
• Localización: Ecosistemas: Revista científica y técnica de ecología y medio ambiente, ISSN-e 1697-2473, Vol. 32, Nº. 2, 2023 (Ejemplar dedicado a: Ecología del Movimiento: del análisis individual a la provisión de servicios ecosistémicos)
• Idioma: español
• Enlaces
  • Texto completo
• Resumen
  • español

    Recientemente, dos métodos de modelaje de selección de hábitat han ganado cada vez más relevancia en la literatura científica: las “step selection functions” (SSF) y el MaxEnt. A pesar de su semejanza, estos métodos raramente son usados en el mismo contexto. El primero es utilizado en modelos basados en datos de movimiento y el segundo en estudios de distribución de especies. Motivado por la dificultad de estimar modelos convergentes que tiene el SSF, he comparado la precisión de predicciones hechas por modelos MaxEnt en datos de movimiento. Como estudio de caso, utilicé datos de localizaciones de jaguares en cinco países de América Latina, y creé modelos de los dos tipos, utilizando datos climáticos y de uso del terreno, disponibles de imágenes de satélite. Comparé el rendimiento de ambos modelos mediante validación cruzada, y midiendo el área debajo de la curva (AUC) en el conjunto de datos de prueba. Los modelos de SSF presentaron una precisión media de 0.5510 ± 0.0147 en comparación con 0.7544 ± 0.0185 en los modelos MaxEnt equivalentes. Atribuyo estas diferencias, en parte, a la dificultad de los modelos SSF y regresiones logísticas condicionales de converger en sus estimaciones. Por eso, yo recomiendo la utilización de modelos MaxEnt para actividades predictivas, como el diseño de reservas naturales o de corredores de fauna.

  • English

    Recently, two methods of habitat selection have gained more relevance in the scientific literature: step selection functions (SSF) and MaxEnt. Despite their similarity these models are hardly ever used in the same context. The former is usually associated with studies based in movement ecology, and the latter is connected to species distribution modeling. Motivated by the difficulty in estimating habitat preferences using SSF, I compared the accuracy of predictions from both models based on movement data. As a case study, I utilized jaguar movement data from 5 countries in Latin American and created SSF and MaxEnt models based on climatic data and land use available from WorldClim and satellite imagery. I compared the accuracy of both types of models using the “Area Under Curve” (AUC) metric, on a separate subset of data. SSF models presented an average AUC of 0.5510 ± 0.0147 in comparison with 0.7544 ± 0.0185 of their MaxEnt equivalents. I believe those differences are partially caused by the convergence difficulties of SSF and conditional logistic regression. Consequently, I recommend the use of MaxEnt in predictive modelling, such as the ones needed in reserve and corridor design.