Diapositiva 1

1
Los modelos de nicho ecológico
Qué es la Bioinformática? (Informática de la
Biodiversidad) BIOINFORMÁTICA aplicación de las
herramientas de la tecnología de la información
al estudio de la biología, poniendo especial
énfasis en el almacenamiento y acceso a datos
digitales (Soberón Peterson, 2004)
2
Los modelos de nicho ecológico
Bioinformática - Es una disciplina emergente
que busca aprovechar el poder de las tecnologías
computacionales y de información para abordar
problemas de tipo biológico. - Reúne una serie
de herramientas para organizar y analizar datos
primarios (colecciones, observaciones, imágenes
satélite, etc) de diversas fuentes. - Por su
naturaleza, la Bioinformática (Informática de la
Biodiversidad) involucra el trabajo de varias
disciplinas (biología, geología, informática,
etc).
3
Los modelos de nicho ecológico
Bioinformática y modelos de nicho ecológico
4
Los modelos de nicho ecológico
Concepto de nicho ecológico
5
Los modelos de nicho ecológico
Nicho fundamental versus nicho realizado El
nicho fundamental de una especies es el espacio
ecológico donde la especie puede vivir, mientras
que el nicho realizado es el espacio ecológico y
geográfico donde la especie vive.
6
Los modelos de nicho ecológico
Ejemplos de aplicaciones de los ENM ENM suponen
avance en la integración de las perspectivas
ecológica y evolutiva en el estudio de la
biodiversidad Ejemplos Cartografía automática
de especies Comprensión de los requerimientos
ecológicos de las especies Análisis de la
distribución, biogeografía y barreras dispersivas
que afectan a una especie Localización de
poblaciones desconocidas o nuevas especies
Localización de puntos calientes de
biodiversidad Estudios filogeográficos Diseño
de reservas y planes de conservación Predecir
invasiones biológicas Reconstrucción de
distribuciones en el pasado Predecir los
efectos del cambio climático
7
Los modelos de nicho ecológico
8
Los modelos de nicho ecológico
Etapas en la construcción de un modelo de nicho
ecológico 1. Formulación del modelo conceptual,
que queremos saber (la distribución de la
especie, la ecología de la especie). 2. Diseño
del muestreo, armonización de las escalas
espaciales y definición del contexto del modelo
(escalas locales vs escalas globales). 3.
Formulación estadística del modelo condiciona el
software que vamos a usar. 4. Calibración del
modelo proceso en el cual enseñamos al
modelo. 5. Predicción del modelo. 6. Evaluación
del modelo. 7. Credibilidad del modelo y
aplicabilidad (biología de la conservación,
biogeografía, búsqueda de nuevos lugares de
distribución).
9
Los modelos de nicho ecológico
En resumen, el proceso consiste en
10
Los modelos de nicho ecológico
Limitaciones de los modelos de nicho
ecológico Como simplificación de la realidad,
los modelos de nicho ecológico tienen gran
utilidad, pero también tienen críticas no
tienen en cuenta las interacciones biológicas
entre las especies, como los fenómenos de la
competencia o el mutualismo no consideran la
posibilidad de la especie para llegar a todos lo
sitios donde podría vivir (no incluyen, por
ejemplo, parámetros que describan la capacidad
de dispersión) Nota cuidado con proyectar a
rangos de las variables en los cuales el modelo
no tiene información (climas futuros, áreas
geográficas distintas)
11
Los modelos de nicho ecológico

• Funcionamiento práctico de los modelos de nicho
  ecológico
• Datos de entrada
• Datos biológicos lista de puntos geográficos
  (coordenadas x e y / lat lon), en los que se ha
  encontrado la especie que queremos modelar.
• Datos ambientales mapa de variables ambientales
  que el modelo incluirá como determinantes de la
  localización de la especie.
• Datos de salida
• Según el tipo de modelo, obtenemos un mapa de
  probabilidades de presencia de la especie o un
  mapa binario (0/1) de presencia de la especie
• (Mapas distribución potencial del nicho
  ecológico de la especie)
• Asunciones
• Las variables ambientales determinan el nicho
  ecológico
• Consideraciones importantes
• No se consideran las interacciones bióticas ni
  los procesos de dispersión de las especies.

12
Los modelos de nicho ecológico
Cómo elegir las variables a incluir en el modelo?
13
Los modelos de nicho ecológico
Dónde encontrar datos?
14
Los modelos de nicho ecológico

• Fuentes de sesgo y error
• Los recuentos de ausencias no están disponibles
  en muchos casos, no existen, o pueden no ser
  fiables.
• Las ausencias de una especies en aquellos
  lugares en que sí se dan las condiciones
  favorables se llaman falsas ausencias.
• La inclusión de falsas ausencias en el modelo
  puede sesgar seriamente el análisis, por lo que
  los datos de ausencia se deben manejar con mucho
  cuidado (Hirzel et al., 2002).
• Incorrecta identificación de las especies.
• Incorrecta referencia espacial.
• Los investigadores suelen muestrear en lugares
  de fácil acceso, a lo largo de carreteras y ríos,
  y cerca de ciudades o estaciones biológicas
  (Graham et al., 2004).
• Al utilizar datos procedentes de museos se debe
  recordar que los especimenes no se recolectaron
  para representar su distribución sino que las
  colecciones están generalmente sesgadas hacia
  especimenes raros y especies nuevas.

15
Los modelos de nicho ecológico
Evaluación y validación del modelo
Como simplificación de la realidad, tenemos
varios problemas La mayoría de los datos de
ocurrencia de las especies son asimétricos (sólo
presencias), por lo que no tenemos información
certera de dónde NO está la especie. El esfuerzo
de muestreo a través de los rangos de
distribución de la mayoría de las especies es
desigual, los datos de ocurrencia están sesgados
en los espacios ecológico y geográfico. Las
variables ambientales abarcan relativamente pocas
dimensiones del nicho.
16
Los modelos de nicho ecológico
Evaluación y validación del modelo

• Podemos tener 2 tipos de errores
• OMISIÓN
• COMISIÓN

17
Los modelos de nicho ecológico
Evaluación y validación del modelo
Tipos de errores posibles ERROR DE OMISIÓN
predice la no-presencia de la especie donde
realmente está (falso negativo)
es mucho más importante y peor no predice
lugares de presencia que pueden ser de gran
importancia para la supervivencia de la población
ERROR DE COMISIÓN predice la presencia de
la especie donde no está (falso
positivo) puede ser real o aparente, ya que
un falso positivo puede significar o una
sobre-predicción del modelo o una predicción de
nicho potencial de la especie
18
Los modelos de nicho ecológico
Evaluación y validación del modelo
Evaluación de los errores Casi todas las
técnicas de evaluación de modelos se centran en
detectar los errores de omisión (falsos
negativos) Técnicas jacknife estimar el nicho
de la especie a partir de todos los puntos de
apariencia menos 1, tantas veces como puntos de
presencia tengamos
19
Los modelos de nicho ecológico
Evaluación y validación del modelo
Metodología para la evaluación de los
errores Cuantificar el componente de error con
una matriz de confusión
20
Los modelos de nicho ecológico
Evaluación y validación del modelo
Metodología para la evaluación de los errores
Índice de Kappa de Cohen
Kappa (ver Landis Koch 1977 Biometrics) 0
0.4 pobre 0.4 0.75 buena 0.75 1.0
excelente
21
MAXENT
Ejemplo de modelo de nicho ecológico MaxEnt
22
MAXENT
Qué es MaxEnt? MaxEnt, un programa basado en
una distribución de Máxima Entropía para la
modelización de la distribución geográfica de las
especies. Qué hace MaxEnt? MaxEnt empieza
ajustando los datos a partir de una distribución
uniforme, que va modificando hasta una
distribución de máxima entropía. El modelo se
basa en ajustar los parámetros de la distribución
final. Qué necesitamos? 1) conjunto de
localidades (puntos) donde se sabe que la especie
está presente 2) coberturas
geográficas parámetros ambientales que pueden,
potencialmente, limitar la capacidad de
supervivencia de la especie.
23
MAXENT
Ventajas de MaxEnt (Steven Phillips, Miro Dudik
Rob Schapire) Datos ambientales continuos y
categóricos (trabaja con la frecuencia de
aparición) Resultado continuo
Comportamiento determinista (repetible)
Capacidad interpretativa en dimensiones
ecológicas (curvas de respuesta) Rápido
Exacto (se ajusta a los datos)
24
MAXENT
25
MAXENT
26
MAXENT
27
MAXENT
28
MAXENT
29
MAXENT
Formato ascii raster grid
30
MAXENT
31
MAXENT
32
MAXENT
33
MAXENT
34
MAXENT
35
MAXENT
36
MAXENT
37
MAXENT
38
MAXENT
39
MAXENT
40
MAXENT
Archivos de salida (resultados de MaxEnt) html
41
MAXENT
Gráfico 1 Muestra cómo las omisiones calculadas
a partir de los puntos de entrenamiento y los de
test, y el área predicha como favorable varia
según el valor límite cumulativo
42
MAXENT
Gráfico 2 Curva operacional (curva ROC), para
los 2 grupos de datos, el de test y el de
entrenamiento, así como el área debajo de la
curva ROC (AUC). La curva roja (entrenamiento)
representa el ajuste del modelo a los datos de
muestreo. La curva azul (test) indica el grado de
ajuste del modelo a los datos de test, supone el
test real del poder predictivo del modelo. La
línea turquesa representa la línea esperada si el
modelo no fuese mejor que por azar. Si la curva
azul (test) cae por debajo de la línea tuquesa,
indica que el modelo es peor que si se hubiese
hecho al azar. Por el contrario cuanto más se
aproxime la curva azul a la esquina superior
izquierda, mejor es el modelo para predecir las
presencias de los datos de test.
43
MAXENT
Si hay disponible un subconjunto de datos para el
test, el programa calcula automáticamente la
significación estadística de la predicción
utilizando un test binomial de omisión.
44
MAXENT
Qué variables importan más? El programa asigna
el incremento en el gain a las variables
ambientales de las que depende la especie.
Convirtiendo dichos valores a porcentajes, al
final del proceso de modelado obtenemos la
siguiente tabla
45
MAXENT
46
MAXENT
Qué variables importan más? En cada vuelta del
modelo se excluye una variable y se crea el
modelo con las variables remanentes. Después, se
crea un modelo con cada una de las variables por
separado. De forma adicional, se crea un modelo
utilizando todas las variables, como en el caso
normal de ejecutar MaxEnt.
47
MAXENT
48
MAXENT
49
MAXENT
Cómo depende la predicción de las
variables? Curvas respuesta se evalúa cada
variable manteniendo el valor del resto fijo en
su valor medio (cuidado con variables
correlacionadas!!!)
50
MAXENT
Cómo depende la predicción de las
variables? Contribución marginal de cada variable
por si sola al modelo (obviando el resto de
variables)
51
MAXENT
Para quien tenga un poco de experiencia en
programación 1) Cuando las grids ambientales
son muy grandes se puede utilizar el formato de
datos SWD (sampleswithdata) 2) La modelización
puede automatizarse con comandos de línea (BATCH
RUNNING) cuando se necesitan generar muchos
modelos cambiando los parámetros 3) Los
resultado de MaxEnt se pueden importar en otros
softwares estadísticos para realizar análisis
adicionales (ejemplo paquetes ROCR, vcdy bootde
R) ? Todo esto está explicado en el manual