8. ¿Qué modelo elegir?
Contents
1. 1 Tipos de datos que queremos analizar presencias ausencias 2 Tipo de salida que queremos qu a su vez depende de la aplicaci n que le queremos dar al resultado distribuci n nicho ecol gico R plica del IV taller de modelizaci n de nichos ecol gicos 27 30 Mayo 2008 8 Qu modelo elegir 1 Tipos de datos que queremos analizar presencias ausencias M todo BIOCLIM BRT ICO BRUTO DKP GARP DOMAIN GAM GDM GDM SS GLM LIVES MARS MARS COMM MARS INT MAXENT Modelos de nicho ecol MAXENT T OM GARP Tipo de modelo modelo de envuelta rboles de decisi n amplificados regresi n implementaci n rapida de gam reglas para algoritmos gen ticos versi n de escritorio distancia multivariante regresi n modelos aditivos de generalizaci n modelos de disimilaridad generales utiliza datos de comunidad modelos de disimilaridad generales implementaci n para especies regresi n modelos lineales generalizados distancia multivariante regresi n regresiones multivariantes adaptativas implementaci n de MARS para datos de comunidad implementaci n de MARS para permitir interacciones m xima entrop a m xima entrop a con valores de frontera versi n de c digo abierto de GARP AN P Software DIVA GIS R gbm package R amp Splus mda package DesktopGarp DIVA GIS S Plus GRASP programa especializado que utiliza ArcView y2. jeuiBuo uogioejueseJud 8 Qu modelo elegir 1 Tipos de datos que queremos analizar presencias ausencias Adem s hay que recordar que El resultado depende m s de la calidad de los datos biol gicos de entrada que del algoritmo utilizado MORE COMPLEX DISTRIBUTION MODELS OR MORE REPRESENTATIVE DATA JORGE M LOBO Dpto de Biodiversidad y Biolog a Evolutiva Museo Nacional de Ciencias Naturales CSIC c Jos Guti rrez Abascal 2 28006 Madrid Spain e mail mcnjl117 mnoen csic es Abstract Distribution models for species are increasingly used to summarize species geography in conservation analyses These models use increasingly sophisticated modeling techniques but often lack detailed examination of the quality of the biological occurrence data on which they are based I analyze the results of the best comparative study of the performance of different modeling techniques which used pseudo absence data selected at random I provide an example of variation 1n model accuracy depending on the type of absence information used showing that good model predictions depend most critically on better biological data Key words distribution models model reliability pseudo absences conservation usefulness Biodiversity Informatics 5 2008 pp 14 19 R plica del IV taller de modelizaci n de nichos ecol gicos 27 30 Mayo 2008 8 Qu modelo elegir 2 Tipo de salida que queremos mapa binario probab
3. 001 Convergence limit IV Negaled range rules Y h topoind i 100 Maxiteraticns V Logistic regression Logi pre61 90 enn x Ma pas bi narios Comission error factor Al combination of te above Femh Toll Step fo E aibi How layer will be used 1 factor value 1 rule comb 1 total runs All selected layers C All combinations of the selected layers Projection Layers 1 ce cannon d sm m 1 comb Desve nta j as Available datasets Europe gt e Qu Actua como una caja Oumertdoases ic d spe lorpoecton _ cenratmencs Misc ied negra no da curvas de besides the SouthAmerica Output directory C Users Pro BS Desktop Experiment respuesta trating dataset Europe R plica del IV taller de modelizaci n de nichos ecol gicos 27 30 Mayo 2008 8 Qu modelo elegir MaxEnt Maximum Entropy Species Distribution Modeling Version 2 3 BAX Samples Environmental layers File Browse Directory File Browse Create response curves Make pictures of predictions Do jackknife to measure variable importance Output directory lxi Auto features Projection layers directory file Browse Run Settings Help Algoritmo Distribuci n de M xima Entrop a Datos de entrada S lo presencia Productos Mapas probabil sticos Variables explicativas Curvas ROC Desventajas Tiende a sobreajustar el modelo R plica del I
4. ARS oo or amoo interacciones e Ye Ql in nri p eh xima entrop a pa Maxent MAXENT T m xima entrop a con valores de frontera pa Maxent OM GARP versi n de c digo abierto de GARP pa nueva versi n de GARP p 7 solo presencia pa datos de presencia y ausencia comm datos de comunidad basado en Elith et al 2006 R plica del IV taller de modelizaci n de nichos ecol gicos 27 30 Mayo 2008 8 Qu modelo elegir BIOCLIM EIN BK coefficient files Surtlist file s Max temp surface is Maximum temperature surface A anes Minimum temperature surface Diagnostic output Raiafall suctace is Rainfall surface Redistioa sucface is Radiation surface Evaporstioa sucisce is 7 Evaporation surface BIOCLIM Climatic profile and site report User suppled input data pro file Predicted locations BIOMAP BIOCLIM Climatic parameters for BIOMAP 2t Geographic Information System Algoritmo Envoltura bioclim tica Datos de entrada S lo presencia Productos Mapas binarios Desventajas No tiene en cuenta las posibles relaciones entre las variables utilizadas R plica del IV taller de modelizaci n de nichos ecol gicos 27 30 Mayo 2008 8 Qu modelo elegir DOMAIN Ecological Niche Modeling dz E Dos tal eqjo lala wl ell reso mos Input Frequency Dutliers Histogram Envelope Predict v genista cinerea hual point Dutput Gri
5. IVES MARS MARS COMM MARS INT MAXENT Modelos de nicho ecol MAXENT T OM GARP Tipo de modelo Datos modelo de envuelta p rboles de decisi n amplificados pa regresi n implementaci n rapida de gam pa reglas para algoritmos gen ticos versi n de 5 escritorio P distancia multivariante p regresi n modelos aditivos de generalizaci n pa modelos de disimilaridad generales utiliza datos de pacomm comunidad modelos de disimilaridad generales implementaci n para especies pa regresi n modelos lineales generalizados pa distancia multivariante p regresi n regresiones multivariantes adaptativas pa implementaci n de MARS para datos de pacomm comunidad implementaci n de MARS para permitir interacciones P m xima entrop a pa maxima entrop a con valores de frontera pa versi n de c digo abierto de GARP pa Software DIVA GIS R gbm package R amp Splus mda package DesktopGarp DIVA GIS S Plus GRASP programa especializado que utiliza ArcView y Splus igual que GDM S Plus GRASP programa especializado R mda package como MARS como MARS Maxent Maxent nueva version de GARP p solo presencia pa datos de presencia y ausencia comm datos de comunidad basado en Elith et al 2006 R plica del IV taller de modelizaci n de nichos ecol gicos 27 30 Mayo 2008 8 Qu modelo elegir En general hay 2 aspectos importantes que pueden condicionar el algoritmo a utilizar
6. Modelling 7 AN WA Grupo de investigaci n Ecologia de Zonas Aridas a A HS ie Workshops geif CENTRO ANDALUZ PARA LA EVALUACI N Y SEGUIMIENTO DEL CAMBIO GLOBAL Qu modelo elegir BIOCLIM DOMAIN GARP MaxEnt Elisa Liras Dpto Biolog a Vegetal y Ecolog a Universidad de Almer a eliras ual es R plica del IV taller de modelizaci n de nichos ecol gicos 27 30 Mayo 2008 8 Qu modelo elegir Para la modelizaci n del nicho ecol gico necesitamos herramientas inform ticas y estadisticas que utilizando registros de las especies georreferenciados y variables ambientales produzcan representaciones formales del espacio ecol gico nicho sobre el espacio geogr fico distribuci n R plica del IV taller de modelizaci n de nichos ecol gicos 27 30 Mayo 2008 8 Qu modelo elegir Hay varios algoritmos diferentes para estimar la probabilidad de presencia de una especie y la ausencia en funci n de un conjunto de variables predictoras La clave est en identificar posibles relaciones no lineales en un ambiente multidimensional En este taller vamos a ver las diferencias entre BIOCLIM DOMAIN GARP MaxEnt No obstante hay muchos otros m todos como GLMs GAM Redes Neuronales R plica del IV taller de modelizaci n de nichos ecol gicos 27 30 Mayo 2008 8 Qu modelo elegir M todo BIOCLIM BRT ICO BRUTO DKP GARP DOMAIN GAM GDM GDM SS GLM L
7. Splus igual que GDM S Plus GRASP programa especializado R mda package como MARS como MARS Maxent Maxent nueva versi n de GARP p solo presencia pa datos de presencia y ausencia comm datos d tomunidad basado en Elith et al 2006 R plica del IV taller de modelizaci n de nichos ecol gicos 27 30 Mayo 2008 8 Qu modelo elegir 1 Tipos de datos que queremos analizar presencias ausencias Modo de empleo de los datos de las especies S m 2 e Y APO x APU g A MM pas Mk b my d Pa gt T l 2 j u 2 T ri Ny 2 Pe 2 2 i AE 5 5 f 2 f gt gt g i 4 Paj fo 5 Fi T Presencia ausencia S lo presencia Presencia pseudo ausencia e g ANN e g BIOCLIM e g GARP R plica del IV taller de modelizaci n de nichos ecol gicos 27 30 Mayo 2008 8 Qu modelo elegir 1 Tipos de datos que queremos analizar presencias ausencias Qu es una ausencia Una localidad puede ser clasificada como ausencia por sl cla 1 La especie no fue detectada pero se Falsa ausen encuentra all sal 2 La especie est ausente pero el ambiente Falsa ausenci es propicio No hay ausencia de su nicho era 3 La especie est ausente y el ambiente es ver inapropiado R plica del IV taller de modelizaci n de nichos ecol gicos 27 30 Mayo 2008 JoAa zeuleyy
8. V taller de modelizaci n de nichos ecol gicos 27 30 Mayo 2008 8 Qu modelo elegir Un comentario final El modelo de nicho ecol gico WhyWhere tiene muchas cr ticas al m rgen de la estad stica es importante tenerlo en cuenta a la hora de enviar un art culo a publicar ECOLOGICAL MODELLING 203 2007 527 530 available at www sciencedirect com 2227 ScienceDirect G v Lt s f FI SEVIER journal homepage www elsevier com locate ecolmodel 4 A Short communication Why not WhyWhere The need for more complex models of simpler environmental spaces A Townsend Peterson Natural History Museum and Biodiversity Research Center The University of Kansas Lawrence Kansas 66045 USA ARTICLE INFO ABSTRACT Article history WhyWhere has recently been introduced by Stockwell as a new tool for ecological niche Received 24 April 2006 modeling or species distribution modeling 1 address two features of WhyWhere and its Received in revised form presentation 1 the assertion that hundreds of environmental data layers are necessary to R plica del IV taller de modelizaci n de nichos ecol gicos 27 30 Mayo 2008 8 Qu modelo elegir Entoces c Qu modelo elegir Actualmente existen del orden de 12 a 15 modelos de nicho ecol gico e g Elith et al 2006 que se diferencian entre s en la forma en que matem ticamente estiman el nicho potencial de las especies modeladas En gener
9. advocate the use of multiple models within an ensemble forecasting framework and describe alternative approaches to the analysis of biocli matic ensembles including bounding box consensus in studies comparing alternative techniques to assess potential climate change induced shifts in the distribu tions of European plants 15 amphibians and reptiles 16 and British breeding birds 17 These results chal lenge the common practice of relying on one single method to make forecasts of the responses of species to climate change scenarios or if one accepted a more sceptical view the usefulness of bioclimatic modelling in general for cli mate change impact studies Such variability in forecasts is not surprising given that R plica del IV taller de modelizaci n de nichos ecol gicos 27 30 Mayo 2008 Muchas gracias R plica del IV taller de modelizaci n de nichos ecol gicos 27 30 Mayo 2008
10. al no existe uno mejor o peor sino que la clave est en entender qu hace cada uno de los software y determinar cual es m s conveniente para nuestra aplicaci n Esta gran inflaci n de m todos matem ticos para modelizar el nicho de las especies ha hecho que empiecen a surgir nuevos procedimientos matem ticos que integren de alguna manera los resultados obtenidos por los diferentes algoritmos En este sentido destacamos la denominada predicci n conjunta ensemble forecastig Araujo amp New 2007 Liras et al 2008 R plica del IV taller de modelizaci n de nichos ecol gicos 27 30 Mayo 2008 8 Qu modelo elegir TRENDS in Ecology and Evolution Vol 22 No 1 Full text provided by www scienocadirect com ev ScienceDirect Ensemble forecasting of species distributions Miguel B Ara jo and Mark New Department of Biodiversity and Evolutionary Biology National Museum of Natural Sciences CSIC C Guti rrez Abascal 2 28006 Madrid Spain Climate Research Laboratory Oxford University Centre for the Environment South Parks Road Oxford UK OX1 3QY Concern over implications of climate change for biodiversity has led to the use of bioclimatic models to forecast the range shifts of species under future climate change scenarios Recent studies have demon strated that projections by alternative models can be so variable as to compromise their usefulness for guiding policy decisions Here we
11. d Dimensions o v temp Minx 416500 000 Miny 4085500000 Read from layer Adus Bl 00 390 Sa a E m 390 77 0 Marx 601 500 000 Masy 4137500 000 Draw rectangle Maximum extent O 770 1160 l EJ 118 0 154 0 Bl i540 193 0 Bl No Data UTE Ala Lower Upper TAILS IV pluvio v pluvio viv Bl oo 4020 Wi temp Y Y E 4402 0 8804 0 O 8804 0 13207 0 E 13207 0 17609 0 Bl 17609 0 220110 Bl no Data Type output Bioclim y dip E C Documents and SettingsSElisE scritorio bioclim grd AA Apply M Close x 548026 7590 y 4031780 3133 Scale 1 199549049016 Algoritmo Par metro de Gower similitud Datos de entrada S lo presencia Productos Mapas probabil sticos Desventajas No tiene en cuenta las posibles relaciones entre las variables utilizadas R plica del IV taller de modelizaci n de nichos ecol gicos 27 30 Mayo 2008 8 Qu modelo elegir GARP Algoritmo igxi He Datasets Model ess Heb Algoritmo gen tico Species Data Points Environmental Layers Species List 1 selected Upload Data Points Dataset v NorthAmenca Options Usel6 tior training Lee too E us Datos de entrada T Atleastl20 training points eue 130 1 UDIN rt S lo presencia v frs6190 ann v frs6130 11 Optimization Parameters 1 v irs6190_ Pano P Anica es y h_dem E Runs per experiment V Range rules V li slope P rod u ctos
12. dalis verrucosus stumpfii E A l Mo a R plica del IV taller de modelizaci n de nichos ecol gicos 27 30 Mayo 2008 8 Qu modelo elegir Entonces Veamos que hace cada uno de los algoritmos de modelizaci n con los que vamos a trabajar en el taller R plica del IV taller de modelizaci n de nichos ecol gicos 27 30 Mayo 2008 8 Qu modelo elegir M todo Tipo de modelo Datos Software aa BEER NM zee e BIOCLIM dhodelo de envuelta p DIVA GIS bir EEA e BRT rboles de decisi n amplificados pa R gbm package BRUTO regresion implementacion rapida de gam pa R amp Splus mda package e in e la leorit Sti i n de N Dg glas para algoritmos gen ticos versi n 9 oso escritorio D ME A e e Q een DOMAIN Aistancia multivariante p DIVA GIS rascar o a GAM regresi n modelos aditivos de generalizaci n pa S Plus GRASP P ai programa especializado Q GDM modelos de disimilaridad generales utiliza datos de pacomm que utiliza ArcView y comunidad C Splus modelos de disimilaridad generales O GDM SS implementaci n para especies pa igual que GDM lt GLM regresi n modelos lineales generalizados pa S Plus GRASP 2 LIVES distancia multivariante p programa especializado V MARS regresi n regresiones multivariantes adaptativas pa R mda package O MARS COMM implementaci n de MARS para datos de pacomm como MARS comunidad 9 MARS INT implementaci n de MARS para permitir pa como M
13. il stico Depende de la aplicaci n que le queramos dar al modelo 1 Salida binaria no nos da informaci n sobre la relaci n de la especie con las variables ambientales ni de las variables ambientales entre s caja negra gt funcionan muy bien y nos sirven cuando s lo estamos interesados en la distribuci n potencial de la especie ej Riesgo de invasi n biol gica b squeda de nuevas localidades de presencia 2 Salida probabil stica informa sobre la relaci n de la especie con las variables ambientales y la relaci n entre variables nos dan informaci n sobre las variables que determinan el nicho ecol gico de la especie cu les son m s importante Esta salida es necesaria cuando lo que buscamos es comprender la ecolog a de la especies R plica del IV taller de modelizaci n de nichos ecol gicos 27 30 Mayo 2008 8 Qu modelo elegir 2 Tipo de salida que queremos mapa binario probabil stico M todo Ipo de modelo Datos Software BIOCLIM modelo d envuelta N p DIVA GIS T BRT de decisi n amplificados pa R gbm package BRUTO regtesi n implementaci n rapida de gam pa R amp Splus mda package TD 1i glas para algoritmos gen ticos versi n de O DKP GARP r E pa DesktopGarp Q DOMAIN l distancia multivariante Y p DIVA GIS a GAM l regresi n modelos aditivos de generalizaci n pa S Plus GRASP Q modelos de disimilaridad generales utiliza datos de 1 programa aia GDM
14. pacomm que utiliza ArcView y comunidad x lt Splus modelos de disimilaridad generales 9 GDM SS l implementaci n para especies pa igual que GDM lt GLM l regresi n modelos lineales generalizados pa S Plus GRASP 2 LIVES distancia multivariante l p programa especializado 9 MARS regresi n regresiones multivariantes adaptativas l pa R mda package 9 MARS COMM implementaci n Oe MARS para den de P wu como MARS b MARS INT plementaci n de MARS para permitir pa como MARS Lo ixeracciones Q MAXENT EE cud ima entrop a pa Maxent MAXENT T maxing entropia con valores de frontera pa Maxent OM GARP versi n dN digo abierto de GARP L pa nueva versi n de GARP I p solo presencia pa datos de pPeeereTa y ausencia comm datos de comunidad basado en Elith et al 2006 R plica del IV taller de modelizaci n de nichos ecol gicos 27 30 Mayo 2008 8 Qu modelo elegir 2 Tipo de salida que queremos mapa binario probabil stico 2 ejemplos anteriores Camaleones en Madagascar Aves esteparias en la Pen nsula Ib rica nos importa la predicci n geogr fica buscan nos importan las curvas de respuesta para las nuevas localidades de presencia variables buscan entender la ecolog a de la especie Calumma Calumma Calumma Calumma Brookesia Brookesia brevicornis gastrotaenia nasuta parsonii nasus superciliaris j 4 Furcifer Furcifer Furcifer Furcifer Brookesia lateralis oustaleti par
Download Pdf Manuals
Related Search