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

Abstract

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.