Está en la página 1de 4

Apuntes Examen de Grado

Teoría del Nicho

Explicación de MaxEnt

La función ajustada de MaxEnt está usualmente definida en base a muchas características, habrá
más características que covariables. MaxEnt actualmente contiene seis clases de características:
LINEAR, PRODUCTO (producto de todas las posibles combinaciones de pares, permitiendo que
interacciones simples se ajusten), CUADRÁTICO, HINGE (permite un cambio en el gradiente de la
respuesta, PROBABILIDAD (permite un paso en la función ajustada y CATEGÓRICO.

Modelo MaxEnt

Si sabemos la densidad condicional de las covariables en los sitios de presencia f1(z) y la densidad
marginal de las covariables en toda el área de estudio f(z), entonces solo necesitamos conocer la
prevalencia Pr(y=1) para calcular la probabilidad de ocurrencia.

- Estimación del cociente f1(z)/f(z), referido como MaxEnt “RAW” output. El núcleo de MaxEnt que
da indicios de que características son importantes de un ambiente sobre otro.

- Como falta la prevalencia, se una transformación logística, que por defecto es 0.5 pi.

- f(z) es un modelo nulo para f1(z).

- la distancia de f(z) es tomada como la entropía relativa de f1(z) con respecto a (fz) (Kullback-
leibler divergence).

- cercano al promedio de f(z) para f1(z) para predecir.

- la distribución de espacie es estimada minimizando la distancia entre f1(z) y f(z) sujeta a la


restricción de la covariable estimada por f1.

- maximizar la entropía de la distribución raw es equivalente a minimizar la entropía relativa de


f1(z) relativa a f(z), son equivalente.

- el modelo nulo para la distribución bruta fue la distribución uniforme sobre el paisaje, dado que
sin ningún dato no tendríamos razón para pensar que la especie preferiría un localidad sobre otra.

Output logístico de MaxEnt’s

- Post transformación de MaxEnt raw output que hace ciertos supuestos

Geert Aarts, John Fieberg, Jason Matthiopoulos, Methods in Ecology and Evolution

Modelos de Distribución de Especies

- Métodos para la modelación de la distribución de especies


o Presencia-Ausencia
o Solo presencia
o Conteos

No es siempre claro como los resultados de estas técnicas debiesen ser interpretados.

o Función de intensidad
 Discretizar el espacio (densidad de observaciones – registros de la especie
en cada unidad)
 Cuantificar empíricamente como la distribución de la especie depende de
las variables ambientales, utilizando técnicas matemáticas.

Los registros son puntos de observación en el espacio y tiempo.

o Uso y disponibilidad
o Presencia – Pseudo ausencia
o Diseño de caso controlado

Estos métodos cuantifican la preferencia de las especies a ciertas condiciones


ambientales a través de la comparación de las localidades observadas con puntos
seleccionados al azar que reflejan disponibilidad de hábitat.

Actualmente no es claro como se estiman los parámetros y las predicciones de los


puntos para los basados en datos de conteo o presencia-ausencia.

Uso de hábitat y preferencia en un espacio ambiental discreto

Espacio ambiental tiene k dimensiones, una para cada variable ambiental que afecta
la distribución de la especie.

El hábitat o unidad ambiental está definido por una combinación de condiciones


ambientales Xi = (x1,…,xk). No solo está influenciado por la preferencia de un
organismo a ciertas condiciones ambientales, sino también por la abundancia relativa
y la distribución de esos hábitats (disponibilidad de hábitat).

 Cuando hoy existe preferencia, el uso del hábitat es proporcional a la


disponibilidad de hábitat.

Muchos análisis definen la preferencia w(X) como cociente entre el uso de hábitat
sobre la disponibilidad.

Uso y preferencia en un espacio ambiental continuo.

Suponiendo hábitat i como un punto único en el espacio ambiental. El uso y


disponibilidad puede ser definido como dos funciones continuas de probabilidad de
densidad, fu(Xi) y fa(Xi) respectivamente.

W(X) ∝ fu(Xi) / fa(Xi)


w(Xi)fa (𝑋𝑖)
f 𝑢 (Xi) = = 𝐾 −1 𝑤(𝑋𝑖)𝑓 𝑎 (𝑋𝑖)
∫𝑎𝑙𝑙 𝑋 𝑤(𝑋)𝑓𝑎 (𝑋) 𝑑𝑋
El denominador K es una constante de normalización que asegura que 𝑓 𝑢 (𝑋) se
integre hacia 1 tomando todo X. Típicamente 𝑓 𝑎 (𝑋𝑖) es determinado por la
distribución de condiciones ambientales dentro de un área de estudio predefinida.

En el caso más simple, todos los puntos en el espacio son asumidos que son
igualmente accesibles. Cualquier función no-negativa de X puede ser usada para
modelar la preferencia, pero la función exponencial es usada frecuentemente. Esta
formulación de preferencia es conocida como una función de selección de recursos.
Sean ℎ𝑢 (𝑆𝑗)𝑦 ℎ𝑎 (𝑆𝑗) representaciones de funciones de probabilidad describiendo uso
y disponibilidad en cada punto dado de 𝑆𝑗 en un espacio geográfico.

Si toda el área de estudio A es igualmente de accesible, entonces todos los puntos


geográficos son igualmente accesibles, por lo cual:

ℎ𝑎 (𝑆𝑗) = 1/𝐴

𝑤(𝑋𝑠𝑗)𝐴−1 𝑤(𝑋𝑠𝑗)
ℎ𝑢 (𝑆𝑗) = =
∫𝑆 𝐸 𝐴 𝑤(𝑋𝑠𝑗)𝐴−1 𝑑𝑆 ∫𝑆 𝐸 𝐴 𝑤(𝑋𝑠𝑗)𝑑𝑆

o Donde W(Xsj) es determinado por condiciones ambientales X en una localidad Sj.


Aquí ℎ𝑢 (𝑆𝑗) describe uso en un espacio geográfico para toda el área de estudio. El
espacio geográfico puede dividirse en unidades discretas, en este caso la integral
de ℎ𝑢 (𝑆𝑗) sobre la unidad discreta (grilla de celdas) representa la probabilidad de
que una observación esté localizada en esa unidad.

1. En un espacio ambiental discreto, la preferencia es directamente


estimada como el cociente entre el uso de hábitat sobre la
disponibilidad de hábitat (unidad de área).
2. En un espacio ambiental continuo, fu(X) y fa(X) son combinación que
son analizadas generalmente usando regresiones logísticas, Y=1 para
las localidades donde fue observado y 0 para puntos al azar.
3. En un espacio geográfico continuo los datos consisten en
observaciones de la especie que derivan de la función de densidad de
probabilidad hu(Sj) usando puntos de muestra.
4. En un espacio geográfico discreto
a. Conteos: la variable respuesta está definida como el número
de observaciones en cada unidad espacial y cada conteo
puede modelarse usando Poisson GLM
b. Presencia ausencia: 1 o 0 dependiendo si su presencia está en
la grilla.

Funciones de probabilidad