Está en la página 1de 35

27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E.

Blair, M…

Ciencia de conservación tropical

Modelo de distribución de especies en América Latina: una


revisión retrospectiva de 25 años
Nicolás Urbina-Cardona , Mary E. Blair , Maria C. Londoño , Rafael Loyola, Jorge Velásquez-Tibatá,
Hernan Morales-Devia
Publicado por primera vez el 4 de junio de 2019 Artículo de revisión
https://doi.org/10.1177/1940082919854058

Resumen
El modelo de distribución de especies (SDM) es un área de investigación en auge que ha
tenido un aumento exponencial en el uso y desarrollo en los últimos años. Realizamos
una búsqueda de literatura científica y encontramos 5,533 documentos publicados de
1993 a 2018 usando SDM, que representan una red global de 4,329 instituciones
colaboradoras de 155 países, con Brasil y México en el top 10 de los países más
prolíficos a nivel mundial. La Universidad Nacional Autónoma de México, la Academia de
Ciencias de China, la Universidad de Kansas y el Servicio Geológico de los Estados
Unidos son las instituciones más prolíficas del mundo. Instituciones latinoamericanas ( n =
556) participó en 1,000 (18% de la productividad global) documentos publicados en
colaboración con 591 instituciones fuera de los países latinoamericanos, de los cuales la
Universidad Nacional Autónoma de México, la Universidad Federal de Goiás, el Instituto
de Ecología AC, el Consejo Nacional de Investigación Científica y Técnica en Argentina,
la Universidad de São Paulo y la Universidad de Brasilia fueron las más productivas. De
este cuerpo de literatura, los grupos taxonómicos modelados con mayor frecuencia
fueron Chordata e Insecta, y los ámbitos de aplicación más comunes fueron la
planificación y gestión de la conservación, el cambio climático, la conservación de
especies, la epidemiología, la biología evolutiva y las invasiones biológicas. De los 36
métodos de modelado identificados para generar SDM, MaxEnt se utiliza en el 73.5% de


https://journals.sagepub.com/doi/full/10.1177/1940082919854058 1/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

los documentos, seguido por Algoritmo genético para predicción de conjunto de reglas
(GARP) con 18.7%, y solo 7.4% de los trabajos comparados entre 3 y 10 métodos de
modelado. En los países latinoamericanos, la productividad en la investigación de SDM
podría mejorarse a medida que la red de colaboraciones se diversifique y se conecte con
otros países productivos (como Reino Unido, China, España, Alemania, Australia y
Francia). La colaboración científica entre los países latinoamericanos debe
incrementarse, ya que los países más prolíficos (Brasil, México, Argentina y Colombia)
comparten menos del 10% de su productividad. Algunos de los principales desafíos para
el desarrollo de SDM en América Latina incluyen cerrar las brechas entre (a) el uso del
software para investigar la productividad y (b) la traducción para la toma de decisiones.
Para abordar estos desafíos, proponemos fortalecer las comunidades de práctica donde
los modeladores,

Palabras clave
bibliometría , comunidades de práctica , modelos ecológicos de nicho , modelos basados
en nichos , análisis de redes sociales , modelado estadístico

Introducción
El modelo de distribución de especies (SDM) es una de las herramientas más recientes y
robustas utilizadas en ecología, biogeografía y macroecología ( Soberón, Osorio-Olivera y
Peterson, 2017 ). El SDM es un método para evaluar áreas que proporcionan ambientes
abióticos adecuados (a menudo, clima) para una especie dada, utilizando la relación
entre los puntos observados de ocurrencia y las variables ambientales, para generar una
predicción espacial de las regiones dentro de las cuales las condiciones ambientales son
adecuadas para la supervivencia de las especies. y crecimiento de la población. Las
revisiones anteriores de SDM se han centrado en su uso para predecir la distribución de
especies invasoras ( Barbosa, Schneck y Melo, 2012 ), para determinar el uso del modelo
MaxEnt en la investigación de la vida silvestre ( Baldwin, 2009) e informar a los
profesionales de la conservación en la toma de decisiones ( Villero, Pla, Camps, Ruiz-
Olmo y Brotons, 2017 ), entre otros. Cayuela y cols. (2009) señalaron que el 39% de los
artículos que revisaron sobre SDM se centraron principalmente en el desarrollo de
nuevas metodologías y la evaluación del rendimiento de diferentes métodos, mientras
que el otro 61% de los estudios aplicó SDM en contextos como la conservación de
especies, invasiones biológicas, cambio climático, autecología y biogeografía.


https://journals.sagepub.com/doi/full/10.1177/1940082919854058 2/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

El estado del conocimiento de la biodiversidad a nivel de la especie tiende a ser más bajo
en los países megadiversos ( Meyer, Kreft, Guralnick y Jetz, 2015 ), en los cuales el
llamado déficit de Wallacean es evidente (es decir, el conocimiento incompleto de las
distribuciones de especies ; Lomolino, 2004 ). América Latina alberga el 58.3% de los
países megadiversos del mundo ( Programa de las Naciones Unidas para el Medio
Ambiente / Convenio sobre la Diversidad Biológica, 2016 ), y en esta región, una
proporción muy alta de especies endémicas es especialmente problemática para el
conocimiento general de la biodiversidad ya que hay pocos datos geográficos distribución
para algunas especies altamente raras que se producen en microhabitats especializados
( Urbina-Cardona y Loyola, 2008) Si bien la incertidumbre en la distribución de especies
es muy desconocida para América Latina (pero ver métodos de modelado para estimar la
incertidumbre en Diniz-Filho et al., 2009 ; Loyola, Lemes, Faleiro, Trindade-Filho y
Machado, 2012 ; Sales, Neves, De Marco , & Loyola, 2017 ), los países de la región están
aumentando su dependencia económica de las actividades de extracción, impactando
profundamente sus ecosistemas ( Rosales, 2008 ; Villarroya, Barros y Kiesecker, 2014 ).
Según lo señalado por Villero et al. (2017), SDM debe informar la toma de decisiones
para especies desconocidas y raras, pero la ausencia de información debe verse como
una oportunidad para la colaboración entre instituciones más que una debilidad de la
región. Las redes de colaboración científica podrían allanar el camino para mejorar el
conocimiento de las especies, no solo en sus distribuciones, sino también en los
requisitos del hábitat, la tolerancia a las perturbaciones y la dinámica de la población,
para tener un pronóstico sólido sobre los impactos del cambio ambiental en el estado de
conservación de las especies ( Franklin, 2010 )

En este sentido, es crucial evaluar y comprender los patrones de publicación para


identificar posibles sesgos taxonómicos y ecosistémicos, así como las oportunidades de
colaboración tanto dentro de la región como con instituciones de otras regiones, para
acelerar la generación de nuevos conocimientos sobre SDM y reducir El déficit
wallaceano para los países latinoamericanos. En los últimos años, un aumento
exponencial de los datos de biodiversidad en línea (por ejemplo, GBIF.org), datos
ambientales (Worldclim v1: Hijmans, Cameron, Parra, Jones y Jarvis, 2005 ; CliMond;
Kriticos et al., 2012 ; Microclim: Kearney , Isaac, & Porter, 2014 ; Worldclim v2: Fick &
Hijmans, 2017 ; Chelsa: Karger et al., 2017 ; Envirem: Title & Bemmels, 2017;
MERRAclim:Vega, Pertierra y Olalla-Tárraga, 2017 ), y el software abierto para ejecutar
modelos (lenguaje de programación R) han resultado en una mayor productividad de los
SDM con varios nuevos métodos de modelado desarrollados ( Figura 1 (a)) Por lo tanto,
es esencial contar con una revisión actualizada del uso de SDM por parte de las 

instituciones latinoamericanas.
https://journals.sagepub.com/doi/full/10.1177/1940082919854058 3/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

Figura 1. (a) Número de artículos publicados por año según lo devuelto por nuestra
búsqueda global. Las barras naranjas representan los documentos en los que hay al
menos un coautor de una institución latinoamericana. Las flechas negras representan el
año de lanzamiento de la primera versión del paquete principal para el desarrollo o
refinamiento de SDM. El texto naranja indica que la herramienta fue desarrollada con un
colaborador latinoamericano. 1. Stockwell y Noble, 1993 ; 2. Busby, 1993 ; 3. Carpenter,
Gillison y Winter, 1993 ; 4. Jones y Gladkov, 1999 ; 5. Hirzel, Hausser, Chessel y Perrin,
2002 ; 6. Thuiller, 2003 ; 7. Phillips et al., 2006 ; 8. Freeman y Moisen, 2008; 9. Rangel,
Diniz-Filho y Araújo, 2009 ; 10. Guo y Liu, 2010 ; 11. Midgley et al., 2010 ; 12. Warren,
Glor y Turelli, 2010 ; 13. de Souza Muñoz et al., 2011 ; 14. Engler, Hordijk y Guisan, 2012
; 15. Qiao, Lin, Ji y Jiang, 2012 ; 16. Hijmans y Elith, 2013 ; 17. Muscarella et al., 2014 ;
18. Aiello ‐ Lammens, Boria, Radosavljevic, Vilela y Anderson, 2015; 19. Duan, Kong,
Huang, Wu y Wang, 2015 ; 20. Mazzoni, Halvorsen y Bakkestuen, 2015 ; 21. Barbosa,
Brown, Jiménez-Valverde y Real, 2016 ; 22. Brewer, O'Hara, Anderson, y2016 ; 23.
Cánovas, Magliozzi, Mestre, Palazón y González ‐ Wangüemert, 2016 ; 24. Leroy,
Meynard, Bellard y Courchamp, 2016 ; 25. Naimi y Araújo, 2016 ; 26. Qiao et al., 2016 ;
27. Brown, Bennett y French, 2017 ; 28. Carl y Kühn, 2017 ; 29. Dedman, Oficial, Clarke,


https://journals.sagepub.com/doi/full/10.1177/1940082919854058 4/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

Reid y Brophy, 2017 ; 30. Di Cola et al., 2017 ; 31. Guillaumot, MarHn, Eléaume y
Saucède, 2017 ; 32. Schmitt, Pouteau, Justeau, de Boissieu y Birnbaum, 2017 ; 33.
Golding et al., 2018 ; 34. Kass et al., 2018 ; 35. Título y Bemmels, 2018. (b) Producción
global de literatura sobre SDM: el tamaño del círculo representa el número de
documentos publicados por país. (c) Red de colaboración global entre países para
producir literatura científica sobre SDM. Los círculos naranjas representan a los países
latinoamericanos. El tamaño del círculo representa el número de artículos publicados por
país. El grosor de las conexiones (enlaces o bordes) indica la fuerza de colaboración que
existe, entre países, a nivel de producción científica en el modelo de distribución de
especies.

Aquí, nuestro objetivo es (a) identificar el patrón espacial y temporal de publicaciones que
usan SDM de países latinoamericanos, desde una perspectiva global; (b) identificar la red
de colaboraciones a nivel nacional e institucional que dio como resultado publicaciones
SDM de instituciones latinoamericanas en la literatura científica; y (c) caracterizar la
investigación de SDM realizada por instituciones latinoamericanas de acuerdo con grupos
taxonómicos, ámbito de aplicación, región geográfica, tipo de ecosistema y métodos de
modelado utilizados. Luego ampliamos nuestros resultados para identificar los principales
desafíos para el desarrollo de SDM en América Latina y discutir formas de superarlos.

Métodos
Uno de los autores (HM-D.) Realizó una búsqueda bibliográfica estructurada en Web of
Science (WoS) y SCOPUS de literatura científica hasta el 31 de diciembre de 2018,
utilizando una cadena de consulta para cada base de datos (consulte el Apéndice A en
línea). Los metadatos para cada documento se compilaron y estandarizaron utilizando
técnicas de minería tecnológica ( Porter y Cunningham, 2004 ) y se estructuraron en una
base de datos. Para el procesamiento de datos, utilizamos Vantagepoint versión 10.0 (
Porter & Cunningham, 2004 ), un software de minería de texto que permite incorporar y
estandarizar grandes volúmenes de información de múltiples fuentes de investigación en
línea, como SCOPUS y WoS, para analizar y visualizar información para encontrar
patrones y relaciones ( Search Technology, 2018) Con Vantagepoint, eliminamos
duplicados (había un 69% de duplicidad entre WoS y SCOPUS) y obtuvimos 13.388
documentos únicos. El título de cada documento fue leído por el primer autor (NU-C.)
Excluyendo 7.109 documentos en áreas temáticas fuera de las disciplinas de interés



(Apéndice B en línea). De los 6.279 documentos resultantes, NU-C. leyó las secciones de
título, resumen y palabras clave y excluyó 746 documentos que no empleaban SDM

https://journals.sagepub.com/doi/full/10.1177/1940082919854058 5/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

(Apéndice B en línea). La base de datos final de 5.533 documentos representa los


estudios globales sobre SDM incluidos en la síntesis cualitativa (en línea, Apéndice B).

De esta compilación de literatura global, obtuvimos la afiliación nacional e institucional de


cada coautor. Luego normalizamos los nombres de países e instituciones, filtramos las
instituciones latinoamericanas y creamos matrices de coincidencia (Apéndice C en línea).
La base de datos latinoamericana estaba compuesta por 1,000 documentos con la
participación de al menos un coautor de una institución latinoamericana. Uno de los
autores (HM-D.) Extrajo 4,481 palabras del título, resumen y palabras clave, luego NU-C.
identificó 1,661 términos pertinentes, con una frecuencia de ocurrencia de más de 3
veces, y realizó un análisis cualitativo más profundo, clasificando cada palabra clave en
cuatro categorías diferentes: grupo taxonómico, ámbito de aplicación, región geográfica y
tipo de ecosistema. Cada categoría se visualizó a través de un árbol de espuma (Carrot
Search FoamTree, 2019 ) en el que el espacio disponible se divide en polígonos de
diferentes colores y tamaños, dependiendo de su clase y frecuencia, respectivamente.

Para identificar los métodos de modelado utilizados en cada documento para modelar
distribuciones de especies, NU-C. lea el título y las secciones de resumen de cada
documento, de la base de datos latinoamericana. Además, JV-T. clasificó los diferentes
métodos de modelado en tres categorías: métodos de perfil (es decir, métodos que usan
solo datos de presencia para estimar distribuciones geográficas; esto incluye métodos de
envolvente como BIOCLIM, métodos de distancia-DOMINIO y métodos multivariados-
análisis de factores de nicho ecológico); métodos estadísticos y métodos de aprendizaje
automático. Un total de 687 documentos informaron el método de modelado en las
secciones de título y resumen (68.6% de toda la base de datos latinoamericana) y fueron
migrados a VOSviewer ( van Eck & Waltman, 2010) VOSviewer permite construir y
visualizar mapas bibliométricos de palabras clave basadas en datos de coincidencia,
utilizando el clúster basado en modularidad y técnicas de mapeo que minimizan una
suma ponderada de cuadrados de distancias euclidianas entre todos los pares de
elementos (categorías) a través de un proceso de optimización ( van Eck y Waltman,
2013 ).

Con base en el cuerpo de documentos globales y latinoamericanos, creamos y


visualizamos redes de colaboración tanto a nivel nacional como institucional en el que se
aplicó la centralidad basada en nodos (número de enlaces que tiene cada país o
institución) para medir la importancia de un nodo dentro una red ( Bonacich, 1987 ;
Freeman, 1977 ). Visualizamos el número de artículos publicados por país en un mapa,
utilizando el complemento COM Power Pivot para Excel — Office 2016. 

https://journals.sagepub.com/doi/full/10.1177/1940082919854058 6/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

También utilizamos datos del American Museum of Natural History sobre la cantidad de
descargas del software MaxEnt SDM entre el 12 de diciembre de 2016 y el 8 de junio de
2018 (178 días después de que la nueva versión de código abierto de MaxEnt estuviera
disponible; Phillips, Anderson, Dudik , Schapire y Blair, 2017 ), para comparar patrones
de descargas de software MaxEnt con patrones de publicación de investigación SDM por
país.

Resultados
Red Global de Investigación SDM

La red global de colaboración estaba compuesta por 155 países, de los cuales los 10
más productivos, en orden descendente de productividad, fueron Estados Unidos, Reino
Unido, China, España, Alemania, Australia, Francia, Brasil, México y Canadá ( Figura 1
(si)) Estados Unidos lideró ampliamente la producción científica mundial con 1,863
artículos ( Figura 1 (b)) Además, los 15 países que representaban a los nodos con el
mayor grado de centralidad (con colaboraciones con más de 30 países) fueron, en orden
descendente, Estados Unidos, Alemania, Reino Unido, Francia, España, Australia,
Canadá, Italia, Países Bajos, Suiza , Brasil, China, Bélgica, Dinamarca y Sudáfrica,
indicando sus roles como centros de colaboración ( Figura 1 (c)) A nivel mundial, las
redes de colaboración más importantes se produjeron entre Portugal y España ( n  = 84
artículos publicados en colaboración), Reino Unido y España ( n  = 69), Alemania y Reino
Unido (60), así como entre Estados Unidos y Reino Unido ( n  = 144), Australia ( n  =
135), México ( n  = 112), China ( n  = 95), Canadá ( n  = 94), España ( n  = 89), Brasil ( n  =
86), Francia ( n  = 86) y Alemania ( n  = 85; Figura 1 (c)) De esta red de colaboración, los
países latinoamericanos más productivos fueron Brasil, México, Argentina, Colombia,
Chile y Ecuador, con 356, 350, 145, 103, 57 y 39 documentos, respectivamente ( Figura 1
(b, c))

Redes latinoamericanas y su articulación con el mundo

La red de colaboración latinoamericana estaba compuesta por 26 países que interactúan


principalmente con 60 países en todo el mundo, de los cuales las colaboraciones más
productivas (representadas por enlaces conocidos como bordes) son con Estados
Unidos, España, Reino Unido, Alemania y Australia ( Figura 2 ( a, b)) La red de
colaboración más fuerte se evidenció entre Estados Unidos con México ( n  = 112
colaboraciones), Brasil ( n  = 86), Colombia ( n  = 44), Chile ( n  = 21) y Ecuador ( n  = 21);
seguido por las interacciones de Brasil con Reino Unido ( n  = 23) y Alemania ( n  = 21);


https://journals.sagepub.com/doi/full/10.1177/1940082919854058 7/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

así como entre España y México ( n  = 28), Brasil ( n  = 15), Argentina ( n  = 11), Ecuador (
n  = 11), Colombia ( n  = 8) y Chile ( n  = 8; Figura 2 (si)) Además, los 10 países que
representaron los nodos con el mayor grado de centralidad (con colaboraciones con más
de 30 países) entre América Latina y el resto del mundo son, en orden descendente,
Estados Unidos, Brasil, Australia, Reino Unido, México, Colombia, España, Alemania,
Francia y Canadá ( Figura 2 (a, b))

Figura 2. (a) Productividad de la literatura de SDM en la que las instituciones


latinoamericanas participan (círculos azules) con otros países del mundo (círculos azules
pálidos). El tamaño del círculo representa el número de documentos publicados por país.
(b) Red de colaboración entre los 26 principales países de América Latina (círculos
anaranjados) con otros 60 países (círculos rojos) para producir documentos sobre SDM
en la literatura científica. El tamaño del círculo representa el número de artículos
publicados por país. El grosor de las conexiones (enlaces o bordes) indica la fuerza de
colaboración que existe entre países.



https://journals.sagepub.com/doi/full/10.1177/1940082919854058 8/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

Los 10 principales países latinoamericanos más prolíficos son Brasil ( n  = 356), México (
n  = 350), Argentina ( n  = 145), Colombia ( n  = 103), Chile ( n  = 57), Ecuador ( n  = 39),
Costa Rica ( n  = 20), Perú ( n  = 20), Uruguay ( n  = 19) y Bolivia ( n  = 18; Figura 2 (a, b))
Sin embargo, cuando se considera el número de documentos publicados por densidad de
2
población del país (población / km ), aparece un nuevo patrón de clasificación. En orden
descendiente, los 10 principales países prolíficos son Brasil, Argentina, México,
Colombia, Chile, Bolivia, Uruguay, Perú, Ecuador y Venezuela. En contraste, cuando se
considera el número de documentos publicados por población de país, el patrón de
clasificación cambia: Uruguay, Costa Rica, Argentina, Chile, México, Guyana, Panamá,
Ecuador, Colombia y Surinam.

Las aristas de colaboración más sólidas entre los países latinoamericanos se


evidenciaron entre Brasil con Argentina ( n  = 18), México ( n  = 17) y Colombia ( n  = 11) y
entre México con Colombia ( n  = 17), Ecuador ( n  = 10) y Argentina ( n = 8); Estas
colaboraciones representan apenas entre 2.2% y 10.7% de las publicaciones del país. De
las instituciones centroamericanas, Costa Rica, Panamá y Nicaragua fueron los más
prolíficos con 60, 27 y 11 documentos publicados, respectivamente, seguidos por
Honduras, Guatemala y El Salvador (con 7, 6 y 2 publicaciones, respectivamente). De las
islas del Caribe, Cuba y Puerto Rico fueron las más prolíficas con 16 y 5 publicaciones,
respectivamente, seguidas por Jamaica, Antigua y Barbuda, República Dominicana y
Haití (con 3, 3, 2 y 1 publicaciones, respectivamente; Figura 2 (una))

Desde una perspectiva institucional, la red de colaboración global estaba compuesta por
4,329 instituciones, de las cuales 51 publicaron más de 34 documentos cada una (media
61.6), configurando un componente principal de la red ( Figura 3 (a)) Las 10 principales
instituciones incluyeron dos de América Latina y, en orden descendente de producción,
fueron la Universidad Nacional Autónoma de México (UNAM), la Academia de Ciencias
de China, la Universidad de Kansas, el Servicio Geológico de los Estados Unidos
(USGS), el Consejo Superior de Investigaciones Científicas, la Universidad Federal de
Goiás (Brasil), la Universidad de Melbourne, la Universidad de Oporto, el Servicio
Forestal de los Estados Unidos y la Universidad Estatal de Colorado. Con base en la
cantidad de productividad, fue posible identificar que la UNAM tenía el grado de
centralidad más alto entre las instituciones de todo el mundo, siendo la institución más
prolífica, con 199 artículos publicados, colaborando con otras 225 instituciones (38.2% de
países latinoamericanos) en el red. En contraste, la segunda institución más prolífica, la
Academia de Ciencias de China, colaboró con 17 instituciones, pero publicó el 70% de
los documentos en colaboración con una sola institución (Universidad de la Academia de 

https://journals.sagepub.com/doi/full/10.1177/1940082919854058 9/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

Ciencias de China). No hubo colaboración entre la UNAM con la Academia de Ciencias


de China (Figura 3 (a))

Figura 3. (a) Red de colaboración entre las 51 principales instituciones mundiales


(círculos rojos) en la literatura científica sobre SDM, de las cuales seis instituciones se
encuentran en países latinoamericanos (círculos naranjas). El tamaño del círculo
representa el número de trabajos publicados por la institución. El grosor de las
conexiones (enlaces) indica la fuerza de colaboración que existe entre las instituciones.
(b) Red de colaboración entre las 45 principales instituciones latinoamericanas (círculos
naranjas) con 13 instituciones de otras regiones (círculos rojos) para producir literatura
científica sobre SDM. El tamaño del círculo representa el número de artículos publicados
por cada institución. El grosor de las conexiones (enlaces) indica la fuerza de
colaboración que existe entre las instituciones.

La Universidad de Kansas y USGS (EE. UU.) Se encuentran en el tercer y cuarto nivel de


productividad, con 161 y 125 documentos publicados, respectivamente. Dentro del
componente principal de la red global, la Universidad de Kansas ha colaborado con 28 

https://journals.sagepub.com/doi/full/10.1177/1940082919854058 10/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

instituciones de las cuales cinco son de América Latina (UNAM, Instituto de Ecología AC-
INECOL, Universidad de São Paulo (USP), Universidad Federal de Goiás y Universidad
de Brasilia), mientras que USGS colaboró con solo 18 instituciones que no muestran
interacción con las instituciones latinoamericanas ( Figura 3 (a))

La red latinoamericana estaba compuesta por 556 instituciones latinoamericanas que


colaboran con otras 519 instituciones fuera de los países latinoamericanos (Apéndice C
en línea). Un total de 45 instituciones latinoamericanas y 13 instituciones externas,
publicaron más de 10 documentos cada una (media 22.8) que configuran el componente
principal de la red ( Figura 3 (b)) De ellos, la principal institución es la UNAM, que
colabora principalmente con la Universidad de Kansas, INECOL y la Universidad de
Texas en Austin (17%, 10.5% y 6.5% de las publicaciones de la UNAM, respectivamente).
La segunda institución latinoamericana más productiva fue la Universidad Federal de
Goiás que colaboró con 24 instituciones, principalmente con la Universidad Estatal de
Goias, el Consejo Superior de Investigaciones Científicas, la Universidad Federal de
Paraná, la UNAM y el Instituto Nacional de Investigación Amazónica (entre 5 y 7
documentos compartidos). ) Las otras cuatro instituciones latinoamericanas más prolíficas
fueron INECOL (55 artículos publicados con 17 instituciones), Consejo Nacional de
Investigación Científica y Técnica en Argentina — CONICET (52 artículos publicados con
19 instituciones), USP (51 artículos publicados con 28 instituciones),

Caracterización temática de la investigación latinoamericana en SDM

A partir de la caracterización de las palabras clave reportadas entre los 1,000 artículos
SDM publicados con la colaboración de instituciones latinoamericanas, los patrones
principales fueron los siguientes:

1. Grupo taxonómico: De los 25 grupos taxonómicos de especies modeladas (del Reino a


la Clase o División), los más frecuentes fueron Chordata (45%), Insecta (17%) y
Magnoliophyta (7%; Figura 4 (a)).

2. Área de aplicación: de 30 tipos de áreas temáticas de investigación, el 70% de las


palabras clave se relacionó principalmente con estudios en los siguientes temas:
planificación y gestión de la conservación, cambio climático, conservación de especies,
epidemiología, biología evolutiva e invasiones biológicas. Cada categoría representa
una contribución entre el 4% y el 13% de las palabras categorizadas (Figura 4 (b));

3. Región geográfica del SDM: De los 25 tipos de regiones geográficas, las más
frecuentes fueron Sudamérica y Mesoamérica con contribuciones de 37% y 28% de 

https://journals.sagepub.com/doi/full/10.1177/1940082919854058 11/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

palabras categorizadas, respectivamente (Apéndice D en línea). Los países más


frecuentes fueron México (29%), Brasil (14%), Argentina (6%) y Colombia (5%;
Apéndice D en línea).

4. Tipo de ecosistema del SDM: De los 17 tipos de ecosistemas, los más frecuentes
fueron la selva tropical, los ecosistemas de montaña y el bosque seco tropical con
contribuciones entre el 14% y el 29% de las palabras clasificadas (Apéndice E en
línea).

Métodos de modelado utilizados para desarrollar SDM en la investigación


latinoamericana

A partir de la lectura detallada (título, resumen y palabras clave) de los 1,000 artículos en
los que colaboraron las instituciones latinoamericanas, identificamos 673 artículos
(excluyendo 14 documentos de revisión que no realizaron ningún modelo de SDM y
fueron excluidos del mapeo bibliométrico) que utilizaron 36 métodos (en tres categorías)
para modelar distribuciones de especies (ver el Apéndice F en línea). El primer método
de modelado para modelar distribuciones en el que participaron instituciones
latinoamericanas fue GARP ( Sánchez-Cordero y Martínez-Meyer, 2000 ; Soberón,
Golubov y Sarukhán, 2001 ).

Es bien sabido que no hay garantía de que un único método de modelado sea óptimo
para modelar distribuciones de especies para todos los conjuntos de datos y reinos
geográficos ( Mateo, Felicísimo y Muñoz, 2011 ). Sin embargo, fue solo después de 2006
que los investigadores comenzaron a comparar SDM con más de dos métodos de
modelado (modelos aditivos generalizados, GARP, BIOCLIM, modelos lineales
generalizados: GLM, MaxEnt, DOMAIN, FloraMap, ponderaciones de evidencia, distancia
de Mahalanobis y bosques aleatorios, entre otros; Apéndice G en línea). Hasta 2018, solo
50 artículos (7,4%) compararon entre 3 y 10 métodos de modelado, de los cuales solo 6
compararon más de 7 métodos ( Escobar, Qiao, Cabello y Peterson, 2018 ; Ochoa-
Ochoa, Flores-Villela y Bezaury- Creel, 2016 ; Queiroz et al., 2013; Reiss, Cunze, Konig,
Neumann y Kroncke, 2011 ; Tessarolo, Rangel, Araújo y Hortal, 2014 ; Tognelli, Roig-
Juñent, Marvaldi, Flores y Lobo, 2009 ; Apéndice en línea F, G).

Encontramos que el 73.5% de los análisis utilizaron MaxEnt, seguido de GARP (18.7%),
GLM (6.4%), BIOCLIM (4.6%), Bosques aleatorios (5%) y modelos de aditivos
generalizados (3.1%; Figura 5(una)). La combinación más común de análisis realizados
son modelos MaxEnt con GARP ( n  = 47), BIOCLIM ( n  = 22), GLM ( n  = 17) y Bosques
aleatorios ( n  = 16; Figura 5 (a), en línea, apéndice F, G). Nuestros resultados destacan a


https://journals.sagepub.com/doi/full/10.1177/1940082919854058 12/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

MaxEnt como el software más utilizado para modelar la distribución de especies de


instituciones latinoamericanas. Este hallazgo es respaldado por los datos de descarga de
MaxEnt que muestran que entre el 12 de diciembre de 2016 y el 8 de junio de 2018, 178
días después de que la nueva versión de código abierto de MaxEnt estuviera disponible (
Phillips et al., 2017 ), se realizaron 27,472 descargas desde 156 países, de los cuales el
19.7% se hicieron en los Estados Unidos, el 9.2% en México, el 7.5% en Brasil, el 6% en
China y el 5.5% en Colombia ( Figura 5 (b); datos del Museo Americano de Historia
Natural). Los países latinoamericanos realizaron 8,861 descargas, el 32.2% del total de
descargas, durante este período. Además, después de controlar el tamaño de la
población de los países, 5 países latinoamericanos emergieron entre los 10 principales
países con el mayor número de descargas por millón de personas durante este período:
Costa Rica, la Guayana Francesa, Colombia, Ecuador y Chile.

Discusión
Según nuestros resultados, la investigación sobre SDM comenzó a principios de los 90 y
evolucionó con más de 5,533 artículos publicados y 35 herramientas de modelado
utilizadas a partir de 2018 ( Figura 1 (a)) Proponemos las siguientes estrategias para
impulsar la generación de nuevos conocimientos sobre SDM, para reducir el déficit de
Wallace y para superar este gran desafío de la degradación ambiental en los países
latinoamericanos.

Oportunidades de interacción visualizadas a partir de patrones de colaboración


institucional

Concluimos que Estados Unidos es el país con la mayor producción científica en SDM,
como lo es para otras áreas científicas como se muestra en la Tabla 1 ( SCImago, 2019 ).
Sin embargo, Estados Unidos también es importante para las colaboraciones entre
países, pero nuestro estudio presenta un patrón de publicación por país diferente al
informado por Barbosa et al. (2012) para SDM de especies invasoras ( Tabla 1 ).

Tabla 1. Los cinco países más prolíficos en diferentes áreas


temáticas y categorías de conocimiento.

Los países de América Latina colaboran en el 18% de la producción mundial de


publicaciones académicas de SDM, incluido el desarrollo de nuevas herramientas de
modelado ( Figura 1 (a)) Brasil y México se encuentran entre los 10 principales países del


https://journals.sagepub.com/doi/full/10.1177/1940082919854058 13/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

mundo y se convierten en una referencia a nivel internacional, especialmente entre otros


países latinoamericanos. Esto se correlaciona con los resultados del SCImago Journal &
Country Rank, un portal que proporciona indicadores científicos para evaluar dominios
científicos, donde a nivel mundial Brasil se encuentra entre los 15 primeros y México
entre los 29 principales para la producción académica en todas las categorías de
materias ( Tabla 1 ; SCImago, 2019 ).

Dentro de la región latinoamericana, las instituciones más productivas en SDM son la


UNAM, que también es la número uno a nivel mundial, seguida por la Universidad
Federal de Goiás, USP y la Universidad de Brasilia, esas instituciones están clasificadas
por SCImago (2019) en América Latina como las posiciones 3, 45, 1 y 25,
respectivamente.

El alcance geográfico de la investigación SDM en América Latina coincide con los cuatro
países más productivos científicamente: México, Brasil, Argentina y Colombia ( Figura 2
(a, b); Apéndice D en línea). Aunque la red de colaboración en América Latina es
compleja e involucra a 12 países, la investigación en la región podría estar reduciendo el
déficit de Wallacean solo en esos países. Sería deseable que la colaboración futura
reduzca el déficit de Wallacean no solo en los países más productivos sino que se
expanda a otras áreas geográficas menos estudiadas.

Es interesante ver cómo el número de colaboraciones con otras instituciones tiene un


patrón contrastante entre las principales instituciones de clasificación mundial 1 y 2.
Mientras que la UNAM colaboró con otras 225 instituciones, la Academia de Ciencias de
China solo colabora con otras 17 instituciones. Esto sugiere que, en contraste con China,
la colaboración es un tema crucial para clasificar las universidades en América Latina. La
Academia de Ciencias de China es la segunda institución que tiene más publicaciones a
nivel mundial sobre SDM. Con base en su desempeño de investigación, resultados de
innovación e impacto social, la Academia de Ciencias de China ocupa el primer lugar
entre las instituciones globales según lo medido por su visibilidad web ( SCImago, 2019 ).
Sin embargo, en América Latina, esta institución solo colabora con Guatemala y Chile
(Apéndice C en línea).

La implementación de estrategias de colaboración entre las instituciones


latinoamericanas y las de fuera de América Latina debe continuar mejorando a través de
becas, desarrollo de capacidades, años sabáticos entre investigadores o asesores
compartidos de estudiantes de posgrado. Las redes de colaboración latinoamericanas
tenderán a crecer a medida que más investigadores regresen a su país de origen, 

https://journals.sagepub.com/doi/full/10.1177/1940082919854058 14/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

manteniendo redes de colaboración creadas a partir de estudios de posgrado y becas, y


comenzando nuevas colaboraciones con otros países latinoamericanos.

Cerrar la brecha del usuario de software al coautor: un caso de estudio de


MaxEnt

MaxEnt es el software más utilizado para modelar la distribución de especies de


instituciones latinoamericanas ( Figura 5 (a)) Los primeros nueve documentos publicados,
por instituciones latinoamericanas, usando el software MaxEnt fueron de 2007 a 2008 (en
línea, Apéndice F, G), entre 1 y 2 años después del lanzamiento de la primera versión del
software ( Phillips, Anderson y Schapire, 2006 ; Figura 1 (a)) Los usuarios de MaxEnt ven
esta herramienta como una de las que requiere la menor cantidad de acciones
necesarias para implementar el análisis, que se encuentra entre las principales
herramientas de modelado en términos de utilidad, curva de aprendizaje, capacidades del
sistema y satisfacción general del usuario ( Ahmed et al., 2015 ). Como se mencionó
anteriormente, después de que la nueva versión de código abierto de MaxEnt estuviera
disponible ( Phillips et al., 2017 ), fue seguida por una enorme cantidad de descargas (
Figura 5 (b)); El 32,3% de los cuales tuvo lugar en América Latina.

Además, la mitad de los 10 principales países que descargaban el software (cuando


controlaban el tamaño de la población) estaban en América Latina. Entonces, si América
Latina es realmente poderosa dentro de la comunidad global de usuarios de MaxEnt,
¿por qué los autores e instituciones latinoamericanos representan solo el 18% de la
literatura científica global sobre SDM? Mirando más a fondo las tendencias de descarga,
podemos examinar el 13,155 o el 48% de las descargas globales que incluyeron
información opcional de la institución. De este número, 3,385 o 38.2% del total de
descargas de América Latina (8,861) incluyeron información institucional. De ellos, la
gran mayoría (2,944 o 87%) de las descargas de MaxEnt provenían de instituciones
académicas (universidades o centros / institutos universitarios). Descargas de
instituciones gubernamentales, incluidos institutos de investigación, agencias,
administraciones del sistema de parques nacionales, y los ministerios comprendían el
384 o el 11%, las organizaciones no gubernamentales (ONG), incluidas las
organizaciones de conservación, los institutos privados de investigación sin fines de lucro
y las fundaciones representaban el 102 o el 3%. Solo 5 descargas o 0.1% fueron de
compañías con fines de lucro, incluidos consultores.

Como se mencionó anteriormente, las instituciones latinoamericanas más prolíficas en la


literatura científica mundial fueron las universidades (en línea, Apéndice C). La 

información de descarga de software también refleja esta tendencia, pero el número de
https://journals.sagepub.com/doi/full/10.1177/1940082919854058 15/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

descargas de MaxEnt de instituciones gubernamentales también es notable, lo que no es


tan evidente en las tendencias observadas en la literatura científica. Podríamos suponer
que si examinamos más allá de la literatura científica para incluir libros blancos e
informes gubernamentales, podríamos encontrar contribuciones escritas adicionales de
estas instituciones y probablemente varios ejemplos de traducciones de SDM a la toma
de decisiones relacionadas con la conservación de la biodiversidad en ONG y agencias
gubernamentales ( ver algunos ejemplos más adelante). Probablemente, también
podemos suponer que hay una gran cantidad de desarrollo e investigación de SDM en
curso en las universidades que no se publica en la literatura científica global, o que se
usa solo para capacitación. Esta investigación puede estar disponible en su lugar como
tesis o informes de estudiantes en bases de datos universitarias. También puede haber
más desafíos para publicar resultados, como costos, idioma y otros factores.

Implementación de mejores prácticas e integración de SDM en el monitoreo del


cambio de biodiversidad

El fortalecimiento de las redes de colaboración entre instituciones académicas e


instituciones fuera de la academia en América Latina mejoraría aún más la traducción de
la investigación SDM a la toma de decisiones de conservación de la biodiversidad (como
se discutirá más adelante) y probablemente aumentaría la visibilidad de la investigación
en curso y futura utilizando SDM en el mundo literatura cientifica. Las oportunidades de
capacitación de SDM de código abierto y las redes en línea en español (como la iniciativa
colombiana BioModelos, ver más adelante) y más informalmente, el grupo de Facebook
"Modelado de Nichos Ecológicos y Distribuciones Geográficas" son una estrategia sólida
y apropiada para facilitar capacitación en línea y la formación de comunidades de práctica
entre investigadores y profesionales de diferentes sectores y diferentes países de
América Latina (Cuervo-Robayo et al., 2017 ).

Identificamos que algunos países latinoamericanos tienen un gran potencial para


convertirse en líderes mundiales en el área de SDM, en la medida en que la colaboración
entre instituciones aumenta y se diversifica. A medida que las áreas de investigación de
SDM aumentan en América Latina, los investigadores también deben adquirir buenas
prácticas, los datos de entrada deben ser de acceso abierto, los códigos deben
compartirse con la documentación completa y las capas de predicción deben estar
disponibles ( Breiman, 2001 ; Guisan y Thuiller, 2005 ; Humphries y Huettmann, 2018 ).
Los países latinoamericanos se están moviendo hacia una cultura científica abierta, el
número de mandatos de acceso abierto adoptados ha aumentado de 1 en 2005 a 54 en
2018 (ROARMAP http://roarmap.eprints.org/ , última visita el 18 de abril de 2019).


https://journals.sagepub.com/doi/full/10.1177/1940082919854058 16/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

Los países megadiversos de América Latina tienen importantes reservas de recursos


mineros como oro, níquel, cromo y cobre, entre otros (USGS, 2018). Esos recursos
atraen una mayor presión de las grandes compañías, que junto con la extracción de
petróleo y madera, empujan a los gobiernos a dar prioridad a las actividades extractivas
sobre la preservación de la biodiversidad ( Loyola, 2014 ; Villarroya et al., 2014 ). Bajo
tales escenarios, SDM podría proporcionar información crítica para hacer una diferencia
en el proceso de toma de decisiones al mejorar la comprensión y el monitoreo de la
biodiversidad, así como al enfocar las estrategias de conservación espacial y su
implementación efectiva por parte de las autoridades responsables ( Scheldeman & van
Zonneveld, 2010); por ejemplo, combinando SDM con otra información clave como parte
de un marco de planificación de conservación sistemática (por ejemplo, como en Marxan:
Ball, Possingham, & Watts, 2009 ; o Zonation: Moilanen et al., 2005 ). Se necesita
mejorar la capacitación de las nuevas generaciones de biólogos y ecologistas en técnicas
computacionales para que los métodos de aprendizaje automático puedan desempeñar
un papel esencial en la comprensión de ecosistemas completos mediante el modelado
holístico ( Humphries y Huettmann, 2018 ).

La nueva tecnología puede ser mal utilizada fácilmente cuando no se aplica


correctamente, como se ve explícitamente para SDM (Guillera-Arroita et al., 2015;
Humphries & Huettmann, 2018 ) y la calidad del modelo debe evaluarse ( Araújo et al.,
2019) Los SDM son particularmente propensos a los problemas derivados de una falta de
coincidencia entre el tipo de datos y el propósito previsto. Por lo tanto, para la práctica de
conservación es fundamental saber si el resultado de un SDM será apropiado para la
aplicación prevista (Guillera-Arroita et al., 2015). La mayoría de los SDM producidos en
América Latina provienen de datos de antecedentes de presencia, lo que significa que
sus resultados representan en la mayoría de los casos probabilidades relativas de
observación, con limitaciones posteriores en sus aplicaciones. Como tal, América Latina
necesita avanzar hacia la recopilación de datos de encuestas más informativos del tipo
de detección de ocupación para que se pueda hacer una mejor inferencia de la
distribución de especies (Guillera-Arroita et al., 2015).

El SDM en América Latina se ha utilizado en múltiples ámbitos de aplicación, pero con un


sesgo considerable hacia los vertebrados e insectos, y en tres ecosistemas principales
(selvas tropicales, bosques secos tropicales y ecosistemas de montaña). Los
investigadores en América Latina han explorado múltiples aplicaciones para SDM;
alentamos que este nivel diverso de aplicación continúe de manera interdisciplinaria.
También es importante notar que uno de los ecosistemas más amenazados del mundo
(bosque seco tropical: Hoekstra, Boucher, Ricketts y Roberts, 2005 ) también es uno de


https://journals.sagepub.com/doi/full/10.1177/1940082919854058 17/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

los mejor representados en la investigación de SDM (Apéndice E en línea). Además, los


impulsores del cambio global más críticos, el cambio en el uso del suelo, las invasiones
biológicas y el cambio climático ( Sala et al., 2000 ) se encuentran entre las temáticas
más estudiadas desde la perspectiva de SDM (Figura 4 (b)) Esos resultados muestran de
hecho la conciencia de la comunidad investigadora de la importancia de la SDM para la
conservación en las regiones.

Figura 4. Visualización de FoamTree de Carrot Search de palabras pertinentes


clasificadas por categorías: (a) grupo taxonómico y (b) ámbito de aplicación.



https://journals.sagepub.com/doi/full/10.1177/1940082919854058 18/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

Figura 5. (a) Red de métodos de modelado utilizados para desarrollar SDM en


documentos que incluyen colaboradores de instituciones latinoamericanas. (b) Descargas
globales del software MaxEnt del 12 de diciembre de 2016 al 8 de junio de 2018 ( n  =
27,472; datos del Museo Americano de Historia Natural). El tamaño del círculo representa
el número de descargas por país, en 178 días.

ENFA = análisis de factor de nicho ecológico; GARP = Algoritmo genético para la


predicción de conjunto de reglas; GLM = modelos lineales generalizados; GAM =
modelos aditivos generalizados.

Para que los resultados de la investigación tengan una mayor incidencia en el proceso de
toma de decisiones, los encargados de la toma de decisiones también deben comprender
la importancia del SDM. No hay un futuro sostenible claro en algunos países
neotropicales megadiversos en los que la biodiversidad no es una prioridad para los
gobiernos centrales que están comprometidos con países de economía líder (como China
y EE. UU.), Mientras que la pobreza local aumenta en algunas regiones, en las que el
negocio de drogas ilegales y Las grandes empresas exhiben poder local en las 

https://journals.sagepub.com/doi/full/10.1177/1940082919854058 19/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

decisiones sobre la tierra ( Brocket, 1990 ; Huettmann, 2015 ). Como notaron Humphries
y Huettmann (2018), El estudio de SDM rara vez se vincula con el manejo efectivo de la
conservación, ya que no se hace referencia a ellos en la mayoría de las decisiones
políticas o legales, y los estudios de SDM carecen ampliamente de un componente
reflexivo que promueva cuestiones éticas y sociales. ¿Cómo podemos avanzar para
traducir los resultados científicos en una gestión de conservación efectiva? Proponemos
que en América Latina, el SDM debe ubicarse en un contexto más amplio entre los datos
de monitoreo y los contextos específicos de manejo y conservación. Los nuevos marcos
de monitoreo de la biodiversidad pueden proporcionar herramientas robustas para
articular las necesidades de los usuarios con los resultados científicos, las Redes de
Observación de la Biodiversidad podrían desarrollarse en América Latina y facilitar el
conocimiento explícito para transitar hacia el conocimiento tácito, abordar las
necesidades sociales y económicas, y así aumentar la incidencia de la investigación en
conservación ( Navarro et al., 2017)

Construyendo comunidades de práctica en torno a SDM: el caso de


BioModelos en Colombia

Idealmente, SDM debe basarse en suficientes datos de ocurrencia, así como en el


conocimiento sobre los factores ambientalmente limitantes y las limitaciones de
dispersión de las especies ( Anderson, 2012 ; Araújo y Peterson, 2012 ). Aunque los
datos de ocurrencia están cada vez más disponibles en plataformas de acceso abierto,
como el Fondo Mundial para la Información sobre Biodiversidad ( Meyer et al., 2015 ),
aunque con una calidad cuestionable ( Anderson et al., 2016 ), el conocimiento sobre la
ecología y evolución de las especies también es insuficiente pero crucial. para el
desarrollo de modelos biológicamente significativos ( Diniz-Filho, Loyola, Raia, Mooers y
Bini, 2013) Para remediar este déficit, la iniciativa colombiana BioModelos reúne a
modeladores con expertos que pueden informar el desarrollo del modelo y evaluar la
confiabilidad de los modelos ( Velásquez-Tibatá et al., 2019 ). Presentamos esta iniciativa
aquí como un ejemplo de creación de conocimiento colaborativo para mejorar SDM.

En BioModelos, los expertos se organizan en grupos de acuerdo con las áreas temáticas
de interés, y cada grupo tiene un conjunto definido de especies de interés. Los expertos
contribuyen a través de una plataforma en línea (biomodelos.humboldt.org.co) a
cualquiera de las siguientes actividades para cada especie en su grupo: (a) limpieza de
datos de ocurrencia; (b) delimitación del área accesible; (c) identificación de cubiertas
terrestres adecuadas; (d) identificación de áreas de modelo sobre / infra predicción; (e)
selección de umbrales de idoneidad para crear modelos binarios; y (f) evaluación


https://journals.sagepub.com/doi/full/10.1177/1940082919854058 20/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

cualitativa de la precisión del modelo. Un equipo central desarrolla y edita modelos de


acuerdo con las aportaciones de expertos. Una vez que se completa este proceso de
modelado colaborativo, los modelos están disponibles para su visualización y descarga
en formatos SIG estándar junto con metadatos que documentan el proceso de modelado
en la página web de BioModelos.

Hasta el momento, 475 expertos se han unido al menos a uno de los 20 grupos de
expertos en BioModelos, donde contribuyen al desarrollo de modelos para 980 especies (
Velásquez-Tibatá et al., 2019 ). Estos modelos han sido particularmente cruciales para el
gobierno colombiano en la evaluación del riesgo de extinción de especies ( Renjifo,
Amaya-Villareal, Burbano-Girón y Velásquez-Tibata, 2016 ) y el desarrollo de planes de
acción nacionales de conservación (por ejemplo, cícadas y primates:
http://www.minambiente.gov.co/index.php/bosques-biodiversidad-y-servicios-
ecosistematicos/fauna-y-flora/programas-de-conservacion#documentos) Junto con esas
evaluaciones y planes, las evaluaciones cualitativas del realismo biológico de las
predicciones espaciales por parte de expertos calificados son esenciales para minimizar
los costosos errores de comisión ( Guisan et al., 2013 ; Lobo, Jiménez-Valverde y Hortal,
2010 ) que no pueden medirse imparcialmente con datos solo de presencia ( Lobo,
Jiménez-Valverde y Real, 2008 ). Sin embargo, los usuarios del modelo también informan
su uso para la investigación básica (33%) y actividades educativas (32%) y actividades
variadas como evaluaciones de impacto ambiental, bioprospección e investigación
aplicada ( Velásquez-Tibatá et al., 2019 ).

La implementación de BioModelos en Colombia muestra que es posible recorrer un largo


camino para abordar la incompletitud de los datos y los problemas de calidad al involucrar
a expertos en el desarrollo de modelos. Al utilizar flujos de trabajo transparentes y hacer
que los datos estén disponibles gratuitamente, este enfoque contribuye a disminuir la
duplicación de esfuerzos en la limpieza y modelado de datos, acelerando así el uso de
resultados de modelado en investigación básica y aplicada. Construir SDM de manera
colaborativa es el primer paso para crear comunidades de práctica que discutan y
superen las diferentes advertencias de SDM. El siguiente paso es integrar a las partes
interesadas de instituciones gubernamentales, ONG y sectores productivos para
desarrollar productos derivados de SDM que puedan incorporarse directamente en la
toma de decisiones.

Implicaciones para la conservación




https://journals.sagepub.com/doi/full/10.1177/1940082919854058 21/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

SDM se utiliza para apoyar la toma de decisiones en América Latina; sin embargo,
debemos aumentar la incidencia de productos derivados de SDM para la toma de
decisiones. Instituciones limítrofes entre la ciencia y la academia, como CONABIO en
México (Koleff y Urquiza-Hass, 2011; Ochoa-Ochoa, Urbina-Cardona, Flores-Villela,
Vázquez y Bezaury-Creel, 2009 ; Urbina-Cardona y Flores-Villela, 2010), o Conservation
International y el Instituto Alexander von Humboldt en Colombia (Conservación
Internacional-Colombia y Secretaría Distrital de Ambiente, 2010; Londoño-Murcia, Zárate
y Ruiz-Agudelo, 2011a; Londoño-Murcia et al., 2011b), han invertido en el desarrollo de
SDM como insumo crítico para evaluaciones (sub) nacionales de patrones de
biodiversidad, análisis de brechas de conservación y planificación de conservación, así
como para el desarrollo de cartografía oficial como el Mapa Nacional de Ecosistemas de
Colombia y su uso en compensaciones de biodiversidad ( Ministerio de Ambiente y
Desarrollo Sostenible, 2018 ) y evaluaciones de riesgo de extinción de especies ( Renjifo
et al., 2016 ).

Las instituciones no gubernamentales y otras instituciones de América Latina han


utilizado el SDM para apoyar los programas de conservación de especies y la
planificación del uso de la tierra. Este es el caso en Brasil, por ejemplo, en el que el
Ministerio del Medio Ambiente se asocia con el Instituto Chico Mendes para la
Conservación de la Biodiversidad para usar los MDS para guiar y proponer acciones para
monitorear y proteger las especies amenazadas (en los planes de recuperación de
especies: Ferraz et al., 2012 ) e identificar áreas prioritarias para la conservación y el uso
sostenible de la biodiversidad de Brasil (por ejemplo, Ministério do Meio Ambiente, 2007
). El uso de SDM en América Latina se ha centrado en la conservación de especies
nativas, pero hay otras áreas como el control de especies invasoras (por ejemplo, Sales
et al., 2017), agricultura y valoración de los servicios del ecosistema ( Manhães et al.,
2018 ) o restauración ecológica ( Zwiener et al., 2017 ), donde SDM sigue siendo
principalmente un interés académico.

Aunque altamente reconocido, el potencial de SDM para guiar las encuestas de campo (
Raxworthy et al., 2003 ) para reducir las brechas de datos aún no se ha aprovechado
plenamente en América Latina para guiar el monitoreo nacional o los esquemas de
inventario, tal vez debido a las persistentes limitaciones de datos. En muchos casos, el
trabajo de campo se realiza de manera oportunista, lo que lleva a algunas preguntas: ¿El
uso de SDM para guiar las expediciones de campo está limitado por la falta de
comprensión, una brecha en la comunicación de resultados entre la academia y el
gobierno, o la falta de confianza debido a las incertidumbres inherentes y sesgo?
Alternativamente, ¿hay alguna razón más profunda relacionada con las culturas


https://journals.sagepub.com/doi/full/10.1177/1940082919854058 22/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

institucionales tradicionales? Argumentamos que todos los problemas están sucediendo


simultáneamente.

Para utilizar productos de ciencia de datos con más frecuencia en la toma de decisiones,
tanto los científicos como los profesionales pueden necesitar cambiar de paradigma. Los
científicos deben sentirse cómodos y transparentes al comunicar la incertidumbre y el
sesgo de sus productos, y no tener miedo de entregar la información como el mejor
conocimiento que tienen disponible. Deben ser conscientes de que las decisiones no
esperarán la ciencia perfecta; muchas decisiones se tomarán con o sin evidencia
científica, y como tal pueden beneficiarse de la mejor información disponible sobre la
distribución de especies en el momento del proceso de toma de decisiones. Por otro lado,
los profesionales deben entender que la ciencia es un proceso y que los productos
derivados no son perfectos. Según lo propuesto por Redford, Groves, Medellín y
Robinson (2012), los científicos y los encargados de la toma de decisiones deben
construir conocimiento juntos e intercambiar información sobre cómo funciona la ciencia y
cómo se toman las decisiones de la vida real para que se generen productos adecuados
a tiempo para satisfacer las necesidades del usuario. En este sentido, proponemos que
las comunidades de práctica en torno a SDM puedan integrar diferentes visiones de la
academia y el gobierno, aumentando la credibilidad y el uso de modelos en escenarios de
toma de decisiones.

Observaciones finales
Los resultados de este documento proporcionan pautas claras para iniciativas como
BioBridge que tienen como objetivo mejorar la cooperación técnica entre las partes del
Convenio sobre la Diversidad Biológica y la Unión Internacional de Ciencias Biológicas,
donde uno de los objetivos es iniciar, facilitar y coordinar investigación, desarrollo de
capacidades y otras actividades científicas que involucran cooperación internacional e
interdisciplinaria.

Aunque la comunidad científica es consciente de las lagunas de datos, como el déficit de


Wallacean o Linnaean ( Lomolino, 2004 ), los científicos por sí solos no podrán abordar
estas lagunas, ya que requiere un esfuerzo compartido de los gobiernos y los políticos
para invertir en la adquisición de datos , gestión e integración a nivel nacional. La
implementación de infraestructuras de información, monitoreo a largo plazo y datos de
ciencia ciudadana es una prioridad en América Latina. Los campos de investigación de
Biodiversidad e Informática Ecológica necesitan más apoyo, por ejemplo, a través de
nuevos programas académicos de posgrado en América Latina para que las redes de


https://journals.sagepub.com/doi/full/10.1177/1940082919854058 23/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

investigación y colaboración puedan evolucionar. Mejorar los resultados de las revistas


científicas a los tomadores de decisiones es una necesidad urgente.

Esperamos que las brechas de datos y el uso de técnicas de modelado para abordar la
información para apoyar la toma de decisiones tengan un lugar en la agenda del CDB
posterior a 2020. Las alianzas estratégicas dentro de los países latinoamericanos entre la
academia y los gobiernos también pueden ayudar a establecer y ampliar la necesidad y el
alto uso potencial de SDM en la toma de decisiones.

Expresiones de gratitud

Agradecemos a P. Ersts y P. Galante por su ayuda con la descarga de datos de MaxEnt y


a R. Anderson por su útil discusión. El profesor F. Huettmann y tres revisores anónimos
proporcionaron sugerencias útiles que mejoraron este artículo.

Declaración de intereses en conflicto


El (los) autor (es) declaró (n) que no existen conflictos de interés potenciales con
respecto a la investigación, autoría y / o publicación de este artículo.

Fondos
El autor (es) reveló la recepción del siguiente apoyo financiero para la investigación,
autoría y / o publicación de este artículo: Agradecemos a John Nope y Sergio Cuellar de
la Dirección de Innovación, Vicerector de Investigación, Pontificia Universidad Javeriana.
La investigación de RL está financiada por CNPq (subvención 306694 / 2018–2). Este
artículo es una contribución de la INCT en Ecología, Evolución y Conservación de la
Biodiversidad fundada por MCTIC / CNPq / FAPEG (subvención 465610 / 2014–5).

Referencias
Ahmed, SE, McInerny, G., O'Hara, K., Harper, R., Salido, L., Emmott, S., Joppa, LN ( 2015 ).
Científicos y software: encuesta a la comunidad de modelos de distribución de especies . Diversidad
y distribuciones, 21, 258 - 267 .
Google Académico

Aiello-Lammens, ME, Boria, RA, Radosavljevic, A., Vilela, B., Anderson, RP ( 2015 ). spThin: un
paquete R para el adelgazamiento espacial de registros de ocurrencia de especies para su uso en



modelos ecológicos de nicho . Ecografía, 38, 541 - 545 .
Google Académico

https://journals.sagepub.com/doi/full/10.1177/1940082919854058 24/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

Anderson, RP ( 2012 ). Aprovechar los datos de biodiversidad del mundo: Promesa y peligro en el
modelado de nicho ecológico de las distribuciones de especies . Anales de la Academia de Ciencias
de Nueva York, 1260, 66 - 80 .
Google Académico | Medline

Anderson, RP, Araújo, MB, Guisan, A., Lobo, JM, Martínez-Meyer, E., Peterson, AT, Soberón, J. (
2016 ). Informe final del grupo de tareas sobre la idoneidad de los datos GBIF para su uso en
modelos de distribución. Ver 1.1 (29 p). Nueva York, Nueva York : Global Biodiversity Information
Facility .
Google Académico

Araújo, MB, Anderson, RP, Barbosa, AM, Beale, CM, Dormann, CF, Early, R., ... Rahbek, C. ( 2019 ).
Estándares para modelos de distribución en evaluaciones de biodiversidad . Avances científicos, 5,
eaat4858 .
Google Académico | Medline

Araújo, MB, Peterson, AT ( 2012 ). Usos y usos incorrectos del modelado bioclimático de
envolventes . Ecology, 93, 1527 - 1.539 mil .
Google Académico | Medline

Baldwin, RA ( 2009 ). Uso de modelos de entropía máxima en la investigación de la vida silvestre .


Entropía, 11, 854 - 866 .
Google Académico

Ball, IR, Possingham, HP, Watts, H. ( 2009 ). Marxan y familiares: software para la priorización de la
conservación espacial . En Moilanen, A., Wilson, KA, Possingham, HP (Eds.), Priorización de la
conservación espacial: métodos cuantitativos y herramientas computacionales (Capítulo 14, pp. 185
- 195 ). Oxford, Inglaterra : Oxford University Press .
Google Académico

Barbosa, AM, Brown, JA, Jiménez-Valverde, A., Real, R. ( 2016 ). MODEVA: Evaluación y análisis de
modelos. Paquete R versión 1.3.2 . Recuperado de https://CRAN.R-project.org/package=modEvA
Google Scholar

Barbosa, FG, Schneck, F., Melo, AS ( 2012 ). Uso de modelos de nicho ecológico para predecir la
distribución de especies invasoras: un análisis cienciométrico . Revista Brasileña de Biología, 72,
821 - 829 .
Google Académico | Medline

Bonacich, P. ( 1987 ). Poder y centralidad: una familia de medidas . American Journal of Sociology,
92, 1170 - 1182 .
Google Académico | ISI

Breiman, L. ( 2001 ). Modelado estadístico: Las dos culturas (con comentarios y una réplica del
autor) . Statistical Science, 16, 199 - 231 .
Google Académico | ISI

Brewer, MJ, O'Hara, RB, Anderson, BJ, Ohlemüller, R. ( 2016 ). Meseta: Un nuevo método para


envolturas climáticas ecológicamente plausibles para el modelado de distribución de especies .
https://journals.sagepub.com/doi/full/10.1177/1940082919854058 25/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

Métodos en ecología y evolución, 7, 1489 - 1502 .


Google Académico

Brocket, C. ( 1990 ). Tierra, poder y pobreza ( 2ª ed. ). Nueva York, NY : HarperCollins Publishers .
Google Académico

Brown, JL, Bennett, JR, francés, CM ( 2017 ). SDMtoolbox 2.0: la próxima generación de
herramientas GIS basadas en Python para análisis genéticos de paisajes, biogeográficos y modelos
de distribución de especies . PeerJ, 5, e4095 .
Google Académico | Medline

Busby, JR ( 1993 ). BIOCLIM: un sistema de análisis y predicción de bioclima . Protección


fitosanitaria trimestral, 6, 8 - 9 .
Google Académico

Cánovas, F., Magliozzi, C., Mestre, F., Palazón, JA, González-Wangüemert, M. ( 2016 ). ENiRG:
interfaz R-GRASS para caracterizar eficientemente el nicho ecológico de las especies y predecir la
idoneidad del hábitat . Ecografía, 39, 593 - 598 .
Google Académico

Carl, G., Kühn, I. ( 2017 ). Spind: un paquete para calcular medidas de precisión espacialmente
corregidas . Ecografía, 40, 675 - 682 .
Google Académico

Carpenter, G., Gillison, AN, Winter, J. ( 1993 ). Dominio: Un procedimiento de modelado flexible para
mapear distribuciones potenciales de animales y plantas . Biodiversidad y Conservación, 2, 667 -
680 .
Google Académico

Carrot Search FoamTree. ( 2019 ). Recuperado de https://carrotsearch.com/foamtree/


Google Scholar

Cayuela, L., Golicher, D. J., Newton, A. C., Kolb, M., de Alburquerque, F. S., Arets, E. J. M. M., …
Pérez, A. M. (2009). Species distribution modeling in the tropics: Problems, potentialities, and the role
of biological data for effective species conservation. Tropical Conservation Science, 2, 319–352.
Google Scholar | SAGE Journals | ISI

Conservación Internacional-Colombia, & Secretaría Distrital de Ambiente . (2010). Ecological


Connectivity Guidelines for Bogota. Association Contract 01141 de (2009) (234 p). Bogotá, Colombia:
Author.
Google Scholar

Cuervo-Robayo, A. P., Escobar, L. E., Osorio-Olvera, L. A., Nori, J., Varela, S., Martínez-Meyer, E., …
Peterson, A. T. (2017). Introduction to Spatial Analysis with Emphasis on Ecological Niche Models.
Biodiversity Informatics, 12, 45–57.
Google Scholar

Dedman, S., Officer, R., Clarke, M., Reid, D. G., Brophy, D. (2017). Gbm.auto: A software tool to


simplify spatial modelling and Marine Protected Area planning. Plos One, 12, e0188955.
https://journals.sagepub.com/doi/full/10.1177/1940082919854058 26/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

Google Scholar | Medline

de Souza Muñoz, M. E., De Giovanni, R., de Siqueira, M. F., Sutton, T., Brewer, P., Scachetti-Pereira,
R., … Perez-Canhos, V. (2011). openModeller: A generic approach to species’ potential distribution
modelling. Geoinformatica, 15, 111.
Google Scholar

Di Cola, V., Broennimann, O., Petitpierre, B., Breiner, F. T., D'Amen, M., Randin, C., … Guisan, A.
(2017). ecospat: An R package to support spatial analyses and modeling of species niches and
distributions. Ecography, 40, 774–787.
Google Scholar

Diniz-Filho, J. A. F., Bini, L. M., Fernando Rangel, T., Loyola, R. D., Hof, C., Nogués-Bravo, D.,
Araújo, M. B. (2009). Partitioning and mapping uncertainties in ensembles of forecasts of species
turnover under climate change. Ecography, 32, 897–906.
Google Scholar

Diniz-Filho, J. A. F., Loyola, R. D., Raia, P., Mooers, A. O., Bini, L. M. (2013). Darwinian shortfalls in
biodiversity conservation. Trends in Ecology & Evolution, 28, 689–695.
Google Scholar | Medline

Duan, R., Kong, X., Huang, M., Wu, G., Wang, Z. (2015). SDMvspecies: A software for creating
virtual species for species distribution modelling. Ecography, 38, 108–110.
Google Scholar

Engler, R., Hordijk, W., Guisan, A. (2012). The MIGCLIM R package – Seamless integration of
dispersal constraints into projections of species distribution models. Ecography, 35, 872–878.
Google Scholar

Escobar, L. E., Qiao, H., Cabello, J., Peterson, A. T. (2018). Ecological niche modeling re‐examined:
A case study with the Darwin’s fox. Ecology and Evolution, 8, 4757–4770.
Google Scholar | Medline

Ferraz, K. M. P. M. B., Ferraz, S. F. B., Paula, R. C., Beisiegel, B., & Breitenmoser, C. (2012).
Species distribution modeling for conservation purposes. Natureza & Conservação, 10, 214–220.
Google Scholar

Fick, S. E., Hijmans, R. J. (2017). WorldClim 2: New 1‐km spatial resolution climate surfaces for
global land areas. International Journal of Climatology, 37, 4302–4315.
Google Scholar

Franklin, J. (2010). Moving beyond static species distribution models in support of conservation
biogeography. Diversity and Distributions, 16, 321–330.
Google Scholar | ISI

Freeman, L. C. (1977). A set of measure of centrality based on betweenness. Sociometry, 40, 35–41.
Google Scholar


Freeman, E. A., Moisen, G. (2008). PresenceAbsence: An R package for presence absence analysis.
https://journals.sagepub.com/doi/full/10.1177/1940082919854058 27/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

Journal of Statistical Software, 23, 11.


Google Scholar

Golding, N., August, T. A., Lucas, T. C. D., Gavaghan, D. J., Loon, E. E., McInerny, G. (2018). The
zoon r package for reproducible and shareable species distribution modelling. Methods in Ecology
and Evolution, 9, 260–268.
Google Scholar

Guillaumot, C., MarHn, A., Eléaume, M., Saucède, T. (2017). SDMPlay: Species distribution
modelling playground. R package version 1.0. Retrieved from https://cran.r---project.org/web/package
s/SDMPlay/
Google Scholar

Guillera-Arroita, G., Lahoz-Monfort, J. J., Elith, J., Gordon, A., Kujala, H., Lentini, P.E., … Wintle, B.
A. (2015). Is my species distribution model fit for purpose? Matching data and models to applications.
Global Ecology and Biogeography, 24(3), 276–292.
Google Scholar

Guisan, A., Tingley, R., Baumgartner, J. B., Naujokaitis-Lewis, I., Sutcliffe, P. R., Tulloch, A. I. T., …
Buckley, Y. M. (2013). Predicting species distributions for conservation decisions. Ecology Letters, 16,
1424–1435.
Google Scholar | Medline | ISI

Guisan, A., Thuiller, W. (2005). Predicting species distribution: Offering more than simple habitat
models. Ecology Letters, 8, 993–1009.
Google Scholar | ISI

Guo, Q., Liu, Y. (2010). ModEco: An integrated software package for ecological niche modeling.
Ecography, 33, 637–642.
Google Scholar

Hijmans, R. J., Cameron, S. E., Parra, J. L., Jones, P. G., Jarvis, A. (2005). Very high resolution
interpolated climate surfaces for global land areas. International Journal of Climatology, 25, 1965–
1978.
Google Scholar | ISI

Hijmans, R. J., Elith, J. (2013). dismo: Species distribution modeling with R. Retrieved from http://cra
n.r-project.org/web/packages/dismo/index.html
Google Scholar

Hirzel, A. H., Hausser, J., Chessel, D., Perrin, N. (2002). Ecological-niche factor analysis: How to
compute habitat suitability maps without absence data? Ecology, 83, 2027–2036.
Google Scholar | ISI

Hoekstra, J. M., Boucher, T. M., Ricketts, T. H., Roberts, C. (2005). Confronting a biome crisis: Global
disparities of habitat loss and protection. Ecology Letters, 8, 23–29.
Google Scholar | ISI


Huettmann, F. (2015). Central American biodiversity: Conservation, ecology, and a sustainable future
https://journals.sagepub.com/doi/full/10.1177/1940082919854058 28/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

(805 pp). New York, NY: Springer.


Google Scholar

Humphries, G. R., & Huettmann, F. (2018). A Perspective on the Future of Machine Learning: Moving
Away from ‘Business as Usual’ and Towards a Holistic Approach of Global Conservation. In Machine
Learning for Ecology and Sustainable Natural Resource Management (pp. 411–430). Springer,
Cham.
Google Scholar

Jones, P. G., Gladkov, A. (1999). FloraMap, version 1: A computer tool for predicting the distribution
of plants and other organisms in the wild. Cali, Colombia: Centro Internacional de Agricultura
Tropical.
Google Scholar

Karger, D. N., Conrad, O., Böhner, J., Kawohl, T., Kreft, H., Soria-Auza, R. W., … Kessler, M. (2017).
Climatologies at high resolution for the earth’s land surface areas. Nature – Scientific Data, 4,
170122.
Google Scholar | Medline

Kass, J. M., Vilela, B., Aiello-Lammens, M. E., Muscarella, R., Merow, C., Anderson, R. P. (2018).
Wallace: A flexible platform for reproducible modeling of species niches and distributions built for
community expansion. Methods in Ecology and Evolution, 9, 1151–1156.
Google Scholar

Kearney, M. R., Isaac, A. P., Porter, W. P. (2014). microclim: Global estimates of hourly microclimate
based on long-term monthly climate averages. Nature – Scientific Data, 1, 140006.
Google Scholar | Medline

Koleff, P., Urquiza-Haas, T. (2011). Planeación para la conservación de la biodiversidad terrestre en


México: Retos en un país megadiverso. México D.F., México: Comisión Nacional para el
Conocimiento y Uso de la Biodiversidad–Comisión Nacional de Áreas Naturales Protegidas.
Google Scholar

Kriticos, D. J., Webber, B. L., Leriche, A., Ota, N., Macadam, I., Bathols, J., Scott, J. K. (2012).
CliMond: Global high‐resolution historical and future scenario climate surfaces for bioclimatic
modelling. Methods in Ecology and Evolution, 3, 53–64.
Google Scholar

Leroy, B., Meynard, C. N., Bellard, C., Courchamp, F. (2016). virtualspecies, an R package to
generate virtual species distributions. Ecography, 39, 599–607.
Google Scholar

Lobo, J. M., Jiménez-Valverde, A., Hortal, J. (2010). The uncertain nature of absences and their
importance in species distribution modelling. Ecography, 33, 103–114.
Google Scholar

Lobo, J. M., Jiménez-Valverde, A., Real, R. (2008). AUC: A misleading measure of the performance
of predictive distribution models. Global Ecology and Biogeography, 17, 145–151.


Google Scholar | ISI
https://journals.sagepub.com/doi/full/10.1177/1940082919854058 29/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

Lomolino, M. V. (2004). Conservation biogeography. In Lomolino, M. V., Heaney, L. R. (Eds.),


Frontiers of biogeography: New directions in the geography of nature (pp. 293–296). Sunderland,
MA: Sinauer Associates.
Google Scholar

Londoño-Murcia, M. C., Zárate, M., Ruiz-Agudelo, C. A. (2011a). Environmental zonation of the


Ranchería River Basin. In CORPOGUAJIRA, NATIONAL PARKS AND CONSERVATION
INTERNATIONAL – COLOMBIA (Eds.), Ranchería River Basin Management Plan. Riohacha,
Colombia.
Google Scholar

Londoño-Murcia, M. L., Corzo, G., Fonseca-Tobián, C., Ramírez, W., Salamanca, B., Alcázar, C., …
Lasso, C. A. (2011b). Priority areas identification for in situ biodiversity conservation (Scale
1:100,000). In Corzo, G., Londoño-Murcia, M. C., Ramírez, W., García, H., Lasso, C., Salamanca, B.
(Eds.), Environmental planning for biodiversity conservation in the operational areas of Ecopetrol S.A.
located in the Magdalena Medio and the Eastern Plains of Colombia (pp. 25–42). Bogotá D.C.,
Colombia: Instituto Alexander von Humboldt y Ecopetrol S.A.
Google Scholar

Loyola, R. (2014). Brazil cannot risk its environmental leadership. Diversity and Distributions, 20,
1365–1367.
Google Scholar

Loyola, R. D., Lemes, P., Faleiro, F. V., Trindade-Filho, J., Machado, R. B. (2012). Severe loss of
suitable climatic conditions for marsupial species in Brazil: Challenges and opportunities for
conservation. PLoS One, 7, e46257.
Google Scholar | Medline

Manhães, A. P., Loyola, R., Mazzochini, G. G., Ganade, G., Oliveira-Filho, A. T., Carvalho, A. R.
(2018). Low-cost strategies for protecting ecosystem services and biodiversity. Biological
Conservation, 217, 187–194.
Google Scholar

Mateo, R. G., Felicísimo, Á. M., Muñoz, J. (2011). Species distribution models: A synthetic review.
Revista Chilena de Historia Natural, 84, 217–240.
Google Scholar

Mazzoni, S., Halvorsen, R., Bakkestuen, V. (2015). MIAT: Modular R-wrappers for flexible
implementation of MaxEnt distribution modelling. Ecological Informatics, 30, 215–221.
Google Scholar

Meyer, C., Kreft, H., Guralnick, R., Jetz, W. (2015). Global priorities for an effective information basis
of biodiversity distributions. Nature Communications, 6, 8221.
Google Scholar | Medline

Midgley, G. F., Davies, I. D., Albert, C. H., Altwegg, R., Hannah, L., Hughes, G. O., … Thuiller, W.
(2010). BioMove – An integrated platform simulating the dynamic response of species to 

https://journals.sagepub.com/doi/full/10.1177/1940082919854058 30/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

environmental change. Ecography, 33, 612–616.


Google Scholar | ISI

Ministerio de Ambiente y Desarrollo Sostenible . (2018). Resolution 0256 By which the updating of
the Biodiversity Component of the Environmental Offsets Manual and other determinations are made.
Bogotá, Colombia: Author.
Google Scholar

Ministério do Meio Ambiente . (2007). Priority areas for conservation, sustainable use and sharing of
the benefits of Brazilian biodiversity: Update – Portaría. Brasilia, Brazil: Author.
Google Scholar

Moilanen, A., Franco, A. M., Early, R. I., Fox, R., Wintle, B., Thomas, C. D. (2005). Prioritizing
multiple-use landscapes for conservation: Methods for large multi-species planning problems.
Proceedings of the Royal Society of London B, 22, 1885–1891.
Google Scholar

Muscarella, R., Galante, P. J., Soley-Guardia, M., Boria, R. A., Kass, J. M., Uriarte, M., Anderson, R.
P. (2014). ENMeval: An R package for conducting spatially independent evaluations and estimating
optimal model complexity for MaxEnt ecological niche models. Methods in Ecology and Evolution, 5,
1198–1205.
Google Scholar

Naimi, B., Araújo, M. B. (2016). sdm: A reproducible and extensible R platform for species distribution
modelling. Ecography, 39, 368–375.
Google Scholar

Navarro, L. M., Fernández, N., Guerra, C., Guralnick, R., Kissling, W. D., Londoño, M. C., … Pereira,
H. M. (2017). Monitoring biodiversity change through effective global coordination. Current Opinion in
Environmental Sustainability, 29, 158–169.
Google Scholar

Ochoa-Ochoa, L., Flores-Villela, O., Bezaury-Creel, J. (2016). Using one vs. many, sensitivity and
uncertainty analyses of species distribution models with focus on conservation area networks.
Ecological Modelling, 320, 372–382.
Google Scholar

Ochoa-Ochoa, L., Urbina-Cardona, J. N., Flores-Villela, O., Vázquez, L.-B., Bezaury-Creel, J. (2009).
The effects of governmental protected areas and social initiatives for land protection on the
conservation of Mexican amphibians. PLoS One, 4, e6878.
Google Scholar | Medline | ISI

Phillips, S., Anderson, R. P., Dudik, M., Schapire, R., Blair, M. E. (2017). Opening the black box: An
open-source release of MaxEnt. Ecography, 40, 887–893.
Google Scholar

Phillips, S. J., Anderson, R. P., Schapire, R. E. (2006). Maximum entropy modeling of species
geographic distributions. Ecological Modelling, 190, 231–259.


Google Scholar | ISI
https://journals.sagepub.com/doi/full/10.1177/1940082919854058 31/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

Porter, A. L., Cunningham, S. W. (2004). Tech mining: Exploiting new technologies for competitive
advantage. Hoboken, NJ: John Wiley & Sons, Inc.
Google Scholar

Qiao, H., Lin, C., Ji, L., Jiang, Z. (2012). mMWeb – An online platform for employing multiple
ecological niche modeling algorithms. PLoS One, 7, e43327.
Google Scholar | Medline

Qiao, H., Peterson, A. T., Soberón, J., Campbell, L. P., Ji, L., Escobar, L. E. (2016). NicheA: Creating
virtual species and ecological niches in multivariate environmental scenarios. Ecography, 39, 805–
813.
Google Scholar

Queiroz, D. L., Majer, J., Burckhardt, D., Zanetti, R., Fernandez, J. I., Queiroz, E. C., … Anjos, N.
(2013). Distribution of Glycaspis in Brazil. Australian Journal of Entomology, 52, 20–30.
Google Scholar

Rangel, T. F. L. V., B., Diniz-Filho, J. A. F., Araújo, M. B. (2009). BIOENSEMBLES 1.0. Software for
computer intensive ensemble forecasting of species distributions under climate change. Goias,
Madrid: Evora.
Google Scholar

Raxworthy, C. J., Martinez-Meyer, E., Horning, N., Nussbaum, R. A., Schneider, G. E., Ortega-
Huerta, M. A., Peterson, A. T. (2003). Predicting distributions of known and unknown reptile species
in Madagascar. Nature, 426, 837–841.
Google Scholar | Medline | ISI

Redford, K. H., Groves, C., Medellin, R. A., Robinson, J. G. (2012). Conservation stories,
conservation science, and the role of the intergovernmental platform on biodiversity and ecosystem
services. Conservation Biology, 26, 757–759.
Google Scholar | Medline

Reiss, H., Cunze, S., Konig, K., Neumann, H., Kroncke, I. (2011). Species distribution modelling of
marine benthos: A North Sea case study. Marine Ecology Progress Series, 442, 71–86.
Google Scholar

Renjifo, L. M., Amaya-Villareal, A., Burbano-Girón, J., Velásquez-Tibata, J. (2016). Red Book of Birds
of Colombia, Volume II. Bogotá, D.C., Colombia: Editorial Pontificia Universidad Javeriana e Instituto
Alexander von Humboldt.
Google Scholar

Rosales, J. (2008). Economic growth, climate change, biodiversity loss: Distributive justice for the
global north and south. Conservation Biology, 22, 1409–1417.
Google Scholar | Medline

Sala, O. E., Chapin, F. S., Armesto, J. J., Berlow, E., Bloomfield, J., Dirzo, R., … Wall, D. H. (2000).
Global biodiversity scenarios for the year 2100. Science, 287(5459), 1770–1774. 

Google Scholar | Medline | ISI
https://journals.sagepub.com/doi/full/10.1177/1940082919854058 32/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

Sales, L. P., Neves, O. V., De Marco, P., Loyola, R. (2017). Model uncertainties do not affect
observed patterns of species richness in the Amazon. PLoS One, 12, e0183785.
Google Scholar | Medline

Sánchez-Cordero, V., Martínez-Meyer, E. (2000). Museum specimen data predict crop damage by
tropical rodents. Proceedings of the National Academy of Sciences, 97, 7074–7077.
Google Scholar | Medline

Scheldeman, X., van Zonneveld, M. (2010). Training manual on spatial analysis of plant diversity and
distribution. Rome, Italy: Bioversity International.
Google Scholar

Schmitt, S., Pouteau, R., Justeau, D., de Boissieu, F., Birnbaum, P. (2017). ssdm: An r package to
predict distribution of species richness and composition based on stacked species distribution
models. Methods in Ecology and Evolution, 8, 1795–1803.
Google Scholar

SCImago . (2019). SJR-SCImago Journal & Country Rank. Retrieved from https://www.scimagojr.co
m/countryrank.php
Google Scholar

Search Technology . (2018). Vantagepoint: Turn information into knowledge. Retrieved from https://w
ww.thevantagepoint.com/
Google Scholar

Soberón, J., Golubov, J., Sarukhán, J. (2001). The importance of Opuntia in Mexico and routes of
invasion and impact of Cactoblastis cactorum (Lepidoptera: Pyralidae). The Florida Entomologist, 84,
486–492.
Google Scholar

Soberón, J., Osorio-Olivera, L., Peterson, T. (2017). Conceptual differences between ecological niche
modeling and species distribution modeling. Revista Mexicana de Biodiversidad, 88, 437–441.
Google Scholar

Stockwell, D. R. B., Noble, I. R. (1993). Induction of sets of rules from animal distribution data: A
robust and informative method of data analysis. Mathematical and Computer Simulation, 33, 385–
390.
Google Scholar

Tessarolo, G., Rangel, T. F., Araújo, M. B., Hortal, J. (2014). Uncertainty associated with survey
design in species distribution models. Diversity and Distributions, 20, 1258–1269.
Google Scholar

Thuiller, W. (2003). BIOMOD – Optimizing predictions of species distributions and projecting potential
future shifts under global change. Global Change Biology, 9, 1353–1362.
Google Scholar | ISI


Title, P. O., Bemmels, J. B. (2018). ENVIREM: An expanded set of bioclimatic and topographic
https://journals.sagepub.com/doi/full/10.1177/1940082919854058 33/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

variables increases flexibility and improves performance of ecological niche modeling. Ecography, 41,
291–307.
Google Scholar

Tognelli, M. F., Roig-Juñent, S. A., Marvaldi, A. E., Flores, G. E., Lobo, J. M. (2009). An evaluation of
methods for modelling distribution of Patagonian insects. Revista Chilena de Historia Natural, 82,
347–360.
Google Scholar | ISI

United Nations Environmental Program/Convention on Biological Diversity . (2016). Like-minded


mega-diverse countries Carta to achieve Aichi Biodiversity Target 11. UNEP/CBD/COP/13/INF/45.
Cancun, Mexico: Author.
Google Scholar

Urbina-Cardona, J. N., Flores-Villela, O. (2010). Ecological-niche modeling and prioritization of


conservation-area networks for Mexican herpetofauna. Conservation Biology, 24, 1031–1041.
Google Scholar | Medline

Urbina-Cardona, J. N., Loyola, R. D. (2008). Applying niche-based models to predict endangered-


hylid potential distributions: Are neotropical protected areas effective enough? Tropical Conservation
Science, 1, 417–445.
Google Scholar | SAGE Journals | ISI

U.S. Geological Survey . (2018). Mineral, commodity summaries 2018. Reston, VA: Author.
Google Scholar

van Eck, N. J., Waltman, L. (2010). Software survey: VOSviewer, a computer program for bibliometric
mapping. Scientometrics, 84(2), 523–538. doi:10.1007/s11192-009-0146-3
Google Scholar | Medline | ISI

van Eck, N. J., Waltman, L. (2013). VOSviewer manual. Retrieved from http://www.vosviewer.com/do
wnload/f-z2x2.pdf
Google Scholar

Villarroya, A., Barros, A. C., Kiesecker, J. (2014). Policy development for environmental licensing and
biodiversity offsets in Latin America. PLoS One, 9, e107144.
Google Scholar | Medline

Vega, G. C., Pertierra, L. R., Olalla-Tárraga, M. A. (2017). MERRAclim, a high-resolution global


dataset of remotely sensed bioclimatic variables for ecological modelling. Nature – Scientific Data, 4,
170078.
Google Scholar | Medline

Velásquez-Tibatá, J., Olaya-Rodríguez, M. H., López-Lozano, D., Gutiérrez, C., González, I.,
Londoño-Murcia, M. C. (2019). BioModelos: A collaborative online system to map species
distributions. PLoS One, 14, e0214522.
Google Scholar | Medline


Villero, D., Pla, M., Camps, D., Ruiz-Olmo, J., Brotons, L. (2017). Integrating species distribution
https://journals.sagepub.com/doi/full/10.1177/1940082919854058 34/35
27/9/2019 Modelo de distribución de especies en América Latina: una revisión retrospectiva de 25 años - Nicolás Urbina-Cardona, Mary E. Blair, M…

modelling into decision making to inform conservation actions. Biodiversity and Conservation, 26,
251–271.
Google Scholar

Warren, DL, Glor, RE, Turelli, M. ( 2010 ). ENMTools: una caja de herramientas para estudios
comparativos de modelos de nicho ambiental . Ecografía, 33, 607 - 611 .
Google Académico | ISI

Zwiener, VP, Padial, AA, Marques, MCM, Faleiro, FV, Loyola, R., Peterson, AT ( 2017 ). Planificación
para la conservación y restauración bajo cambios climáticos y de uso del suelo en el bosque
atlántico brasileño . Diversidad y distribuciones, 23, 955 - 966 .
Google Académico



https://journals.sagepub.com/doi/full/10.1177/1940082919854058 35/35