25/7/2019 GARP - Nichos y Áreas de Distribución

Nichos y Área s de Distribución

Busc ar en est e sit io

ENM/SDM en la Selección de un m étodo apropiado >

Practica GARP
Pro po sit o y Guia del
Usuario
Ant es que nada: el diseño 1. Que hace GARP y como. Que
del est udio
calcula.
¿Que dat o s debo incluir?
Selecció n de un mét o do
apro piado
GARP (Genetic Algorithm for Rule
Maxent
Production) es un algoritmo genetico que
GARP encuentra regiones del mapa que son
Bio clim en DIVA-Gis similares a las de los puntos de
Met o do s Est adist ico s entrenamiento. Funciona poniendo a
Validacio n del mo delo "competir" algoritmos radicalmente
Resumiendo . Lo que se diferentes (dos versiones de una caja
debe hacer y lo que no se
debe hacer bioclimatica, una regresion log-linear, que
usa como ceros datos del background, las
Los Tipos de Datos llamadas "reglas atómicas" y en algunas
Existentes versiones, un metodo de clasificacion llamado
Dat o s Ambient ales e-balls) para clasificar las presencias
Dat o s de Ocurrencias y (observadas) y las ausencias (inventadas
Ausencias con las muestras del background). El
Paquet es de R para dat o s de
resultado es una combinacion de reglas
o ccurrencias
logicas que describen diferentes
Conceptos y Teoria combinaciones de los algoritmos que
Lo s Pro blemas replican mas correctamente las presencias y
Co ncept uales las seudoausencias. El metodo balancea de
SDM y ENM manera diferente los errores de omision
La Dualidad de (clasificar como ausencias los datos de
Hut chinso n
presencias) y los de comision (clasificar como
Diagrama BAM
Caso s ext remo s del
presencias datos del background). Los
BAM errores de omision son mucho mas graves en
Pro babilidades y el BAM SDM/ENM que los de comision, por lo que
Eco lo gía de Po blacio nes distinguirlos es una de las cualidades mas
y el BAM
importantes de GARP.
Definicio nes

Miscelanea GARP genera soluciones estocasticamente

por lo que es indispensable correr al menos
Biblio grafia
So bre lo s aut o res
unas n > 100 simulaciones por conjunto de
Curso Febrero 2014
datos para luego superponerlas y obtener un
Mapa del sit io numero entero (entre 0 y n) que describe el
grado de consenso del algoritmo para
identficar regiones similares a las de las
ocurrencias y disimilares al "background". El
http://nicho.conabio.gob.mx/la-calibracion-del-modelo/garp 1/2
25/7/2019 GARP - Nichos y Áreas de Distribución

resultado de n corridas de GARP se puede

usar para mapear y desplegar la prediccion
sobre que tan similares son las zonas de la
region de referencia a aquellas donde la
especie fue observada. GARP no da
"probabilidades" de ningun tipo, sino un
indice de que tan favorables son los
ambientes a los requerimientos de la especie.

2. Parametros y defaults. Se
recomienda:

1. Se debe usar la configuracion de "rule

types" como aparece por default.
2. No modificar el parametro de "At least
20 training points"
3. El porcentaje de puntos utilizados para
"model training" puede ser mas alto si
se tienen muy pocas ocurrencias. Con
menos de 15 puntos, por ejemplo, es
preferible usar el 100% para training
4. Number of runs entre 100 y mil.
5. Se puede bajar el "convergence limit" a
0.001 para entrenar modelos mas
ajustados a los datos.
6. El balance entre omision y comision se
explica en el documento anexo.
7 . En la ventana de "how layers will be
used" usar para explora el papel de las
variables las opciones "All
combinations of selected layers"

3. FCF = Frequently Committed Fuck-

ups.

1. Hacer una sola corrida de GARP.

2. No entender como funcionan los "best
subsets" (consultar Anderson Lew,
Peterson 2002)
3. Incluir datos categoricos

4. Recomendaciones

1. Obtener de 100 a mil replicas.

2. Explorar diferentes
configuraciones de "best subsets"

Abajo se anexa una descripcion detallada de

la forma de usar GARP escrita por A. T.
Peterson

Č
Ċ UsingGARP.pdf (37 2k) Jorge Soberon, 15 jul. 2011 19:21 v .1 ď

Inic iar sesión | Not ific ar uso inadec uado | Imprimir página | Con la tecnología de Google Sit es

http://nicho.conabio.gob.mx/la-calibracion-del-modelo/garp 2/2