CRUZ-CARDENAS, Gustavo et al. Selección de predictores ambientales para el modelado de la distribución de especies en Maxent. []. , 20, 2, pp.187-201. ISSN 2007-4018.  https://doi.org/10.5154/r.rchscfa.2013.09.034.

^les^aAntes de realizar el modelado de la distribución potencial de una especie, se recomienda hacer una preselección de covariables pues la redundancia o variables irrelevantes pueden inducir sesgos en la mayoría de los modelos. En este estudio, se propuso un método automatizado para la selección a priori de covariables utilizadas en el modelado. Se emplearon cinco especies típicas de la flora mexicana (Catopheria chiapensis, Liquidambar styraciflua, Quercus martinezii, Telanthopora grandifolia y Viburnum acutifolium) y 56 covariables ambientales. Se generaron matrices de presencia-ausencia para cada especie y se analizaron empleando regresión logística; el modelo resultante de cada especie se evaluó mediante un remuestreo bootstrap. La distribución de las cinco especies se modeló usando el algoritmo de máxima entropía y con el empleo de tres conjuntos de covariables ambientales. La precisión de los modelos generados se evaluó con intervalos de confianza de cada curva característica operativa del receptor (COR). Los intervalos de confianza de las curvas COR resultantes no mostraron diferencia significativa (P < 0.05) entre los tres modelos predictivos generados; sin embargo, el modelo más parsimonioso se obtuvo con el método propuesto.^len^aPrior to conducting the modeling of the potential distribution of a species, it is advised to make a pre-selection of covariables because redundancy or irrelevant variables may induce errors in most modeling systems. In this study, we propose an automated method for a priori selection of covariables used in modeling. We used five typical species of the Mexican flora (Catopheria chiapensis, Liquidambar styraciflua, Quercus martinezii, Telanthopora grandifolia and Viburnum acutifolium) and 56 environmental covariables. Presence-absence matrices were generated for each species and were analyzed using logistic regression, and the resulting model of each species was evaluated via a bootstrap resampling. We modeled the distribution of five species using maximum entropy and employed three sets of environmental covariables. The precision of the models generated was evaluated with the confidence intervals for each receiver operating characteristic (ROC) curve. The confidence intervals of the resulting ROC curves showed no significant difference between (P < 0.05) the three predictive models generated; nevertheless, the most parsimonious model was obtained with the proposed method.

: .

        · | |     · |     · ( pdf )