Modelización espacial de la distribución de los anfibios ibéricos a partir de variables ambientales

Abstract

Los anfibios están experimentando un gran declive poblacional a nivel mundial, sufriendo el mayor porcentaje de extinciones por año en el último siglo, lo que les convierte en el grupo más amenazado del reino animal según la Unión Internacional para la Conservación de la Naturaleza. España es un hotspot de biodiversidad donde se encuentran representadas el 35% de todas las especies de anfibios europeos, además de poseer varios endemismos ibéricos. Evaluar la importancia de las variables bióticas, abióticas y antrópicas en la riqueza de anfibios en España peninsular y Baleares es clave para orientar los planes de Gestión y Conservación en el escenario de cambio global. En el presente trabajo se emplean Análisis de Componentes Principales y Modelos Lineales Generalizados para generar un modelo predictivo que mediante herramientas de geoprocesamiento espacial se representa en un Mapa de Idoneidad de la riqueza de anfibios en el territorio. Random Forest es la técnica de Machine Learning más apropiada para analizar la relación de las variables con la riqueza de especies. Las variables climáticas resultan relevantes para la riqueza de anfibios, siendo las de precipitaciones las más significativas (BIO15, BIO19, BIO16, BIO13). Las zonas del norte y occidente peninsular son las más idóneas para la riqueza de anfibios. La riqueza de anfibios puede emplearse como un parámetro bioindicador fiable del cambio climático. La combinación de herramientas estadísticas, bioinformáticas y de geoprocesamiento representan una poderosa herramienta para los estudios de distribución de especies y su distribución futura en respuesta a cambios ambientales.

Amphibians are experimenting a large population decline worldwide, having the highest percentage of extinctions per year in the last century, which makes them the most threatened group in the animal kingdom according to the International Union for Conservation of Nature. Spain is a biodiversity hotspot, where 35% of amphibian european species are represented, in addition to having several Iberian endemisms. Evaluating the importance of biotic, abiotic and anthropic variables in the richness of amphibians in Spain and the Balearic Islands is key to being able to guide Management and Conservation plans in the current global change scenario. In this paper, Principal Component Analysis and Generalized Linear Models are used to generate a predictive model that, through spatial geoprocessing tools, is represented in a Suitability Map of the richness of amphibians in the territory. Random Forest is the most appropriate Machine Learning technique to analyze the relationship of variables with species richness. The climatic variables are relevant for the richness of amphibians, with precipitation being the most significant (BIO15, BIO19, BIO16, BIO13). The northern and western areas within the Iberian Peninsula are the most suitable areas for the richness of amphibians. Amphibian richness can be used as a reliable bioindicator parameter in the context of climate change. The combination of statistics, bioinformatics and geoprocessing tools achieves a complete toolbox for species distribution studies and their future distribution due to environmental changes.

Els amfibis estan experimentant un gran declivi poblacional a nivell mundial, sofrint el major percentatge d'extincions per any en l'últim segle, la qual cosa els converteix en el grup més amenaçat del regne animal segons la Unió Internacional per a la Conservació de la Naturalesa. Espanya és un hotspot de biodiversitat on es troben representades el 35% de totes les espècies d'amfibis europeus, a més de posseir diversos endemismes ibèrics. Avaluar la importància de les variables biòtiques, abiòtiques i antròpiques en la riquesa d'amfibis a Espanya peninsular i Balears és clau per a orientar els plans de Gestió i Conservació en l'escenari de canvi global. En el present treball s'empren Anàlisi de Components Principals i Models Lineals Generalitzats per a generar un model predictiu que mitjançant eines de geoprocesamiento espacial es representa en un Mapa d'Idoneïtat de la riquesa d'amfibis en el territori. Random Forest és la tècnica de Machine Learning més apropiada per a analitzar la relació de les variables amb la riquesa d'espècies. Les variables climàtiques resulten rellevants per a la riquesa d'amfibis, sent les de precipitacions les més significatives (BIO15, BIO19, BIO16, BIO13). Les zones del nord i occident peninsular són les més idònies per a la riquesa d'amfibis. La riquesa d'amfibis pot emprar-se com un paràmetre bioindicador fiable del canvi climàtic. La combinació d'eines estadístiques, bioinformàtiques i de geoprocesamiento representen una poderosa eina per als estudis de distribució d'espècies i la seva distribució futura en resposta a canvis ambientals.