Evaluación de la configuración de tres algoritmos para realizar modelos de distribución potencial de especies forestales

Los modelos de distribución potencial son una herramienta útil para identificar condiciones ambientales óptimas para que un organismo prevalezca. El objetivo del estudio fue evaluar la configuración de parámetros de los algoritmos Maxent, Random Forest y Modelos Aditivos Generalizados (GAM) a través de la generación de modelos de distribución de seis especies forestales de México. Con registros de presencia de seis especies forestales se ajustaron modelos de distribución potencial con tres algoritmos, se usaron dos configuraciones en sus parámetros (afinados y predeterminados), los modelos se evaluaron a través del área bajo la curva, para comparar la configuración afinada y predeterminada se realizaron gráficos de violín, gráficos de valores de idoneidad predicha con ambas configuraciones y un análisis de coincidencia global difusa. Los conjuntos de cuatro, cinco y seis variables mejoraron las predicciones. Los mejores valores en el multiplicador de regularización oscilaron entre 0.1 y 0.4, las clases de características que describen mejor la distribución potencial de las seis especies fueron lineal, cuadrática y producto. Random Forest mostró que con 750 y 1 000 árboles y dos variables en cada división no mejora el ajuste de los modelos para las seis especies. Los mejores valores de suavización del algoritmo GAM oscilaron entre 0.0001 para P. pseudostrobus hasta 1.5 para P. durangensis, pero no se encontraron diferencias entre el ajuste de modelos con configuración afinada y predeterminada. Los algoritmos obtuvieron buen rendimiento, sin embargo, el efecto del ajuste de los parámetros en la capacidad predictiva fue marginal y varió según el algoritmo.