Modelos aditivos generalizados aplicados a la predicción de vegetación acuática sumergida en un humedal construido

Tribunal: Borges, Alejandra; Crisci, Carolina; Cadenazzi, Mónica

Los Modelos Aditivos Generalizado (GAM) son extensiones semi-paramétricas de los modelos lineales generalizados, en donde el predictor lineal no es simplemente una combinación lineal de las variables explicativas, sino que es una combinación lineal de funciones suavizadas de las variables explicativas. Los GAM pueden ser utilizados para predecir la distribución y abundancia de la vegetación acuática. Las macrófitas son un componente clave en los humedales artificiales construidos para mejorar la calidad del agua. El objetivo de este trabajo fue aplicar GAM para predecir la abundancia de la vegetación acuática sumergida en un humedal construido. Se estudió el efecto de variables topográficas y el día del año sobre la abundancia de la vegetación en tres años de estudio. Para evitar la sobredispersión de la variable abundancia debida a la gran proporción de ceros, se trabajó primero con los modelos de ocurrencia (presencia-ausencia) y abundancia dado que la especie está presente por separado. Luego, para combinar las predicciones de ambos modelos, se comparó: (1) el uso de umbrales de ocurrencia para convertir las probabilidades predichas de ocurrencia a datos de presencia/ausencia utilizando la predicción de abundancia condicional para los sitios donde se predijo la presencia de la especie, con (2) el producto de las predicciones de los modelos de ocurrencia y de abundancia condicional. Ambas aproximaciones fueron comparadas basándose en la suma de cuadrados residual. Cada modelo ajustado se utilizó para predecir dentro de cada año y para años desconocidos. Las predicciones se evaluaron mediante validación cruzada, a partir del área bajo la curva para los modelos de ocurrencia, y el coeficiente de correlación para abundancia condicional. Se obtuvieron buenas predicciones para predecir dentro de un mismo año. Sin embargo, los modelos no fueron muy buenos para predecir años desconocidos. En este trabajo fue posible realizar predicciones de vegetación acuática sumergida y evaluar variables que afectan su distribución y abundancia.