Modelos ecológicos

@misc{elton1927animal11,
    author = "Elton, C. S",
    title = "Ecología animal",
    year = "1927",
    howpublished = "Londres, Sidgwick and Jackson, 209 p",
    note = "talkorigins_source = {true}; raw_reference = {Elton, C. S., 1927, Ecología animal: Londres, Sidgwick and Jackson, 209 p.}"
}

@article{elton1946competition12,
    author = "Elton, C. S",
    title = "Competencia y la estructura de las comunidades ecológicas",
    year = "1946",
    journal = "Journal of Animal Ecology, v. 15, p. 54-68",
    note = "talkorigins_source = {true}; raw_reference = {Elton, C. S., 1946, Competencia y la estructura de las comunidades ecológicas: Journal of Animal Ecology, v. 15, p. 54-68.}"
}

@article{cole1951population7,
    author = "Cole, L. C",
    title = "Population cycles and random oscillations",
    year = "1951",
    journal = "Journal of Wildlife Management, v. 15, p. 233-251",
    note = "talkorigins\_source = {true}; raw\_reference = {Cole, L. C., 1951, Population cycles and random oscillations: Journal of Wildlife Management, v. 15, p. 233-251.}"
}

@article{cole1954some8,
    author = "Cole, L. C",
    title = "Some features of random cycles",
    year = "1954",
    journal = "Journal of Wildlife Management, v. 18, p. 2-24",
    note = "talkorigins_source = {true}; raw_reference = {Cole, L. C., 1954, Some features of random cycles: Journal of Wildlife Management, v. 18, p. 2-24.}"
}

@article{cole1954the9,
    author = "Cole, L. C",
    title = "Las consecuencias poblacionales de los fenómenos del ciclo vital",
    year = "1954",
    journal = "Quarterly Review of Biology, v. 29, p. 103-137",
    note = "talkorigins_source = {true}; raw_reference = {Cole, L. C., 1954, The population consequences of life history phenonema: Quarterly Review of Biology, v. 29, p. 103-137.}"
}

@misc{brower1964birds4,
    author = "Brower, L. P. y Brower, J",
    title = "Pájaros, mariposas y venenos vegetales",
    year = "1964",
    howpublished = "un estudio en química ecológica: Zoologica, v. 49, p. 137-159",
    note = "talkorigins_source = {true}; raw_reference = {Brower, L. P., y Brower, J., 1964, Pájaros, mariposas y venenos vegetales: un estudio en química ecológica: Zoologica, v. 49, p. 137-159.}"
}

Se propone un modelo para explicar el nivel de diversidad soportado por cualquier comunidad ecológica. Si comenzamos con un aumento hipotético en la estabilidad del entorno físico, las siguientes consecuencias se derivan. Con una mayor estabilidad ambiental se requiere menos energía para las actividades regulatorias, es decir, aquellas que contrarrestan los desafíos ofrecidos por el entorno. Por lo tanto, se asigna más energía para la productividad neta, es decir, el crecimiento y la reproducción. Con una mayor productividad neta, se soportan poblaciones más grandes. Las poblaciones más grandes proporcionan más oportunidades para la formación de asociaciones interespecíficas; también mantienen una mayor variedad genética. Los animales en comunidades más productivas son más sedentarios, de modo que la especie tiende a fragmentarse en muchas poblaciones semi-aisladas. Como resultado, se favorece la especiación, y las asociaciones interespecíficas proporcionan las nuevas oportunidades adaptativas. Las plantas que son polinizadas por animales estarían en la misma situación. Las nuevas especies tienden a ser más 'especializadas' y a tener, inicialmente, poblaciones más pequeñas. Estos eventos se muestran en los pasos 1 a 5 en la figura 1. En las etapas tempranas de la evolución de una comunidad, funcionarían mecanismos de retroalimentación positiva, aumentando constantemente la tasa de especiación. La evolución de grandes heterótrofos (animales) aumentaría la tasa de ciclado de nutrientes minerales, lo que aumentaría la productividad neta. A medida que se desarrollaban redes tróficas más complejas con el aumento en el número de especies, la estabilidad de la comunidad aumentaría, aumentando la estabilidad del entorno físico. El vestidura de la superficie terrestre con plantas más grandes tendería a amortiguar las fluctuaciones climáticas, también aumentando la estabilidad (Paso 6). En las etapas posteriores, la tendencia hacia la sobre-especialización y poblaciones más pequeñas disminuiría la estabilidad de la comunidad y proporcionaría un control de retroalimentación negativa sobre todo el proceso (Pasos 7 y 8). Incluso bajo condiciones muy estables, la productividad puede estar limitada directamente por la escasez de diversos factores como la luz, el agua, el calor, etc. El tamaño de la población también puede estar limitado directamente por una restricción en el área de hábitat adecuado o por un tamaño corporal más grande. Cualquier tipo de limitación resultaría en una menor diversidad de especies. Este modelo solo se aplica a condiciones de equilibrio. En ciertas situaciones, como durante los cortos períodos favorables en el ártico o el desierto, la diversidad puede aumentar temporalmente; se debe tener cuidado al comparar esto con la diversidad mantenida todo el año en los trópicos húmedos. Creemos que, aunque algunos nichos están determinados por variaciones físicas en el entorno, la mayoría de las dimensiones del nicho son resultado de la interacción entre organismos. Por esta razón, es imposible predecir el número de nichos (y por lo tanto de especies) únicamente a partir de la complejidad ambiental. También descartamos la idea de que la rigurosidad per se limita la diversidad. Por último, no se acepta la hipótesis de que los trópicos están más cerca del equilibrio mientras que la zona templada se encuentra en un estado "sucesional" de desarrollo de la diversidad, por razones teóricas y por falta de evidencia.

@article{doi101086282335,
    author = "Connell, Joseph H. and Orias, Eduardo",
    title = "La regulación ecológica de la diversidad de especies",
    year = "1964",
    journal = "The American Naturalist",
    abstract = {Se propone un modelo para explicar el nivel de diversidad soportado por cualquier comunidad ecológica. Si comenzamos con un aumento hipotético en la estabilidad del entorno físico, ocurren las siguientes consecuencias. Con una mayor estabilidad ambiental se requiere menos energía para las actividades regulatorias, es decir, aquellas que contrarrestan los desafíos ofrecidos por el entorno. Por lo tanto, se asigna más energía para la productividad neta, es decir, el crecimiento y la reproducción. Con una mayor productividad neta se soportan poblaciones más grandes. Las poblaciones más grandes proporcionan más oportunidades para la formación de asociaciones interespecíficas; también mantienen una mayor variedad genética. Los animales en comunidades más productivas son más sedentarios, por lo que la especie tiende a fragmentarse en muchas poblaciones semi-aisladas. Como resultado, se favorece la especiación, y las asociaciones interespecíficas proporcionan las nuevas oportunidades adaptativas. Las plantas polinizadas por animales estarían en la misma situación. Las nuevas especies tienden a ser más 'especializadas' y a tener, inicialmente, poblaciones más pequeñas. Estos eventos se muestran en los pasos 1 a 5 de la figura 1. En las etapas tempranas de la evolución de una comunidad, operarían mecanismos de retroalimentación positiva, aumentando constantemente la tasa de especiación. La evolución de grandes heterótrofos (animales) aumentaría la tasa de ciclado de nutrientes minerales, lo que aumentaría la productividad neta. A medida que se desarrollaban redes tróficas más complejas con el aumento en el número de especies, la estabilidad de la comunidad aumentaría, aumentando la estabilidad del entorno físico. La cobertura de la superficie terrestre con plantas más grandes tendería a amortiguar las fluctuaciones climáticas, aumentando también la estabilidad (Paso 6). En las etapas posteriores, la tendencia hacia la sobre-especialización y las poblaciones más pequeñas disminuiría la estabilidad de la comunidad y proporcionaría un control de retroalimentación negativa sobre todo el proceso (Pasos 7 y 8). Incluso bajo condiciones muy estables, la productividad puede estar limitada directamente por la escasez de diversos factores como la luz, el agua, el calor, etc. El tamaño de la población también puede estar limitado directamente por una restricción en el área de hábitat adecuado o por un tamaño corporal mayor. Cualquier limitación de este tipo resultaría en una menor diversidad de especies. Este modelo solo se aplica a condiciones de equilibrio. En ciertas situaciones, como durante los cortos períodos favorables en el ártico o el desierto, la diversidad puede aumentar temporalmente; se debe tener cuidado al comparar esto con la diversidad mantenida todo el año en los trópicos húmedos. Creemos que, aunque algunos nichos están determinados por variaciones físicas en el entorno, la mayoría de las dimensiones del nicho son resultado de la interacción entre organismos. Por esta razón, es imposible predecir el número de nichos (y por lo tanto de especies) solo a partir de la complejidad ambiental. También descartamos la idea de que la rigurosidad per se limita la diversidad. Por último, no se acepta la hipótesis de que los trópicos están más cerca del equilibrio mientras que la zona templada está en un estado de desarrollo "sucesional" de la diversidad, por razones teóricas y por falta de evidencia.},
    url = "https://doi.org/10.1086/282335",
    doi = "10.1086/282335",
    openalex = "W2041192555",
    references = "doi101130mem67v1p461"
}

@misc{dunbar1968ecological10,
    author = "Dunbar, M. J",
    title = "Desarrollo ecológico en regiones polares",
    year = "1968",
    howpublished = "Englewood Cliffs, Nueva Jersey, Prentice-Hall, 119 p",
    note = "talkorigins_source = {true}; raw_reference = {Dunbar, M. J., 1968, Desarrollo ecológico en regiones polares: Englewood Cliffs, Nueva Jersey, Prentice-Hall, 119 p.}"
}

@misc{brower1969ecological3,
    author = "Brower, L. P",
    title = "Química ecológica",
    year = "1969",
    howpublished = "Scientific American, v. 220, p. 22- 29",
    note = "talkorigins_source = {true}; raw_reference = {Brower, L. P., 1969, Química ecológica: Scientific American, v. 220, p. 22- 29.}"
}

@book{cody1971ecological6,
    author = "Cody, M. L",
    title = "Aspectos ecológicos de la reproducción. Capítulo 10, en Farner, D. S., y King, J. R., eds., Biología de aves",
    year = "1971",
    publisher = "Nueva York, Academic Press, v. 1, p. 461-512; 586 pp",
    note = "talkorigins_source = {true}; raw_reference = {Cody, M. L., 1971, Aspectos ecológicos de la reproducción. Capítulo 10, en Farner, D. S., y King, J. R., eds., Biología de aves: Nueva York, Academic Press, v. 1, p. 461-512; 586 pp.}"
}

@misc{arnold1972species1,
    author = "Arnold, S. J",
    title = "Densidades de especies de depredadores y sus presas",
    year = "1972",
    howpublished = "American Naturalist, v. 106, p. 220-236",
    note = "talkorigins_source = {true}; raw_reference = {Arnold, S. J., 1972, Densidades de especies de depredadores y sus presas: American Naturalist, v. 106, p. 220-236.}"
}

donde NS representa a los supervivientes después de que Pt parásitos hayan buscado Nt hospedadores, resultando en P+ 1 descendencia de parásitos. Todas las suposiciones sobre el comportamiento de búsqueda de parásitos se contienen aquí en la función f[Pt,Nt]. Si consideramos el caso más simple donde la población de parásitos es específica y sincronizada temporalmente con su población de hospedadores, podemos escribir el siguiente modelo generalizado para una interacción hospedador-parásito:

@article{doi1023073133,
    author = "Hassell, M. P. y May, Robert M.",
    title = "Estabilidad en modelos de hospedador-parásito en insectos",
    year = "1973",
    journal = "Journal of Animal Ecology",
    abstract = "donde NS representa a los supervivientes después de que Pt parásitos hayan buscado Nt hospedadores, resultando en P+ 1 descendencia de parásitos. Todas las suposiciones sobre el comportamiento de búsqueda de parásitos se contienen aquí en la función f[Pt,Nt]. Si consideramos el caso más simple donde la población de parásitos es específica y sincronizada temporalmente con su población de hospedadores, podemos escribir el siguiente modelo generalizado para una interacción hospedador-parásito:",
    url = "https://doi.org/10.2307/3133",
    doi = "10.2307/3133",
    openalex = "W2011882588"
}

El componente espacial del entorno, a menudo descuidado en la modelización de las interacciones ecológicas, en general opera para aumentar la diversidad de especies. Esto surge debido a la heterogeneidad del entorno, pero tal heterogeneidad puede surgir en un entorno inicialmente homogéneo debido a lo que pueden ser eventos iniciales aleatorios (por ejemplo, patrones de colonización), cuyos efectos se amplifican por las interacciones de las especies. De esta manera, los entornos homogéneos pueden volverse heterogéneos y los entornos heterogéneos aún más. En entornos fragmentados, es probable que parches distintos sean colonizados inicialmente por diferentes especies, y por tanto surge un tipo de efecto fundador mediante el cual los parches individuales evolucionan a lo largo de diferentes caminos simplemente como consecuencia de los patrones iniciales de colonización. Las especies que no serían capaces de invadir pueden sin embargo sobrevivir al establecerse tempranamente y, además, se encontrarán en densidades más bajas en otras áreas como desbordamiento de sus áreas "seguras". Los entornos espacialmente continuos pueden evolucionar hacia esencialmente parcheados por este tipo de proceso. En general, se espera que la riqueza de especies sea mayor en entornos fragmentados pero que disminuya a medida que la capacidad de las especies para migrar se haga grande. Estos resultados se deben a la fragmentación per se y no dependen de la existencia de varios tipos de parches, una situación que tenderá a reforzar estos efectos. La diversidad también aumenta en tales entornos con extensión espacial debido a las oportunidades para estrategias espaciotemporales de tipo fugitivo. En estas, las oscilaciones locales de la población proporcionan la salvación para especies que, por ejemplo, son competitivamente inferiores o fáciles víctimas de la depredación, pero que pueden sobrevivir por una superior capacidad migratoria y (en entornos fragmentados) talento para la recolonización. De nuevo, la dependencia es en la heterogeneidad espacial, además de la heterogeneidad temporal; de nuevo, esto puede ser impuesto externamente o ser el resultado en gran medida de procesos internos. Algunas estadísticas gruesas para estos procesos, principalmente fracciones de ocupación de parches, pueden resultar útiles para un tratamiento simplificado de los equilibrios de colonización-extinción, como en los enfoques de Cohen (1970), Levins y Culver (1971), Horn y MacArthur (1972), y Slatkin (en preparación). Para tales consideraciones, sin embargo, no se puede asumir independencia de distribuciones; y el enfoque de Cohen (1970) y Slatkin (en preparación), que permite la consideración de la covarianza, es preferido.

@article{doi101086282900,
    author = "Levin, Simon A.",
    title = "Dispersión e Interacciones de Poblaciones",
    year = "1974",
    journal = "The American Naturalist",
    abstract = {El componente espacial del entorno, a menudo descuidado en la modelización de las interacciones ecológicas, en general opera para aumentar la diversidad de especies. Esto surge debido a la heterogeneidad del entorno, pero tal heterogeneidad puede surgir en un entorno inicialmente homogéneo debido a lo que pueden ser eventos iniciales aleatorios (por ejemplo, patrones de colonización), cuyos efectos se amplifican por las interacciones de las especies. De esta manera, los entornos homogéneos pueden volverse heterogéneos y los entornos heterogéneos aún más. En entornos fragmentados, es probable que parches distintos sean colonizados inicialmente por diferentes especies, y por tanto surge un tipo de efecto fundador mediante el cual los parches individuales evolucionan a lo largo de diferentes caminos simplemente como consecuencia de los patrones iniciales de colonización. Las especies que no serían capaces de invadir pueden sin embargo sobrevivir al establecerse tempranamente y, además, se encontrarán en densidades más bajas en otras áreas como desbordamiento de sus áreas "seguras". Los entornos espacialmente continuos pueden evolucionar hacia esencialmente parcheados por este tipo de proceso. En general, se espera que la riqueza de especies sea mayor en entornos fragmentados pero que disminuya a medida que la capacidad de las especies para migrar se haga grande. Estos resultados se deben a la fragmentación per se y no dependen de la existencia de varios tipos de parches, una situación que tenderá a reforzar estos efectos. La diversidad también aumenta en tales entornos con extensión espacial debido a las oportunidades para estrategias espaciotemporales de tipo fugitivo. En estas, las oscilaciones locales de la población proporcionan la salvación para especies que, por ejemplo, son competitivamente inferiores o fáciles víctimas de la depredación, pero que pueden sobrevivir por una superior capacidad migratoria y (en entornos fragmentados) talento para la recolonización. De nuevo, la dependencia es en la heterogeneidad espacial, además de la heterogeneidad temporal; de nuevo, esto puede ser impuesto externamente o ser el resultado en gran medida de procesos internos. Algunas estadísticas gruesas para estos procesos, principalmente fracciones de ocupación de parches, pueden resultar útiles para un tratamiento simplificado de los equilibrios de colonización-extinción, como en los enfoques de Cohen (1970), Levins y Culver (1971), Horn y MacArthur (1972), y Slatkin (en preparación). Para tales consideraciones, sin embargo, no se puede asumir independencia de distribuciones; y el enfoque de Cohen (1970) y Slatkin (en preparación), que permite la consideración de la covarianza, es preferido.},
    url = "https://doi.org/10.1086/282900",
    doi = "10.1086/282900",
    openalex = "W1968786866",
    references = "doi1010160022519370900925, doi1010160022519372900902, doi101086282272, doi1023071931746"
}

Para comprender el partitionamiento de recursos, esencialmente un fenómeno comunitario, necesitamos una teoría holística que se base en modelos a nivel individual y de población. Sin embargo, algunos investigadores siguen estando satisfechos principalmente con documentar las diferencias entre especies, un procedimiento de interés limitado. Por lo tanto, puede ser útil concluir con una lista de preguntas apropiadas para estudios de partitionamiento de recursos, preguntas que este artículo ha relacionado con la teoría de manera preliminar. 1) ¿Cuál es el mecanismo de la competencia? ¿Cuál es la importancia relativa de la depredación? ¿Es probable que las diferencias sean causadas por presiones hacia el aislamiento reproductivo? 2) ¿Están los nichos (utilizaciones) espaciados regularmente a lo largo de una sola dimensión? 3) ¿Cuántas dimensiones son importantes y hay una tendencia a que se añadan más dimensiones a medida que aumenta el número de especies? 4) ¿Es complementaria la separación dimensional? 5) ¿Qué dimensiones se utilizan, cómo se clasifican en importancia y por qué? ¿Cómo cambian las dimensiones particulares en su clasificación a medida que aumenta el número de especies? 6) ¿Cuál es la relación de la separación dimensional con la diferencia en indicadores fenotípicos? ¿En qué medida la relación funcional del fenotipo con las características de los recursos limita el partitionamiento? 7) ¿Cuál es la distancia entre la posición media de los nichos, cuál es la desviación estándar del nicho y cuál es la relación de los dos? ¿Cuál es la forma del nicho?

@article{doi101126science185414527,
    author = "Schoener, Thomas W.",
    title = "Resource Partitioning in Ecological Communities",
    year = "1974",
    journal = "Science",
    abstract = "To understand resource partitioning, essentially a community phenomenon, we require a holistic theory that draws upon models at the individual and population level. Yet some investigators are still content mainly to document differences between species, a procedure of only limited interest. Therefore, it may be useful to conclude with a list of questions appropriate for studies of resource partitioning, questions this article has related to the theory in a preliminary way. 1) What is the mechanism of competition? What is the relative importance of predation? Are differences likely to be caused by pressures toward reproductive isolation? 2) Are niches (utilizations) regularly spaced along a single dimension? 3) How many dimensions are important, and is there a tendency for more dimensions to be added as species number increases? 4) Is dimensional separation complementary? 5) Which dimensions are utilized, how do they rank in importance, and why? How do particular dimensions change in rank as species nuimber increases? 6) What is the relation of dimensional separation to difference in phenotypic indicators? To what extent does the functional relation of phenotype to resource characteristics constrain partitioning? 7) What is the distance between mean position of niches, what is the niche standard deviation, and what is the ratio of the two? What is the niche shape?",
    url = "https://doi.org/10.1126/science.185.4145.27",
    doi = "10.1126/science.185.4145.27",
    openalex = "W2034690972",
    references = "doi101016s0065250408603190, doi101073pnas6951109, doi101086282070, doi101086282146, doi101086282400, doi101086282454, doi101086282505, doi101086282531, doi101111j109583121972tb00690x, doi101111j1469185x1965tb00815x, doi101126science1473655250, doi101126science16338741419, doi101126science1794075759, doi101146annureves02110171002101, doi1023071931600, doi1023071933181, doi1023071933500, doi1023071935534, doi1023071936893, doi1023071942327, doi1023072411924, doi104039ent913857, doi107312pric91844"
}

@article{benton1983dinosaur2,
    author = "Benton, M. J",
    title = "Éxito de los dinosaurios en el Triásico",
    year = "1983",
    journal = "Un modelo ecológico no competitivo: Quarterly Review of Biology, v. 58, p. 29-55",
    note = "talkorigins_source = {true}; raw_reference = {Benton, M. J., 1983, Éxito de los dinosaurios en el Triásico: Un modelo ecológico no competitivo: Quarterly Review of Biology, v. 58, p. 29-55.}"
}

Describimos un marco general para comprender los procesos ecológicos que operan a escala de paisaje. La composición de tipos de hábitat en un paisaje y la disposición fisiognómica o espacial de esos hábitats son las dos características esenciales necesarias para describir cualquier paisaje. Por lo tanto, estas dos características afectan a cuatro procesos ecológicos básicos que pueden influir en la dinámica de poblaciones o la estructura de la comunidad. Los dos primeros de estos procesos, la complementariedad del paisaje y la suplementación del paisaje, ocurren cuando los individuos se mueven entre parches en el paisaje para utilizar recursos no sustituibles y sustituibles, respectivamente.

@article{doi1023073544901,
    author = "Dunning, John B. y Danielson, Brent J. y Pulliam, H. Ronald",
    title = "Procesos ecológicos que afectan a las poblaciones en paisajes complejos",
    year = "1992",
    journal = "Oikos",
    abstract = "Describimos un marco general para comprender los procesos ecológicos que operan a escala de paisaje. La composición de tipos de hábitat en un paisaje y la disposición fisiognómica o espacial de esos hábitats son las dos características esenciales necesarias para describir cualquier paisaje. Por lo tanto, estas dos características afectan a cuatro procesos ecológicos básicos que pueden influir en la dinámica de poblaciones o la estructura de la comunidad. Los dos primeros de estos procesos, la complementariedad del paisaje y la suplementación del paisaje, ocurren cuando los individuos se mueven entre parches en el paisaje para utilizar recursos no sustituibles y sustituibles, respectivamente",
    url = "https://doi.org/10.2307/3544901",
    doi = "10.2307/3544901",
    openalex = "W2014034900",
    references = "doi1010160040580977900429, doi1010160040580986900109, doi101146annureves20110189001131, doi1023071932254, doi1023071935620, doi1023072389612, doi1023073808148"
}

Predecir la distribución de especies en peligro de extinción a partir de datos de hábitat se percibe frecuentemente como una técnica útil. Los modelos que predicen la presencia o ausencia de una especie se juzgan normalmente por el número de errores de predicción. Estos pueden ser de dos tipos: falsos positivos y falsos negativos. Muchos de los errores de predicción pueden rastrearse a procesos ecológicos como el hábitat insaturado y las interacciones entre especies. En consecuencia, si los errores de predicción no se sitúan en un contexto ecológico, los resultados del modelo pueden ser engañosos. La medida más simple y ampliamente utilizada de la precisión de predicción es el número de casos correctamente clasificados. Existen otras medidas de éxito de predicción que pueden ser más apropiadas. Se discuten estrategias para evaluar las causas y los costes de estos errores. Se describen una serie de técnicas para medir el error en modelos de presencia/ausencia, incluidas algunas que raramente son utilizadas por ecólogos (por ejemplo, gráficos ROC y matrices de costes). Se propone un nuevo enfoque para estimar el error de predicción, que se basa en las características espaciales de los errores. Se hacen trece recomendaciones para permitir la selección objetiva de una técnica de evaluación de errores para modelos ecológicos de presencia/ausencia.

@article{doi101017s0376892997000088,
    author = "Fielding, Alan H. y Bell, John F.",
    title = "Revisión de métodos para la evaluación de errores de predicción en modelos de presencia/ausencia de conservación",
    year = "1997",
    journal = "Environmental Conservation",
    abstract = "Predecir la distribución de especies en peligro de extinción a partir de datos de hábitat se percibe frecuentemente como una técnica útil. Los modelos que predicen la presencia o ausencia de una especie se juzgan normalmente por el número de errores de predicción. Estos pueden ser de dos tipos: falsos positivos y falsos negativos. Muchos de los errores de predicción pueden rastrearse a procesos ecológicos como el hábitat insaturado y las interacciones entre especies. En consecuencia, si los errores de predicción no se sitúan en un contexto ecológico, los resultados del modelo pueden ser engañosos. La medida más simple y ampliamente utilizada de la precisión de predicción es el número de casos correctamente clasificados. Existen otras medidas de éxito de predicción que pueden ser más apropiadas. Se discuten estrategias para evaluar las causas y los costes de estos errores. Se describen una serie de técnicas para medir el error en modelos de presencia/ausencia, incluidas algunas que raramente son utilizadas por ecólogos (por ejemplo, gráficos ROC y matrices de costes). Se propone un nuevo enfoque para estimar el error de predicción, que se basa en las características espaciales de los errores. Se hacen trece recomendaciones para permitir la selección objetiva de una técnica de evaluación de errores para modelos ecológicos de presencia/ausencia.",
    url = "https://doi.org/10.1017/s0376892997000088",
    doi = "10.1017/s0376892997000088",
    openalex = "W2115268776",
    references = "openalexw2077454220"
}

Toda forma de comportamiento se moldea mediante prueba y error. Tal adaptación paso a paso puede ocurrir a través del aprendizaje individual o mediante la selección natural, la base de la evolución. Desde el trabajo de Maynard Smith y otros, se ha comprendido cómo la teoría de juegos puede modelar este proceso. La teoría de juegos evolutiva reemplaza las soluciones estáticas de la teoría de juegos clásica por un enfoque dinámico centrado no en el concepto de jugadores racionales, sino en la dinámica de poblaciones de programas de comportamiento. En este libro, los autores investigan la dinámica no lineal de la autorregulación del comportamiento social y económico, y de las estrechamente relacionadas interacciones entre especies en comunidades ecológicas. Las ecuaciones replicadoras describen cómo se propagan las estrategias exitosas y, de este modo, crean nuevas condiciones que pueden alterar la base de su éxito, es decir, permitirnos comprender las bases estratégicas y genéticas de la crónica interminable de invasiones y extinciones que salpican la evolución. En resumen, la teoría de juegos evolutiva describe cuándo escalar un conflicto, cómo provocar la cooperación, por qué esperar un equilibrio de los sexos y cómo comprender la selección natural en términos matemáticos.

@book{doi101017cbo9781139173179,
    author = "Hofbauer, Josef and Sigmund, Karl",
    title = "Evolutionary Games and Population Dynamics",
    year = "1998",
    booktitle = "Cambridge University Press eBooks",
    abstract = "Toda forma de comportamiento se moldea mediante prueba y error. Tal adaptación paso a paso puede ocurrir a través del aprendizaje individual o mediante la selección natural, la base de la evolución. Desde el trabajo de Maynard Smith y otros, se ha comprendido cómo la teoría de juegos puede modelar este proceso. La teoría de juegos evolutiva reemplaza las soluciones estáticas de la teoría de juegos clásica por un enfoque dinámico centrado no en el concepto de jugadores racionales, sino en la dinámica de poblaciones de programas de comportamiento. En este libro, los autores investigan la dinámica no lineal de la autorregulación del comportamiento social y económico, y de las estrechamente relacionadas interacciones entre especies en comunidades ecológicas. Las ecuaciones replicadoras describen cómo se propagan las estrategias exitosas y, de este modo, crean nuevas condiciones que pueden alterar la base de su éxito, es decir, permitirnos comprender las bases estratégicas y genéticas de la crónica interminable de invasiones y extinciones que salpican la evolución. En resumen, la teoría de juegos evolutiva describe cuándo escalar un conflicto, cómo provocar la cooperación, por qué esperar un equilibrio de los sexos y cómo comprender la selección natural en términos matemáticos.",
    url = "https://doi.org/10.1017/cbo9781139173179",
    doi = "10.1017/cbo9781139173179",
    openalex = "W2085728653",
    references = "doi101007978146847862422, doi1010160040580977900429, doi101038119012b0, doi101086282272, doi1023071578, doi1023072965538, doi1023074549, doi1023075530, doi105962bhltitle4489"
}

Esta ponencia aborda un solo tipo de enemigo natural, los parasitoides de insectos, e ilustra algunas formas en las que nuestra comprensión de su interacción dinámica con los hospedadores ha avanzado en los últimos 25 años aproximadamente. Los parasitoides comprenden aproximadamente el 10% o más de todas las especies metazoanas y pertenecen principalmente a dos familias, los Dípteros (moscas de dos alas) y los Himenópteros (avispas de sierra, abejas, avispas y hormigas). Excelentes introducciones a la biología de los parasitoides pueden encontrarse en Clausen (1940), Askew (1971) y Godfray (1994). Las hembras adultas de parasitoides ponen uno o más de sus huevos sobre, dentro o cerca del cuerpo de su hospedador, usualmente una etapa inmadura de otro insecto, el cual es consumido posteriormente durante un período de días o semanas por la larva o larvas de parasitoide alimentándose. Al igual que en la mayoría de los parásitos verdaderos, toda la comida necesaria para completar el desarrollo proviene de un solo hospedador, pero al igual que los depredadores verdaderos, esto casi siempre conduce a la muerte del hospedador, aunque con un retraso hasta que la larva de parasitoide esté completamente desarrollada. Los parasitoides han sido durante mucho tiempo temas populares para estudios ecológicos por varias razones. Primero, son importantes para el control biológico de plagas y esto ha estimulado mucho trabajo empírico y teórico sobre los atributos que hacen que los parasitoides sean agentes efectivos de control de plagas. Segundo, los parasitoides son sujetos ideales para desarrollar modelos de población relativamente simples. Esto se debe principalmente a que solo las hembras adultas buscan hospedadores, y porque el acto de encontrar un hospedador normalmente es seguido de la oviposición. El éxito en encontrar y atacar hospedadores define por lo tanto estrechamente la reproducción de los parasitoides, lo que significa que (i) los modelos de hospedador–parasitoide pueden tener una estructura mucho más simple que los modelos correspondientes de depredador–presa en los que todas las etapas del depredador pueden atacar a la presa con diferentes niveles de efectividad, y (ii) la reproducción está menos estrechamente definida por el consumo de presas. Finalmente, muchas especies de parasitoides y sus hospedadores pueden cultivarse fácilmente en microcosmos de laboratorio, y esto ha aumentado considerablemente la cantidad de información empírica sobre las interacciones hospedador–parasitoide bajo condiciones controladas. Este enfoque experimental de la dinámica de poblaciones ha sido justamente alabado por Kareiva et al. (1989). Gran parte del trabajo sobre la dinámica de las interacciones hospedador–parasitoide ha adoptado un enfoque mecanicista. Los componentes de la interacción se investigan utilizando experimentos simples, y sus efectos dinámicos se examinan de manera paso a paso dentro de modelos de población. El objetivo general es tener una comprensión detallada de cómo los procesos importantes que operan en los ciclos de vida del hospedador y del parasitoide afectan la dinámica de las poblaciones. Estos componentes pueden ser los parámetros demográficos fundamentales, características de los ciclos de vida, efectos de otras especies interactuantes u otras características del hábitat como la heterogeneidad espacial de los recursos y la variabilidad de la calidad de los recursos. En cada caso, se necesita información empírica para describir los componentes y definir su relación con variables clave como la densidad de población. A partir de esto, se obtiene una descripción de cada componente en un marco de modelado apropiado. Finalmente, el análisis del modelo parametrizado indica los efectos dinámicos de ese componente. Un enfoque mecanicista de la dinámica de poblaciones es exigente en cuanto a datos y requiere una interacción particularmente estrecha entre los datos y el desarrollo del modelo. Esta ponencia ilustra cómo la dinámica de las interacciones hospedador–parasitoide puede ser influenciada por tres procesos ecológicos mayores: por la heterogeneidad espacial, por las interacciones con otras especies y por la estructura de metapoblación. Un tema subyacente común es que el parasitismo no ocurre al azar y que los procesos espaciales y otros conducen a distribuciones agregadas de parasitismo entre la población de hospedadores. La realización de lo importante que son los procesos espaciales para la dinámica de poblaciones en general ha llevado a una revolución en la materia (Wiens 1989), y como resultado, muchos de los modelos de hospedador–parasitoide anteriores y simples ahora se consideran casos límite bastante especiales. Como es usualmente el caso, desarrollar los modelos matemáticos a veces ha resultado ser un desafío menor que diseñar y ejecutar estudios apropiados para recopilar los datos. Pero es alentador que ahora haya varios ejemplos donde los estudios de campo empíricos y los modelos han sido aproximados bastante cerca (por ejemplo, Hassell 1980; Jones et al. 1993; Reeve et al. 1994; Murdoch et al. 1996). Pero los problemas de escala espacial aún pervaden la ecología (Levin 1992, 1994). Las interacciones discutidas en este artículo involucran ya sea una sola especie de hospedador y parasitoide interactuando juntas o redes simples, y se discuten a dos escalas espaciales muy diferentes. Por un lado, hay poblaciones locales caracterizadas por una mezcla más o menos completa de individuos en algún punto(s) durante el período generacional. Por otro lado, hay metapoblaciones formadas por colecciones de poblaciones locales vinculadas por algún grado de dispersión cada generación entre las poblaciones locales individuales. Pero primero se esboza un marco básico sobre el cual se han construido muchas de las desarrollos en el modelado de interacciones hospedador–parasitoide. Una tradición de modelado, iniciada principalmente por entomólogos con hospedadores de insectos y sus parasitoides en mente (Thompson 1924; Nicholson 1933; Varley 1947), asume que las poblaciones tienen generaciones discretas y sincronizadas. Esto contrasta con los modelos de Lotka–Volterra (Lotka 1925; Volterra 1926), que parten de la suposición de que las generaciones de las poblaciones interactuantes se superponen completamente y que los procesos de nacimiento y muerte son continuos. Las generaciones discretas introducen inevitablemente un retraso de una generación entre el acto de parasitismo y el cambio resultante en las poblaciones de hospedadores, y es la presencia de estos retrasos temporales lo que representa la diferencia fundamental entre los dos tipos de modelo. Aunque los marcos discretos y continuos reflejan fundamentalmente tipos diferentes de ciclo de vida, ambas clases de modelo han sido utilizadas para demostrar cómo unaamplio rango de características comparables de las interacciones huésped–parasitoide influyen en la dinámica poblacional. El marco habitual para los modelos de huésped–parasitoide de generaciones discretas se da por N t + 1 = λNtf(Nt, Pt) P t + 1 = cNt[1 - f(Nt, Pt)]eqn 1 donde P y N son los tamaños poblacionales de las hembras adultas parasitoides buscadoras y la etapa huésped susceptible, respectivamente, en generaciones sucesivas t y t + 1. En la ecuación del huésped, el parámetro λ es la tasa neta finita de aumento de los huéspedes en ausencia de los parasitoides, que puede depender de la densidad o asumirse como constante. Depende de la fecundidad de los huéspedes, la proporción de sexos, cualquier inmigración y emigración, y todas las mortalidades de los huéspedes excepto el parasitismo en sí. La función f(Nt,Pt) define la fracción de los Nt huéspedes que escapan al parasitismo; por lo tanto, uno menos este término (dentro de los corchetes en la ecuación del parasitoide) da la fracción de huéspedes parasitados. Todas las suposiciones sobre la eficiencia de los parasitoides para encontrar y parasitar huéspedes están contenidas en este término. Finalmente, c es el número promedio de hembras adultas parasitoides que emergen de cada huésped parasitado (a menudo asumido como uno, lo que corresponde a parasitoides con larvas solitarias). Depende de la proporción de sexos de la progenie del parasitoide, cualquier mortalidad sufrida dentro de los huéspedes y cualquier mortalidad de las hembras adultas parasitoides subsiguientes antes de buscar huéspedes en la siguiente generación. Claramente, estas ecuaciones simples abarcan una enorme cantidad de biología de huéspedes y parasitoides, y la aparente simplicidad del modelo es engañosa: para parametrizarlo para un sistema particular de huésped–parasitoide se requiere información detallada de tablas de vida de ambas poblaciones (p. ej. Hassell 1980; Jones et al. 1993). El ejemplo más conocido del modelo 1 es el de Nicholson (1933) y Nicholson & Bailey (1935), quienes exploraron en profundidad un modelo en el que se hicieron las siguientes suposiciones sobre el parasitismo. Primero, los parasitoides nunca están limitados por huevos y encuentran huéspedes en proporción directa a la abundancia de huéspedes. El número total de encuentros con huéspedes se da por Nenc=aNtPt, donde a es la eficiencia de búsqueda per cápita que Nicholson llamó «área de descubrimiento». Segundo, estos Nenc encuentros se distribuyen aleatoriamente entre la población de huéspedes igualmente susceptibles. Por lo tanto, no hay evitación del superparasitismo o, si los parasitoides pueden evitarlo, lo hacen instantáneamente sin afectar de ninguna manera el rendimiento subsiguiente. Estas dos suposiciones están en el núcleo de la llamada «curva de competencia» de Nicholson, en la que la proporción de huéspedes que escapan al parasitismo se da por el término cero de la distribución de Poisson, exp(– aPt), donde aPt son los encuentros medios por huésped, Nenc/Nt = aPt. Por lo tanto, uno menos este término cero es la probabilidad de que un huésped sea atacado. Sustituyendo en el modelo 1 se obtiene: N t + 1 = λNt exp(- aPt) P t + 1 = Na = cNt[1 - exp (- aPt)]eqn 2 donde Na es el número de huéspedes que son parasitados independientemente del número de veces que han sido encontrados. Las propiedades dinámicas del modelo de Nicholson–Bailey son bien conocidas. Siempre existe un equilibrio huésped–parasitoide dependiendo de los valores de a, c y λ, y este es siempre localmente inestable, con la más mínima perturbación llevando a oscilaciones de amplitud rápidamente creciente (Fig. 1a). Esta inestabilidad, comparada con el modelo de Lotka–Volterra neutramente estable, surge de los retrasos de una generación entre causa y efecto inherentes a estos modelos de ecuaciones en diferencias (May 1973) y que aumentan el grado en que el parasitismo actúa como un proceso de densidad dependiente retardado o de retroalimentación de segundo orden (Varley 1947; Berryman & Turchin 1997). Simulaciones numéricas mostrando oscilaciones de huésped (○) y parasitoide (●) de la población de: (a) el modelo de Nicholson–Bailey con eficiencia de búsqueda del parasitoide, a = 0·068 y la tasa de aumento del huésped, λ = 2; (b) el modelo binomial negativo. Los parámetros son los mismos que en (a), excepto que el parasitismo ya no es aleatorio (k = 0·6 en lugar de k→∞). Aunque se han observado oscilaciones inestables en unos pocos experimentos de laboratorio simples de huésped–parasitoide y depredador–presa (p. ej. Burnett 1958; Huffaker 1958; Hassell & May 1988), tal inestabilidad es difícil de reconciliar con los resultados de otros sistemas de laboratorio en los que las interacciones son mucho más estables (p. ej. Utida 1957; Huffaker 1958; Huffaker et al. 1963; Fujii 1983; Bonsall & Hassell 1997, 1998; Shimada 1999) (y véase la Fig. 2 a continuación) y, más generalmente, con la persistencia a largo plazo de los sistemas naturales. Nicholson (1947), anticipando la actual moda por las metapoblaciones, sugirió un medio por el cual las poblaciones locales inestables oscilatoriamente pueden persistir. Asumiendo que la interacción ocurre en áreas distintas y separadas, el «ciclo de aumento en números, seguido de … exterminio, procede independientemente en diferentes partes del país ocupado; por lo que en todo momento algunos grupos están aumentando y otros disminuyendo en números…. Por consiguiente, cuando se considera un gran tramo de país, la abundancia [tanto de huésped como de parasitoide].. permanece más o menos constante; mientras que en cualquier pequeña área del mismo país la fluctuación en números ….puede ser violenta». Tal persistencia de metapoblación se considera con más detalle a continuación. Dinámica poblacional del escarabajo brúquido, Callosobruchus chinensis (●) alimentándose de frijoles de ojo negro y su parasitoide pteromalido, Anisopteromalus calandrae (○) en un sistema de laboratorio (Hassell & May 1988). (a) Un sistema no parcheado con 50 frijoles distribuidos uniformemente en el suelo del arena. Los parasitoides se introducen en la semana 19 y se extinguen en la semana 32, permitiendo que los huéspedes aumenten hasta ser limitados por los recursos. (b) Un sistema parcheado con 50 frijoles cada uno en un contenedor individual con acceso restringido tanto a huéspedes como a parasitoides. (De Hassell 2000.) Sin embargo, hay varias otras formas importantes en las que el modelo de Nicholson–Bailey puede modificarse que añaden realismo y permiten que las poblaciones persistan (Hassell 2000). Muchos de estos implican elaborar la función de parasitismo f(·). Por ejemplo, May (1978) partió de la premisa de que la suposición de que los hospedadores son parasitados al azar es una proposición improbable en el mundo real, donde los individuos hospedadores están obligados a variar en su ubicación espacial, fenotipo y etapa de desarrollo. Es mucho más probable, por lo tanto, que el riesgo de ser parasitado varíe dentro de la población de hospedadores, lo que conduce a una distribución general de ataques de parasitoides que es más agregada que al azar. Su modelo, en lugar de basarse en la distribución de Poisson, hace la suposición específica de que la supervivencia frente al parasitismo se describe mediante el término cero de la distribución binomial negativa, de modo que f en la ecuación 1 se da por: donde k es el índice que define el grado en que la distribución del parasitismo entre la población de hospedadores es agregada (más agregada cuando k→ 0, volviéndose aleatoria (es decir, Poisson) cuando k→∞). Las propiedades de este modelo son importante y diferentes de las del modelo de Nicholson − Bailey. Los equilibrios son localmente estables siempre que la distribución del parasitismo sea suficientemente agregada, o, más específicamente, si y solo si k < 1 (Fig. 1b). El efecto estabilizador de un k pequeño proviene de la manera en que el parasitismo se distribuye heterogéneamente entre la población de hospedadores. Esto se explora más a fondo en la siguiente sección. Ningún estudio ha tenido una mayor influencia en la divulgación de cómo la heterogeneidad puede afectar la dinámica de poblaciones que los experimentos clásicos de C.B. Huffaker con ácaros depredadores y presas alimentándose de naranjas (Huffaker 1958; Huffaker et al. 1963). Aunque estos experimentos nos dicen poco sobre los mecanismos detallados mediante los cuales la heterogeneidad espacial promueve la persistencia, han sido la inspiración para el desarrollo de muchos modelos de sistemas depredador–presa espacialmente estructurados (por ejemplo, Hilborn 1975; Caswell 1978; Hastings 1978; Crowley 1979; Nisbet & Gurney 1982). Un ejemplo de un experimento hospedador–parasitoide se muestra en la Fig. 2; la interacción es inestable en un entorno más o menos homogéneo, pero persiste en una interacción relativamente estable cuando los frijoles, que son el recurso hospedador, están confinados dentro de parches pequeños. Al igual que con los ácaros de Huffaker, el aumento de la partición del entorno en parches discretos redujo las posibilidades de extinción y permitió que las poblaciones persistieran a niveles bien por debajo de la capacidad de carga del hospedador o de la presa. El término 'heterogeneidad' se utilizará aquí de una manera específica. Siguiendo a Chesson & Murdoch (1986), se define en términos de la variación en el riesgo de parasitismo entre diferentes individuos en la población de hospedadores. Por ejemplo, el modelo de Nicholson–Bailey se recupera si el riesgo relativo de parasitismo se distribuye uniformemente por parche, mientras que el modelo binomial negativo de May (1978) se obtiene cuando el riesgo se distribuye según una gamma. En esta terminología, por lo tanto, un hábitat solo es 'heterogéneo' en la medida en que conduce a una 'agregación del riesgo' de parasitismo entre individuos hospedadores. La importancia de esta medida radica en la manera en que puede utilizarse para cuantificar el efecto estabilizador de una distribución agregada de parasitismo entre individuos hospedadores en una población. Una de las formas más obvias en las que puede surgir la heterogeneidad del riesgo de parasitismo es en un entorno parcheado donde el nivel de parasitismo varía entre parches. Pero también puede surgir de maneras bastante diferentes. Por ejemplo, los ciclos de vida del hospedador y del parasitoide pueden no estar debidamente sincronizados de modo que algunos hospedadores estén menos en riesgo de parasitismo, o escapen completamente, debido a la desincronización fenológica de ciclos de vida que no coinciden. O, puede haber variación fenotípica entre individuos hospedadores de modo que algunos hospedadores puedan reducir su riesgo de parasitismo por virtud de su fisiología o comportamiento. La heterogeneidad del riesgo es, por lo tanto, una característica omnipresente de las interacciones naturales. Una exposición muy clara de cómo esta heterogeneidad ayuda a estabilizar las interacciones hospedador–parasitoide de la forma del modelo se da por Taylor (1993). Consideremos un entorno compuesto por parches discretos de plantas alimenticias sobre las cuales se alimenta una especie de herbívoro insecto con generaciones discretas. El herbívoro es atacado por una especie de parasitoide especialista cuyos adultos coinciden temporalmente con la etapa hospedadora susceptible. Al emerger, los hospedadores adultos y las hembras parasitoides se dispersan desde sus parches natales y se mueven entre los parches ovipositando. Tenemos, por lo tanto, poblaciones totales de Nt hospedadores y Pt hembras adultas parasitoides distribuidas entre los n parches de modo que dentro de cualquier parche hay Pi parasitoides buscando Ni hospedadores. Supongamos primero que los parasitoides se dividen equitativamente entre los parches, y que dentro de cualquier parche tienen una respuesta funcional lineal, una eficiencia de búsqueda constante y encuentran hospedadores al azar. El porcentaje de parasitismo es ahora el mismo en cada parche en cualquier generación, y se recupera exactamente el modelo de Nicholson–Bailey para la población total. Por lo tanto, todos los individuos hospedadores sufren el mismo riesgo de parasitismo. Tal riesgo uniforme de parasitismo a través de los parches es contrarrestado por una abundancia de evidencia empírica. Los dos ejemplos de laboratorio en la Fig. 3 son casos claros donde los parasitoides buscadores tienden a congregarse en los parches de alta densidad de hospedadores. En un caso, el patrón resultante de parasitismo es positivamente dependiente de la densidad, mientras que en el otro es justo lo contrario – el parasitismo es inversamente dependiente de la densidad. Esta diferencia proviene de las diferentes respuestas funcionales de las dos especies de la siguiente manera. Trybliographa rapae tiene un tiempo de manejo corto que da una tasa máxima de ataque relativamente alta por parasitoide (es decir, altas asíntotas superiores de sus respuestas funcionales). El patrón de parasitismo refleja, por lo tanto, la distribución de los parasitoides, y por consiguiente los patrones dependientes de la densidad en la Fig. 3b. En contraste, el parasitoide de huevos, Trichogramma evanescens, tiene un tiempo de manejo mucho más largo y, por lo tanto, una tasa máxima de ataque más baja por hembra. Individual paraLos sitoides están, por lo tanto, restringidos en su capacidad para explotar parches de alta densidad de hospedadores y esto conduce a la dependencia inversa de la densidad mostrada en la Fig. 3d. Ejemplos que ilustran este mecanismo se muestran en la Fig. 4. Patrones promedio de asignación de tiempo (a, c) y parasitismo (b, d) por parche en relación con la densidad de hospedadores por parche de dos sistemas de laboratorio. (a, b) Diez hembras del parasitoide cínpido, Trybliographa rapae, parasitando larvas de col en diferentes densidades dentro de Hassell 1988). d) hembras del parasitoide, Trichogramma parasitando huevos de en diferentes densidades En contraste con (a, b) el parasitismo es inversamente dependiente de la densidad, mientras que para los parasitoides en relación con el hospedador (Hassell 1982). Ejemplos numéricos que muestran cómo la distribución de parasitoides y diferentes tipos de funcionales pueden conducir tanto a patrones espaciales de parasitismo dependientes de la densidad como a patrones de dependencia inversa de la densidad. (a) Una distribución agregada de parasitoides en búsqueda. (b) tipos de funcionales que definen la tasa de ataque por parasitoide dentro de un parche desde un funcional lineal con a = y = desde un funcional con a = y = El parasitismo resultante por parche con y correspondientes a aquellos en los que más que para el de los parasitoides para causar dependencia inversa de la densidad (De Hassell 2000.) Mientras que los datos proporcionan información sobre la distribución de parasitoides en búsqueda y los patrones resultantes de parasitismo son difíciles de recopilar del campo, véase 1983; & es relativamente fácil cuantificar patrones de parasitismo sin información sobre la distribución de hospedadores en búsqueda puede obtenerse de una variedad de parches, llevados al laboratorio y el parasitismo de la siguiente generación o por los diferentes ejemplos en el de & Murdoch y Hassell & patrones de parasitismo directamente dependientes de la densidad, patrones inversos y parasitismo con densidad de hospedadores por ejemplo se muestran en la Fig. los de et al. y Hassell et al. los patrones directamente dependientes de la densidad y los patrones inversos surgen de y los patrones surgen de Ejemplos de estudios de campo que muestran diferentes patrones espaciales de parasitismo. (a) parasitismo de las larvas de col por el parasitoide cínpido, Trybliographa rapae & Hassell 1988). (b) parasitismo dependiente de la densidad de huevos por el parasitoide, & parasitismo de la cochinilla por el parasitoide, et al. parasitismo de las por el parasitoide, para un de la (De & Hassell Gran parte de la información en estos diferentes patrones tiene que ver con su importancia para el trabajo teórico de poblaciones con interacciones de generaciones discretas sobre cómo los patrones dependientes de la densidad (por ejemplo, Hassell & May Murdoch & 1975; et al. han demostrado que tanto los patrones inversos como los pueden ser igualmente importantes para (Hassell Chesson & Murdoch Hassell & May & Murdoch et al. Hassell et al. modelos sobre esto El marco de modelado simple puede aplicarse a interacciones en un ambiente parcheado siempre que f(Nt,Pt) sea la suma a través de todos los parches, de la fracción de hospedadores que escapan al parasitismo. La función f(Nt,Pt) depende, por lo tanto, tanto de la supervivencia frente al parasitismo dentro de los parches como de las distribuciones espaciales de hospedadores y parasitoides entre los n parches. Consideremos el caso simple de un hábitat con n parches en cada uno de los cuales el parasitismo es aleatorio y sigue un funcional La distribución de hospedadores y parasitoides de un parche a otro se define por y la cantidad total de hospedadores y parasitoides en búsqueda totales, respectivamente, en el parche, de modo que f se da por: donde a es la eficiencia de búsqueda por parche y es el tiempo de manejo (Hassell & May específicamente, se deduce que los parasitoides en parches de alta densidad de hospedadores siguiendo el simple donde es un índice de parasitoide y es una constante tal que los valores tienden a (Hassell & May El modelo puede describir una amplia gama de distribuciones de parasitoides; estarán distribuidos uniformemente entre parches si = 0, y tenderán a congregarse en parches de alta densidad de hospedadores como en el caso en que se congreguen todos en el único parche de mayor densidad de hospedadores si la distribución es completa si < la distribución del parasitoide es ahora inversamente proporcional a su abundancia local con la densidad de hospedadores por El modo en que estos diferentes patrones pueden actuar para un funcional lineal dentro de un parche se muestra mediante el siguiente ejemplo en el que los hospedadores están agregados a una distribución binomial negativa donde p es la probabilidad de encontrar hospedadores en un parche desde la distribución binomial negativa y es el número de parasitoides en un parche con hospedadores según la ecuación de este modelo que distribuciones de parasitoides suficientemente dependientes o inversamente dependientes de la densidad pueden estabilizar las interacciones (Fig. mientras que la distribución de parasitoides conduce a inestabilidad local la tasa de aumento del hospedador es algo así como un rango de dinámicas puede ocurrir et al. la distribución de parasitoides también puede tener un efecto sobre los niveles de equilibrio (Fig. Los parasitoides tienen el efecto de alterar los equilibrios del hospedador cuando su distribución se asemeja más a la de los hospedadores (es decir, = o en este modelo conduce a la estabilidad del hospedador porque los parasitoides, están confinados a sus parches, independientemente del grado de agregación de los hospedadores. Los efectos del parasitoide sobre la estabilidad y el equilibrio (a) entre el grado de agregación de los parasitoides, en la ecuación y la cantidad de agregación del hospedador k con una distribución binomial negativa de hospedadores por parche desde el modelo con supervivencia frente al parasitismo, dada por la ecuación número total de parches n = eficiencia de búsqueda a = 1 y tasa de aumento del hospedador λ = (b) Ejemplos del nivel de equilibrio del hospedador con el grado de agregación del parasitoide para tres diferentes números de parches desde el modelo con supervivencia dada por y a = λ = 2 y n = n = y n = Hassell en los que son Hay mucho más interés en los efectos de la heterogeneidad que en la homogeneidad porque se ha asumido que tiene un papel importante en la dinámica de poblaciones y porque es difícil hacer la distinción entre la heterogeneidad y la dinámica de poblaciones et al. et al. Godfray 1994). Sin embargo, ahora se sabe que la heterogeneidad puede ser un proceso tan importante en la dinámica de poblaciones. Consideremos un ejemplo específico donde toda la heterogeneidad en el parasitismo es debido a la distribución espacial de los hospedadores como en la Fig. y que esto se debe a la distribución de parasitoides en búsqueda que se agregan independientemente de un parche a otro siguiendo una distribución gamma También asumimos que dentro de cualquier parche los parasitoides explotan a los hospedadores al azar y tienen una eficiencia de búsqueda per cápita constante (es decir, un funcional lineal La fracción de hospedadores que escapan al parasitismo se da ahora por by: ¿dónde está la función de densidad de probabilidad gamma para parasitoides por parche con media y es una constante la de la densidad y a es la eficiencia de búsqueda per cápita usual de los En cada parche, por lo tanto, la supervivencia de los hospedadores mediante la búsqueda aleatoria de parasitoides está dada por el término cero de una distribución de Poisson con media et al. Chesson & Murdoch mucho lo mismo fueron los parasitoides distribuidos uniformemente a través de los parches pero su eficiencia de búsqueda, a, a una distribución gamma et al. Las propiedades del modelo son las poblaciones serán por la heterogeneidad siempre que haya en la distribución de los parasitoides o, más específicamente, si < 1. eqn también a (1978) modelo binomial negativo. El índice de es ahora al grado de de los parasitoides buscadores & Murdoch et al. Hassell et al. El k < 1 del modelo binomial negativo, por lo tanto, corresponde en este modelo espacial a < 1. propiedades estabilizadoras también han sido de modelos con parasitismo por Reeve et al. además que los patrones de parasitismo son importantes como un estabilizador El parasitoide describió un en el cual los individuos están distribuidos entre los parches al inicio de cada generación, donde luego están confinados independientemente de cómo se conviertan los hospedadores y o no hay más parches Los parasitoides en este son mucho más en ser capaces de los mejores parches El gran cuerpo de sobre parches proviene del clásico papel por en el cual un parche cuando la tasa de se reduce a la tasa máxima en el entorno en su conjunto (por ejemplo. & & 1997). a los parasitoides, esto significa una distribución de búsqueda de parasitoides que la tasa de parasitismo para los parasitoides buscadores individuales, dependiendo de la distribución espacial de los hospedadores y cualquier y vida & & (1978) y & Hassell modelos para tales parasitoides buscadores. El modelo parasitoides individuales entre parches, su tiempo de búsqueda en relación con el de la distribución del hospedador y el de la eficiencia de búsqueda del parasitoide y el tiempo de manejo también el inicio

@article{doi101046j13652656200000445x,
    author = "Hassell, M. P.",
    title = "Host–parasitoid population dynamics*",
    year = "2000",
    journal = "Journal of Animal Ecology",
    abstract = "This address deals with just one kind of natural enemy, insect parasitoids, and illustrates some ways in which our understanding of their dynamical interaction with hosts has advanced over the past 25 years or so. Parasitoids comprise some 10\% or more of all metazoan species, and largely belong to two families, the Diptera (two-winged flies) and the Hymenoptera (sawflies, bees, wasps and ants). Excellent introductions to the biology of parasitoids can be found in Clausen (1940), Askew (1971) and Godfray (1994). Adult female parasitoids lay one or more of their eggs on, in or close to the body of their host, usually an immature stage of another insect, which is then consumed over a period of days or weeks by the feeding parasitoid larva or larvae. As in most true parasites, all the food necessary to complete development comes from a single host, but like true predators this almost always leads to the death of the host, albeit with a delay until the parasitoid larva is fully developed. Parasitoids have long been popular subjects for ecological study for several reasons. First, they are important for biological pest control and this has stimulated much empirical and theoretical work on the attributes that make parasitoids effective pest control agents. Secondly, parasitoids are ideal subjects for developing relatively simple population models. This is mainly because it is only the adult females that search for hosts, and because the act of finding a host is normally followed by oviposition. The success in finding and attacking hosts therefore closely defines parasitoid reproduction, which means that (i) host–parasitoid models can have a much simpler structure than corresponding predator–prey models in which all predator stages may attack prey with different effectiveness, and (ii) reproduction is less closely defined by prey consumption. Finally, many species of parasitoids and their hosts can readily be cultured in laboratory microcosms, and this has greatly increased the amount of empirical information on host–parasitoid interactions under controlled conditions. This experimental approach to population dynamics has rightly been extolled by Kareiva et al. (1989). Much of the work on the dynamics of host–parasitoid interactions has taken a mechanistic approach. Components of the interaction are investigated using simple experiments, and their dynamical effects examined in a step-wise way within population models. The overall objective is to have a detailed understanding of how the important processes operating in the host and parasitoid life cycles affect the dynamics of the populations. These components may be the fundamental demographic parameters, features of the life histories, effects of other interacting species or other features of the habitat such as patchiness of resources and variability of resource quality. In each case, empirical information is needed to describe the components and define their relationship with key variables such as population density. From this, a description is obtained of each component in an appropriate model framework. Finally, analysis of the parameterised model indicates the dynamical effects of that component. Such a mechanistic approach to population dynamics is demanding of data and requires a particularly close interaction between data and model development. This address illustrates how the dynamics of host–parasitoid interactions may be influenced by three major ecological processes: by spatial patchiness, by interactions with other species, and by metapopulation structure. A common underlying theme is that parasitism does not occur at random and that spatial and other processes lead to aggregated distributions of parasitism amongst the host population. The realisation of how important spatial processes are to population dynamics in general has led to a revolution in the subject (Wiens 1989), and as a result many of the earlier, simple host–parasitoid models are now viewed as rather special limiting cases. As is usually the case, developing the mathematical models has sometimes proved less of a challenge than designing and executing appropriate studies to collect the data. But it is encouraging that there are now several examples where empirical field studies and models have been drawn fairly close together (e.g. Hassell 1980; Jones et al. 1993; Reeve et al. 1994; Murdoch et al. 1996). But problems of spatial scale still pervade ecology (Levin 1992, 1994). The interactions discussed in this paper involve either a single host and parasitoid species interacting together or simple webs, and are discussed at two very different spatial scales. On the one hand, there are local populations characterised by more-or-less complete mixing of individuals at some point(s) during the generation period. On the other hand, there are metapopulations formed by collections of local populations linked by some degree of dispersal each generation between the individual local populations. But first a basic framework is outlined upon which many of the developments in modelling host–parasitoid interactions have been built. A modelling tradition, initiated mainly by entomologists with insect hosts and their parasitoids in mind (Thompson 1924; Nicholson 1933; Varley 1947), assumes that populations have discrete and synchronized generations. This is in contrast to Lotka–Volterra models (Lotka 1925; Volterra 1926), which start with the assumption that the generations of the interacting populations overlap completely and that birth and death processes are continuous. Discrete generations inevitably introduce a one-generation time lag between the act of parasitism and the resulting change in host populations, and it is the presence of these time lags that represent the fundamental difference between the two kinds of model. Although the discrete and continuous frameworks reflect fundamentally different kinds of life cycle, both classes of model have been used to demonstrate how a wide range of comparable features of host–parasitoid interactions influence population dynamics The usual framework for discrete-generation host–parasitoid models is given by N t + 1 = λNtf(Nt, Pt) P t + 1 = cNt[1 - f(Nt, Pt)]eqn 1 where P and N are the population sizes of the searching adult female parasitoids and the susceptible host stage, respectively, in successive generations t and t + 1. In the host equation, the parameter λ is the net finite rate of increase of hosts in the absence of the parasitoids, which may be density-dependent or assumed to be a constant. It depends on the hosts' fecundity, sex ratio, any immigration and emigration, and all host mortalities other than parasitism itself. The function f(Nt,Pt) defines the fraction of the Nt hosts escaping parasitism; one minus this term (within the square brackets in the parasitoid equation) therefore gives the fraction of hosts parasitized. All assumptions about the efficiency of parasitoids at finding and parasitizing hosts are thus contained within this term. Finally, c is the average number of adult female parasitoids emerging from each host parasitized (often assumed to be one, that corresponds to parasitoids with solitary larvae). It depends upon the sex ratio of the parasitoid progeny, any mortality suffered within hosts and any mortalities of the subsequent adult female parasitoids prior to searching for hosts in the next generation. Clearly, these simple equations subsume a huge amount of host and parasitoid biology, and the apparent simplicity of the model is deceptive: to be parameterized for a particular host–parasitoid system requires detailed life table information on both populations (e.g. Hassell 1980; Jones et al. 1993). The best known example of model 1 is that of Nicholson (1933) and Nicholson \& Bailey (1935) who explored in depth a model in which the following assumptions about parasitism were made. First, the parasitoids are never egg-limited and encounter hosts in direct proportion to host abundance. The total number of encounters with hosts is therefore given by Nenc=aNtPt, where a is the per capita searching efficiency which Nicholson called the ‘area of discovery’. Secondly, these Nenc encounters are distributed randomly amongst the population of equally susceptible hosts. There is thus either no avoidance of superparasitism or, if the parasitoids can avoid superparasitism, they do so instantaneously without affecting subsequent performance in any way. These two assumptions are at the core of Nicholson's so-called ‘competition curve’ in which the proportion of hosts escaping parasitism is given by the zero term of the Poisson distribution, exp(– aPt), where aPt are the mean encounters per host, Nenc/Nt = aPt. Thus, one minus this zero term is the probability of a host being attacked. Substituting into model 1 gives: N t + 1 = λNt exp(- aPt) P t + 1 = Na = cNt[1 - exp (- aPt)]eqn 2 where Na is the number of hosts that are parasitized irrespective of the number of times they have been encountered. The dynamical properties of the Nicholson–Bailey model are well known. A host–parasitoid equilibrium always exists depending on the values of a, c andλ, and this is always locally unstable with the slightest perturbation leading to oscillations of rapidly increasing amplitude (Fig. 1a). This instability, compared to the neutrally stable Lotka–Volterra model, arises from the one-generation time lags between cause and effect that are inherent in these difference equation models (May 1973) and which enhance the degree that parasitism acts as a delayed density-dependent, or second-order feedback process (Varley 1947; Berryman \& Turchin 1997). Numerical simulations showing host (○) and parasitoid (● population oscillations from: (a) the Nicholson–Bailey model with parasitoid searching efficiency, a = 0·068 and the host rate of increase, λ = 2; (b) the negative binomial model. The parameters are the same as in (a), except that parasitism is no longer random (k = 0·6 instead of k→∞). Although unstable oscillations have been observed in a few simple laboratory host–parasitoid and predator–prey experiments (e.g. Burnett 1958; Huffaker 1958; Hassell \& May 1988), such instability is hard to reconcile with the results from other laboratory systems in which the interactions are much more stable (e.g. Utida 1957; Huffaker 1958; Huffaker et al. 1963; Fujii 1983; Bonsall \& Hassell 1997, 1998; Shimada 1999) (and see Fig. 2 below) and, more generally, with the long-term persistence of natural systems. Nicholson (1947), anticipating the current vogue for metapopulations, suggested one means by which oscillatorily unstable local populations may persist. Assuming that the interaction occurs in distinct and separated areas, the ‘cycle of increase in numbers, followed by … extermination, proceeds independently in different parts of the occupied country; so at all times some groups are increasing and some decreasing in numbers…. Consequently when one considers a large tract of country, the abundance [of both host and parasitoid].. remains more or less constant; whereas in any small area of the same country the fluctuation in numbers ….may be violent.’ Such metapopulation persistence is considered in more detail below. Population dynamics of the bruchid beetle, Callosobruchus chinensis (●) feeding on black eyed beans and its pteromalid parasitoid, Anisopteromalus calandrae (○) in a laboratory system (Hassell \& May 1988). (a) A non-patchy system with 50 beans uniformly distributed on the arena floor. The parasitoids are introduced in week 19 and become extinct in week 32, allowing the hosts to increase until checked by resources. (b) A patchy system with 50 beans each in an individual container with restricted access to both hosts and parasitoids. (From Hassell 2000.) There are, however, several other important ways in which the Nicholson–Bailey model can be modified that both add realism and allow the populations to persist (Hassell 2000). Many of these involve elaborating the parasitism function f(·). For example, May (1978) started from the premise that the assumption that hosts are parasitized at random is an unlikely proposition in the real world where host individuals are bound to vary in their spatial location, phenotype, and stage of development. It is much more likely, therefore, that the risk of being parasitized will vary within the host population, leading to an overall distribution of parasitoid attacks that is more aggregated than random. His model, instead of being based on the Poisson distribution, makes the specific assumption that survival from parasitism is described by the zero term of the negative binomial distribution so that f in eqn 1 is given by: where k is the index defining the degree to which the distribution of parasitism amongst the host population is aggregated (most aggregated as k→ 0, becoming random (i.e. Poisson) as k→∞). The properties of this model are importantly different from those of the Nicholson − Bailey model. The equilibria are locally stable provided that the distribution of parasitism is sufficiently aggregated, or, more specifically, if and only if k < 1 (Fig. 1b). The stabilizing effect of small k stems from the way that parasitism is heterogeneously distributed amongst the host population. This is further explored in the next section. No study has had a greater influence in publicising how heterogeneity can affect population dynamics than C.B. Huffaker's classic experiments with predatory and prey mites feeding on oranges (Huffaker 1958; Huffaker et al. 1963). While these experiments tell us little about the detailed mechanisms by which spatial patchiness promotes persistence, they have been the inspiration for the development of many models for spatially structured predator–prey systems (e.g. Hilborn 1975; Caswell 1978; Hastings 1978; Crowley 1979; Nisbet \& Gurney 1982). An example from a host–parasitoid experiment is shown in Fig. 2; the interaction is unstable in a more-or-less homogeneous environment, but persists in a relatively stable interaction when the beans, which are the host resource, are confined within small patches. As with Huffaker's mites, increased partitioning of the environment into discrete patches reduced the chances of extinction and allowed the populations to persist at levels well below the host or prey's carrying capacity. The term ‘heterogeneity’ will be used here in a specific way. Following Chesson \& Murdoch (1986), it is defined in terms of the variation in risk of parasitism between different individuals in the host population. For example, the Nicholson–Bailey model is recovered if the relative risk of parasitism is uniformly distributed per patch, while the negative binomial model of May (1978) is obtained when the risk is gamma distributed. In this terminology, therefore, a habitat is only ‘heterogeneous’ in so far as it leads to ‘aggregation of risk’ of parasitism between host individuals. The importance of this measure lies in the way that it can be used to quantify the stabilizing effect of an aggregated distribution of parasitism amongst host individuals in a population. One of the most obvious ways in which heterogeneity of risk of parasitism can arise is in a patchy environment where the level of parasitism varies between patches. But it can also arise in quite different ways. For example, host and parasitoid life cycles may not be properly synchronized so that some hosts are less at risk from parasitism, or escape completely, due to the phenological mismatch of life cycles that do not coincide. Or, there may be phenotypic variation between host individuals such that some hosts are able to reduce their risk of parasitism by virtue of their physiology or behaviour. Heterogeneity of risk is thus a pervasive feature of natural interactions. A very clear exposition of how this heterogeneity helps to stabilize host–parasitoid interactions of the form of model is given by Taylor (1993). Let us consider an environment made up of discrete patches of food plants upon which an insect herbivore species with discrete generations feeds. The herbivore is attacked by a specialist parasitoid species whose adults coincide temporally with the susceptible host stage. On emergence, the adult hosts and female parasitoids disperse from their natal patches and move amongst the patches ovipositing. We have, therefore, total populations of Nt hosts and Pt adult female parasitoids distributed amongst the n patches such that within any one patch there are Pi parasitoids searching for Ni hosts. Suppose first that the parasitoids divide themselves evenly amongst the patches, and that within any patch they have a linear functional response, a constant searching efficiency and encounter hosts at random. Percentage parasitism is now the same in each patch in any one generation, and the Nicholson–Bailey model for the whole population is recovered exactly. All host individuals therefore suffer the same risk of parasitism. Such a uniform risk of parasitism across patches is countered by a wealth of empirical evidence. The two laboratory examples in Fig. 3 are clear cases where the searching parasitoids tend to congregate in the patches of high host density. In one case, the resulting pattern of parasitism is positively density-dependent, while in the other, it is just the opposite – parasitism is inversely density-dependent. This difference stems from the different functional responses of the two species in the following way. Trybliographa rapae has a short handling time giving a relatively high maximum attack rate per parasitoid (i.e. high upper asymptotes of their functional responses). The pattern of parasitism thus reflects the distribution of parasitoids, and hence the density-dependent patterns in Fig. 3b. In contrast, the egg parasitoid, Trichogramma evanescens, has a much longer handling time and hence a lower maximum attack rate per female. Individual parasitoids are therefore restricted in their ability to exploit high host density patches and this leads to the inverse density dependence in Fig. 3d. Examples illustrating this mechanism are shown in Fig. 4. Average patterns of time allocation (a, c) and parasitism (b, d) per patch in relation to host density per patch from two laboratory systems. (a, b) Ten females of the cynipid parasitoid, Trybliographa rapae, parasitizing larvae of the cabbage at different within of \& Hassell 1988). d) females of the parasitoid, Trichogramma parasitizing eggs of the on at different In contrast to (a, b) parasitism is inversely density-dependent, the for the parasitoids to on the with host (Hassell 1982). Numerical examples showing how the of parasitoids and different kinds of functional can lead to both density-dependent and inverse density-dependent spatial patterns of parasitism. (a) An aggregated distribution of searching parasitoids. (b) kinds of functional defining the attack rate per parasitoid within a from a linear functional with a = and = from a with a = and = The resulting overall parasitism per patch with and corresponding to those in that the more than for the of the parasitoids to cause inverse density (From Hassell 2000.) While data information on the distribution of searching parasitoids and the resulting patterns of parasitism are to collect from the field see 1983; \& it is relatively to quantify patterns of parasitism without about the distribution of searching hosts can be from a range of patches, taken to the laboratory and the of parasitism then usually by the next generation or by the different examples in the of \& Murdoch and Hassell \& direct density-dependent patterns of parasitism, inverse patterns and parasitism with host density per examples are shown in Fig. the of et al. and Hassell et al. the direct and inverse density-dependent patterns arise from and the patterns arise from Examples of field studies showing different spatial patterns of parasitism. (a) parasitism of the larvae of cabbage by the cynipid parasitoid, Trybliographa rapae \& Hassell 1988). (b) density-dependent parasitism of eggs by the parasitoid, \& parasitism of the scale by the parasitoid, et al. parasitism of the by the parasitoid, for a of the (From \& Hassell Much of the in these different patterns has on their importance to population theoretical work with discrete generation interactions to how density-dependent patterns (e.g. Hassell \& May Murdoch \& 1975; et al. have that both the inverse patterns and the can be equally important for (Hassell Chesson \& Murdoch Hassell \& May \& Murdoch et al. Hassell et al. models on this The simple model framework can be to interactions in an patchy environment as long as f(Nt,Pt) the across all patches, of the fraction of hosts escaping parasitism. The function f(Nt,Pt) therefore depends on both survival from parasitism within patches as well as the spatial distributions of hosts and parasitoids between the n patches. Let us consider the simple of a habitat with n patches as within each of which parasitism is random and by a functional The distribution of hosts and parasitoids from patch to patch is defined by and the of total hosts and total searching parasitoids, respectively, in the patch, so that f is given by: where a is the searching efficiency per patch and is the handling time (Hassell \& May specifically, will that the parasitoids in patches of high host density following the simple where is an index of parasitoid and is a constant such that the values to (Hassell \& May The can describe a wide range of parasitoid distribution they will be evenly distributed across patches if = 0, and tend to in patches of high host density as in the they will all congregate in the single patch of host density the as complete if < the parasitoid distribution is with their local abundance now inversely with host density per The way that these different patterns can for a linear functional within is shown by the following example in which the hosts are aggregated to a negative binomial is the probability of hosts in a patch from the negative binomial distribution and are the number of parasitoids in a patch with hosts by eqn of this model that sufficiently direct or inverse density-dependent distributions of parasitoids can stabilize the interactions (Fig. while parasitoid leads to local instability the host rate of increase is some a range of dynamics can occur et al. of parasitoid can also have a effect on equilibrium levels (Fig. Parasitoids have the effect in host equilibria when their distribution most closely that of the hosts (i.e. = or in this model leads to host because the parasitoids, are confined to their patches, irrespective of the degree of host The effects of parasitoid on and equilibrium (a) between the degree of of parasitoids, in eqn and the amount of host k a negative binomial distribution of hosts per from model with survival from parasitism, given by eqn total number of patches n = searching efficiency a = 1 and host rate of increase λ = (b) Examples of the host equilibrium level with the degree of parasitoid for three different numbers of patches from model with given by and a = λ = 2 and n = n = and n = Hassell in which are There has been much more on the effects of than because of the it has been assumed to have in population and because have to make the between and population dynamics et al. et al. Godfray 1994). It is now however, that heterogeneity can be at as important a process in population Let us consider a specific example where all the heterogeneity in parasitism is of the spatial distribution of hosts as in Fig. and that this is by the distribution of searching parasitoids being independently aggregated from patch to patch following a gamma We also that within any one patch the parasitoids exploit hosts at random and have a constant per capita searching efficiency (i.e. a linear functional The fraction of hosts escaping parasitism is now given by: where is the gamma probability density function for parasitoids per patch with mean and is a constant the of the density and a is the usual per capita searching efficiency of the In each patch, therefore, host survival by randomly searching parasitoids is given by the zero term of a Poisson distribution with mean et al. Chesson \& Murdoch much the same were the parasitoids uniformly distributed across patches but their searching efficiency, a, to a gamma distribution et al. The properties of the model are the populations will be by the heterogeneity as long as there is in the distribution of parasitoids or, more specifically, if < 1. eqn also to (1978) negative binomial model. The index of is now to the degree of of the searching parasitoids \& Murdoch et al. Hassell et al. The k < 1 from the negative binomial model, therefore corresponds in this spatially model to < 1. stabilizing properties have also been from models with parasitism by Reeve et al. further that patterns of parasitism are important as a stabilizing The parasitoid described an in which individuals are distributed amongst the patches at the start of each generation, where they then confined irrespective of how the hosts become and or not there are more patches The parasitoids in this are much more in being able to the best patches The large body of on patch stems from the classic paper by in which a a patch when the rate of is reduced to the maximum rate in the environment as a whole (e.g. \& \& 1997). to parasitoids, this means an distribution of parasitoid searching that the rate of parasitism for the individual searching parasitoids, depending on the spatial distribution of hosts and any and life \& \& (1978) and \& Hassell models for such searching parasitoids. The model individual parasitoids amongst patches, their searching time in relation to the of the host distribution and the of the parasitoid searching efficiency and handling time also the start",
    url = "https://doi.org/10.1046/j.1365-2656.2000.00445.x",
    doi = "10.1046/j.1365-2656.2000.00445.x",
    openalex = "W2082296409",
    references = "doi101016004058097690040x, doi101086282400, doi101093besa153237, doi101093oso97801985406630010001, doi1015159780691206912, doi1015159780691209418, doi1023071941447, doi1023072389612, doi1023075530, doi102307jctvx5wbbh"
}

Las avispas de agallas de roble (Hymenoptera: Cynipidae, Cynipini) se caracterizan por poseer ciclos de vida complejos y cíclicamente partenogenéticos y la capacidad de inducir una amplia diversidad de agallas altamente complejas específicas de especie y generación en robles y otras Fagaceae. Las agallas sostienen comunidades cerradas y ricas en especies de inquilinos y parasitoides que se han convertido en un sistema modelo en ecología de comunidades. Revisamos los avances recientes en la ecología de los cynipidos de roble, con énfasis particular en las características del ciclo de vida y la dinámica de las interacciones entre plantas hospederas, avispas de agallas y enemigos naturales. Evaluamos la importancia de las características de las agallas en la estructuración de las comunidades de cynipidos de roble y resumimos la evidencia de efectos de abajo hacia arriba y de arriba hacia abajo a través de los niveles tróficos. Identificamos las principales preguntas sin responder y sugerimos enfoques para el futuro.

@article{doi101146annurevento47091201145247,
    author = "Stone, Graham N. y Schönrogge, Karsten y Atkinson, Rachel y Bellido, David y Pujade‐Villar, Juli",
    title = "The Population Biology of Oak Gall Wasps (Hymenoptera: Cynipidae)",
    year = "2002",
    journal = "Annual Review of Entomology",
    abstract = "Oak gall wasps (Hymenoptera: Cynipidae, Cynipini) are characterized by possession of complex cyclically parthenogenetic life cycles and the ability to induce a wide diversity of highly complex species- and generation-specific galls on oaks and other Fagaceae. The galls support species-rich, closed communities of inquilines and parasitoids that have become a model system in community ecology. We review recent advances in the ecology of oak cynipids, with particular emphasis on life cycle characteristics and the dynamics of the interactions between host plants, gall wasps, and natural enemies. We assess the importance of gall traits in structuring oak cynipid communities and summarize the evidence for bottom-up and top-down effects across trophic levels. We identify major unanswered questions and suggest approaches for the future.",
    url = "https://doi.org/10.1146/annurev.ento.47.091201.145247",
    doi = "10.1146/annurev.ento.47.091201.145247",
    openalex = "W2114831299",
    references = "doi101006mpev19990614, doi1010160092867494902178, doi101046j13652656199900288x, doi101046j13652656200000445x, doi101093aesa861122, doi101093ee16115, doi101146annureven37010192001541, doi101146annureves11110180000353, doi1023072261636, doi1023072409571, doi107208chicago97802267976700010001"
}

El Proyecto de Población Mundial LandScan produjo una base de datos de población mundial de 1998 con una resolución de 30 por 30 segundos para estimar las poblaciones ambientales en riesgo. Los recuentos de censo disponibles se distribuyeron a las celdas basándose en coeficientes de probabilidad que, a su vez, se basaron en la proximidad a carreteras, la pendiente, la cobertura terrestre y las luces nocturnas. LandScan 1998 se ha completado para todo el mundo. Se realizaron rutinariamente estudios de verificación y validación (V&V) para todas las regiones y de manera más extensa para Israel, Alemania y el suroeste de los Estados Unidos. Los sistemas de información geográfica (GIS) fueron esenciales para la confluencia de diversas variables de entrada, el cálculo de coeficientes de probabilidad, la asignación de población a celdas y la reconciliación de los totales de celdas con los totales de control agregados (generalmente provincia). La teledetección fue una fuente esencial de dos variables de entrada: cobertura terrestre y luces nocturnas, y una base de datos auxiliar: imágenes pancromáticas de alta resolución, utilizadas en la V&V del modelo de población y la base de datos LandScan resultante.

@incollection{doi101201978148226467824,
    title = "LandScan: una base de datos de población mundial para estimar las poblaciones en riesgo",
    year = "2003",
    abstract = "El Proyecto de Población Mundial LandScan produjo una base de datos de población mundial de 1998 con una resolución de 30 por 30 segundos para estimar las poblaciones ambientales en riesgo. Los recuentos de censo disponibles se distribuyeron a las celdas basándose en coeficientes de probabilidad que, a su vez, se basaron en la proximidad a carreteras, la pendiente, la cobertura terrestre y las luces nocturnas. LandScan 1998 se ha completado para todo el mundo. Se realizaron rutinariamente estudios de verificación y validación (V\&V) para todas las regiones y de manera más extensa para Israel, Alemania y el suroeste de los Estados Unidos. Los sistemas de información geográfica (GIS) fueron esenciales para la confluencia de diversas variables de entrada, el cálculo de coeficientes de probabilidad, la asignación de población a celdas y la reconciliación de los totales de celdas con los totales de control agregados (generalmente provincia). La teledetección fue una fuente esencial de dos variables de entrada: cobertura terrestre y luces nocturnas, y una base de datos auxiliar: imágenes pancromáticas de alta resolución, utilizadas en la V\&V del modelo de población y la base de datos LandScan resultante.",
    url = "https://doi.org/10.1201/9781482264678-24",
    doi = "10.1201/9781482264678-24",
    openalex = "W1541771177"
}

▪ Resumen La sincronía espacial se refiere a cambios coincidentes en la abundancia u otras características variables en el tiempo de poblaciones geográficamente disjuntas. Este fenómeno ha sido documentado en la dinámica de especies que representan una variedad de taxones y roles ecológicos. La sincronía puede surgir de tres mecanismos principales: (a) dispersión entre poblaciones, reduciendo el tamaño de poblaciones relativamente grandes e incrementando las relativamente pequeñas; (b) dependencia congruente de la dinámica de poblaciones sobre un factor exógeno aleatorio sincrónico, como la temperatura o las precipitaciones, un fenómeno conocido como el «efecto Moran»; y (c) interacciones tróficas con poblaciones de otras especies que son ellas mismas espacialmente sincrónicas o móviles. La identificación de las causas de la sincronía suele ser difícil. Además de la sincronía intraespecífica, existen muchos ejemplos de sincronía entre poblaciones de diferentes especies, cuyas causas son igualmente complejas y difíciles de identificar. Además, algunas poblaciones pueden exhibir dinámicas espaciales complejas, como ondas espirales y caos. Se requieren pruebas estadísticas basadas en la coherencia de fase y/o correlación espacial con desfase temporal para caracterizar completamente estos patrones más complejos de dinámica espacial.

@article{doi101146annurevecolsys34011802132516,
    author = "Liebhold, Andrew M. and Koenig, Walter D. and Bjørnstad, Ottar N.",
    title = "Spatial Synchrony in Population Dynamics",
    year = "2004",
    journal = "Annual Review of Ecology Evolution and Systematics",
    abstract = "▪ Resumen La sincronía espacial se refiere a cambios coincidentes en la abundancia u otras características variables en el tiempo de poblaciones geográficamente disjuntas. Este fenómeno ha sido documentado en la dinámica de especies que representan una variedad de taxones y roles ecológicos. La sincronía puede surgir de tres mecanismos principales: (a) dispersión entre poblaciones, reduciendo el tamaño de poblaciones relativamente grandes e incrementando las relativamente pequeñas; (b) dependencia congruente de la dinámica de poblaciones sobre un factor exógeno aleatorio sincrónico, como la temperatura o las precipitaciones, un fenómeno conocido como el «efecto Moran»; y (c) interacciones tróficas con poblaciones de otras especies que son ellas mismas espacialmente sincrónicas o móviles. La identificación de las causas de la sincronía suele ser difícil. Además de la sincronía intraespecífica, existen muchos ejemplos de sincronía entre poblaciones de diferentes especies, cuyas causas son igualmente complejas y difíciles de identificar. Además, algunas poblaciones pueden exhibir dinámicas espaciales complejas, como ondas espirales y caos. Se requieren pruebas estadísticas basadas en la coherencia de fase y/o correlación espacial con desfase temporal para caracterizar completamente estos patrones más complejos de dinámica espacial.",
    url = "https://doi.org/10.1146/annurev.ecolsys.34.011802.132516",
    doi = "10.1146/annurev.ecolsys.34.011802.132516",
    openalex = "W2101968928",
    references = "doi101007b98869"
}

En las últimas dos décadas, el interés en los modelos de distribución de especies (SDMs) de plantas y animales ha crecido dramáticamente. Los avances recientes en SDMs nos permiten potencialmente predecir los efectos antropogénicos sobre los patrones de biodiversidad a diferentes escalas espaciales. Sin embargo, algunas limitaciones aún impiden el uso de SDMs en muchas aplicaciones teóricas y prácticas. Aquí, proporcionamos una visión general de los avances recientes en este campo, discutimos los principios ecológicos y las suposiciones que sustentan los SDMs, y destacamos las limitaciones y decisiones críticas inherentes a la construcción y evaluación de SDMs. Se presta especial énfasis al uso de SDMs para la evaluación de los impactos del cambio climático y las cuestiones de gestión de la conservación. Sugerimos nuevas vías para incorporar la migración de especies, la dinámica de poblaciones, las interacciones bióticas y la ecología de comunidades en SDMs a múltiples escalas espaciales. Abordar todos estos problemas requiere una mejor integración de los SDMs con la teoría ecológica.

@article{doi101111j14610248200500792x,
    author = "Guisan, Antoine y Thuiller, Wilfried",
    title = "Predicción de la distribución de especies: ofreciendo más que modelos de hábitat simples",
    year = "2005",
    journal = "Ecology Letters",
    abstract = "En las últimas dos décadas, el interés en los modelos de distribución de especies (SDMs) de plantas y animales ha crecido dramáticamente. Los avances recientes en SDMs nos permiten potencialmente predecir los efectos antropogénicos sobre los patrones de biodiversidad a diferentes escalas espaciales. Sin embargo, algunas limitaciones aún impiden el uso de SDMs en muchas aplicaciones teóricas y prácticas. Aquí, proporcionamos una visión general de los avances recientes en este campo, discutimos los principios ecológicos y las suposiciones que sustentan los SDMs, y destacamos las limitaciones y decisiones críticas inherentes a la construcción y evaluación de SDMs. Se presta especial énfasis al uso de SDMs para la evaluación de los impactos del cambio climático y las cuestiones de gestión de la conservación. Sugerimos nuevas vías para incorporar la migración de especies, la dinámica de poblaciones, las interacciones bióticas y la ecología de comunidades en SDMs a múltiples escalas espaciales. Abordar todos estos problemas requiere una mejor integración de los SDMs con la teoría ecológica.",
    url = "https://doi.org/10.1111/j.1461-0248.2005.00792.x",
    doi = "10.1111/j.1461-0248.2005.00792.x",
    openalex = "W2123337039",
    references = "doi101016jtree200310013, doi101016jtree200409003, doi101038nature02121, doi101111j001438202004tb00461x, doi101146annurevecolsys271597, doi1023073071998"
}

Una característica común de los conjuntos de datos ecológicos es su tendencia a contener muchos valores cero. La inferencia estadística basada en tales datos probablemente sea ineficiente o incorrecta a menos que se preste atención cuidadosa a cómo surgieron estos ceros y cómo modelarlos mejor. En este artículo, proponemos un marco para comprender cómo surgen los conjuntos de datos con inflación de ceros y decidir cómo modelarlos mejor. Definimos y clasificamos los diferentes tipos de ceros que ocurren en los datos ecológicos y describimos cómo surgen: ya sea de observaciones de 'cero verdadero' o 'cero falso'. Después de repasar los desarrollos recientes en el modelado de conjuntos de datos con inflación de ceros, utilizamos ejemplos prácticos para demostrar cómo no tener en cuenta la fuente de la inflación de ceros puede reducir nuestra capacidad para detectar relaciones en los datos ecológicos y, en el peor de los casos, llevar a una inferencia incorrecta. La adopción de métodos que modelan explícitamente las fuentes de las observaciones cero afilará las perspectivas y mejorará la robustez de los análisis ecológicos.

@article{doi101111j14610248200500826x,
    author = "Martin, Tara G. and Wintle, Brendan A. and Rhodes, Jonathan R. and Kuhnert, Petra and Field, Scott A. and Low‐Choy, Samantha and Tyre, Andrew J. and Possingham, Hugh P.",
    title = "Zero tolerance ecology: improving ecological inference by modelling the source of zero observations",
    year = "2005",
    journal = "Ecology Letters",
    abstract = "Una característica común de los conjuntos de datos ecológicos es su tendencia a contener muchos valores cero. La inferencia estadística basada en tales datos probablemente sea ineficiente o incorrecta a menos que se preste atención cuidadosa a cómo surgieron estos ceros y cómo modelarlos mejor. En este artículo, proponemos un marco para comprender cómo surgen los conjuntos de datos con inflación de ceros y decidir cómo modelarlos mejor. Definimos y clasificamos los diferentes tipos de ceros que ocurren en los datos ecológicos y describimos cómo surgen: ya sea de observaciones de 'cero verdadero' o 'cero falso'. Después de repasar los desarrollos recientes en el modelado de conjuntos de datos con inflación de ceros, utilizamos ejemplos prácticos para demostrar cómo no tener en cuenta la fuente de la inflación de ceros puede reducir nuestra capacidad para detectar relaciones en los datos ecológicos y, en el peor de los casos, llevar a una inferencia incorrecta. La adopción de métodos que modelan explícitamente las fuentes de las observaciones cero afilará las perspectivas y mejorará la robustez de los análisis ecológicos.",
    url = "https://doi.org/10.1111/j.1461-0248.2005.00826.x",
    doi = "10.1111/j.1461-0248.2005.00826.x",
    openalex = "W2149914006",
    references = "doi1018900012965820020831131scmise20co2"
}

Resumen En los últimos años, el uso de modelos de distribución de especies por parte de ecólogos y gestores de la conservación ha aumentado considerablemente, junto con una mayor conciencia de la necesidad de proporcionar una evaluación de la precisión para las predicciones de dichos modelos. La estadística kappa es la medida más ampliamente utilizada para evaluar el rendimiento de los modelos que generan predicciones de presencia–ausencia, pero varios estudios la han criticado por ser inherentemente dependiente de la prevalencia, argumentando que esta dependencia introduce artefactos estadísticos en las estimaciones de la precisión predictiva. Esta crítica ha sido respaldada recientemente por simulaciones por ordenador que muestran que kappa responde a la prevalencia de la especie modelada de manera unimodal. En este artículo proporcionamos una explicación teórica para la dependencia observada de kappa sobre la prevalencia e introducimos en ecología una medida alternativa de precisión, la estadística de habilidad verdadera (TSS), que corrige esta dependencia manteniendo al mismo tiempo todas las ventajas de kappa. También comparamos las respuestas de kappa y TSS a la prevalencia utilizando datos empíricos, modelando los patrones de distribución de 128 especies de plantas leñosas en Israel. El análisis teórico muestra que kappa responde de manera unimodal a la variación en la prevalencia y que el nivel de prevalencia que maximiza kappa depende de la relación entre la sensibilidad (la proporción de presencias correctamente predichas) y la especificidad (la proporción de ausencias correctamente predichas). En contraste, TSS es independiente de la prevalencia. Cuando se compararon ambas medidas de precisión utilizando datos empíricos, kappa mostró una respuesta unimodal a la prevalencia, en acuerdo con el análisis teórico. TSS mostró una respuesta lineal decreciente a la prevalencia, un resultado que interpretamos como que refleja fenómenos ecológicos reales en lugar de un artefacto estadístico. Esta interpretación se ve respaldada por el hecho de que se encontró un patrón similar para el área bajo la curva ROC, una medida conocida por ser independiente de la prevalencia. Síntesis y aplicaciones. Nuestros resultados proporcionan evidencia teórica y empírica de que kappa, una de las medidas más ampliamente utilizadas del rendimiento de los modelos en ecología, tiene limitaciones graves que la hacen inadecuada para tales aplicaciones. La alternativa que sugerimos, TSS, compensa las deficiencias de kappa manteniendo todas sus ventajas. Por lo tanto, recomendamos la TSS como una medida simple e intuitiva para el rendimiento de los modelos de distribución de especies cuando las predicciones se expresan como mapas de presencia–ausencia.

@article{doi101111j13652664200601214x,
    author = "Allouche, Omri and Tsoar, Asaf and Kadmon, Ronen",
    title = "Assessing the accuracy of species distribution models: prevalence, kappa and the true skill statistic (TSS)",
    year = "2006",
    journal = "Journal of Applied Ecology",
    abstract = "Resumen En los últimos años, el uso de modelos de distribución de especies por parte de ecólogos y gestores de la conservación ha aumentado considerablemente, junto con una mayor conciencia de la necesidad de proporcionar una evaluación de la precisión para las predicciones de dichos modelos. La estadística kappa es la medida más ampliamente utilizada para evaluar el rendimiento de los modelos que generan predicciones de presencia–ausencia, pero varios estudios la han criticado por ser inherentemente dependiente de la prevalencia, argumentando que esta dependencia introduce artefactos estadísticos en las estimaciones de la precisión predictiva. Esta crítica ha sido respaldada recientemente por simulaciones por ordenador que muestran que kappa responde a la prevalencia de la especie modelada de manera unimodal. En este artículo proporcionamos una explicación teórica para la dependencia observada de kappa sobre la prevalencia e introducimos en ecología una medida alternativa de precisión, la estadística de habilidad verdadera (TSS), que corrige esta dependencia manteniendo al mismo tiempo todas las ventajas de kappa. También comparamos las respuestas de kappa y TSS a la prevalencia utilizando datos empíricos, modelando los patrones de distribución de 128 especies de plantas leñosas en Israel. El análisis teórico muestra que kappa responde de manera unimodal a la variación en la prevalencia y que el nivel de prevalencia que maximiza kappa depende de la relación entre la sensibilidad (la proporción de presencias correctamente predichas) y la especificidad (la proporción de ausencias correctamente predichas). En contraste, TSS es independiente de la prevalencia. Cuando se compararon ambas medidas de precisión utilizando datos empíricos, kappa mostró una respuesta unimodal a la prevalencia, en acuerdo con el análisis teórico. TSS mostró una respuesta lineal decreciente a la prevalencia, un resultado que interpretamos como que refleja fenómenos ecológicos reales en lugar de un artefacto estadístico. Esta interpretación se ve respaldada por el hecho de que se encontró un patrón similar para el área bajo la curva ROC, una medida conocida por ser independiente de la prevalencia. Síntesis y aplicaciones. Nuestros resultados proporcionan evidencia teórica y empírica de que kappa, una de las medidas más ampliamente utilizadas del rendimiento de los modelos en ecología, tiene limitaciones graves que la hacen inadecuada para tales aplicaciones. La alternativa que sugerimos, TSS, compensa las deficiencias de kappa manteniendo todas sus ventajas. Por lo tanto, recomendamos la TSS como una medida simple e intuitiva para el rendimiento de los modelos de distribución de especies cuando las predicciones se expresan como mapas de presencia–ausencia.",
    url = "https://doi.org/10.1111/j.1365-2664.2006.01214.x",
    doi = "10.1111/j.1365-2664.2006.01214.x",
    openalex = "W1541774929",
    references = "doi101111j09067590200503957x"
}

Los procedimientos de clasificación son algunos de los métodos estadísticos más utilizados en ecología. Los bosques aleatorios (RF) son un clasificador estadístico nuevo y potente que está bien establecido en otras disciplinas, pero es relativamente desconocido en ecología. Las ventajas de RF en comparación con otros clasificadores estadísticos incluyen (1) una precisión de clasificación muy alta; (2) un método novedoso para determinar la importancia de las variables; (3) capacidad para modelar interacciones complejas entre variables predictoras; (4) flexibilidad para realizar varios tipos de análisis estadístico de datos, incluyendo regresión, clasificación, análisis de supervivencia y aprendizaje no supervisado; y (5) un algoritmo para imputar valores faltantes. Comparamos las precisiones de RF y cuatro otros clasificadores estadísticos comúnmente utilizados utilizando datos sobre la presencia de especies de plantas invasoras en el Monumento Nacional Lava Beds, California, EE. UU., la presencia de especies de líquenes raras en el Noroeste del Pacífico, EE. UU., y los sitios de nido de aves nidificantes en cavidades en las Montañas Uinta, Utah, EE. UU. Observamos una alta precisión de clasificación en todas las aplicaciones, medida mediante validación cruzada y, en el caso de los datos de líquenes, mediante datos de prueba independientes, al comparar RF con otros métodos de clasificación comunes. También observamos que las variables que RF identificó como más importantes para clasificar especies de plantas invasoras coincidieron con las expectativas basadas en la literatura.

@article{doi1018900705391,
    author = "Cutler, D. Richard y Edwards, Thomas C. y Beard, Karen H. y Cutler, Adele y Hess, Kyle T. y Gibson, Jacob y Lawler, Joshua J.",
    title = "RANDOM FORESTS FOR CLASSIFICATION IN ECOLOGY",
    year = "2007",
    journal = "Ecology",
    abstract = "Los procedimientos de clasificación son algunos de los métodos estadísticos más utilizados en ecología. Los bosques aleatorios (RF) son un clasificador estadístico nuevo y potente que está bien establecido en otras disciplinas, pero es relativamente desconocido en ecología. Las ventajas de RF en comparación con otros clasificadores estadísticos incluyen (1) una precisión de clasificación muy alta; (2) un método novedoso para determinar la importancia de las variables; (3) capacidad para modelar interacciones complejas entre variables predictoras; (4) flexibilidad para realizar varios tipos de análisis estadístico de datos, incluyendo regresión, clasificación, análisis de supervivencia y aprendizaje no supervisado; y (5) un algoritmo para imputar valores faltantes. Comparamos las precisiones de RF y cuatro otros clasificadores estadísticos comúnmente utilizados utilizando datos sobre la presencia de especies de plantas invasoras en el Monumento Nacional Lava Beds, California, EE. UU., la presencia de especies de líquenes raras en el Noroeste del Pacífico, EE. UU., y los sitios de nido de aves nidificantes en cavidades en las Montañas Uinta, Utah, EE. UU. Observamos una alta precisión de clasificación en todas las aplicaciones, medida mediante validación cruzada y, en el caso de los datos de líquenes, mediante datos de prueba independientes, al comparar RF con otros métodos de clasificación comunes. También observamos que las variables que RF identificó como más importantes para clasificar especies de plantas invasoras coincidieron con las expectativas basadas en la literatura.",
    url = "https://doi.org/10.1890/07-0539.1",
    doi = "10.1890/07-0539.1",
    openalex = "W2139086914",
    references = "openalexw273955616"
}

La conectividad, o el intercambio de individuos entre poblaciones marinas, es un tema central en la ecología marina. Para la mayoría de las especies bentónicas marinas con ciclos de vida complejos, este intercambio ocurre principalmente durante la etapa larvaria pelágica. El pequeño tamaño de las larvas junto con el vasto y complejo entorno fluido que ocupan dificulta nuestra capacidad para cuantificar la dispersión y la conectividad. La evidencia de enfoques directos e indirectos utilizando técnicas geoquímicas y genéticas sugiere que las poblaciones varían desde completamente abiertas hasta completamente cerradas. Comprender los procesos biofísicos que contribuyen a los patrones de dispersión observados requiere enfoques interdisciplinarios integrados que incorporen modelado biofísico de alta resolución y datos empíricos. Además, la supervivencia diferencial postasentamiento de las larvas puede añadir complejidad a las mediciones de conectividad. El grado en que las poblaciones se reclutan por sí mismas o reciben subsidios de otras poblaciones tiene consecuencias para una serie de procesos ecológicos fundamentales que afectan la regulación y persistencia de las poblaciones. Finalmente, una comprensión completa de la conectividad de las poblaciones tiene importantes aplicaciones para la gestión y la conservación.

@article{doi101146annurevmarine010908163757,
    author = "Cowen, Robert K. y Sponaugle, Su",
    title = "Dispersión larvaria y conectividad de poblaciones marinas",
    year = "2008",
    journal = "Annual Review of Marine Science",
    abstract = "La conectividad, o el intercambio de individuos entre poblaciones marinas, es un tema central en la ecología marina. Para la mayoría de las especies bentónicas marinas con ciclos de vida complejos, este intercambio ocurre principalmente durante la etapa larvaria pelágica. El pequeño tamaño de las larvas junto con el vasto y complejo entorno fluido que ocupan dificulta nuestra capacidad para cuantificar la dispersión y la conectividad. La evidencia de enfoques directos e indirectos utilizando técnicas geoquímicas y genéticas sugiere que las poblaciones varían desde completamente abiertas hasta completamente cerradas. Comprender los procesos biofísicos que contribuyen a los patrones de dispersión observados requiere enfoques interdisciplinarios integrados que incorporen modelado biofísico de alta resolución y datos empíricos. Además, la supervivencia diferencial postasentamiento de las larvas puede añadir complejidad a las mediciones de conectividad. El grado en que las poblaciones se reclutan por sí mismas o reciben subsidios de otras poblaciones tiene consecuencias para una serie de procesos ecológicos fundamentales que afectan la regulación y persistencia de las poblaciones. Finalmente, una comprensión completa de la conectividad de las poblaciones tiene importantes aplicaciones para la gestión y la conservación.",
    url = "https://doi.org/10.1146/annurev.marine.010908.163757",
    doi = "10.1146/annurev.marine.010908.163757",
    openalex = "W2140618008",
    references = "doi1010160169534789900086, doi101046j14610248200300530x, doi101073pnas82113707, doi101093icbicj028, doi101126science11538249, doi101146annurevecolsys271477, doi101146annurevmarine010908163708, doi1018900012965820020831490prhcac20co2"
}

La conectividad entre poblaciones y hábitats es importante para una amplia gama de procesos ecológicos. Comprender, preservar y restaurar la conectividad en paisajes complejos requiere modelos y métricas de conectividad que sean fiables, eficientes y basados en procesos. Presentamos una nueva clase de modelos de conectividad ecológica basados en la teoría de circuitos eléctricos. Aunque se han aplicado en otras disciplinas, los modelos de conectividad basados en teoría de circuitos son nuevos para la ecología. Ofrecen ventajas distintas sobre los modelos analíticos de conectividad comunes, incluyendo una base teórica en la teoría de caminatas aleatorias y la capacidad de evaluar las contribuciones de múltiples vías de dispersión. La resistencia, la corriente y el voltaje calculados a través de gráficos o rejillas de píxeles pueden relacionarse con procesos ecológicos (como el movimiento individual y el flujo génico) que ocurren a través de grandes redes de poblaciones o paisajes. Los algoritmos eficientes pueden resolver rápidamente redes con millones de nodos, o paisajes con millones de celdas de píxeles. Aquí revisamos la teoría básica de circuitos, discutimos las relaciones entre la teoría de circuitos y la teoría de caminatas aleatorias, y describimos aplicaciones en ecología, evolución y conservación. Proporcionamos ejemplos de cómo los modelos de circuitos pueden utilizarse para predecir los patrones de movimiento y los destinos de los caminantes aleatorios en paisajes complejos y para identificar parches de hábitat importantes y corredores de movimiento para la planificación de la conservación.

@article{doi1018900718611,
    author = "McRae, Brad H. y Dickson, Brett G. y Keitt, Timothy H. y Shah, Viral B.",
    title = "UTILIZAR LA TEORÍA DE CIRCUITOS PARA MODELAR LA CONECTIVIDAD EN ECOLOGÍA, EVOLUCIÓN Y CONSERVACIÓN",
    year = "2008",
    journal = "Ecology",
    abstract = "La conectividad entre poblaciones y hábitats es importante para una amplia gama de procesos ecológicos. Comprender, preservar y restaurar la conectividad en paisajes complejos requiere modelos y métricas de conectividad que sean fiables, eficientes y basados en procesos. Presentamos una nueva clase de modelos de conectividad ecológica basados en la teoría de circuitos eléctricos. Aunque se han aplicado en otras disciplinas, los modelos de conectividad basados en teoría de circuitos son nuevos para la ecología. Ofrecen ventajas distintas sobre los modelos analíticos de conectividad comunes, incluyendo una base teórica en la teoría de caminatas aleatorias y la capacidad de evaluar las contribuciones de múltiples vías de dispersión. La resistencia, la corriente y el voltaje calculados a través de gráficos o rejillas de píxeles pueden relacionarse con procesos ecológicos (como el movimiento individual y el flujo génico) que ocurren a través de grandes redes de poblaciones o paisajes. Los algoritmos eficientes pueden resolver rápidamente redes con millones de nodos, o paisajes con millones de celdas de píxeles. Aquí revisamos la teoría básica de circuitos, discutimos las relaciones entre la teoría de circuitos y la teoría de caminatas aleatorias, y describimos aplicaciones en ecología, evolución y conservación. Proporcionamos ejemplos de cómo los modelos de circuitos pueden utilizarse para predecir los patrones de movimiento y los destinos de los caminantes aleatorios en paisajes complejos y para identificar parches de hábitat importantes y corredores de movimiento para la planificación de la conservación.",
    url = "https://doi.org/10.1890/07-1861.1",
    doi = "10.1890/07-1861.1",
    openalex = "W2091202128",
    references = "doi1018900012965820020831131scmise20co2"
}

Objetivo del resumen Evaluar una serie de modelos de distribución de especies para su utilidad como predictores de hábitat adecuado y como herramientas para el descubrimiento de nuevas poblaciones de seis especies de plantas raras que tienen tanto rangos geográficos estrechos como requisitos de hábitat especializados. Ubicación El Terrano del Arroyo de la Viborita de Cascabel (RCT) del Bosque Nacional Shasta-Trinity en la Cordillera Costera del norte de California, Estados Unidos. Métodos Utilizamos registros de ocurrencia de 25 años de investigaciones botánicas del Servicio Forestal de EE. UU., datos ambientales y de clima obtenidos por teledetección para modelar las distribuciones de las especies objetivo a través del RCT. Los modelos incluyeron modelos lineales generalizados (GLM), redes neuronales artificiales (ANN), bosques aleatorios (RF) y máxima entropía (ME). A partir de los resultados, generamos mapas predictivos que se utilizaron para identificar áreas de alta probabilidad de ocurrencia. Realizamos visitas de campo a los sitios de mayor rango para buscar nuevas poblaciones de las especies objetivo. Resultados Los bosques aleatorios dieron los mejores resultados según el área bajo la curva y las estadísticas de Kappa, aunque la ME estuvo en estrecha concordancia. Mientras que GLM y ANN también dieron buenos resultados, fueron menos restrictivos y más variados que RF y ME. Las correlaciones entre modelos fueron las más altas para las especies con más registros y disminuyeron con el número de registros. La evaluación del modelo utilizando un conjunto de datos separado confirmó que RF proporcionó las mejores predicciones del hábitat adecuado. El uso de la salida de RF para priorizar las áreas de búsqueda resultó en el descubrimiento de 16 nuevas poblaciones de la especie objetivo. Conclusiones principales Los modelos de distribución de especies, como RF y ME, que utilizan datos de presencia e información sobre la matriz de fondo donde las especies no ocurren, pueden ser una herramienta efectiva para el descubrimiento de nuevas poblaciones de especies de plantas raras, pero parece haber un umbral inferior en el número de ocurrencias necesarias para construir un buen modelo.

@article{doi101111j14724642200900567x,
    author = "Williams, John y Seo, Changwan y Thorne, James H. y Nelson, Julie К. y Erwin, Susan A. y O'Brien, Joshua y Schwartz, Mark W.",
    title = "Using species distribution models to predict new occurrences for rare plants",
    year = "2009",
    journal = "Diversity and Distributions",
    abstract = "Objetivo del resumen Evaluar una serie de modelos de distribución de especies para su utilidad como predictores de hábitat adecuado y como herramientas para el descubrimiento de nuevas poblaciones de seis especies de plantas raras que tienen tanto rangos geográficos estrechos como requisitos de hábitat especializados. Ubicación El Terrano del Arroyo de la Viborita de Cascabel (RCT) del Bosque Nacional Shasta-Trinity en la Cordillera Costera del norte de California, Estados Unidos. Métodos Utilizamos registros de ocurrencia de 25 años de investigaciones botánicas del Servicio Forestal de EE. UU., datos ambientales y de clima obtenidos por teledetección para modelar las distribuciones de las especies objetivo a través del RCT. Los modelos incluyeron modelos lineales generalizados (GLM), redes neuronales artificiales (ANN), bosques aleatorios (RF) y máxima entropía (ME). A partir de los resultados, generamos mapas predictivos que se utilizaron para identificar áreas de alta probabilidad de ocurrencia. Realizamos visitas de campo a los sitios de mayor rango para buscar nuevas poblaciones de las especies objetivo. Resultados Los bosques aleatorios dieron los mejores resultados según el área bajo la curva y las estadísticas de Kappa, aunque la ME estuvo en estrecha concordancia. Mientras que GLM y ANN también dieron buenos resultados, fueron menos restrictivos y más variados que RF y ME. Las correlaciones entre modelos fueron las más altas para las especies con más registros y disminuyeron con el número de registros. La evaluación del modelo utilizando un conjunto de datos separado confirmó que RF proporcionó las mejores predicciones del hábitat adecuado. El uso de la salida de RF para priorizar las áreas de búsqueda resultó en el descubrimiento de 16 nuevas poblaciones de la especie objetivo. Conclusiones principales Los modelos de distribución de especies, como RF y ME, que utilizan datos de presencia e información sobre la matriz de fondo donde las especies no ocurren, pueden ser una herramienta efectiva para el descubrimiento de nuevas poblaciones de especies de plantas raras, pero parece haber un umbral inferior en el número de ocurrencias necesarias para construir un buen modelo.",
    url = "https://doi.org/10.1111/j.1472-4642.2009.00567.x",
    doi = "10.1111/j.1472-4642.2009.00567.x",
    openalex = "W2113965979"
}

Es ampliamente reconocido que las especies responden al cambio climático mediante cambios en su distribución. Las predicciones robustas de tales cambios en las distribuciones de las especies son fundamentales para la planificación de la conservación y la formulación de políticas, y por lo tanto representan desafíos importantes en la investigación ecológica. Los modelos estadísticos de distribución de especies (SDMs) se han aplicado ampliamente en este contexto, aunque siguen siendo objeto de críticas ya que asumen implícitamente el equilibrio y no incorporan explícitamente la dispersión, los procesos demográficos ni las interacciones bióticas. En este estudio, se probaron los efectos de la dinámica transitoria y las propiedades y procesos ecológicos sobre la precisión predictiva de los SDMs para las proyecciones del cambio climático. Se construyó un modelo dinámico de población explícito espacialmente para múltiples especies, incorporando procesos ecológicos específicos de la especie e interespecíficos, estocasticidad ambiental y cambio climático. Las distribuciones de las especies se muestrearon en diferentes escenarios y los SDMs se estimaron aplicando modelos lineales generalizados (GLMs) y árboles de regresión mejorados (BRTs). Los resultados del rendimiento de los modelos se relacionaron con los procesos ecológicos y la dinámica temporal predominantes. El rendimiento de los SDMs varió según la dinámica de distribución. La precisión predictiva disminuyó cuando ocurrieron cambios abruptos en la distribución, ya que las especies no pudieron mantenerse al ritmo de la tasa de cambio climático, y aumentó nuevamente cuando se estableció una nueva situación de equilibrio. Cuando las distribuciones se contrajeron, la precisión predictiva aumentó ya que las ausencias se predijeron bien. Las especies de larga dispersión fueron más rápidas en seguir el cambio climático y fueron predichas con mayor precisión por los SDMs que las especies de corta dispersión. Los BRTs superaron en la mayoría de los casos a los GLMs. La presencia de un depredador y la inclusión de su incidencia como predictor ambiental hicieron que los BRTs y los GLMs tuvieran un rendimiento similar. Los resultados se discuten a la luz de otros estudios que tratan los efectos de los rasgos y procesos ecológicos sobre el rendimiento de los SDMs. Se ofrecen perspectivas sobre futuros avances de los SDMs y posibles interfaces con enfoques más mecanísticos para mejorar las predicciones bajo el cambio ambiental.

@article{doi101111j16000587200905810x,
    author = "Zurell, Damaris and Jeltsch, Florian and Dormann, Carsten F. and Schröder, Boris",
    title = "Static species distribution models in dynamically changing systems: how good can predictions really be?",
    year = "2009",
    journal = "Ecography",
    abstract = "Es ampliamente reconocido que las especies responden al cambio climático mediante cambios en su distribución. Las predicciones robustas de tales cambios en las distribuciones de las especies son fundamentales para la planificación de la conservación y la formulación de políticas, y por lo tanto representan desafíos importantes en la investigación ecológica. Los modelos estadísticos de distribución de especies (SDMs) se han aplicado ampliamente en este contexto, aunque siguen siendo objeto de críticas ya que asumen implícitamente el equilibrio y no incorporan explícitamente la dispersión, los procesos demográficos ni las interacciones bióticas. En este estudio, se probaron los efectos de la dinámica transitoria y las propiedades y procesos ecológicos sobre la precisión predictiva de los SDMs para las proyecciones del cambio climático. Se construyó un modelo dinámico de población explícito espacialmente para múltiples especies, incorporando procesos ecológicos específicos de la especie e interespecíficos, estocasticidad ambiental y cambio climático. Las distribuciones de las especies se muestrearon en diferentes escenarios y los SDMs se estimaron aplicando modelos lineales generalizados (GLMs) y árboles de regresión mejorados (BRTs). Los resultados del rendimiento de los modelos se relacionaron con los procesos ecológicos y la dinámica temporal predominantes. El rendimiento de los SDMs varió según la dinámica de distribución. La precisión predictiva disminuyó cuando ocurrieron cambios abruptos en la distribución, ya que las especies no pudieron mantenerse al ritmo de la tasa de cambio climático, y aumentó nuevamente cuando se estableció una nueva situación de equilibrio. Cuando las distribuciones se contrajeron, la precisión predictiva aumentó ya que las ausencias se predijeron bien. Las especies de larga dispersión fueron más rápidas en seguir el cambio climático y fueron predichas con mayor precisión por los SDMs que las especies de corta dispersión. Los BRTs superaron en la mayoría de los casos a los GLMs. La presencia de un depredador y la inclusión de su incidencia como predictor ambiental hicieron que los BRTs y los GLMs tuvieran un rendimiento similar. Los resultados se discuten a la luz de otros estudios que tratan los efectos de los rasgos y procesos ecológicos sobre el rendimiento de los SDMs. Se ofrecen perspectivas sobre futuros avances de los SDMs y posibles interfaces con enfoques más mecanísticos para mejorar las predicciones bajo el cambio ambiental.",
    url = "https://doi.org/10.1111/j.1600-0587.2009.05810.x",
    doi = "10.1111/j.1600-0587.2009.05810.x",
    openalex = "W1965759024",
    references = "doi1010020471722146, doi1010079781475734621, doi1010079783319194257, doi101017cbo9780511790942, doi101017s0376892997000088, doi101038nature02121, doi101046j13652656200000445x, doi101109tac19741100705, doi101111j13652656200801390x, doi101111j14610248200500792x, doi105860choice273338"
}

Los modelos de distribución de especies (SDMs) son herramientas numéricas que combinan observaciones de la ocurrencia o abundancia de especies con estimaciones ambientales. Se utilizan para obtener conocimientos ecológicos y evolutivos y para predecir distribuciones a través de paisajes, lo que a veces requiere extrapolación en el espacio y el tiempo. Los SDMs ahora se utilizan ampliamente en los reinos terrestres, de agua dulce y marinos. Las diferencias en los métodos entre disciplinas reflejan tanto diferencias en la movilidad de las especies como en el «uso establecido». El realismo y la robustez del modelo están influenciados por la selección de predictores relevantes y el método de modelado, la consideración de la escala, cómo se maneja la interacción entre factores ambientales y geográficos, y el grado de extrapolación. Las conexiones actuales entre la práctica de los SDMs y la teoría ecológica a menudo son débiles, lo que obstaculiza el progreso. Los desafíos pendientes incluyen: mejora de los métodos para modelar datos de presencia única y para la selección y evaluación de modelos; tener en cuenta las interacciones bióticas; y evaluar la incertidumbre del modelo.

@article{doi101146annurevecolsys110308120159,
    author = "Elith, Jane and Leathwick, John R.",
    title = "Species Distribution Models: Ecological Explanation and Prediction Across Space and Time",
    year = "2009",
    journal = "Annual Review of Ecology Evolution and Systematics",
    abstract = "Los modelos de distribución de especies (SDMs) son herramientas numéricas que combinan observaciones de la ocurrencia o abundancia de especies con estimaciones ambientales. Se utilizan para obtener conocimientos ecológicos y evolutivos y para predecir distribuciones a través de paisajes, lo que a veces requiere extrapolación en el espacio y el tiempo. Los SDMs ahora se utilizan ampliamente en los reinos terrestres, de agua dulce y marinos. Las diferencias en los métodos entre disciplinas reflejan tanto diferencias en la movilidad de las especies como en el «uso establecido». El realismo y la robustez del modelo están influenciados por la selección de predictores relevantes y el método de modelado, la consideración de la escala, cómo se maneja la interacción entre factores ambientales y geográficos, y el grado de extrapolación. Las conexiones actuales entre la práctica de los SDMs y la teoría ecológica a menudo son débiles, lo que obstaculiza el progreso. Los desafíos pendientes incluyen: mejora de los métodos para modelar datos de presencia única y para la selección y evaluación de modelos; tener en cuenta las interacciones bióticas; y evaluar la incertidumbre del modelo.",
    url = "https://doi.org/10.1146/annurev.ecolsys.110308.120159",
    doi = "10.1146/annurev.ecolsys.110308.120159",
    openalex = "W2097601813",
    references = "doi1010079780387848587, doi101016jecolmodel200503026, doi101016s0304380000003549, doi101111j001438202004tb00461x, doi101111j13652656200801390x, doi101111j14610248200500792x, doi101111j14610248200801277x, doi101111j20060906759004596x, doi101146annurevecolsys39110707173430, doi1018900012965820020832248esorwd20co2, doi1023071931600, doi1023071941447, doi1023071943577, doi1023072669574, doi1023073802723, doi1023073803117"
}

La hipótesis del síndrome del ritmo de vida (POLS) especifica que especies o poblaciones estrechamente relacionadas que experimentan condiciones ecológicas diferentes deben diferir en un conjunto de rasgos metabólicos, hormonales e inmunitarios que han coevolucionado con las particularidades del ciclo de vida relacionadas con estas condiciones. Sorprendentemente, dos dimensiones importantes del concepto POLS han sido ignoradas: (i) a pesar de la creciente evidencia de numerosas conexiones entre rasgos conductuales, fisiológicos y del ciclo de vida, la conducta rara vez ha sido considerada en el POLS hasta ahora; (ii) el POLS podría aplicarse fácilmente al estudio de la covariación entre rasgos entre individuos dentro de una población. En este artículo, proponemos que las diferencias conductuales consistentes entre individuos, o personalidad, covarian con las diferencias del ciclo de vida y fisiológicas a los niveles intra-poblacional, inter-poblacional e interespecífico. Discutimos cómo el POLS proporciona un marco heurístico en el que los estudios de personalidad pueden integrarse para abordar cómo se mantiene la variación en rasgos de personalidad dentro de las poblaciones.

@article{doi101098rstb20100208,
    author = "Réale, Denis y Garant, Dany y Humphries, Murray M. y Bergeron, Patrick y Careau, Vincent y Montiglio, Pierre‐Olivier",
    title = "Personalidad y el surgimiento del concepto de síndrome del ritmo de vida a nivel de población",
    year = "2010",
    journal = "Philosophical Transactions of the Royal Society B Biological Sciences",
    abstract = "La hipótesis del síndrome del ritmo de vida (POLS) especifica que especies o poblaciones estrechamente relacionadas que experimentan condiciones ecológicas diferentes deben diferir en un conjunto de rasgos metabólicos, hormonales e inmunitarios que han coevolucionado con las particularidades del ciclo de vida relacionadas con estas condiciones. Sorprendentemente, dos dimensiones importantes del concepto POLS han sido ignoradas: (i) a pesar de la creciente evidencia de numerosas conexiones entre rasgos conductuales, fisiológicos y del ciclo de vida, la conducta rara vez ha sido considerada en el POLS hasta ahora; (ii) el POLS podría aplicarse fácilmente al estudio de la covariación entre rasgos entre individuos dentro de una población. En este artículo, proponemos que las diferencias conductuales consistentes entre individuos, o personalidad, covarian con las diferencias del ciclo de vida y fisiológicas a los niveles intra-poblacional, inter-poblacional e interespecífico. Discutimos cómo el POLS proporciona un marco heurístico en el que los estudios de personalidad pueden integrarse para abordar cómo se mantiene la variación en rasgos de personalidad dentro de las poblaciones.",
    url = "https://doi.org/10.1098/rstb.2010.0208",
    doi = "10.1098/rstb.2010.0208",
    openalex = "W2102429818",
    references = "doi101086282461, doi101093oso97801985406630010001, doi101126science1070315, doi101126science3576198"
}

Los modelos estadísticos de distribución de especies (SDMs) se utilizan ampliamente para predecir los cambios potenciales en las distribuciones de especies bajo escenarios de cambio climático. Sugerimos que necesitamos volver a examinar el marco conceptual y las suposiciones ecológicas sobre las que se basa la relación entre las distribuciones de especies y el entorno. Presentamos un marco conceptual simple para examinar la selección de predictores ambientales y las escalas de resolución de datos. Estos varían ampliamente en los últimos artículos, con la luz incluida de manera inconsistente en los modelos. Centrándonos en la luz como un componente necesario de los SDMs de plantas, revisamos brevemente su dependencia de la orientación y la pendiente, y el conocimiento existente sobre su influencia en la distribución de las plantas. Las diferencias en los regímenes de luz entre las orientaciones de norte y sur en latitudes templadas pueden producir diferencias de temperatura equivalentes a movimientos de 200 km hacia los polos. La topografía local puede crear refugios que no son reconocidos en muchos SDMs de cambio climático que utilizan datos de escala gruesa. Argumentamos que las suposiciones actuales sobre la selección de predictores y la resolución de datos necesitan más pruebas. La aplicación de estas ideas puede aclarar muchos problemas de escala, extensión y elección de predictores, y potencialmente mejorar el uso de los SDMs para la modelización del cambio climático de la biodiversidad.

@article{doi101111j13652699201002416x,
    author = "Austin, Mike P. and Niel, Kimberly P. Van",
    title = "Improving species distribution models for climate change studies: variable selection and scale",
    year = "2010",
    journal = "Journal of Biogeography",
    abstract = "Los modelos estadísticos de distribución de especies (SDMs) se utilizan ampliamente para predecir los cambios potenciales en las distribuciones de especies bajo escenarios de cambio climático. Sugerimos que necesitamos volver a examinar el marco conceptual y las suposiciones ecológicas sobre las que se basa la relación entre las distribuciones de especies y el entorno. Presentamos un marco conceptual simple para examinar la selección de predictores ambientales y las escalas de resolución de datos. Estos varían ampliamente en los últimos artículos, con la luz incluida de manera inconsistente en los modelos. Centrándonos en la luz como un componente necesario de los SDMs de plantas, revisamos brevemente su dependencia de la orientación y la pendiente, y el conocimiento existente sobre su influencia en la distribución de las plantas. Las diferencias en los regímenes de luz entre las orientaciones de norte y sur en latitudes templadas pueden producir diferencias de temperatura equivalentes a movimientos de 200 km hacia los polos. La topografía local puede crear refugios que no son reconocidos en muchos SDMs de cambio climático que utilizan datos de escala gruesa. Argumentamos que las suposiciones actuales sobre la selección de predictores y la resolución de datos necesitan más pruebas. La aplicación de estas ideas puede aclarar muchos problemas de escala, extensión y elección de predictores, y potencialmente mejorar el uso de los SDMs para la modelización del cambio climático de la biodiversidad.",
    url = "https://doi.org/10.1111/j.1365-2699.2010.02416.x",
    doi = "10.1111/j.1365-2699.2010.02416.x",
    openalex = "W1496467185",
    references = "doi101016s0304380000003549, doi101016s0925857400001786, doi101017cbo9780511810602, doi101017cbo9780511845727, doi101046j1466822x200300042x, doi1010970001069419411100000009, doi101111j13652699200601584x, doi101111j14668238200700359x, doi101146annurevecolsys110308120159, doi102307211491"
}

Objetivo del resumen Demostrar que los métodos de modelado múltiple se han utilizado eficazmente para combinar modelos estáticos de distribución de especies (SDM), que predicen el patrón geográfico del hábitat adecuado, con modelos dinámicos del paisaje y de la población para predecir los impactos del cambio ambiental en el estado de las especies, un objetivo importante de la biogeografía de la conservación. Métodos Se consideraron tres enfoques: (1) incorporar modelos de migración de especies para comprender la capacidad de una especie de ocupar hábitat adecuado en nuevas ubicaciones; (2) vincular modelos de perturbación del paisaje y sucesión con modelos de idoneidad del hábitat; y (3) vincular completamente modelos de idoneidad del hábitat, dinámica del hábitat y dinámica de poblaciones explícita espacialmente. Resultados Vincular las relaciones especie-ambiente, la dinámica del paisaje y la dinámica de la población en un marco de modelado múltiple permite predecir los impactos combinados del cambio climático (que afecta la distribución de las especies y las tasas vitales) y la dinámica de la cubierta terrestre (cambio en el uso de la tierra, regímenes de perturbación alterados) sobre las especies. Este enfoque solo es viable si se comprenden bien los parámetros de historia de vida y los requisitos de hábitat de la especie. Conclusiones principales Las proyecciones de los impactos del cambio global sobre las especies pueden mejorarse considerando múltiples causas. Existe una variedad de métodos disponibles para abordar las interacciones entre la idoneidad del hábitat cambiante, la dinámica del hábitat y la respuesta de la población, que varían en su complejidad, realismo y requisitos de datos.

@article{doi101111j14724642201000641x,
    author = "Franklin, Janet",
    title = "Moving beyond static species distribution models in support of conservation biogeography",
    year = "2010",
    journal = "Diversity and Distributions",
    abstract = "Abstract Aim To demonstrate that multi‐modelling methods have effectively been used to combine static species distribution models (SDM), predicting the geographical pattern of suitable habitat, with dynamic landscape and population models to forecast the impacts of environmental change on species’ status, an important goal of conservation biogeography. Methods Three approaches were considered: (1) incorporating models of species migration to understand the ability of a species to occupy suitable habitat in new locations; (2) linking models of landscape disturbance and succession to models of habitat suitability; and (3) fully linking models of habitat suitability, habitat dynamics and spatially explicit population dynamics. Results Linking species–environment relationships, landscape dynamics and population dynamics in a multi‐modelling framework allows the combined impacts of climate change (affecting species distribution and vital rates) and land cover dynamics (land use change, altered disturbance regimes) on species to be predicted. This approach is only feasible if the life history parameters and habitat requirements of the species are well understood. Main conclusions Forecasts of the impacts of global change on species may be improved by considering multiple causes. A range of methods are available to address the interactions of changing habitat suitability, habitat dynamics and population response that vary in their complexity, realism and data requirements.",
    url = "https://doi.org/10.1111/j.1472-4642.2010.00641.x",
    doi = "10.1111/j.1472-4642.2010.00641.x",
    openalex = "W1555708599",
    references = "doi101111j16000587200905810x"
}

Con el fin de controlar las plagas, se propone una estrategia de gestión específica llamada política de umbral, que puede describirse mediante sistemas de Filippov (o sistemas suavemente a trozos). El objetivo de este trabajo es investigar una variedad de fenómenos de bifurcación de los equilibrios y ciclos deslizantes de modelos de poblaciones estructuradas en dos etapas de Filippov con tasas de natalidad per cápita dependientes de la densidad y tasas de transición desde la clase juvenil hacia la clase adulta. Se demuestra que la competencia interadulto por sí sola puede dar lugar a múltiples segmentos deslizantes y múltiples pseudoequilibrios, mientras que la competencia interadulto e interjuvenil juntos pueden resultar en ricas bifurcaciones deslizantes. A medida que varía el valor del umbral, ocurren secuencialmente bifurcaciones deslizantes locales incluyendo nodo de borde (silla), tangencia y bifurcaciones pseudo--nodo-silla, y pueden estar presentes bifurcaciones deslizantes globales incluyendo bifurcaciones de pandeo de los ciclos deslizantes, bifurcaciones de cruce deslizante y bifurcaciones pseudohomoclínicas. Se ha demostrado que el control mediante política de umbral es fácil de implementar y útil en la gestión de plagas, lo cual puede utilizarse para prevenir la posibilidad de múltiples brotes de plagas o causar que la densidad de plagas se estabilice en un nivel deseado, como un umbral económico.

@article{doi101137110847020,
    author = "Tang, Sanyi and Liang, Juhua and Xiao, Yanni and Cheke, Robert",
    title = "Sliding Bifurcations of Filippov Two Stage Pest Control Models with Economic Thresholds",
    year = "2012",
    journal = "SIAM Journal on Applied Mathematics",
    abstract = "In order to control pests, a specific management strategy called the threshold policy is proposed, which can be described by Filippov systems (or piecewise smooth systems). The aim of this work is to investigate a variety of bifurcation phenomena of the equilibria and sliding cycles of Filippov two stage structured population models with density dependent per capita birth rates and transition rates from the juvenile class into the adult class. It is shown that interadult competition alone can give rise to multiple sliding segments and multiple pseudoequilibria, whilst interadult and interjuvenile competition together can result in rich sliding bifurcations. As the threshold value varies, local sliding bifurcations including boundary node (saddle), tangency, and pseudo--saddle-node bifurcations occur sequentially, and global sliding bifurcations including buckling bifurcations of the sliding cycles, sliding crossing bifurcations, and pseudohomoclinic bifurcations can be present. Threshold policy control has been shown to be easily implemented and useful in pest management, which can be used to prevent the possibility of multiple pest outbreaks or cause the density of pests to stabilize at a desired level such as an economic threshold.",
    url = "https://doi.org/10.1137/110847020",
    doi = "10.1137/110847020",
    openalex = "W2065242464",
    references = "doi101016jmbs200806008"
}

Resumen Objetivo El avance en los métodos ecológicos para predecir las distribuciones de especies es una condición previa crucial para derivar medidas de gestión sólidas. Los modelos de máxima entropía (MaxEnt) son una herramienta popular para predecir las distribuciones de especies, ya que se consideran capaces de manejar bien datos escasos, muestreados de forma irregular y errores menores de ubicación. Aunque una suposición fundamental de MaxEnt es que toda el área de interés ha sido muestreada sistemáticamente, en la práctica, los modelos MaxEnt suelen construirse a partir de registros de ocurrencia que están espacialmente sesgados hacia áreas mejor exploradas. Dos estrategias comunes, pero no comparadas, para hacer frente a un esfuerzo de muestreo desigual son el filtrado espacial de los datos de ocurrencia y la manipulación del fondo utilizando datos ambientales con el mismo sesgo espacial que los datos de ocurrencia. Probamos estas estrategias utilizando datos simulados y un conjunto de datos recientemente recopilado sobre el civeta malayo Viverra tangalunga en Borneo. Ubicación Borneo, Sudeste Asiático. Métodos Recopilamos 504 registros de ocurrencia de civetas malayas de Borneo, de los cuales 291 registros fueron de 2001 a 2011, y los utilizamos en el análisis MaxEnt (escenario base) junto con 25 variables de entrada ambientales. Simulamos conjuntos de datos para dos especies virtuales (similares a una especie de montaña con rango restringido y una especie de tierras bajas) utilizando el mismo número de registros para la construcción del modelo. Dado que los registros de ocurrencia estaban sesgados hacia el noreste de Borneo, investigamos la eficacia del filtrado espacial frente a la manipulación del fondo para reducir la sobrepredicción o subpredicción en áreas específicas. Resultados El filtrado espacial minimizó los errores de omisión (falsos negativos) y los errores de comisión (falsos positivos). Recomendamos que cuando el tamaño de la muestra es insuficiente para permitir el filtrado espacial, la manipulación del conjunto de datos de fondo es preferible a no corregir el sesgo de muestreo, aunque las predicciones fueron comparativamente débiles y los errores de comisión aumentaron. Conclusiones principales Concluimos que se puede lograr una mejora sustancial en la calidad de las predicciones del modelo si se tiene en cuenta el esfuerzo de muestreo desigual, mejorando así la eficacia de la planificación de la conservación de especies.

@article{doi101111ddi12096,
    author = "Kramer‐Schadt, Stephanie and Niedballa, Jürgen and Pilgrim, John D. and Schröder, Boris and Lindenborn, Jana and Reinfelder, Vanessa and Stillfried, Milena and Heckmann, Ilja and Scharf, Anne K. and Augeri, Dave M. and Cheyne, Susan M. and Hearn, Andrew J. and Ross, Joanna and Macdonald, David W. and Mathai, John and Eaton, James A. and Marshall, Andrew J. and Semiadi, Gono and Rustam, Rustam and Bernard, Henry and Alfred, Raymond and Samejima, Hiromitsu and Duckworth, J. W. and Breitenmoser‐Würsten, Christine and Belant, Jerrold L. and Hofer, Heribert and Wilting, Andreas",
    title = "The importance of correcting for sampling bias in MaxEnt species distribution models",
    year = "2013",
    journal = "Diversity and Distributions",
    abstract = "Resumen Objetivo El avance en los métodos ecológicos para predecir las distribuciones de especies es una condición previa crucial para derivar medidas de gestión sólidas. Los modelos de máxima entropía (MaxEnt) son una herramienta popular para predecir las distribuciones de especies, ya que se consideran capaces de manejar bien datos escasos, muestreados de forma irregular y errores menores de ubicación. Aunque una suposición fundamental de MaxEnt es que toda el área de interés ha sido muestreada sistemáticamente, en la práctica, los modelos MaxEnt suelen construirse a partir de registros de ocurrencia que están espacialmente sesgados hacia áreas mejor exploradas. Dos estrategias comunes, pero no comparadas, para hacer frente a un esfuerzo de muestreo desigual son el filtrado espacial de los datos de ocurrencia y la manipulación del fondo utilizando datos ambientales con el mismo sesgo espacial que los datos de ocurrencia. Probamos estas estrategias utilizando datos simulados y un conjunto de datos recientemente recopilado sobre el civeta malayo Viverra tangalunga en Borneo. Ubicación Borneo, Sudeste Asiático. Métodos Recopilamos 504 registros de ocurrencia de civetas malayas de Borneo, de los cuales 291 registros fueron de 2001 a 2011, y los utilizamos en el análisis MaxEnt (escenario base) junto con 25 variables de entrada ambientales. Simulamos conjuntos de datos para dos especies virtuales (similares a una especie de montaña con rango restringido y una especie de tierras bajas) utilizando el mismo número de registros para la construcción del modelo. Dado que los registros de ocurrencia estaban sesgados hacia el noreste de Borneo, investigamos la eficacia del filtrado espacial frente a la manipulación del fondo para reducir la sobrepredicción o subpredicción en áreas específicas. Resultados El filtrado espacial minimizó los errores de omisión (falsos negativos) y los errores de comisión (falsos positivos). Recomendamos que cuando el tamaño de la muestra es insuficiente para permitir el filtrado espacial, la manipulación del conjunto de datos de fondo es preferible a no corregir el sesgo de muestreo, aunque las predicciones fueron comparativamente débiles y los errores de comisión aumentaron. Conclusiones principales Concluimos que se puede lograr una mejora sustancial en la calidad de las predicciones del modelo si se tiene en cuenta el esfuerzo de muestreo desigual, mejorando así la eficacia de la planificación de la conservación de especies.",
    url = "https://doi.org/10.1111/ddi.12096",
    doi = "10.1111/ddi.12096",
    openalex = "W2109735604",
    references = "doi101111j09067590200503957x, doi101146annurevecolsys110308120159"
}

Las sugerencias de colapso en los ciclos de herbívoros pequeños desde la década de 1980 han generado preocupaciones sobre la pérdida de funciones esenciales del ecosistema. Si tales fenómenos son generales y resultan de cambios ambientales extrínsecos o de la estocasticidad de los procesos intrínsecos es actualmente desconocido. Utilizando una gran compilación de series temporales de abundancias de lirón, demostramos un atenuamiento consistente de la amplitud del ciclo asociado con una reducción en el crecimiento poblacional invernal, aunque los procesos regulatorios responsables de la ciclicidad no se han perdido. El síndrome subyacente de cambio en toda Europa y en las especies de lirón herbívoros de pastos sugiere un conductor climático común. Se espera que en el futuro aumenten los intervalos de fluctuaciones de baja amplitud en las poblaciones de herbívoros pequeños, y estas pueden tener impactos en cascada en las redes tróficas a través de los ecosistemas.

@article{doi101126science1228992,
    author = "Cornulier, Thomas and Yoccoz, Nigel G. and Bretagnolle, Vincent and Brommer, Jon E. and Butet, Alain and Ecke, Frauke and Elston, David A. and Framstad, Erik and Henttonen, Heikki and Hörnfeldt, Birger and Huitu, Otso and Imholt, Christian and Ims, Rolf A. and Jacob, Jens and Jędrzejewska, Bogumiła and Millon, Alexandre and Petty, Steve J. and Pietiäinen, Hannu and Tkadlec, Emil and Zub, Karol and Lambin, Xavier",
    title = "Europe-Wide Dampening of Population Cycles in Keystone Herbivores",
    year = "2013",
    journal = "Science",
    abstract = "Suggestions of collapse in small herbivore cycles since the 1980s have raised concerns about the loss of essential ecosystem functions. Whether such phenomena are general and result from extrinsic environmental changes or from intrinsic process stochasticity is currently unknown. Using a large compilation of time series of vole abundances, we demonstrate consistent cycle amplitude dampening associated with a reduction in winter population growth, although regulatory processes responsible for cyclicity have not been lost. The underlying syndrome of change throughout Europe and grass-eating vole species suggests a common climatic driver. Increasing intervals of low-amplitude small herbivore population fluctuations are expected in the future, and these may have cascading impacts on trophic webs across ecosystems.",
    url = "https://doi.org/10.1126/science.1228992",
    doi = "10.1126/science.1228992",
    openalex = "W2081019150",
    references = "doi1023073546809"
}

Para investigar las capacidades comparativas de seis modelos bioclimáticos diferentes en un área independiente, utilizando la distribución de ocho especies diferentes disponibles a escala global y en Australia. A escala global y en Australia. Probamos una variedad de modelos bioclimáticos para ocho especies vegetales diferentes empleando cinco modelos correlativos discriminatorios de distribución de especies (SDMs) incluyendo Modelo Lineal Generalizado (GLM), MaxEnt, Bosque Aleatorio (RF), Árbol de Regresión Aumentada (BRT), Bioclim, junto con CLIMEX (CL) como un modelo de nicho mecanicista. Estos modelos se ajustaron utilizando un conjunto de datos de entrenamiento de datos globales disponibles, pero con la exclusión de ubicaciones australianas. Se compararon las capacidades de estas técnicas para proyectar el clima adecuado, basado en registros independientes para estas especies en Australia. Por lo tanto, Australia no se utiliza para calibrar los modelos y por lo tanto es un área independiente en cuanto a ubicaciones geográficas. Para evaluar y comparar el rendimiento, utilizamos el área bajo las curvas de característica operativa del receptor (ROC) (AUC), estadística de habilidad verdadera (TSS), y áreas predictivas fraccionarias para todos los SDMs. Además, evaluamos acuerdos satisfactorios entre las salidas de los seis modelos bioclimáticos diferentes, para las ocho especies en Australia. El método de modelado impactó en las predicciones de distribución potencial bajo el clima actual. Sin embargo, la utilización de la sensibilidad y las áreas predictivas fraccionarias mostró que GLM, MaxEnt, Bioclim, y CL tuvieron la mayor sensibilidad para las condiciones climáticas australianas. Bioclim calculó el área predictiva fraccionaria más alta de un área independiente, mientras que RF y BRT fueron pobres. Para muchas aplicaciones, es difícil decidir qué modelo bioclimático utilizar. Esta investigación muestra que se obtienen resultados variables utilizando diferentes SDMs en un área independiente. Esta investigación también muestra que los SDMs producen resultados diferentes para diferentes especies; por ejemplo, Bioclim puede no ser bueno para una especie pero funciona mejor para otras especies. Además, cuando se proyecta un "gran" número de especies en entornos novedosos o en un área independiente, la selección del "mejor" modelo/técnica es a menudo menos confiable que un enfoque de modelado de conjunto. Además, es vital entender la precisión de las predicciones de los SDMs. Además, mientras que TSS, junto con áreas predictivas fraccionarias, son herramientas apropiadas para la medición de precisión entre resultados de modelos, particularmente cuando se realizan proyecciones en un área independiente, AUC se ha demostrado que no lo es. Nuestro estudio destaca que cada uno de estos modelos (CL, Bioclim, GLM, MaxEnt, BRT, y RF) proporciona resultados ligeramente diferentes en proyecciones y que puede ser más seguro utilizar un conjunto de modelos.

@article{doi101002ece32332,
    author = "Shabani, Farzin and Kumar, Lalit and Ahmadi, Mohsen",
    title = "Comparación del rendimiento absoluto de diferentes modelos de distribución de especies correlativos y mecanísticos en un área independiente",
    year = "2016",
    journal = "Ecology and Evolution",
    abstract = {Para investigar las capacidades comparativas de seis diferentes modelos bioclimáticos en un área independiente, utilizando la distribución de ocho diferentes especies disponibles a escala global y en Australia. Escala global y Australia. Probamos una variedad de modelos bioclimáticos para ocho diferentes especies vegetales empleando cinco modelos correlativos de distribución de especies (SDMs) discriminatorios, incluyendo Modelo Lineal Generalizado (GLM), MaxEnt, Bosque Aleatorio (RF), Árbol de Regresión Aumentada (BRT), Bioclim, junto con CLIMEX (CL) como un modelo de nicho mecanístico. Estos modelos se ajustaron utilizando un conjunto de datos de entrenamiento de datos globales disponibles, pero excluyendo las ubicaciones australianas. Se compararon las capacidades de estas técnicas para proyectar el clima adecuado, basado en registros independientes para estas especies en Australia. Por lo tanto, Australia no se utiliza para calibrar los modelos y por lo tanto es un área independiente en cuanto a ubicaciones geográficas. Para evaluar y comparar el rendimiento, utilizamos el área bajo las curvas de operación característica del receptor (ROC) (AUC), estadística de habilidad verdadera (TSS) y áreas fraccionales predichas para todos los SDMs. Además, evaluamos acuerdos satisfactorios entre las salidas de los seis diferentes modelos bioclimáticos, para las ocho especies en Australia. El método de modelado impactó en las predicciones de distribución potencial bajo el clima actual. Sin embargo, la utilización de la sensibilidad y las áreas fraccionales predichas mostró que GLM, MaxEnt, Bioclim y CL tuvieron la mayor sensibilidad para las condiciones climáticas australianas. Bioclim calculó el área fraccional predicha más alta de un área independiente, mientras que RF y BRT fueron pobres. Para muchas aplicaciones, es difícil decidir qué modelo bioclimático utilizar. Esta investigación muestra que se obtienen resultados variables utilizando diferentes SDMs en un área independiente. Esta investigación también muestra que los SDMs producen resultados diferentes para diferentes especies; por ejemplo, Bioclim puede no ser bueno para una especie pero funciona mejor para otras especies. Además, cuando se proyecta un "gran" número de especies en entornos novedosos o en un área independiente, la selección del "mejor" modelo/técnica a menudo es menos confiable que un enfoque de modelado de conjunto. Además, es vital comprender la precisión de las predicciones de los SDMs. Además, mientras que TSS, junto con las áreas fraccionales predichas, son herramientas apropiadas para la medición de la precisión entre los resultados del modelo, particularmente cuando se realizan proyecciones en un área independiente, se ha demostrado que AUC no lo es. Nuestro estudio destaca que cada uno de estos modelos (CL, Bioclim, GLM, MaxEnt, BRT y RF) proporciona resultados ligeramente diferentes en las proyecciones y que puede ser más seguro utilizar un conjunto de modelos.},
    url = "https://doi.org/10.1002/ece3.2332",
    doi = "10.1002/ece3.2332",
    openalex = "W2476764914",
    references = "doi101111j13652699201002416x"
}

El modelado de distribución de especies es una herramienta valiosa con muchas aplicaciones en ecología y biología evolutiva. La selección de variables ambientales biológicamente significativas que determinan la idoneidad relativa del hábitat es un aspecto crucial del pipeline de modelado. Las 19 variables bioclimáticas de WorldClim se emplean con frecuencia, principalmente porque son fácilmente accesibles y disponibles globalmente para escenarios climáticos pasados, presentes y futuros. Sin embargo, la disponibilidad de relativamente pocos otros conjuntos de datos ambientales comparables podría limitar nuestra capacidad para seleccionar variables apropiadas que caractericen con mayor éxito la distribución de una especie. Identificamos un conjunto de 16 variables climáticas y dos variables topográficas en la literatura, que llamamos el conjunto de datos ENVIREM, muchas de las cuales probablemente tengan relevancia directa para los procesos ecológicos o fisiológicos que determinan las distribuciones de las especies. Generamos este conjunto de variables a las mismas resoluciones que WorldClim, para el presente, el Holoceno medio y el Último Máximo Glacial (UMG). Para 20 especies de vertebrados de América del Norte, evaluamos luego si incluir las variables ENVIREM llevó a modelos de distribución de especies mejorados en comparación con modelos que utilizan solo las variables existentes de WorldClim. Encontramos que incluir el conjunto de datos ENVIREM en el conjunto de variables de las que seleccionar llevó a mejoras sustanciales en el rendimiento del modelado de nichos en 13 de las 20 especies. También mostramos que, al comparar modelos construidos con diferentes variables ambientales, las diferencias en las distribuciones proyectadas a menudo fueron mayores en el UMG que en el presente. Estas variables merecen consideración en aplicaciones de modelado de distribución de especies, especialmente porque muchas de las variables tienen enlaces directos a procesos importantes para la ecología de las especies. Proporcionamos estas variables para su descarga a múltiples resoluciones y para varios períodos de tiempo en envirem.github.io. Además, hemos escrito el paquete R 'envirem' para facilitar la generación de estas variables a partir de otros conjuntos de datos de entrada.

@article{doi101111ecog02880,
    author = "Title, Pascal O. y Bemmels, Jordan B.",
    title = "ENVIREM: un conjunto ampliado de variables bioclimáticas y topográficas aumenta la flexibilidad y mejora el rendimiento del modelado de nichos ecológicos",
    year = "2017",
    journal = "Ecography",
    abstract = "El modelado de distribución de especies es una herramienta valiosa con muchas aplicaciones en ecología y biología evolutiva. La selección de variables ambientales biológicamente significativas que determinan la idoneidad relativa del hábitat es un aspecto crucial del pipeline de modelado. Las 19 variables bioclimáticas de WorldClim se emplean con frecuencia, principalmente porque son fácilmente accesibles y disponibles globalmente para escenarios climáticos pasados, presentes y futuros. Sin embargo, la disponibilidad de relativamente pocos otros conjuntos de datos ambientales comparables podría limitar nuestra capacidad para seleccionar variables apropiadas que caractericen con mayor éxito la distribución de una especie. Identificamos un conjunto de 16 variables climáticas y dos variables topográficas en la literatura, que llamamos el conjunto de datos ENVIREM, muchas de las cuales probablemente tengan relevancia directa para los procesos ecológicos o fisiológicos que determinan las distribuciones de las especies. Generamos este conjunto de variables a las mismas resoluciones que WorldClim, para el presente, el Holoceno medio y el Último Máximo Glacial (UMG). Para 20 especies de vertebrados de América del Norte, evaluamos luego si incluir las variables ENVIREM llevó a modelos de distribución de especies mejorados en comparación con modelos que utilizan solo las variables existentes de WorldClim. Encontramos que incluir el conjunto de datos ENVIREM en el conjunto de variables de las que seleccionar llevó a mejoras sustanciales en el rendimiento del modelado de nichos en 13 de las 20 especies. También mostramos que, al comparar modelos construidos con diferentes variables ambientales, las diferencias en las distribuciones proyectadas a menudo fueron mayores en el UMG que en el presente. Estas variables merecen consideración en aplicaciones de modelado de distribución de especies, especialmente porque muchas de las variables tienen enlaces directos a procesos importantes para la ecología de las especies. Proporcionamos estas variables para su descarga a múltiples resoluciones y para varios períodos de tiempo en envirem.github.io. Además, hemos escrito el paquete R 'envirem' para facilitar la generación de estas variables a partir de otros conjuntos de datos de entrada.",
    url = "https://doi.org/10.1111/ecog.02880",
    doi = "10.1111/ecog.02880",
    openalex = "W2953259387",
    references = "doi101111j13652699201002416x"
}

Se necesita urgentemente una evaluación crítica de la adecuación de los modelos ecológicos para mejorar su utilidad en el desarrollo de teorías y permitir que los gestores ambientales y los responsables de políticas tomen decisiones informadas. Una gestión mal fundamentada puede tener impactos perjudiciales, costosos o irreversibles sobre el medio ambiente y la sociedad. Aquí, examinamos problemas comunes en la modelización ecológica y sugerimos criterios para mejorar los marcos de modelización. Un nivel adecuado de descripción de procesos es crucial para construir el mejor modelo posible, dado los datos disponibles y la comprensión de las estructuras ecológicas. Los detalles del modelo no respaldados por datos suelen conducir a una sobreparametrización y un rendimiento deficiente del modelo. Por el contrario, la falta de detalles mecanísticos puede limitar la capacidad de un modelo para predecir las respuestas de los sistemas ecológicos a la gestión. Los estudios ecológicos que emplean modelos deben seguir un conjunto de protocolos de evaluación de la adecuación del modelo que incluyan: hacer una serie de preguntas críticas sobre la selección de variables de estado y control, la determinación de los datos, y la sensibilidad y validez de los análisis. También necesitamos mejorar los procedimientos de elaboración, refinamiento y agrupación gruesa de modelos para comprender mejor la relevancia y adecuación de nuestros modelos y el papel que desempeñan en el avance de la teoría, la mejora de la hindcast y la predicción, y la habilitación de la resolución de problemas y la gestión.

@article{doi101111ele12893,
    author = "Getz, Wayne M. y Marshall, Charles R. y Carlson, Colin J. y Giuggioli, Luca y Ryan, Sadie J. y Romañach, Stephanie S. y Boettiger, Carl y Chamberlain, Samuel D. y Larsen, Laurel G. y D’Odorico, Paolo y O’Sullivan, David",
    title = "Hacer que los modelos ecológicos sean adecuados",
    year = "2017",
    journal = "Ecology Letters",
    abstract = "Se necesita urgentemente una evaluación crítica de la adecuación de los modelos ecológicos para mejorar su utilidad en el desarrollo de teorías y permitir que los gestores ambientales y los responsables de políticas tomen decisiones informadas. Una gestión mal fundamentada puede tener impactos perjudiciales, costosos o irreversibles sobre el medio ambiente y la sociedad. Aquí, examinamos problemas comunes en la modelización ecológica y sugerimos criterios para mejorar los marcos de modelización. Un nivel adecuado de descripción de procesos es crucial para construir el mejor modelo posible, dado los datos disponibles y la comprensión de las estructuras ecológicas. Los detalles del modelo no respaldados por datos suelen conducir a una sobreparametrización y un rendimiento deficiente del modelo. Por el contrario, la falta de detalles mecanísticos puede limitar la capacidad de un modelo para predecir las respuestas de los sistemas ecológicos a la gestión. Los estudios ecológicos que emplean modelos deben seguir un conjunto de protocolos de evaluación de la adecuación del modelo que incluyan: hacer una serie de preguntas críticas sobre la selección de variables de estado y control, la determinación de los datos, y la sensibilidad y validez de los análisis. También necesitamos mejorar los procedimientos de elaboración, refinamiento y agrupación gruesa de modelos para comprender mejor la relevancia y adecuación de nuestros modelos y el papel que desempeñan en el avance de la teoría, la mejora de la hindcast y la predicción, y la habilitación de la resolución de problemas y la gestión.",
    url = "https://doi.org/10.1111/ele.12893",
    doi = "10.1111/ele.12893",
    openalex = "W2778023581",
    references = "doi1010160021999176900413, doi101016jecolmodel200503026, doi101021j100540a008, doi101038nature02121, doi101046j13652656200000445x, doi101111j14610248200400608x, doi101137s0036144500371907, doi101143ptp33423, doi101214ss1009213726, doi1023071941447, doi107551mitpress32060010001"
}

Formulamos un modelo general de ecuación impulsiva de reacción-difusión para describir la dinámica poblacional de especies con etapas reproductivas y de dispersión distintas. La reproducción estacional se modela mediante un mapa de tiempo discreto, mientras que la dispersión se modela mediante una ecuación diferencial parcial de reacción-difusión. El estudio de este modelo requiere un análisis simultáneo de la ecuación diferencial y la relación de recurrencia. Cuando las condiciones de frontera son hostiles, proporcionamos resultados críticos de dominio que muestran cómo surge la extinción frente a la persistencia de la especie, dependiendo del tamaño y la geometría del dominio. Demostramos que existe un tamaño de volumen extremo tal que si $|\Omega|$ cae por debajo de este tamaño, la especie es llevada a la extinción, independientemente de la geometría del dominio. Para construir tales tamaños de volumen extremos y tamaños de dominio críticos, aplicamos argumentos de reordenamiento de simetrización de Schwarz, la desigualdad clásica de Rayleigh--Faber--Krahn y el espectro de operadores elípticos uniformes. Los resultados críticos de dominio proporcionan una comprensión cualitativa sobre la dinámica a largo plazo del modelo. Por último, proporcionamos aplicaciones de nuestros resultados principales a ciertos modelos biológicos de reacción-difusión relacionados con reservas marinas, reservas terrestres, brotes de plagas de insectos y poblaciones sujetas al cambio climático.

@article{doi10113715m1046666,
    author = "Fazly, Mostafa y Lewis, Mark A. y Wang, Hao",
    title = "Sobre modelos impulsivos de reacción-difusión en dimensiones superiores",
    year = "2017",
    journal = "SIAM Journal on Applied Mathematics",
    abstract = "Formulamos un modelo general de ecuación impulsiva de reacción-difusión para describir la dinámica poblacional de especies con etapas reproductivas y de dispersión distintas. La reproducción estacional se modela mediante un mapa de tiempo discreto, mientras que la dispersión se modela mediante una ecuación diferencial parcial de reacción-difusión. El estudio de este modelo requiere un análisis simultáneo de la ecuación diferencial y la relación de recurrencia. Cuando las condiciones de frontera son hostiles, proporcionamos resultados críticos de dominio que muestran cómo surge la extinción frente a la persistencia de la especie, dependiendo del tamaño y la geometría del dominio. Demostramos que existe un tamaño de volumen extremo tal que si $|\Omega|$ cae por debajo de este tamaño, la especie es llevada a la extinción, independientemente de la geometría del dominio. Para construir tales tamaños de volumen extremos y tamaños de dominio críticos, aplicamos argumentos de reordenamiento de simetrización de Schwarz, la desigualdad clásica de Rayleigh--Faber--Krahn y el espectro de operadores elípticos uniformes. Los resultados críticos de dominio proporcionan una comprensión cualitativa sobre la dinámica a largo plazo del modelo. Por último, proporcionamos aplicaciones de nuestros resultados principales a ciertos modelos biológicos de reacción-difusión relacionados con reservas marinas, reservas terrestres, brotes de plagas de insectos y poblaciones sujetas al cambio climático.",
    url = "https://doi.org/10.1137/15m1046666",
    doi = "10.1137/15m1046666",
    openalex = "W2963089269",
    references = "doi101016jmbs200806008"
}

@article{doi101016jtree201808001,
    author = "Yates, Katherine L. y Bouchet, Phil J. y Caley, M. Julian y Mengersen, Kerrie y Randin, Christophe F. y Parnell, Stephen y Fielding, Alan H. y Bamford, Andrew J. y Ban, Stephen S. y Barbosa, A. Márcia y Dormann, Carsten F. y Elith, Jane y Embling, Clare B. y Ervin, Gary N. y Fisher, Rebecca y Gould, Susan y Graf, Roland Felix y Gregr, Edward J. y Halpin, Patrick N. y Heikkinen, Risto K. y Heinänen, Stefan y Jones, Alice R. y Krishnakumar, P K y Lauria, Valentina y Lozano‐Montes, Hector y Mannocci, Laura y Mellin, Camille y Mesgaran, Mohsen B. y Amat, Elena Moreno y Mormede, Sophie y Novaczek, Emilie y Oppel, Steffen y Crespo, Guillermo Ortuño y Peterson, A. Townsend y Rapacciuolo, Giovanni y Roberts, Jason J. y Ross, Rebecca E. y Scales, Kylie L. y Schoeman, David S. y Snelgrove, Paul V. R. y Sundblad, Göran y Thuiller, Wilfried y Torres, Leigh G. y Verbruggen, Heroen y Wang, Lifei y Wenger, Seth J. y Whittingham, Mark J. y Zharikov, Yuri y Zurell, Damaris y Sequeira, Ana M. M.",
    title = "Outstanding Challenges in the Transferability of Ecological Models",
    year = "2018",
    journal = "Trends in Ecology \& Evolution",
    url = "https://doi.org/10.1016/j.tree.2018.08.001",
    doi = "10.1016/j.tree.2018.08.001",
    openalex = "W2889489537",
    references = "doi101016jpalaeo201107021, doi101111j16000587200905810x"
}

Los modelos de distribución de especies (SDMs) han evolucionado rápidamente hasta convertirse en una de las herramientas más utilizadas para responder a una amplia gama de preguntas ecológicas, desde los efectos del cambio climático hasta los desafíos para la gestión de especies. Sin embargo, los SDMs actuales y sus predicciones bajo el cambio climático antropogénico a menudo se basan en condiciones de temperatura de aire libre o sinópticas con una resolución gruesa, y por lo tanto fallan en capturar la temperatura aparente (cf. microclima) experimentada por los organismos vivos dentro de sus hábitats. No obstante, el microclima opera tan pronto como un hábitat puede caracterizarse por un componente vertical (por ejemplo, bosques, montañas o ciudades) o por variaciones horizontales en la cobertura superficial. La discrepancia entre cómo expresamos habitualmente el clima (cf. condiciones de aire libre de grano grueso) y las condiciones microclimáticas aparentes que experimentan los organismos vivos solo ha sido reconocida recientemente en los SDMs, aunque varios estudios ya han hecho considerables progresos para abordar este problema desde diferentes ángulos. En esta revisión, resumimos los métodos actualmente disponibles para obtener datos microclimáticos significativos para su uso en la modelización de distribuciones. Discutimos el problema de la extensión y la resolución, y proponemos un marco integrado utilizando una selección de sensores colocados apropiadamente en combinación con tanto las mediciones detalladas de la estructura 3D del hábitat, por ejemplo, derivadas de modelos de elevación digital o escaneo láser aéreo, como los registros a largo plazo de las condiciones de aire libre de las estaciones meteorológicas. De este modo, podemos obtener datos microclimáticos con una resolución y extensión espaciotemporal relevantes para modelizar dinámicamente las distribuciones actuales y futuras de las especies.

@article{doi101111ecog03947,
    author = "Lembrechts, Jonas J. and Nijs, Ivan and Lenoir, Jonathan",
    title = "Incorporating microclimate into species distribution models",
    year = "2018",
    journal = "Ecography",
    abstract = "Los modelos de distribución de especies (SDMs) han evolucionado rápidamente hasta convertirse en una de las herramientas más utilizadas para responder a una amplia gama de preguntas ecológicas, desde los efectos del cambio climático hasta los desafíos para la gestión de especies. Sin embargo, los SDMs actuales y sus predicciones bajo el cambio climático antropogénico a menudo se basan en condiciones de temperatura de aire libre o sinópticas con una resolución gruesa, y por lo tanto fallan en capturar la temperatura aparente (cf. microclima) experimentada por los organismos vivos dentro de sus hábitats. No obstante, el microclima opera tan pronto como un hábitat puede caracterizarse por un componente vertical (por ejemplo, bosques, montañas o ciudades) o por variaciones horizontales en la cobertura superficial. La discrepancia entre cómo expresamos habitualmente el clima (cf. condiciones de aire libre de grano grueso) y las condiciones microclimáticas aparentes que experimentan los organismos vivos solo ha sido reconocida recientemente en los SDMs, aunque varios estudios ya han hecho considerables progresos para abordar este problema desde diferentes ángulos. En esta revisión, resumimos los métodos actualmente disponibles para obtener datos microclimáticos significativos para su uso en la modelización de distribuciones. Discutimos el problema de la extensión y la resolución, y proponemos un marco integrado utilizando una selección de sensores colocados apropiadamente en combinación con tanto las mediciones detalladas de la estructura 3D del hábitat, por ejemplo, derivadas de modelos de elevación digital o escaneo láser aéreo, como los registros a largo plazo de las condiciones de aire libre de las estaciones meteorológicas. De este modo, podemos obtener datos microclimáticos con una resolución y extensión espaciotemporal relevantes para modelizar dinámicamente las distribuciones actuales y futuras de las especies.",
    url = "https://doi.org/10.1111/ecog.03947",
    doi = "10.1111/ecog.03947",
    openalex = "W2892846357",
    references = "doi101002joc1276, doi101002joc5086, doi101038sdata2017122, doi101038sdata2017191, doi101109jproc20102043918, doi101111j14610248200500792x, doi101111j14668238201100686x, doi101126science1150195, doi101146annurevecolsys110308120159, doi101146annureves15110184002141, doi105167uzh139381, lenoir2017climatic"
}

Comprender y predecir las consecuencias ecológicas de diferentes alternativas de gestión se está volviendo cada vez más importante para apoyar las decisiones de gestión ambiental. Los modelos ecológicos podrían contribuir a tales predicciones, pero en el pasado esto a menudo no fue así. Los modelos ecológicos a menudo se desarrollan dentro de proyectos de investigación, pero rara vez se utilizan para aplicaciones prácticas. En este artículo de síntesis, discutimos cómo fortalecer el papel de la modelización ecológica en el apoyo a las decisiones de gestión ambiental, centrándonos en los aspectos metodológicos. Nos dirigimos principalmente a modelizadores ecológicos, pero también a posibles usuarios de los resultados de la modelización. Pueden utilizarse diversos enfoques de modelización para predecir la respuesta de los ecosistemas a las intervenciones antropogénicas, incluidos los modelos mecanísticos, los modelos estadísticos y los enfoques de aprendizaje automático. Independientemente del enfoque elegido, delineamos cómo alinear mejor la modelización con el proceso de toma de decisiones e identificamos seis requisitos que consideramos importantes para aumentar la utilidad de los modelos ecológicos para el apoyo a la gestión, especialmente si las decisiones de gestión deben justificarse al público. Estos abarcan: (i) una comprensión mecanística sobre la causalidad, (ii) alineación de la entrada y la salida del modelo con la decisión de gestión, (iii) resoluciones espaciales y temporales apropiadas, (iv) cuantificación de la incertidumbre, (v) rendimiento predictivo suficiente y (vi) comunicación transparente. Discutimos los desafíos y sintetizamos sugerencias para abordar estos puntos.

@article{doi101016jecolmodel2019108784,
    author = "Schuwirth, Nele y Borgwardt, Florian y Domisch, Sami y Friedrichs‐Manthey, Martin y Kattwinkel, Mira y Kneis, David y Kuemmerlen, Mathias y Langhans, Simone D. y Martínez‐López, Javier y Vermeiren, Peter",
    title = "Cómo hacer que los modelos ecológicos sean útiles para la gestión ambiental",
    year = "2019",
    journal = "Ecological Modelling",
    abstract = "Comprender y predecir las consecuencias ecológicas de diferentes alternativas de gestión se está volviendo cada vez más importante para apoyar las decisiones de gestión ambiental. Los modelos ecológicos podrían contribuir a tales predicciones, pero en el pasado esto a menudo no fue así. Los modelos ecológicos a menudo se desarrollan dentro de proyectos de investigación, pero rara vez se utilizan para aplicaciones prácticas. En este artículo de síntesis, discutimos cómo fortalecer el papel de la modelización ecológica en el apoyo a las decisiones de gestión ambiental, centrándonos en los aspectos metodológicos. Nos dirigimos principalmente a modelizadores ecológicos, pero también a posibles usuarios de los resultados de la modelización. Pueden utilizarse diversos enfoques de modelización para predecir la respuesta de los ecosistemas a las intervenciones antropogénicas, incluidos los modelos mecanísticos, los modelos estadísticos y los enfoques de aprendizaje automático. Independientemente del enfoque elegido, delineamos cómo alinear mejor la modelización con el proceso de toma de decisiones e identificamos seis requisitos que consideramos importantes para aumentar la utilidad de los modelos ecológicos para el apoyo a la gestión, especialmente si las decisiones de gestión deben justificarse al público. Estos abarcan: (i) una comprensión mecanística sobre la causalidad, (ii) alineación de la entrada y la salida del modelo con la decisión de gestión, (iii) resoluciones espaciales y temporales apropiadas, (iv) cuantificación de la incertidumbre, (v) rendimiento predictivo suficiente y (vi) comunicación transparente. Discutimos los desafíos y sintetizamos sugerencias para abordar estos puntos.",
    url = "https://doi.org/10.1016/j.ecolmodel.2019.108784",
    doi = "10.1016/j.ecolmodel.2019.108784",
    openalex = "W2971429758",
    references = "doi101111ele12893"
}

@article{doi101016jeswa201905028,
    author = "Speiser, Jaime L. y Miller, Michael E. y Tooze, Janet A. e Ip, Edward H.",
    title = "Comparación de métodos de selección de variables de bosque aleatorio para modelado de predicción de clasificación",
    year = "2019",
    journal = "Expert Systems with Applications",
    url = "https://doi.org/10.1016/j.eswa.2019.05.028",
    doi = "10.1016/j.eswa.2019.05.028",
    openalex = "W2944954104",
    references = "doi1018637jssv036i11"
}

Resumen. La evapotranspiración (ET) es crítica para vincular los ciclos globales de agua, carbono y energía. Sin embargo, la medición directa de la ET terrestre global no es factible. Aquí, primero revisamos la teoría básica y los enfoques de última generación para estimar la ET terrestre global, incluidos los modelos físicos basados en teledetección, algoritmos de aprendizaje automático y modelos de superficie terrestre (LSM). Luego, utilizamos 4 modelos físicos basados en teledetección, 2 algoritmos de aprendizaje automático y 14 LSM para analizar las variaciones espaciales y temporales de la ET terrestre global. Los resultados mostraron que las medias de conjuntos de la ET terrestre global anual estimadas por estas tres categorías de enfoques coincidieron bien, con valores que oscilan entre 589,6 mm yr−1 (6,56×104 km3 yr−1) y 617,1 mm yr−1 (6,87×104 km3 yr−1). Para el período de 1982 a 2011, tanto los conjuntos de modelos físicos basados en teledetección como los algoritmos de aprendizaje automático sugirieron tendencias de aumento en la ET terrestre global (0,62 mm yr−2 con un nivel de significancia de p 0,05), aunque muchos de los LSM individuales reprodujeron una tendencia de aumento. No obstante, todos los 20 modelos utilizados en este estudio mostraron que el verdeo antropogénico de la Tierra tuvo un papel positivo en el aumento de la ET terrestre. La variabilidad interanual pequeña y concurrente, es decir, la estabilidad relativa, encontrada en todas las estimaciones de la ET terrestre global, sugiere que existe un límite planetario potencial en la regulación de la ET terrestre global, con un valor de este límite alrededor de 600 mm yr−1. Se identificaron incertidumbres entre los enfoques en regiones específicas, particularmente en la cuenca del Amazonas y las regiones áridas/semáridas. Las mejoras en la parametrización del estrés hídrico y la dinámica del dosel, la utilización de nuevas retrievals de satélite disponibles y métodos de aprendizaje profundo, y la fusión modelo–datos avanzarán nuestra comprensión predictiva de la ET terrestre global.

@article{doi105194hess2414852020,
    author = "Pan, Shufen y Pan, Naiqing y Tian, Hanqin y Friedlingstein, Pierre y Sitch, Stephen y Shi, Hao y Arora, Vivek K. y Haverd, Vanessa y Jain, Atul K. y Kato, Etsushi y Lienert, Sebastian y Lombardozzi, Danica y Nabel, Julia E. M. S. y Ottlé, Catherine y Poulter, Benjamin y Zaehle, Sönke y Running, Steven W.",
    title = "Evaluación de la evapotranspiración terrestre global utilizando enfoques de última generación en teledetección, aprendizaje automático y modelado de superficies terrestres",
    year = "2020",
    journal = "Hidrología y ciencias del sistema terrestre",
    abstract = "Resumen. La evapotranspiración (ET) es crítica para vincular los ciclos globales de agua, carbono y energía. Sin embargo, la medición directa de la ET terrestre global no es factible. Aquí, primero revisamos la teoría básica y los enfoques de última generación para estimar la ET terrestre global, incluidos los modelos físicos basados en teledetección, algoritmos de aprendizaje automático y modelos de superficie terrestre (LSM). Luego, utilizamos 4 modelos físicos basados en teledetección, 2 algoritmos de aprendizaje automático y 14 LSM para analizar las variaciones espaciales y temporales de la ET terrestre global. Los resultados mostraron que las medias de conjuntos de la ET terrestre global anual estimadas por estas tres categorías de enfoques coincidieron bien, con valores que oscilan entre 589,6 mm yr−1 (6,56×104 km3 yr−1) y 617,1 mm yr−1 (6,87×104 km3 yr−1). Para el período de 1982 a 2011, tanto los conjuntos de modelos físicos basados en teledetección como los algoritmos de aprendizaje automático sugirieron tendencias de aumento en la ET terrestre global (0,62 mm yr−2 con un nivel de significancia de p 0,05), aunque muchos de los LSM individuales reprodujeron una tendencia de aumento. No obstante, todos los 20 modelos utilizados en este estudio mostraron que el verdeo antropogénico de la Tierra tuvo un papel positivo en el aumento de la ET terrestre. La variabilidad interanual pequeña y concurrente, es decir, la estabilidad relativa, encontrada en todas las estimaciones de la ET terrestre global, sugiere que existe un límite planetario potencial en la regulación de la ET terrestre global, con un valor de este límite alrededor de 600 mm yr−1. Se identificaron incertidumbres entre los enfoques en regiones específicas, particularmente en la cuenca del Amazonas y las regiones áridas/semáridas. Las mejoras en la parametrización del estrés hídrico y la dinámica del dosel, la utilización de nuevas retrievals de satélite disponibles y métodos de aprendizaje profundo, y la fusión modelo–datos avanzarán nuestra comprensión predictiva de la ET terrestre global.",
    url = "https://doi.org/10.5194/hess-24-1485-2020",
    doi = "10.5194/hess-24-1485-2020",
    openalex = "W2969713210"
}

@article{doi101007s00477021021524,
    author = "Alnahit, Ali O. y Mishra, Ashok K. y Khan, Abdul A.",
    title = "Predicción de la calidad del agua de arroyo utilizando modelos de regresión por árboles mejorados y bosques aleatorios",
    year = "2022",
    journal = "Stochastic Environmental Research and Risk Assessment",
    url = "https://doi.org/10.1007/s00477-021-02152-4",
    doi = "10.1007/s00477-021-02152-4",
    openalex = "W4205243560"
}

Los avances en imágenes de teledetección y aplicaciones de aprendizaje automático desbloquean el potencial para desarrollar algoritmos de clasificación de especies a nivel de copas individuales de árboles a escalas sin precedentes. Sin embargo, la mayoría de los enfoques hasta la fecha se centran en aplicaciones específicas de sitios y en un pequeño número de grupos taxonómicos. Se sabe poco sobre qué tan bien se generalizan estos enfoques a través de áreas geográficas más amplias y ecosistemas. Aprovechando encuestas de campo y datos de teledetección hiperespectral de la Red Ecológica Nacional de Observación (NEON), desarrollamos un modelo de extensión continental para la clasificación de especies arbóreas que puede aplicarse a la red, incluyendo una amplia gama de ecosistemas terrestres de EE. UU. Comparamos el rendimiento de un modelo entrenado con datos de 27 sitios NEON con modelos entrenados con datos de cada sitio individual, evaluando las ventajas y desafíos planteados por el entrenamiento de clasificadores de especies a escala nacional. Evaluamos el efecto de la ubicación geográfica, la topografía y las condiciones ecológicas sobre la precisión y exactitud de las predicciones de especies (72 de 77 especies). En promedio, el modelo general resultó en una buena precisión general de clasificación (puntuación micro-F1), con una mejor precisión que los clasificadores específicos de sitio (precisión promedio a nivel de árbol individual de 0.77 para el modelo general y 0.70 para modelos específicos de sitio). La agregación de especies al nivel de género aumentó la precisión a 0.83. Las regiones con más especies exhibieron una menor precisión de clasificación. Las especies predichas tenían más probabilidades de ser confundidas con especies congéneres y coocurrentes, y la confusión fue mayor para árboles con daños estructurales y en bosques de dosel cerrado complejos. El modelo produjo estimaciones precisas de incertidumbre, identificando correctamente los árboles donde era probable la confusión. Utilizando solo datos de NEON, este único clasificador integrado puede hacer predicciones para el 20% de todas las especies arbóreas encontradas en ecosistemas forestales en todo EE. UU., que constituyen hasta aproximadamente el 90% del dosel superior de los ecosistemas estudiados. Esto sugiere el potencial de integrar información de múltiples conjuntos de datos y ubicaciones para desarrollar modelos generales a gran escala para la clasificación de especies a partir de imágenes hiperespectrales.

@article{doi101016jrse2022113264,
    author = "Marconi, Sergio y Weinstein, Ben y Zou, Sheng y Bohlman, Stephanie y Zare, Alina y Singh, Aditya y Stewart, Dylan y Harmon, Ira y Steinkraus, Ashley y White, Ethan P.",
    title = "Clasificación de especies arbóreas hiperespectrales a escala continental en la Red Ecológica Nacional de Observación de Estados Unidos",
    year = "2022",
    journal = "Remote Sensing of Environment",
    abstract = "Los avances en imágenes de teledetección y aplicaciones de aprendizaje automático desbloquean el potencial para desarrollar algoritmos de clasificación de especies a nivel de copas individuales de árboles a escalas sin precedentes. Sin embargo, la mayoría de los enfoques hasta la fecha se centran en aplicaciones específicas de sitios y en un pequeño número de grupos taxonómicos. Se sabe poco sobre qué tan bien se generalizan estos enfoques a través de áreas geográficas más amplias y ecosistemas. Aprovechando encuestas de campo y datos de teledetección hiperespectral de la Red Ecológica Nacional de Observación (NEON), desarrollamos un modelo de extensión continental para la clasificación de especies arbóreas que puede aplicarse a la red, incluyendo una amplia gama de ecosistemas terrestres de EE. UU. Comparamos el rendimiento de un modelo entrenado con datos de 27 sitios NEON con modelos entrenados con datos de cada sitio individual, evaluando las ventajas y desafíos planteados por el entrenamiento de clasificadores de especies a escala nacional. Evaluamos el efecto de la ubicación geográfica, la topografía y las condiciones ecológicas sobre la precisión y exactitud de las predicciones de especies (72 de 77 especies). En promedio, el modelo general resultó en una buena precisión general de clasificación (puntuación micro-F1), con una mejor precisión que los clasificadores específicos de sitio (precisión promedio a nivel de árbol individual de 0.77 para el modelo general y 0.70 para modelos específicos de sitio). La agregación de especies al nivel de género aumentó la precisión a 0.83. Las regiones con más especies exhibieron una menor precisión de clasificación. Las especies predichas tenían más probabilidades de ser confundidas con especies congéneres y coocurrentes, y la confusión fue mayor para árboles con daños estructurales y en bosques de dosel cerrado complejos. El modelo produjo estimaciones precisas de incertidumbre, identificando correctamente los árboles donde era probable la confusión. Utilizando solo datos de NEON, este único clasificador integrado puede hacer predicciones para el 20% de todas las especies arbóreas encontradas en ecosistemas forestales en todo EE. UU., que constituyen hasta aproximadamente el 90% del dosel superior de los ecosistemas estudiados. Esto sugiere el potencial de integrar información de múltiples conjuntos de datos y ubicaciones para desarrollar modelos generales a gran escala para la clasificación de especies a partir de imágenes hiperespectrales.",
    url = "https://doi.org/10.1016/j.rse.2022.113264",
    doi = "10.1016/j.rse.2022.113264",
    openalex = "W4297920830"
}

OBJETIVO: Investigar si los aspectos estructurales de las unidades de atención primaria (UAP) y los procesos de trabajo de los equipos de atención primaria están asociados con la tasa de hospitalizaciones por afecciones sensibles a la atención primaria (HPCSC) en niños menores de 5 años de edad en Brasil. MÉTODO: Para este estudio ecológico longitudinal, se obtuvieron datos secundarios del Sistema de Información Hospitalaria Brasileño y de tres ciclos del Programa Nacional de Acceso y Mejora de la Calidad en la Atención Primaria (PMAQ-AB) (2012, 2014, 2017/2018). El análisis incluyó 42 916 UAP. Se utilizó un modelo de intercepción aleatoria multinivel con pendiente fija. En el primer nivel, se analizaron el resultado (tasas de HPCSC) y las variables explicativas (indicadores de estructura y proceso) agregados por UAP. Los determinantes sociales (representados por un criterio de estratificación que combina la población municipal e indicadores de gestión de la atención sanitaria) se introdujeron en el segundo nivel. Se utilizó la prueba t con corrección de Bonferroni para comparar las medias de los indicadores entre regiones, y la regresión lineal multinivel para estimar los coeficientes de correlación. RESULTADOS: La tasa de HPCSC en niños menores de 5 años fue de 62,78/100 mil habitantes por área de cobertura estimada de UAP. Se observó una asociación directa con el resultado para: participación en uno o más ciclos de PMAQ-AB; planificación del equipo; horarios especiales; área dedicada a la atención pediátrica; y disponibilidad de vacunas. El equipamiento, los materiales, los suministros y ser un municipio pequeño o mediano estuvieron inversamente asociados con HPCSC. CONCLUSIONES: Las tasas de HPCSC en niños menores de 5 años pueden reducirse potencialmente mediante mejoras en los indicadores de estructura y proceso de las UAP y en los determinantes sociales municipales.

@article{doi1026633rpsp202263,
    author = "Dos Santos, Danilo Marcelo Araujo and Alves, Cláudia Maria Coelho and Rocha, Thiago Augusto Hernandes and da Silva, Núbia Cristina and Queiroz, Rejane Christine de Sousa and Pinho, Judith Rafaelle Oliveira and Lopes, Clarissa Galvão da Silva and Thomaz, Erika Barbara Abreu Fonseca",
    title = "[Factores asociados a las hospitalizaciones por afecciones sensibles a la atención primaria en Brasil: un estudio ecológicoFactores asociados a las hospitalizaciones infantiles por afecciones que podrían tratarse en la atención primaria en Brasil: estudio ecológico].",
    year = "2022",
    journal = "Revista panamericana de salud publica = Pan American journal of public health",
    abstract = "OBJETIVO: Investigar si los aspectos estructurales de las unidades de atención primaria (UAP) y los procesos de trabajo de los equipos de atención primaria están asociados con la tasa de hospitalizaciones por afecciones sensibles a la atención primaria (HPCSC) en niños menores de 5 años de edad en Brasil. MÉTODO: Para este estudio ecológico longitudinal, se obtuvieron datos secundarios del Sistema de Información Hospitalaria Brasileño y de tres ciclos del Programa Nacional de Acceso y Mejora de la Calidad en la Atención Primaria (PMAQ-AB) (2012, 2014, 2017/2018). El análisis incluyó 42 916 UAP. Se utilizó un modelo de intercepción aleatoria multinivel con pendiente fija. En el primer nivel, se analizaron el resultado (tasas de HPCSC) y las variables explicativas (indicadores de estructura y proceso) agregados por UAP. Los determinantes sociales (representados por un criterio de estratificación que combina la población municipal e indicadores de gestión de la atención sanitaria) se introdujeron en el segundo nivel. Se utilizó la prueba t con corrección de Bonferroni para comparar las medias de los indicadores entre regiones, y la regresión lineal multinivel para estimar los coeficientes de correlación. RESULTADOS: La tasa de HPCSC en niños menores de 5 años fue de 62,78/100 mil habitantes por área de cobertura estimada de UAP. Se observó una asociación directa con el resultado para: participación en uno o más ciclos de PMAQ-AB; planificación del equipo; horarios especiales; área dedicada a la atención pediátrica; y disponibilidad de vacunas. El equipamiento, los materiales, los suministros y ser un municipio pequeño o mediano estuvieron inversamente asociados con HPCSC. CONCLUSIONES: Las tasas de HPCSC en niños menores de 5 años pueden reducirse potencialmente mediante mejoras en los indicadores de estructura y proceso de las UAP y en los determinantes sociales municipales.",
    url = "https://pmc.ncbi.nlm.nih.gov/articles/PMC9426956/",
    doi = "10.26633/RPSP.2022.63",
    openalex = "W4293579593",
    pmcid = "PMC9426956",
    pmid = "36060205",
    references = "doi101001jama260121743, doi101136jech568588, doi101186s129130194098x, doi101371journalpone0251905, doi101590010311042018s104, doi10159014138123201521925002015, doi101590141381232018231232122016, doi105123s167949742016000400010, doi105123s167949742017000100018, doi105123s167949742017000200006"
}

Las especies de mamíferos pequeños desempeñan un papel importante influyendo en la productividad primaria de la vegetación y la composición de especies de plantas, la dispersión de semillas, la estructura del suelo, y como especies depredadoras y/o presas. Las especies que experimentan ciclos de dinámica poblacional pueden, en fases de alta población, impactar fuertemente los sectores agrícolas y promover la transmisión de enfermedades transmitidas por roedores. Para comprender mejor los factores que impulsan la distribución y abundancia de los mamíferos pequeños, y cómo estos difieren para especies individuales, es necesario caracterizar las variables del paisaje importantes para los ciclos de vida de las especies en cuestión. En este estudio, se utiliza un conjunto de métricas derivadas de la observación de la Tierra que cuantifican las características y dinámicas del paisaje, junto con datos de muestreo in situ mediante líneas de trampa y transectos de mamíferos pequeños, para generar modelos de distribución de especies de bosque aleatorio para nueve especies de mamíferos pequeños en sitios de estudio en Narati, China y Sary Mogul, Kirguistán. Estos modelos de distribución de especies identifican las variables proxy del paisaje importantes que impulsan la abundancia y distribución de las especies, identificando a su vez las condiciones óptimas para cada especie. Las relaciones observadas difirieron entre especies, con el número de variables proxy del paisaje identificadas como importantes para cada especie variando desde 3 para Microtus gregalis en Sary Mogul, hasta 26 para Ellobius tancrei en Narati. Los resultados indican que los pastizales se predijeron que albergarían mayores abundancias de Microtus obscurus, E. tancrei y Marmota baibacina, las áreas forestales albergarían mayores abundancias de Myodes centralis y Sorex asper, mientras que las áreas de borde entre bosque y pastizal y las áreas cercanas a cursos de agua se predijeron que albergarían mayores abundancias de Apodemus uralensis y Sicista tianshanica. También se muestra que la variabilidad localizada en las condiciones de vegetación y humedad, así como la presencia de ciertos tipos de hábitat, influyen en las abundancias de estas especies de mamíferos pequeños. La aplicación predictiva de los modelos de Bosque Aleatorio (RF) identificó puntos calientes espaciales de alta abundancia, con la validación del modelo produciendo valores de R2 entre 0,670 para los datos de transecto de M. gregalis en Sary Mogul y 0,939 para los datos de transecto de E. tancrei en Narati. Esto mejora el trabajo anterior donde el hábitat óptimo se definía simplemente como la presencia de un tipo dado de cobertura terrestre, y en su lugar define el hábitat óptimo mediante una combinación de variables dinámicas del paisaje importantes, pasando de una perspectiva de hábitat óptimo definida por humanos a una definida por especies. Los modelos de distribución de especies demuestran distribuciones y abundancias diferentes de especies hospedadoras a través de las áreas de estudio, utilizando las fortalezas de los datos de observación de la Tierra para mejorar nuestra comprensión de los vínculos del paisaje y ecológicos con la distribución y abundancia de mamíferos pequeños.

@article{doi101371journalpone0289209,
    author = "Marston, Christopher y Raoul, Francis y Rowland, Clare y Quéré, Jean-Pierre y Feng, Xiaohui y Lin, Renyong y Giraudoux, Patrick",
    title = "Mapeo de hábitats óptimos de mamíferos pequeños utilizando variables proxy derivadas de satélite y modelos de distribución de especies.",
    year = "2023",
    journal = "PloS one",
    abstract = "Las especies de mamíferos pequeños desempeñan un papel importante influyendo en la productividad primaria de la vegetación y la composición de especies de plantas, la dispersión de semillas, la estructura del suelo, y como especies depredadoras y/o presas. Las especies que experimentan ciclos de dinámica poblacional pueden, en fases de alta población, impactar fuertemente los sectores agrícolas y promover la transmisión de enfermedades transmitidas por roedores. Para comprender mejor los factores que impulsan las distribuciones y abundancias de mamíferos pequeños, y cómo difieren para especies individuales, es necesario caracterizar las variables del paisaje importantes para los ciclos de vida de las especies en cuestión. En este estudio, se utiliza un conjunto de métricas derivadas de observación de la Tierra que cuantifican las características y dinámicas del paisaje, y datos de encuestas de tramos y transectos de captura de mamíferos pequeños in situ, para generar modelos de distribución de especies de bosque aleatorio para nueve especies de mamíferos pequeños en sitios de estudio en Narati, China y Sary Mogul, Kirguistán. Estos modelos de distribución de especies identifican las variables proxy del paisaje importantes que impulsan la abundancia y distribución de las especies, identificando a su vez las condiciones óptimas para cada especie. Las relaciones observadas difirieron entre especies, con el número de variables proxy del paisaje identificadas como importantes para cada especie variando desde 3 para Microtus gregalis en Sary Mogul, hasta 26 para Ellobius tancrei en Narati. Los resultados indican que las praderas se predijeron que albergarían mayores abundancias de Microtus obscurus, E. tancrei y Marmota baibacina, las áreas forestales albergan mayores abundancias de Myodes centralis y Sorex asper, y las áreas de borde de bosque-gran pradera mixto y áreas cercanas a cursos de agua se predijeron que albergarían mayores abundancias de Apodemus uralensis y Sicista tianshanica. También se muestra que la variabilidad localizada en las condiciones de vegetación y humedad, así como la presencia de ciertos tipos de hábitat, influyen en las abundancias de estas especies de mamíferos pequeños. La aplicación predictiva de los modelos de Bosque Aleatorio (RF) identificó puntos calientes espaciales de alta abundancia, con la validación del modelo produciendo valores de R2 entre 0.670 para los datos de transecto de M. gregalis en Sary Mogul y 0.939 para los datos de transecto de E. tancrei en Narati. Esto mejora el trabajo previo donde el hábitat óptimo se definía simplemente como la presencia de un tipo dado de cobertura terrestre, y en su lugar define el hábitat óptimo mediante una combinación de variables dinámicas del paisaje importantes, pasando de una perspectiva de hábitat óptimo definida por humanos a una definida por especies. Los modelos de distribución de especies demuestran distribuciones y abundancias diferentes de especies hospedadoras a través de las áreas de estudio, utilizando las fortalezas de los datos de observación de la Tierra para mejorar nuestra comprensión de los vínculos del paisaje y ecológicos con las distribuciones y abundancias de mamíferos pequeños.",
    url = "https://pmc.ncbi.nlm.nih.gov/articles/PMC10434852/",
    doi = "10.1371/journal.pone.0289209",
    openalex = "W4385945117",
    pmcid = "PMC10434852",
    pmid = "37590218",
    references = "doi101016jtree200505011, doi101023a1010933404324, doi101111j09067590200503957x, doi101111j13652699201002416x, doi1018637jssv036i11, doi1023073235884, doi103390rs12030426, doi10560219780801882210, lenoir2017climatic, openalexw273955616"
}

La rata de campo común es una de las plagas mamíferas que causan más daños agrícolas en Europa. Desde finales de la década de 1970, esta especie ha invadido el valle del Duero en el noroeste de España, colonizando aproximadamente 5 millones de hectáreas de áreas agrícolas del valle en unos 20 años. Una vez establecida en los paisajes agrícolas, la especie experimentó brotes cíclicos de la población que causaron daños en los cultivos. El mayor brote poblacional de ratas de campo de 2006–2007 fue gestionado por el Gobierno Regional (Junta de Castilla y León, JCYL) principalmente mediante la aplicación a gran escala de rodenticidas anticoagulantes (ARs) y la destrucción generalizada de los márgenes de los campos, parches de vegetación natural y restos de cultivos mediante quema. Estas acciones causaron graves daños a la biodiversidad agraria regional, incluidas las especies de caza menor. La acción coordinada de instituciones científicas y ONGs ambientales, con el apoyo de la principal asociación de caza española en un momento crítico, llevó a un cambio progresivo en las estrategias de gestión de plagas durante los brotes subsiguientes, promoviendo la adopción del control biológico y otras técnicas de gestión que causan menos daño ambiental. Finalmente, la JCYL implementó un programa de MIP basado principalmente en el control biológico, buenas prácticas agrícolas y gestión del hábitat. Este programa ha sido adoptado cada vez más en los últimos años, lo que ha llevado a una reducción notable del control químico y a la eliminación completa de la quema como herramienta de gestión. Durante este período, el conocimiento científico sobre la ecología de la especie se ha ampliado sustancialmente, proporcionando conocimientos clave para el desarrollo y refinamiento de estrategias de MIP. Aquí, sintetizamos este cuerpo de conocimientos y proporcionamos recomendaciones adicionales para mejorar aún más el actual programa de MIP, que puede servir como modelo para la gestión de plagas de roedores en otras regiones de todo el mundo.

@article{doi103390agriculture16050577,
    author = "Viñuela, Javier y Cuéllar-Basterrechea, Carlos y Báscones-Reina, Miriam y Olea, Pedro P y Fernando, Jubete y Domínguez, Julio C. y Jareño, Daniel y Santamaría, Ana Esther y Hernández-Garavís, Lorena y Calero-Riestra, María y Blanca, Fernando y González-Simón, Paula y Paz, Alfonso y García, Jesús T. y Garcés, Fernando",
    title = "Cuatro décadas de brotes poblacionales de la rata de campo común (Microtus arvalis Pallas 1778) en el noroeste de España: Transición desde prácticas ambientalmente dañinas hacia un Manejo Integrado de Plagas (MIP) sostenible",
    year = "2026",
    journal = "Agriculture",
    abstract = "La rata de campo común es una de las plagas mamíferas que causan más daños agrícolas en Europa. Desde finales de la década de 1970, esta especie ha invadido el valle del Duero en el noroeste de España, colonizando aproximadamente 5 millones de hectáreas de áreas agrícolas del valle en unos 20 años. Una vez establecida en los paisajes agrícolas, la especie experimentó brotes cíclicos de la población que causaron daños en los cultivos. El mayor brote poblacional de ratas de campo de 2006–2007 fue gestionado por el Gobierno Regional (Junta de Castilla y León, JCYL) principalmente mediante la aplicación a gran escala de rodenticidas anticoagulantes (ARs) y la destrucción generalizada de los márgenes de los campos, parches de vegetación natural y restos de cultivos mediante quema. Estas acciones causaron graves daños a la biodiversidad agraria regional, incluidas las especies de caza menor. La acción coordinada de instituciones científicas y ONGs ambientales, con el apoyo de la principal asociación de caza española en un momento crítico, llevó a un cambio progresivo en las estrategias de gestión de plagas durante los brotes subsiguientes, promoviendo la adopción del control biológico y otras técnicas de gestión que causan menos daño ambiental. Finalmente, la JCYL implementó un programa de MIP basado principalmente en el control biológico, buenas prácticas agrícolas y gestión del hábitat. Este programa ha sido adoptado cada vez más en los últimos años, lo que ha llevado a una reducción notable del control químico y a la eliminación completa de la quema como herramienta de gestión. Durante este período, el conocimiento científico sobre la ecología de la especie se ha ampliado sustancialmente, proporcionando conocimientos clave para el desarrollo y refinamiento de estrategias de MIP. Aquí, sintetizamos este cuerpo de conocimientos y proporcionamos recomendaciones adicionales para mejorar aún más el actual programa de MIP, que puede servir como modelo para la gestión de plagas de roedores en otras regiones de todo el mundo.",
    url = "https://doi.org/10.3390/agriculture16050577",
    doi = "10.3390/agriculture16050577",
    openalex = "W7133347975",
    references = "doi101016jlanplh2025101300"
}