Antes que nada: el diseño del estudio

El peor error que se puede cometer en un proyecto de ENM/SDM es actuar "en automático", confiando en el software sin entender el problema biologico en lo que se refiere a los factores que afectan el área de distribucion y las caracteristicas del método que se usa para modelarla. Las preguntas esenciales son las siguientes

• ¿Con que tipo de datos se cuenta? Si se cuenta con datos de ausencias verdaderas, la estimacion de la probabilidad de presencia y por lo tanto area de distribucion real Go es posible. Si, como es frecuentemente el caso, solamente se cuanta con datos de presencias, el objeto que se estima esta mucho menos bien definido. Generalmente se supone que los metodos de presencias estrictas (no hay datos de ausencias) estiman un objeto intermedio entre el area ocupada Go y el area potencial A en el digrama BAM (Jimenez-Valverde et al., 2008).
• ¿Cual es la configuracion BAM de su problema? Un problema en el que se asume que la especie ha sido capaz de muestrear totalmente la region de ambientes favorables, o sea, en la que M contiene a A, se denomina caso Hutchinsoniano, y es el optimo para modelar. Corresponde a especies sin restricciones en sus movimientos, que se supone que en el pasado han sido capaces de muestrear ambientes favorables y desfavorables. Otro extremo es aquel en el cual se considera que la region favorable a la especie (A) contiene completamente a la zona de movimientos. Este es el caso Wallaciano, el mas difícil de modelar. Corresponde a especies que habitan endemicamente islas o regiones muy pequeñas. A menos que se cuente con datos exhaustivos de presencia, los modelos en estas situaciones son difíciles de interpretar. El caso Clásico, como su nombre indica, es el mas común y la dificultad para modelarlo es intermedia.
  • Definición de las areas de referencia G y de M. Casi todos los metodos de SDM/ENM se afectan por la seleccion del area de referencia G. Solamente BIOCLIM es invariante a cambios en G, y en este caso definir un area G mas o menos grande tiene implicaciones solamente para las extrapolaciones. Las muestras del "background" deben de provenir del area M, que es, teoricamente, la que la especie ha muestreado en su historia (Barve et al. 2011). GARP utiliza el area de referencia M para obtener valores de "pseudoausencias" que se usan al calcular una regresion log-lineal. Entonces, para GARP una M mas grande puede ser beneficiosa al proveer de verdaderas ausencias. Para GARP es preferible utilizar areas de referencia bastante mas grandes que las que se espera correspondan a Go. Maxent utiliza el area de referencia para obtener la distribucion "nula" de tipos de espacios climaticos. Maxent trata de minimizar la "divergencia" entre la distribucion que replique los valores observados y aquella calculada con el modelo nulo. Entonces, si se usan areas M muy pequeñas en relacion a la Go esperada, Maxent va a tratar simplemente de replicarlas. Es preferible utilizar, como en GARP (pero por razones distintas) areas M bastante mayores que la Go esperada.

1. Las recomendaciones.
   • Si tiene ausencias utilice metodos de regresion. Si no cuenta con ausencias, utilice Maxent o GARP.
   • Si su especie es un caso claro Wallaciano, de una especie que nunca ha podido muestrear mas ambientes que los favorables, probablemente sea preferible no modelarla, en cualquier caso, sea explícito respecto a esta situación.
   • Defina biologicamente su area de referencia M, en la duda, generalmente de tamaño mayor que el esperado de Go.
   • La region M debe contener todos los puntos conocidos de ocurrencias de las especie, esto es, no deben usarse cotas "politicas"
   • Distinga bien que tipo de salida da su algoritmo: probabilidades, indices de similitud, pertenencia a conjuntos...