Erre Datos

Glosario de términos de modelado de nicho ecológico (MaxEnt)

Hace unas semanas, en una salida de conteo de aves, un compa del grupo me preguntó qué quería decir el "AUC" que le aparecía pegado al mapa en un tutorial que estaba siguiendo. Me quedé mudo (la verdad sea dicha: yo también asentía cada vez que me topaba esa sigla, sin tener muy claro qué medía en realidad). Ahí caí en cuenta de que llevaba buen rato usando términos de MaxEnt de oído -- repitiendo lo que veía en foros y en un curso que, dicho sea de paso, dejé de recomendar porque tiraba la jerga sin explicarla ni una sola vez. Así que armé esta lista, para él y para mí. La fui llenando entre tandas de descarga de capas bioclimáticas que se me caían a medio camino con la conexión de la casa (una tarde entera perdida en eso, no te voy a mentir con la hora exacta). Esto no es un tutorial paso a paso ni promete que vas a entender MaxEnt de cabo a rabo -- es la chuleta que a mí me hubiera ahorrado varias tardes de googlear la misma palabra dos veces. Uso el software MaxEnt y paquetes de R como `dismo` y `maxnet` para mapear dónde podría aparecer una especie; estas son las palabras que hay que tener claras antes de que el resto tenga sentido.

Conceptos Fundamentales

Los términos con los que te vas a topar apenas abrís cualquier paper o tutorial de nicho ecológico -- los mismos que a mí me tocó desenredar a punta de subrayar PDF en inglés con el diccionario abierto en otra pestaña.

Término Definición y Contexto Técnico
MaxEnt Algoritmo de aprendizaje automático basado en el principio de máxima entropía: encuentra la distribución más uniforme (menos restringida) posible que aún cumple las restricciones que imponen los datos de presencia [1].
Nicho Fundamental Conjunto total de las condiciones ambientales en las que una especie podría sobrevivir y reproducirse si no hubiera interferencia de otras especies [2].
Nicho Realizado Fracción del nicho fundamental que la especie ocupa realmente, una vez que se toma en cuenta la competencia y las demás interacciones con otras especies [2].
Background Points Puntos de "fondo": muestra aleatoria de sitios del área de estudio, usada para representar las condiciones ambientales disponibles para la especie en esa región [1].
Presencia Única (Presence-only) MaxEnt es un método que trabaja solo con datos de presencia: coordenadas donde la especie fue observada, sin registros confirmados de ausencia [1].

Parámetros de Configuración

Acá quedan las perillas que de verdad cambian el mapa que te sale -- las mismas con las que me pasé una tarde entera sin entender qué estaba tocando, hasta que por fin entendí qué hacía cada una.

Parámetro Descripción Técnica
Regularization Multiplier (Beta) Parámetro que penaliza la complejidad del modelo. Valores bajos (cercanos a 0) dejan entrar todas las variables y funciones, con más riesgo de sobreajuste; valores más altos producen modelos más "suaves", simples y generalizables [3].
Feature Classes (Clases de Funciones) Transformaciones matemáticas de las variables ambientales: funciones lineales, cuadráticas, de producto/interacción y hinge (que capturan umbrales). Cuántos tipos usar depende de cuántos registros de presencia tengas: con pocos, mejor quedarse con las más simples [1].
Cloglog Output Salida estándar de MaxEnt desde la versión 3.4.0. Da una estimación de la probabilidad de presencia, con una base teórica más sólida que el logistic output al que reemplazó [3].
Logistic Output Formato de salida previo al cloglog (hoy reemplazado por este). Parte del supuesto de que hay un 50% de probabilidad de que la especie esté presente en un sitio con condiciones "promedio" para ella [3].
Raw Output El valor exponencial directo del modelo de MaxEnt: una "tasa de ocurrencia relativa" (ROR) que suma 1 sobre toda el área de estudio [3].

Métricas de Evaluación y Diagnóstico

Los números que te tira el programa al final de la corrida -- el AUC, el jackknife, el MESS -- y que, la verdad sea dicha, yo miraba de reojo un buen tiempo sin saber bien si el modelo me había salido decente o no.

Métrica Interpretación
AUC (Area Under the Curve) Métrica de discriminación que va de 0.5 (ordenación al azar) a 1.0 (ordenación perfecta): la probabilidad de que un sitio de presencia elegido al azar quede mejor ranqueado que un punto de fondo elegido al azar [4].
Jackknife Test Prueba de importancia de variables: se corren modelos excluyendo cada variable ambiental por turno, y modelos usando solo esa variable de forma aislada, para comparar el efecto de cada una [5].
MESS (Multivariate Environmental Similarity Surfaces) Análisis que identifica áreas con condiciones ambientales fuera del rango de los datos de entrenamiento (entornos "no análogos"), y mide qué tanto se alejan de esos datos [3].
Omission Rate (Tasa de Omisión) Proporción de localidades de prueba que caen fuera del área predicha como apta. Si un modelo está bien ajustado, esta tasa en los datos de prueba debería parecerse a la del entrenamiento; una omisión más alta en las pruebas es señal de sobreajuste [3].

Last verified: 2026-07-21

Sources

Artículos relacionados