Predictores de diversidad en anfibios de la Amazonía: una aproximación por aprendizaje automático.

La amazonia es una zona megadiversa de gran importancia en la biología evolutiva, esta alberga más de 500 especies de anfibios. Para estimar los patrones de biodiversidad se pueden utilizar índices de biodiversidad, los cuales pueden estar relacionados con las diferencias ambientales. En este análisis se estimó como la influencia de la heterogeneidad del ambiente afecta la diversidad de dos familias de anuros, Centrolenidae y Aromobatidae, usando 33 diferentes variables ambientales como predictores: topografía, ríos, propiedades de suelos, el clima actual y pasado. Se realizó un modelo de ensamblaje de aprendizaje automatizado que incluye 4 algoritmos supervisados, que miden la importancia de las variables como predictores de los índices de riqueza de especies y diversidad filogenética. Las variables ambientales predijeron el 23% de la riqueza de especies para centrolenidos y un 16% de la diversidad filogenética en los aromobatidos. Cuando se unieron ambas familias por índice de biodiversidad el poder predictivo del modelo fue del 15% del conjunto de datos para ambos índices. La isotermalidad fue la variable con mayor importancia dentro de los modelos, la evapotranspiración y la cobertura vegetal también tuvieron un rol importante. Se pretende incluir más grupos taxonómicos como familias para mejorar el poder predictivo del modelo.

• Autores: Doqueresana Ortega, Yuber Steven
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2022
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/57703
• Acceso en línea: http://hdl.handle.net/1992/57703
• Palabra clave: Aprendizaje automatizado; Amazonía; Biodiversidad; Filogeografía; Anfibios; Diversidad biológica; Genética de anfibios; Biología
• Rights: openAccess
• License: Attribution-NonCommercial-NoDerivatives 4.0 Internacional