Machine learning as a successful approach for predicting complex spatio–temporal patterns in animal species abundance

Resumen

Nuestro objetivo fue determinar un método analítico óptimo para predecir de manera precisa patrones espacio–temporales complejos en la distribución de especies animales. En concreto, utilizando los datos recopilados en el proyecto eBird sobre la pardela balear, que es un ave migratoria, se compararon ocho técnicas diferentes de elaboración de modelos (modelos aditivos generalizados, árboles de regresión, bagged CART, k–nearest neighbors, stochastic gradient boosting, máquinas de vectores de soporte, redes neuronales, así como el bosque aleatorio –una forma mejorada de bootstrap– y extreme gradient boosting –una forma mejorada de gradient boosting) con objeto de predecir los patrones espaciales observados en la abundancia de esta especie. Utilizando conjuntos de datos de código abierto, se han cuantificado los indicadores de los sistemas frontales y la productividad de los océanos que ya se habían empleado con anterioridad para caracterizar los hábitats oceánicos de las aves marinas y, posteriormente, se han utilizado como predictores en los modelos. El bosque aleatorio resultó ser el modelo que ofreció el mejor rendimiento de acuerdo con los parámetros evaluados (RMSE y R2). La correlación obtenida con este modelo entre la abundancia observada y la predicha también fue considerablemente alta. En este trabajo, mostramos la utilidad de combinar técnicas de aprendizaje automático y los datos masivos proporcionados por diferentes fuentes de código abierto para determinar la distribución espacio–temporal a largo plazo de las especies a escalas espaciales regionales.