Browsing by Subject "Species"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Modelo de predicción para el número de especies de Coleoptera en el Departamento de Antioquia
    (Pontificia Universidad Javeriana Cali, 2025) Marentes Herrera, Esteban; Mora Cardona, Mario Julián
    Colombia es un país megadiverso, pero el número de especies conocidas está subestimado debido a la falta de información, en especial para grupos poco estudiados y difíciles de muestrear e identificar como los coleópteros. No es posible obtener el número exacto de especies para este grupo a través de métodos convencionales, debido a su diversidad y falta de recursos para investigación en taxonomía, por este motivo una opción es utilizar técnicas y modelos predictivos procedentes de la ciencia de datos, junto a registros biológicos y variables climáticas para realizar una predicción de manera indirecta. El objetivo principal fue estimar el número de especies de coleópteros en el Departamento de Antioquia, debido a que es el Departamento con mayor cantidad de datos disponibles y tienen una gran variedad de hábitats representativos. Para esto se realizó una búsqueda en la literatura de las variables que afectan la distribución de los coleópteros y las técnicas más utilizadas para predecir el número de especies, luego se realizó una implementación de algunas de estas en Python, que fueron evaluadas a través de métricas numéricas y de una elicitación experta de entomólogos. Finalmente se realizó la predicción del número de especies para el país y para el departamento de Antioquia utilizando el modelo que obtuvo el mejor rendimiento. Las variables más relevantes identificadas fueron: velocidad del viento, humedad relativa, precipitación, radiación solar, temperatura, ecosistemas, elevación y las especies de plantas cercanas a los coleópteros, estas se utilizaron junto a los registros biológicos de coleópteros descargados de GBIF para entrenar los modelos, anotando la información a nivel de familia con las listas de chequeo publicadas por expertos. Para la predicción se utilizaron cuatro tipos de modelos diferentes de regresión, regresión lineal múltiple, perceptrón multicapa, redes neuronales profundas y random forest, que fueron identificados en la literatura como los que tenían mejores resultados. Las redes neuronales profundas tuvieron el mejor desempeño, con un R2 de 0.98, MSE de 92.6 y MAE de 4.07, con este se estimó que el número de especies del departamento está entre un mínimo de 2.007 y un máximo de 9.381, con un promedio de 4.210 especies y fue compartida con los expertos que estimaron que el valor real probablemente está cerca del límite superior. Esta información va a permitir tomar decisiones informadas de conservación y la divulgación con el público general sobre la diversidad del grupo.