Dispersal processes and environmental extrapolation on predictive accuracy of species distribution models when transferred in time

Abstract

Desarrollar modelos que permitan predecir de manera confiable los efectos del cambio climático sobre la biodiversidad es una prioridad para su gestión. Problemas comunes a la precisión predictiva de los Modelos de Distribución de Especies (MDE) al transferirlos en el tiempo son la extrapolación ambiental y una incorporación realista de las capacidades de dispersión de las especies. investigamos las consecuencias de tales problemas sobre el éxito al predecir cambios recientes en la distribución de la ranita de Darwin Rhinoderma darwnii (1970-2014). Construimos MDEs que incorporan explícitamente procesos de dispersión biológica, comparando sus predicciones con las de MDEs que no los incorporan. Para esto, generamos capas bioclimáticas para tres períodos (1 970, 1990 y 2010), y calibramos los MDEs ajustando las ocurrencias históricas (1950-f975) y proyectándolas al clima más reciente. La precisión de los modelos fue evaluada contrastando predicciones binarias de los modelos a través del tempo, con presencias y ausencias actuales (2000-2014). La ¡incorporación de procesos de dispersión mejora la precisión, reduciendo la tasa de falsas presencias de las predicciones, lo cual es consistente con la discriminación de hábitats adecuados pero inaccesibles. El espacio climático de 2010 que no se encontraban en 1970 (no análogos climáticos) representa el 39% del área de estudio (35°-46°S;71°-75°O). Como consecuencia, las transferencias temporales de los modelos presentaron un alto grado de extrapolación, resultando en una disminución en la precisión de las predicciones en áreas no-análogas climáticas respecto de áreas análogas. A partir de estos resultados se proponen alternativas para mejorar la precisión de las predicciones temporales de los MDEs, reduciendo ¡incertezas de escenarios demasiado simplificados de dispersión, y haciendo un llamado a comunicar las áreas geográficas donde los MDES sean extrapolados. Con esto esperamos se proporcione información más fiable de los efectos del cambio climático a los tomadores de decisiones de conservación

Develop models that reliably predict the effects of change climate change on biodiversity is a priority for its management. Common problems to the predictive accuracy of the Species Distribution Models (SDM) when transferring them over time are environmental extrapolation and a realistic incorporation of the dispersal capabilities of the species. We investigate the consequences of such problems about success in predicting recent changes in the distribution of Darwin's frog Rhinoderma darwnii (1970-2014). We build MDEs that incorporate explicitly biological dispersal processes, comparing their predictions with those of MDEs that do not incorporate them. For this, we generate bioclimatic layers for three periods (1970, 1990 and 2010), and we calibrate the MDEs by adjusting the occurrences (1950-f975) and projecting them to the most recent climate. The accuracy of models was evaluated by contrasting binary predictions of the models through the tempo, with current presences and absences (2000-2014). The incorporation of dispersion processes improves accuracy, reducing the rate of false presences of predictions, which is consistent with the discrimination of suitable habitats but inaccessible. The 2010 climate space that was not found in 1970 (not climate analogues) represents 39% of the study area (35°-46°S; 71°-75°W). What Consequently, the temporary transfers of the models presented a high degree of of extrapolation, resulting in a decrease in the accuracy of the predictions in non-analogous climatic areas with respect to analogous areas. From these results alternatives are proposed to improve the accuracy of the temporal forecasts of the MDEs, reducing uncertainties of oversimplified dispersion scenarios, and making a call to communicate the geographic areas where the MDES are extrapolated. With this we hope to provide more reliable information on the effects of climate change on conservation decision makers