MODELOS PREDICTIVOS APLICADOS A LA CONSERVACIÓN

DE FLORA AMENAZADA: INVERNADEROS VS. LINARIA

NIGRICANS EN EL SURESTE ÁRIDO IBÉRICO

BENITO DE PANDO, B.; PEÑAS DE GILES, J.

Departamento de Botánica, Universidad de Granada
Facultad de Ciencias, Fuentenueva s/n,
blasbp@ugr.es

RESUMEN
En los últimos 30 años, la expansión de la horticultura intensiva bajo plástico en Almería
ha mejorado notablemente el panorama económico de esta región. Pero esta “revolución”
económica tiene otra cara menos amable: la ausencia de una ordenación territorial adecuada y
una ingente demanda de recursos (agua y suelo principalmente), que ha alterado drásticamente
el paisaje y están poniendo en serio aprieto el equilibrio ecológico del sureste árido ibérico.
Teniendo en cuenta la próxima construcción de instalaciones desaladoras de agua de mar en la
costa almeriense, el factor limitante “agua” dejará de serlo, por lo que se prevé un nuevo auge
en la construcción de invernaderos.
Como consecuencia directa, hábitats de pastizales efímeros xerofíticos (considerados de
conservación prioritaria por la Directiva Hábitats 92/43/CEE y algunos propuestos como LIC y
ZEPA) continuarán siendo fragmentados y destruidos, junto con las especies que albergan.
Entre estas, Linaria nigricans Lange (Scrophulariaceae de ciclo anual, protegida por la Ley
8/2003, de 28 de Octubre de Flora y Fauna Andaluza), ha sido escogida para el presente estudio
como especie marcadora de hábitats susceptibles de protección adicional frente a la expansión
de los invernaderos.
La utilización combinada de SIG y modelos predictivos de distribución (Bioclim,
Domain, ENFA, GARP y MaxEnt), aplicados tanto a invernaderos como a la especie
marcadora, permite analizar el estado del hábitat potencial de la especie marcadora y conocer
las áreas de máximo riesgo de ocupación del hábitat por invernaderos. Los resultados, aplicados
a un plan de gestión territorial pueden orientar hacia la resolución de problemas espaciales
derivados del conflicto existente entre desarrollo económico y conservación de la biodiversidad.

Palabras clave
Invernaderos, SIG, modelos predictivos, conservación, biodiversidad

ABSTRACT
Last 30 years, the expansion of greenhouses in Almería province has improved notably
the economic and social panorama of this historically depressed region. This economic
revolution has another side: an enormous demand of natural resources (mainly water supplies
and construction surface) has altered the landscape dramatically. New appearance of seawater
desalination plants in the coast is allowing an increase in the construction of greenhouses.
Therefore, unique xerofitic grasslands habitats (considered of high-priority conservation
for the Directive Habitats 92/43/CEE and some proposed as LIC and ZEPA) will continue being
fragmented and destroyed. In some of these habitats inhabit Linaria nigricans Lange,
(Scrophulariaceae, annual plant, protected by the Law 8/2003 of October the 28th of Andalusian
Flora and Fauna), has been selected for the present study as key specie of habitats needed of
additional protection in front of the expansion of greenhouses.
The combined use of SIG and predictive distribution models (MaxEnt, GARP, ENFA,
Bioclim and Domain), applied to greenhouses and key species, may allow to analize the status

33
 EL ACCESO A LA INFORMACIÓN ESPACIAL Y LAS NUEVAS TECNOLOGÍAS GEOGRÁFICAS PÁG. 33-47

of the potential habitat of Linaria nigricans, and predict the habitat area endangered by
greenhouses' expansion.
The results, applied to territorial management can guide to solve spatial conflicts between
economical development and conservation.

Keywords
Greenhouses, GIS, predictive models, conservation, biodiversity.

1. INTRODUCCIÓN
El paisaje de la provincia de Almería ha sido alterado drásticamente en los
últimos 30 años. La expansión de la agricultura intensiva en invernaderos (34.000
hectáreas en el año 2000, datos propios) la ha transformado en un tecnificado vergel que
proporciona tres cosechas anuales de frutas y hortalizas. El volumen productivo
generado por esta gran infraestructura ha situado al sector agrícola almeriense como eje
vertebrador de la economía de la región.
Este motor económico presenta ciertas consecuencias ambientales negativas: la
gran extensión ocupada por los invernaderos en áreas costeras y su propagación hacia el
interior de la provincia, está ocasionando la pérdida de hábitats de carácter único en
Europa. Están siendo especialmente afectados pastizales xerofíticos ricos en
endemismos vegetales, de conservación prioritaria para la Directiva Hábitat 92/43/CEE.
Una de las especies emblemáticas de estos pastizales y exclusiva de la provincia
de Almería, Linaria nigricans Lange, se encuentra ante un grave problema de cara al
futuro: una parte importante de su entorno está siendo sometido a una intensa
fragmentación y destrucción por desmonte e instalación de invernaderos.
El objetivo de este trabajo consiste en ofrecer criterios espaciales aplicados a la
conservación de esta especie amenazada. Con este propósito se han construido modelos
de distribución de Linaria nigricans y de invernaderos, que serán utilizados como
variables críticas en el análisis del estado de conservación de la especie, y serán
aplicables a la gestión medioambiental del territorio almeriense.

2. ÁREA Y ESPECIES DE TRABAJO

El área de trabajo comprende gran parte de la provincia de Almería, enmarcando
el área costera desde la provincia de Granada hasta la Región de Murcia. Las
coordenadas UTM de la ventana de trabajo son: x mínima = 474810; x máxima =
621950; y mínima = 4058230; y máxima = 4157730.
La especie amenazada seleccionada es Linaria nigricans Lange, una
escrofulariácea anual endémica de Almería que habita en pastizales xerofíticos. Su ciclo
vital se desarrolla de enero a junio, y sus poblaciones sufren fuertes oscilaciones
interanuales en cuanto a número de individuos en función de las condiciones climáticas.
Está catalogada como En Peligro (según criterios de la UICN) el la “Lista Roja de la
Flora Vascular de Andalucía”, y se encuentra protegida por la ley de 8/2003, de 28 de
Octubre de Flora y Fauna Andaluza. Este marco legal obliga a la protección de las
distintas poblaciones de la especie y su entorno.
Los invernaderos tienen una serie de requerimientos climáticos y topográficos que
afectan a su rentabilidad, lo que permite que se comporten, en cuanto a distribución, como
una especie que selecciona las condiciones más idóneas para su desarrollo. Esta
circunstancia ha permitido que sean tratados para su modelado como una especie invasora.

34
 MODELOS PREDICTIVOS APLICADOS A LA CONSERVACIÓN DE FLORA AMENAZADA: INVERNADEROS VS. LINARIA
NIGRICANS EN EL SURESTE ÁRIDO IBÉRICO

2. MATERIAL Y MÉTODOS
La metodología empleada exige una serie de herramientas de modelización
(algoritmos predictivos), coordenadas de presencia de los sujetos de análisis (Linaria
nigricans e invernaderos), y una base de datos medioambiental que proporcione las
variables predictoras para el análisis. Además es necesaria una herramienta para evaluar
los modelos predictivos. Como eje principal para intercambio de formatos y análisis de
los resultados resulta imprescindible un entorno SIG.

2.1 Algoritmos predictivos

Los algoritmos utilizados para modelar la distribución de las especies en este
trabajo funcionan de modo similar: tomando como entradas un conjunto de coordenadas
de presencia y una serie de capas de información climática y geográfica, computan un
modelo continuo de idoneidad del hábitat para la especie a lo largo de la región de
estudio (Elith y Burgman, 2003).
Se ha comprobado que distintos algoritmos funcionan mejor con unas especies
que con otras (Thuiller, 2003; Edith et al., 2006), por lo que resulta conveniente aplicar
varios métodos predictivos a la misma especie para seleccionar el modelo que mejor se
ajuste a los datos de evaluación.
Bioclim (Farber y Kadmon, 2003) genera un espacio elipsoidal de n dimensiones
(siendo n el número de variables predictoras) calculado a partir de la media de cada una
de las variables ambientales y la matriz de covarianza de las variables. Las localidades
cuyas condiciones ambientales quedan dentro del rango multidimensional son
identificadas como lugares de hábitat idóneo. Este algoritmo no admite para el análisis
capas de información cualitativa tales como usos de suelo y similares.
Domain (Carpenter et al., 1993) compara el valor del espacio multidimensional
de cada punto con el que corresponde al conjunto de presencias, otorgando el valor de
idoneidad en función de la distancia ecológica que los separa. Este algoritmo permite la
inclusión de variables cualitativas para generar modelos.
Ambos algoritmos están implementados en el programa de gestión de recursos
florísticos DIVA-GIS (www.diva-gis.org).
ENFA (Ecological Niche Factor Analysis): ENFA (Hirzel et al., 2002) cuantifica
el nicho ecológico comparando la distribución de la especie con la distribución global
de todos los puntos del mapa. El análisis ofrece para cada variable predictora un valor
de marginalidad (que indica cuánto difiere la media de la especie de la media global) y
un valor de tolerancia (que indica el tamaño relativo del nicho de la especie con
respecto al medio). Estos valores son comparados con los del conjunto de factores para
determinar un nivel de significación (eigenvalue) por variable, que determinará su
inclusión ó no en el proceso de síntesis del mapa de idoneidad. Es posible utilizar cuatro
algoritmos diferentes para generarlo: Media geométrica, media armónica, mediana y
mínima distancia. ENFA no admite la inclusión de variables cualitativas en el análisis.
El algoritmo y todas las herramientas de modelado necesarias están incluidas en el
programa Biomapper (www.unil.ch/biomapper) (Hirzel, H. et al. 2000).
GARP (Genetic Algorithm for Rule-set Prediction): Es un sistema heurístico que
busca correlaciones no aleatorias entre los puntos de presencia del organismo y las
variables ambientales (Stockwell, 1999). Funciona iterativamente, aplicando distintas
reglas de modelado (atomic, logistic regresión, range rules y negated range), y

35
 EL ACCESO A LA INFORMACIÓN ESPACIAL Y LAS NUEVAS TECNOLOGÍAS GEOGRÁFICAS PÁG. 33-47

generando en cada operación un modelo de distribución binario (presencia-ausencia).

Cada modelo es testado por separado permitiendo seleccionar los mejores modelos
(Anderson et al., 1999), que sumados algebraicamente, proporcionan un mapa final de
idoneidad del hábitat. Los resultados no son determinísticos, por lo que un mismo
conjunto de datos origina mapas de probabilidad distintos. Puede utilizar información
cualitativa, pero se desconoce el uso que hace de ella. El algoritmo está implementado
en el programa DesktopGarp (www.lifemapper.org/desktopgarp/)
MaxEnt (Maximum Entropy): MaxEnt (www.cs.princeton.edu/~schapire/maxent)
calcula la distribución más uniforme de los puntos de ocurrencia asumiendo que el valor
esperado para cada variable predictora según esta distribución coincide con su media
empírica, obtenida a partir de la media de los puntos de presencia (Phillips 2004). El
resultado del modelo expresa el valor de conveniencia del hábitat para la especie como
una función de las variables ambientales. Un valor alto de la función de distribución en
una celda determinada indica que esta presenta condiciones muy favorables para la
presencia de la especie. MaxEnt puede utilizar variables cualitativas, otorgando a cada
entidad un peso en función del número total de puntos de presencia que contiene.

2.2 Registros de presencia

Con el objetivo de disponer de información de calidad equivalente (Hirzel y
Guisan 2002), se han dispuesto dos conjuntos de datos: 500 puntos de presencia de
Linaria nigricans recogidos en las poblaciones de la especie durante los años 2004 y
2005, y 500 puntos de presencia de invernaderos tomados sobre una imagen satelital
Landsat (año 2000). Cada conjunto se ha dividido aleatoriamente (Osborne y Suárez-
Seoane 2002) en dos grupos de 300 y 200 puntos, utilizados respectivamente para
calibrar y evaluar los modelos.

2.3 Base de datos medioambiental

Como base de trabajo cartográfica se ha utilizado un modelo digital de
elevaciones de Andalucía de 20 metros por píxel, que ha determinado la resolución final
de todo el conjunto de datos. Se han confeccionado capas (ver Tabla 1) topográficas
(altitud, orientación, pendiente), climáticas (temperatura, humedad, precipitación y
radiación solar), de distancias (a poblaciones, a vías de comunicación, al mar, a
embalses, a desaladoras), y se han recortado y editado capas temáticas (espacios
protegidos, vías de comunicación y usos de suelo). La cartografía de ocupación de
invernaderos para el año 2000 se ha generado mediante un análisis de coberturas con
redes neuronales (Eastman 2003) sobre una imagen Landsat.
Las capas de variables climáticas se han calculado a partir de los registros de la
Red de Información Agroclimática Andaluza (RIAC). Se han utilización técnicas de
regresión múltiple (Ninyerola y Pons 2000) para obtener las ecuaciones que describen el
comportamiento de las variables climáticas en función de la altura, la distancia al mar,
la latitud y la longitud. A partir de estas ecuaciones se han construido los mapas de
temperatura, humedad y precipitación (valores medios, mínimos, máximos y rango) que
representan las características climáticas medias del periodo 1999-2005.
La radiación solar potencial se ha calculado utilizando el programa SolarAnalyst
(www.fs.fed.us/informs/download.php), que utiliza parámetros topográficos, geográficos
y atmosféricos, para generar mapas de radiación solar máxima, mínima y media para
distintos periodos del año.

36
 MODELOS PREDICTIVOS APLICADOS A LA CONSERVACIÓN DE FLORA AMENAZADA: INVERNADEROS VS. LINARIA
NIGRICANS EN EL SURESTE ÁRIDO IBÉRICO

Tabla 1. Listado de variables predictoras

Tipo Variable
Elevación
Pendiente
Topográfico Radiación solar directa máxima
Radiación solar directa media
Rango de radiación solar directa
Precipitación media anual
Temperatura media máxima
Temperatura mínima absoluta
Climático Rango medio de temperatura
Humedad media máxima
Humedad media mínima
Rango medio de humedad
Distancia a desaladoras
Distancia a embalses
Distancias
Distancia a poblaciones
Distancia a vías de comunicación
Cualitativo Usos del suelo
Elaboración propia.

2.4 Herramienta de evaluación

Para evaluar y seleccionar modelos se ha adoptado la técnica Receiver Operating
Characteristic (ROC) (Hanley y McNeil 1982), aplicada habitualmente a la evaluación
de modelos de distribución basados en algoritmos de presencia-ausencia (Fielding y
Bell 1998, Segurado y Araújo 1999, Muñoz y Felicísimo 2004).
Para construir la curva ROC, se clasifica dicotomicamente el modelo en áreas de
presencia y ausencia a partir de cada uno de los valores de idoneidad (tantas clasificaciones
como valores de idoneidad). En cada clasificación, a partir de los puntos de validación, se
calculan la fracción de presencias correctamente clasificadas y la fracción de presencias
erróneamente clasificadas. Con los valores obtenidos para cada valor de idoneidad se dibuja
la curva ROC. La potencia del modelo la indica el área bajo la curva (AUC), indicando los
valores próximos a 1 un buen ajuste del modelo, mientras que valores cercanos a 0.5
indican que no puede discriminar entre datos reales y datos aleatorios.
El procedimiento se encuentra automatizado en el programa Simtest
(www.wsl.ch/staff/niklaus.zimmermann/progs.html).

2.6 Calibración de modelos

Los parámetros de calibración introducidos en los distintos algoritmos fueron
idénticos para las dos entidades modelizadas (Invernaderos y Linaria nigricans)
tratando de generar modelos comparables entre sí.

37
 EL ACCESO A LA INFORMACIÓN ESPACIAL Y LAS NUEVAS TECNOLOGÍAS GEOGRÁFICAS PÁG. 33-47

Bioclim y Domain no exigen más parámetros de entrada que presencias y capas.

Para generar modelos con ENFA se seleccionaron los algoritmos basados en la mediana y
en la media geométrica. Para configurar MaxEnt se introdujo 1000 como número máximo
de iteraciones, estableciendo el límite de convergencia en 0.00001. En GARP, el máximo
número de iteraciones se estableció en 2000, con un límite de convergencia de 0.001. Se
utilizaron el 95% de los puntos para generar los modelos y el 5% para testarlos. Fueron
generados 150 modelos binarios, seleccionando y sumando entre sí los 100 mejores.

2.7 Evaluación de modelos

Los registros de ausencia necesarios para la evaluación mediante ROC fueron
sustituidos por muestras aleatorias estratificadas para comparar la eficacia de cada
modelo discriminando entre patrones de distribución reales y aleatorios. Distintas
muestras aleatorias ofrecen distintos valores AUC para un mismo modelo, y con el
objetivo de eliminar esta variabilidad se evaluó cada modelo con 10 muestras aleatorias
distintas. Cada muestra se compone de 200 puntos de presencia reales (constantes en
todas las muestras) y 200 puntos aleatorios simulados (diferentes para cada muestra). El
valor final de ajuste para cada modelo corresponde con el área media de las 10 curvas
ROC generadas, y está caracterizado por sus medidas de dispersión.

3. RESULTADOS Y DISCUSIÓN
Los resultados (Figura 1 y Tabla 2) indican que MaxEnt (AUC = 0.9466) es el
modelo que mejor se ajusta a la distribución de invernaderos. Aunque no muestra
diferencias significativas con el generado mediante Domain (AUC = 0.9464), ha sido
seleccionado por su menor desviación estándar. Respecto a la distribución de Linaria
nigricans, es el modelo Domain (AUC = 0.9961) el que presenta un mejor ajuste con los
datos de evaluación. Ambos modelos fueron seleccionados con este criterio de mejor
ajuste (Segurado y Araújo 1999). Los modelos restantes fueron descartados porque su
peor ajuste no justifica su utilización en los análisis a realizar posteriormente.

Figura 1. Medias y dispersión de los valores AUC obtenidos para los distintos modelos.

El programa de evaluación Simtest ofrece, además del valor AUC, el valor de

idoneidad a partir del cual la proporción de casos clasificados correctamente por el
modelo es máxima. Para los modelos “Invernaderos” y “Linaria” estos valores fueron 6
y 96 respectivamente. Se reclasificaron a cero los valores inferiores a estos puntos para
eliminar la información que no aporta precisión al modelo.

38
 MODELOS PREDICTIVOS APLICADOS A LA CONSERVACIÓN DE FLORA AMENAZADA: INVERNADEROS VS. LINARIA
NIGRICANS EN EL SURESTE ÁRIDO IBÉRICO

Para incluir la información contenida en el mapa de usos del suelo (no utilizado
durante el modelado), se reclasificaron sus valores, proporcionando valor 1 en las
entidades con puntos de presencia de la especie marcadora y 0 a las restantes. El modelo
“Linaria Inicial” se multiplicó por este filtro booleano, eliminándose las áreas con usos
incompatibles a la presencia de la especie (Figura 2). Tras el tratamiento se dispone de
dos modelos: uno referente al hábitat potencial de la planta que no tiene en cuenta el uso
actual del suelo (“Linaria Inicial”, Figura 3), y otro que explica la distribución actual de
Linaria nigricans teniendo en cuenta el factor usos (“Linaria Actual”, Figura 4).

Figura 2. Procedimiento de confección de un filtro booleano con la variable “usos del suelo” para
restringir el área de predicción del modelo “Linaria Inicial” en la localidad de Campohermoso.
Elaboración propia.

El modelo “Invernaderos” también fue filtrado eliminando las áreas ocupadas por
aquellas entidades del mapa de usos del suelo que no permiten la construcción nuevas
instalaciones (invernaderos ya construidos, aeropuertos, canteras, zonas residenciales,
embalses, lagunas y marismas, vertederos, etc.). De este modo disponemos de dos modelos;
uno sin filtrar, que indica la idoneidad de todo el territorio para la instalación de
invernaderos (“Invernaderos Inicial”, Figura 5), y otro que indica la idoneidad del territorio
para la instalación de nuevas instalaciones agrícolas (“Invernaderos Potencial”, Figura 6).

Figura 3. Modelo “Linaria Inicial” Representa la distribución del hábitat potencial de

Linaria nigricans y su nivel de idoneidad sin tener en cuenta el factor “usos del suelo”.

39
 EL ACCESO A LA INFORMACIÓN ESPACIAL Y LAS NUEVAS TECNOLOGÍAS GEOGRÁFICAS PÁG. 33-47

Figura 4. Modelo “Linaria Actual” Representa la distribución del hábitat potencial de

Linaria nigricans teniendo en cuenta el efecto de la variable “usos del suelo”.

Figura 5. Modelo “Invernaderos Inicial” Representa la idoneidad del territorio para la

instalación de invernaderos.

Figura 6. Modelo “Invernaderos Potencial” Representa la idoneidad del territorio para la

instalación de nuevos invernaderos. No tiene en cuenta criterios aplicados a la
conservación de espacios naturales.

40
 MODELOS PREDICTIVOS APLICADOS A LA CONSERVACIÓN DE FLORA AMENAZADA: INVERNADEROS VS. LINARIA
NIGRICANS EN EL SURESTE ÁRIDO IBÉRICO

3.1 Usos del suelo

El área del hábitat potencial inicial disponible en “Linaria Inicial” es de 32671
hectáreas, mientras que en el modelo “Linaria Actual” es de 14052 hectáreas. El factor
“usos del suelo” es responsable de esta diferencia de áreas (18619 has.). Los usos del
suelo incompatibles con el desarrollo de poblaciones de Linaria nigricans actúan
restringiendo el área de distribución potencial en diferentes magnitudes, tal y como
refleja la Tabla 3.
Tabla 3. Usos del suelo incompatibles con la presencia de Linaria nigricans y su
contribución absoluta y relativa a las diferencias de área potencial entre ambos modelos.
Usos del suelo Área (ha) Porcentaje
Espacios de escasa vegetación 11122.84 59.7
Cultivos bajo plástico (invernaderos) 5613.72 30.2
Mosaicos de cultivos en secano y regadío 349.4 1.9
Cultivos leñosos y mosaicos en regadío 283.4 1.5
Áreas alteradas y de servicios 214.72 1.2
Áreas urbanas y residenciales 168.64 0.9
Otros usos 866.16 4.7
Total 18618.88 100
Elaboración propia.

El 59.7 % de la diferencia de superficie entre ambos modelo puede explicarse en

base a la entidad “espacios de escasa vegetación”. Esta clasificación del suelo, dentro
del área de presencia del modelo “Linaria Inicial”, representa zonas muy erosionadas,
con características que dificultan el establecimiento de pastizales.
La entidad “cultivos bajo plástico” origina el 30,2 % de la diferencia entre
modelos, indicando que una proporción importante del hábitat potencial ha sido
ocupado por estas instalaciones agrícolas.
Las entidades restantes actúan de modo disperso y en escasa proporción.
Los usos del suelo compatibles con la presencia de la planta y sus contribuciones
en área y porcentaje al modelo “Linaria Actual” se presentan en la Tabla 4. Los datos
indican que gran parte del hábitat persiste en condiciones naturales en los pastizales
mediterráneos y en formaciones de matorral disperso, pero el hecho de que la planta se
encuentre regularmente sobre determinados tipos de cultivos indica que está adaptada al
manejo tradicional (barbecho) de la tierra. El mantenimiento de los usos tradicionales
puede resultar de gran importancia para la conservación de esta especie.
Tabla 4. Usos del suelo compatibles con la presencia de Linaria nigricans y su contribución
absoluta y relativa al área potencial indicada por el modelo “Linaria Actual”
Usos del suelo Área (ha) Porcentaje
Pastizales mediterráneos 3816.40 27.2
Formaciones de matorral disperso 3786.52 26.9
Cultivos con espacios de vegetación natural 2050.84 14.6
Cultivos herbáceos en regadío 1620.52 11.5
Cultivos herbáceos en secano 1564.24 11.1
Otros leñosos y mosaicos en secano 1213.68 8.6
Total 14052.20 100
Elaboración propia.

41
 EL ACCESO A LA INFORMACIÓN ESPACIAL Y LAS NUEVAS TECNOLOGÍAS GEOGRÁFICAS PÁG. 33-47

3.2 Efecto de la expansión de invernaderos sobre el hábitat potencial de Linaria

nigricans
Un 17.2 % (5614 hectáreas) del área total del hábitat potencial de Linaria
nigricans ha sido ocupada por invernaderos. El área afectada en mayor proporción se
encuentra en los Campos de Níjar. Los distintos intervalos de idoneidad del hábitat han
sido afectados aproximadamente de modo proporcional a su área de extensión, estando
ocupada por invernaderos entre un 15 y un 20 % de su superficie, excepto el intervalo
100, que está ocupado en un 10 %. Esta excepción se debe a la extensión del área del
hábitat de alta idoneidad en los campos de Tabernas, para los que el modelo, no predice
la instalación de invernaderos en el futuro.

3.3 Hábitat potencial protegido

La superficie de hábitat potencial incluido en la Red de Espacios Naturales
Protegidos de Andalucía (RENPA), según el modelo “Linaria Actual”, asciende a 3510
hectáreas, un 25% del área potencial total. La superficie protegida es menor cuanto mayor
es el grado de idoneidad del hábitat (Figura 8), una tendencia inversa a la deseable.
PROTECCIÓN DEL HÁBITAT
POTENCIAL DE Linaria nigricans

50
SUPERFICIE PROTEGIDA

40

30
(%)

20

10

0
95 96 97 98 99 100
IDONEIDAD

Figura 7. Porcentaje del hábitat potencial de Linaria nigricans incluido en espacios de la

RENPA teniendo en cuenta los distintos niveles de idoneidad.
Elaboración propia.

La protección debe ofrecerse preferentemente a aquellas áreas con mayores

posibilidades de éxito para sostener poblaciones de Linaria nigricans. Los gestores del
medio natural deben hacer un esfuerzo para incluir estas áreas de alta idoneidad en
planes de conservación específicos al margen de la RENPA, ó acometer ampliaciones
de la misma. Una alternativa viable es el diseño de una red de reservas de flora que
engloben estas áreas desprotegidas, garantizando su conservación.

3.4 Localización de áreas de riesgo para el hábitat en función de la probabilidad de

aparición de nuevos invernaderos.
La comparación entre los modelos “Invernaderos Inicial” y “Linaria inicial”
proporcionó información sobre la situación actual de afección del hábitat potencial de
Linaria nigricans. La multiplicación de ambos modelos entre sí generó un mapa de
riesgo relativo de conflicto entre entidades (modelo “Riesgo Inicial”) con valores más
altos cuanto mayor es el nivel de idoneidad de ambos modelos para un mismo píxel del
mapa. Las concordancias entre ambos modelos iniciales indican posibilidad de conflicto
por el espacio entre las entidades “Invernaderos” y “Linaria nigricans”.
El modelo “Riesgo Inicial” indica que los Campos de Níjar y el área circundante a
la localidad de Cabo de Gata presentan niveles elevados de posibilidad de conflicto

42
 MODELOS PREDICTIVOS APLICADOS A LA CONSERVACIÓN DE FLORA AMENAZADA: INVERNADEROS VS. LINARIA
NIGRICANS EN EL SURESTE ÁRIDO IBÉRICO

entre las entidades modelizadas. La superposición del mapa de riesgos sobre la imágen
Landsat del año 2000 confirma esta circunstancia, mostrando densidades elevadas de
invernaderos especialmente en los Campos de Níjar. El área de conflicto de Cabo de
Gata no presenta un grado de afección elevado, debido a su régimen de protección por
pertenecer al Parque Natural de Cabo de Gata-Níjar (Figura 8).

Figura 8. Comparación entre modelo “Riesgo Inicial” y la situación real en el año 2000. El
modelo detectó un área de conflicto entre invernaderos y Linaria nigricans en el Campo de
Níjar, tal y como sucede actualmente.
Elaboración propia.

Para evaluar numéricamente este resultado, se comparó cada intervalo de valores de

riesgo (de 0 a 100) con su porcentaje de ocupación por invernaderos (utilizando la
cartografía del año 2000). El resultado (Figura 9) indica que los valores altos de riesgo están
relacionados exponencialmente con porcentajes altos de ocupación por invernaderos.
PORCENTAJE DE OCUPACIÓN DEL MAPA DE RIESGO
0.0218 RIESGO
% OCUPACIÓN = 8.2284e
2
R = 0.9253
100
90
80
OCUPACION (%)

70
60
50
40
30
20
10
0
0 20 40 60 80 100
RIESGO

Figura 9. Relación exponencial entre el valor indicado por el modelo “Riesgo Inicial” y el
porcentaje de ocupación por invernaderos del conjunto de píxeles con dicho valor de riesgo.

43
 EL ACCESO A LA INFORMACIÓN ESPACIAL Y LAS NUEVAS TECNOLOGÍAS GEOGRÁFICAS PÁG. 33-47

El modelo “Riesgo Inicial” ha previsto correctamente áreas de conflicto actuales

entre las entidades a partir de los modelos de distribución iniciales. Para calcular el
riesgo de conflicto en las áreas en las que aún no existen invernaderos se generó un
nuevo mapa de riesgos (“Riesgo Potencial”) a partir de los modelos “Invernaderos
Potencial” y “Linaria Actual”.
Este nuevo modelo indica las áreas en las que es más probable que zonas idóneas para
Linaria nigricans sean ocupadas por invernaderos en los próximos años. El mapa resulta
útil para definir áreas sobre las que establecer medidas encaminadas a disminuir los niveles
de amenaza debidos a invernaderos que afectan a las poblaciones de Linaria nigricans.

Figura 10. Modelo “Riesgo Potencial”. Indica las áreas previsibles de conflicto espacial
entre invernaderos y Linaria nigricans.

3.5 Selección de áreas para la instalación de invernaderos

El modelo “Invernaderos Potencial” junto con el modelo “Linaria Actual” y capas
con información sobre la RENPA permiten realizar un análisis multicriterio (Figura 10)
encaminado a determinar las áreas idóneas para la instalación de nuevos invernaderos,
observando criterios conservacionistas que adicionalmente tengan en cuenta los
requerimientos de las instalaciones agrícolas. Es importante indicar que este modelo no
tiene en cuenta otras especies vegetales, por lo que su correcta aplicación depende de
estudios precisos sobre biodiversidad en las áreas indicadas como adecuadas.

Figura 11. Mapa de idoneidad del territorio para la instalación de nuevos invernaderos.
Cumple criterios compatibles con la conservación de espacios naturales y especies
protegidas manteniendo los requerimientos exigidos por los invernaderos.
Elaboración propia.

44
 MODELOS PREDICTIVOS APLICADOS A LA CONSERVACIÓN DE FLORA AMENAZADA: INVERNADEROS VS. LINARIA
NIGRICANS EN EL SURESTE ÁRIDO IBÉRICO

4. CONCLUSIONES
Los modelos predictivos son herramientas útiles en aplicaciones destinadas a la
conservación de especies vegetales raras ó amenazadas propias de zonas áridas (Elith y
Burgman 2002). Pueden aplicarse a la gestión territorial (Felicísimo 2003) desde
múltiples perspectivas porque introducen criterios objetivos y cuantitativos de carácter
espacial en la toma de decisiones.
Las técnicas de selección y evaluación de modelos empleadas permiten obtener la
distribución de la entidad modelada con un alto grado de certidumbre. Los modelos
obtenidos pueden mejorarse incluyendo las variables cualitativas como filtros booleanos
de presencia-ausencia. Esta técnica de filtrado permite incorporar información cualitativa
a los modelos resultantes de algoritmos que no pueden utilizar este tipo de variables.
Generar conjuntos de muestras aleatorias aplicados a la evaluación de modelos
mediante la curva ROC permite testar la capacidad discriminatoria de modelos de solo-
presencia y establecer diferencias entre los resultados de distintos algoritmos. En la
evaluación de nuestros modelos, los algoritmos MaxEnt y Domain se mostraron
superiores en cuanto a capacidad de discriminación.
El análisis los modelos indica que el uso del suelo es una variable de gran
importancia para establecer las causas que restringen la distribución de Linaria
nigricans. Es importante disponer de cartografía precisa de usos del suelo para trabajos
de alta resolución relacionados con la conservación de especies amenazadas.
La propagación de invernaderos hacia el interior de la provincia de Almería está
poniendo en peligro poblaciones de Linaria nigricans, afectando a proporciones
significativas del hábitat potencial de este organismo. Teniendo en cuenta que la mayor
parte del hábitat potencial de Linaria nigricans no está incluido en la RENPA, no es
posible garantizar su conservación si no se incluye en alguna figura de protección de
espacios naturales.
La selección y combinación de modelos predictivos permite generar mapas de
riesgos que facilitan la identificación de amenazas y son directamente aplicables a la
conservación de especies de interés. Los modelos de riesgo generados para este estudio
indican altas probabilidades de desparición para las poblaciones de Linaria nigricans
establecidas en los Campos de Níjar.

5. BIBLIOGRAFÍA
Anderson, R. P., Lew, D., Peterson, A. T. (1999): “Evaluating predictive models of
species distributions: criteria for selecting optimal models”, Ecological
Modelling,, 162, pp. 211-232.
Carpenter G., Gillson, A. N. y Winter, J. (1993): “DOMAIN: a flexible modelling
procedure for mapping potential distributions of plants and animals”, Biodiversity
and Conservation, 2, pp. 667-680.
Cabezudo, B. et al. (2005): Lista Roja de la Flora Vascular de Andalucía. Sevilla,
Consejería de Medio Ambiente de la Junta de Andalucía.
Elith, J. et al. (2006): “Novel methods improve prediction of species' distributions from
occurrence data”, Ecography, 29, pp. 129-151.

45
 EL ACCESO A LA INFORMACIÓN ESPACIAL Y LAS NUEVAS TECNOLOGÍAS GEOGRÁFICAS PÁG. 33-47

Elith, J., Burgman, M. A. (2004): “Habitat models for PVA”, en Brigham C.A.,
Schwartz M.W. (Ed.): Population Viability in Plants. Conservation, Management
and Modelling of Rare Plants. New York, Springer-Verlag, pp.203-235.
Elith, J. y Burgman, M. A. (2002): “Predictions and their validation: rare plants in the
Central Highlands, Victoria, Australia”, en Scott, M. S. et al. (Ed.): Predicting
species occurrences: issues of accuracy and scale. Island Press, pp.303-319.
Eastman, J. R. (2003): Idrisi Kilimanjaro. Guía para SIG y Procesamiento de Imágenes.
Worcester, Clark University.
Farber, O., Kadmon, R. (2003): “Assessment of alternative approaches for bioclimatic
modeling with special emphasis on the Mahalanobis distance”, Ecological
Modelling,, 160, pp. 115-130.
Felicísimo, A.M. (2003): “Uso y utilidad de los modelos espaciales predictivos en la
ordenación territorial de zonas forestales”, IV Congreso Internacional de
Ordenación del Territorio.
Fielding, A. H., Bell, J. F. (1997): “A review of methods for the assessment of
prediction errors in conservation presence/ absence models”, Environmental
Conservation, 24, pp. 38 49.
Hanley, J. A., McNeil, B. J. (1982): “The meaning and use of the area under a receiver
operating characteristic (ROC) curve”, Radiology, 143, pp. 29-36.
Hirzel, A. H. et al. (2002): “Ecological-niche factor analysis: How to compute habitat-
suitability maps without absence data?”, Ecology, 83, pp. 2027-2036.
Hirzel, A. H., Guisan, A. (2002): “Which is the optimal sampling strategy for habitat
suitability modelling”, Ecological Modelling, 157, pp. 331-341.
Hirzel, A. H., Hausser, J., y Perrin, N. (2000). Biomapper 2.0. Laboratory for
Conservation Biology, University of Lausanne.
Hirzel, A.H., Hausser., Chesser, D., Perrin, N. (1999): “Ecological-Niche factor
analysis: How to compute habitat-suitability maps without absence data? ”,
Ecology, 83, 7, pp. 2027-2036.
Muñoz, J. and Felicísimo, A.M. (2004): “Comparison of statistical methods commonly
used in predictive modelling”, Journal of Vegetation Science, 15, pp. 285-292.
Ninyerola, M., Pons, X. and Roure, J. M. (2000): “A methodological approach of
climatological modelling of air temperature and precipitation through GIS
techniques”, International Journal of. Climatology 20, pp. 1823-1841.
Osborne, P. E., Suárez-Seoane, S. (2002): “Should data be partitioned before building
large scale distribution models?”, Ecological Modelling, 157, pp. 249-259.
Phillips, S.J., Dudik, M., Schapire, R.E. (2004): “A maximum entropy approach to
species distribution modeling.”, Proceedings of the Twenty-first Century
International Conference on Machine Learning.
Segurado, P., Araujo, M.B. (1999): “An evaluation of methods for modelling species
distributions”, Journal of Biogegraphy, 31, pp. 1555-1568.
Stockwell, D. (1999): “Genetic algorithms II”, en Fielding, A. H. (Ed.): Machine
learning methods for ecological applications. Boston, Kluwer Academic
Publishers, pp.123-144.

46
 MODELOS PREDICTIVOS APLICADOS A LA CONSERVACIÓN DE FLORA AMENAZADA: INVERNADEROS VS. LINARIA
NIGRICANS EN EL SURESTE ÁRIDO IBÉRICO

Stockwell, D., Peters, D. (1999): “The GARP modelling system: Problems and
solutions to automated spatial prediction”, International Journal of Geographic
Information Systems, 13, pp. 143-158.
Thuiller, W. (2003): “BIOMOD - optimizing predictions of species distributions and
projecting potential future shifts under global change”, Global Change Biology, 9,
pp. 1353-1362.

47