Modelización geoespacial y ambiental de fauna entomológica mediante técnicas de machine learning

• Autores: Jose Luis Aguilar Colmenero
• Directores de la Tesis: Javier Portela García-Miguel (dir. tes.)
• Lectura: En la Universidad Complutense de Madrid ( España ) en 2025
• Idioma: español
• Tribunal Calificador de la Tesis: Lorenzo Escot Mangas (presid.) , Rosario Espínola Vílchez (secret.) , Pedro Villar Castro (voc.) , Gema Fernández-Avilés Calderón (voc.) , Julio Emilio Sandubete Galan (voc.)
• Programa de doctorado: Programa de Doctorado en Análisis de Datos (Data Science) por la Universidad Complutense de Madrid
• Calificación: Sobresaliente Cum Laude
• Enlaces
  • Tesis en acceso abierto en: Docta Complutense
• Resumen
  • español

    A día de hoy, el problema de la pérdida de biodiversidad es más que la mera pérdida de unas cuantas especies, es un problema de sostenibilidad ambiental. Las especies se están quedando sin su hábitat o se le está transformando tanto que no son capaces de adaptarse. El desarrollo humano está dejando de lado la preservación del medio ambiente acelerando el desgaste de los recursos naturales y el empobrecimiento de ecosistemas que cada vez tienen más difícil mantenerse en el tiempo. Es cierto, que desde las administraciones se está haciendo eco de este problema y han puesto en marcha a escala regional y europea, medidas para combatir el cambio climático y acelerar e intensificar las acciones e inversiones necesarias para un futuro sostenible con bajas emisiones de carbono. Para este tipo de acciones, es necesario contar con las herramientas apropiadas a nivel de las especies contenidas en un ecosistema con las que realizar análisis biogeográficos para poder delimitar y cuantificar la biología del área en estudio. Medir la cantidad de especies de un área y determinar la presencia de especies únicas, así como conocer su posible distribución espacial, puede ser una solución para establecer límites para su conservación, para ello es imprescindible tener un muestreo que aúne un nivel de esfuerzo adecuado y una fiabilidad de la muestra.

    Bajo este contexto, la tesis presenta una metodología que permite identificar áreas bien muestreadas de las que son necesarias de prospectar. Todo esto bajo el enfoque de la necesidad de agrupar el territorio según factores ambientales, a esto se le conoce como regionalización.

    Tener un territorio dividido en regiones ambientales es de gran utilidad permitiendo identificar áreas con características ecológicas, climáticas, y geográficas similares, facilitando análisis más precisos y orientados. Por otro lado, se propone la adaptación de uno de los índices de diversidad de especies más utilizados como el de Shannon-Weaver (Shannon, 1949) con la incorporación del efecto de la variabilidad local de las variables ambientales utilizadas en la regionalización, además se presenta la fiabilidad de un buen muestreo como la combinación de diferentes indicadores los cuales cada uno refleja o cuantifica la idea de especie común o novedosa. De esta forma, mediante la aplicación de esta metodología se consigue identificar más fielmente la diversidad de especies muestreadas, las cuales están condicionadas por los factores ambientales de su hábitat. De la misma forma, también se establece un consenso de indicadores para discernir qué zona se considera con un inventario de especies fiable.

    Tan importante como conocer la diversidad de una zona es ser capaces de predecir la distribución potencial de una especie. Tener este tipo de información, ayuda a maximizar los esfuerzos de muestreo y conservación en áreas que son de interés para las especies y por tanto minimizar esfuerzos innecesarios. La problemática que tiene este tipo de análisis es que generalmente, las bases de datos de los muestreos solo cuentan con información de presencia y no de ausencia, por esto motivo y como se viene haciendo desde hace tiempo, las ausencias se generan de forma aleatoria, lo que se conoce como pseudo-ausencia. En este contexto, la tesis presenta la comparación de varias técnicas de inteligencia artificial (aprendizaje supervisado) centrándose en la importancia de tener unas pseudo-ausencias lo más fiables posibles. De esta forma, se puede clasificar el territorio en el cuál una especie es potencial de presencia. Como puesta en práctica, se estudia la distribución potencial de una especie con una amplia representación en el área de estudio como es Onthophagus vacca, centrando el análisis en la generación de pseudo-ausencias.

  • English

    Today, the issue of biodiversity loss extends beyond the disappearance of a few species; it has become a critical problem of environmental sustainability. Many species are losing their habitats or experiencing such extensive transformations that they cannot adapt. Human development often neglects environmental preservation, accelerating the depletion of natural resources and impoverishing ecosystems, which struggle to sustain themselves over time. While administrations at regional and European levels are acknowledging the problem by implementing measures to combat climate change and promote sustainable, low-carbon futures, these actions require adequate tools for biogeographical analyses at the species level. Such tools are essential for delineating and quantifying the biology of the studied area. Measuring the number of species in an area, identifying rare species, and determining their possible spatial distributions can inform conservation boundaries. Achieving this requires sampling that combines sufficient effort with reliable data.

    In this context, the thesis introduces a methodology for distinguishing well-sampled areas from those requiring further surveys. This is framed within the broader concept of territorial regionalization, where the environment is divided into regions with similar ecological, climatic, and geographic characteristics. Regionalization is a valuable approach that enables more targeted and precise analyses. The proposed methodology builds on an adaptation of the widely used Shannon-Weaver diversity index. Sampling reliability is conceptualized as a combination of various indicators, each reflecting or quantifying the prevalence of common or novel species.

    Applying this methodology allows for a more accurate assessment of species diversity, which is influenced by the environmental factors of their habitats. Furthermore, a consensus of indicators is proposed to determine which regions have reliable species inventories. Equally important as understanding an area’s diversity is predicting the potential distribution of a species. Such predictions help maximize sampling and conservation efforts in priority areas while minimizing unnecessary efforts. A common challenge in these analyses is the lack of absence data in sampling databases. To address this, pseudo-absences are often generated randomly. The thesis evaluates several artificial intelligence techniques (supervised learning) with a focus on generating reliable pseudo-absences, enabling accurate classification of areas where a species is potentially present.

    As a practical application, the potential distribution of Onthophagus vacca, a species widely represented in the study area, is analyzed with an emphasis on pseudo-absence generation.