ensayada en el contexto de los MDE por Marmion et al. (2009) y Roura-Pascual et al. (2009). Según Araújo et al. (2005b), el ensamblado de modelos tiene mucho que ofrecer para mejorar las proyecciones de cambio de distribución ante escenarios de cambio climático, porque el análisis de la tendencia central de las proyecciones reduce la dispersión de los resultados, y mejora el acuerdo entre los desplazamientos observados y modelados. 2.4.10 Interpretación del resultado de un MDE La naturaleza del resultado final de un MDE depende de la calidad de los datos de presencia de la especie, de su estabilidad de nicho y equilibrio con el clima, su capacidad dispersiva y capacidad competitiva, del tipo de variables predictoras seleccionadas y su resolución, del tipo de algoritmo con el que se genera el modelo, de la proyección (si es actual o futura, en el mismo o distinto espacio geográfico), y de la interpretación del investigador. Franklin (1995) y Guisan y Zimmermann (2000) recogen algunas de las acepciones utilizadas en la literatura para referirse a los resultados de un MDE: • mapa predictivo de vegetación • mapa predictivo de tipo de cobertura (en modelos de predicción de la composición vegetal) • simulación de ocurrencia de un tipo de vegetación • superficie probabilística de dominancia de una especie en el espacio geográfico • predicción espacial de la distribución potencial de la especie • mapa probabilístico de la vegetación potencial natural • entidad más probable (en modelos de predicción de la composición vegetal) • pronóstico de ocurrencia
57
En distintos capítulos de esta tesis aplico tanto la selección de modelos como el ensamblado de resultados de distintos algoritmos.