IMPACTO DEL CAMBIO CLIMÁTICO EN BOSQUES TEMPLADOS DEL SUR DE MÉXICO
Efecto climático en bosques
DOI:
https://doi.org/10.60158/vymmne61Palabras clave:
conservación de especies, escenario climático, modelo de distribución, Oaxaca, Pinus, QuercusResumen
Los modelos de distribución ayudan a entender los efectos que este fenómeno puede causar en un futuro. El objetivo de la investigación fue generar un modelo de distribución espacial de 11 especies forestales de bosques templados del sur de México; bajo la hipótesis de que ante los escenarios de cambio climático las especies analizadas experimentarán modificaciones en su área de distribución potencial. Se utilizaron 1,383 registros, con 19 variables bioclimáticas bajo las proyecciones de SSP126 y SSP585 al 2040 y 2100 proveniente del modelo CNRM-CM6-1, analizadas mediante tres algoritmos: Random Forest (RF), Modelos Aditivos Generalizados (MAG) y Modelos Lineales Generalizados (MLG). Estos se evaluaron mediante las métricas ROC, TSS y Kappa. El modelo Random Forest fue el que tuvo el mejor desempeño con valores superiores al 98 % para las 11 especies en estudio. Los resultados muestran que entre los escenarios habrá pocos cambios al año 2040, ya que en el escenario pesimista (SSP585) las especies mostrarán una reducción en su distribución de 1.3±0.9 %, que en el escenario optimista (SSP-126). Sin embargo, para el año 2100, se estiman reducciones más significativas, ya que, en el escenario optimista, las especies podrían reducir su área de distribución en un promedio de 44.0 ± 9.4 %, mientras que en el pesimista se reduciría un 88.1 ± 6.1 %. Se prevé que para el año 2100 en el escenario SSP585 todas las especies se verán afectadas gravemente, en especial Pinus devoniana, lo cual hace imperativo establecer estrategias de conservación lo antes posible.
Descargas
Referencias
Aceves-Rangel, L. D., Méndez-González, J., García-Aranda M. A. y Nájera-Luna, J. A. (2018). Distribución potencial de 20 especies de pinos en México. Agrociencia, 52, 1043-1057. http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1405-31952018000701043&lng=es&tlng=en
Álvarez, L. R. (1994). Geografía general del estado de Oaxaca. 2a. ed., Oaxaca: Carteles Editores, pp. 14-26. ISBN: 9709128604, 9789709128604.
Allan, R. P., Arias, P. A., Berger, S., Canadell, J. G., Cassou, C., Chen, D., … Zickfeld, K. (2021). Climate change 2021. The physical science basis. Summary for policymakers. In V. Masson-Delmotte, P. Zhai, A. Pirani, S. L. Connors, C. Péan, S. Berger, … B. Zhou (Eds.), Climate change 2021. The physical science basis. Working group I contribution to the sixth assessment report of the intergovernmental panel on climate change (pp. 1-31).
https://www.dora.lib4ri.ch/wsl/islandora/object/wsl:28398
Allouche O., Tsoar, A. & Kadmon R. (2006). Assessing the accuracy of species distribution models: prevalence, kappa and the true skill statistic (TSS). Journal of applied ecology, 43, 1223-1232. https://doi.org/10.1111/j.1365-2664.2006.01214.x DOI: https://doi.org/10.1111/j.1365-2664.2006.01214.x
Cassini, M.H. (2011). Ranking threats using species distribution models in the IUCN Red List assessment process. Biodiversity and Conservation, 20, 3689-3692. https://doi.org/10.1007/s10531-011-0126-9 DOI: https://doi.org/10.1007/s10531-011-0126-9
Corona-Núñez, R. O., Mendoza-Ponce, A. & López-Martínez, R. (2017). Model selection changes the spatial heterogeneity and total potential carbon in a tropical dry forest. Forest Ecology and Management, 405, 69-80. https://doi.org/10.1016/j.foreco.2017.09.018 DOI: https://doi.org/10.1016/j.foreco.2017.09.018
Corona-Núñez, R.O., Li, F. & Campo, J. E. (2020). Fires Represent an Important Source of Carbon Emissions in Mexico. Global Biogeochemical Cycles, 34, e2020GB006815. DOI: https://doi.org/10.1029/2020GB006815
Comisión Estatal Forestal (CEF). (2024). Superficie Forestal Estatal. https://www.oaxaca.gob.mx/coesfo/superficie-forestal-estatal/
Comisión Nacional Forestal (CONAFOR). (2023). Inventario Nacional Forestal y de Suelos. https://snmf.cnf.gob.mx/datos-del-inventario/
Cruz-Cárdenas, G., López-Mata, L., Silva, J. T., Bernal-Santana, N., Estrada-Godoy F. y López-Sandoval, J. A. (2016). Modelado de la distribución potencial de especies de Pinaceae bajo escenarios de cambio climático en Michoacán. Revista Chapingo Serie Ciencias Forestales y del Ambiente, 22, 135–148. https://doi.org/10.5154/r.rchscfa.2015.06.027 DOI: https://doi.org/10.5154/r.rchscfa.2015.06.027
Dawson, T. P., Jackson, S. T., House, J. L., Prentice, I. C. & Mace, G. M. (2011). Beyond predictions: biodiversity conservation in a changing climate. Science 332, 53-58. http://dx.doi.org/10.1126/science.120030 DOI: https://doi.org/10.1126/science.1200303
Fick, S. E & Hijmans, R. J. (2017). WorldClim 2: new 1-km spatial resolution climate surfaces for global land areas. International Journal of Climatology, 37, 4302-4315. https://doi.org/10.1002/joc.5086 DOI: https://doi.org/10.1002/joc.5086
Freeman, B.G., Lee‐Yaw, J. A., Sunday J. M. & Hargreaves, A. L. (2018). Expanding, shifting and shrinking: The impact of global warming on species’ elevational distributions. Global Ecology and Biogeography, 27, 1268-1276. https://doi.org/10.1111/geb.12774 DOI: https://doi.org/10.1111/geb.12774
García, C. G., García, C. B., Gómez, R. S. y Pérez, J. A. (2019). Regresión con variables ortogonales y regresión alzada en el modelo STIRPAT. Estudios de Economía Aplicada, 35(3), 717-734. DOI: https://doi.org/10.25115/eea.v35i3.2504
Global Biodiversity Information Facility (GBIF). (2023). Bases de datos geográficos disponibles para las 11 especies en estudio. https://www.gbif.org/what-is-gbif
Gómez-Guerrero, A., Correa-Díaz, A. y Castruita-Esparza, L. U. (2021). Cambio climático y dinámica de los ecosistemas forestales. Revista Fitotecnia Mexicana, 44, 673-673. https://doi.org/10.35196/rfm.2021.4.673 DOI: https://doi.org/10.35196/rfm.2021.4.673
Gómez-Ruiz, P. A. y Lindig-Cisneros, R. (2017). La restauración ecológica clásica y los retos de la actualidad: La migración asistida como estrategia de adaptación al cambio climático. Revista de Ciencias Ambientales, 51, 31-51. http://dx.doi.org/10.15359/rca.51-2.2 DOI: https://doi.org/10.15359/rca.51-2.2
Guisan, A., & Zimmermann, N. E. (2000). Predictive habitat distribution models in ecology. Ecological Modelling, 135, 147-186. https://doi.org/10.1016/S0304-3800(00)00354-9 DOI: https://doi.org/10.1016/S0304-3800(00)00354-9
Guzmán-Santiago, J. C., De los Santos-Posadas, H. M., Ángeles-Pérez, G., Vargas-Larreta, B., Gómez-Cárdenas, M., Rodríguez-Ortiz, G. y Corona-Núñez, R. O. (2023). Efecto del cambio climático en la distribución de las especies de clima templado en Oaxaca, México. Botanical Sciences, 102(1), 39-53. https://doi.org/10.17129/botsci.3355 DOI: https://doi.org/10.17129/botsci.3355
Instituto Nacional de Estadística y Geografía Información geográfica (INEGI). (2023). División por entidad federativa con base en el marco geoestadístico. www.inegi.gob.mx/geo/informaciongeografica/oaxaca.
Jiménez-García, D. & Peterson, A. T. (2019). Climate change impact on endangered cloud forest tree species in Mexico. Revista Mexicana de Biodiversidad, 90, e902781. https://doi.org/10.22201/ib.20078706e.2019.90.2781 DOI: https://doi.org/10.22201/ib.20078706e.2019.90.2781
Jiménez-Salazar, M. Á. y Méndez-González, J. (2021). Actual and potential distribution of Pinus engelmannii Carriére under climate change scenarios. Madera y bosques, 27, e2732117. https://doi.org/10.21829/myb.2021.2732117 DOI: https://doi.org/10.21829/myb.2021.2732117
Lenoir, J., Gégout, J. C., Marquet, P. A., De Ruffray, P., & Brisse, H. (2008). A significant upward shift in plant species optimum elevation during the 20th century. Science, 320, 1768-1771. https://doi.org/10.1126/science.115683 DOI: https://doi.org/10.1126/science.1156831
Mendoza-Ponce, A.V., Corona-Núñez, R. O., Galicia, L., & García-Guerrero, V. M. (2019a). Population and economic projections under different scenarios for Mexico. Papeles de población, 25, 9-43.
Mendoza-Ponce, A., Corona-Núñez, R. O., Galicia, L. & Kraxner, F. (2019b). Identifying hotspots of land use cover change under socioeconomic and climate change scenarios in Mexico. Ambio, 48, 336-349. https://doi.org/10.1007/s13280-018-1085-0 DOI: https://doi.org/10.1007/s13280-018-1085-0
Mendoza-Ponce, A. V., Corona-Núñez, R. O., Kraxner, F. & Estrada, F. (2020). Spatial prioritization for biodiversity conservation in a megadiverse country. Anthropocene, 32, 100267. https://doi.org/10.1016/j.ancene.2020.100267 DOI: https://doi.org/10.1016/j.ancene.2020.100267
Mirhashemi, H., Heydari, M., Karami, O., Ahmadi, K. & Mosavi, A. (2023). Modeling Climate Change Effects on the Distribution of Oak Forests with Machine Learning. Forests, 14, 469. https:// doi.org/10.3390/f14030469 DOI: https://doi.org/10.3390/f14030469
Monterroso-Rivas A., Gómez-Díaz, J. y Tinoco-Rueda, J. (2013). Bosque mesófilo de montaña y escenarios de cambio climático: una evaluación en Hidalgo, México. Revista Chapingo Serie Ciencias Forestales y del Ambiente, 19, 29–43. DOI: https://doi.org/10.5154/r.rchscfa.2012.03.029
Nieves, V. A. (2020). Modelado de distribución de especies en los bosques de los andes meridionales. Papeles de Geografía, 66, 195-207. https://doi.org/10.6018/geografia.409051 DOI: https://doi.org/10.6018/geografia.409051
O'Neill, B. C., Tebaldi, C., Van-Vuuren, D. P., Eyring, V., Friedlingstein, P., Hurtt, G., Knutti, R., Kriegler, E., Lamarque, J. F., Lowe, J., Meehl, G. A., Moss, R., Riahi, K. & Sanderson, B. M. (2016). The scenario model intercomparison project (ScenarioMIP) for CMIP6. Geoscientific Model Development, 9, 3461-3482. https:/doi.org/10.5194/gmd-9-3461-2016 DOI: https://doi.org/10.5194/gmd-9-3461-2016
Pérez-Miranda, R., Romero-Sánchez, M. E., González-Hernández, A., Rosales-Mata, S., Moreno-Sánchez, F. y Arriola-Padilla, V. J. (2019). Modelado de la distribución actual y bajo cambio climático de pinos piñoneros endémicos de México. Revista Mexicana de Ciencias Forestales, 10, 218-237. https://doi.org/10.29298/rmcf.v10i56.613 DOI: https://doi.org/10.29298/rmcf.v10i56.613
Pearson, R. G. & Dawson, T. P. (2003). Predicting the impacts of climate change on the distribution of species: are bioclimate envelope models useful?. Global ecology and biogeography, 12, 361-371. https://doi.org/10.1046/j.1466-822X.2003.00042.x DOI: https://doi.org/10.1046/j.1466-822X.2003.00042.x
Phillips, S. J., Dudík, M. & Schapire. R. E. (2004). A maximum entropy approach to species distribution modeling. Proceedings of the Twenty- First International Conference on Machine Learning - ICML ’04, 83. https://doi.org/10.1145/1015330.1015412 DOI: https://doi.org/10.1145/1015330.1015412
Picazo-Olmedo, E. J., Leyva-López, J. C., Zamora-Moreno, P. y Martínez-de la Cruz, J. (2015). Zonificación ecológica de Pinus oaxacana mirov y aplicación de modelos de simulación del efecto del cambio climático. Revista Mexicana de Agroecosistemas, 2, 29-39. http://dx.doi.org/10.13140/RG.2.1.2603.5920
Rivera, E. R. y Amador, J. A. (2008). Predicción estacional del clima en Centroamérica mediante la reducción de escala dinámica. Parte I: Evaluación de los modelos de circulación general CCM3. 6 y ECHAM4. 5. Revista de Matemática: Teoría y Aplicaciones, 15(2), 131-173. https://www.redalyc.org/articulo.oa?id=45326936003 DOI: https://doi.org/10.15517/rmta.v15i2.39382
R Core Team (2024) R: a language and environment for statistical computing. R Foundation for Statistical Computing. Viena, Austria. Versión 4.2.2. htpp://www.r-project.org.
Riahi, K., Van-Vuuren, D. P., Kriegler, E., Edmonds, J., O’neill, B. C. & Fujimori, S. M. (2017). The Shared Socioeconomic Pathways and their energy, land use, and greenhouse gas emissions implications: An overview. Global Environmental Change, 42, 153-168. https://doi.org/10.1016/j.gloenvcha.2016.05.009 DOI: https://doi.org/10.1016/j.gloenvcha.2016.10.009
Romero, C., Lindig-Cisneros, R. A., Joyce, D. G., Beaulieu, J., Bradley, J. C. & Jaquish, B. C. (2016). Assisted migration of forest populations for adapting trees to climate change. Revista Chapingo Serie Ciencias Forestales y del Ambiente, 22, 303-323. https://doi.org/10.5154/r.rchscfa.2014.10.052 DOI: https://doi.org/10.5154/r.rchscfa.2014.10.052
Sáenz-Romero, C., Rehfeldt, G. E., Crookston, G. E., Pierre, N. L., St-Amant, D., Beaulieu, J. & Richardsan, B. A. (2010). Contemporary and projected spline climate surfaces for Mexico and their use in understanding climate-plant relationships. Climatic Change 102, 595–623. https://doi.org/10.1007/s10584-009-9753-5 DOI: https://doi.org/10.1007/s10584-009-9753-5
Safaei, M., Rezayan, H., Firouzabadi, P. Z. & Sadidi, J. (2021). Optimization of species distribution models using a genetic algorithm for simulating climate change effects on Zagros forests in Iran. Ecological Informatics, 63, 101288. DOI: https://doi.org/10.1016/j.ecoinf.2021.101288
Sayre, R., Martin, M., Karagulle, D., Frye, C., Breyer, S., Wright, D., Butler K., VanGraafeiland, K., Boucher, T., McGowan, J., Touval, J., Wolff, N. H., Sotomayor, L., Game, E. T. & Possingham, H. (2020). World Terrestrial Ecosystems. Encyclopedia of the World’s Biomes, 1, 31-34. https://doi.org/10.1016/b978-0-12-409548-9.12474-1 DOI: https://doi.org/10.1016/B978-0-12-409548-9.12474-1
Stockwell, D. (1999). The GARP modelling system: problems and solutions to automated spatial prediction. International Journal of Geographical Information Science, 13, 143-158. https://doi.org/10.1080/136588199241391 DOI: https://doi.org/10.1080/136588199241391
Trejo, I., Martínez-Meyer, E., Calixto-Pérez, E., Sánchez-Colón, S., Vázquez De La Torre, R. & Villers-Ruiz, L. (2011). Analysis of the effects of climate change on plant communities and mammals in México. Atmósfera, 24, 1-14. http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0187-62362011000100002&lng=es&nrm=iso. ISSN 0187-6236
International Union for Conservation of Nature [IUCN]. (2023). The IUCN Red List of Threatened Species. https://www.iucnredlist.org/
Villanueva-Díaz, J., Rubio Camacho, E. A., Chávez Durán, A. A., Zavala Aguirre, J. L., Cerano Paredes, J. y Martínez Sifuentes, A. R. (2017). Respuesta climática de Pinus oocarpa Schiede Ex Schetl en el Bosque La Primavera, Jalisco. Madera y Bosques, 24(1), e2411464. https://dx.doi.org/10.21829/myb.2018.2411464 DOI: https://doi.org/10.21829/myb.2018.2411464
Wardle, D. A. & Jonsson, M. (2014). Long‐term resilience of above‐and belowground ecosystem components among contrasting ecosystems. Ecology, 95, 1836-1849. https://doi.org/https://doi.org/10.1890/13-1666.1 DOI: https://doi.org/10.1890/13-1666.1
Wisz, M. S., Hijmans, R. J., Li, J., Peterson, A. T., Graham, C. H., Guisan, A. & NCEAS Predicting Species Distributions Working Group. (2008). Effects of sample size on the performance of species distribution models. Diversity and Distributions, 14, 763-773. https://doi.org/10.1111/j.1472-4642.2008.00482.x DOI: https://doi.org/10.1111/j.1472-4642.2008.00482.x
Zhang, Q., Shen, X., Jiang, X., Fan, T., Liang, X. & Yan, W. (2023). MaxEnt Modeling for Predicting Suitable Habitat for Endangered Tree Keteleeria davidiana (Pinaceae) in China. Forests 14, 394. https://doi.org/10.3390/f14020394 DOI: https://doi.org/10.3390/f14020394
Archivos adicionales
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Revista Mexicana de Agroecosistemas
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Usted es libre de:
- Compartir — copiar y redistribuir el material en cualquier medio o formato
- Adaptar — remezclar, transformar y construir a partir del material
- La licenciante no puede revocar estas libertades en tanto usted siga los términos de la licencia
Bajo los siguientes términos:
- Atribución — Usted debe dar crédito de manera adecuada , brindar un enlace a la licencia, e indicar si se han realizado cambios . Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que usted o su uso tienen el apoyo de la licenciante.
- NoComercial — Usted no puede hacer uso del material con propósitos comerciales .
- No hay restricciones adicionales — No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otras a hacer cualquier uso permitido por la licencia.
Avisos:
No tiene que cumplir con la licencia para elementos del materiale en el dominio público o cuando su uso esté permitido por una excepción o limitación aplicable.
No se dan garantías. La licencia podría no darle todos los permisos que necesita para el uso que tenga previsto. Por ejemplo, otros derechos como publicidad, privacidad, o derechos morales pueden limitar la forma en que utilice el material.
Cómo citar
