Paratrechina longicornis (hormiga loca de antenas largas). Distribución potencial (Córdoba-Aguilar y Rocha-Ortega, 2022)

Metadato completo [-]

Información de identificación
1. Referencia
  
  Información de referencia:
  
  Autor:
  
  Córdoba-Aguilar, A., M. Rocha-Ortega, (2022). 'Paratrechina longicornis (hormiga loca de antenas largas). Distribución potencial', escala: 1:5000000. edición: 1. Instituto de Ecología, Universidad Nacional Autónoma de México. Proyecto: RE003, Modelado de la distribución potencial de las hormigas de México. El Proyecto fue financiado por la Comisión Nacional para el Conocimiento y Uso de la Biodiversidad (CONABIO).. Ciudad de México, México.
  
  Fecha de publicación:
  
  22-11-2022
  
  Nombre del producto:
  
  Paratrechina longicornis (hormiga loca de antenas largas). Distribución potencial (Córdoba-Aguilar y Rocha-Ortega, 2022)
  
  Formato de representación geográfica:
  
  GEOTIFF. Formato raster Resolución(55555.55,55555.55) metros
  
  Información complementaria:
  
  Escala: 1:5000000
  
  Acceso en línea:
  
  http://geoportal.conabio.gob.mx/metadatos/doc/html/plor003dpgw.html
2. Descripción
  
  Resumen:
  
  El modelo de distribución potencial de Paratrechina longicornis se elaboró como parte del proyecto RE003 Modelado de la distribución potencial de las hormigas de México. El modelo se generó con el programa MaxEnt (Phillips et al., 2006), a partir de los registros de distribución de la especie obtenidos de Dáttilo et al., 2019 para México y de AntWeb para el resto de América (www.antweb.org); las 15 variables climáticas de WorldClim (Fick y Hijmans, 2017), la variable de elevación (Jarvis et al., 2008), la variable de producción primaria bruta (Li y Xiao, 2019) y las variables de gravimetría del suelo y pH del suelo (Wieder et al., 2014). Para definir la región a modelar se usó las ecorregiones del mundo (Olson et al., 2004). Como resultado, se obtuvo un modelo en formato IMG, el cual, mediante ArcGIS Desktop 10.6 se transformó a formato GeoTIFF con un sistema de coordenadas geográficas.
  
  Propósito:
  
  Generar el modelo de distribución potencial de Paratrechina longicornis
  
  Información suplementaria:
  
  Referencias en la web: http://www.conabio.gob.mx/institucion/cgi-bin/datos2.cgi?Letras=RE&Numero=3
3. Periodo de validez de los datos
  
  Fecha y hora:
  
  No aplica
  
  Vigencia:
  
  junio 2021 - noviembre 2022
4. Estado de la información
  
  Progreso:
  
  Terminado
  
  Mantenimiento:
  
  No planeado
5. Dominio espacial
  
  Descripción de la extensión geográfica:
  
  Norteamérica, República Mexicana, Centroamérica, Sudamérica e Islas del Caribe
  
  Coordenadas extremas:
  
  (Oeste) -120.1, (Este) -38.5, (Norte) 46.2, (Sur) -39.5
6. Palabras clave
  
  Tema:
  
  2022, hormigas, modelo de distribución, nicho ecológico, Paratrechina longicornis, RE003
  
  Lugar:
  
  Aguascalientes, Argentina, Aruba, Baja California, Baja California Sur, Barbados, Belice, Bolivia, Brasil, Campeche, Canadá, Ciudad de México, Coahuila de Zaragoza, Colima, Colombia, Costa Rica, Cuba, Curasao, Chiapas, Chihuahua, Chile, Durango, Ecuador, El Salvador, Estados Unidos de América, Francia (islas de), Granada, Guanajuato, Guatemala, Guerrero, Guyana, Haití, Hidalgo, Holanda, Honduras, Islas Caimán, Jalisco, Jamaica, México, Michoacán de Ocampo, Morelos, Nayarit, Nicaragua, Nuevo León, Oaxaca, Panamá, Paraguay, Perú, Puebla, Querétaro, Quintana Roo, República Dominicana, República Mexicana, San Luis Potosí, San Vicente y las Granadinas, Santa Lucía, Sinaloa, Sonora, Surinam, Tabasco, Tamaulipas, Tlaxcala, Tobago, Venezuela, Veracruz de Ignacio de la Llave, Yucatán, Zacatecas
7. Taxonomía
  Palabras clave:
  
  Tema: Insecta, Hymenoptera, Formicidae, Paratrechina, Paratrechina longicornis, hormiga loca de antenas largas
  
  Sistema taxonómico:
  
  Clasificación:
  
  Fuente:
  
  'Catálogo de autoridades taxonómicas de especies de flora y fauna con distribución en México'
  
  20220000. CONABIO (comp.), (2022), 'Catálogo de autoridades taxonómicas de especies de flora y fauna con distribución en México', Comisión Nacional para el Conocimiento y Uso de la Biodiversidad, Base de datos SNIB-CONABIO, México.
  
  Procedimiento taxonómico: No conocido
  
  Clasificación:
  
  Animalia: Arthropoda: Insecta: Hymenoptera: Formicidae: Paratrechina: Paratrechina longicornis (hormiga loca de antenas largas)
8. Herramienta de análisis
9. Condiciones de acceso
  Sin restricciones
10. Condiciones de uso
  Importante:
  
  Se debe citar la fuente del mapa y a CONABIO. Ver la licencia completa en https://creativecommons.org/licenses/by/4.0/
11. Contacto
12. Vista previa
  
  Nombre del recurso:
  
  http://geoportal.conabio.gob.mx/descargas/mapas/imagen/20/plor003dpgw
  
  Descripción:
  
  171 x 132 píxeles
  
  Formato:
  
  image/png
  
  Nombre del recurso:
  
  http://geoportal.conabio.gob.mx/descargas/mapas/imagen/96/plor003dpgw
  
  Descripción:
  
  1002 x 774 píxeles
  
  Formato:
  
  image/png
13. Créditos y reconocimientos
14. Restricciones de uso
15. Sistema nativo
  MaxEnt 3.3.3k, ArcGIS Desktop 10.6, Windows
16. Documentos relacionados
  
  Paratrechina longicornis (hormiga loca de antenas largas). Registros de presencia usados para elaborar el mapa de distribución potencial (Córdoba-Aguilar y Rocha-Ortega, 2022)
  
  Acceso directo al mapa en el Geoportal de CONABIO. Coordenadas geográficas WGS84. (EPSG:4326)
  
  Paratrechina longicornis (hormiga loca de antenas largas). Registros de presencia usados para elaborar el mapa de distribución potencial (Córdoba-Aguilar y Rocha-Ortega, 2022)
  
  Archivo de descarga compactado en ZIP. Contiene ESRI Shapefile (SHP) en Coordenadas geográficas WGS84. (EPSG:4326).
  
  Página de enciclovida para Paratrechina longicornis a nivel de especie
  
  Enlace por idcatalogo 32748HYMEN en http://enciclovida.mx/especies/
Calidad de la información
1. Precisión de los atributos no espaciales
2. Consistencia lógica
  Gabinete
3. Cobertura del tema
  Los registros de presencia de la especie Paratrechina longicornis, se obtuvo de Dáttilo et al. 2019 para México y de AntWeb (www.antweb.org) para el resto de América, ambas fuentes son revisadas por expertos taxónomos. Para delimitar el área a modelar, se definió una región de referencia M generando un polígono mínimo convexo alrededor de los puntos de entrenamiento, el cual, se usó para seleccionar las ecorregiones (Olson et al. 2004) que caen dentro de esta extensión. Para genera el modelo, se utilizaron 15 variables climáticas obtenidas de WorldClim (Fick y Hijmans, 2017) a una resolución espacial de aproximadamente 0.05°, no se consideraron las variables bio8, bio9, bio18 y bio19. Además, se incluyó la variable de elevación (Jarvis et al., 2008), producción primaria bruta (GPP) promedio entre 2001-2018 (Li y Xiao, 2019), gravimetría y pH del suelo (Wieder et al., 2014). Las variables de elevación, gravimetría y pH del suelo fueron re-escaladas a 0.05° para igualarlas con las variables climáticas. Las principales razones por las que se eligieron estas variables son: a) la cobertura es mundial; b) es un recurso libre y gratuito; c) tienen un sentido biológico, es decir, pueden utilizarse como factores limitantes a la hora de explicar las distribuciones de los organismos; d) son variables que tienen una influencia directa sobre la distribución de las hormigas (Rocha-Ortega and García-Martínez 2018). Para la modelación, calibración y validación, se usó el algoritmo MaxEnt dentro de la plataforma de acceso libre R, usando el paquete SDM (Naimi y Araújo, 2016). El rendimiento de los modelos se evaluó utilizando la estadística de True Skill Statistics (TSS).
4. Precisión de los atributos espaciales
5. Procesamiento
  Fuentes:
  
  Córdoba-Aguilar, A., M. Rocha-Ortega, (2023), 'Modelado de la distribución potencial de las hormigas de México', versión: 1, Instituto de Ecología, Universidad Nacional Autónoma de México, Ciudad de México, México. Bases de datos SNIB-CONABIO, Proyecto No. RE003, http://www.conabio.gob.mx/institucion/cgi-bin/datos2.cgi?Letras=RE&Numero=3
  
  Olson, D. M., E. Dinerstein, E. D. Wikramanayake, N. D. Burgess, G. V. N. Powell, E. C. Underwood, J. A. D'Amico, I. Itoua, H. E. Strand, J. C. Morrison, C. J. Loucks, T. F. Allnutt, T. H. Ricketts, Y. Kura, J. F. Lamoreux, W. W. Wettengel, P. Hedao, K. R. Kassem, (2004), 'Terrestrial Ecoregions of the World', versión: 2.0, World Wildlife Fund - US, Washington, DC, EE. UU.. Para más información, consultar: Olson, D. M., Dinerstein, E., Wikramanayake, E. D., Burgess, N. D., Powell, G. V. N., Underwood, E. C., D'Amico, J. A., Itoua, I., Strand, H. E., Morrison, J. C., Loucks, C. J., Allnutt, T. F., Ricketts, T. H., Kura, Y., Lamoreux, J. F., Wettengel, W. W., Hedao, P., Kassem, K. R. 2001. Terrestrial ecoregions of the world: a new map of life on Earth. Bioscience 51(11):933-938., https://www.worldwildlife.org/publications/terrestrial-ecoregions-of-the-world
  
  Fick, S. E, R. J. Hijmans, (2017), 'WorldClim 2: new 1km spatial resolution climate surfaces for global land areas', versión: 2.1, International Journal of Climatology, Volumen 37 (12): 4302-4315. https://doi.org/10.1002/joc.5086, https://www.worldclim.org/data/worldclim21.html
  
  Jarvis, A., H. I. Reuter, A. Nelson, E. Guevara, (2008), 'Hole-filled SRTM for the globe', versión: 4, available from the CGIAR-CSI SRTM 90m Database (http://srtm.csi.cgiar.org)., https://cgiarcsi.community/data/srtm-90m-digital-elevation-database-v4-1/
  
  Li, X., J. Xiao, (2019), 'Mapping photosynthesis solely from solar-induced chlorophyll fluorescence: A global, fine-resolution dataset of gross primary production derived from OCO-2', Remote Sensing, Volumen 11(21), 2563; https://doi.org/10.3390/rs11212563, https://globalecology.unh.edu/data/GOSIF-GPP.html
  
  Wieder, W. R., J. Boehnert, G. B. Bonan, M. Langseth, (2014), 'Regridded harmonized world soil databse', versión: 1.2, Data set. Available on-line [http://daac.ornl.gov] from Oak Ridge National Laboratory Distributed Active Archive Center, Oak Ridge, Tennessee, USA. https://doi.org/10.3334/ORNLDAAC/1247, https://daac.ornl.gov/SOILS/guides/HWSD.html
  Procedimientos:
  
  No aplica: i) Procesamiento de los datos de presencia y/o ausencias. Los registros de presencia de la especie, fueron depurados eliminando los registros duplicados, no georreferenciados, con georreferencias con menos de 2 decimales y con coordenadas (0,0). También, para evitar la autocorrelación espacial se eliminaron los registros que estaban a menos de 1 km de distancia empleando la función thin_data en el entorno R y posteriormente, para reducir la aglomeración de registros, se realizó una depuración eliminando los registros que estaban a menos de 30 kilómetros, y si la aglomeración continuaba se probó con distancias de: 50, 80 o 100 km. Quedando así, un total de107 registros de presencia que se usaron para correr el modelo. ii) Procesamiento de datos ambientales: Se definió una región de referencia M para delimitar el área a modelar, para ello, se generó un polígono mínimo convexo alrededor de los puntos de presencia y usando el mapa de las ecorregiones del mundo (Olson et al. 2004) seleccionando las siguientes: Northern Mesoamerican Pacific mangroves, Sinaloan dry forests, Everglades, Bahamian pine mosaic, Bahamian-Antillean mangroves, South Florida rocklands, San Lucan xeric scrub, Veracruz moist forests, Sierra de la Laguna dry forests, Belizian pine forests, Peten-Veracruz moist forests, Mesoamerican Gulf-Caribbean mangroves, Chiapas montane forests, Sierra Madre de Oaxaca pine-oak forests, Sierra Madre del Sur pine-oak forests, Windward Islands moist forests, Central American montane forests, Caribbean shrublands, Lesser Antillean dry forests, Southern Mesoamerican Pacific mangroves, Central American pine-oak forests, Amazon-Orinoco-Southern Caribbean mangroves, Araya and Paria xeric scrub, Guajira-Barranquilla xeric scrub, Trinidad and Tobago moist forests, Sinai Valley dry forests, Costa Rican seasonal moist forests, Santa Marta montane forests, Llanos, Northern Andean paramo, Guianan Highlands moist forests, Pantepui, Guianan savanna, South American Pacific mangroves, Rio Negro campinarana, Apure-Villavicencio dry forests, Trans-Mexican Volcanic Belt pine-oak forests, Cuban cactus scrub, Cuban moist forests, Cuban wetlands, Cuban dry forests, Oaxacan montane forests, Hispaniolan moist forests, Hispaniolan dry forests, Yucatan moist forests, Islas Revillagigedo dry forests, Miskito pine forests, Central American dry forests, Sierra de la Laguna pine-oak forests, Balsas dry forests, Pantanos de Centla, Orinoco wetlands, Talamancan montane forests, Cordillera La Costa montane forests, La Costa xeric shrublands, Puerto Rican moist forests, Enriquillo wetlands, Jamaican dry forests, Jamaican moist forests, Isthmian-Atlantic moist forests, Cordillera de Merida paramo, Guianan piedmont and lowland moist forests, Uatuma-Trombetas moist forests, Iquitos varzea, Jurua-Purus moist forests, Ucayali moist forests, Jalisco dry forests, Central American Atlantic moist forests, Cayos Miskitos-San Andres and Providencia moist forests, Cauca Valley montane forests, Isthmian-Pacific moist forests, Guianan moist forests, Puerto Rican dry forests, Tehuacan Valley matorral, Chimalapas montane forests, Caqueta moist forests, Purus varzea, Choco -Darien moist forests, Galapagos Islands scrubland mosaic, Ecuadorian dry forests, Maraja varzea, Cuban pine forests, Orinoco Delta swamp forests, Catatumbo moist forests, Venezuelan Andes montane forests, Atacama desert, Campos Rupestres montane savanna, Pantanal, Southern Andean Yungas, Bahia interior forests, Bolivian montane dry forests, Cerrado, Alto Parana Atlantic forests, Leeward Islands moist forests, Cordillera Central paramo, Guianan freshwater swamp forests, Hispaniolan pine forests, Magdalena Valley montane forests, Eastern Panamanian montane forests, Veracruz montane forests, Yucatan dry forests, Panamanian dry forests, Cocos Island moist forests, Bajio dry forests, Eastern Cordillera real montane forests, Southwest Amazon moist forests, Beni savanna, Sechura desert, Central Andean wet puna, Veracruz dry forests, Sierra de los Tuxtlas, Southern Pacific dry forests, Gurupa varzea, Monte Alegre varzea, Chiapas Depression dry forests, Sierra Madre de Chiapas moist forests, Motagua Valley thornscrub, Paraguana xeric scrub, Lara-Falcondry forests, Cordillera Oriental montane forests, Maracaibo dry forests, Santa Marta paramo, Magdalena-Urabamoist forests, Mato Grosso seasonal forests, Xingu-Tocantins-Araguaia moist forests, Purus-Madeira moist forests, Northwestern Andean montane forests, Cauca Valley dry forests, Magdalena Valley dry forests, Negro-Branco moist forests, Malpelo Island xeric scrub, Napo moist forests, Western Ecuador moist forests, Tocantins/Pindare moist forests, Guayaquil flooded grasslands, Madeira-Tapajos moist forests, Tapajos-Xingu moist forests, Tumbes-Piura dry forests, Dry Chaco, Sierra Madre Occidental pine-oak forests, Peruvian Yungas, Marañon dry forests, Atlantic dry forests, Chiquitano dry forests, Central Andean puna, Bolivian Yungas, Lake, Central Andean dry puna, Humid Chaco, Serra do Mar coastal forests, Chilean matorral, High Monte, Araucaria moist forests, Southern Atlantic mangroves, Southern Andean steppe, Parana flooded savanna, San FÃ©lix-San Ambrosio Islands temperate forests, Sierra Madre Oriental pine-oak forests, Southeastern conifer forests, Baja California desert, Japura-Solimoes-Negro moist forests, Solimoes-Japura moist forests, PatÃ-a Valley dry forests, Florida sand pine scrub, Appalachian mixed mesophytic forests, Southern Great Lakes forests, East Central Texas forests, Chihuahuan desert, Edwards Plateau savanna, Western Gulf coastal grasslands, Central tall grasslands, Sonoran-Sinaloan transition subtropical dry forest, Gulf of California xeric scrub, Sonoran desert, California montane chaparral and woodlands, Arizona Mountains forests, Tamaulipan matorral, Western short grasslands, Colorado Rockies forests, Central forest-grasslands transition, Central and Southern mixed grasslands, Appalachian-Blue Ridge forests, Colorado Plateau shrublands, Central U.S. hardwood forests, Southeastern mixed forests, Flint Hills tall grasslands, Mojave desert, Middle Atlantic coastal forests, Mississippi lowland forests, Ozark Mountain forests, Piney Woods forests, California coastal sage and chaparral, Texas blackland prairies, Sierra Juarez and San Pedro Martir pine-oak forests, Tamaulipan mezquital, Meseta Central matorral, Central Mexican matorral, Clipperton Island shrub and grasslands, Rapa Nui subtropical broadleaf forests para recortar las variables ambientales. Se utilizaron 15 variables ambientales obtenidas de WorldClim (Fick y Hijmans, 2017) a una resolución de aproximadamente 0.05 °, la variable de elevación (Jarvis et al.,2008), la variable de producción primaria bruta promedio entre 2001-2018 (Li y Xiao, 2019) y las variables de gravimetría y pH del suelo (Wieder et al., 2014). Las variables de elevación, gravimetría y pH del suelo fueron re-escaladas a 0.05° para igualarlas con las variables climáticas. Con las variables recortadas, se realizó un análisis de correlación para usar en la modelación únicamente las variables no correlacionadas, se consideró un umbral de r > 0.8. Las variables ambientales seleccionadas como predictoras son: bio1, bio13, bio14, bio15, bio2, elevación, producción primaria bruta (GPP), gravimetría del suelo, pH del suelo, bio3, bio5, bio7, mismas que usaron para general el modelo de distribución potencial de la especie. iii) Calibración del modelo. Para llevar a cabo la modelación, calibración y validación de los modelos se usó como algoritmo de modelación MaxEnt con los parámetros por defecto y se corrió utilizando el paquete de sdm (Naimi y Araújo 2016) en el entorno R; se dividieron los registros de presencia en 75% para entrenar el modelo y 25% para realizar una validación independiente. iv) Validación y transferencia del modelo: Para evaluar el desempeño del modelo se utilizó el True Skill Statistics (TSS) con un valor de0.661. Finalmente, para fines de publicación, el mapa en formato IMG se transformó a formato GeoTIFF con un sistema de coordenadas geográficas usando ArcGIS Desktop 10.6.
6. Porcentaje del área de estudio cubierta por nubes
Atributos espaciales
1. Representacion espacial
2. Método de representacion espacial
  Raster
3. Información de vectores y puntos
4. Información de imágenes
  
  Tipo de objeto:
  
  Pixel
  
  Dimensiones:
  
  Número de filas:
  
  1714
  
  Número de columnas:
  
  1632
  
  Número de niveles, capas, etc.. Vertical:
  
  1
Sistema de referencia
1. Sistema de coordenadas (horizontal)
  
  Geográficas:
  
  Resolución de la latitud:
  
  0.0174532925199433
  
  Resolución de la longitud:
  
  0.0174532925199433
  
  Unidades de las coordenadas Geográficas:
  
  Decimal degrees
  
  Modelo geodésico:
  
  Datum horizontal:
  
  WGS84
  
  Elipsoide:
  
  WGS84
  
  Semieje mayor:
  
  6378137.000000
  
  Denominador del factor de achatamiento:
  
  298.257224
2. Sistema de coordenadas (vertical)

Atributos no espaciales

Descripción detallada

Nombre: PLOR003DPGW.TIF

Definición: Describe los campos contenidos en el mapa

Fuente: No conocido

Atributo	Descripción	Fuente [1]	Dominio [2]	Precisión [3]
VALUE	Numérico	Datos del proyecto	Los valores cercanos a 1 indican condiciones favorables para la presencia de la especie, valores cercanos a 0 indican condiciones no favorables para la especie.	-

Descripción resumida

Distribución de la información
1. Información de contacto
  
  Subcoordinación de Sistemas de Información Geográfica
  
  ssig@conabio.gob.mx
  
  Subcoordinador de Sistemas de Información Geográfica
  
  Comisión Nacional para el Conocimiento y Uso de la Biodiversidad (CONABIO)
  
  Liga Periférico Insurgentes Sur Num. 4903 1er piso. Col. Parques del Pedregal. Delg. Tlalpan, Ciudad de México, 14010, México
  
  Teléfono: 50045012 y (fax) 50044931
  
  Horario de servicio: Lunes a Viernes de 8 a 18 hrs.
2. Nombre de referencia
  plor003dpgw
3. Responsabilidad
  La Subcoordinación de Sistemas de Información Geográfica de la CONABIO solo se hace responsable de la información presentada en el mapa y se deslinda del uso que se le de a la misma.
4. Medios de distribución
  Digitales:
  
  GeoTIFF (TIF), 3.34 MB
  http://www.conabio.gob.mx/informacion/gis/maps/geo/plor003dpgw.zip
  
  Google Earth (KML)
  http://www.conabio.gob.mx/informacion/gis/maps/kmz/plor003dpgw.kmz
  
  Precio: Acceso libre sin ningún cargo al público en general.
5. Medios de distribución especiales
6. Requisitos técnicos
  Tener sistemas compatibles con archivos raster, en caso que existan se pueden visualizar en Google Earth KML y/o conexión al servicio WMS.
7. Disponibilidad
Acerca de este documento
1. Fecha de creación o última actualización
  22-11-2022
2. Fecha de última revisión
3. Fecha de la siguiente revisión
4. Información de contacto
  
  Subcoordinación de Sistemas de Información Geográfica
  
  ssig@conabio.gob.mx
  
  Administrador de Metadatos
  
  Comisión Nacional para el Conocimiento y Uso de la Biodiversidad (CONABIO)
  
  Liga Periférico Insurgentes Sur Num. 4903 1er piso. Col. Parques del Pedregal. Delg. Tlalpan, Ciudad de México, 14010, México
  
  Teléfono: 01 55 5004 5012 y (fax) 50044931
  
  Horario de servicio: Lunes a Viernes de 8 a 18 hrs.
5. Nombre del estándar de contenido
  FGDC Biological Data Profile of the Content Standard for Digital Geospatial Metadata
6. Versión del estándar de contenido
  FGDC-STD-001.1-1999
7. Uso horario
8. Condiciones de acceso
9. Condiciones de uso
10. Restricciones de seguridad o privacidad
11. Extensiones

Paratrechina longicornis (hormiga loca de antenas largas). Distribución potencial (Córdoba-Aguilar y Rocha-Ortega, 2022)

Catálogo de metadatos geográficos. Comisión Nacional para el Conocimiento y Uso de la Biodiversidad

Metadato completo [-]