Los modelos de distribución de especies (SDMs según sus siglas en inglés) constituyen una importante herramienta para comprender la relación de la distribución de las especies con las condiciones climáticas de su entorno y para evaluar el riesgo que supone el cambio climático en términos de la redistribución de hábitats y la posible extinción/invasión de especies. Por ello, las proyecciones obtenidas a partir de de los SDMs son relevantes para la toma de decisiones en materia de conservación y planificación medioambiental. Sin embargo, estas proyecciones se ven afectadas por una amplia gama de factores de incertidumbre, que limitan su valor potencial y su credibilidad. El paquete de R mopa proporciona herramientas para diseñar experimentos multifactoriales que combinan múltiples fuentes de incertidumbre, incluyendo datos climáticos observacionales de distintas fuentes, proyecciones de múltiples modelos climáticos, diferentes métodos y realizaciones de generación de pseudo-ausencias, y diversas técnicas de SDM. Esto permite evaluar la contribución de estos factores a la dispersión global de la proyección del conjunto. Por otro lado, mopa implementa métodos estándar y mejorados para la generación de pseudo-ausencias, un factor a menudo descuidado que, sin embargo, puede afectar significativamente a los resultados. Además, se integra en el framework climate4R a través de una función puente, lo que permite aprovechar las funcionalidades de acceso y post-procesamiento de datos climáticos, para su uso en la construcción y predicción de los modelos de distribución. Esto facilita un análisis adecuado de una de las fuentes de incertidumbre más importantes, que es la relacionada con los modelos climáticos.
https://github.com/SantanderMetGroup/mopa
