Use of ecological niche modelling to predict distributions of freshwater fish species in Kansas

Authors


K. M. McNyset, Natural History Museum and Biodiversity Research Center, The University of Kansas, 1735 Jayhawk Blvd., Lawrence, KS 66045-7561, USA; e-mail: mcnyset@ku.edu

Abstract

Abstract –  An essential innovation in aquatic biodiversity research would be a robust approach to accurately predict species’ potential distributions. In this paper, I conduct an analysis to test the efficacy of ecological niche modelling for predicting fish species’ potential distributions using an artificial-intelligence algorithm, the Genetic Algorithm for Rule-Set Prediction (GARP). Models of species’ ecological niches are developed using GARP, and projected onto geography to predict species distributions. To test the validity of this approach, I used freshwater fish distribution data for twelve fish species occurring in Kansas. These taxa were chosen to represent phylogenetic, distribution, and habit diversity. I subset these data by omitting half of the counties from model building, and test models using the omitted counties. Models were tested using Receiver Operating Characteristic (ROC) analyses. Of the species tested, all were statistically significant with the models showing excellent predictive ability. Omission errors across taxa ranged from 0 to 17%. This inferential capacity opens doors to many synthetic analyses based on primary point-occurrence data.

Resumen

1. Una innovación esencial en la investigación sobre biodiversidad acuática consistiría en una aproximación robusta para predecir con precisión la distribución potencial de las especies. En este trabajo, analicé la eficacia de modelos de nicho ecológico para predecir las distribuciones potenciales de especies de peces utilizando un algoritmo de inteligencia artificial, el algoritmo genético de ‘Rule-Set Prediction, GARP’. Modelos de nicho ecológico de especies se desarrollaron utilizando GARP y fueron proyectados sobre geografía para predecir distribuciones de las especies.

2. Para analizar la validez de esta aproximación utilicé datos de distribuciones de peces de agua dulce de 12 especies que ocurren en Kansas (USA). Se eligieron taxones que representan una diversidad filo-genética, de distribución y de hábitat. Sub-seleccioné estos datos omitiendo la mitad de los condados en la construcción del modelo y analicé modelos utilizando los condados omitidos. Los modelos fueron analizados utilizando análisis ‘Receiver Operating Characteristics, ROC’.

3. De las especies analizadas todas fueron estadísticamente significativas con los modelos mostrando una habilidad predictiva excelente. La omisión de errores entre los taxones varío entre 0 y 17%. Esta capacidad de inferencia abre puertas a muchos análisis sintéticos basados en datos de ocurrencia puntual.

Ancillary