Las Diferencias Entre Los Modelos De árbol De Clasificación Y Regresión Logística En Términos De Sus Errores De Predicción Y Su Capacidad De Discriminación Fueron Del Mismo Orden De Magnitud Que Las Observadas Por.docx

Las diferencias entre los modelos de árbol de clasificación y regresión logística en términos de sus errores de predicción y su capacidad de discriminación fueron del mismo orden de magnitud que las observadas por McDonald y Urban (2004) . Una ventaja de los árboles de clasificación sobre la regresión logística es que ofrecen información adicional para interpretar la importancia relativa de las variables explicativas clasificándolas y proporcionando información sobre los umbrales. Sin embargo, los modelos de regresión logística proporcionan estimaciones de los coeficientes y una medida de la importancia de las variables. Estamos de acuerdo con McDonald y Urban (2004) y Wilson et al. (2005a)que los árboles de clasificación y los modelos de regresión logística se utilicen de forma complementaria para modelar los cambios en la cobertura del suelo. Nuestros resultados muestran la utilidad de usar datos adicionales para refinar las predicciones del modelo. Por ejemplo, nuestro uso de los datos de crecimiento poblacional eliminó grandes áreas de la región andina que se pronosticaron incorrectamente para ser despejadas ( Fig. 5 d, azul y Fig. 8 , naranja). Otros datos auxiliares, como cultivos legales e ilegales o conflictos políticos, también podrían utilizarse para refinar aún más nuestras predicciones. Una evaluación de la fragmentación en la región andina por ( Armenteras et al., 2003) identificó los bosques de robles de los Andes ( Quercus spp.) Como el ecosistema más amenazado. Nuestros resultados asignaron un nivel de amenaza intermedio a estos bosques, pero clasificaron a otros ecosistemas, como los bosques húmedos de los Andes medios y los húmedos y subhúmedos altoandinos, como vulnerables a la tala. Estos resultados ilustran cómo diferentes enfoques analíticos pueden llevar a conclusiones diferentes. Para proporcionar información que sea útil para los responsables de las políticas, se requiere una evaluación de la certeza de las predicciones de vulnerabilidad (Wilson et al, 2005).

4.3 . Implicaciones para la planificación de la conservación Además de la información sobre los valores biológicos y ecológicos, la información sobre la vulnerabilidad de las áreas a amenazas como la limpieza de tierras ha sido identificada como importante para priorizar las acciones de conservación ( Pressey et al., 1993 , Wilson et al., 2005b ). Nuestros resultados proporcionan una clasificación del riesgo de exposición de los

ecosistemas forestales remanentes a la conversión agrícola. Sin embargo, el conocimiento limitado sobre la vulnerabilidad de los ecosistemas colombianos es alarmante, dadas las amplias oportunidades de análisis que ofrece la tecnología de teledetección y la importancia global de los recursos ambientales y la biodiversidad de Colombia ( Chaves y Arango, 1998).) Además, nuestros puntos críticos de deforestación coinciden con áreas que son sobresalientes en términos de su valor de biodiversidad ( Hernández et al., 1992 ), como las áreas Quibdó-Tribugá, Patía-Mira, Fragua-Patascoy y Perijá ( Fig. 6 ) . Las consecuencias de estos resultados para la planificación de la conservación en Colombia es un aspecto importante de nuestra investigación futura planificada. Argumentamos que se requiere con urgencia un protocolo de monitoreo del ecosistema para Colombia que permita incorporar la información sobre amenazas y vulnerabilidad de los ecosistemas en la planificación de la conservación. Debido a las importantes diferencias regionales en los patrones y factores que impulsan la deforestación, se requiere monitoreo y planificación a nivel regional o subregional, más que a nivel nacional. Esto asegurará que se obtenga una comprensión y un monitoreo exhaustivos de los procesos amenazadores en Colombia, y que las acciones de conservación estén dirigidas.

5 . Conclusiones Este estudio cumplió sus objetivos al proporcionar nuevo conocimiento sobre los principales factores que influyen en la deforestación en Colombia y su variabilidad entre las regiones. También proporcionó predicciones de la probable expansión de la huella espacial de los usos de la tierra agrícola y de las zonas de deforestación. Se encontró que la accesibilidad es una variable importante para explicar los patrones de deforestación observados en Colombia tanto a nivel regional como nacional. También mostramos la utilidad de una combinación de enfoques de modelado estadístico para analizar y predecir la deforestación. La contabilidad de la heterogeneidad regional de Colombia al modelar la deforestación aumentó la precisión de las predicciones. Colombia es un país donde los recursos naturales biológicos son un activo importante, y las ganancias y pérdidas por cambios inapropiados en la cobertura del suelo son muy altas. Sin embargo, la planificación del uso de la tierra en Colombia está en su infancia y se beneficiaría enormemente del uso de mejores datos y programas de monitoreo. Para salvaguardar los activos biológicos de Colombia, se necesita hacer más para medir, de manera sistemática, los cambios en la "huella ecológica" de los diferentes usos de la tierra agrícola y sus impactos.