La simulación de algoritmos como el de Maxent en Google Earth Engine es una de las posibilidades en el análisis de distribución potencial de especies utilizando datos y clasificadores disponibles entre las colecciones y algoritmos de Engine. Con un poco de paciencia y dedicación en los scripts, puedes modelizar distribuciones potenciales de especies en Google Earth Engine de forma análoga al algoritmo de Maxent del American Museum of Natural History (AMNH).

Con la posibilidad de parametrización de scripts en Earth Engine y el acceso a infinidad de variables ambientales mundiales disponibles en sus colecciones, se abre un mundo en el procesado de datos para la modelización de hábitats y especies. Generar modelos de distribución de especies, acotar nichos ecológicos o extraer series de datos asociados a coordenadas de distribución son algunos análisis que puedes trabajar en la nube en cuestión de segundos.

Earth Engine ya cuenta con la posibilidad de emular el algoritmo de Maxent desde el editor de scripts haciendo una llamada a las variables ambientales de modelización y trabajando los datos de coordenadas de distribución de especies desde el visor. Para ello necesitarás:

1. Disponer del repertorio de variables ligadas a la especie: puedes crear una batería de variables con todas las colecciones de Engine y filtrar aquellas que dependen específicamente de la especie. Desde aquí puedes ojear cómo procesar tu propio repertorio de variables para recurrir a colecciones como WorldClim y otras variables dependientes de la especie.
2. Incorporar las citas de ausencia y/o presencia de la especie. Puedes recurrir a tus propias citas o a las plataformas de ciencia ciudadana como GBIF, iNaturalist o eBird para descargar datos abiertos de distribución de biodiversidad.
3. Clasificar los datos de presencia y ausencia en la distribución.
4. Aplicar en el script el clasificador de Maxent para Google Earth Engine,
5. Exportar los datos de distribución.

Antes de generar el modelo de distribución con el clasificador de Maxent en Google Earth Engine recuerda considerar los factores clave de superposición y distribución de datos de cualquier modelo. Entre estas consideraciones, para que tu script sea coherente, debes prestar atención a aspectos como:

• Superposición de límites: no todas las colecciones tienen la misma distribución espacial, por lo que durante la modelización de la especie sólo conseguirás representar las zonas de superposición coincidentes espacialmente entre variables.
• Acotado de coordenadas: aquellas coordenadas distribuidas en zonas externas a los límites de las variables no podrán intervenir en la modelización y supondrán un obstáculo o necesidad de filtrado previo para su exclusión.
• Filtrado de presencia/ausencia: si dispones de coordenadas de distribución basadas en presencia o ausencia deberás filtrar el atributo correspondiente para disponer únicamente de las citas válidas de entrenamiento del modelo.
• Filtro de fechas: las colecciones disponibles en Earth Engine presentan un rango y resolución temporal definida. Si trabajas con series de datos asegúrate que la información está disponible desde el periodo inicial y final de análisis, especialmente con variables de colecciones novedosas.
• Sistema de referencia: si las colecciones ofrecen los datos de manera desigual en sus SRC, ajústalos previamente antes de combinar y modelizar todas las variables.

Una vez filtradas las citas sólo necesitarás correr el clasificador y adaptar el script a otras necesidades alternativas. Algunas cosas interesantes a incorporar como extra en tu script pueden ser:

• Delimitación de rangos distribución por polígono mínimo convexo.
• Creación de cuadrículas de distribución a partir del filtrado de citas positivas.
• Reclasificación del mapa potencial para identificar manchas de mayor éxito.
• Creación de matrices .
• Interpolar los valores de probabilidad sobre coordenadas u otros elementos.
• Panelizar la vista para comparar modelos usando otras colecciones o clasificadores alternativos como Random Forest.
• Incorporar simbologías en la vista o representar datos en la consola para interpretación de los resultados.
• Generar gráficas temáticas o histogramas vinculados a las variables.

Si deseas descargar el modelo generado, puedes perfilar tu script con una sencilla exportación de los datos obtenidos usando Export.image.toDrive() o la visualización y representación del modelo desde la consola de Engine con getDownloadURL(). Puedes descargar los datos en formato GeoTIF en Google Drive o generar un simple enlace de descarga del mapa en JPG desde la consola. Y si deseas obtener una zonificación de las zonas potenciales mediante vectores, puedes descargar en shapefile los parches principales con una sencilla conversión de formatos.

Aquí tienes un sencillo ejemplo de script diseñado para representar los datos de presencia y ausencia de la especie, seleccionar las variables ligadas a la misma y representar y exportar la modelización de distribución potencial con el clasificador de Maxent para Google Earth Engine.