[Fecha no disponible]: 1. Conformación de las base de datos de las especies invasoras. La CONABIO ha identificado y priorizado a las especies invasoras con base en su nivel de daño causado. Para el caso de las 60 especies que se modelaron en esta consultoría, se consideraron los siguientes criterios: (1) que fueran terrestres, ya que no existen escenarios climáticos al futuro para los mares mexicanos; (2) que representaran un riesgo para una porción importante del país y no sólo para algunos sitios específicos, como algunas islas; y (3) que existan por lo menos 100 registros únicos de presencia de la especie en su área nativa de distribución y en sitios en donde ya se ha demostrado que es una especie invasora. Para hacer la selección de las 60 especies se tomaron de la lista de las especies más peligrosas identificadas por Conabio en orden decreciente con base en su puntaje de invasividad y al cumplimiento de los criterios mencionados. Para cada especie se consultaron diferentes repositorios y se descargaron las bases de datos de registros de presencia correspondientes. Para esto se utilizó la librería Spocc (Chamberlain et al. 2016) del programa R Core Team (2015), la cual permite acceder a diferentes repositorios en línea, incluyendo: Global Biodiversity Informatics Facility (GBIF), Bekerly Ecogine, iNaturalist, VertNet, Biodiversity Information Serving Our Nation (BISON), eBird, AntWeb. En el caso del Sistema de Información de la Biodiversidad (SNIB) de México, se utilizó el programa sqlite3. Los registros duplicados fueron eliminados en R utilizando la librería NicheToolBox (Osorio-Olvera 2016). 2. Modelación de la distribución potencial actual y futura . Los modelos de distribución potencial se produjeron con base en la reconstrucción del nicho ecológico de las especies (Peterson et al. 2011) bajo el método de distancia al centroide del nicho (Yañez-Arenas et al. 2012; Martínez-Meyer et al. 2013) a través de la construcción de un elipsoide de volumen mínimo (Qiao et al. 2016). El mapa resultante de esta modelación presenta valores de 0 a 1, que representan un índice de favorabilidad ambiental que para algunas especies se ha encontrado una asociación con la abundancia (Martínez-Meyer et al. 2013); es decir, los valores cercanos a 1 representan zonas con mejores condiciones ambientales para el establecimiento de una especie en donde sus abundancias podrían ser altas, mientras que los valores cercanos a 0 son condiciones ambientales favorables pero marginales, en donde se esperarían abundancias bajas. El procedimiento que se siguió para la modelación de la distribución potencial bajo el método de distancias al centroide fue el siguiente: (a) Los registros de cada una de las especies, tanto de su distribución nativa como de sus áreas de invasión, fueron divididos aleatoriamente en dos conjuntos, uno de calibración y otro de validación en una proporción de 70:30. En el caso en el que la especie estuviera presente actualmente en México, y que se tuvieran registros de presencia en el país, se utilizaron estos puntos para hacer la validación de los modelos. (b) Los datos de calibración fueron usados con la base de datos WorldClim (Hijmans et al. 2005) para extraer los valores de las variables climáticas para cada registro. WorldClim tiene una cobertura temporal de 1961-1990 y los análisis se hicieron a una resolución espacial de 10 minutos (aprox. 18.5 km). Se usó el sistema de modelación MaxEnt para identificar las tres variables ambientales más importantes para cada especie mediante el método de permutación (Phillips & Dudík 2008), que para esta especie fueron la Bio3, Bio6 y Bio19. (c) Con esa información se construyó un elipsoide multidimensional de volumen mínimo (Qiao et al. 2016) cuyo centroide es la media de las tres variables, y sus dimensiones fueron calculadas a partir de la matriz de covarianza de los datos. Este elipsoide representa, en efecto, el nicho ecológico (climático) de la especie. (d) Este nicho fue proyectado al espacio geográfico para obtener un mapa de distribución potencial mundial que fue evaluado con los registros de validación usando la prueba de Roc-parcial (Peterson et al. 2008). Para esta especie se obtuvo una proporción media de área bajo la curva (AUC ratio) = 1.60 y un P-valor = 0.042. € El elipsoide obtenido a partir de los registros mundiales representa los límites de tolerancia climática de la especie, es decir, una aproximación a su nicho ecológico fundamental. Para conocer el potencial invasivo actual y futuro de esas especies en México, el elipsoide fue proyectado a un escenario climático actual para el país (1961- 1990; a una resolución de 1 km) y posteriormente a escenarios climáticos futuros, uno cercano con su centro en 2050 (2041-2060) y otro lejano centrado en 2070 (2061-2080), bajo dos escenarios de concentraciones de gases de efecto invernadero en la atmósfera, uno conservador (RCP 4.5) y otro extremo (RCP 8.5). Los escenarios futuros se obtuvieron promediando las salidas de los modelos de nicho indivduales bajo los cuatro escenarios que de acuerdo con el CCAUNAM-INECC son los que mejor representan las tendencias climáticas históricas del país: MPI-ESM-LR (Alemania), GFDL-CM3 (Estados Unidos), HADGEM2-ES (Reino Unido) y CNRM (Francia) (Fernández Eguiarte et al. 2015). Referencias Chamberlain, S. Ram, K. & Hart T. 2016. spocc: R interface to many species occurrence data sources. R package version 0.5.0. https://github.com/ropensci/spocc. Fernández Eguiarte, A., Zavala Hidalgo, J., Romero Centeno, R., Conde Álvarez, A. C. & Trejo Vázquez, R. I. 2015. Actualización de los escenarios de cambio climático para estudios de impactos, vulnerabilidad y adaptación. Centro de Ciencias de la Atmósfera, Universidad Nacional Autónoma de México. Instituto Nacional de Ecología y Cambio Climático, Secretaría de Medio Ambiente y Recursos Naturales. Obtenido de: http://atlasclimatico.unam.mx/AECC/servmapas/. Hijmans, R. J., Cameron, S. E., Parra, J. L., Jones, P. G. & Jarvis, A. 2005. Very high resolution interpolated climate surfaces for global land areas. International Journal of Climatology. 25 (15): 1965-1978. Martínez-Meyer, E., Díaz-Porras, D. F., Peterson, A. T. & Yañez-Arenas, C. 2013. Ecological niche structure and rangewide abundance patterns of species. Biology Letters. 9 (1): 20120637. Osorio-Olvera, L. 2016. NicheToolBox R package. Https://github.com/luismurao/nichetoolbox. Peterson, A. T., Papes, M. & Soberón, J. 2008. Rethinking receiver operating characteristic analysis applications in ecological niche modeling. Ecological Modelling. 213 (1): 63-72. Peterson, A.T., Soberón, J., Pearson, R. G., Anderson, R. P., Martínez Meyer, E., Nakamura, M. & Araújo, M. B. 2011. Ecological Niches and Geographic Distributions. Monographs in Population Biology. Princeton University Press, Princeton, N.J. 314 p. ISBN: 978-1-4008-4067-0. Phillips, S. J. & Dudík, M. 2008. Modeling of species distributions with Maxent: new extensions and a comprehensive evaluation. Ecography. 31 (2): 161-175. Qiao, H., Escobar, L. E., Saupe, E. E., Ji & L. & Soberón, J. 2016. A cautionary note on the use of hypervolume kernel density estimators in ecological niche modelling. Global Ecology & Biogeography. Early view. Doi:10.1111/geb.12492. R Development Core Team. 2015. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0. URL http://www.R-project.org. Yañez-Arenas, C, Martínez-Meyer, E., Mandujano, S. & Rojas-Soto, O. 2012. Modelling geographic patterns of population density of the white-tailed deer in central Mexico by implementing ecological niche theory. Oikos. 121 (12): 2081-2089.