Vol. 5 No. 02 (2025): BIOTECH & ENGINEERING
Artículos

Predicción de la distribución potencial del gallito de las rocas (rupicola peruvianus) en el parque nacional Tingo María mediante maxent y variables climáticas: Prediction of the potential distribution of the Cock-of-the-Rock (Rupicola peruvianus) in the tingo maria national park using Maxent and climate variables

Zanhy Leonor Valencia Reyes
Universidad Nacional Mayor de San Marcos
Sebastian Salvador Guillermo Lara Rodriguez
Universidad Nacional Tecnológica de Lima Sur
Bio
Rubén Armando Daga López
Universidad Nacional Tecnológica de Lima Sur
Bio
Nora Rosa Concepción Malca Casavilca
Universidad Nacional Mayor de San Marcos
Bio

Published 2025-12-30

How to Cite

Valencia Reyes, Z. L., Lara Rodriguez, S. S. G., Daga López, R. A., & Malca Casavilca, N. R. C. (2025). Predicción de la distribución potencial del gallito de las rocas (rupicola peruvianus) en el parque nacional Tingo María mediante maxent y variables climáticas: Prediction of the potential distribution of the Cock-of-the-Rock (Rupicola peruvianus) in the tingo maria national park using Maxent and climate variables. Revista Científica: BIOTECH AND ENGINEERING, 5(02). https://doi.org/10.52248/eb.Vol5Iss02.223

Abstract

La presente investigación tuvo como objetivo predecir la distribución potencial del gallito de las rocas (Rupicola peruvianus) en el Parque Nacional Tingo María (PNTM), mediante el modelado de nicho ecológico utilizando el algoritmo MaxEnt. Fueron empleados siete registros de presencia georreferenciados y validados, extraídos de la base de datos Global Biodiversity Information Facility (GBIF), los cuales fueron depurados para garantizar precisión espacial y actualidad, considerando únicamente datos de los últimos diez años. Las variables bioclimáticas utilizadas fueron extraídas de WorldClim v2.1 y agrupadas en tres bloques: temperatura, humedad y precipitación. Se construyeron modelos independientes por grupo de variables y un modelo combinado, evaluados con el Área Bajo la Curva (AUC) y la ganancia regularizada. El modelo general alcanzó un AUC de 0,938, evidenciando una alta capacidad predictiva. Las variables que más contribuyeron a la predicción fueron la isotermalidad (BIO3) y la precipitación del trimestre más frío (BIO19). El análisis espacial fue complementado con ArcGIS, garantizando la precisión geográfica del área de estudio. Los resultados demostraron que el modelado de nicho ecológico, incluso con muestras pequeñas pero representativas, es una herramienta eficaz para la gestión de áreas protegidas como el PNTM, aportando evidencia útil para estrategias de conservación y adaptación al cambio climático.