Estimación de indicadores de beta alpha diversidad basados en variables climáticas y geológicas usando técnicas de Machine Learning.

Abstract

El Trabajo de Fin de Grado propone el análisis y la estimación de la biodiversidad en función de las características ambientales mediante técnicas de Machine Learning. El proyecto se enfoca en dos indicadores principales: por un lado, la alpha diversidad filogenética, que representa la riqueza en biodiversidad de un territorio teniendo en cuenta la separación evolutiva de las especies que habitan en ´el. En el caso de este trabajo se ha usado la diversidad filogenética de la flora endémica canaria distribuida en el territorio de la isla de Gran Canaria. Y, por otro lado, la beta diversidad, que mide los cambios en la composición de especies entre diferentes áreas geográficas. Para el desarrollo del análisis y modelado se emplean variables climáticas (medidas de temperatura y precipitaciones), y geológicas (características del suelo y topografía). Los resultados obtenidos contribuyen a comprender la relación entre la biodiversidad y los factores ambientales, destacando la importancia de la conservación y gestión ambiental fundamentada en datos científicos.

The Final Degree Project proposes the analysis and estimation of biodiversity based on environmental characteristics using Machine Learning techniques. The project focuses on two main indicators: on the one hand, alpha phylogenetic diversity, which represents the biodiversity richness of a territory taking into account the evolutionary separation of the species that inhabit it. In this work, the phylogenetic diversity of the endemic flora of the Canary Islands distributed throughout the island of Gran Canaria has been used. On the other hand, beta diversity is considered, which measures changes in species composition between different geographical areas. For the development of the analysis and modeling, climatic variables (temperature and precipitation measurements) and geological variables (soil characteristics and topography) are used. The results obtained contribute to understanding the relationship between biodiversity and environmental factors, highlighting the importance of conservation and environmental management based on scientific data.