Modelos ocultos de Markov para el análisis de patrones espaciales

Abstract

Los modelos ocultos de Markov (HMM) constituyen una herramienta de modelización altamente flexible, inicialmente utilizada en el campo del reconocimiento automático del habla, que ha encontrado en los últimos años numerosas aplicaciones en áreas científico-técnicas muy diversas, aunque su utilización en ecología es aún escasa. En esta revisión se describen los elementos esenciales de los HMM, se presentan los algoritmos básicos que facilitan su estimación y se indican algunas aplicaciones recientes, destacándose las posibilidades que pueden ofrecer para el análisis de patrones espaciales complejos, pues permiten incorporar en el proceso de modelización información a priori sobre el sistema analizado. Se muestra un ejemplo de aplicación de modelización mediante HMM de transectos de vegetación con datos de presencia-ausencia, con el objetivo de analizar las perturbaciones en la distribución espacial de la vegetación producidas por el fuego en una zona semiárida.

Hidden Markov models (HMM) constitute a flexible modelling tool, originally used in the field of automated speech recognition, that have found wide application in the last years in many scientific and technical problems, although their use in ecology is still scarce. In this review, the essential elements of HMM are described, the basic algorithms that facilitate their estimation are presented and some recent applications are pointed out, with emphasis on the possibilities that HMM offer in analysing complex spatial patterns, as they allow incorporating a priori information about the system into the modelling process. An example of application is presented where HMM are used to model vegetation transects with presence-absence data, aimed at analysing disturbances in the spatial distribution of the vegetation after a wildfire in a semiarid zone.