Introducción
El Cuclillo pico amarillo (en adelante “Cuco”) es un ave
migratoria neotropical que pasa el invierno en América del Sur y se reproduce
en América del Norte (Fish and Wildlife
Service 2014). Cuenta con dos grandes poblaciones encontradas en su amplia
área de distribución; una se reproduce en la costa este de los Estados Unidos y
México, hasta El Salvador, y la población occidental, en la que se centra este
trabajo, anida principalmente en la costa oeste de Estados Unidos desde British
Columbia hasta México, llega a observarse incluso en Sinaloa incluyendo la
península de Baja California Sur y la región de Sonora y Chihuahua (Hughes 1999; Toochin y
Cecile 2014; Halterman et al. 2016).
La población occidental es una especie de interés para la
conservación que recientemente fue catalogada como “Amenazada” según la Ley
Federal de Especies en Peligro de Extinción (79 FR 59992) (Fish and Wildlife Service 2020). Esta
ley, vigente desde 1973, es una herramienta federal para prevenir la extinción
de especies en los Estados Unidos, ha sido fundamental para salvar algunas de
las aves y otros organismos más amenazados del país (National Audubon Society 2024).
Históricamente, el Cuco se distribuyó en una vasta área
geográfica del oeste de los Estados Unidos, el sur de Canadá y el norte de
México (Hughes 1999). Se consideraba común en los
ríos de todo el oeste de Estados Unidos y el noroeste de México (Gaines y Laymon 1984). Sin embargo, este rango
se ha reducido durante el último siglo y actualmente el Cuco mantiene pequeñas
poblaciones reproductoras en California, Arizona, Nuevo México, Texas y el
norte de México (Dettling et al. 2015). En
México, se tiene registro de que se reproduce al sur de la región del Cabo en
Baja California, Sinaloa y Chihuahua (Laymon 1998).
El hábitat de nidificación favorito de esta ave en el
suroeste de los Estados Unidos y noroeste mexicano son los bosques ribereños de
baja elevación (Wallace et al. 2013). Los pocos
estudios publicados sugieren que un follaje denso, alta humedad, hábitat
extenso, altitud moderada (900-1200 m.s.n.m.) y alimentación adecuada son
condiciones que deben cumplirse antes de que el Cuco proceda a anidar en un
lugar; también es importante el tamaño de parche de hábitat ya que son animales
muy territoriales que necesitan parches de álamo-sauce de más de 100 m de ancho
y más de 10 ha de superficie según los estudios de Gaines
y Laymon (1984) en California.
En México, solo hay un estudio que informa sobre la
disminución poblacional del Cuco (Macías-Duarte
2023), sin embargo, en los estados de Arizona, Nuevo México y California se
estima que la pérdida puede ser del 90 al 99% (Halterman
et al. 2016). El estado de la porción occidental de la población del Cuco
en México es incierto, se cree que es bajo, por lo menos dos tercios de hábitat
apropiado para la reproducción se ha perdido o degradado, particularmente en
Sonora, pero no más de 330-530 parejas quedan en México (Hughes
2020).
Las alteraciones antropogénicas de las cuencas hidrográficas
y los sistemas ribereños están degradando y destruyendo el hábitat del Cuco en
toda su área de distribución. La fragmentación del hábitat da como resultado
poblaciones pequeñas y aisladas de cucos que contribuyen a su vulnerabilidad.
Es importante mencionar que el poco hábitat ribereño que queda en el noroeste
de México todavía está en peligro por la degradación, la tala y las
inundaciones (Laymon y Halterman 1987), lo
que hace que la supervivencia del Cuco sea incierta.
Por lo anterior, se plantea la hipótesis de que la
distribución de la población occidental de Cuco en la región de Los Cabos se
encuentra influenciada por la extensión y disponibilidad de hábitat ribereño,
afectando su presencia y éxito reproductivo en esta zona árida de Baja
California Sur.
Este artículo sienta bases para implementar un plan a largo
plazo que permita tener una visión general de la especie en la región del Cabo
en Baja California Sur, ya que durante años se han reportado avistamientos de
la especie, pero no todos sus aspectos ecológicos en esta región, incluyendo su
importancia y existencia por parte de la comunidad local. Los objetivos
particulares de la investigación fueron: (1) Describir la extensión y ubicación
actual del hábitat potencial del Cuclillo pico amarillo en Los Cabos y La Paz
que cumplen con las condiciones climáticas y ecológicas necesarias para su
reproducción y supervivencia y (2) Evaluar los resultados de censos previos de
la especie sobre la abundancia y distribución, para ello se compararán los
registros históricos y recientes, con el fin de identificar patrones temporales
y espaciales, así como posibles tendencias en la población, relacionándolos con
variables ambientales.
Materiales y métodos
Área de estudio
Baja California Sur es una de las entidades más áridas del
país debido principalmente a la baja precipitación pluvial; la mayor parte del
territorio está constituido por zonas desérticas y la vegetación mesófila de
estirpe tropical quedó confinada a escasos cuerpos de agua que permanecieron
en el desierto peninsular, y que ahora son conocidos como los ecosistemas de
oasis, los cuales funcionan como islas biológicas para muchas especies, entre
las cuales hay muchas aves migratorias (Ruíz-Campos
et al. 2014).
La zona donde el Cuco se establece en Baja California Sur se
denomina Región Hidrológica RH6 (Sur-Este: La Paz). Además de Caduaño y
Miraflores, esta especie se encuentra en la región de San Antonio de La Sierra,
la cual se destaca por estar dentro del polígono del Área Natural Protegida
(ANP) Reserva de la Biosfera Sierra La Laguna (REBIOSLA), considerada un
baluarte natural por la diversidad que alberga en sus 4 ecosistemas, teniendo
la presencia de dos ambientes únicos en el estado: el bosque bajo caducifolio y
el bosque de pino-encino (Rzedowsky 1978).
La REBIOSLA es la región con mayor nivel de precipitaciones
y fuentes de agua dulce del estado. Por sus características geográficas,
geológicas y climáticas, cuenta con un número considerable de especies
endémicas tanto en flora como en fauna. En cuanto a la avifauna destacan más de
180 especies de aves, de las cuales 3 especies y 15 subespecies son endémicas (Rebman y Roberts 2012).
El hábitat ribereño en Baja California Sur donde el “Cuco”
está presente actualmente se encuentra amenazado por la destrucción y
modificación debido al cambio en los procesos hidrológicos, actividades
agrícolas y conversión del hábitat a tierras de cultivo y pastoreo, conversión
a vegetación no nativa e invasiva, sequías y cambio climático global (Hughes 2020).
Programa de Monitoreo
2020-2021
Para este estudio se siguió la metodología del protocolo de seguimiento
para el segmento occidental de población diferenciada del Cuclillo de pico
amarillo (Halterman et al. 2016), realizando
el monitoreo durante la temporada migratoria de verano del Cuco en los meses de
junio, julio y agosto de 2020 y 2021.
Este consistió en identificar y establecer puntos de conteo
en un mapa específico para cada sitio de monitoreo (Fig.
1), los cuales se establecieron a intervalos de 200 m a lo largo del
hábitat ribereño, cubriendo las áreas de mayor densidad de vegetación que
podrían albergar cucos. Se monitorearon en total 13 puntos, distribuidos en
tres zonas: Caduaño, Miraflores y Rancho Las Ballenas, este último ubicado en
San Antonio. En Caduaño se monitorearon 4 puntos; en Miraflores también se
monitorearon 4 puntos; mientras que en Rancho Las Ballenas se establecieron 5
puntos de conteo.
Se utilizó la reproducción de cantos pregrabados para atraer
y detectar visual o auditivamente a los cucos, ya que, de acuerdo con Halterman y colaboradores (2016), este método
aumenta la probabilidad de detección, ya que el Cuco es
una especie críptica y difícil de observar.
Para cada observación se
registró el número de individuos observados u oídos, junto con datos generales
como el número de punto, las coordenadas, la fecha y la hora del día. Cada
punto de monitoreo fue visitado una vez por temporada.
Figura 1. Rutas y puntos de conteo de C. americanus en los
tres sitios monitoreados en 2020 y 2021 en Baja California Sur. Ver mapa de situación general en la Figura 3.
Figure 1. Routes and counting points of C. americanus at the three monitored
sites in 2020 and 2021 in Baja California Sur. See general situation map
in Figure 3.
Integración y Filtrado de Registros de Ocurrencia
Para el desarrollo del modelo MaxEnt, se integraron y
filtraron registros de ocurrencia del Cuco provenientes de GBIF
(2021), CONABIO (2021), eBird
Observation Dataset (2021) y registros de campo propios. Los datos
incluyeron registros de años anteriores (2010-2020) y registros de campo
recientes (2020-2021).
Se unificaron los registros en un archivo CSV que contenía
información sobre la especie, coordenadas, mes, año y número de individuos
observados. Se eliminaron los registros duplicados, conservando solo un
registro por combinación única de coordenadas, especie, mes y año, para evitar
sesgos.
Luego, se filtraron los registros para los 3 meses,
capturando el periodo de mayor actividad reproductiva de la especie. También se
aplicó un filtro espacial con la librería sf en R (R
Foundation 2024) version 4.4.1 y el paquete de librerías raster (Hijmans 2025), corrplot (Wei
y Simko 2024), dplyr (Wickham et al. 2023) y
ggplot2 (Wickham 2016) asegurando una distancia
mínima de 250 metros entre observaciones cercanas.
Obtención y Procesamiento de Variables Ambientales
Para el desarrollo del modelo MaxEnt, se seleccionaron
variables ambientales relevantes que influyen en la distribución del hábitat
del Cuco. Estas variables incluyen datos topográficos, climáticos, índices de
vegetación y uso del suelo. Todas las capas se recortaron al área de estudio y
se alinearon para asegurar que tuvieran la misma resolución espacial, extensión
y sistema de coordenadas (WGS84).
Los datos de elevación se
obtuvieron de WorldClim
(2021) con una resolución
espacial de 1 km (30 segundos de arco). A partir de la capa de elevación, se
calculó la pendiente utilizando la función terrain() del paquete ráster en R,
obteniendo valores en grados. Esta variable es relevante porque diferentes grados
de inclinación pueden ofrecer microhábitats específicos para la especie.
Las variables climáticas
se obtuvieron de WorldClim con la misma resolución de 1 km. Para capturar la
estacionalidad, se seleccionaron los meses de junio, julio y agosto. Las
variables climáticas se promediaron para cada variable, generando valores representativos
del verano. Las variables seleccionadas fueron: Temperatura Máxima (tmax),
Temperatura Mínima (tmin), Temperatura Promedio (tavg), Precipitación (prec) y
Velocidad del Viento (wind), y NDVI (Normalized Difference Vegetation Index).
Las capas de uso del suelo (LandCover) se obtuvieron del
producto MCD12Q1 de MODIS (NASA 2021). Estas capas
proporcionan información detallada sobre los tipos de cobertura, lo que permite
evaluar su influencia en la distribución del hábitat. Se seleccionaron las
capas correspondientes a los años 2020 y 2021, y se recortaron al área de
estudio utilizando QGIS (2021).
Para capturar los cambios en la cobertura entre ambos años,
se calculó una capa de diferencia mediante R. Este cálculo permitió identificar
las transformaciones en la cobertura entre ambos años, como la urbanización, la
expansión agrícola o cambios en áreas naturales. El análisis reveló que solo el
2.42% de los píxeles mostraron cambios entre 2020 y 2021. Dado este bajo
porcentaje de cambio, se decidió no incluir la capa de diferencia en el modelo
para evitar complejidad innecesaria. Se optó por mantener únicamente la capa de
uso del suelo de 2020.
Alineación de Capas y Creación del Stack Final
Todas las capas se reproyectaron al sistema de coordenadas
WGS84 y se recortaron al área de estudio. La capa de elevación se usó como
referencia para alinear las demás capas utilizando la función resample() del
paquete raster en R.
Análisis de Correlación y Redundancia (Pearson)
Para asegurar que las variables seleccionadas fueran
independientes y relevantes, se realizó un análisis de correlación de Pearson.
Este análisis permitió identificar relaciones lineales fuertes entre variables
y evitar redundancias que podrían generar sobreajuste en el modelo y dificultar
su interpretación.
Se extrajeron los valores ráster de cada capa seleccionada y
se combinaron en un data frame en R. Posteriormente, se eliminaron las filas
con valores ausentes (NA) para garantizar un análisis consistente. La Tabla 1 muestra los resultados del análisis de
Pearson.
La precipitación y NDVI mostraron una alta correlación
positiva (r = 0.85), lo que indica redundancia. Se conservó NDVI por su
relación más directa con la vegetación.
La Temperatura máxima y promedio también tuvieron una
correlación alta (r = 0.85), por lo que se seleccionó la temperatura promedio
como una medida representativa. La temperatura mínima también fue descartada
por su correlación moderada con la temperatura promedio (r = 0.77).
El viento presentó correlaciones moderadas con la
temperatura mínima y baja con NDVI, aportando información única. Por ello, se
mantuvo.
La pendiente y precipitación tuvieron una correlación
moderada (r = 0.70), pero se decidió conservar la pendiente debido a su
relevancia topográfica.
El Uso del suelo mostró baja correlación con otras
variables, lo que justifica su inclusión junto con NDVI.
Finalmente, las variables seleccionadas para el modelo MaxEnt
fueron: pendiente, viento, temperatura promedio, NDVI y uso del suelo.
Tabla 1. Correlaciones
de variables ambientales (método de análisis de Pearson).
Table
1. Environmental variable correlations (Pearson
analysis method).
Modelado de la Distribución Potencial con MaxEnt
El modelado de la distribución del Cuco se realizó con el
software MaxEnt (2024). Se realizaron 10 corridas
independientes para verificar la consistencia del modelo, utilizando una
muestra distinta en cada una, garantizando predicciones más generales y
precisas.
El modelo se ejecutó hasta alcanzar estabilidad en las
predicciones, con un máximo de 500 iteraciones. Los datos se dividieron en 80%
para entrenamiento y 20% para validación, y se evaluó la precisión con curvas
ROC (Receiver Operating Characteristic), cuyo valor de la métrica de AUC (Área
Bajo la Curva) cercano a 1 indica alta precisión. Los valores AUC de cada ejecución
se promediaron para evaluar el rendimiento general.
Se usaron 10 000 puntos aleatorios en áreas sin registros de
la especie para comparar las condiciones ambientales entre zonas con y sin
presencia del Cuco.
Finalmente, los resultados del modelo fueron representadas
en mapas con una simbología adecuada para visualizar las áreas de mayor
probabilidad de ocurrencia de la especie.
Resultados
Programa de Monitoreo
2020-2021 e Integración y Filtrado de Registros de Ocurrencia
Los registros comenzaron con números bajos en el primer mes
y fueron aumentando, logrando llegar en el mes de agosto de ambos años a un
registro máximo de 22 individuos en 2020 y 13 en 2021.
En 2020, la abundancia del Cuco fue de 20 individuos en
Caduaño, 18 en Miraflores y 18 en Rancho las Ballenas. Para 2021, en Caduaño se
registraron 11 individuos, en Miraflores 11 y en Rancho las Ballenas 7. Los
registros mensuales totales de Cuco en 2020 fueron de 15 individuos en junio,
19 en julio y 22 en agosto. En 2021, se registraron 6 individuos en junio, 10
en julio y 13 en agosto (Tabla 2).
Después de haber filtrado los
registros de ciencia ciudadana se obtuvieron en total 30, los cuales fueron
empleados junto con los datos de campo para realizar los mapas de distribución.
Tabla 2. Abundancia
del Cuclillo pico amarillo en los sitios donde se realizó el monitoreo y
registros totales de Cuclillo pico amarillo por mes en 2020 y 2021.
Table
2. Abundance of the Yellow-billed Cuckoo at the
monitored sites and total records of Yellow-billed Cuckoo per month in 2020 and
2021.
Modelado de la Distribución Potencial con MaxEnt
El modelo desarrollado muestra resultados consistentes y
robustos tras la ejecución de 10 réplicas. La métrica AUC promedio para las
réplicas fue de 0.879, indicando un desempeño alto en la capacidad del modelo
para distinguir entre áreas favorables y no favorables para la especie. Esta
precisión se ve respaldada por la baja desviación estándar del AUC (0.076), sugiriendo
que los resultados son consistentes entre las réplicas. Además, la ganancia
regularizada promedio del entrenamiento fue de 1.729, lo que refleja la
capacidad del modelo para capturar patrones en los datos sin sobre ajustarse.
Las variables que fueron utilizadas como entrada para
relacionarlas con la distribución del Cuco presentan dos métricas clave: el
porcentaje de contribución y la importancia de la permutación, estas variables
se presentan en la Tabla 3.
Las variables incluidas en el modelo tuvieron un impacto
significativo en la predicción de la distribución del Cuco. El índice de
vegetación (NDVI) mostró la mayor contribución relativa, con un 59.57%, seguido
por la velocidad del viento con un 18.58% y la pendiente con un 14.11%,
destacando la importancia de los factores relacionados con la vegetación y las
condiciones climáticas en la delimitación del hábitat de la especie. La
temperatura promedio y el uso del suelo del año 2020, tuvieron contribuciones más
moderadas, pero aún relevantes.
En cuanto a la importancia por
permutación, que mide la relevancia de cada variable tras reordenar los datos,
el NDVI también sobresalió con un valor de 64.64%, confirmando su peso
determinante en la modelación. La elevación mostró una contribución mínima del
0.81%, siendo la variable de menor impacto, lo que se reflejó en su importancia
por permutación, con un valor de 1.61%.
Tabla 3. Porcentaje
de importancia y porcentaje de contribución para el modelo MaxEnt con un valor
del AUC de 0.879.
Table
3. Importance percentage and contribution
percentage for the MaxEnt model with an AUC value of 0.879.
En términos de validación del modelo, las 10 réplicas se
llevaron a cabo utilizando un proceso iterativo con un máximo de 500
iteraciones para cada corrida, logrando una convergencia eficiente. El modelo
se entrenó utilizando el 80% de los datos de ocurrencia y validó su desempeño
con el 20% restante. La capacidad del modelo para generalizar se refleja en las
curvas ROC generadas, que muestran un equilibrio adecuado entre sensibilidad y
especificidad, reafirmando la fiabilidad del modelo para identificar áreas de
presencia potencial.
Variables Ambientales
Se obtuvieron graficas en las que explican de manera
detallada el comportamiento de la presencia del ave según los valores de cada
variable (Fig. 2). El gráfico de respuesta
muestra que la elevación tiene una relación no lineal y débil con la presencia
del Cuco, con una caída inicial seguida de una leve recuperación cerca de los
1000 metros. Dado su bajo impacto (0.81%), esta variable podría descartarse en
futuras versiones para simplificar el modelo.
El NDVI tiene una relación positiva con la probabilidad de
presencia del Cuco, incrementando la respuesta hasta una meseta en niveles
altos de vegetación. Es la variable de mayor contribución al modelo (59.57%),
mostrando la fuerte dependencia de la especie en hábitats con alta cobertura
vegetal.
La pendiente muestra que la probabilidad de presencia del Cuco
disminuye rápidamente con el aumento de la inclinación del terreno, indicando
una preferencia por áreas planas o con pendientes leves. Esta variable
contribuyó un 14.11% al modelo, destacando su relevancia en la definición del
hábitat adecuado.
La temperatura promedio muestra un aumento en la respuesta
cerca de los 27°C, indicando preferencia del Cuco por condiciones cálidas y su
tolerancia a temperaturas elevadas. Aunque su contribución fue moderada (contribuyó
un 5.22%), sigue siendo relevante en el modelo.
El uso del suelo muestra una respuesta creciente hacia
coberturas más adecuadas, aportando información relevante sobre las
preferencias de hábitat del Cuco y su interacción con el paisaje. Aunque no es
la variable más importante (contribuyó un 1.68%), complementa el modelo.
La velocidad del viento muestra una relación inversa con la
presencia del Cuco, disminuyendo la probabilidad de presencia en áreas
ventosas. Con una contribución del 18.58%, es una variable importante para
definir el hábitat de la especie.
La gráfica ROC compara sensibilidad y 1 - especificidad,
mostrando un AUC de 0.880, lo que implica que el modelo tiene una gran
capacidad para distinguir entre sitios adecuados y no adecuados para la
especie, mucho mejor que una predicción aleatoria representada por la diagonal
negra (AUC = 0.5). Además, el sombreado azul alrededor de la curva muestra la
desviación estándar entre las réplicas del modelo, lo que proporciona una
medida de la estabilidad y consistencia de los resultados.
Figura 2. Gráficas en las que explican de
manera detallada el comportamiento de la presencia del ave según los valores de
cada variable, (A) Elevación, (B) NDVI, (C) Pendiente, (D)
tavg, (E) Uso de suelo, (F) Viento (G) La curva ROC. Es
decir, el modelo MaxEnt da un porcentaje que representa la posible presencia
que pueda tener la especie con respecto a cada
variable.
Figure 2. Graphs that explain in detail the behavior of the presence of the
bird according to the values of each variable, (A) Elevation, (B)
NDVI, (C) Slope, (D) tavg, (E) Land Use, (F) Wind,
(G) ROC Curve. That is, the MaxEnt model gives a percentage that
represents the possible presence that the species may have with respect to each
variable.
Por último, se presentan dos mapas relevantes para comunicar
los resultados y permitir su utilización en sistemas de información
geográfica. El primero muestra la distribución del Cuco en los municipios de
La Paz y Los Cabos (Fig. 3). Los puntos azules
representan los puntos en los que existe registro de la existencia del Cuco,
concentrándose la mayoría en los alrededores de la Sierra la Laguna, entre La
Paz y los Cabos. El mapa en el que se representaron los resultados del modelo MaxEnt,
muestra las zonas en las que se reúnen las condiciones climáticas y ecológicas
para tener presencia del Cuco y por lo tanto hay más probabilidad de que esté
distribuido son las zonas rojas/amarillas, lo que coincide en gran medida con
los puntos que están representados en el mapa de distribución. La presencia del
Cuco es alta al sur del municipio de La Paz y Norte del municipio de Los Cabos,
en los alrededores de la Reserva de la Biósfera Sierra La Laguna.
Figura 3. A) Mapa de distribución de C.
americanus en La Paz – Los Cabos. El siguiente mapa muestra los puntos
azules, que representan los puntos donde hay registro de la existencia de C.
americanus, la mayoría de los cuales se concentran en los alrededores de la
Sierra la Laguna, entre La Paz y Los Cabos. B) Mapa de
distribución potencial de C. americanus generado a partir del modelo de
MaxEnt. Las zonas con colores rojos y amarillos corresponden con las que
presentan una mayor probabilidad de presencia de la especie, principalmente en
el sur del municipio de La Paz y en el norte del municipio de Los Cabos, en los
alrededores de la Reserva de la Biosfera Sierra La Laguna.
Figure 3. A) Distribution map of C. americanus in La Paz – Los
Cabos. The following map shows the blue dots, which represent the points where
there is a record of the existence of C. americanus, most of which are
concentrated around the Sierra la Laguna, between La Paz and Los Cabos. B)
Map of potential distribution of C. americanus generated from the Maxent
model. The areas with red and yellow colors correspond to those with a higher
probability of presence of the species, mainly in the south of the municipality
of La Paz and in the north of the municipality of Los Cabos, in the
surroundings of the Sierra La Laguna Biosphere Reserve.
Discusión
Programa de Monitoreo 2020-2021 e Integración y
Filtrado de Registros de Ocurrencia
Pocos son los estudios recientes sobre la distribución del
Cuco en México, se tienen registros de que su área de reproducción geográfica
en el país incluye la Región del Cabo de Baja California Sur, Sonora, Sinaloa,
el oeste de Chihuahua y el noroeste de Durango (Fish and Wildlife Service 2014).
Un estudio realizado en Sonora (Macías-Duarte 2023) muestra un declive en su
población en dicho estado debido a pérdida de su hábitat. Los resultados
sugieren que la especie tiene una ocupación limitada y que su abundancia
depende de la disponibilidad de hábitats ribereños adecuados teniendo una
densidad de 13 cucos/km2. Tanto en Sonora
como en Baja California Sur, la población del Cuco permanece, aunque en cifras
reducidas.
Los datos obtenidos en el monitoreo de campo desarrollado en
2020 y 2021 fueron esenciales para verificar la presencia de la especie, y
confirmar que los sitios donde se tenía registros de avistamientos actualmente
forman parte de los ecosistemas riparios y que los cucos están haciendo uso de
ese hábitat. Si bien no realizamos una estimación directa de densidades debido
a las limitaciones del método de muestreo, se debe considerar la posibilidad de
realizar estudios más específicos en el futuro para comparar densidades con
otras áreas de distribución.
Modelo de distribución
La modelización de la distribución
del Cuco en Baja California Sur aporta información clave sobre las variables
ambientales que influyen en su hábitat potencial dentro de la región. Los
resultados de este estudio se alinean con investigaciones realizadas en
hábitats similares, como los ecosistemas riparios del río Colorado, donde el
Cuco muestra una preferencia por áreas con alta humedad, matorrales húmedos,
lechos de río y estanques (Johnson et al. 2017).
Estas características destacan la importancia de los hábitats con cobertura
vegetal densa y condiciones húmedas para la reproducción de la especie.
La efectividad del modelo actual, con un AUC de 0.880,
sugiere que las variables seleccionadas permiten identificar correctamente
áreas de alta probabilidad de presencia del Cuco en Baja California Sur. Sin
embargo, mejorar los esfuerzos de monitoreo y complementar los datos de
presencia-ausencia en regiones con hábitats potenciales facilitará una
actualización más precisa del rango de distribución de la especie. Esto
permitirá tomar decisiones informadas para la conservación, apoyando acciones
como la restauración de hábitats críticos y el desarrollo de estrategias de
manejo que respondan a los desafíos climáticos emergentes.
Es crucial reconocer que los mapas de distribución actuales
pueden sobrestimar el área de ocupación real de la especie, debido a su
limitada dispersión y preferencia por hábitats específicos, lo que afecta la
precisión en la representación de su rango de distribución. Por lo tanto,
restaurar y conservar áreas riparias sería una estrategia efectiva para ampliar
los hábitats de reproducción disponibles y aumentar la conectividad de sus
poblaciones en México.
En futuras modelizaciones, podría considerarse la
incorporación de capas de vegetación con descripciones detalladas sobre
estructura, tipo de cobertura y composición, con el fin de ajustar el modelo de
manera que represente mejor las necesidades de cría de la especie. Asimismo,
optimizar el modelo podría implicar la eliminación de variables con bajo aporte
predictivo, como la elevación, cuya contribución al modelo fue mínima (0.81%). Además,
se sugiere que los futuros estudios utilicen un enfoque a múltiples escalas
espaciales y temporales como lo han señalado Mateo-Sánchez
et al. (2016) y Gastón et al. (2017). El
enfoque multiescala permite que cada variable ambiental se cuantifique en la
escala espacial que maximice su capacidad predictiva (escala operativa),
capturando dimensiones que suelen pasar desapercibidas en modelos a escala
única y mejorando la precisión en la predicción de la ocurrencia de la especie
El enfoque multitemporal facilitaría el análisis de las variaciones en el
paisaje y en el uso del hábitat a lo largo del tiempo En conjunto, permiten
reducir el riesgo de interpretaciones erróneas sobre la relación
especie-ambiente y sus implicaciones para la conservación.
El Cuco es una especie con valor cultural en comunidades
locales, conocida como “Pájaro Chubasquero” debido a su presencia durante la
temporada de huracanes, y es asociado con la llegada de la lluvia. Esta
relación cultural es una oportunidad para implementar programas de ciencia
ciudadana que fortalezcan la participación comunitaria en su monitoreo y la
conservación.
Disponibilidad de datos
Los datos utilizados en este estudio tales
como las variables y la base de datos de ocurrencia, así como los datos de
monitoreo en los años 2020 y 2021 están disponibles en figshare en https://doi.org/10.6084/m9.figshare.28366583.v1.
Contribución de los autores
José Emer García de la Puente Orozco: Redacción - borrador
original, investigación y supervisión, Yuri Vladimir Albores Barajas: Redacción
- revisión y edición, David Serrano: Conceptualización, Jorge Saul Ramirez
Perez: Redacción - revisión y edición, Miguel Ángel
Ojeda Ruiz: Redacción - revisión y edición, Exal Hernández Plata: Metodología,
Software, Natalia Montes Barrios: Curaduría de datos.
Financiación, permisos requeridos, potenciales
conflictos de interés y agradecimientos
Agradecemos a la
comunidad del Ejido de Caduaño, y a Ángel Ceseña el Comisionado Ejidal, por su
valioso aporte. Expresamos también nuestro agradecimiento a Conservación del
Territorio Insular Mexicano, A.C. “ISLA” y a la Estación Científica Sierra Sur
por su apoyo y asistencia en nuestra investigación.
Los autores/as
declaran no tener ningún conflicto de intereses.
Referencias
CONABIO 2021. Comisión Nacional para el Conocimiento y Uso de la Biodiversidad [Used
October 25, 2021], https://enciclovida.mx/ especies/35856-coccyzus-americanus
Dettling, M.D., Seavy, N.E., Howell, C.A., Gardali, T. 2015. Current status
of the western yellow-billed cuckoo along the Sacramento and Feather Rivers,
California. PLoS One 10(4), e0125198. https://doi.org/10.1371/journal.pone.0125198
eBird Observation Dataset 2021. eBird Estado y tendencias, Versión de
datos: 2021; Cornell Lab of Ornithology, Ithaca, New York. [Used October 25,
2021], https://www.gbif.org/es/occurrence/search?country=MX&dataset_key=4fa7b334-ce0d-4e88-aaae-2e0c138d049e&taxon_key=2496287
Fish
and Wildlife Service 2014. Endangered and
threatened wildlife and plants; determination of threatened status for the
western distinct population segment of the yellow-billed cuckoo (Coccyzus
americanus). Federal Register 79(192), 59992-60038. https://www.federalregister.gov/documents/2014/10/03/2014-23640/endangered-and-threatened-wildlife-and-plants-determination-of-threatened-status-for-the-western
Fish
and Wildlife Service. 2020. Endangered and
Threatened Wildlife and Plants; Revised Designation of Critical Habitat for the
Western Distinc Population Segment of the Yellow-Billed Cuckoo, https://www.govinfo.gov/content/pkg/FR-2020-02-27/pdf/2020-02642.pdf
Gaines, D.,
Laymon, S.A. 1984. Decline, status and preservation
of the yellow-billed cuckoo in California. Western
Birds 15, 49-80.
Gaston, A., Ciudad, C.,
Mateo-Sanchez, M.C., Garcia-Vinas, J.I., Lopez-Leiva, C., Fernandez-Landa, A.,
Marchamalo, M., et al. 2017. Species’ habitat use inferred
from environmental variables at multiple scales: how much we gain from
high-resolution vegetation data? International journal of applied earth
observation and geoinformation 55, 1-8.
GBIF 2021. Global Biodiversity Information Facility [Used October 25,
2021], https://www.gbif.org/es/occurrence/search?country=MX&taxon
_key=2496287
Halterman, M., Johnson, M.J., Holmes, J.A., Laymon, S.A. 2016. A natural
history summary and survey protocol for the western distinct population segment
of the yellow-billed cuckoo. US Fish and Wildlife Service. Sacramento, CA,
USA.
Hijmans, R. 2025. raster: Geographic Data Analysis and Modeling. R package
version 3.6-31, https://github.com/rspatial/raster.
Hughes, J.K. 1999. Yellow-billed Cuckoo (Coccyzus americanus). The Birds of
North America (418), 28. https://doi.org/10.2173/tbna.418.p
Hughes, J.M. 2020. Yellow-billed Cuckoo (Coccyzus americanus), version 1.0. In:
Rodewald, P.G. (Ed.) Birds of the World. Cornell Lab of Ornithology,
Ithaca, NY, USA. [Used October 25, 2021]. https://doi.org/10.2173/bow.yebcuc.01
Johnson, M.J., Hatten, J.R., Holmes, J. A., Shafroth, P.B. 2017.
Identifying western yellow-billed cuckoo breeding habitat with a dual modelling
approach. Ecological Modelling 347, 50-62. https://doi.org/10.1016/j.ecolmodel.2016.12.010
Laymon, S.A. 1998. Yellow-billed Cuckoo (Coccycus americanus). In: The
Riparian Bird Conservation Plan: a strategy for reversing the decline of
riparian-associated birds in California. California Partners in Flight. https://partnersinflight.org/wp-content/uploads/2024/05/riparian_v-2.pdf
Laymon,
S.A., Halterman, M.D. 1987. Distribution and
status of the yellow-billed cuckoo in California. Final report to the
California Department of Fish and Game, Sacramento, CA, USA. 35pp.
Macías-Duarte, A., Juárez, E., Murrieta, E.S., Perales-Hoeffer, E.L.,
Rosas, C.I.O. 2023. Abundance and occupancy of the western yellow-billed cuckoo (Coccyzus
americanus) in Sonora, Mexico. Canadian Journal of Zoology 101(8), 603-613.
Mateo-Sanchez, M.C.,
Gaston, A., Ciudad, C., Garcia-Vinas, J. I., Cuevas, J., Lopez-Leiva, C.,
Fernández-Landa, A., et al. 2016. Seasonal and temporal
changes in species use of the landscape: how do they impact the inferences from
multi-scale habitat modelling? Landscape Ecology 31, 1261-1276.
MaxEnt 2024. Maxent software for modeling species niches and
distributions. American Museum of Natural History. (Version 3.4.1), https://biodiversityinformatics.amnh.org/open_source/maxent/
NASA 2021. MODIS Land Cover Type/Dynamics. [Used October 25, 2021], https://modis.gsfc.nasa.gov/data/dataprod/mod12.php
National
Audubon Society. (s.f.). Ley de especies en
peligro de extinción. [Used October 25, 2021], https://www.audubon.org/es/conservacion/ley-de-especies-en-peligro-de-extincion
QGIS 2021. QGIS Geographic Information System (Version 3.32.3) Available from: https://qgis.org
R Foundation 2024. The R Project for
Statistical Computing (Version 4.4.1) RStudio 2024.09.0+375 "Cranberry
Hibiscus". https://community.chocolatey.org/packages/r.project/4.4.1
Rebman, J.P.,
Roberts, N.C. 2012. Baja California Plant Field
Guide, third edition. Sunbelt Pubns. El Cajon, CA, USA.
Ruiz-Campos, G.,
Andreu-Soler, A., Vidal-Abarca Gutiérrez, M.R., Delgadillo-Rodríguez, J.,
Suárez-Alonso, M.L., González-Abraham, C., Luja, V.H. 2014. Catalog of freshwater wetlands of Baja California Sur, Mexico. Secretariat of Environment and Natural Resources/National
Institute of Ecology and Climate Change, Mexico DF, Mexico.
Rzedowsky, J.
1978. Vegetation of Mexico. Ed.
Limusa, México DF, Mexico. 432pp.
Toochin,
R., Cecile, D. 2014. Status and occurrence of
Yellow-billed Cuckoo (Coccyzus americanus) in British Columbia. https://ibis.geog.ubc.ca/biodiversity/efauna/documents/Yellow-billed_Cuckoo-RT-DC-g.pdf
Wallace, C.S., Villarreal,
M.L., van Riper III, C. 2013. Influence of monsoon‐related
riparian phenology on yellow‐billed cuckoo habitat selection in Arizona. Journal of
Biogeography 40(11), 2094-2107. https://doi.org/10.1111/jbi.12167
Wei, T., Simko,
V. 2024. R package 'corrplot':
Visualization of a Correlation Matrix. (Version 0.95), https://github.com/taiyun/corrplot
Wickham, H. 2016. ggplot2: Elegant Graphics for Data Analysis.
Springer-Verlag New York. ISBN 978-3-319-24277-4, https://ggplot2.tidyverse.org
Wickham, H., François, R., Henry, L., Müller, K., Vaughan, D. 2023. dplyr:
A Grammar of Data Manipulation. R package version 1.1.4, https://github.com/tidyverse/dplyr, https://dplyr.tidyverse.org
WorldClim 2021. Global climate and weather database [Used October 25, 2021],
https://www.worldclim.org/
, Yuri Vladimir
Albores Barajas4