Contribución al estudio del patrimonio de Cacela: cartografía, arquitectura y paisaje en el contexto del algarve oriental en Portugal

El presente artículo estudia la cartografía de Cacela en el sur de Portugal con el propósito de interpretar su transformación a través del tiempo, considerando la arquitectura, el urbanismo y el paisaje de forma integrada. La lectura de esa transformación se lleva de la mano de las principales cartas de Cacela que coinciden con el inicio del siglo XVII, la aproximación al final del Antiguo Régimen y la transición del siglo XIX al XX, asociando cada uno de estos tiempos a un modo particular de representación. La interpretación de las diferentes cartas está organizada, en términos me- todológicos, a partir del recurso a fuentes escritas de la época, culminando con la elaboración de un dibujo final que contiene la representación del espacio edificado y del paisaje de Cacela a mediados del siglo pasado. Este trabajo se inscribe en una investigación más amplia sobre las aglomeraciones urbanas de pequeña dimensión en las diver- sas subunidades geográficas del sur de Portugal, comprendiendo el paisaje, la morfología urbana y el levantamiento integral de todo el núcleo edificado.

Assessing the effects of pseudo-absences on predictive distribution model performance

Modelling species distributions with presence data from atlases, museum collections and databases is challenging. In this paper, we compare seven procedures to generate pseudoabsence data, which in turn are used to generate GLM-logistic regressed models when reliable absence data are not available. We use pseudo-absences selected randomly or by means of presence-only methods (ENFA and MDE) to model the distribution of a threatened endemic Iberian moth species (Graellsia isabelae). The results show that the pseudo-absence selection method greatly influences the percentage of explained variability, the scores of the accuracy measures and, most importantly, the degree of constraint in the distribution estimated. As we extract pseudo-absences from environmental regions further from the optimum established by presence data, the models generated obtain better accuracy scores, and over-prediction increases. When variables other than environmental ones influence the distribution of the species (i.e., non-equilibrium state) and precise information on absences is non-existent, the random selection of pseudo-absences or their selection from environmental localities similar to those of species presence data generates the most constrained predictive distribution maps, because pseudo-absences can be located within environmentally suitable areas. This study showsthat ifwe do not have reliable absence data, the method of pseudo-absence selection strongly conditions the obtained model, generating different model predictions in the gradient between potential and realized distributions.