Metodología

El IBT resume en un valor 0–100, acompañado de un intervalo de confianza (IC), tres componentes complementarios:

• B — Riqueza estandarizada por esfuerzo. Riqueza de especies expresada a una profundidad de muestreo común (véase el apartado 3), no como recuento bruto. Se acompaña de los números de Hill de orden q = 1 (exponencial de Shannon) y q = 2 (inverso de Simpson), poco sensibles al esfuerzo.
• H — Integridad del hábitat (independiente del observador). Se calcula sin datos de ocurrencia, a partir de la cobertura del suelo (SIOSE / CORINE Land Cover): combina la fracción de suelo natural (hab_nat) con la evenness de Shannon de las clases de cobertura naturales (hab_even). El valor de hábitat H_raw es la media geométrica de la naturalidad y de la diversidad de coberturas, de modo que no depende de que nadie observe el territorio.
• C — Valor de conservación. Suma, sobre las especies amenazadas del municipio, del peso de su categoría UICN dividido por la rareza de su rango: C_raw = Σ [ peso(categoría) / rango(especie) ]. Los pesos siguen el enfoque STAR (Mair et al. 2021): CR = 4, EN = 3, VU = 2. El rango de cada especie es el número de municipios en los que aparece, de modo que se premia albergar taxones muy amenazados y de distribución restringida (responsabilidad de conservación), no el mero recuento de especies amenazadas.

Los componentes B y H se normalizan por distancia a un referente (distance-to-reference): cada valor se divide por el percentil 99 de su distribución, que actúa como "municipio excelente" y es robusto a valores extremos y estable al añadir municipios. Las referencias se calculan únicamente sobre municipios bien muestreados.

La base del índice es la media geométrica ponderada de B y H, con pesos wB = 0,60 y wH = 0,40. La media geométrica limita la compensabilidad: un componente alto no puede compensar por completo uno bajo.

base = 100 · nB0,60 · nH0,40

El componente de conservación C entra como bonificación acotada (hasta +15 puntos), nunca como penalización:

IBT = mín(100, base + 15 · nC)

La razón es que la detección de especies amenazadas también depende del esfuerzo de muestreo; su ausencia en un municipio infra-muestreado no debe hundir el índice. El valor mostrado se acota a 0–100, mientras que el orden del ranking usa el valor continuo sin acotar para evitar empates artificiales. Cada municipio se publica con su IC (score_lo–score_hi), propagado desde la incertidumbre de B.

Este es el núcleo del rigor del método. Los datos de ocurrencia de GBIF reflejan tanto la biodiversidad como dónde hay observadores. Para medir biodiversidad y no esfuerzo, la riqueza se estandariza a una profundidad común de m₀ = 500 individuos mediante una única curva de interpolación–extrapolación, tratando cada municipio según su número de registros n:

• Datos suficientes (n ≥ 500). Rarefacción de Hurlbert (1971) exacta a 500 individuos: se calcula la riqueza esperada E[S] en una submuestra de ese tamaño, con varianza conservadora para el IC. La cobertura y la completitud del inventario (cobertura de muestreo de Chao & Jost 2012; riqueza asintótica Chao1) clasifican estos municipios en fiabilidad alta / media / baja.
• Provisional (250 ≤ n < 500). Extrapolación de riqueza basada en el tamaño de muestra (size-based; Chao et al. 2014, Colwell et al. 2012) hasta como máximo el doble de la muestra (m₀ ≤ 2n), límite de extrapolación fiable. Estos municipios reciben un IC ancho y se marcan como provisionales.
• Estimado (muy pocos registros). Cuando ni la rarefacción ni la extrapolación son fiables, la riqueza estandarizada B se imputa por modelo (véase abajo), con un intervalo de predicción ancho.

Imputación por modelo. Regresión ridge (Hoerl & Kennard 1970) con coeficiente de regularización λ = 30, elegido por validación cruzada. Los predictores son estrictamente independientes del observador —no del esfuerzo—: el valor de hábitat H_raw, la fracción de suelo natural hab_nat, la evenness de coberturas hab_even y una línea base regional (media de B en los municipios fiables de la misma provincia, con respaldo CCAA → nacional). Al no depender ninguna covariable del número de registros, la imputación no reintroduce sesgo por esfuerzo.

El modelo se entrena sobre 6.586 municipios fiables (con B por rarefacción exacta). Su desempeño se evalúa por validación cruzada de 5 particiones (5-fold), con folds deterministas para garantizar la reproducibilidad:

• R² de validación cruzada = 0,366.
• RMSE fuera de muestra = 61 especies@500, que se usa como desviación residual para construir el intervalo de predicción de los municipios estimados.

Cada municipio se publica con dos números separados: su valor de biodiversidad y su fiabilidad. Se distinguen seis niveles:

• Alta · media · baja — datos suficientes (n ≥ 500); la clase depende de la completitud del inventario (Chao1).
• Provisional — riqueza obtenida por extrapolación (250 ≤ n < 500); IC ancho.
• Estimado — riqueza imputada por modelo ridge; intervalo de predicción ancho.
• Sin datos suficientes — no se asigna índice.

De los 8.129 municipios, 8.122 disponen de índice y solo 7 quedan sin valor (por falta de cobertura de hábitat, que impide tanto H como la imputación). El desglose por fiabilidad es:

La prueba central de que el índice mide biodiversidad y no esfuerzo es su correlación de Pearson con el logaritmo del número de registros: el objetivo es que sea próxima a cero.

La estandarización reduce la correlación con el esfuerzo desde 0,76 (riqueza bruta) hasta 0,21 en el índice final, confirmando que la señal residual de esfuerzo es marginal.

El índice se construye exclusivamente sobre fuentes públicas y trazables:

• GBIF.org — ocurrencias de especies georreferenciadas (base de B y C).
• Lista Roja UICN — categorías de amenaza de las especies (componente C).
• SIOSE / CORINE Land Cover — cobertura y usos del suelo (componente H).
• IGN — límites y superficie municipal.
• INE — población.

• Los municipios provisionales y estimados conllevan una incertidumbre elevada (IC / intervalo de predicción ancho); su valor debe leerse siempre junto a su fiabilidad.
• El modelo de imputación explica una fracción moderada de la varianza (R²_cv = 0,366); es una estimación regional del orden de magnitud, no una medida directa.
• 7 municipios carecen de covariables de hábitat y quedan sin índice.
• El componente C es sensible al esfuerzo de muestreo (la detección de amenazadas depende del número de observaciones); por eso entra como bonificación acotada y no como penalización.
• Los valores publicados son un documento de trabajo pendiente de validación por el Consejo Científico; los pesos de agregación son provisionales y sujetos a análisis de sensibilidad.

• Hurlbert, S. H. (1971). The nonconcept of species diversity. Ecology, 52(4), 577–586.
• Hoerl, A. E. & Kennard, R. W. (1970). Ridge regression. Technometrics, 12(1), 55–67.
• Chao, A. & Jost, L. (2012). Coverage-based rarefaction and extrapolation. Ecology, 93(12), 2533–2547.
• Colwell, R. K. et al. (2012). Models and estimators linking individual-based and sample-based rarefaction, extrapolation and comparison of assemblages. Journal of Plant Ecology, 5(1), 3–21.
• Chao, A. et al. (2014). Rarefaction and extrapolation with Hill numbers. Ecological Monographs, 84(1), 45–67.
• Mair, L. et al. (2021). A metric for spatially explicit contributions to science-based species targets (STAR). Nature Ecology & Evolution, 5, 836–844.