Flujo de Trabajo y Resolución Taxonómica en citesperu

1. Introducción

El comercio internacional de especies silvestres amparadas por la Convención sobre el Comercio Internacional de Especies Amenazadas de Fauna y Flora Silvestres (CITES) requiere una verificación rigurosa del estatus legal de los taxones. En el Perú, el Ministerio del Ambiente (MINAM), en su condición de Autoridad Científica CITES, compila y publica periódicamente los listados oficiales de especies de fauna y flora silvestres reguladas.

Sin embargo, los datos reales procedentes de inventarios biológicos, guías de transporte forestal, manifiestos de aduana o incautaciones suelen presentar:

Sinónimos históricos: Especies reclasificadas en nuevos géneros o familias tras revisiones filogenéticas recientes.
Discrepancias en sufijos latinos: Discordancias comunes de género gramatical en latín entre el sustantivo genérico y el adjetivo específico (-us, -a, -um, -is, -e).
Errores tipográficos: Erratas de digitación u omisiones de caracteres en nombres biológicos complejos.
Determinaciones genéricas incompletas: Muestras rotuladas como morfoespecies (sp., spp., indet.), para las que es útil identificar si el género tiene registros CITES y luego confirmar la especie y la fuente aplicable.

El paquete citesperu provee un motor de concordancia taxonómica (cites_match()) y una función booleana de alta velocidad (is_cites()) diseñados específicamente para resolver estas problemáticas con trazabilidad documental. La concordancia automatizada es una ayuda para revisar inventarios: la determinación taxonómica y la verificación regulatoria final deben contrastarse con la fuente oficial vigente.

2. Arquitectura del Backbone Taxonómico Unificado

En lugar de consultar archivos tabulares dispersos en tiempo de ejecución, citesperu cuenta con un backbone taxonómico interno pre-indexado (cites_backbone) integrado en el paquete. Para edition = "latest", el motor consulta la combinación de fauna 2023 y flora 2018; las demás ediciones cambian el subconjunto de referencia, no el orden del pipeline.

Volumen y versiones: Más de 8,500 registros taxonómicos que preservan fauna 2018, 2019 y 2023, además de flora 2018; cada coincidencia devuelve edición y referencia de origen.
Fauna: Articula las ediciones de 2018 (496 spp. oficiales), 2019 (523 registros con ámbito ecológico) y 2023 (568 especies con las enmiendas CoP19 Panamá).
Flora: Articula el catálogo botánico oficial 2018 (2,506 taxa en 9 familias, incluyendo Orchidaceae con 2,215 taxa y Cactaceae con 186 taxa tratadas según el estándar de Hunt 2016).
Metadatos asociados: Cada coincidencia recupera el Apéndice CITES y los metadatos taxonómicos y de conservación disponibles en el registro de origen.

Los nombres aceptados y las sinonimias se conservan como registros separados, vinculados mediante accepted_name. Para atender consultas como Touit sp., el motor construye un índice de géneros a partir del backbone ya filtrado por taxon y edition. Una coincidencia genus significa que el género tiene registros CITES en el alcance seleccionado; no asigna una especie concreta ni debe interpretarse, por sí sola, como cobertura automática de todas las especies del género. Por ello conserva is_cites = TRUE, pero recibe match_assessment = "requires_species_validation". La salida también conserva edition_used, source_dataset, source_row_id, source_title y source_url para auditoría.

3. Pipeline

El motor de cites_match() procesa los nombres de entrada a través de un flujo secuencial en 6 etapas:

[ Entrada del Usuario ]
         │
         ▼
[ 0. Parsing con cites_classify_names() ]
         │
         ├───> 1. Direct match (Coincidencia exacta con nombre aceptado)
         │       └─ SÍ -> match_type: "exact" (dist = 0)
         │
         ├───> 2. Synonym match (Resolución de sinónimos oficiales)
         │       └─ SÍ -> match_type: "synonym" (dist = 0)
         │
         ├───> 3. Suffix match (Normalización de sufijo latino)
         │       └─ SÍ -> match_type: "suffix" (dist = 0; empate -> ambiguous_match)
         │
         ├───> 4. Fuzzy match (Distancia Levenshtein acotada)
         │       └─ SÍ -> match_type: "fuzzy" (dist = 1..max_dist; empate -> ambiguous_match)
         │
         ├───> 5. Genus match (Consulta a nivel genérico / sp.)
         │       └─ SÍ -> match_type: "genus" (dist = 0)
         │
         └───> 6. Unmatched (Especie no incluida en CITES Perú)
                 └─ match_type: "unmatched" (is_cites: FALSE)

Detalle de cada etapa:

Direct Match (exact): Coincidencia estricta O(1) con un nombre CITES aceptado. Se asigna de inmediato el Apéndice, estatus legal y taxonomía correspondiente.
Synonym Match (synonym): Si el nombre no coincide con un nombre aceptado, se busca en la base de sinónimos oficiales del MINAM. Al encontrar coincidencia, se identifica el accepted_name oficial y se le asigna el Apéndice del taxón aceptado.
Suffix Match (suffix): Cuando existe una variación de sufijo permitida dentro del mismo género, se vincula al candidato oficial. El resultado queda marcado como requires_taxonomic_validation.
Fuzzy Match (fuzzy): Busca coincidencias aproximadas con distancia de edición dentro del mismo género según el umbral max_dist (por defecto 1). Si el género no se encuentra, evalúa géneros candidatos dentro del mismo presupuesto total. Si hay empate, devuelve ambiguous_match sin asignar Apéndice.
Genus Match (genus): Se activa cuando el nombre ingresado representa un género (ej. Cedrela sp., Touit spp., o género puro) o cuando se configura genus_fallback = TRUE para binomios sin coincidencia de especie. El resultado informa presencia en el índice del género, no sustituye una identificación a nivel de especie y recibe la categoría match_assessment = "requires_species_validation".
Unmatched: Si el nombre no supera ninguna de las fases previas, se marca con is_cites = FALSE y match_type = "unmatched".

Los empates en las fases suffix o fuzzy son un resultado transversal: se reportan como ambiguous_match, sin Apéndice y con candidate_names y candidate_count; no se resuelven eligiendo el primer registro disponible.

Lectura de `match_assessment`

Valor	Interpretación operativa
`matched`	Nombre aceptado o sinónimo oficial sin marcador de incertidumbre.
`requires_taxonomic_validation`	Match por sufijo o fuzzy, o entrada con `cf.`, `aff.`, híbrido o rango infraespecífico.
`requires_species_validation`	Coincidencia a nivel de género; debe determinarse la especie.
`ambiguous_match`	Empate entre candidatos; no se asigna Apéndice.
`not_listed`	No hubo coincidencia en el alcance elegido.

is_cites() es una función booleana conservadora: devuelve TRUE solo para exact y synonym con match_assessment = "matched". Para cualquier otro caso se debe usar cites_match().

4. Ejemplos Prácticos de Concordancia

Carguemos el paquete:

library(citesperu)

Consulta integral de casos taxonómicos

nombres <- c(
  "Tremarctos ornatus",      # 1. Coincidencia exacta (Oso andino, Fauna Ap. I)
  "Epipedobates femoralis",  # 2. Sinónimo de fauna resuelto a Allobates femoralis (Ap. II)
  "Paphiopedilum besseae",   # 3. Sinónimo de flora resuelto a Phragmipedium besseae (Ap. I)
  "Cedrela odoratus",        # 4. Variación de sufijo (-us por -a en Cedrela odorata)
  "Tremarctos ornatu",       # 5. Fuzzy match en epíteto (falta 's', dist = 1)
  "Swietenia macrophyla",    # 6. Fuzzy match en epíteto (falta 'l', dist = 1)
  "Canis familiaris"         # 7. No CITES (unmatched)
)

resultado <- cites_match(nombres, max_dist = 1)
resultado[, c("input_name", "matched_name", "accepted_name", "match_type", "match_assessment", "is_cites", "apendice", "taxon", "edition_used", "source_dataset", "source_row_id")]
#> # A tibble: 7 × 11
#>   input_name     matched_name accepted_name match_type match_assessment is_cites
#>   <chr>          <chr>        <chr>         <chr>      <chr>            <lgl>   
#> 1 Tremarctos or… Tremarctos … Tremarctos o… exact      matched          TRUE    
#> 2 Epipedobates … Epipedobate… Allobates fe… synonym    matched          TRUE    
#> 3 Paphiopedilum… Paphiopedil… Phragmipediu… synonym    matched          TRUE    
#> 4 Cedrela odora… Cedrela odo… Cedrela odor… suffix     requires_taxono… TRUE    
#> 5 Tremarctos or… Tremarctos … Tremarctos o… fuzzy      requires_taxono… TRUE    
#> 6 Swietenia mac… Swietenia m… Swietenia ma… fuzzy      requires_taxono… TRUE    
#> 7 Canis familia… <NA>         <NA>          unmatched  not_listed       FALSE   
#> # ℹ 5 more variables: apendice <chr>, taxon <chr>, edition_used <chr>,
#> #   source_dataset <chr>, source_row_id <chr>

Observaciones clave del resultado:

En el caso de Epipedobates femoralis, el usuario ingresó un sinónimo histórico de anfibio; el motor reconoció el sinónimo y devolvió como nombre aceptado Allobates femoralis, asignándole correctamente el Apéndice II.
En el caso de Paphiopedilum besseae, un sinónimo comercial botánico muy extendido en el mercado de orquídeas, el motor lo remonta a Phragmipedium besseae, asignándole el estatus de Apéndice I.
En Cedrela odoratus, la desinencia -us se vincula a Cedrela odorata (match_type: suffix), pero queda marcada para validación taxonómica.
Cuando una entrada se resuelve como genus, match_assessment toma el valor "requires_species_validation". Ese resultado señala que el género aparece en el índice consultado, pero exige confirmar la especie antes de una decisión regulatoria.

5. Control de Ámbitos y Ediciones

El usuario puede afinar el alcance de la búsqueda mediante parámetros específicos:

Restringir por reino (`taxon = "fauna"` o `"flora"`)

Evita falsos positivos o ambigüedades entre reinos biológicos:

# Restringir solo a fauna
cites_match("Tremarctos ornatus", taxon = "fauna")[, c("input_name", "is_cites", "taxon")]
#> # A tibble: 1 × 3
#>   input_name         is_cites taxon
#>   <chr>              <lgl>    <chr>
#> 1 Tremarctos ornatus TRUE     fauna

# Si se busca una planta en el filtro de fauna, resultará unmatched
cites_match("Swietenia macrophylla", taxon = "fauna")[, c("input_name", "is_cites", "match_type")]
#> # A tibble: 1 × 3
#>   input_name            is_cites match_type
#>   <chr>                 <lgl>    <chr>     
#> 1 Swietenia macrophylla FALSE    unmatched

Consultar ediciones históricas (`edition`)

# Consultar la edición 2018
cites_match("Tremarctos ornatus", edition = "2018")[, c("input_name", "apendice")]
#> # A tibble: 1 × 2
#>   input_name         apendice
#>   <chr>              <chr>   
#> 1 Tremarctos ornatus I

# La edición 2019 también conserva su procedencia
cites_match("Tremarctos ornatus", edition = "2019")[, c(
  "input_name", "apendice", "edition_used", "source_dataset", "source_row_id"
)]
#> # A tibble: 1 × 5
#>   input_name         apendice edition_used source_dataset        source_row_id
#>   <chr>              <chr>    <chr>        <chr>                 <chr>        
#> 1 Tremarctos ornatus I        2019         cites_fauna_peru_2019 374

6. Integración en Flujos de Limpieza de Datos con `dplyr`

En proyectos reales los datos suelen presentarse en tablas:

library(dplyr)

inventario <- tibble(
  codigo_muestra = c("M-01", "M-02", "M-03", "M-04"),
  nombre_declarado = c("Tremarctos ornatus", "Epipedobates femoralis", "Cedrela odoratus", "Zea mays")
)

# Evaluación con cites_match()
eval_cites <- cites_match(inventario$nombre_declarado)

# Integrar resultados al inventario
inventario_validado <- bind_cols(
  inventario,
  eval_cites %>% select(
    cites_aceptado = accepted_name,
    apendice,
    tipo_match = match_type,
    es_cites = is_cites
  )
)

inventario_validado
#> # A tibble: 4 × 6
#>   codigo_muestra nombre_declarado    cites_aceptado apendice tipo_match es_cites
#>   <chr>          <chr>               <chr>          <chr>    <chr>      <lgl>   
#> 1 M-01           Tremarctos ornatus  Tremarctos or… I        exact      TRUE    
#> 2 M-02           Epipedobates femor… Allobates fem… II       synonym    TRUE    
#> 3 M-03           Cedrela odoratus    Cedrela odora… III      suffix     TRUE    
#> 4 M-04           Zea mays            <NA>           <NA>     unmatched  FALSE

7. Conclusión

El motor taxonómico de citesperu estandariza la revisión inicial de listados CITES en el Perú, proporcionando una base auditable y reproducible para investigadores, autoridades ambientales y entidades de control. Los resultados suffix, fuzzy, genus, ambiguos o con calificadores taxonómicos requieren revisión según match_assessment; is_cites() reserva TRUE para nombres exactos o sinónimos oficiales sin incertidumbre.