GBIF para consultores: cómo descargar, depurar y citar registros de biodiversidad sin tropezar con la licencia

Al buscar el oso andino en Colombia, GBIF devuelve 8.057 registros. Después de quedarnos con los que tienen coordenadas, están presentes y son de 2010 en adelante, quedan 7.919. De esos, solo 176 declaran qué tan incierta es la coordenada y apenas 33 la declaran de un kilómetro o menos. Y para 6.274, casi ocho de cada diez, la licencia excluye el uso comercial.

Eso es lo que no se ve en el botón de descargar. Esta guía sigue el orden en que conviene trabajar: filtrar, depurar, revisar la licencia y citar, con cifras reales consultadas a la API de GBIF el 13 de octubre de 2026.

Qué hay en GBIF para Colombia y por qué no todo vale igual

GBIF es una red que agrega registros publicados por colecciones, proyectos y ciencia ciudadana. Para Colombia, la mezcla de lo que contiene define para qué sirve:

Tipo de registro (basisOfRecord)	Registros	Participación
Observación humana	35.283.804	86,5%
Espécimen preservado	3.357.751	8,2%
Muestra de material	1.118.943	2,7%
Observación por máquina (por ejemplo, cámaras trampa)	881.185	2,2%
Otros (ocurrencia, espécimen vivo, cita de material, fósil, observación)	170.575	0,4%

Fuente: API de ocurrencias de GBIF.org (country=CO), 13 de octubre de 2026. Los porcentajes son cálculo propio.

Casi nueve de cada diez registros son observaciones de personas, muchas de plataformas de ciencia ciudadana. Es una riqueza enorme y un riesgo: el esfuerzo de muestreo no es uniforme, y la ausencia de registros en un lugar no significa ausencia de la especie. Para un estudio ambiental, GBIF funciona como punto de partida y como contraste, no como línea base por sí sola (ver cómo encaja en una línea base).

Paso 1: filtra antes de descargar y pide un DOI

Para pedir una descarga hay que registrarse en GBIF.org. La solicitud lleva el usuario, un correo, el formato y un filtro en forma de predicado; cuando el archivo está listo, llega un correo con el enlace (documentación de descargas por API). Un ejemplo para los registros del oso andino presentes, con coordenadas, sin problema geoespacial y de 2010 en adelante:

{
  "notificationAddresses": ["[email protected]"],
  "sendNotification": true,
  "format": "SIMPLE_CSV",
  "predicate": {
    "type": "and",
    "predicates": [
      { "type": "equals", "key": "COUNTRY", "value": "CO" },
      { "type": "equals", "key": "TAXON_KEY", "value": "2433401" },
      { "type": "equals", "key": "HAS_COORDINATE", "value": "true" },
      { "type": "equals", "key": "HAS_GEOSPATIAL_ISSUE", "value": "false" },
      { "type": "equals", "key": "OCCURRENCE_STATUS", "value": "PRESENT" },
      { "type": "greaterThanOrEquals", "key": "YEAR", "value": "2010" }
    ]
  }
}

La clave 2433401 es la que devuelve la API de GBIF para Tremarctos ornatus, el oso andino. Los nombres de los filtros están en mayúsculas con guiones bajos y salen del catálogo de parámetros de ocurrencias de GBIF; en la web, el mismo filtro se arma con menús, sin escribir nada.

Dos decisiones del paso 1 que se pagan después:

Decisión	Opciones	Qué conviene
Formato	SIMPLE_CSV: texto tabulado con los términos más usados, ya alineados a la taxonomía y la geografía de GBIF. DWCA: un zip con los datos interpretados, los originales sin modificar y los metadatos	SIMPLE_CSV para analizar rápido; DWCA cuando necesites ver qué publicó el autor y qué cambió GBIF
Taxonomía	Si no indicas una lista de verificación (checklistKey), se usa la taxonomía troncal de GBIF, que la documentación califica de obsoleta	Fijar la lista de verificación en la solicitud y en los filtros, y anotar cuál usaste

Fuente: documentación técnica de GBIF sobre descargas y formatos.

Paso 2: depura, porque GBIF marca los problemas pero no los resuelve

Cada registro pasa por un procesamiento que intenta normalizar los valores y verificar las coordenadas; si hay un problema, le pone una bandera. La documentación aclara que estas banderas no siempre indican un error: a veces solo señalan que GBIF cambió o dedujo un valor (procesamiento de datos de GBIF). Entre ellas hay cuatro que dan a un registro la etiqueta de sospechoso: coordenada cero, coordenada fuera de rango, país que no coincide con la coordenada y coordenada inválida.

Esto es lo que aparece en Colombia:

Bandera (issue)	Registros con country=CO
País y coordenada no coinciden (COUNTRY_COORDINATE_MISMATCH)	12.169
Coordenada inválida (COORDINATE_INVALID)	7.244
Coordenada cero (ZERO_COORDINATE)	5.613
Longitud presumiblemente con signo cambiado (PRESUMED_NEGATED_LONGITUDE)	5.003
Coordenada fuera de rango (COORDINATE_OUT_OF_RANGE)	2.237
Coordenadas presumiblemente intercambiadas (PRESUMED_SWAPPED_COORDINATE)	450

Fuente: API de ocurrencias de GBIF.org, 13 de octubre de 2026. Un mismo registro puede tener varias banderas.

Son pocos frente a 40,8 millones, y filtrar HAS_GEOSPATIAL_ISSUE = false los saca de la descarga: de 39.391.962 registros con coordenadas quedan 39.369.740. Pero ese filtro no resuelve lo que más pesa para un estudio.

La incertidumbre de la coordenada. En el estándar Darwin Core es la distancia horizontal, en metros, desde la coordenada hasta el borde del círculo más pequeño que contiene toda la ubicación. Si falta, no sabes si el punto es un GPS en el sitio o el centro de un municipio. En el ejemplo del oso andino, de 7.919 registros presentes y con coordenadas desde 2010, solo 176 (2,2%) declaran ese valor y 33 (0,4%) lo declaran de 1.000 metros o menos. Para un modelo a escala de paisaje puede alcanzar; para decidir si un punto cae dentro de un predio, no.

Una rutina mínima de depuración, en orden:

1. Descartar los registros con banderas de coordenada y los ausentes (OCCURRENCE_STATUS = ABSENT; en Colombia hay 120.890).
2. Decidir un umbral de incertidumbre acorde con la escala del análisis, y registrar cuántos registros se pierden por aplicarlo.
3. Revisar la fecha: un registro sin año o muy antiguo describe otro paisaje.
4. Comprobar que el nombre aceptado corresponde a la taxonomía que fijaste y revisar los registros emparejados con un rango superior (bandera TAXON_MATCH_HIGHERRANK).
5. Mirar por conjunto de datos: un solo publicador puede aportar la mitad de los puntos y sesgar el mapa.

En el ejemplo, el mayor conjunto aporta 4.286 de los 7.919 registros (54,1%): fototrampeo de mamíferos priorizados de Colombia. Los datos de cámaras trampa tienen su propia lógica, que explicamos en la guía de fototrampeo.

Paso 3: revisa la licencia antes de usar un solo punto

Cada conjunto de datos tiene una licencia, y GBIF las agrupa en tres. Para los registros de Colombia:

Licencia	Registros	Participación
CC BY 4.0	31.676.281	77,6%
CC BY-NC 4.0	7.156.939	17,5%
CC0 1.0	1.979.038	4,8%

Fuente: API de ocurrencias de GBIF.org (country=CO), 13 de octubre de 2026. Los porcentajes son cálculo propio.

La diferencia está en la sigla NC. Según la ficha de Creative Commons, CC BY-NC no permite usar el material con fines comerciales. En el conjunto general de Colombia son el 17,5%, pero en el oso andino el reparto es otro:

Lo que sigue es análisis propio, no asesoría legal. Una consultoría pagada por una empresa difícilmente es un uso no comercial, así que lo prudente es tratar los registros BY-NC como no disponibles para ese trabajo, salvo que el publicador autorice el uso. Y no es un detalle menor: en este ejemplo, quitar los BY-NC deja 1.645 de los 7.919 registros. GBIF permite filtrar por licencia, así que conviene hacerlo desde el paso 1.

Paso 4: cita la descarga con su DOI

Quien descarga datos de GBIF acepta citar un DOI, según el acuerdo de usuario de datos (citación en la documentación de GBIF). Cada descarga recibe un DOI propio y un registro de cómo se pidió. Así luce el que genera la API para una descarga de ejemplo de 2013:

GBIF.org (11 October 2013) GBIF Occurrence Download https://doi.org/10.15468/dl.kn7431

El archivo DWCA incluye además citations.txt, con la cita de cada conjunto de datos que aportó registros, y rights.txt, con la licencia de cada uno. En un informe técnico conviene dejar tres cosas escritas: el DOI de la descarga, la fecha y los filtros aplicados, y la lista de conjuntos de datos. Así quien revise el estudio puede repetir exactamente la consulta, algo que una captura de pantalla del mapa no permite.

Lista de verificación antes de entregar el informe

• Usuario de GBIF y filtro pensado: país o polígono, taxón, fechas y licencias aceptables.
• Taxonomía fijada y anotada (checklistKey).
• Banderas geoespaciales fuera y ausencias descartadas, con el conteo de lo que se pierde.
• Umbral de incertidumbre justificado según la escala del análisis.
• Revisión de la licencia de cada conjunto de datos y de los permisos para uso comercial.
• DOI de la descarga, fecha y filtros en el informe, más la lista de conjuntos de datos.

Una conclusión

GBIF entrega mucho más de lo que un estudio puede usar sin revisar. Entre 8.057 registros del oso andino y los 33 con una coordenada que se pueda defender hay una distancia que solo cierra el trabajo de filtrar, y entre 7.919 y 1.645 hay otra que cierra la licencia. Documentar ese recorrido con el DOI, los filtros y los descartes es lo que convierte una descarga en evidencia.

---

Portada: oso andino (Tremarctos ornatus). Jonathan Candil Méndez, CC BY 4.0, vía Wikimedia Commons.