The Mexican Spotted Owl (Strix occidentalis lucida) was listed as “threatened” by the U.S. Fish and Wildlife Service in 1993. Predicting the distribution of suitable habitat is an important step in the owl's recovery, and Geographic Information Systems (GIS) provide appropriate spatial and analytic tools. We developed and validated a GIS-based occurrence model for Mexican Spotted Owls in arid canyon environments in Utah. We generated a set of competing models with topographic and vegetation covariates, and ranked models using information theory. Our top-ranked models indicated slope and variation in elevation were important predictors for the occurrence of Mexican Spotted Owls in rocky habitats, and we averaged coefficients from the top models to estimate probability of owl occurrence. During a model validation survey, we detected Spotted Owls in 22 test plots, where mean estimated probability of occurrence, an index to habitat suitability, was 0.68 (SE  =  0.03). In addition, we evaluated model performance at 30 known Mexican Spotted Owl use sites from outside our model development areas, and observed an overall mean probability of occurrence equal to 0.78 (95% CI  =  0.71–0.81). For the 30 known owl use sites, estimated probability of occurrence using our top model ranged from 0.54–0.90. Our results suggest that GIS modeling can be an important tool for predicting the potential distribution of Mexican Spotted Owls and their habitat in arid canyonlands in Utah.

Strix occidentalis lucida fue categorizada como “amenazada” por el Servicio de Pesca y Vida Silvestre de EEUU en 1993. La predicción de la distribución de hábitat apropiado es un paso importante en la recuperación de S. o. lucida, y los Sistemas de Información Geográfica (SIG) proporcionan herramientas espaciales y analíticas apropiadas. Desarrollamos y validamos un modelo de ocurrencia basado en SIG para S. o. lucida en ambientes de cañones áridos en Utah. Generamos un conjunto de modelos rivales con covariables topográficas y de vegetación, y clasificamos jerárquicamente los modelos utilizando la teoría de la información. Nuestros modelos mejor clasificados indicaron que la pendiente y la variación altitudinal fueron predictores importantes de la ocurrencia de S. o. lucida en hábitats rocosos y promediamos los coeficientes de los modelos mejor clasificados para estimar la probabilidad de ocurrencia de las lechuzas. Durante un muestreo para validar el modelo, detectamos individuos de S. o. lucida en 22 parcelas de prueba, en las cuales la probabilidad media estimada de ocurrencia, un índice de aptitud del hábitat, fue 0.68 (EE  =  0.03). Además, evaluamos el desempeño del modelo en 30 sitios conocidos por ser utilizados por individuos de S. o. lucida y localizados afuera de las áreas de desarrollo del modelo y observamos una media general de probabilidad de ocurrencia igual a 0.78 (95% CI  =  0.71–0.81). Para los 30 sitios conocidos por ser utilizados por las lechuzas, la probabilidad estimada de ocurrencia utilizando nuestro modelo mejor clasificado osciló entre 0.54–0.90. Nuestros resultados sugieren que los modelos basados en SIG pueden ser una herramienta importante para predecir la distribución potencial de S. o. lucida y su hábitat en los cañones áridos en Utah.