La base de datos del SNIB se ha usado para modelar mapas de distribución de las aves mexicanas empleando el algoritmo GARP -- un algoritmo robusto que usa 1) registros de presencia de especies y, basándose en los registros, 2) parámetros del nicho de las especies (por ejemplo, altura sobre el nivel del mar, insolación, precipitación y temperaturas mensuales y anuales). Dichos mapas son muy útiles para diversos tipos de estudios sobre biodiversidad (por ejemplo, véanse Peterson 2001, Peterson et al. 2001, 2002) y conservación (por ejemplo, la estimación más precisa del "área ocupada", IUCN 1994). Como todo método de razonamiento basado en casos ("case-based reasoning"), GARP tiene la limitante potencial de que las predicciones son incompletas si las características de los casos no cubren de manera adecuada la totalidad del espacio de soluciones (Kolodner 1993: 544). Si bien en la base de datos del SNIB existen ciertas deficiencias en la cobertura geográfica (Peterson et al. 1998, Navarro et al. 2002), posiblemente más serio para el modelaje GARP sería un sesgo hacia localidades con climas "agradables" (Gómez de Silva obs. pers.), pues el clima es precisamente uno de los factores principales que se emplean para las predicciones basadas en GARP. El inventario de aves de las 6 localidades de climas extremos (Gómez de Silva & Medellín 2001, 2002) pudieran servir para poner a prueba la magnitud de dicho sesgo (si lo hubiere). La hipótesis nula ("GARP es robusto ante este posible sesgo") pudiera generar dos predicciones. Una predicción sería que las 151 especies registradas en las 6 localidades de climas extremos están predichas en dichas localidades por un modelo GARP basado en la base de datos existente. Una segunda predicción sería que el añadir los registros de las 6 localidades a la base de datos no alterará significativamente las distribuciones de las aves modeladas con GARP. El grado de discordancia de las predicciones hechas con y sin los datos de las 6 localidades indicaría la magnitud de sesgo. Sin embargo, para poner a pruebe que el sesgo observado (si hubiere) efectivamente se debe al factor climático, sería necesario comparar dicha discordancia con la que generaría la inclusión de datos de las mismas especies en 6 localidades de climas menos extremosos.