Los modelos de vegetación predictivos pronostican la distribución, composición o estructura de las comunidades de plantas basándose en factores ambientales —clima, suelos, topografía, perturbaciones— y, a veces, en escenarios de manejo. Los métodos incluyen modelos aditivos generalizados, random forests, árboles potenciados (boosted trees) y modelos de vegetación dinámica basados en procesos. Las variables de entrada pueden incorporar índices de teledetección, proyecciones climáticas, historiales de incendios e intensidad del pastoreo. Los modelos producen mapas de idoneidad o abundancia con cierto grado de incertidumbre. Las aplicaciones abarcan desde la focalización de la restauración hasta la planificación de la adaptación al cambio climático. Una validación cruzada minuciosa y pruebas independientes previenen el sobreajuste; la extrapolación a climas nuevos requiere precaución. Presentar de manera transparente las suposiciones del modelo, los datos de entrenamiento y las limitaciones es esencial para un uso creíble en las políticas públicas.