En el caso de muchas especies de aves, los patrones de migración espacial siguen sin describirse en gran medida, especialmente en el hemisferio. Los recientes avances en las tecnologías de seguimiento y los modelos de distribución de especies de alta resolución (es decir, los productos eBird Status and Trends) proporcionan nuevos conocimientos sobre los movimientos de las aves migratorias y ofrecen una oportunidad prometedora para integrar fuentes de datos independientes para describir la migración aviar. Aquí presentamos un marco de modelización en tres etapas para estimar los patrones espaciales de la migración aviar. En primer lugar, integramos datos de seguimiento y de reencuentros con anillas para cuantificar la conectividad migratoria, definida como las proporciones relativas de individuos que migran entre regiones de cría y de no cría. A continuación, utilizamos las proporciones de conectividad estimadas junto con las probabilidades de ocurrencia de eBird para producir índices probabilísticos de rutas de coste mínimo (LCP). En un último paso, utilizamos modelos aditivos mixtos generalizados (GAMM) para evaluar la capacidad de los índices LCP para predecir con precisión (es decir, como una covariable) las ubicaciones observadas derivadas de los conjuntos de datos de seguimiento y reencuentro con anillas frente a las ubicaciones de pseudoausencia durante los periodos migratorios, y para crear un índice de predicción espacial totalmente integrado (es decir, ocurrencia de eBird, LCP y datos de seguimiento y reencuentro con anillas) para cartografiar las migraciones estacionales específicas de las especies. Para ilustrar este enfoque, aplicamos este marco para describir las migraciones estacionales de 12 especies de aves en todo el hemisferio occidental durante los períodos migratorios previos y posteriores a la reproducción (es decir, primavera y otoño, respectivamente). Encontramos que la inclusión de los índices LCP con la ocurrencia de eBird en los GAMMs generalmente mejoraba la capacidad de predecir con exactitud las ubicaciones migratorias observadas, en comparación con los modelos que sólo incluían la ocurrencia de eBird. Utilizando tres métricas de rendimiento, el modelo eBird + LCP demostró un ajuste equivalente o superior en relación con el modelo sólo eBird para 22 de los 24 GAMMs especie-estación. En particular, el índice integrado llenó los vacíos espaciales para las especies con movimientos sobre el agua y las que migraban sobre tierra donde había pocos avistamientos de eBird, y por lo tanto, baja capacidad de predicción de las probabilidades de ocurrencia de eBird (por ejemplo, la selva amazónica en América del Sur). Esta metodología de combinar datos de movimientos estacionales basados en individuos con modelos de distribución de especies temporalmente dinámicos proporciona un enfoque global para integrar múltiples tipos de datos con el fin de describir patrones espaciales de movimiento animal a gran escala. El desarrollo y la adaptación ulteriores de este enfoque seguirán haciendo avanzar los conocimientos sobre el ciclo anual completo y la conservación de las aves migratorias.