4.

- Modelos ecolgicos
Los ecosistemas son, por definicin, complejos sistemas en los que factores
biolgicos, climticos y geolgicos se combinan con factores sociales, polticos
y econmicos para producir una serie de procesos ambientales que determinan
la evolucin de cada uno de estos ecosistemas en el tiempo. Esto hace que el
estudio y la gestin de cualquier ecosistema sea un asunto siempre complejo.
Por ello, cualquier herramienta que permita simplificar el estudio de estos
factores y predecir los efectos de alterar alguno de ellos es de gran ayuda
tanto en la investigacin como en la gestin de los ecosistemas.

4.1.- Definicin y utilidad

Los modelos son simplificaciones de la realidad que estn diseados para
analizar algunos aspectos del sistema real que tratan de emular. La creacin de
un modelo est intrnsecamente unida con el problema en el cual el
modelizador est interesado. En este monogrfico de Ecosistemas se presentan
varios tipos de modelos ecolgicos, desde simples modelos empricos hasta
complejos modelos de simulacin socio-ecolgica. Los modelos se utilizan
cuando es ms simple trabajar con un substituto que con el sistema real
completo. Son tiles porque ayudan al usuario de estos modelos a aprender
algo sobre el sistema que representan, y a tomar decisiones relacionadas con
el sistema real sin tener que tratar con toda su complejidad. Sin embargo,
cuanto ms simple es el modelo comparado con el sistema real, menos
informacin contiene y por lo tanto menos til es para desarrollar nuevas ideas
de investigacin y gestin ecolgicas. Por otro lado, cuanto ms simple es un
modelo, ms rpidamente se pueden probar teoras o polticas de gestin que
pueden ser o no adecuadas, y que pueden ser estudiadas con ms detalle
despus. Sin embargo, cuando esta simplificacin omite informacin sobre la
respuesta de los ecosistemas a distintos factores ambientales o de manejo, los
resultados de los modelos son con frecuencia engaosos. Los eclogos siempre
deben estar al tanto de los peligros de la sobre-simplificacin. En otras
palabras, hay que recordar que aunque en ciencia se utiliza la navaja de
Occam (o el principio de parsimonia) para escoger la explicacin (o modelo)
ms simple capaz de explicar el fenmeno de estudio, la navaja tiene dos filos,
ya que como deca Albert Einstein, un modelo tiene que ser tan simple como
sea posible, pero tan complejo como sea necesario. La aportacin de Polo
(2013), en este nmero, es una magnfica discusin de cmo un modelo
matemtico muy simple debe ir volvindose paulatinamente ms complejo
para explicar las pautas observadas en poblaciones reales de animales en las
cuales conviven individuos con distintos tipos de estrategias para obtener los
mismos recursos necesarios para su supervivencia. El grado de complejidad de
un modelo depende por lo tanto del objetivo para el cual el modelo ha sido
desarrollado.

4.2.- Objetivos
Hay muchos objetivos especficos que pueden abordarse con la construccin de
un modelo ecolgico. Los modelos pueden utilizarse para:

Representar variables y tasas de cambio.

Describir la estructura de un ecosistema y los patrones temporales y
espaciales de procesos ecosistmicos individuales.
Reconstruir el pasado o predecir el comportamiento futuro del
ecosistema estudiado.
Generar y probar teoras e hiptesis ecolgicas sobre la organizacin y
funcionamiento de los ecosistemas.
Mostrar, codificar, transferir, evaluar e interpretar el conocimiento
ecolgico.
Guiar el desarrollo y evaluacin de polticas ambientales.
Facilitar el aprendizaje colectivo y resolver disputas.
Educar y ensear conceptos ecolgicos.

4.3.- Categoras principales

Como puede apreciarse, la mayora puede agruparse en una de las dos
categoras principales:
4.3.1.- Modelos para predecir variables concretas
Los modelos que estn diseados para la prediccin sin necesidad de
explicaciones sobre cmo funciona el ecosistema pueden ser tan simples como
una ecuacin que resuma un conjunto de variables y que responda a la
pregunta de Cunto cambia X cuando Y vara?. Un ejemplo de este tipo de
modelos ecolgicos lo presentan en el nmero Gonzlez-Izquierdo et al. (2013),
al desarrollar un modelo que explica el potencial de crecimiento del pino
caribeo (Pinus caribaea Morelet) en el oriente cubano en funcin de las
caractersticas del suelo. Este modelo es una herramienta til para el desarrollo
de un manejo forestal sostenible en Cuba, pero las relaciones entre las
variables slo se mantienen en la localizacin para la cual ha sido desarrollado
el modelo. Por lo tanto, aunque la metodologa es transferible a otros lugares,
los detalles de este tipo de modelos no lo son. Este tipo de modelos empricos
puede necesitar de anlisis complejos, entre los que destacan las posibilidades
de utilizar anlisis multivalentes para explorar las interacciones entre factores
ambientales.
4.3.2.- Modelos para explicar cmo funciona un ecosistema
Por otro lado, cuando el objetivo del eclogo es explicar cmo funciona un
ecosistema, es necesaria una descripcin especfica de los procesos ecolgicos
y como estn unidos entre s. Aunque tales modelos explicativos pueden ser
generales y aplicables a un amplio rango de ecosistemas (p.ej. un libro de texto
de ecologa que explique las interacciones entre la estructura y la funcin de
los ecosistemas), si lo que los modelizadores pretenden es aportar informacin

para apoyar una gestin sostenible o una investigacin detallada, ser

necesario proporcionar valores numricos para explorar relaciones
cuantitativas entre distintas variables. Esta es una fase importante del proceso
de modelizacin: clarificar lo que es conocido y qu necesita ms estudio.
Como en otras ramas de las ciencias ambientales, los modelos no se suelen
usar para un nico objetivo.
4.4.- Aspectos clave de un modelo
Ya hay una literatura bien desarrollada sobre cmo crear modelos para la
ecologa y el manejo de recursos sostenibles. Los lectores interesados en el
tema pueden consultar Box (1979), Starfield y Bleloch (1991), Vanclay (1994),
Hilborn y Mangel (1997), Ford (1999), Shenk y Franklin (2001), Kimmins et al.
(2010) o Fath and Jorgensen (2011), entre otros.
Con la disponibilidad de grandes bases de datos cubriendo largos perodos de
tiempo y con el mayor poder de computacin de los ordenadores y programas
actuales, el nmero de modelos ecolgicos ha aumentado dramticamente. El
resultado ha sido una pltora de modelos, formas de describirlos y probarlos, y
mtodos para evaluar sus predicciones. Debido a esta situacin, la necesidad
de estandarizar los procedimientos de modelizacin ambiental est siendo
cada da mayor. Adems, un uso consistente y comn de una terminologa es
necesario para la comunicacin de avances en el desarrollo de modelos y en su
evaluacin. Terminologa nueva o confusa debera ser claramente definida, y
cualquier redefinicin de terminologa ya en uso debera tener un propsito
claro. Como mucha de la teora de modelizacin tiene sus orgenes en
literatura estadstica, los modelizadores deberan en lo posible utilizar la
terminologa original. Un componente clave de unas buenas prcticas de
modelizacin es la documentacin del modelo, y la puesta a disposicin de
esta documentacin para que otros usuarios y expertos puedan revisarla.
Bonet-Garca et al. (2013) muestran en este nmero una iniciativa muy
interesante de creacin de un repositorio de modelos, que esperamos sirva
como referencia a otros esfuerzos futuros que se realicen en esta lnea. El
primer aspecto clave es especialmente importante: contar con una buena
documentacin de los modelos ecolgicos cuando el usuario del modelo es
distinto a la persona que lo desarroll. Los fallos de los modelos ecolgicos
pueden ser causados por un modelo conceptual incompleto o malentendido,
una formulacin incorrecta del modelo, o errores en la codificacin del modelo.
Por otro lado, este tipo de problemas debe distinguirse de errores a la hora de
utilizar el modelo, que pueden causarse por un completo (o inexistente)
manual de usuario, descuido en el tratamiento de los datos de entrada,
calibracin y evaluacin insuficientes, o el uso del modelo ms all del alcance
para el que fue diseado. Estos problemas conducen a un bajo grado de
fiabilidad de las predicciones del modelo. Se asevera que el principal requisito
de un modelo es que se especifique claramente su propsito. Para qu es el
modelo? Cul es la razn para crear un modelo nuevo? Qu se espera que

haga el modelo? En ausencia de una definicin del propsito del modelo, el

grado de xito del mismo no se puede juzgar, y tampoco se puede definir el
nivel de complejidad estructural que es necesaria.
El segundo aspecto clave en una buena prctica de modelizacin es describir
claramente los datos de campo y cmo se usan esos datos en el modelo, todas
las asunciones y formulaciones del modelo. Un listado explcito de las
asunciones revela el proceso de pensamiento del modelizador y facilita la
evaluacin de esas asunciones ms tarde (Kimmins et al. 2010). Adems, el
modelizador debera proporcionar una justificacin breve pero explcita de sus
asunciones, y documentar las referencias bibliogrficas que las describen en
detalle, incluyendo cualquier preferencia subjetiva y opiniones (Wagener et al.
2003, Bonet-Garca et al. 2013). Un tercer elemento clave en una buena
prctica de modelizacin es la evaluacin del modelo, la cual debera ser un
proceso continuo. Adems, se deben reconocer las diferencias entre evaluar las
asunciones del modelo, implementar el modelo y evaluar el rendimiento del
mismo. Este proceso incluye estudios de la sensibilidad del modelo a distintos
parmetros (ver un ejemplo de esta prctica en Grate y Blanco (2013), en
este nmero), as como la comparacin de las estimaciones del modelo con
observaciones independientes de la misma variable. La evaluacin del modelo,
que tradicionalmente implica alguna medida de rendimiento predictivo y la
incertidumbre asociada, debera ser una parte central del proceso de desarrollo
del modelo, y no algo considerado nicamente tras la finalizacin del modelo.
Aunque existen muchos mtodos utilizados para evaluar modelos (ver por
ejemplo Lo et al. 2011), an no existe un proceso estndar para llevar a cabo
este proceso. En cualquier caso, la fase de evaluacin debera incluir una
evaluacin de los datos utilizados para compararlos con las predicciones del
modelo, y una discusin de si las pautas y patrones de procesos ecolgicos
tienen sentido desde un punto de vista ecolgico, y no solamente numrico
(Blanco et al. 2007). Para terminar, en este nmero de Ecosistemas tambin se
informa sobre los ltimos acontecimientos en Espaa relacionados con los
modelos ecolgicos.