Evaluar los ecosistemas para determinar qué especies son más vulnerables y desarrollar las acciones y políticas de conservación adecuadas es una tarea difícil.
Investigadores del MIT explican cómo han desarrollado un método de evaluación más predictivo para clasificar la vulnerabilidad relativa de las distintas especies.
Para ello se desarrollaron dos enfoques diferentes, denominados clasificación por sensibilidad esperada y clasificación por autovector, que son ampliamente aplicables a cualquier tipo de ecosistema.
Los nuevos enfoques analíticos les permiten determinar, por ejemplo, qué especies son más sensibles al cambio climático o cuál es la tasa más alta de cuotas de pesca.
Los incendios forestales, las inundaciones, la contaminación y la sobrepesca se cuentan entre las numerosas perturbaciones que pueden alterar el equilibrio de los ecosistemas y, en ocasiones, poner en peligro el futuro de especies enteras. Pero evaluar estos ecosistemas para determinar qué especies están más amenazadas, con el fin de concentrar las acciones y políticas de conservación donde más se necesitan, es una tarea compleja.
La mayoría de estos esfuerzos parten del supuesto de que los ecosistemas se encuentran esencialmente en un estado de equilibrio, y de que las perturbaciones externas provocan un cambio temporal antes de que las cosas acaben regresando a ese estado de equilibrio. Sin embargo, este supuesto no tiene en cuenta que los ecosistemas suelen estar en constante flujo, con las abundancias relativas de sus distintos componentes variando según sus propios ritmos. Ahora, un equipo de investigadores del MIT y de otras instituciones ha desarrollado una forma mejor y más predictiva de evaluar estos sistemas, con el fin de clasificar la vulnerabilidad relativa de las distintas especies y detectar aquellas que están amenazadas, pero que de otro modo podrían pasar desapercibidas.
Contrariamente a los métodos convencionales de clasificación que se utilizan hoy en día, descubrieron que las especies con el menor número de individuos o con el descenso más pronunciado de sus poblaciones —criterios que se emplean habitualmente en la actualidad— no siempre son las que corren mayor riesgo.
Los resultados se publican hoy en la revista Ecology Letters, en un artículo firmado por Serguei Saavedra, profesor asociado de ingeniería civil y medioambiental del MIT; Lucas Medeiros, recién graduado de doctorado (PhD ’22); y otros tres autores.
El nuevo trabajo es análogo a la forma en que el análisis de patrones meteorológicos realizado por Edward Lorenz hace décadas revolucionó ese campo, afirma Saavedra. La investigación de Lorenz sugirió que perturbaciones minúsculas podían acabar desencadenando resultados muy grandes, idea expresada de forma célebre como que el aleteo de las alas de una mariposa en un lugar podría acabar provocando un huracán en otro. «Incluso condiciones iniciales infinitesimalmente cercanas pueden divergir bastante a lo largo de un periodo de tiempo determinado y, por tanto, volverse impredecibles», afirma. Con esto en mente, «nos preguntamos: ¿qué ocurriría si aplicáramos la misma perspectiva para tratar de averiguar cuáles son las especies más sensibles?».
En algunos casos, como ocurre en ciertos aspectos de la predicción meteorológica, los científicos comprenden la física subyacente de los fenómenos y pueden elaborar ecuaciones que describen su dinámica, hasta cierto punto. Ese no es el caso de los ecosistemas complejos, afirma, donde no disponemos de las ecuaciones subyacentes de la dinámica ni siquiera de una sola especie, y mucho menos del sistema en su conjunto. Pero, según explica, durante la última década aproximadamente el equipo ha desarrollado técnicas matemáticas que permiten «disponer de una descripción de la dinámica sin conocer las ecuaciones subyacentes», siempre que exista una serie temporal de datos suficiente con la que trabajar.
El equipo desarrolló dos enfoques diferentes, denominados clasificación por sensibilidad esperada y clasificación por autovector. Ambos enfoques funcionaron bien en pruebas con grandes conjuntos de datos simulados, al producir clasificaciones que coincidían estrechamente con las esperadas según los supuestos subyacentes del modelo de la simulación.
Los intentos tradicionales de clasificar la vulnerabilidad de las especies tienden a centrarse en medidas como el tamaño corporal —las especies más grandes tienden a ser más vulnerables—, así como en el tamaño de la población, indicadores que pueden resultar útiles gran parte del tiempo. Pero, como señala Saavedra, «estas especies están integradas en comunidades, y estas comunidades presentan un comportamiento emergente no lineal, de modo que un pequeño cambio en un lugar alteraría por completo, de una forma distinta, algún otro aspecto del sistema».
El hecho de que las especies dentro de un ecosistema puedan tener abundancias que suben y bajan, a veces de forma cíclica, otras veces de manera aleatoria o determinada por factores externos, significa que el momento exacto de una perturbación determinada puede marcar una gran diferencia, algo que los modelos de equilibrio no tienen en cuenta. «Los enfoques basados en la dinámica de equilibrio tienen una visión estática de los efectos de las interacciones entre especies», afirma Medeiros. «En presencia de fluctuaciones de abundancia fuera del equilibrio, estos efectos de interacción pueden cambiar con el tiempo, lo que afecta a la sensibilidad de cada especie frente a las perturbaciones».
Por ejemplo, una especie muy activa en verano pero inactiva en invierno puede verse muy afectada por un incendio o una ola de calor estival, pero no verse afectada en absoluto si la perturbación se produce en invierno. O bien, si las interacciones entre una especie depredadora y sus presas varían a lo largo del año, el momento de una perturbación puede resultar más perjudicial en algunas estaciones que en otras.
Los nuevos enfoques analíticos son ampliamente aplicables a cualquier tipo de ecosistema, afirma Saavedra, ya sea marino o terrestre, tropical o ártico. De hecho, las fórmulas son tan generales que, al aplicarse a sistemas con muchas interacciones y un flujo constante, algunos de los investigadores también las han aplicado con éxito para predecir la dinámica de los mercados financieros.
«Las técnicas son bastante generales para cualquier dinámica no lineal o sistemas dinámicos en general fuera del equilibrio», afirma Saavedra. Uno de los estudiantes del grupo que había trabajado con estas técnicas acabó trabajando para un fondo de cobertura, según explica, y otro se tomó un periodo sabático para trabajar en un banco extranjero. «Básicamente, pudo aplicar estas técnicas, y funcionaban».
Pero el objetivo principal del trabajo sigue siendo la evaluación de la vulnerabilidad de las especies, y ya se empiezan a aplicar los resultados. Por ejemplo, Medeiros, primer autor del artículo, trabaja en la Universidad de California en Santa Cruz y en la Administración Nacional Oceánica y Atmosférica (NOAA) de Estados Unidos, aplicando estas técnicas a la gestión de la pesca. «En el caso concreto de la pesca, se dispone de muchas series de datos sobre el aumento y la disminución de estos tamaños poblacionales a lo largo del tiempo», afirma Saavedra. Con esos datos, según explica, ahora es posible «predecir con precisión las especies que deberían ser más sensibles, por ejemplo, al cambio climático o a la tasa más alta de cuotas de pesca».
El equipo de investigación también incluyó a Stefano Allesina, actualmente en la Universidad de Chicago y en la Universidad Northwestern; a Vasilis Dakos, actualmente en la Universidad de Montpelier, en Francia; y a George Sugihara, actualmente en la Universidad de California en San Diego. El trabajo contó con el apoyo de la Iniciativa de Soluciones Ambientales del MIT, la Martin Family Society of Fellows for Sustainability, el Programa de Investigación y Desarrollo Ambiental del Departamento de Defensa de los Estados Unidos, la Fundación Nacional de Ciencias, el Departamento del Interior y el Programa Sea Grant del MIT.
