En muchos lugares del mundo es inviable contar individuos, pero sí se pueden usar modelos que, si están bien diseñados, proporcionen estimaciones fiables de abundancia. Este estudio aporta claves para mejorar esos modelos y, con ello, contribuir a una mejor conservación de la biodiversidad.
¿Te has preguntado alguna vez cómo saben los científicos dónde viven los animales silvestres, y cómo saben en qué lugares hay más o menos individuos de una especie? Conocer la distribución y abundancia de una especie es básico para protegerla y entender su papel en los ecosistemas. Pero, mientras que saber dónde está una especie es relativamente fácil (basta con anotar cada vez que la vemos), saber cuántos hay en cada sitio es mucho más complicado, más si cabe cuando necesitamos esa información de abundancia para grandes territorios (una región, un país, etc.).
Contar animales requiere tiempo, recursos y mucha logística. Por eso, en los últimos años ha cobrado fuerza una alternativa: usar modelos basados en datos de presencia para predecir la abundancia a partir de predictores ambientales, es decir, estimar no sólo dónde puede estar una especie, sino también cuántos individuos podría haber en cada lugar, o donde podría haber más y menos, en función de las características del entorno y de su relación con la abundancia de la especie. El problema es que estos modelos no alcanzan la precisión deseada en todos los casos.
Científicos del Grupo de Investigación en Sanidad y Biotecnología (SaBio) del Instituto de Investigación en Recursos Cinegéticos (IREC – CSIC, UCLM, JCCM), junto con investigadores del CIBIO/InBIO de Portugal y de la Universidad Complutense de Madrid, han realizado un estudio para entender algunos de los procesos que pueden explicar por qué a veces estos modelos son precisos y otras no. Más concretamente, el objetivo se centró en investigar el efecto de dos factores clave: (1) la escala espacial de los datos ambientales (por ejemplo, si medimos variables que cambian suavemente en el paisaje de forma más global, como la temperatura, o más rápido y en áreas pequeñas, como la cobertura vegetal cercana); y (2) el patrón espacial de la especie, es decir, si los individuos de la población están más bien repartidos de forma uniforme o si tienden a agruparse en ciertas zonas.
Para abordar esta cuestión, se emplearon dos líneas paralelas de trabajo. Por un lado, se diseñaron una serie de simulaciones por ordenador, en las que se controlaban todos los factores: cómo se distribuía la especie, qué variables influían realmente en su abundancia y qué escalas espaciales se usaron en los modelos. Por otro lado, se aplicó el mismo enfoque a un caso real, usando datos de dos especies de aves (el petirrojo europeo, Erithacus rubecula; y la curruca capirotada, Sylvia atricapilla) en el periodo invernante con datos de Portugal, España y Marruecos.
Los resultados confirmaron algo que ya se sospechaba: la relación entre presencia (o “idoneidad del hábitat”) y abundancia es variable según una serie de condiciones. Por una parte, se vio que la relación mejora mucho cuando se añaden variables ambientales que operan a escalas más locales, es decir, cuando se considera lo que pasa justo en el entorno inmediato del animal. Si solo se usan datos a gran escala (como el clima general de una región), nos perdemos matices importantes que influyen en la cantidad de individuos a una resolución más fina.
Por otro lado, se encontró que el patrón de distribución de la propia especie también influye: la especie con más agregación (concentrada en zonas específicas) muestra relaciones más estrechas. También se pudo encontrar una interacción entre ambos factores (escala espacial de las variables y patrón espacial de la especie), de modo que la especie más agregada tiene un efecto más evidente de mejora al añadir variables que operan a escalas más locales.
(1) Desarrollo general del estudio de simulación. (2) Datos de abundancia y presencia empleados en las dos líneas de trabajo. Puntos de muestreo para obtener datos de abundancia de ambas especies en el caso real basados en conteos realizados en campo (a). Datos de presencia basados en registros de recuperación de anillas de cada especie (b). Datos de abundancia simulados para dos especies, una con individuos distribuidos más a lo largo del área simulada (uniform pattern), y otra con individuos más concentrados en áreas concretas (aggregated pattern) (c). Datos de presencia simulados para ambas especies a partir de la detección de individuos en las áreas de muestreo (d). (3) Porcentaje de devianza explicada (porcentaje de variación de la abundancia explicada en las predicciones en base a datos de presencia) para el trabajo de las simulaciones (a), y los casos reales (b). Se observa que a medida de añadimos variables más locales (del modelo M1 al M3) mejora la variación explicada por las predicciones, y que también suele ser mejor para especies con patrones más agregados (en azul), observando también una interacción entre ambas especies en ambos casos (líneas no paralelas).
De forma general, los resultados de este trabajo de investigación muestran que para convertir información de presencia en patrones de abundancia no basta con tener datos de “dónde están”. También hace falta entender cómo se distribuyen las especies y usar variables ambientales que operen a diferentes escalas, siendo necesario incorporar datos de escala fina. Esto tiene implicaciones muy prácticas. En muchos lugares del mundo es inviable contar individuos, pero sí se pueden usar modelos que, si están bien diseñados, proporcionen estimaciones fiables de abundancia. Este estudio aporta claves para mejorar esos modelos y, con ello, contribuir a una mejor conservación de la biodiversidad.
Puedes consultar la publicación científica de este trabajo de investigación en:
- Ferrer-Ferrando, D., Tarroso, P., Luis Tellería, J., Acevedo, P., & Fernández-López, J. 2025. Disentangling the effect of the spatial scale and species spatial pattern on the abundance–suitability relationship. Ecography, e07766.
