Anda di halaman 1dari 5

AEET

Ecosistemas 22(3):1-5. [Septiembre-Diciembre 2013]


Doi.: 10.7818/ECOS.2013.22-3.01

Artculo publicado en Open Access bajo los trminos


de Creative Commons attribution Non Comercial License 3.0.
ecosistemas
REVISTA CIENTFICA DE ECOLOGA Y MEDIO AMBIENTE

ASOCIACIN ESPAOLA MONOGRFICO: ISSN 1697-2473 / Open access


DE ECOLOGA TERRESTRE Modelos ecolgicos: descripcin, explicacin y prediccin disponible en www.revistaecosistemas.net

Modelos ecolgicos: descripcin, explicacin y prediccin


J.A. Blanco 1,*
(1) Departamento de Ciencias del Medio Natural, Universidad Pblica de Navarra, 31006, Pamplona, Navarra, Espaa.

* Autor de correpondencia: J.A. Blanco [juan.blanco@unavarra.es]

> Recibido el 16 de diciembre de 2013, aceptado el 18 de diciembre de 2013.

Blanco, J.A. 2013. Modelos ecolgicos: descripcin, explicacin y prediccin. Ecosistemas 22(3):1-5. Doi.: 10.7818/ECOS.2013.22-3.01.

La ecologa: una ciencia descriptiva, explicativa y poder del componente inductivo de la ciencia es que si el conoci-
predictiva miento se basa en muchos ejemplos u observaciones de la realidad
que provienen de situaciones complejas, esa complejidad subya-
Los ecosistemas son, por definicin, complejos sistemas en los cente est incorporada de forma implcita. Sin embargo, la expe-
que factores biolgicos, climticos y geolgicos se combinan con riencia por s sola puede ser una base adecuada (y a veces la
factores sociales, polticos y econmicos para producir una serie mejor) para predecir el futuro siempre que el ste sea idntico, o
de procesos ambientales que determinan la evolucin de cada uno muy similar, al pasado. Sin embargo, este no es generalmente el
de estos ecosistemas en el tiempo. Esto hace que el estudio y la caso. De hecho, muchos problemas en la gestin de recursos na-
gestin de cualquier ecosistema sea un asunto siempre complejo. turales aparecen cuando el pblico desea que se cambien las po-
Por ello, cualquier herramienta que permita simplificar el estudio de lticas y formas de gestin por otras nuevas de las que se carece
estos factores y predecir los efectos de alterar alguno de ellos es de experiencia. Dos tipos de actividad cientfica se requieren para
de gran ayuda tanto en la investigacin como en la gestin de los proporcionar suficiente confianza en nuestras interpretaciones ba-
ecosistemas (Blanco 2013). sadas en la experiencia antes de que puedan usarse como unos
La aplicacin de la ciencia de la ecologa a la investigacin y cimientos fiables para una gestin efectiva. El primero es una
gestin de los ecosistemas requiere del abordaje de tres compo- prueba crtica de esa experiencia y de las hiptesis que genera.
nentes complementarios: conocer, entender y predecir. Conocer Este proceso proporciona entendimiento o comprensin del eco-
es anlogo a una descripcin de un fotograma. Entender es an- sistema (Kimmins et al. 2010). El segundo es una extrapolacin de
logo a examinar los componentes de cada fotograma y cmo enca- ese entendimiento a otras situaciones, siguiendo un proceso que
jan unos con otros. Predecir es hacer una pelcula reuniendo los genera predicciones sobre posibles estados alternativos de los eco-
fotogramas que proporcionan fotos estticas del sistema en diferen- sistemas.
tes momentos. Cada una de estas partes es necesaria para la re-
solucin de problemas complejos, y ninguna es suficiente de forma Entender
aislada. Solamente cuando se combinan las tres partes se pueden Entender un problema, objeto o condicin supone reducir la
alcanzar los objetivos y proporcionar una base adecuada para guiar complejidad de las explicaciones o teoras iniciales basadas en la
la compleja relacin entre la humanidad y los recursos naturales induccin a unidades ms pequeas. Este es el proceso de reduc-
(Fig. 1). La comunicacin es considerada una cuarta parte de la cionismo en que se basa la ciencia. Despus se utiliza un proceso
ciencia, ya que la ciencia que no se comunica no contribuye al de deduccin para generar hiptesis sobre esos componentes que
avance de la humanidad en la bsqueda de una forma de vida ms puedan ser probadas experimentalmente. Una sntesis de esos re-
sostenible con nuestro ambiente. La comunicacin es requerida en sultados proporciona una base para una prediccin fiable. En la
los tres componentes de la ciencia, y este monogrfico de Ecosis- ecologa bsica los resultados experimentales producidos a partir
temas es parte de ese esfuerzo por parte de los cientficos para co- de investigaciones de componentes y procesos individuales se aa-
municar sus hallazgos. den al creciente conocimiento cientfico. Este conocimiento sirve a
su vez de cimientos para nuevas teoras o postulados sobre esos
Conocer procesos complejos (un procedimiento inductivo). Despus de que
El primer paso para resolver un problema es conocerlo, com- esta rueda inductiva-deductiva (Fig. 1) d varias vueltas se pueden
parndolo con otros problemas, objetos o condiciones. Este cono- generar principios cientficos, y si estos principios sobreviven a lar-
cimiento se genera por medio del proceso de induccin, que gos periodos de pruebas pueden llegar a convertirse en leyes cien-
bsicamente consiste en pasar de descripciones de muchos ejem- tficas. Sin embargo, esos principios y leyes suelen ser tericos y
plos del problema, objeto o condicin a conclusiones que se deri- reduccionistas (refirindose a los componentes ms simples de un
ven de los mismos. Este tipo de conocimiento basado en la ecosistema), por lo que es difcil aplicarlos directamente como la
experiencia es ms fiable como base para la gestin que un simple base para la resolucin de problemas complejos en la gestin o in-
sistema de creencias que carezca de esa experiencia. Sin em- vestigacin de los ecosistemas naturales. Entender los componen-
bargo, el conocimiento y la experiencia siempre se relacionan con tes y procesos individuales de un problema, objeto o condicin es
el pasado y el presente, respectivamente, mientras que la gestin un componente necesario de la ciencia, pero no es suficiente para
de los ecosistemas requiere conocer qu pasar en el futuro. El resolver problemas complejos, hace falta algo ms: predicciones.

2013 Los Autores. Editado por la AEET. [Ecosistemas no se hace responsable del uso indebido de material sujeto a derecho de autor] 1
Ecosistemas 22(3):1-5 Blanco 2013

Figura 1. Los componentes principales de una ciencia completa en la gestin de recursos naturales. Ntese que ni un sistema de creencias poco informado
ni la aplicacin directa de los resultados de la ciencia hipottico-deductiva sin sintetizar (el componente de entendimiento) proporciona una base adecuada
para la prctica y la poltica del manejo de recursos naturales (adaptado de Kimmins et al. 2005).

Predecir es el modelo comparado con el sistema real, menos informacin


Predecir es la capacidad de coordinar el conocimiento acumu- contiene y por lo tanto menos til es para desarrollar nuevas ideas
lado para explorar posibles situaciones en el futuro. En esencia, de investigacin y gestin ecolgicas. Por otro lado, cuanto ms
predecir es meramente el proceso de extrapolar el conocimiento y simple es un modelo, ms rpidamente se pueden probar teoras
entendimiento del pasado y el presente en el futuro. Las prediccio- o polticas de gestin que pueden ser o no adecuadas, y que pue-
nes estn tpicamente basadas en relaciones definidas entre varia- den ser estudiadas con ms detalle despus. Sin embargo, cuando
bles predictivas y variables respuesta. Describir, entender y esta simplificacin omite informacin sobre la respuesta de los eco-
cuantificar esas relaciones es lo que ha empujado el bucle induc- sistemas a distintos factores ambientales o de manejo, los resulta-
tivo-deductivo de prueba de hiptesis (Fig.1). La aplicacin de la dos de los modelos son con frecuencia engaosos.
ciencia en la resolucin de problemas ambientales siempre nece- Los eclogos siempre deben estar al tanto de los peligros de la
sita de alguna forma de prediccin basada en una sntesis del co- sobre-simplificacin. En otras palabras, hay que recordar que aun-
nocimiento y entendimiento de los componentes del sistema que en ciencia se utiliza la navaja de Occam (o el principio de par-
(Kimmins et al. 2010). En su nivel ms bsico, la prediccin en cien- simonia) para escoger la explicacin (o modelo) ms simple capaz
cia necesita la creacin de un modelo mediante un proceso en el de explicar el fenmeno de estudio, la navaja tiene dos filos, ya que
que se piensa sistemticamente sobre un problema (Jakeman et como deca Albert Einstein, un modelo tiene que ser tan simple
al. 2008). Por tanto, desarrollar un modelo ecolgico supone la or- como sea posible, pero tan complejo como sea necesario. La apor-
ganizacin de datos, asunciones y conocimiento para un propsito tacin de Polo (2013), en este nmero, es una magnfica discusin
especfico. Utilizada como una forma de entender sistemas com- de cmo un modelo matemtico muy simple debe ir volvindose
plejos, la modelizacin ecolgica puede tener muchas formas (Kim- paulatinamente ms complejo para explicar las pautas observadas
mins 2004). en poblaciones reales de animales en las cuales conviven indivi-
duos con distintos tipos de estrategias para obtener los mismos re-
cursos necesarios para su supervivencia.
Modelos en ecologa
El grado de complejidad de un modelo depende por lo tanto del
Los modelos son simplificaciones de la realidad que estn di- objetivo para el cual el modelo ha sido desarrollado (Kimmins et al.
seadas para analizar algunos aspectos del sistema real que tratan 2008). Hay muchos objetivos especficos que pueden abordarse con
de emular. La creacin de un modelo est intrnsecamente unida la construccin de un modelo ecolgico. Los modelos pueden utili-
con el problema en el cual el modelizador est interesado. En este zarse para: 1) representar variables y tasas de cambio; 2) describir
monogrfico de Ecosistemas se presentan varios tipos de modelos la estructura de un ecosistema y los patrones temporales y espa-
ecolgicos, desde simples modelos empricos hasta complejos ciales de procesos ecosistmicos individuales; 3) reconstruir el pa-
modelos de simulacin socio-ecolgica. Los modelos se utilizan sado o predecir el comportamiento futuro del ecosistema estudiado;
cuando es ms simple trabajar con un substituto que con el sistema 4) generar y probar teoras e hiptesis ecolgicas sobre la organi-
real completo (Ford 1999). Son tiles porque ayudan al usuario de zacin y funcionamiento de los ecosistemas; 5) mostrar, codificar,
estos modelos a aprender algo sobre el sistema que representan, transferir, evaluar e interpretar el conocimiento ecolgico; 6) guiar
y a tomar decisiones relacionadas con el sistema real sin tener que el desarrollo y evaluacin de polticas ambientales; 7) facilitar el
tratar con toda su complejidad. Sin embargo, cuanto ms simple aprendizaje colectivo y resolver disputas (Morton 1990, Beven

2
Ecosistemas 22(3):1-5 Blanco 2013

2002); y 8) educar y ensear conceptos ecolgicos. Como puede La principal caracterstica de los modelos mecanicistas (o tam-
apreciarse, la mayora puede agruparse en una de las dos catego- bin llamados de procesos) es que pueden utilizarse como modelos
ras principales: explicar cmo funciona o est constituido un eco- exploratorios para predecir como un ecosistema (o una parte del
sistema o predecir algunas variables concretas cuando se producen mismo) podra funcionar si existe un cambio en las condiciones am-
unos determinados valores de factores ambientales. bientales (ecolgicas o socio-econmicas). Esto permite la utiliza-
Los modelos que estn diseados para la prediccin sin nece- cin de los modelos ecolgicos como un banco de pruebas donde
sidad de explicaciones sobre cmo funciona el ecosistema pueden realizar experimentos virtuales que pueden guiar tanto la investi-
ser tan simples como una ecuacin que resuma un conjunto de va- gacin futura como los planes de gestin de los ecosistemas estu-
riables y que responda a la pregunta de Cunto cambia X cuando diados. Buenos ejemplos de este tipo de modelos los proporcionan
Y vara?. Un ejemplo de este tipo de modelos ecolgicos lo pre- las contribuciones en este nmero de Baos-Gonzlez et al. (2013)
sentan en este nmero Gonzlez-Izquierdo et al. (2013), al des- y Martnez-Fernndez et al. (2013), quienes estudian la dinmica
arrollar un modelo que explica el potencial de crecimiento del pino de sistemas socio-ecolgicos en la reserva de la biosfera de Fuer-
caribeo (Pinus caribaea Morelet) en el oriente cubano en funcin teventura (Islas Canarias) y en las zonas agrcolas del Mar Menor
de las caractersticas del suelo. Este modelo es una herramienta (Murcia, Espaa oriental), respectivamente.
til para el desarrollo de un manejo forestal sostenible en Cuba, En la prctica, todos los modelos tienen algn grado de empi-
pero las relaciones entre las variables slo se mantienen en la lo- ricismo: utilizan datos de campo para resumir procesos ecofisiol-
calizacin para la cual ha sido desarrollado el modelo. Por lo tanto, gicos a escalas espaciales o temporales ms pequeas que a las
aunque la metodologa es transferible a otros lugares, los detalles escalas que funciona el modelo en cuestin. Reconociendo esta
de este tipo de modelos no lo son (Mangel et al. 2001). Este tipo realidad, el desarrollo de un tipo de modelos intermedio entre me-
de modelos empricos puede necesitar de anlisis complejos, entre canicistas y empricos (los llamados modelos hbridos; Kimmins
los que destacan las posibilidades de utilizar anlisis multivalentes 2004, Blanco 2012) est ganando importancia en el campo de la
para explorar las interacciones entre factores ambientales, descri- gestin ecosistmica. Estos modelos incorporan elementos cau-
tas en este nmero por Ledo et al. (2013). sales y empricos al mismo nivel jerrquico (Johnsen et al. 2001).
Por otro lado, cuando el objetivo del eclogo es explicar cmo El desarrollo de estos modelos se est popularizando porque se
funciona un ecosistema, es necesaria una descripcin especfica ha mostrado que los modelos empricos pueden mejorarse al in-
de los procesos ecolgicos y como estn unidos entre s. Aunque corporar algunas funciones tericas o causales clave (Monserud
tales modelos explicativos pueden ser generales y aplicables a un 2003), y que los modelos mecanicistas pueden mejorar al incor-
amplio rango de ecosistemas (p.ej. un libro de texto de ecologa porar limitantes y elementos empricos a nivel de ecosistema (M-
que explique las interacciones entre la estructura y la funcin de kel et al. 2000).
los ecosistemas), si lo que los modelizadores pretenden es aportar La seleccin de cualquiera de las opciones de modelizacin
informacin para apoyar una gestin sostenible o una investigacin anteriores depende del objetivo especfico seleccionado por el mo-
detallada, ser necesario proporcionar valores numricos para ex- delizador (ver la contribucin en este nmero de Ruiz-Benito et al.
plorar relaciones cuantitativas entre distintas variables. Esta es una 2013). Se podra pensar que en ciencia se favorecern los mode-
fase importante del proceso de modelizacin: clarificar lo que es los ms mecanicistas debido a su poder explicativo y su capacidad
conocido y qu necesita ms estudio. para explorar las consecuencias de condiciones ambientales futu-
Como en otras ramas de las ciencias ambientales, los modelos ras cambiantes (Giske et al. 1992, Giske 1998). Sin embargo, si
no se suelen usar para un nico objetivo. Por lo tanto, la distincin el inters est en predicciones a corto plazo, los usuarios o dise-
entre modelos predictivos y explicativos con frecuencia est poco adores de modelos ecolgicos pueden preferir los modelos ms
clara. En ecologa, muchos modelos se crean resumiendo grandes empricos.
bases de datos de observaciones de campo en parcelas permanen- Por ltimo, los modelos ecolgicos no deben considerarse como
tes, utilizando relaciones empricas entre factores ambientales. Ejem- trabajos aislados, ya que siendo una de sus principales caracters-
plos de este tipo de modelos se revisan en el trabajo de Ruiz-Benito ticas el ayudarnos a entender cmo funcionan los ecosistemas, un
et al. (2013), en el cual se discuten opciones de modelizacin para modelo finalizado suele considerarse como un modelo muerto,
estimar la vulnerabilidad de los bosques ibricos al cambio climtico. ya que no incorpora los cambios que a travs de su uso se descubra
Un ejemplo concreto de la aplicacin de uno de estos modelos lo que puedan ser adecuados (Kimmins 2004). En este sentido, tam-
proporcionan Peralta e Imbert (2013), quienes muestran la potencia- bin es posible la unin de distintos modelos que funcionen a dis-
lidad de la distribucin de la carrasca (Quercus Ilex L.) en Navarra. tintas escalas, con el objetivo de aprovechar el trabajo realizado por
Tambin es notable la contribucin de Gmez-Aparicio et al. (2013), otros investigadores y seguir avanzando en la compresin de los
quienes revisan la utilidad en ecologa de los modelos de vecindad. procesos ecolgicos (Bonet-Garca et al. 2013). De esta forma, en
Los modelos que se desarrollan con la intencin de predecir los los ltimos aos estn apareciendo ms esfuerzos de meta-mode-
posibles estados futuros del ecosistema en cuestin deben estar los, en los que varios modelos estn unidos de forma secuencial,
basados en la representacin de los procesos ecolgicos clave que de forma que los resultados de un modelos son las entradas del si-
son relevantes para el problema de inters para el modelizador. En guiente. Otra opcin son los mega-modelos en los que varios mo-
general, estos modelos que simulan mecanismos (y por lo tanto delos funcionan conectados de forma simultnea (Blanco 2012).
tambin llamados mecanicistas) proporcionan un conocimiento
ms profundo del funcionamiento de los ecosistemas que los mo- Buenas prcticas en modelizacin ecolgica
delos empricos. Un buen ejemplo de este tipo de modelos es GO-
TILWA+, un modelo desarrollado para estudiar la influencia de la Ya hay una literatura bien desarrollada sobre cmo crear mo-
disponibilidad de agua y otros recursos en el crecimiento de eco- delos para la ecologa y el manejo de recursos sostenibles. Los lec-
sistemas forestales, descrito por Nadal-Sala et al. (2013) en este tores interesados en el tema pueden consultar Box (1979), Starfield
nmero. Sin embargo, este mayor entendimiento no se refleja ne- y Bleloch (1991), Vanclay (1994), Hilborn y Mangel (1997), Ford
cesariamente en unas predicciones ms ajustadas a la realidad, ya (1999), Shenk y Franklin (2001), Kimmins et al. (2010) o Fath and
que los modelos mecanicistas por lo general son ms difciles de Jorgensen (2011), entre otros. No es la intencin de esta editorial
calibrar e incorporan ms incertidumbre que los modelos empricos. repetir esta informacin, pero no se debe dejar pasar la ocasin de
Este problema lo exploran con detalle Grate y Blanco (2013), quie- mencionar la necesidad de observar un cdigo de buenas prcticas
nes investigan la sensibilidad del modelo de ecosistemas forestales a la hora de crear modelos. Las ideas mencionadas aqu pueden
FORECAST a la incertidumbre asociada a la calibracin de los pa- completarse con las guas proporcionadas por Van Waveren et al.
rmetros relacionados con la biomasa de races en bosques de (1999) y el Consejo para la Regulacin de la Modelizacin Ambien-
pino silvestre (Pinus sylvestris L.) de los Pirineos. tal de los EE.UU. (CREM 2009), pero es oportuno incidir en ellas.

3
Ecosistemas 22(3):1-5 Blanco 2013

Con la disponibilidad de grandes bases de datos cubriendo lar- proceso. En cualquier caso, la fase de evaluacin debera incluir
gos perodos de tiempo y con el mayor poder de computacin de una evaluacin de los datos utilizados para compararlos con las
los ordenadores y programas actuales, el nmero de modelos eco- predicciones del modelo, y una discusin de si las pautas y patro-
lgicos ha aumentado dramticamente (Monserud 2003, Kimmins nes de procesos ecolgicos tienen sentido desde un punto de vista
et al. 2010). El resultado ha sido una pltora de modelos, formas ecolgico, y no solamente numrico (Blanco et al. 2007).
de describirlos y probarlos, y mtodos para evaluar sus prediccio- Para terminar, en este nmero de Ecosistemas tambin se in-
nes. Debido a esta situacin, la necesidad de estandarizar los pro- forma sobre los ltimos acontecimientos en Espaa relacionados
cedimientos de modelizacin ambiental est siendo cada da mayor con los modelos ecolgicos. A destacar es la reciente organizacin
(Van Weveren et al. 1999, CREM 2009). Adems, un uso consis- del 7 Curso Internacional sobre Modelizacin Ecolgica en Ciudad
tente y comn de una terminologa es necesario para la comunica- Real por la Universidad de Castilla-La Mancha, que ha contado con
cin de avances en el desarrollo de modelos y en su evaluacin. la presencia del Dr. S.E. Jrgensen, una autoridad mundial en mo-
Terminologa nueva o confusa debera ser claramente definida, y delos ecolgicos y que ha sido apoyado por la Asociacin Espaola
cualquier redefinicin de terminologa ya en uso debera tener un de Ecologa Terrestre (AEET) (ver http://www.aeet.org/7th_Interna-
propsito claro (Crout et al. 2008). Como mucha de la teora de mo- tional_course_on_ECOLOGICAL_MODELLING_266_p.htm). Tam-
delizacin tiene sus orgenes en literatura estadstica, los modeli- bin acaba de publicarse el libro Aplicaciones de modelos
zadores deberan en lo posible utilizar la terminologa original (ver ecolgicos a la gestin de recursos naturales, editado por J.A.
el glosario en Ripley 1996). Terminologa adicional relacionada con Blanco y publicado por Omnia Science (ver resea en este nmero
la modelizacin ambiental puede encontrarse en CREM (2009). Un por Quero (2013)).
componente clave de unas buenas prcticas de modelizacin es la
documentacin del modelo, y la puesta a disposicin de esta do- Por ltimo, la fotografia del enlace de este nmero corresponde
cumentacin para que otros usuarios y expertos puedan revisarla. a la foto ganadora del 1er concurso de fotografa ecologca celebrado
Bonet-Garca et al. (2013) muestran en este nmero una iniciativa el pasado mes de mayo de 2013 en Pamplona, en elmarco del XI
muy interesante de creacin de un repositorio de modelos, que es- Congreso Nacional de la AEET. La fotografa se titula Protegiendo
peramos sirva como referencia a otros esfuerzos futuros que se re- a un nio de 100 aos y fue realizada por Lidia Cao Prez.
alicen en esta lnea.
El primer aspecto clave es especialmente importante: contar Referencias
con una buena documentacin de los modelos ecolgicos cuando Banos-Gonzlez, I., Martnez-Fernndez, J., Esteve, M.A. 2013. Simulacin
el usuario del modelo es distinto a la persona que lo desarroll. dinmica de sistemas socio-ecolgicos: sostenibilidad en Reservas de
Los fallos de los modelos ecolgicos pueden ser causados por un la Biosfera. Ecosistemas 22(3): 74-83.
modelo conceptual incompleto o malentendido, una formulacin Beven, K. 2002. Towards a coherent philosophy for modelling the environ-
incorrecta del modelo, o errores en la codificacin del modelo. Por ment, Proceedings Royal Society of Series A 458:1-20.
otro lado, este tipo de problemas debe distinguirse de errores a la Blanco J.A. (ed.). 2013. Aplicaciones de modelos ecolgicos en la gestin
hora de utilizar el modelo, que pueden causarse por un completo de recursos naturales. Omnia Science, Barcelona. Espaa. 210 pp. ISBN
(o inexistente) manual de usuario, descuido en el tratamiento de 978-84-940624 9-0.
los datos de entrada, calibracin y evaluacin insuficientes, o el Blanco, J.A. 2012. Ms all de los modelos de crecimiento:modelos ecol-
uso del modelo ms all del alcance para el que fue diseado. gicos hbridos en el contexto del manejo forestal sostenible. Cuadernos
Estos problemas conducen a un bajo grado de fiabilidad de las de la Sociedad Espaola de Ciencias Forestales 34: 11-25
predicciones del modelo (Van Waveren et al. 1999). Crout et al. Blanco, J.A., Seely, B., Welham, C., Kimmins, J.P., Seebacher, T.M. 2007.
(2008) aseveran que el principal requisito de un modelo es que se Testing the performance of FORECAST, a forest ecosystem model,
especifique claramente su propsito. Para qu es el modelo? against 29 years of field data in a Pseudotsuga menziesii plantation.
Cul es la razn para crear un modelo nuevo? Qu se espera Canadian Journal of Research 37:1808-1820.
que haga el modelo? En ausencia de una definicin del propsito Bonet-Garca, F.J., Prez-Prez, R., Benito, B.M., Prez-Luque, A.J.,
del modelo, el grado de xito del mismo no se puede juzgar, y tam- Zamora, R.J. 2013. Documentacin de modelos y flujos de trabajo: el
siguiente reto en el manejo de informacin ecolgica. Ecosistemas
poco se puede definir el nivel de complejidad estructural que es
22(3): 37-45.
necesaria.
Box, G.E.P. 1979. Robustness in scientific model building. In: R. L. Launer
El segundo aspecto clave en una buena prctica de modeliza- and G. N.Wilkinson (eds.) Robustness in statistics. Academic Press.
cin es describir claramente los datos de campo y cmo se usan New York, USA.
esos datos en el modelo, todas las asunciones y formulaciones del Council for Regulatory Environmental Modeling (CREM) 2009. Guidance on
modelo. Un listado explcito de las asunciones revela el proceso de the Development, Evaluation, and Application of Environmental Models,
pensamiento del modelizador y facilita la evaluacin de esas asun- Publication EPA/100/K-09/003, U.S. Environmental Protection Agency,
ciones ms tarde (Kimmins et al. 2010). Adems, el modelizador Washington, D.C, USA.
debera proporcionar una justificacin breve pero explcita de sus Crout, N., Kokkonen, T., Jakeman, A.I., Norton, J.P., Newham, L.T.H., An-
asunciones, y documentar las referencias bibliogrficas que las derson, R., Assaf, H., Croke, B.F.W., Gaber, N., Gibbons, J., Holzworth,
describen en detalle, incluyendo cualquier preferencia subjetiva y D., Mysiak, J., Reichl, J., Seppelt, R., Wagener, T., Whitfield, P. 2008.
opiniones (Wagener et al. 2003, Bonet-Garca et al. 2013). Good modelling practice, In: A.J. Jakeman, A.J. Voinov, A.A., Rizzoli,
E., Chen, S.H. (eds.). Environmental modelling, software and decision
Un tercer elemento clave en una buena prctica de modeliza- support: state of the art and new perspectives. Elsevier, Amsterdam,
cin es la evaluacin del modelo, la cual debera ser un proceso The Netherlands.
continuo. Adems, se deben reconocer las diferencias entre evaluar Fath B, Jrgensen S.E. 2011. Fundamentals of ecological modelling 4th Edi-
las asunciones del modelo, implementar el modelo y evaluar el ren- tion. Applications in Environmental management and Research. Else-
dimiento del mismo. Este proceso incluye estudios de la sensibili- vier, Dordetch, The Netherlands.
dad del modelo a distintos parmetros (ver un ejemplo de esta Ford, A. 1999. Modeling the Environment, Island Press, Washington, DC.
prctica en Grate y Blanco (2013), en este nmero), as como la USA.
comparacin de las estimaciones del modelo con observaciones Grate, M., Blanco, J.A. 2013. Importancia de la caracterizacin de la bio-
independientes de la misma variable. La evaluacin del modelo, masa de races en la simulacin de ecosistemas forestales. Ecosis-
que tradicionalmente implica alguna medida de rendimiento predic- temas 22(3): 66-73.
tivo y la incertidumbre asociada, debera ser una parte central del Giske, J. 1998. Evolutionary models for fisheries management. In: Pitcher
proceso de desarrollo del modelo, y no algo considerado nica- T., Pauly D., Hart P.J.B. (eds.). Re-inventing fisheries management,
mente tras la finalizacin del modelo. Aunque existen muchos m- Chapman and Hall, Nueva York, USA.
todos utilizados para evaluar modelos (ver por ejemplo Lo et al. Giske, J., Skjoldal, H.R., Aksnes, D.L. 1992. A conceptual model of distribu-
2011), an no existe un proceso estndar para llevar a cabo este tion of capelin in the Barents Sea, Sarsia 77:147-156.

4
Ecosistemas 22(3):1-5 Blanco 2013

Gmez-Aparicio, L., Avila, J.M., Cayuela, L. 2013. Mtodos de mxima ve- Mangel, M., Fiksen, , Gisk, J. 2001 Theoretical and statistical models in
rosimilitud en ecologa y su aplicacin en modelos de vecindad. Eco- natural resource management and research, In: Shenk, T.M., Franklin,
sistemas 22(3): 12-20. A.B. (eds). Modeling in natural resource management: development, in-
Gonzlez-Izquierdo, E., Barrero-Medel, H., Carrasco-Rodrguez, Y. 2013. terpretation, and application, Island Press, Washington, DC. USA.
Evaluacin de las clases de calidad de sitio de Pinus caribaea var. ca- Martnez-Fernndez, J., Fitz, C., Esteve Selma, M.A., Guaita, N., Martnez-
ribaea en la Empresa Forestal Integral Macurije (Pinar del Ro, Cuba). Lpez, J. 2013. Modelizacin del efecto de los cambios de uso del suelo
Ecosistemas 22(3): 46-51. sobre los flujos de nutrientes en cuencas agrcolas costeras: el caso
Hilborn, R., Mangel, M. 1997. The ecological detective: Confronting models del Mar Menor (Sudeste de Espaa). Ecosistemas 22(3): 84-94.
with data, Princeton University Press, Princeton, NJ, USA. Monserud, R.A. 2003. Evaluating forest models in a sustainable forest man-
Jakeman, A.J., Chen, S.H., Rizzoli, A.E., Voinov, A.A. 2008. Modelling and agement context, FBMIS 1, 35-47.
software as instruments for advancing sustainability. In: A.J. Jakeman, Morton, A. 1990. Mathematical modelling and contrastive explanation, Cana-
A.J. Voinov, A.A., Rizzoli, E., Chen, S.H. (eds.). Environmental model- dian Journal of Philosophy 16, 251-270.
ling, software and decision support: state of the art and new perspec- Nadal-Sala, D., Sabat, S., Gracia, C. 2013. GOTILWA+: un modelo de pro-
tives, Elsevier, Amsterdam, The Netherlands. cesos que evala efectos del cambio climtico en los bosques y explora
Johnsen, K., Samuelson, L., Teskey, R., McNulty, S., Fox, T. 2001. Process alternativas de gestin para su mitigacin. Ecosistemas 22(3): 29-36.
models as tools in forestry and management, Forest Science 47: 2-8. Peralta, J., Imbert, J.B. 2013. Puede haber carrascales en el sur de Nava-
Kimmins, J.P. 2004. Ecology. A foundation for sustainable management and rra? Una aproximacin mediante la modelizacin de distribucin de es-
environmental ethics in forestry, Pearson/Prentice Hall. Upper Saddle pecies. Ecosistemas 22(3): 58-65.
River, NJ. USA. Polo, V. 2013. Modelos matemticos en ecologa: aplicacin al dilema hal-
Kimmins, J.P., Blanco, J. A., Seely, B., Welham, C., Scoullar, K. 2008. Com- cn vs. paloma. Ecosistemas 22(3): 6-11.
plexity in modelling forest ecosystems. How much is enough?. Ecology Quero, J.L. 2013. Aplicaciones de modelos ecolgicos a la gestin de re-
and Management 256: 1646-1658. cursos naturales de Juan A. Blanco. 2013. Ecosistemas 22(3): 136.
Kimmins, J.P., Blanco, J.A., Seely, B., Welham, C., Scoullar, K. 2010. Fore- Ripley, B.D. 1996. Pattern recognition and neural networks, Cambridge Uni-
casting Futures: A Hybrid Modelling Approach to the assessment of versity Press, Cambridge, UK.
sustainability of forest ecosystems and their values. Earthscan Ltd. Lon-
don, UK. 281 pp. ISBN: 978-1-84407-922-3. Ruiz-Benito, P., Herrero, A., Zavala, M.A. 2013. Vulnerabilidad de los bos-
ques espaoles frente al Cambio Climtico: evaluacin mediante mo-
Kimmins, J.P., Welham, C., Seely, B., Meitner, M., Rempel, R., Sullivan, T. delos. Ecosistemas 22(3): 21-28.
2005. Science in forestry: why does it sometimes disappoint or even fail
us?, The Forestry Chronicle 81: 723-734. Shenk, T.M., Franklin A.B. (eds). 2001. Modeling in natural resource man-
agement: Development, interpretation, and application, Island Press, .
Ledo, A., Montes, F., Caellas, I. 2013. Nuevas herramientas para el estudio
de la interaccin entre especies en el espacio y en el tiempo. Ecosiste- Starfield, A.M., Bleloch, A.L. 1991. Building models for conservation and wildlife
mas 22(3): 52-57. management, 2nd edition, Interaction Book Company, Edina, MN. USA.
Lo, Y.-H., Blanco, J.A., Seely, B., Welham, C., Kimmins, J.P. 2011. Gener- Vanclay, J.K. 1994. Modelling Forest Growth and Yield: Applications to
ating reliable meteorological data in mountainous areas with scarce Mixed , CAB International, Wallingford, UK.
presence of weather records: the performance of MTCLIM in interior Van Waveren, R.H., Groot, S., Scholten, H., Van Geer, F.C., Wsten, J.H.M.,
British Columbia, Canada. Environmental Modelling and Software 26: Koeze, R.D., Noort, J.J. 1999. Good modelling practice handbook,
644-657. STOWA report 99-05, Utrecht, The Netherlands.
Mkela, A., Landsberg, J., Ek, A.R., Burk, T.E., Ter-Mikaelian, M., gren, Wagener, T., Wheater, H.S., Gupta H.V. 2003. Identification and evaluation
G.I., Oliver, C.D., Puttonen, P. 2000. Process-based models for forest of watershed models, In: Duan, Q., Sorooshian, S., Gupta, H.V.,
ecosystem management: current state of the art and challenges for Rousseau., A., Turcotte, R. (eds.). Calibration of watershed models,
practical implementation, Tree Physiology 20: 289-298. American Geophysical Union, Washington DC. USA.