A quantitative approach to species occupancy across communities: the co-occurrence-occupancy curve

Este artículo presenta la curva de co-ocurrencia-ocupación y el Índice de Asociación de Especies (SAI) como herramientas cuantitativas para medir la tendencia de las especies a coexistir más allá de su frecuencia general, permitiendo comparaciones estandarizadas entre comunidades y la evaluación de desviaciones respecto a modelos neutrales.

Lo esencial

Imagina que eres un detective ecológico. Tu misión es entender cómo se organizan las comunidades de la naturaleza: ¿por qué ciertas especies viven juntas y otras no? ¿Es porque se llevan bien, porque necesitan lo mismo, o simplemente porque tuvieron la suerte de encontrarse?

Este artículo propone una nueva forma de mirar este problema, usando una herramienta llamada "Curva de Co-ocurrencia-Ocupación" y un nuevo "termómetro" llamado Índice de Asociación de Especies (SAI).

Aquí te lo explico con analogías sencillas:

1. El problema: La confusión entre "popularidad" y "amistad"

Imagina que estás en una gran fiesta (el ecosistema).

• Hay una persona muy popular (una especie común) que conoce a casi todo el mundo.
• Hay otra persona muy tímida (una especie rara) que solo conoce a dos o tres personas.

Si solo miras cuántas personas conoce cada uno, dirás que el popular es "más sociable". Pero, ¿es realmente más sociable? Quizás solo es que está en la fiesta desde hace más tiempo o es más famoso.

En ecología, esto es un problema. Si una especie vive en muchos lugares (tiene alta ocupación), es normal que se encuentre con muchas otras especies simplemente por azar. El estudio anterior a menudo confundía esta "popularidad" con una verdadera "tendencia a asociarse".

2. La solución: La "Curva M" (La línea de la realidad)

Los autores crearon una gráfica llamada Curva M. Imagina que es una línea de control en una fábrica de juguetes.

• Eje X (Horizontal): ¿Qué tan común es la especie? (¿Cuántas fiestas ha visitado?).
• Eje Y (Vertical): ¿Con cuántas otras especies se ha encontrado?

Bajo un modelo de azar puro (donde nadie elige con quién hablar y todos se mezclan al azar), existe una línea predecible.

• Si eres muy común, la línea dice: "Deberías conocer a X cantidad de gente".
• Si eres raro, la línea dice: "Deberías conocer a Y cantidad de gente".

Esta línea es el modelo nulo: es lo que esperaríamos si la naturaleza fuera un caos total sin reglas de amistad ni enemistad.

3. El nuevo invento: El Índice de Asociación (SAI)

Aquí viene la magia. Los autores crearon el Índice de Asociación de Especies (SAI).

Imagina que el SAI es un termómetro de "sociabilidad real".

• Si la temperatura es 0: La especie se comporta exactamente como se esperaría por azar. Es un "participante normal" de la fiesta.
• Si la temperatura es positiva (alta): La especie se encuentra con más gente de la que debería por pura suerte. ¡Es un verdadero "extrovertido" ecológico! Quizás crea hábitats para otros (como un árbol que da sombra) o es muy adaptable.
• Si la temperatura es negativa (baja): La especie se encuentra con menos gente de la esperada. Es un "solitario" o un "recluido". Quizás vive en un lugar muy especial donde nadie más puede entrar, o compite tan mal que huye de los demás.

La gran ventaja: Este índice nos permite comparar a un "gigante" (muy común) con un "enano" (muy raro) de manera justa. Ya no importa si son populares; importa si son sociables más allá de su fama.

4. ¿Qué descubrieron? (Los casos de estudio)

Los autores probaron su teoría en dos mundos muy diferentes:

• El Bosque Tropical (Barro Colorado, Panamá): Es como un bosque gigante donde hay miles de árboles. Descubrieron que la mayoría de los árboles siguen la "línea de azar". Sin embargo, algunos se desviaban. Esos que se desviaban (tenían un SAI alto o bajo) estaban relacionados con cómo crecen y sobreviven. Por ejemplo, algunos árboles que invierten mucho en crecer rápido tienen una "sociabilidad" distinta a los que invierten en sobrevivir lento.
• Las Rocas del Mediterráneo: Imagina la orilla del mar llena de algas, caracoles y mejillones. Aquí, la mayoría también seguía la regla del azar. Pero, ¡atención! Las especies que vivían en zonas muy sucias o muy limpias (donde solo unas pocas pueden sobrevivir) tenían un SAI muy bajo. Eran los "solitarios" del ecosistema porque su casa era tan especial que nadie más podía vivir allí.

5. ¿Por qué es importante esto?

Antes, para saber si dos especies interactuaban, los científicos necesitaban datos complejos sobre su ADN, su comportamiento y su historia.

Con este nuevo enfoque, solo necesitas un mapa simple de dónde vive cada especie.

• Si una especie está mucho más "sociable" de lo que dice la línea de azar, sabes que hay algo interesante pasando (quizás se ayudan mutuamente).
• Si está mucho más "solitaria", sabes que hay algo que la aísla (quizás el ambiente es muy hostil para los demás).

En resumen

Este artículo nos da una brújula simple. Nos dice: "No te fíes solo de quién es popular. Mira quién se sale de la norma".

Nos permite separar a los arquitectos de la comunidad (especies que, por su naturaleza, atraen a otras) de los solitarios (especies que viven en sus propias burbujas), todo basándonos en una pregunta sencilla: ¿Con quién vives realmente, más allá de lo común que seas?

Resumen técnico

Aquí presento un resumen técnico detallado del artículo en español, estructurado según los puntos solicitados:

Resumen Técnico: Un enfoque cuantitativo para la ocupación de especies en comunidades: la curva de co-ocurrencia-ocupación

1. Planteamiento del Problema

La ecología de comunidades ha dependido tradicionalmente de enfoques "de arriba hacia abajo" (top-down) que requieren datos extensos sobre rasgos individuales, interacciones y mecanismos de dispersal para predecir la estructura comunitaria. Sin embargo, estos modelos a menudo carecen de una comprensión clara de los mecanismos causales subyacentes.
El problema central abordado es la co-ocurrencia de especies: ¿qué tan probable es que dos especies coexistan en la misma comunidad? La literatura existente ha utilizado índices simples o modelos nulos, pero a menudo se ha pasado por alto un patrón fundamental a nivel de comunidad: la relación entre la tendencia de una especie a co-ocurrir con otras y su ocupación total (frecuencia de presencia en los sitios muestreados).
Existe una confusión inherente: las especies comunes tienden a co-ocurrir con más especies simplemente por su alta frecuencia, mientras que las raras co-ocurren con menos. Esto dificulta distinguir si una asociación es el resultado de procesos biológicos reales (interacciones, filtrado ambiental) o simplemente un artefacto estadístico de la frecuencia de ocurrencia. Se necesita una métrica que estandarice la asociación independientemente de la ocupación global.

2. Metodología

Los autores proponen un enfoque "de abajo hacia arriba" (bottom-up) basado en la definición de un patrón empírico y su comparación con un modelo nulo riguroso.

• La Curva M (Co-ocurrencia-Ocupación):

  • Se define una curva empírica que relaciona la fuerza de asociación de una especie (número de especies distintas con las que co-ocurre en al menos un sitio) con su ocupación global ($f_i = N_i / N$, donde $N_i$ es el número de sitios ocupados y $N$ el total de sitios).
  • Se utiliza una matriz de presencia/ausencia especie-sitio para calcular estas métricas.

• Modelo Nulo:

  • Se asumen dos hipótesis nulas básicas:
    1. Independencia de especies: Las especies se distribuyen sin influencias mutuas.
    2. Equivalencia de sitios (Colocación aleatoria): No hay preferencia por sitios específicos; los sitios son ambiental y estructuralmente equivalentes para el modelo.
  • Bajo estas hipótesis, se deriva analíticamente la distribución esperada del número de co-ocurrencias ($A_i$) para una especie dada su ocupación, utilizando la distribución hipergeométrica (basada en el trabajo de Veech, 2013).

• Índice de Asociación de Especies (SAI - Species Association Index):

  • Para estandarizar las comparaciones, se introduce el SAI ($s_i$), una puntuación Z que mide la desviación de la co-ocurrencia observada respecto a la esperada bajo el modelo nulo:
    $$s_i = \frac{A_i - \langle A_i \rangle}{\sqrt{Var(A_i)}}$$
  • Donde $\langle A_i \rangle$ es el valor esperado y $Var(A_i)$ es la varianza calculada analíticamente.
  • Un SAI positivo indica una asociación mayor a la esperada (no aleatoria), mientras que un SAI negativo indica una asociación menor.

• Generalización Teórica:

  • Los autores extienden el modelo para considerar distribuciones de ocupación genéricas (no solo permutaciones fijas), incluyendo dinámicas de colonización-extinción y distribuciones de ocupación basadas en la distribución Beta, permitiendo predecir la curva teórica bajo diferentes supuestos ecológicos.

3. Contribuciones Clave

1. Definición de la Curva M: Identificación y formalización de un patrón de comunidad previamente ignorado que vincula la ocupación con la co-ocurrencia.
2. Desarrollo del SAI: Creación de un índice estandarizado que permite comparar la "sociabilidad" de especies con ocupaciones radicalmente diferentes, eliminando el sesgo de la frecuencia.
3. Derivación Analítica: Cálculo exacto de la esperanza y varianza de las co-ocurrencias bajo un modelo nulo de colocación aleatoria, sin necesidad de simulaciones computacionales intensivas para el valor esperado.
4. Marco de Referencia Neutral: Establecimiento de una línea base transparente para detectar desviaciones de la neutralidad, sirviendo como punto de partida para investigar mecanismos de ensamblaje comunitario.

4. Resultados

El estudio se validó mediante dos sistemas ecológicos contrastantes:

• Comunidades de Rocas Mediterráneas (MMH):

  • La mayoría de las especies siguieron el modelo nulo.
  • Las desviaciones significativas (SAI bajo) se observaron en especies de hábitats simplificados (ej. cerca de playas arenosas o formadoras de costras no colonizables) y especies que pertenecen a otros niveles del litoral (indicando límites de comunidad mal definidos).
  • Las especies móviles, epibiontes y oportunistas mostraron SAI más altos.

• Bosque Tropical de Barro Colorado (BCI):

  • Las especies de árboles también siguieron mayoritariamente el modelo nulo, lo cual es consistente con la teoría neutral que inspira este sistema.
  • Sin embargo, el SAI mostró variabilidad explicada por compensaciones demográficas: el índice de asociación dependía de ejes de "estatura-reclutamiento" y "crecimiento-supervivencia" (modulados por la densidad de la madera). Esto sugiere que la estructura del bosque está controlada por trade-offs demográficos que afectan la co-ocurrencia más allá de la simple aleatoriedad.

• Hallazgos Generales:

  • La curva de co-ocurrencia-ocupación tiene una forma característica similar en ambos sistemas.
  • La mayoría de las especies son consistentes con la hipótesis nula, pero las desviaciones revelan procesos ecológicos específicos (filtrado ambiental, interacciones bióticas, historia demográfica).

5. Significado e Implicaciones

• Paradigma Analítico: El trabajo transforma el análisis de co-ocurrencia de una herramienta de detección cruda de interacciones a un marco estadístico robusto para entender la arquitectura de las comunidades.
• Separación de Frecuencia y Asociación: El SAI permite disentangle (separar) la frecuencia de ocurrencia de la tendencia a asociarse. Esto permite clasificar especies en un eje continuo desde "solitarias" (baja asociación) hasta "sociables" (alta asociación).
• Aplicabilidad Ecológica:
  • Las especies con alto SAI tienden a ser ingenieras del ecosistema, epibiontes, oportunistas o especies de comunidades complejas.
  • Las especies con bajo SAI suelen estar asociadas a parches estructuralmente simplificados o empobrecidos.
• Herramienta de Diagnóstico: La curva y el índice proporcionan una base para identificar cuándo un sistema se desvía de la neutralidad, ayudando a discernir entre efectos de filtrado ambiental, interacciones bióticas y contingencia histórica.

En conclusión, el artículo ofrece una metodología cuantitativa, transparente y generalizable para evaluar la estructura de ensamblaje de comunidades, demostrando que la relación entre ocupación y co-ocurrencia es una señal ecológica fundamental que, cuando se estandariza correctamente, revela mecanismos ocultos de organización biológica.