🧬 biology

Quantifying Environmental and Demographic Stochasticity in Population Viability Analysis: The Case of Rissa tridactyla

Este estudio utiliza ecuaciones diferenciales estocásticas derivadas del modelo de crecimiento logístico de mejor ajuste para analizar la dinámica poblacional de la gaviota tridáctila, revelando que la estocasticidad demográfica es el principal motor de la variabilidad y prediciendo una probabilidad del 53,1 % de cuasi-extinción dentro de los próximos 30 años.

Autores originales: Riddhimann Chattopadhyay, Richik Bandyopadhyay, Tanoy Mukherjee

Publicado 2026-09-21

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Riddhimann Chattopadhyay, Richik Bandyopadhyay, Tanoy Mukherjee

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo

Comprender si una especie sobrevivirá o se desvanecerá en la historia es una de las preguntas más urgentes en la biología de la conservación. En el mundo natural, las poblaciones rara vez crecen en una línea recta y predecible. En su lugar, están sujetas a dos tipos distintos de aleatoriedad. Un tipo proviene del entorno: un invierno crudo, una escasez de alimentos o un cambio repentino en el clima que afecta a cada individuo de un grupo al mismo tiempo. El otro tipo es mucho más íntimo e interno. Surge de la simple suerte aleatoria de los nacimientos y las muertes. En cualquier año dado, podrían nacer algunos pájaros más de los esperados, o podrían morir por azar algunos adultos más. En poblaciones pequeñas, esta aleatoriedad interna puede ser lo suficientemente poderosa como para empujar a una especie hacia la extinción, incluso si el entorno general parece estable y la población parece estar creciendo. Los científicos utilizan modelos matemáticos para intentar ver a través de esta niebla de azar, con la esperanza de predecir qué poblaciones están seguras y cuáles están en una pendiente resbaladiza hacia la desaparición.

Un estudio reciente se centró en la gaviota de patas negras, una ave marina que anida en escarpados acantilados costeros en el Atlántico Norte y el Pacífico Norte. Estas aves son longevas y tienen un ritmo de vida lento; tardan varios años en alcanzar la edad adulta y producen solo unos pocos polluelos cada año. Debido a que dependen fuertmente de condiciones marinas específicas y de peces pequeños para alimentarse, sus números pueden oscilar drásticamente. Los investigadores recopilaron décadas de registros poblacionales de esta ave, que abarcan desde 1949 hasta 1984, y se propusieron comprender qué impulsa estos cambios. Comenzaron probando tres formas diferentes de describir cómo creció la población a lo largo del tiempo. Un modelo asumía que las aves crecerían indefinidamente sin límites, otro asumía que crecerían rápidamente al principio y luego se ralentizarían en un patrón curvo específico, y el tercero asumía que crecerían rápidamente, se ralentizarían y finalmente se estabilizarían en un número máximo que el entorno pudiera soportar. Al comparar qué tan bien cada modelo coincidía con los datos históricos reales, los investigadores encontraron que la tercera opción, la que se estabiliza, proporcionaba la imagen más precisa de la historia de la ave.

Con el patrón de crecimiento identificado como el mejor, el equipo se planteó una pregunta más profunda: ¿qué tipo de aleatoriedad es la más responsable de los altibajos en sus números? Construyeron una nueva versión de su modelo que incluía dos tipos de ruido. El primero representaba el entorno cambiante, donde un mal año para todos sacudiría a toda la población. El segundo representaba la suerte interna de los nacimientos y muertes individuales, que se vuelve más significativa cuando hay menos aves alrededor. Cuando ajustaron estos modelos complejos a los datos, los resultados apuntaron claramente a una fuente de problemas. El estudio encontró que la variación aleatoria en los nacimientos y muertes individuales era la fuerza dominante que impulsaba las fluctuaciones de la población, mucho más que el cambiante entorno externo. Esto significa que incluso si las condiciones oceánicas fueran perfectas, la pura suerte de quién sobrevivía y quién se reproducía en cualquier año dado era el motor principal de la incertidumbre para esta especie.

Utilizando este entendimiento, los investigadores realizaron miles de simulaciones por computadora para mirar hacia el futuro. Proyectaron la población hacia adelante durante treinta años, permitiendo que la suerte aleatoria de los nacimientos y las muertes se desarrollara en cada escenario. Los resultados fueron desalentadores. En más de la mitad de los futuros simulados, la población cayó por debajo de un umbral crítico de diez individuos, un punto donde la recuperación se vuelve casi imposible debido a la falta de parejas de reproducción y al mayor riesgo de endogamia. El estudio calculó una probabilidad del 53.1 por ciento de que ocurriera esta cuasi extinción dentro de las próximas tres décadas. Este es un recordatorio contundente de que una población puede parecer estable o incluso crecer en promedio, pero aun así enfrentar un alto riesgo de colapso simplemente debido a la naturaleza impredecible de la vida y la muerte individuales.

Los hallazgos sugieren que para especies como la gaviota de patas negras, los esfuerzos de conservación deben ir más allá de la simple protección de los hábitats o de asegurar los suministros de alimentos. Si bien esos factores son vitales, el estudio destaca que la inestabilidad inherente de las poblaciones pequeñas es una amenaza importante que no puede ignorarse. Los investigadores señalaron que su modelo asumía un entorno constante, pero en la realidad, el cambio climático y la fluctuación de las poblaciones de peces podrían hacer que la situación sea aún más precaria. Al combinar datos históricos con pruebas estadísticas rigurosas, el estudio proporciona una advertencia clara y cuantitativa: sin intervención para aumentar la supervivencia y la reclutación, las fluctuaciones aleatorias de la naturaleza por sí solas podrían llevar a esta ave marina al borde de la extinción. El trabajo ofrece un marco práctico para que otros científicos evalúen riesgos similares en especies vulnerables, convirtiendo los temores vagos sobre la extinción en probabilidades concretas que puedan guiar estrategias de protección en el mundo real.

Resumen Técnico: Cuantificación de la Estocasticidad Ambiental y Demográfica en el Análisis de Viabilidad Poblacional: El Caso de Rissa tridactyla

Planteamiento del Problema
Comprender la dinámica poblacional y evaluar el riesgo de extinción son objetivos centrales en la biología de la conservación, particularmente bajo una creciente variabilidad ambiental. Mientras que los modelos deterministas (p. ej., logístico, Gompertz) proporcionan un marco fundacional para describir el crecimiento dependiente de la densidad, no logran capturar la aleatoriedad inherente de las poblaciones naturales. Las poblaciones del mundo real están sujetas a dos fuentes primarias de estocasticidad: la estocasticidad demográfica (la aleatoriedad en los eventos individuales de nacimiento y muerte, crítica en poblaciones pequeñas) y la estocasticidad ambiental (fluctuaciones temporales en las condiciones externas que afectan a todos los individuos simultáneamente). El desafío radica en cuantificar estos procesos estocásticos para estimar con precisión las probabilidades de extinción y la viabilidad poblacional, ya que los modelos deterministas suelen predecir la supervivencia a largo plazo incluso cuando las fluctuaciones estocásticas llevan a las poblaciones a la extinción. Este estudio aborda la necesidad de un marco riguroso que integre el modelado de crecimiento determinista con la inferencia estadística y la simulación estocástica para evaluar el riesgo de extinción de la gaviota negra (Rissa tridactyla).

Metodología
El estudio emplea un flujo de trabajo analítico de múltiples etapas utilizando datos de series temporales de población a largo plazo (1949–1984) para Rissa tridactyla obtenidos de la Base de Datos Global de Dinámica de Poblaciones (GPDD).

Selección del Modelo Determinista:
Los autores primero ajustaron tres modelos clásicos de crecimiento determinista —Exponencial, Logístico y Gompertz— a los datos empíricos utilizando la optimización de mínimos cuadrados no lineales. La selección del modelo se realizó mediante el Criterio de Información de Akaike (AIC) para identificar el marco determinista con mejor ajuste. Se seleccionó el modelo Logístico como la representación más apropiada de la dinámica observada.
Formulación Estocástica y Estimación de Parámetros:
Sobre la base del modelo Logístico seleccionado, los autores desarrollaron formulaciones de ecuaciones diferenciales estocásticas (SDE) para incorporar:
- Ruido Demográfico: La varianza escala linealmente con el tamaño de la población ( $\sigma_d^2 N(t)$ ).
- Ruido Ambiental: La varianza escala cuadráticamente con el tamaño de la población ( $\sigma_e^2 N(t)^2$ ).
- Ruido Combinado: Una superposición de ambas fuentes.
Los parámetros para estos modelos estocásticos (tasa de crecimiento intrínseco $r_m$ , capacidad de carga $K$ , e intensidades de ruido $\sigma_d, \sigma_e$ ) se estimaron mediante la Estimación de Máxima Verosimilitud (MLE). Las funciones de verosimilitud se derivaron mediante la discretización de las SDE utilizando el método de Euler-Maruyama, asumiendo un ruido gaussiano con media cero.
Cuantificación de la Incertidumbre:
Utilizando las estimaciones de MLE y la matriz de varianza-covarianza de los parámetros, los autores construyeron intervalos de confianza (CI) para la trayectoria media de la población e intervalos de predicción (PI) para observaciones futuras. Los PI se calcularon propagando la incertidumbre de los parámetros y añadiendo la varianza debida al ruido del proceso demográfico.
Evaluación del Riesgo de Extinción:
Las trayectorias poblacionales futuras se proyectaron sobre un horizonte de 30 años utilizando simulaciones de Monte Carlo (1,000 realizaciones independientes). La extinción se definió como un evento de "cuasi-extinción" donde el tamaño de la población caía por debajo de un umbral de 10 individuos. La probabilidad de cuasi-extinción se calculó como la proporción de simulaciones que cruzaban dicho umbral.

Resultados Clave

Selección del Modelo: El modelo de crecimiento logístico proporcionó el mejor ajuste a los datos observados entre los candidatos deterministas (AIC = 328.69), superando al Gompertz (334.24) y al Exponencial (380.30).
Fuente Dominante de Estocasticidad: Entre los modelos estocásticos, el modelo de ruido demográfico produjo el AIC más bajo (292.70) en comparación con el modelo de ruido ambiental (336.57) y el modelo combinado (294.70). Esto indica que la estocasticidad intrínseca derivada de los eventos individuales de nacimiento-muerte es la fuente dominante de variabilidad en la dinámica de la población observada de Rissa tridactyla.
Probabilidad de Extinción: A pesar de que el modelo logístico determinista predecía la convergencia hacia una capacidad de carga ( $K \approx 168.58$ ), la incorporación de la estocasticidad demográfica reveló un riesgo de extinción significativo. Las simulaciones de Monte Carlo estimaron una probabilidad de cuasi-extinción del 53.1% dentro de los próximos 30 años.
Ajuste del Modelo: La trayectoria estocástica basada en MLE mostró una mejor concordancia con los datos observados, particularmente alrededor del punto de inflexión, en comparación con el ajuste de la curva determinista. Los intervalos de predicción capturaron con éxito la mayoría de los puntos de datos observados, validando la capacidad del modelo para cuantificar la incertidumbre.

Significancia y Reivindicaciones
Los autores afirman que este estudio proporciona un marco integral para evaluar la persistencia poblacional bajo la incertidumbre, integrando el modelado de crecimiento determinista, la inferencia estadística y la simulación estocástica. Las contribuciones clave incluyen:

Demostración del Riesgo Estocástico: El estudio ilustra que incluso cuando la dinámica determinista predice la persistencia a largo plazo, la estocasticidad demográfica por sí sola puede generar un riesgo de extinción sustancial (más del 50% en este caso), enfatizando la necesidad de incorporar procesos estocásticos en el Análisis de Viabilidad Poblacional (PVA).
Identificación de los Motores de la Variabilidad: Al identificar la estocasticidad demográfica como la fuente dominante de variabilidad para esta especie, los hallazgos resaltan que los procesos aleatorios a nivel individual influyen significativamente en los resultados ecológicos a largo plazo, particularmente para especies con rasgos de historia de vida específicos como la gaviota negra (larga vida, baja fecundidad).
Utilidad Metodológica: El flujo de trabajo propuesto ofrece un enfoque reproducible y estadísticamente riguroso para analizar datos de series temporales ecológicas a largo plazo. Proporciona una herramienta práctica para que los conservacionistas cuantifiquen el riesgo de extinción e informen las estrategias de manejo para poblaciones de aves marinas vulnerables en entornos cambiantes.

El artículo concluye que, si bien el modelo actual asume un entorno estacionario y una capacidad de carga constante, el marco demuestra con éxito el papel crítico de la estocasticidad demográfica en la conducción del riesgo de extinción, ofreciendo una base para modelos futuros más complejos que podrían incluir variabilidad ambiental, efectos Allee y heterogeneidad espacial.

Más como este