🧬 biología

Improved Estimation of Bird Abundance and Energy Consumption by Combining Point and Transect Observations

Este artículo presenta y valida un nuevo estimador lineal que combina datos de conteos puntuales y de censos por transectos para mejorar la precisión de las estimaciones de abundancia de aves y sus intervalos de confianza asociados, tal como se demuestra mediante simulaciones y datos de campo de frugívoros ecuatorianos.

Autores originales: Maria Jose Ayala Bolagay, Aaron Brothers, Marta Quitián, Eike Lena Neuschulz, Matthias Schleuning, Katrin Böhning-Gaese, Orlando Alvarez, Vinicio Santillán, Christopher Thron

Publicado 2026-11-04

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Maria Jose Ayala Bolagay, Aaron Brothers, Marta Quitián, Eike Lena Neuschulz, Matthias Schleuning, Katrin Böhning-Gaese, Orlando Alvarez, Vinicio Santillán, Christopher Thron

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

En los exuberantes y neblinosos bosques de los Andes, las aves desempeñan un papel silencioso pero vital como jardineras de la naturaleza. Al comer fruta y viajar a través del paisaje, transportan semillas en sus intestinos, plantando la siguiente generación de árboles y manteniendo vivo el bosque. Para comprender cómo funcionan estos ecosistemas, los científicos necesitan saber exactamente cuántas aves hay presentes y cuánta energía están consumiendo. Durante décadas, los investigadores han dependido de dos formas principales para contar estas aves. La primera es el conteo de puntos, donde un observador permanece quieto en un lugar específico y escucha o busca aves durante un tiempo determinado. Este método es excelente para obtener un recuento de quién está allí. El segundo es el censo por transectos, donde un observador recorre una ruta fija y registra cada vez que ve a un ave alimentándose. Este método captura el comportamiento, mostrando no solo quién está presente, sino qué está haciendo y cuánto está comiendo.

El desafío es que estos dos métodos cuentan partes diferentes de la historia. Un conteo de puntos ofrece un número directo de aves, pero omite la actividad de alimentación. Un censo por transectos registra eventos de alimentación, pero el número de veces que se ve a un ave alimentándose depende tanto de cuántas aves haya como de cuánto coma cada una. Si un ave es grande y come mucho, podría ser vista alimentándose con frecuencia incluso si hay pocas de ellas. Si un ave es pequeña y come poco, podría ser abundante pero rara vez vista alimentándose. Durante mucho tiempo, los científicos han tenido que elegir entre estos métodos o tratarlos como piezas de datos separadas. Pero en los complejos y escarpados paisajes del sur de Ecuador, donde los bosques cambian drástamente con la elevación, obtener una imagen única y precisa de las poblaciones de aves es crucial para comprender cómo estos ecosistemas responden al cambio.

Un equipo de investigadores de universidades de Ecuador, Estados Unidos y Alemania se propuso resolver este rompecabezas combinando los dos métodos en una sola herramienta más poderosa. Trabajaron en seis ubicaciones diferentes a lo largo de los Andes meridionales, que van desde los 1.000 hasta los 3.000 metros sobre el nivel del mar. Estos sitios incluían tanto bosques naturales protegidos como bosques fragmentados rodeados de pastizales para ganado y pequeñas granjas. En cada ubicación, establecieron puntos fijos para contar aves y recorrieron rutas fijas para registrar eventos de alimentación. Se centraron en los frugívoros, aves que comen fruta, y recopilaron datos durante dos años, registrando miles de avistamientos e instancias de alimentación. Su objetivo era ver si podían fusionar matemáticamente estos dos tipos de observaciones para obtener una mejor estimación de cuántas aves de cada tipo vivían realmente en el área.

Los investigadores primero probaron un supuesto común: que el tamaño de la fruta que come un ave importa tanto como el tamaño de la propia ave. Se preguntaron si las aves que comen frutas más grandes necesitarían alimentarse con menos frecuencia, o si el peso de la fruta era un factor clave en la frecuencia con la que se las veía alimentándose. Tras analizar sus datos de las seis ubicaciones, no encontraron evidencia estadística que respaldara esta idea. El peso de la fruta no cambió significativamente el número de observaciones de alimentación. En su lugar, el tamaño del ave fue el factor dominante. Las aves más pesadas fueron vistas alimentándose con menos frecuencia en relación con sus números totales que las aves más ligeras. Esto sugiere que, aunque un ave grande puede ingerir una comida mayor, no necesariamente se alimenta con más frecuencia de una manera que cambie el recuento general de los eventos de alimentación.

Con este entendimiento, el equipo desarrolló una nueva forma de calcular la abundancia de las aves. Trataron los datos del conteo de puntos y los datos de alimentación por transectos como dos estimaciones distintas de la misma realidad. El conteo de puntos proporcionó una medida directa de los números, mientras que los datos del transecto, ajustados por el peso del ave, ofrecieron una segunda estimación independiente basada en el consumo de energía. Al comparar estas dos estimaciones, pudieron crear un número combinado que era más preciso que cualquiera de los dos por separado. Utilizaron simulaciones por computadora para probar este enfoque, generando miles de conjuntos de datos ficticios basados en sus observaciones reales para ver qué tan bien funcionaba el nuevo método. Los resultados mostraron que la estimación combinada era consistentemente más precisa. Redujo la incertidumbre, o las "barras de error", alrededor de los números finales.

El estudio también reveló que la precisión de este método combinado depende de qué tan bien comprendamos la relación entre el peso de un ave y sus necesidades energéticas. Cuando los investigadores utilizaron solo un promedio general para esta relación, la mejora fue buena. Pero cuando utilizaron conocimiento preciso y específico sobre cómo consumen energía las diferentes familias de aves, la estimación combinada se volvió aún más precisa, reduciendo el error en aproximadamente un 40 por ciento en comparación con el uso de solo conteos de puntos. Esto sugiere que, si bien el método funciona bien con conocimiento general, invertir tiempo en aprender los hábitos específicos de las aves que se estudian produce los mejores resultados.

Quizás lo más importante es que los investigadores desarrollaron una forma de calcular un intervalo de confianza para estos nuevos números combinados. En la ciencia, saber el número es solo la mitad de la historia; saber qué tan seguro se está de ese número es igual de importante. Su método produjo un rango de valores que, en sus simulaciones, contenía el número real de aves el 90 por ciento de las veces. Esto significa que, por primera vez, los ecólogos que utilizan tanto conteos de puntos como censos por transectos pueden producir una estimación de abundancia única con una medida matemáticamente sólida de su fiabilidad.

Este trabajo no solo ofrece una nueva fórmula; ofrece una nueva forma de pensar sobre los datos de campo. Demuestra que las limitaciones de un método pueden equilibrarse con las fortalezas de otro. El conteo de puntos, que es bueno contando cabezas, y el transecto, que es bueno observando el comportamiento, no tienen por qué ser rivales. Cuando se entrelazan, proporcionan una imagen más clara y confiable de la vida en el bosque. Para los conservacionistas que monitorean la salud de los Andes, esto significa que ahora pueden rastrear los cambios en las poblaciones de aves con mayor confianza, distinguiendo entre cambios reales en el ecosistema y el ruido natural de la observación diaria. El estudio confirma que, en el complejo mundo de la ecología, el todo es, de hecho, mayor que la suma de sus partes, siempre que las partes se midan y se combinen con cuidado.

Resumen Técnico: Mejora de la Estimación de la Abundancia y el Consumo de Energía de las Aves mediante la Combinación de Observaciones de Puntos y Transectos

Planteamiento del Problema
Estimar la abundancia de las aves es fundamental para comprender la dinámica de los ecosistemas, particularmente para los frugívoros que impulsan la dispersión de semillas. Se emplean dos métodos de campo principales: los conteos por puntos, que registran detecciones en ubicaciones fijas, y los muestreos por transectos, que registran eventos de comportamiento, como instancias de alimentación, a lo largo de una trayectoria. Mientras que los conteos por puntos reflejan directamente la abundancia, las observaciones de alimentación por transectos reflejan un compuesto de la abundancia y la tasa media de consumo de energía. Históricamente, estos métodos se han utilizado por separado o en paralelo sin un marco analítico unificado. En consecuencia, los investigadores carecen de un método riguroso para validar de forma cruzada estos tipos de datos, derivar estimaciones de abundancia más precisas o cuantificar la incertidumbre (barras de error) asociada con las estimaciones combinadas. Además, la relación entre el peso corporal de las aves, el peso de los frutos y las tasas de consumo de energía sigue siendo un parámetro que puede refinarse mediante la integración de estas distintas fuentes de datos.

Metodología
Los autores desarrollan un marco estadístico que vincula los datos de conteo por puntos y las observaciones de alimentación por transectos a través de un modelo compartido de consumo de energía.

Derivación Teórica:
- Modelos de Energía: El estudio postula dos expresiones para el consumo de energía total ( $E_n$ ) de un tipo de ave $n$ . La primera, derivada de los datos de transectos, expresa $E_n$ como el producto de las observaciones totales de alimentación ( $X_n$ ), el peso medio del fruto ( $f$ ) y el peso del ave ( $w$ ) elevado a exponentes específicos ( $p_f, p_{b1}$ ). La segunda, derivada de los conteos por puntos, expresa $E_n$ como el producto de la abundancia de aves ( $N_n$ ) y la ingesta media de energía por ave, modelada como una función del peso del ave ( $w$ ) elevado a un exponente ( $p_{b2}$ ).
- Estimación de Parámetros: Al igualar estas dos expresiones y aplicar logaritmos, los autores derivan un modelo de regresión lineal (Ecuación 13) que relaciona el logaritmo de las observaciones por transectos con el logaritmo de los conteos por puntos, el peso del ave y el peso del fruto. Esto permite la estimación de los exponentes $p_f$ (influencia del peso del fruto) y $p_b$ (la diferencia entre los dos exponentes del peso del ave).
- Estimadores de Abundancia: Se construyen dos estimadores independientes de abundancia relativa ( $a_n$ ): uno basado únicamente en conteos por puntos ( $(b a_n)_Z$ ) y otro basado en observaciones de alimentación por transectos ajustadas por el peso de las aves y de los frutos ( $(b a_n)_X$ ).
- Combinación Óptima: Los autores proponen una combinación lineal de estos dos estimadores: $(b a_n)_\beta = \beta (b a_n)_Z + (1-\beta) (b a_n)_X$ . Asumiendo que los estimadores son insesgados y no están correlacionados, el peso óptimo $\beta$ se deriva analíticamente para minimizar la varianza del estimador combinado.
- Intervalos de Confianza: Se desarrolla un procedimiento de simulación de bootstrapping para determinar el $\beta$ óptimo para conjuntos de datos específicos y para calcular intervalos de confianza del 90% para las estimaciones combinadas.
Aplicación Empírica y Simulación:
- Conjunto de Datos: Los métodos se aplicaron a datos recolectados en 18 parcelas de una hectárea en seis sitios del sur de Ecuador (Parque Nacional Podocarpus y Reserva Biológica San Francisco). Los sitios cubrieron tres elevaciones (1000m, 2000m, 3000m) y dos tipos de hábitat (bosque natural y bosque fragmentado). Los datos incluyeron conteos por puntos de aves frugívoras y registros de eventos de alimentación por transectos.
- Verificación: Dado que las abundancias relativas reales son desconocidas en el campo, los autores utilizaron los datos observados a nivel de familia de las seis regiones como "verdad de terreno" para generar 10,000 escenarios simulados. Estas simulaciones probaron la exactitud y precisión de los estimadores por conteo por puntos, por transectos y el combinado bajo diversas suposiciones sobre el conocimiento del exponente del peso de las aves ( $p_b$ ).

Resultados Clave

Impulsores del Consumo de Energía: El análisis de regresión del conjunto de datos combinado reveló que el peso medio del fruto ( $p_f$ ) no es un predictor estadísticamente significativo de las observaciones de alimentación una vez que se contabiliza el peso del ave (los intervalos de confianza para $p_f$ incluyeron cero en 11 de 12 casos). Por el contrario, el peso del ave fue un predictor significativo, con el exponente $p_b$ estimado en el rango de $[-0.6, -0.1]$ . Esto sugiere que el consumo de energía por evento de alimentación escala aproximadamente de forma lineal con la masa corporal del ave.
Desempeño de los Estimadores: Los resultados de la simulación confirmaron que los estimadores basados en conteos por puntos generalmente exhibieron una varianza menor que los estimadores basados en transectos. Sin embargo, se encontró que los dos estimadores son complementarios; sus errores no están perfectamente correlacionados.
Mejora de la Exactitud: El estimador linealmente combinado alcanzó consistentemente un Error Cuadrático Medio (RMSE) menor que cualquiera de los estimadores individuales. La mejora fue más significativa cuando el investigador poseía un conocimiento preciso del exponente del peso del ave ( $p_b$ ), reduciendo el RMSE en aproximadamente un 40% en comparación con los conteos por puntos únicamente. Incluso con solo el valor medio de $p_b$ , el estimador combinado mostró mejoras consistentes, aunque más modestas.
Calibración de Intervalos de Confianza: El procedimiento de bootstrapping generó con éxito intervalos de confianza del 90% que contenían la abundancia relativa real en aproximadamente el 90% de las instancias de simulación en todas las regiones y parametrizaciones, demostrando la fiabilidad del método para cuantificar la incertidumbre.

Significancia y Reivindicaciones
El artículo afirma proporcionar un marco estadístico riguroso que permite a los ecólogos integrar dos métodos de muestreo comunes (conteos por puntos y transectos) en una única estimación de abundancia más precisa. Las contribuciones primarias son:

Integración Metodológica: Una derivación formal de cómo combinar tipos de datos dispares (conteos de detección vs. eventos de comportamiento de alimentación) a través de un modelo compartido de consumo de energía.
Cuantificación de la Incertidumbre: La provisión de una técnica basada en simulaciones para calcular intervalos de confianza formalmente justificados para estas estimaciones combinadas, una característica que suele faltar en los estudios de monitoreo de aves estándar.
Información sobre Parámetros: El hallazgo empírico de que el peso del fruto no influye significativamente en la frecuencia de alimentación en las comunidades de frugívoros estudiadas en Ecuador, mientras que el peso del ave sí lo hace, refinando la comprensión de las dinámicas de energía en estos ecosistemas.
Utilidad Práctica: La demostración de que los estudios de campo no necesitan elegir entre métodos de muestreo; en cambio, integrar ambos produce estimaciones de abundancia con una incertidumbre formalmente menor, siempre que el investigador pueda estimar o aproximar los parámetros de escalamiento alométrico relevantes.

Los autores mantienen una postura modesta, señalando que el marco asume probabilidades de detección constantes y que la aplicación actual depende de datos a nivel de familia debido a limitaciones en el tamaño de la muestra. Sugieren que trabajos futuros podrían aplicar estos métodos a datos a nivel de especie e integrar el muestreo de distancia para abordar la heterogeneidad de la detección.

Más como este