Ecological Drivers and population trend of Yuma Ridgway’s Rail (Rallus obsoletus yumanensis) breeding in the Cienega de Santa Clara, Sonora, Mexico

Resumen Técnico: Impulsores Ecológicos y Tendencias Poblacionales del Rascón de Yuma en la Cienega de Santa Clara

Planteamiento del Problema
El Rascón de Yuma (Rallus obsoletus yumanensis, en adelante yRIRA) es una ave de marisma en peligro de extinción que habita en los humedales fragmentados del delta del Río Colorado. Su población remanente más grande, estimada en aproximadamente 6,000 individuos, reside en la Cienega de Santa Clara, Sonora, México. Este humedal es sostenido principalmente por flujos de retorno agrícola salobres del Distrito de Irrigación Welton-Mohawk en Arizona, una fuente de agua que no está legalmente asignada a la Ciénaga. La especie enfrenta amenazas significativas derivadas de la pérdida de hábitat impulsada por cambios en el uso del suelo y regulaciones fluviales en el suroeste de EE. UU. y el noroeste de México. Si bien estudios previos han vinculado las fluctuaciones poblacionales con la dinámica de la vegetación (por ejemplo, la expansión de la totorilla tras un incendio) y los cambios hidrológicos, existe una necesidad crítica de identificar los impulsores ecológicos específicos que influyen en la abundancia en este humedal altamente gestionado y en evolución para guchar los esfuerzos de conservación.

Metodología
Este estudio realizó una evaluación a largo plazo de la abundancia de reproducción del yRIRA en la Cienega de Santa Clara de 2013 a 2022.

• Recolección de Datos: Los investigadores realizaron muestreos estructurados de llamada-respuesta siguiendo los Protocolos de Monitoreo de Aves de Marisma de América del Norte Estandarizados. Los muestreos se realizaron dos veces al año durante la temporada de reproducción (marzo–abril y mayo–junio) a través de 26 transectos que contenían 130 estaciones de conteo. Se reprodujeron vocalizaciones pregrabadas para provocar respuestas y se registraron las distancias de detección.
• Covariables Ambientales: Se cuantificaron las características del hábitat en cada estación, incluyendo el tipo de vegetación, el porcentaje de cobertura, la profundidad del agua superficial y el suelo desnudo. Se integraron datos de teledetección para derivar el Índice de Vegetación de Diferencia Normalizada (NDVI) como indicador de la productividad de la vegetación y el Índice de Diferencia Normalizada de Agua (NDWI) para la disponibilidad de agua superficial. Los eventos de incendio se analizaron utilizando imágenes de NASA FIRMS y Landsat para calcular la severidad de la quema. Los datos hidrológicos (caudales) se obtuvieron de la Comisión Internacional de Límites y Aguas, y los datos climáticos (temperatura) del Servicio Meteorológico Nacional.
• Análisis Estadístico: El estudio empleó modelos de Muestreo de Distancia Jerárquica (HDS) implementados en R (usando el paquete unmarked) para estimar la densidad de la población teniendo en cuenta la detección imperfecta y la disponibilidad temporal. Los modelos distinguieron entre procesos ecológicos (abundancia) y procesos observacionales (probabilidad de detección).
  • Modelado: Se utilizó una distribución mixta binomial negativa para abordar la sobredispersión en los datos de conteo. Las covariables incluyeron índices de vegetación, profundidad del agua, cobertura de vegetación emergente, cobertura de especies vegetales dominantes (Phragmites australis, Juncus cooperi, etc.), severidad de la quema y variables temporales (fecha juliana, hora del día).
  • Selección de Variables: Un cribado preliminar utilizando GLM binomiales negativos y el Criterio de Información de Akaike (AIC) identificó las covariables significativas. Los datos faltantes se manejaron mediante Imputación Múltiple por Ecuaciones Encadenadas (MICE).
  • Análisis de Clima/Caudal: Para evaluar las relaciones con las variables climáticas y de caudal regionales, los autores utilizaron un método de simulación paramétrica, generando 3,000 valores de densidad anual simulados para contabilizar la incertidumbre en las estimaciones de HDS.

Resultos Clave

• Tendencias Poblacionales: Las estimaciones de densidad anual mostraron una variabilidad considerable, alcanzando su punto máximo en 2018 seguido de un fuerte descenso. La abundancia estimada disminuyó aproximadamente un 47% durante el período de estudio, cayendo de ~5,913 individuos en 2013 a ~3,123 en 2022. Los descensos más significativos ocurrieron entre 2020 y 2021, con una recuperación parcial en 2022.
• Impulsores del Hábitat y del Entorno:
  • Impulsores Positivos: La abundancia se asoció positivamente con la cobertura de vegetación emergente, el verdor de la vegetación (NDVI) y la disponibilidad de agua superficial (NDWI).
  • Impulsores Negativos: La abundancia se asoció negativamente con una mayor profundidad del agua y el predominio de especies vegetales específicas, notablemente Juncus cooperi y Phragmites australis.
  • Fuego: Aunque los modelos preliminares de GLM sugirieron una asociación positiva entre la severidad de la quema y los conteos máximos, este efecto desapareció en los modelos HDS una vez que se contabilizaron la probabilidad de detección y la disponibilidad temporal. Los autores sugieren que la señal positiva inicial pudo ser un artefacto de una mayor detectabilidad en la vegetación post-incendio menos densa, en lugar de un verdadero incremento demográfico.
  • Hidrología: Los patrones de flujo estacional fueron críticos. Los caudales de verano y primavera mostraron correlaciones positivas con la densidad, mientras que los caudales de invierno mostraron una correlcción negativa.
  • Clima: Las variables de temperatura (mínima y máxima) mostraron efectos débiles o inconsistentes en la densidad, con intervalos de confianza que incluyen el cero.
• Detección: La probabilidad de disponibilidad estimada fue de 0.39, lo que indica que las aves no siempre eran detectables incluso cuando estaban presentes. La disponibilidad varió de forma no lineal con la hora del día y disminuyó a medida que avanzaba la temporada de reproducción.

Significancia y Reivindicaciones
El artículo sostiene que el hábitat de reproducción adecuado para el yRIRA depende de un complejo mosaico de vegetación emergente y una disponibilidad constante de agua superficial, particularmente durante la temporada de reproducción. El estudio enfatiza que:

1. La Gestión Hidrológica es Crítica: La población es altamente sensible al tiempo y al volumen de las entradas de agua. Mantener condiciones de marisma someras y productivas durante la primavera y el verano es esencial, mientras que la profundidad excesiva del agua (asociada frecuentemente con los caudales de invierno) puede reducir la idoneidad del hábitat.
2. Gestión Adaptativa: Las estrategias de conservación deben ser adaptativas y binacionales. Los autores abogan por una gestión del agua coordinada entre los EE. UU. y México para preservar la salud ecológica de la Ciénaga, señalando que el futuro del humedal es incierto debido a las posibles reducciones en los flujos de retorno agrícola derivados de iniciativas de desalinización y reclamación en Arizona.
3. Estructura de la Vegetación: La preferencia por una vegetación de sucesión media estructuralmente compleja sobre los rodales monotípicos de Phragmites o Juncus resalta la necesidad de acciones de gestión que mantengan la heterogeneidad de la vegetación.
4. Fuego y Dragado: El estudio sugiere que, si bien el fuego puede ser una herramienta para la rejuvenecimiento de la vegetación, sus beneficios dependen de las condiciones hidrológicas adecuadas. Del mismo modo, el mantenimiento mecánico (por ejemplo, el dragado) debe programarse cuidadosamente (finales de invierno/principios de primavera) para evitar la interrupción de la conectividad hidrológica o el estrés de las poblaciones durante períodos críticos.

Los autores concluyen que la viabilidad a largo plazo de la Ciénaga y la población de yRIRA depende de asegurar las asignaciones de agua ambiental e implementar una gestión integrada que equilibre los regímenes hidrológicos, la dinámica de la vegetación y el monitoreo corregido por detección.