Aplicación de la modelación integrada bayesiana y de los métodos Monte Carlo basados en cadenas de Markov para la conservación de una especie recolectada

En el momento de tomar decisiones bien fundamentadas, es habitual que los biólogos conservacionistas deban enfrentarse a fuentes de datos dispares e hipótesis alternativas acerca de los impactos probables que tendrán las decisiones propuestas en el estado del recurso. A menudo, tanto los análisis estadísticos, como la modelación (para la proyección poblacional, por ejemplo) y la optimización o simulación, se llevan a cabo como ejercicios independientes. Así, es posible que se construya un modelo poblacional, cuyos parámetros se estimen a partir de datos (como estudios de anillamiento y estudios poblacionales). Posteriormente, cabe la posibilidad de que este mismo modelo se emplee para predecir situaciones demográficas futuras a partir de las estimaciones de población actuales, utilizando para ello un sistema de gestión determinado. Por último, el modelo parametrizado también puede emplearse para evaluar posibles decisiones de gestión alternativas, a través de la simulación, la optimización, o ambos procedimientos. Si bien este enfoque resulta eficaz, no aprovecha al máximo la integración de datos y los componentes de los modelos para la predicción y actualización. En este estudio proponemos un contexto bayesiano jerárquico que permite efectuar dicha integración. En el caso del ánade sombrío americano (Anas rubripes), los gestores deben enfrentarse a la labor de intentar extraer una recolección sostenible de la especie, al tiempo que mantienen los stocks de individuos por encima de umbrales aceptables. El problema se ve agravado por la heterogeneidad espacial que presentan las tasas de crecimiento y la carga cinegética de los stocks de ánades sombríos, el movimiento entre los stocks, las diferencias regionales en la intensidad de la presión recolectora y la heterogeneidad en el grado de competencia por parte de un congénere cercano —el ánade real (Anas platyrynchos)— entre los stocks. Hemos formulado un modelo del ciclo vital de la población que toma en consideración estos componentes, al tiempo que permite llevar a cabo una estimación de los parámetros y una predicción de la población en un marco bayesiano. Los datos de anillamiento se emplean para desarrollar distribuciones predictivas posteriores para las tasas de mortalidad durante la recolección, expresadas como decisiones de entrada acerca de la normativa sobre recolecciones. Los estudios poblacionales del ánade sombrío y del ánade real se emplean para obtener estimaciones sobre el tamaño poblacional específicas de los stocks de ambas especies, que se emplearán como entradas para el modelo del ciclo vital de la población. Dichas estimaciones se combinan con las distribuciones posteriores para la mortalidad durante la recolección, con el propósito de obtener distribuciones predictivas posteriores de la situación demográfica futura para posibles conjuntos de normativas regionales acerca de la recolección, de acuerdo con hipótesis biológicas alternativas relativas a la dinámica poblacional del ánade sombrío. En una fase posterior, tales distribuciones pueden utilizarse tanto para la investigación de políticas óptimas en materia de recolección, como para la actualización secuencial de distribuciones posteriores del modelo mediante la comparación de distribuciones predictivas para estimaciones en estudios futuros acerca de la abundancia poblacional presente de forma específica en los stocks. Nuestro enfoque ilustra las ventajas que presentan las técnicas de Montecarlo basadas encadenas de Markov (MCMC) para integrar fuentes de datos dispares en un marco predictivo común, con vistas a su utilización en la toma de decisiones sobre conservación.