Un nuevo modelo desarrollado por investigadores de MSU está extrayendo más información que nunca de las cámaras trampa y otras fuentes de datos de bajo costo para ayudar a informar los estudios ecológicos y los esfuerzos de conservación.

Ecologistas de la Universidad Estatal de Michigan han desarrollado un marco matemático que podría ayudar a monitorear y preservar la biodiversidad sin gastar mucho dinero.

Este marco o modelo toma datos de bajo costo sobre especies relativamente abundantes en una comunidad y los usa para generar información valiosa sobre sus vecinos más difíciles de encontrar. La revista Biología de la Conservación publicó la investigación como un artículo de Early View el 25 de agosto.

"Uno de los mayores desafíos en el monitoreo de la biodiversidad es que las especies que más le preocupan tienden a tener la menor abundancia o son las especies más difíciles de observar durante la recopilación de datos", dijo Matthew Farr, autor principal del nuevo informe. . "Este modelo puede ser realmente útil para esas especies raras y escurridizas".

Farr, ahora investigador postdoctoral en la Universidad de Washington, ayudó a desarrollar el modelo como estudiante de doctorado en el Laboratorio de Ecología Cuantitativa de Elise Zipkin en la Facultad de Ciencias Naturales de la MSU.

"Hay muchas especies en el mundo y muchas de ellas son deficientes en datos", dijo Zipkin, profesor asociado de biología integradora y director del Programa de Ecología, Evolución y Comportamiento de MSU, o EEB. "Estamos desarrollando enfoques para estimar más rápidamente lo que está pasando con la biodiversidad, qué especies están en problemas y dónde, espacialmente, debemos centrar nuestros esfuerzos de conservación".

Después de validar el modelo con la ayuda de un antílope que habita en los bosques de África, los investigadores dicen que podría aplicarse a una variedad de otros animales que cumplan ciertos criterios.

"El modelo no funciona para todos los tipos de especies. No es una panacea", dijo Zipkin. "Pero cuando funciona para una comunidad, podemos aprender mucho más sobre las especies miembros sin muchos datos".

La 'magia' de la modelo

Para su modelo más nuevo, el equipo de Zipkin se centró en lo que se denomina datos de detección y no detección que rastrean si un animal determinado se detecta o no en un hábitat determinado, lo que generalmente solo permite estimar la presencia de especies o los patrones de distribución.

"Es básicamente la información más barata y la más fácil de recopilar", dijo Zipkin. "Vas a un lugar, esperas y ves qué animales hay allí y solo necesitas registrar qué especies se ven".

Los investigadores recopilan estos datos visualmente en persona o con cámaras trampa de detección de movimiento de bajo costo que toman fotos cuando un animal las activa. Luego, los investigadores analizan las fotos para registrar datos de detección y no detección a lo largo del tiempo.

Sin embargo, hay compensaciones. Aunque son relativamente baratos y fáciles de recopilar, los datos de detección y no detección no brindan tanta información como los investigadores y conservacionistas desean. Históricamente, eso ha requerido enfoques de observación intensivos, como el etiquetado y el seguimiento de animales.

"El seguimiento intensivo nos permite calcular todo tipo de cosas sobre los animales y sus comunidades, pero esos datos son costosos y difíciles de obtener", dijo Zipkin. "Para ciertas especies, es imposible".

El equipo de la MSU se dio cuenta de que, para los animales correctos, podían usar la comprensión del comportamiento animal y las estadísticas para cerrar la brecha de información al obtener más información de los datos de detección y no detección.

"Para algunas especies, estos son los mejores datos que puede obtener", dijo Farr. "Ahora podemos sacarle más provecho. Nuestro modelo permite estimar las tendencias de abundancia, las tasas de reproducción y las probabilidades de supervivencia de las especies, todo utilizando solo datos de detección y no detección".

Eso puede sonar como magia, algunos de los colegas de Zipkin incluso lo han dicho, pero no hay nada sobrenatural en el modelo. Como gran parte de la ciencia, es el resultado del trabajo arduo, la colaboración y la construcción de esfuerzos previos en el campo.

La historia del nuevo modelo tiene sus raíces en 2003 con los investigadores J. Andrew Royle y James D. Nichols. El dúo ideó un vínculo matemático entre la abundancia de una especie y la probabilidad de detectarla.

En ese momento, Royle era investigador del Servicio de Pesca y Vida Silvestre de EE. UU. y Nichols trabajaba en el Servicio Geológico de EE. UU. Ambos son alumnos de MSU:Royle se graduó con su licenciatura en 1990 y Nichols obtuvo su doctorado en 1976.

"Es interesante", dijo Farr, cuya asesora actual, Sarah Converse, también se graduó con una licenciatura en Michigan State antes de convertirse en profesora asociada en la Universidad de Washington. "Dondequiera que vaya en este campo, la gente tiene alguna conexión con el estado de Michigan".

Después de publicar el modelo de Royle-Nichols, Royle se unió al USGS, donde trabajaría con Zipkin antes de que ella se uniera a la MSU en 2014. En 2016, el equipo de Zipkin desarrolló el modelo de Royle-Nichols para estimar cosas como las tasas de supervivencia y reproducción de un solo especies utilizando el búho listado como caso de estudio.

Trabajando en el laboratorio de Zipkin con el apoyo de la Fundación Nacional de Ciencias, Farr dio el siguiente paso al vincular la dinámica de población de diferentes especies dentro de las mismas comunidades.

"El modelo permite que la información de las especies más comunes informe lo que sucede con las especies raras y escurridizas", dijo Farr. "El modelo se basa en los puntos en común entre las especies, pero aún permite variaciones".

Para desarrollar el modelo, el equipo tuvo que hacer algunas suposiciones, como que las especies objetivo eran territoriales y no viajaban mucho. Luego, los investigadores tuvieron que encontrar especies reales que se ajustaran a esas suposiciones para validar su modelo.

"Sabíamos que funcionaría para ciertos tipos de comunidades, pero ¿existían esas comunidades en la vida real?" dijo Zipkin.

"Ese es uno de los mayores desafíos en el desarrollo de modelos", dijo Farr. "Desarrollas el modelo en un vacío con simulaciones que se ejecutan en condiciones perfectas. Necesitas mostrar lo que puede hacer en una situación del mundo real".

"Fue entonces cuando Tim O'Brien se acercó y dijo:'Tengo tus animales'", dijo Zipkin.

Los datos duiker

Timothy O'Brien es un ecologista jubilado en Kenia que trabajó con la Sociedad de Conservación de la Vida Silvestre, una organización no gubernamental u ONG, y un experto en cámaras trampa. Como parte de lo que se conoce como el programa de Monitoreo y Evaluación de la Ecología Tropical, o TEAM, ayudó a estandarizar cómo se usan las cámaras trampa para que sus datos sean lo más poderosos posible.

Estaba familiarizado con el trabajo de Zipkin de 2016 y se enteró de que estaba ampliando el modelo para incluir varias especies durante varias temporadas. Sospechaba que los antílopes que habitan en los bosques, en particular los conocidos como duiker, serían el caso de prueba perfecto.

El comportamiento del duiker no solo coincidía con las suposiciones del modelo, sino que O'Brien había estado ayudando a monitorear a los animales durante años usando cámaras trampa. Duikers presentó un caso de conservación interesante e importante.

"El duiker que vive en las selvas tropicales es la carne de animales silvestres más buscada en África", dijo O'Brien. "Si las poblaciones de duikers están en declive, generalmente se debe a que las personas buscan carne de animales silvestres".

La carne de animales silvestres es carne de cualquier animal salvaje y es una fuente importante de alimentos e ingresos para muchas comunidades. Pero la caza está poco regulada y está incentivada financieramente por los mercados que venden carne de animales silvestres. La combinación puede ser devastadora para las poblaciones de duikers.

Con el modelo de MSU y los datos de antílopes de TEAM, el equipo evaluó la dinámica de población de un total de 12 especies de antílopes, algunas más abundantes que otras, en seis parques nacionales de África, donde los antílopes están protegidos. Los datos cubrieron períodos de tiempo que iban de cuatro a 11 años.

"No vimos el nivel de disminución de la población en duiker que se espera ver cuando la caza es un problema", dijo O'Brien. "Diría que los parques están cumpliendo su función en lo que respecta a duiker".

En general, las poblaciones de duikers se mantuvieron en su mayoría estables, pero los investigadores detectaron disminuciones de población en aproximadamente el 20% de las combinaciones de especies y parques que examinaron. Nuevamente, las disminuciones no fueron tan sustanciales como para sugerir que el duiker estaba siendo cazado en exceso en los parques, pero los investigadores todavía quieren entender qué sucede en esos casos.

"Descubrimos que lo que causaba los cambios eran más las diferencias entre los parques que entre las especies", dijo Zipkin. "Aún no hemos identificado las causas exactas, pero nuestros resultados podrían ayudarnos a hacerlo".

"Matt y Elise han llevado este modelo a un plano completamente nuevo", dijo O'Brien. "Realmente disfruté la colaboración".

Charles Yackulic, estadístico investigador del USGS, también contribuyó al proyecto, que contó con el apoyo de la NSF, WCS, Conservación Internacional, la Institución Smithsonian y la Fundación Gordon y Betty Moore.

"Este proyecto es un gran ejemplo de una universidad, el gobierno y las ONG trabajando juntos", dijo Zipkin. + Explora más

Una nueva herramienta para detectar la disminución de especies puede ayudar a proteger la biodiversidad