\n<\/p>\n
A principios de los a\u00f1os 90, los ecologistas hab\u00edan acumulado suficientes conjuntos de datos de series temporales sobre poblaciones de especies y suficiente potencia inform\u00e1tica para probar estas ideas. Solo hab\u00eda un problema: el caos no parec\u00eda estar all\u00ed. Solo alrededor del 10 por ciento de las poblaciones examinadas parec\u00edan cambiar ca\u00f3ticamente; el resto cicl\u00f3 de manera estable o fluctu\u00f3 aleatoriamente. Las teor\u00edas del caos de los ecosistemas dejaron de estar de moda cient\u00edficamente a mediados de la d\u00e9cada de 1990.<\/p>\n
Sin embargo, los nuevos resultados de Rogers, Munch y su colega matem\u00e1tica de Santa Cruz, Bethany Johnson, sugieren que el trabajo anterior no detect\u00f3 d\u00f3nde se escond\u00eda el caos. Para detectar el caos, los estudios anteriores utilizaron modelos con una sola dimensi\u00f3n: el tama\u00f1o de la poblaci\u00f3n de una especie a lo largo del tiempo. No consideraron los cambios correspondientes en factores desordenados del mundo real como la temperatura, la luz solar, la lluvia y las interacciones con otras especies que podr\u00edan afectar a las poblaciones. Sus modelos unidimensionales capturaron c\u00f3mo cambiaron las poblaciones, pero no por qu\u00e9 cambiaron.<\/p>\n
Pero Rogers y Munch \u00abfueron a buscar [chaos] de una manera m\u00e1s sensata\u201d, dijo Aaron King, profesor de ecolog\u00eda y biolog\u00eda evolutiva en la Universidad de Michigan que no particip\u00f3 en el estudio. Usando tres algoritmos complejos diferentes, analizaron 172 series temporales de poblaciones de diferentes organismos como modelos con hasta seis dimensiones en lugar de solo una, dejando espacio para la influencia potencial de factores ambientales no especificados. De esta forma, pudieron verificar si los patrones ca\u00f3ticos inadvertidos podr\u00edan estar incrustados dentro de la representaci\u00f3n unidimensional de los cambios de poblaci\u00f3n. Por ejemplo, un mayor n\u00famero de precipitaciones podr\u00eda estar relacionado ca\u00f3ticamente con el aumento o la disminuci\u00f3n de la poblaci\u00f3n, pero solo despu\u00e9s de un retraso de varios a\u00f1os.<\/p>\n
Rogers, Johnson y Munch descubrieron que en los datos de poblaci\u00f3n de aproximadamente el 34 por ciento de las especies, las firmas de interacciones no lineales estaban presentes, lo que era significativamente m\u00e1s caos de lo que se hab\u00eda detectado anteriormente. En la mayor\u00eda de esos conjuntos de datos, los cambios en la poblaci\u00f3n de la especie no parec\u00edan ca\u00f3ticos al principio, pero la relaci\u00f3n de los n\u00fameros con los factores subyacentes s\u00ed lo era. No pod\u00edan decir con precisi\u00f3n qu\u00e9 factores ambientales eran los responsables del caos, pero fueran lo que fueran, sus huellas digitales estaban en los datos.<\/p>\n
Los investigadores tambi\u00e9n descubrieron una relaci\u00f3n inversa entre el tama\u00f1o del cuerpo de un organismo y cu\u00e1n ca\u00f3tica tiende a ser la din\u00e1mica de su poblaci\u00f3n. Esto puede deberse a diferencias en el tiempo de generaci\u00f3n, ya que los organismos peque\u00f1os que se reproducen con mayor frecuencia tambi\u00e9n se ven m\u00e1s afectados por variables externas con mayor frecuencia. Por ejemplo, las poblaciones de diatomeas con generaciones de alrededor de 15 horas muestran mucho m\u00e1s caos que las manadas de lobos con generaciones de casi cinco a\u00f1os.<\/p>\n
Sin embargo, eso no significa necesariamente que las poblaciones de lobos sean intr\u00ednsecamente estables. \u201cUna posibilidad es que no estemos viendo el caos all\u00ed porque simplemente no tenemos suficientes datos para retroceder durante un per\u00edodo de tiempo lo suficientemente largo para verlo\u201d, dijo Munch. De hecho, \u00e9l y Rogers sospechan que, debido a las limitaciones de sus datos, sus modelos podr\u00edan estar subestimando la cantidad de caos subyacente presente en los ecosistemas.<\/p>\n
Sugihara cree que los nuevos resultados podr\u00edan ser importantes para la conservaci\u00f3n. Los modelos mejorados con el elemento correcto de caos podr\u00edan hacer un mejor trabajo al pronosticar la proliferaci\u00f3n de algas t\u00f3xicas, por ejemplo, o rastrear las poblaciones de peces para evitar la sobrepesca. Considerar el caos tambi\u00e9n podr\u00eda ayudar a los investigadores y administradores de la conservaci\u00f3n a comprender hasta qu\u00e9 punto es posible predecir significativamente el tama\u00f1o de la poblaci\u00f3n. \u201cCreo que es \u00fatil que el tema est\u00e9 en la mente de la gente\u201d, dijo.<\/p>\n
Sin embargo, tanto \u00e9l como King advierten que no se debe confiar demasiado en estos modelos conscientes del caos. \u201cEl concepto cl\u00e1sico de caos es fundamentalmente un concepto estacionario\u201d, dijo King. Se basa en la suposici\u00f3n de que las fluctuaciones ca\u00f3ticas representan una desviaci\u00f3n de alguna norma estable y predecible. Pero a medida que avanza el cambio clim\u00e1tico, la mayor\u00eda de los ecosistemas del mundo real se vuelven cada vez m\u00e1s inestables, incluso a corto plazo. Incluso teniendo en cuenta muchas dimensiones, los cient\u00edficos deber\u00e1n ser conscientes de esta l\u00ednea de base en constante cambio.<\/p>\n
A\u00fan as\u00ed, tener en cuenta el caos es un paso importante hacia un modelado m\u00e1s preciso. \u201cCreo que esto es realmente emocionante\u201d, dijo Munch. \u201cSimplemente va en contra de la forma en que pensamos actualmente sobre la din\u00e1mica ecol\u00f3gica\u201d.<\/p>\n
historia original<\/em> reimpreso con permiso de<\/em> Revista Cuanta, una publicaci\u00f3n editorialmente independiente de la<\/em> Fundaci\u00f3n Simons<\/em> cuya misi\u00f3n es mejorar la comprensi\u00f3n p\u00fablica de la ciencia al cubrir los desarrollos y tendencias de investigaci\u00f3n en matem\u00e1ticas y ciencias f\u00edsicas y de la vida.<\/em><\/p>\n<\/div>\n