Mayo 2013
Mayo 2013
SÍNTESIS METODOLÓGICA TRANSDISCIPLINARIA EN SISTEMAS COMPLEJOS
Parte 5 h. BIOCLIMATOLOGÍA; UNA CIENCIA DE LA COMPLEJIDAD SISTÉMICA
i. SIMULACIÓN DE PROBLEMAS DE TIPO BIOCLIMÁTICO
Dr. Walter Ritter OrtízINDICE
PRÓLOGO
I.- ANTECEDENTES METODOLÓGICOS
EL PROBLEMA POR RESOLVER
EL MUNDO COMO SISTEMA ELEMENTOS CRÍTICOS TRANSDISCIPLINARIOS EN CIENCIA Y HUMANIDADES Y EL ANÁLISIS DE SISTEMAS PROPÓSITOS Y REALIDADES DEL PARADIGMA ECOLÓGICO SISTÉMICO DINÁMICA GENERAL DE LOS SISTEMAS PRODUCTIVOS Y SITUACIÓN ACTUAL DE SU PRONÓSTICO. ESTUDIO INTEGRAL DE SIMULACIÓN Y PREDICCIÓN DE ESCENARIOS EN SISTEMAS ECOLÓGICOS CON ENFOQUE SISTÉMICO. DELIMITACIÓN DEL SISTEMA E IDENTIFICACIÓN DE PARÁMETROS EN LA SIMULACION DE ESCENARIOS. SOBRE EL PRONÓSTICO EN LOS SISTEMAS FÍSICO CLIMÁTICOS Y BIOLÓGICOS PRODUCTIVOS, POSIBILIDADES Y LIMITACIONES. BIOCLIMATOLOGÍA; UNA CIENCIA DE LA COMPLEJIDAD SISTÉMICA SIMULACIÓN DE PROBLEMAS DE TIPO BIOCLIMÁTICO INTEGRACIÓN DEL IMPACTO AMBIENTAL EN LA TRAMA SOCIOECONÓMICA. EL CLIMA COMO SISTEMA COMPLEJO ADAPTATIVO EN COEVOLUCIÓN LOS MODELOS DE PRÓNOSTICO Y SU PROBLEMÁTICA CIENCIA, PREDICCIÓN Y ENTENDIMIENTO EN EL MUNDO MODERNO DE LA COMPLEJIDAD LA ENSEÑANZA DE LA CLIMATOLOGÍA DESDE LA PERSPECTIVA DE LA TEORÍA GENERAL DE SISTEMAS. PLANIFICANDO EL FUTURO h. BIOCLIMATOLOGÍA; UNA CIENCIA DE LA COMPLEJIDAD SISTÉMICA
Walter Ritter Ortíz, 1 Alfonso Salas-Cruz,2 Rafael Patiño Mercado 2, Patricia Rodea 1
1. Sección de Bioclimatología, Centro de Ciencias de la Atmósfera, UNAM. Circuito Exterior de Ciudad Universitaria, Del. Coyoacán, México, D. F., C. P. 04510. walter@atmosfera.unam.mx, salfonso@atmosfera.unam.mx.
2. Sección de Climatología Física y Dinámica, Centro de Ciencias de la Atmósfera, UNAM. Circuito Exterior de Ciudad Universitaria, Del. Coyoacán, México, D. F., C. P. 04510. rafaelp@atmosfera.unam.mx, salfonso@atmosfera.unam.mx.
RESUMEN
La Bioclimatología con su naturaleza interdisciplinaria, estudia las relaciones entre el clima y la vida y en la que es frecuente observar la interacción de disciplinas tan diversas como son; la meteorología, hidrología, fisiología, ecología, biología, medicina, geografía, agronomía, ingeniería, etc.
La Bioclimatología estudia los sistemas naturales buscando leyes y factores que gobiernan y regulan su estructura y desarrollo, donde interesa poder describir las adaptaciones estructurales al ambiente físico y biológico al cual se expone el sistema y elucidar como su propia organización contribuye a su funcionamiento y por ende al flujo optimo de energía a través de los ecosistemas.
La ciencia de la complejidad es la herramienta de uso rutinaria de la Bioclimatología y trata de la estructura y el orden, donde buscamos reglas fundamentales que subyacen en los sistemas, ya sea en clima, ecosistemas, economía o la misma sociedad.
La complejidad es el circuito de conocimientos que funcionan atrayéndose mutuamente, y cuyo proceso permite concebir la reorganización transdisciplinaria del conocimiento. Es el entrelazamiento y la interacción incesante de la infinidad de fenómenos y sistemas que componen el mundo natural.
Entre las ventajas del pensamiento sistémico complejo, podemos señalar que nos permite descubrir los patrones que se repiten en los acontecimientos de la naturaleza y de que nos proporciona métodos más eficaces para afrontar los problemas con mejores estrategias de pensamiento, además de ser la base de un razonamiento claro y una buena comunicación, una forma de profundizar y ampliar nuestro punto de vista.
INTRODUCCIÓN
La vida surgió tan pronto como las condiciones lo permitieron, lo cual nos enseña que entre la física, la química y la biología existe una continuidad.
Obvias dificultades para la interpretación de la vida mediante principios físicos conocidos implican la necesidad de nuevas leyes, ya que para el mismo Einstein, "el estudio de los seres vivos, es la mejor manera de apreciar cuán primitiva es aún la física y otras ciencias relacionadas con ella", y Schrodinger a su vez sugirió que la comprensión de los sistemas vivos podría implicar "otras leyes más allá de las leyes físicas conocidas", necesitándose principios completamente diferentes ligados a transiciones de fase lejos del equilibrio termodinámico.*
Los conceptos físicos de generación de patrones autoorganizados proporcionan una base para comprender los organismos y sus relaciones con el entorno, donde los procesos no-lineales son lo bastante ricos para conducir la autoorganización biológica a distintas escalas. Los sistemas naturales son sistemas que se autoorganizan críticamente y combinan el concepto de criticabilidad con conceptos de no equilibrio de la autoorganización.
La sinergética ofrece una estrategia y métodos aplicables a cualquier nivel para dilucidar la dinámica no-lineal subyacente.
Es decir que la vida en nuestro planeta se caracteriza por su capacidad reproductiva, evolutiva y adaptativa, y se organiza por niveles de complejidad que aumentan con el tamaño del sistema. Absorción, concentración y regulación de los flujos de materia y energía entre los componentes del ecosistema dependen de su organización estructural y son ejemplos de procesos que contribuyen al flujo óptimo de energía en los sistemas productivos.
Los niveles de orden superior observados en los ecosistemas implican nuevas leyes que no son deducibles de los niveles inferiores, y que cuentan con el poder de desarrollarse espontáneamente hacia estados de mayor heterogeneidad y complejidad.
CLIMA, VIDA, BIORITMOS Y GENERACIÓN DE PATRONES DE AUTOORGANIZACIÓN
La materia viva se originó a partir de la materia inanimada por medio de un proceso evolutivo continuo. La vida nació por mediación de procesos físicos (tectónicos, oceanográficos y atmosféricos) que sustentaron la vida, era tras era, al tiempo que modificaban continuamente la superficie de la Tierra.
La vida se expandió y diversificó uniéndose a los procesos tectónicos y físico-químicos en la transformación de la atmósfera y los océanos hasta convertirse en una fuerza planetaria por derecho propio.
Es la vida la que crea las condiciones aptas para su propia existencia. La vida hace, conforma y cambia el entorno al que se adapta, el entorno a su vez, retroalimenta a la vida, que cambia, actúa y crece en él con interacciones cíclicas constantes.
La vida en nuestro planeta se caracteriza por su capacidad reproductiva y evolutiva y se organiza en base a niveles de complejidad.
Es a nivel de ecosistema donde se incluyen todos los elementos físicos, químicos y geológicos necesarios para sostener la vida de forma permanente y, por lo tanto es la unidad básica del planeta.
Los componentes bióticos de un ecosistema se estudian en base a su diversidad de especies y a los correspondientes patrones de abundancia en el tiempo y el espacio, donde además sus procesos internos de regulación permiten al sistema funcionar como un todo, en armonía con su medio físico.
Los sistemas climáticos y ecológicos pertenecen a los niveles de organización más complejos por lo que es imposible interpretar el comportamiento de sus sistemas sólo en base a estudios sobre el comportamiento de sus partes.
Su dinámica es tal que para entender su estructura y funcionamiento, primero deben de analizarse sus interacciones con otros sistemas, luego, se estudia el sistema en sí y ya finalmente, se analiza el comportamiento de sus partes.
El proceso de mantener una población viva requiere de un continuo flujo de energía potencial y el tamaño de la población depende de la tasa a que dicho potencial de energía entra al sistema, ya sea a través de plantas o animales, que servirán posteriormente de alimento a otros consumidores, generando así una cadena trófica o cascada bioenergética, donde las plantas son consideradas como las únicas con capacidad transformadora y productora, siendo las demás poblaciones dependientes de dicha producción de forma directa o indirecta.
En todas las especies de mamíferos y en muchos otros animales, la relación entre el tamaño del cuerpo, la tasa metabólica y la duración máxima de la vida es impresionante, donde la relación entre el tamaño corporal y la tasa metabólica se podría fijar con bastante exactitud, lo que tiene implicaciones enormes en sus funciones, fisiologías, conducta, modo de vida y en la ecología en general.
Los animales pequeños viven a una velocidad diferente, debido a su metabolismo frenético diferente a los de mayor tamaño, sin embargo el número de latidos del corazón durante toda su vida es similar, lo que explica el porqué los animales grandes vivan más tiempo.
La vida no es el mantenimiento o restauración del equilibrio, sino el mantenimiento del desequilibrio, es una tendencia inexorable hacia formas superiores de existencia y una imagen de las tendencias de las fuerzas del universo. No es un receptor pasivo de estímulos exteriores, sino un creador activo del medio que le rodea, representando orden, regulación y automantenimiento, a la vez que regulación y cambio continuo aparentando seguir un propósito.
ECONOMÍA EN LA NATURALEZA Y LA LEY DEL TODO
La naturaleza es cambio y estabilidad al mismo tiempo, así cuando el clima o agente externo de perturbación es más estable, el suplemento de recursos para la población será también más estable, existiendo una economía en la naturaleza, obedeciendo a un conjunto relativamente pequeño de leyes fundamentales donde el movimiento y el cambio surgen del universo como un todo.
Esta nueva dinámica demuestra que todo movimiento y cambio surgen de una ley del todo y que los patrones y sucesos de la naturaleza son la expresión de esta unidad fundamental.
La naturaleza solo es sencilla en sus causas y su economía consiste en producir un gran número de fenómenos, a menudo muy complicados, mediante un pequeño número de leyes generales.
Pero, aún para escalas locales, la distribución de organismos no es aleatoria, demostrándose la existencia de leyes naturales capaces de pronosticar patrones ecológicos.
Por intermedio de complejos procesos biológicos y geofísicos, la tierra, agua y atmósfera están íntimamente ligadas entre sí y un mayor conocimiento de las interacciones entre ecosistemas regionales, puede ser de gran ayuda al tratar de optimizar la contribución de los recursos naturales para un mayor bienestar del ser humano.
Los ecosistemas no tienen un estado de equilibrio único que prefieran. En vez de ello, tienen numerosos equilibrios que también evolucionan con el paso del tiempo.
Cuando los flujos climáticos externos cambian, la estabilidad física es violada y el sistema entra a un nuevo estado de equilibrio dinámico.
Es decir que existe un nivel de perturbación, arriba del cual la estabilidad tanto de la biota como de su ambiente se pierde.
ESTRUCTURAS DISIPATIVAS Y ENTROPÍA ORGANIZACIONAL
Los sistemas fuera del estado de equilibrio termodinámico se manifiestan como sistemas complejos que evolucionan hacia estados crecientes tanto de tamaño como de complejidad, hacia niveles más elevados de organización y dinamismo así como de una más estrecha interacción con el medio físico (clima).
Las respuestas de estos sistemas a los cambios desestabilizadores de su medio se manifiestan a través de saltos e impulsos comparativamente bruscos y son de la mayor importancia para entender la dinámica de evolución de los diversos dominios de la naturaleza.
Donde el estar más alejados del equilibrio termodinámico más sensibilidad de respuesta se manifiesta al cambio de sus estructuras y más refinados serán también los ciclos y procesos de retroalimentación que los mantiene.
Las estructuras disipativas no sólo se mantienen en un estado estable lejos del equilibrio, sino que pueden incluso evolucionar.
Cuando el flujo de materia y energía a través de ellas aumenta, pueden pasar por nuevas inestabilidades y transformarse en nuevas estructuras de complejidad incrementada, donde las inestabilidades y saltos a nuevas formas de organización son el resultado de fluctuaciones internas amplificadas por procesos de retroalimentación positiva, apareciendo como fuentes de un nuevo orden. La "entropía organizacional" será una medida del costo energético por unidad de desarrollo y puede extenderse para cubrir un amplio rango de ambientes.
La tendencia a mantener el equilibrio interno a través de mecanismos reguladores complejos, revela un equilibrio estático, un estado estacionario, conocido como homeostasis, mientras que la morfogénesis se da en los sistemas más permeados al entorno, con flexibilidad en las reglas de su funcionamiento, que le permiten, frente a situaciones de crisis, modificar sus pautas y reacomodarse a la nueva situación.
Proceso que posibilita que el sistema madure, alcanzando niveles evolutivos superiores, acumulando experiencias que lo llevará a sortear nuevas dificultades con menor gasto de energía.
LA CIENCIA DE LA COMPLEJIDAD EN EL MUNDO NATURAL
La ciencia de la complejidad trata de la estructura y el orden, donde buscamos reglas fundamentales que subyacen en los sistemas, ya sea en clima, ecosistemas, economía o la misma sociedad.
La complejidad es el circuito de conocimientos que funcionan atrayéndose mutuamente, y cuyo proceso permite concebir la reorganización transdisciplinaria del conocimiento.
Es el entrelazamiento y la interacción incesante de la infinidad de fenómenos y sistemas que componen el mundo natural. Interesa conocer las pautas de la naturaleza y las tendencias de la evolución tanto en la ecología y climatología como en la historia de la vida de la Tierra, donde los sistemas complejos adaptativos son buscadores de pautas, interaccionan con el entorno, aprenden de la experiencia y como resultado se adaptan buscando principios universales y en esta adaptación exhiben sistemas dinámicos con múltiples atractores.
Estos sistemas se acercan a un límite crítico y cuando lo cruzan, aparece de pronto un cambio de fase, que nos permiten ver todo a través de estos cristales de cambio de fase.
El principio creativo de la emergencia es un profundo misterio en muchos sentidos, siendo ésta una propiedad de los sistemas complejos.
La sencillez es la base de la complejidad y el complicado comportamiento del mundo, no es más que una complejidad superficial que surge de una profunda sencillez, como nos dice H. Holland en su libro de "El orden oculto", o de cómo la adaptación crea la complejidad. Lo que se busca es una teoría profunda del orden en biología, ya que no se puede estudiar la naturaleza sin saber que existen formas complicadas de vida y adaptaciones que parecen hacer encajar un organismo en su medio ambiente por medio de la selección natural.
Necesitamos una noción de todo el sistema, cómo una entidad fundamental en biología y luego comprender cómo eso genera partes que conforman su orden intrínseco.
Entender cómo en las propiedades emergentes de los sistemas complejos, las reglas locales generan un orden global.
LA HIPOTESIS DE LA CONECTIVIDAD, SISTEMAS DE CONTROL Y PROCESOS EMERGENTES; FUNDAMENTOS DE UNA CIENCIA INTEGRADA
La historia de la Tierra es un relato dramático, una sucesión de mundos desaparecidos que, por medio de la transformación de la atmósfera y una revolución biológica, nos ayuda a comprender nuestro pasado y nos llevan hasta el mundo que conocemos hoy. Las especies aparecen y desaparecen en una sucesión geológica de extinciones que ponen de manifiesto la fragilidad de las poblaciones en un mundo de competencia y cambio ambiental.
La teoría Gaia señala que el clima y la composición química de la Tierra se conservan por largos períodos de tiempo debido a su homeostasis, hasta que fuerzas externas e internas los conducen a nuevos niveles de estacionaridad.
La impresión general que surge de la larga historia planetaria es la de interacciones entre organismos y ambientes (coevolución), reflejando la continua acción reciproca entre las posibilidades genéticas y las oportunidades ecológicas.
La regulación del ambiente, es una propiedad emergente del sistema que se manifiesta automáticamente, sin ninguna acción determinada, como consecuencia de los procesos de retroalimentación entre los organismos del planeta y su entorno.
La naturaleza es creadora, pero por definición el creador es también un destructor. Una ciencia que dé sentido a la noción de creatividad y en términos más generales al concepto de innovación, no puede ser más que una ciencia profundamente distinta a la clásica.
Nuestro mundo es un mundo de cambios, de intercambios y de innovación, para entenderlo es necesaria una teoría de los procesos, de los tiempos de vida, de los principios, los fines y la aparición de lo cualitativamente nuevo.
Los ecosistemas pueden ser entendidos como sistemas en el sentido de la Teoría General de Sistemas y son el ejemplo más complejo de un sistema de control.
Considerando a la biodiversidad como un asunto de profundo significado para el futuro de la humanidad y la vida, la cual es sinónimo de riqueza y abundancia relativa de especies.
Von Bertalanffy, nos habla de la necesidad de una reorientación en el pensamiento científico para poder tratar con sistemas complejos como son: el clima, la ecología, la economía y las ciencias sociales. Proponiendo una metodología que nos permite trascender las rígidas fronteras de las ciencias dirigiéndonos a una ciencia de sistemas unificados. Para la implantación de ésta "metateoría transdisciplinaria" en la ciencia y la educación, se requiere de un dramático cambio en nuestra forma de pensar, colocando los fundamentos para un nuevo paradigma transdisciplinario del pensamiento contemporáneo.
Presentando a la visión holística de la naturaleza como una organización jerárquica anidada de totalidades organizadas como sistemas naturales con una estructura básica de creciente complejidad.
Con Jantsch tenemos la primer síntesis comprensiva de un universo autoorganizado y coevolutivo, enraizado en la nueva visión de la dinámica no-lineal, teoría del caos y termodinámica de no-equilibrio (disipativa).
Lo que nos presenta un nuevo paradigma, más adecuado a los hechos que están saliendo a la luz, con conexiones no convencionales entre las partes que forman el sistema y entre el sistema y su ambiente.
Donde la naturaleza parece estar hecha de jerarquías anidadas de sistemas no locales conectados coherentemente, y donde toda estructura disipativa tiene la potencialidad de evolucionar, donde las tres perspectivas de la naturaleza de los sistemas vivos corresponden al estudio de la forma o patrón de organización, de la materia y el proceso.
Donde la emergencia tiene como resultado innovar y lo nuevo es a menudo cualitativamente diferente de los fenómenos de los que emergió.
La distinción en términos de estructura y de autoorganización, hace posible la integración de modelos de autoorganización orientados a la estructura y de modelos orientados a la organización, en una teoría coherente de los sistemas vivos.
Una de las instituciones cruciales del planteamiento sistémico ha sido comprender que la red es el patrón de manifestación preferido de la naturaleza, donde la función de cada componente de esa red consiste en transformar o sustituir a los demás, de modo que la red entera se genera a sí misma de manera continua.
La nueva manera de comprender la vida es la de que las formas y las funciones biológicas no están determinadas simplemente por un programa genético, sino que además son propiedades emergentes de la totalidad de la red.
En la integración de los aspectos, climáticos, biológicos, económicos y sociales, se trata de compartir una visión metodológica unificada, dada por el análisis y dinámica de sistemas de los sistemas complejos.
El enfoque sistémico de los sistemas pensantes, es una metodología de trabajo de las ciencias multidisciplinarias como es la bioclimatología; funciona y conduce tanto a la comprensión como a la predicción, sin limitarse a entidades materiales, sino que es apropiada también a entidades inmateriales y otros elementos imponderables que pueden brindar respuestas precisas y consejos prácticos.
El objetivo consiste no sólo en ofrecer un planteamiento coherente y sistémico de una visión unificada de la vida y el ambiente, sino también de algunas de las cuestiones críticas de la economía, sociales y personales que vivimos en nuestra época y actúan como procesos de retroalimentación de los objetivos iniciales que nos hayamos planteado, donde a través de los diagramas de Forrester se trata de simular redes de interrelación preferida en la naturaleza con lo que los sistemas socioeconómicos, ecológicos y climáticos analizados estarán formados por cientos de procesos de retroalimentación (conocidos como rizos o bucles) positivos y negativos interconectados, siendo posible identificar las razones estructurales que nos permitan decidir como modificar los bucles causales que alteran dichos sistemas, en la que será la estructura del sistema lo que provoca su comportamiento y donde será posible observar que si el sistema tiene los elementos que causan el problema, también tiene la forma en la que se puede solucionar.
El enfoque sistémico de los sistemas pensantes, es una metodología para integrar todos estos aspectos, que es diferente a las metodologías conocidas de la especialización, aquí se trata de una generalización, en donde se integra el conocimiento de varias disciplinas.
Es un nuevo enfoque, un nuevo paradigma, que en lugar de ver las partes, ve el todo. La integración generalmente recomienda darle un enfoque energético, es decir, ver entradas y salidas de energía y cómo ésta se va transmitiendo a los sistemas ecológicos, cómo afecta al aspecto económico y finalmente cómo impacta al hombre.
Se ha llegado a confundir muchas veces el enfoque sistémico, ya que generalmente se trabaja las disciplinas multidisciplinarias colectando estudios de cada una de las áreas, pero integrar no es colectar. Integrar es buscar analogías y ver por dónde va el flujo de interacción de cada una de ellas, para realizar a través del enfoque sistémico, que son nuevas metodologías cuantitativas de evaluación; aquí se ve el todo, no sólo las partes, ya que en los sistemas no-lineales complejos, el todo es más que la suma de las partes.
CONCLUSIONES
Vivimos en un universo abierto en el que cualquier cosa es posible, donde la vida es un experimento inacabado y donde su ciencia es un conjunto de supuestos que nunca se pueden probar de manera completa.
La naturaleza contiene muy pocas leyes y éstas más bien se refieren o presentan características de impotencia más que de soberanía, siendo las que están relacionadas con la termodinámica las más constructivas y las que presentan posibilidades de servir como base a los estudios de predicción.
La naturaleza como sistema sinergético de altísima complejidad debe ser considerada como un todo si es que se le desea conocer en detalle. Entendiendo a la sinergética como la ciencia del comportamiento colectivo ordenado y autoorganizado sometido a leyes universales cuya tarea es descubrir las normas en que se basa la autoorganización de sistemas en los más diversos campos científicos.
Es más amplia que la termodinámica y con un campo de aplicación más extenso.
El orden implica siempre la aplicación de un suplemento energético, y eso es precisamente lo que ha estado haciendo la naturaleza durante millones de años, crear estructuras cada vez más organizadas que han acabado por desembocar en el punto máximo del orden: Nosotros los seres humanos, a su vez, seguimos repitiendo esa pauta natural, imponiendo al mundo entero una mayor organización, ordenando la naturaleza a nuestro modo con cada vez más desmesurados gastos de energía.
Los problemas específicos de la humanidad, piden integrarse en una visión BIOCLIMÁTICA más general donde la construcción de la sociedad misma, se debe fundamentar más que en lo que debe hacerse, más bien en lo que no debe hacerse.
Donde la biosfera no es un interlocutor pasivo, sino un agente de interacción y cambio y las propiedades del planeta son en buena medida, resultado de la vida misma, destacando su carácter sistémico y su capacidad de retroalimentación y autorregulación.
Así, sus fenómenos de tipo histórico que incluyan un aumento en la complejidad, diversidad y sucesión, se podrán beneficiar de modelaciones y aproximaciones cuantitativas más correctas.
Ciertamente el enfoque sistémico no es algo nuevo, pero se le ha relegado en las áreas académicas y universitaria; sin embargo, las empresas lo han sabido apreciar y lo han venido desarrollado; ya es tiempo de que regrese otra vez a las áreas académicas y se haga rendir todo el potencial que tiene.
BIBLIOGRAFIA COMPLEMENTARIA
- Bertalanffy, L. V. (1968). General System Theory, Brazilier, Nueva York.
- Cannon, W. B. (1929). Organization for physiological homeostasis, Physiological Review, 9, 399-431.
- Boulding, K. E. (1985). The world as a total system. Thousand Oaks, Beverly Hills: Sage Publications.
- Bunge, M. (1991). Una caricature de la ciencia: La novísima sociología de la ciencia, Interciencia, 16:69.
- Emery, F. E. (1969). Systems Thinking: Selected Readings, Penguin, Nueva York.
- Deutsch D. (1997). The Fabric of Reality. Penguin Books
- Foerster, Heinz Von and George W. Zoff (1962) Principles of Self-Organization, Pergamon Nueva York.
- Forrester, J. W. (1969). Industrial dynamics, Productivity.
The MIT Press.- Garrido, F., González de Molina M., Morin E., Serrano J. L., Solana J. L., Victor Toledo Angel Valencia (2007). El paradigma ecológico en las ciencias sociales. Icaria Antrazyt. Pp 301
- Grant E. W., S. Marin L. y K. Pedersen E. (2001). Ecology and Natural Management
- System Analysis and Simulation. John W
iley & Sons, Inc.- Green, D. G. (1994). Connectivity and complexity in landscapes and ecosystems. Pacific Conservation Biology, 1(3): 194-200
- Haken Hermann (1987). Synergetics: An approach to Self-Organization, en F. Eugene Yates (ed.), Self-Organinizing Systems, Plenum, Nueva York.
- Holland, J. H. (1995). Hidden Order: How adaptation breeds complexity, Addison-Wesley Publishing Co., Reading, MA.
- Jorgensen, S, Mejer, H. and Nielsen, S. (1998). Ecosystem as self-organizing critical systems, Ecological Modelling, 111: 261-268.
- Kauffman, S. (1993). The origins of order: Self-organisation and Selection in Evolution. Oxford University Press, New York.
- Kosko, B. (1993). Fuzzy thinking: the new science of fuzzy logic, Hyperion.
- Langton, C. (1990). Computation at the edge of chaos: phase transitions and emergent computation, Physica D, 42: 12-37.
- Levins, R. (1968). Evolution in changing environments. Princeton: Princeton University Press.
- Lilienfeld, Robert (1978). The rise of System Theory, Jhon Wiley, Nueva York
- Lotka, A.J. (1925). Elements of physical biology. Baltimore: Williams and Wilkins.
- May, R. M. (1972b). Will a large complex system be stable? Nature, 238, 413-414.
- Mingers, J., (1995). Self-Producing Systems. Plenum, Nueva York.
- Patten, B. C. (1991). Network Ecology, en Higashi, M. y T. P. Burns, Theoretical Studies of Ecosystems: The Network Perspective, Cambridge University Press, Nueva York.
- Prigogine, I., (1980). From Being to Becoming, Freeman, San Francisco.
- Ritter, O.W., (1996). Ciencia; predicción y entendimiento en el mundo moderno. Geo-UNAM. Vol. 3 no. 1 págs.
26-29.- Ritter, O.W., Klimek G.R. (1997).
La relación ciencia-educación y la busqueda de un nuevo perfil académico. Ciencia y Mar,I (1), pp.31-35.- Ritter, O. W., P. Mosiño A. y R, Patiño M., (2000).
Predicción y naturaleza. Revista Ciencia y Desarrollo. Julio / Agosto del 2J0. Volumen XXVI, No. 153.- Ritter O.W., Guzmán S. R., Sánchez N., (2002).
El clima como sistema complejo adaptativo en coevolución. Revista "Ciencia y Mar". mayo/agosto. volumen VI, número 17 páginas 23-35.- Ritter O.W., Guzmán S. R., Sánchez N., Sánchez R., Suarez S. J., Perez E. T. (2007). Sistemas y más sistemas; ¿es todo en el mundo un sistema?
Ciencia, enero/marzo, vol. 58, num. 1- Rosen, R. (1970). Dynamical system theory in biology. Vol. I. New York: John Wiley and Sons.
- Shannon, C. E., W. Weaver (1949). The mathematical theory of communication, Urbana, University of Illinois Press.
- Schrodinger E. (1969). What is life? Cambridge University Press.
- Tabor, M. (1989). Chaos and Integrability in Nonlinear Dynamics. Wiley-Interscience, Nueva York.
- Thom, R., (1972). Stabilité structurelle et morphogenese. Ediscience, Paris,
- Villa, F. (2000). Integrating Modelling Toolkit, Institute for Ecological Economics, University of Maryland, USA.
- Von Neumann y O. Morgenstern (1974).
Theory of games and economic behavior, Princeton University Press, 3a edition.- Wiener, N. (1948). Cybernetics, John Wiley & Sons, Nueva York.
- Wolfram, S. (1984). Cellular automata as models of complexity, Nature, 311:419-426.
i. SIMULACIÓN DE PROBLEMAS DE TIPO BIOCLIMÁTICO
Walter Ritter Ortiz, 1 Silvia Chamizo checa, 2 Angelina Chamizo Checa 2.
1. Sección de Bioclimatología, Centro de Ciencias de la Atmósfera, UNAM. Circuito Exterior s/n, Ciudad Universitaria, Deleg. Coyoacan, México, D. F. walter@atmosfera.unam.mx
2. Laboratorio de Medio Ambiente; Maestría en Ciencias Ambientales,Facultad de Agrobiología, Universidad Autónoma de Tlaxcala, UAT
jsuarezs71@hotmail.com; silchami@hotmail.com, angelinabio21@yahoo.com.mx
RESUMEN
La simulación bioclimatológica puede proporcionar información anticipada de las causas de los cambios en la naturaleza. Así como, sus implicaciones en el curso normal de los acontecimientos; además, de las posibles opciones de acción de las políticas alternativas, que puedan ser consideradas en circunstancias contrastantes y medidas por su fortaleza en escenarios futuros. Los escenarios generados por procesos de simulación proveen un indicador de alternativas posibles y sirven como base para realizar proyecciones que aplican las herramientas del pronóstico bioclimático en escenarios específicos.
INTRODUCCIÓN
La simulación dinámica de escenarios en la naturaleza es una herramienta útil para entender cómo funcionan los sistemas naturales, identificar sus potenciales problemas y explorar soluciones para éstos. El éxito en el manejo del cambio ambiental se basa en la capacidad de anticipación que se obtenga a través del manejo de programas de simulación. El agotamiento de los recursos naturales que sostienen las economías regionales; así como, el deterioro de los mismos como el agua, el suelo y el aire son verdaderas amenazas para nuestra civilización. El continuo abastecimiento de agua y alimentos, debido a la explosión demográfica; así como la conservación de nuestra salud, depende de la habilidad para anticiparse y prepararse para un futuro incierto.
Los ecosistemas pronosticables son aquellos en los que la incertidumbre puede ser reducida a la magnitud en que, por medio de los pronósticos, se reporta información útil para la toma de decisiones.
La simulación es imperfecta en sí misma, tampoco es una bola de cristal que pueda pronosticar el futuro con absoluto detalle y exactitud, pero sí ayuda a entender los mecanismos internos que determinan cómo trabaja un sistema, por medio de la descripción de sus procesos y transformaciones, la identificación de posibles mecanismos detrás de los ciclos y tendencias observadas a largo plazo.
Permite determinar, además, cómo mantiene su estabilidad el sistema, reconocer los mecanismos por los cuales puede perderla y pronosticar futuras manifestaciones de los sistemas existentes. Proyectar ciclos y tendencias, evaluar los impactos de políticas opcionales e identificar escenarios en donde la estabilidad se pierda o se restaure. Sin olvidar que la utilidad de un modelo se puede juzgar tanto por la cantidad de información que pueda aportar con el máximo posible de economía, como por la facilidad con la que se permita comunicar de forma más efectiva con dicho modelo y lo que éste representa.
SIMULACIÓN CON ENFOQUE SISTÉMICO
Los modelos generalmente capturan de forma imprecisa toda la realidad y esto se refleja en el hecho de que muchos de ellos, ampliamente usados en el campo ambiental, deben ser continuamente ajustados y refinados. Pero, finalmente, lo más valioso de un modelo es su capacidad para detectar los cambios y las fluctuaciones. Para identificar las variables críticas responsables de dichos cambios; así como capturar y entender los efectos de retroalimentación en el sistema. Debido a que en los sistemas dinámicos sus elementos se modifican de manera constante y complicada, e incluso sorpresiva.
El verdadero propósito de la modelación dinámica es llegar a descubrir los principios básicos que conduzcan a descubrir la complejidad observada en la naturaleza. Sin desarrollar modelos que capturen todas las facetas de la vida diaria, ya que tendrían poca utilidad al ser tan complicados como los sistemas mismos que se desean entender.
SIGNIFICADO DE SIMPLICIDAD
La posibilidad de comprender todo lo comprensible depende más de la estructura del conocimiento particular de cada individuo que de su contenido. Que las teorías lleguen a ser tan generales y tan profundas; que estén integradas entre sí, que se conviertan en una sola teoría con una estructura unificada de la realidad. Las estimaciones iniciales de simulación pueden ser derivadas de la información empírica, de sugerencias razonables de los expertos en la materia o del equipo de modeladores; ya que incluso los modelos construidos en tales situaciones de incertidumbre pueden ser de gran valor y utilidad en la toma de decisiones, proveyendo un cuadro congruente de referencia, en lugar de información exacta.
El flujo de información de una variable de estado; dentro de un sistema se hace a través de cadenas de transformación para dirigirse a las variables de control. Donde cambian las primeras y entran en ciclos siempre cambiantes, para al final volver a otra variable de estado o tal vez irse hacia el infinito, el cero o el comportamiento caótico. Esto, habla de un proceso de retroalimentación, hecho tan común en los sistemas ambientales.
La retroalimentación negativa tiende a forzar las variables de estado hacia metas establecidas y es la idea básica de los sistemas dinámicos de control. La variación en el proceso de retroalimentación puede llevar a relaciones no lineales, las cuales se hallan presentes si una variable de control no depende de otras variables de manera lineal. Como resultado, los procesos de retroalimentación no lineales pueden exhibir comportamientos dinámicos complejos. Por ello, debemos poner especial atención a la no linealidad, particularmente si se trata de efectos de retraso.
AUTOORGANIZACIÓN Y SISTEMAS DISIPATIVOS
Los modelos son herramientas para detectar patrones o tendencias que pueden ser útiles para generar hipótesis comprobables acerca de la organización de comunidades bióticas. La abundancia relativa de grandes ensambles heterogéneos de especies, tiende a ser gobernada por muchos factores independientes. De acuerdo con el teorema de límite central, será distribuida en forma log-normal. Un alto grado de ajuste al modelo log-normal indica que la comunidad está en alto grado de equilibrio. Sin embargo, buenos ajustes a la distribución log-normal pueden ocurrir a pesar de los cambios y condiciones en la composición de la comunidad.
La principal motivación para crear los modelos de distribución fue desarrollar un modelo general de abundancia de especies para facilitar la comparación de diversas comunidades por sus diferencias o similitudes con los parámetros del modelo, el cual de manera potencial daría información fundamental de los nichos de las especies y cómo es que las especies coexisten o comparten los recursos ambientales disponibles. Aunque tal modelo general sería una herramienta valiosa para el ecólogo, no parece existir tal paradigma general; revelándose que hipótesis contradictorias pueden llevarnos al mismo modelo. Diferentes modelos derivados de postulados en conflicto pueden ser ajustados al mismo grupo de datos.
El mayor obstáculo por resolver al usar índices de diversidad es su interpretación, ya que si se da sólo el valor del índice de diversidad, es imposible decir la importancia relativa de riqueza y uniformidad. Pues alta riqueza y baja homogeneidad será equivalente a un sistema de baja riqueza y alta homogeneidad. En general podemos decir que un ecosistema será más complejo conforme sea más maduro, cualidad que aumenta con el tiempo que permanezca sin ser perturbado. La sucesión ecológica nos lleva a considerar como más maduro o más complejo un ecosistema, cuando está compuesto de un mayor número y grado de interacción de sus elementos; si se presentan largas cadenas alimenticias. Un uso más completo del alimento, relaciones bien definidas o más especializadas, situaciones más predecibles, promedio de vida mayor, menor número de hijos; entonces la organización interna pasa por perturbaciones aleatorias a ritmos cuasi-regulares.
LA BIOGEOGRAFÍA Y LA ESCALA GLOBAL
Si se desea pronosticar futuros procesos de producción, será necesario tener una descripción de estos sistemas en su ambiente particular; que incluya tantos detalles relevantes como sea posible. Debemos estar interesados en todas las interacciones que controlan o alteran el número o tipo de organismos encontrados en una región dada; ya que una noche fría o una hora de fuerte viento pueden producir grandes diferencias en el mundo biológico.
Tal información puede ser usada para construir una simulación poblacional, la cual puede ser empleada para predecir los efectos de políticas particulares de administración. El valor de la simulación es obvio pero su utilidad reside principalmente en que analiza casos particulares. Una teoría bioclimática debe de hacer, preferentemente, afirmaciones sobre el ecosistema como un todo global, así como de especies y tiempos en particular, así como, aseveraciones válidas para muchas especies y no solamente para una.
La alternativa es intentar analizar la naturaleza de tal manera que pueda ser descrita en forma rigurosa. Que las predicciones puedan ser derivables mediante procedimientos reproducibles. Capaces de definir, en algún grado la diferencia entre lo que conocemos sobre bases teóricas y lo que nos falta por hacer antes de que podamos realizar predicciones más seguras. Una descripción matemática precisa de los sistemas productivos puede incluir cientos de parámetros, muchos de los cuales son difíciles de medir, y cuyos resultados esperados -a partir de las muchas ecuaciones diferenciales parciales simultáneas no-lineales de simulación- usualmente no tienen solución, ya que las respuestas son expresiones complicadas de los parámetros y no son fáciles de interpretar.
Claramente se observa la necesidad de diferentes metodologías para tratar con estos sistemas que son intrínsecamente complejos. El establecimiento de relaciones clima-vegetación puede ser útil para propósitos de pronóstico, ya que la vegetación refleja el ambiente, y los cambios en uno de ellos puede ocasionar cambios en el otro. Tales cambios pueden ser usados para evaluar la naturaleza y la magnitud del impacto ambiental. Cualquier modelo puede ser considerado como una teoría surgida de los datos y es necesario evaluar su exactitud predictiva, su generalidad, complejidad e interpretabilidad.
No debemos buscar una solución a un problema específico de predicción, sino buscar aquellas características que nos permitan predicciones más generales. Identificar patrones activos, definiendo el interés en términos de utilidad para obtener algún fin. Por lo que la exactitud de las predicciones no debe ser lo único a juzgar. Se pueden encontrar patrones similares de interacción en sistemas muy diferentes y una vez que los patrones básicos son entendidos, todos los sistemas pueden ser comprendidos.
Los modelos permiten realizar deducciones, formular hipótesis y predecir resultados -así se construyen las teorías- en un despliegue de sistemas, las leyes se revelarán por sí mismas. Con este nuevo enfoque; las pautas básicas se deben clasificar y los conceptos básicos se deben inferir. Los sistemas complejos que cuentan con una gran riqueza de conexiones cruzadas muestran conductas complejas y estas conductas pueden ser pautas de búsqueda de metas.
Las matemáticas de la complejidad de la naturaleza pasan de los objetos a las relaciones, de la cantidad a la cualidad y de la sustancia al patrón de la forma. Eludiendo todo modelaje mecanicista; las simples ecuaciones deterministas pueden producir una insospechada riqueza y variedad de comportamientos.
A su vez, lo que pareciera un comportamiento aparentemente complejo y caótico puede dar lugar a estructuras ordenadas con sutiles y hermosos patrones de formas. Con frecuentes ocurrencias de procesos de retroalimentación autorreforzadora, donde pequeños cambios pueden ser repetidamente amplificados. La mayor contribución de Henri Poincaré, fue la recuperación de las metáforas virtuales, con el rompimiento del dominio del análisis y las fórmulas, y el regreso a los patrones visuales.
La predicción exacta, aun para las ecuaciones estrictamente deterministas, no existe; pero ecuaciones simples pueden producir una increíble complejidad que supera todo intento de predicción. La organización del sistema complejo es independiente de las propiedades de sus componentes. Su objetivo es la organización y no la estructura. En donde la función de cada componente es participar activamente en la producción o transformación de otros componentes del sistema. El producto de su operación es su propia organización y toda la red se hace a sí misma continuamente
ANTICIPACIÓN A PROBLEMAS AMBIENTALES
Anticiparnos a muchos de nuestros desafíos ambientales por venir en las próximas décadas requiere un mejoramiento sustantivo en las actuales metodologías de adquisición de conocimiento científico. La simulación y el pronóstico ecológico deben emerger como un imperativo para mejorar la planeación y la toma de decisiones acerca del estado de los ecosistemas y de su capital natural productivo. Ya que pueden dotarnos de la capacidad de producir, evaluar y comunicar dichos pronósticos en aquellos estados críticos que requieran un proceso de atención inmediata. Que involucren ligas interdisciplinarias, análisis de sus posibles procesos de propagación y retroalimentación -incluidos los procesos evolutivos y emergentes- además, que consideren los impactos sociales y la relevancia del pronóstico en los procesos de toma de decisiones.
Con base en la nueva ciencia del enfoque sistémico se propone la creación de un modelo general de simulación y pronóstico. Que de forma integrada responda a una serie de cuestionamientos sobre ecología, manejo de recursos naturales y evaluación de impacto ambiental. La visión filosófica de este modelo tiene su fundamento en el enfoque sistémico derivado de la teoría general de sistemas, cuyo proceso metodológico permitirá la creación de los escenarios requeridos para una mejor toma de decisiones. Se define el pronóstico ecológico como el proceso de predecir el estado del ecosistema, de sus servicios por aportar, su capital natural de crecimiento, contingencias y escenarios sobre el clima, uso de suelo, población humana, tecnologías, actividad económica y educativa.
Con el fin de utilizar aspectos de metodologías comunes en los diferentes proyectos por desarrollar. Es necesario incorporar en los objetivos de este estudio un proceso de descripción general de las mencionadas metodologías del enfoque sistémico a utilizar en el desarrollo de dicho modelo y en los posibles proyectos por derivarse de éste.
Esto permitirá conseguir una mayor homogeneidad y cohesión de los propósitos, así como una mayor sistematización en la obtención de los objetivos planteados. El objetivo consiste no sólo en ofrecer un planteamiento coherente y sistémico, de una visión unificada de la vida y el ambiente, sino también de algunas de las cuestiones críticas de la economía, social y personales que vivimos en nuestra época y que actúan como procesos de retroalimentación de los objetivos iniciales.
Cuando se plantea un problema de tipo ambiental, o de cualquier otro tipo, y debe resolverse, además de considerar las interacciones de los factores físicos, biológicos y ecológicos, se debe tomar en cuenta también los factores económicos, culturales y legales. El abordar estos problemas por métodos que conducirán a tomar decisiones erróneas e inadecuadas. El análisis de sistemas para la solución de estos problemas se basa en un planteamiento holístico con los modelos matemáticos requeridos para identificar, simular y predecir las características importantes de la dinámica de estos sistemas considerados como complejos. El origen de la visión de sistemas se remonta al periodo de la Segunda Guerra Mundial y estuvo relacionado con la solución de problemas de tipo logístico.
Actualmente el uso de esta perspectiva en ecología, climatología, evaluación, manejo de recursos naturales, simulación y pronóstico de impacto ambiental. Consiste en proporcionar un enfoque que permita abordar la solución de dichos problemas en los sistemas complejos (como lo son todo tipo de ecosistemas conocidos) y que además promueva el diseño de proyectos de investigación que nos ayuden a tomar decisiones adecuadas, mediante la utilización del método científico como una forma de resolver dichos problemas, basándose en una observación disciplinada y en la manipulación de las partes del mundo real que resulten interesantes en el contexto del problema en estudio.
Los climatólogos, ecólogos y administradores de los recursos naturales, frecuentemente deben analizar sistemas que se caracterizan por una complejidad organizada. Tal es el caso de cuando se cuenta con poca información, pocos datos y poca expectativa de generar una base de datos completa. Para esto se ha diseñado y desarrollado el análisis de sistemas y sus metodologías de investigación. Los cuales permiten integrar el conocimiento obtenido por medio de la descripción, la clasificación, el análisis matemático y estadístico de las observaciones del mundo real.
En el modelo tradicional los expertos interpretan los datos, eligiendo algunos de sus aspectos e ignorando otros. Es necesaria una amplia distribución de información, puntos de vista e interpretaciones, si se quiere entender el significado del mundo en que vive la especie humana; el cual debe entenderse como un mundo de procesos, no de objetos. La grandiosa meta de toda ciencia es abarcar el mayor número de hechos empíricos por deducción lógica a partir del menor número de hipótesis o axiomas (según, Einstein); y como afirma Mandelbrot, "en un mundo cada vez más complejo, los científicos necesitan tanto las imágenes como los números", es decir la visión geométrica y la analítica.
Es necesario partir de un marco teórico para el desarrollo, evaluación y uso de los modelos de simulación y pronóstico en impacto ambiental, climatología, ecología y manejo de los recursos naturales. Donde en el desarrollo del modelo conceptual sea ppsible abstraer del sistema real aquellos factores y procesos que deben ser incluidos dentro del modelo por ser relevantes en nuestros objetivos específicos y de tal manera que en la evaluación del modelo se compare el enfoque de sistemas con otros métodos utilizados para resolver problemas en estas y otras áreas.
El modelo puede ser extremadamente simple, siempre y cuando no excluya aquellos componentes cruciales para su solución y la toma de decisiones esté basada en información de la mejor calidad acerca del sistema en estudio. En otro caso podrá ser necesario monitorear varios atributos del sistema en forma simultánea. Con la clasificación de los componentes del sistema de interés por sus diferentes funciones en el modelo. Dichos componentes se pueden clasificar como variables de estado, variables externas, constantes, variables auxiliares, transferencias de materia, energía e información, fuentes y sumideros.
Obviamente, si con los conocimientos adquiridos no se pueden formular hipótesis útiles acerca de la estructura y funcionamiento del sistema, se debe concentrar el esfuerzo en realizar nuevas observaciones en el sistema natural. La idea básica fundamental detrás de todo esto es que se pueden realizar experimentos de simulación en la misma forma que en un laboratorio o en la naturaleza misma. El estudio se justifica por el interés específico en lograr un crecimiento económico sin destruir los sistemas ecológicos que forman la base de nuestra existencia.
Es vital introducir el uso del análisis de sistemas y su simulación como herramienta de apoyo para resolver los problemas de impacto ambiental, que a diario ocurren, para que ayuden en la toma de las mejores decisiones. El análisis de sistemas y su simulación es un conjunto de técnicas cuantitativas desarrolladas con el propósito de enfrentar problemas relacionados con el funcionamiento de los sistemas complejos; como son, los diferentes tipos de ecosistemas conocidos.
La utilidad del análisis de sistemas y su simulación se da tanto por el proceso de identificación y especificación de los problemas. Así como, por el desarrollo, usos y producto final del modelo. El objetivo general es el de diseñar y generar un modelo integral de simulación y pronóstico de los sistemas ecológicos bajo el enfoque de sistemas y de sistemas complejos. Con aplicaciones específicas a la evaluación del impacto ambiental y el manejo de recursos naturales, del cual se puedan derivar proyectos más específicos en la solución de problemas regionales. Generar asimismo, escenarios para los sistemas ecológicos: en el tiempo (pasado, presente y futuro) y el espacio; para así, evaluar el impacto de origen humano. Analizar la dinámica de transferencia productiva (flujos de materia, información y energía) de los sistemas ecológicos, para determinar su estabilidad o inestabilidad a través del tiempo y el espacio.
Realizar en forma funcional el modelo integral de simulación y pronóstico de los diferentes sistemas ecológicos y climáticos, incorporando en ellos las potenciales redes de intercomunicación. De tal forma, que el modelo sea multidisciplinario, multifactorial, multirrelacional y multifuncional, y que sirva de herramienta tanto para la simulación de posibles escenarios como para la toma de decisiones.
METODOLOGÍA BÁSICA
Para contestar una pregunta, demostrar una teoría o clasificar una parte del mundo real, hay coincidencia en que, depende del interés del investigador. Algunas de las posibles perspectivas a elaborar serán más adecuadas y útiles que otras; los sistemas de interés presentan generalmente dos propiedades de importancia primordial. La primera es, "que los sistemas pueden estar anidados" es decir que un individuo es parte de una población, una población es parte de una comunidad y así sucesivamente. La segunda es, "que en cualquier escala y en cualquier nivel de detalle, los sistemas naturales pueden ser estudiados" usando el mismo conjunto de principios y técnicas desarrolladas y conocidas por la teoría general de sistemas, donde deberá definirse cuidadosamente los límites del sistema de interés de acuerdo con el problema que se quiere estudiar. El reduccionismo actual (estudio de las partes por separado) ha demostrado ser muy eficiente en la ciencia, siempre y cuando se pueda entender que las entidades complejas de la naturaleza no son sólo "la suma de sus componentes más simples".
Las matemáticas de la física clásica están concebidas para complejidades no organizadas y muchos de los problemas biológicos, económicos y sociales son esencialmente organizados, multivariados y complejos. Por lo tanto, deben introducirse nuevos modelos conceptuales, como, la cibernética, las teorías de la información, de juegos y de decisiones, el análisis factorial, la ingeniería de sistemas, la investigación de operaciones, etcétera.
Se consideran los sistemas como un complejo de componentes interactuantes, con conceptos. Esto es, incluir sólo aquellos elementos que tienen una influencia razonable sobre el objetivo planteado, lo que equivale a proponer acciones prácticas para solucionar el problema. En las diferentes fases de construcción del modelo se añadirán y suprimirán elementos con la correspondiente expansión y simplificación del mismo, incorporando en ellas, a través de un diagrama causal, los elementos clave del sistema y sus relaciones. El concepto de rizo (definido como una cadena cerrada de relaciones causales) es muy útil porque permite, a partir de la estructura del sistema que se analiza, llegar hasta su comportamiento dinámico. Y es a partir de aquí que podrá veser que los sistemas socioeconómicos, ecológicos y climáticos están formados por cientos de rizos positivos y negativos interconectados. Además, de identificar las razones estructurales que permitan decidir cómo modificar los bucles causales que lo alteran, ya que es la estructura del sistema lo que provoca su comportamiento. Si el sistema tiene los elementos característicos de totalidades organizadas, como son: interacción, suma, mecanización, centralización, competencia, finalidad, etcétera; se debe saber aplicarlos a fenómenos concretos.
La naturaleza posee un orden que podemos comprender y la ciencia tan sólo es una descripción optimista de cómo pensar una realidad que nunca se comprenderá del todo. Sin embargo, con el enfoque sistémico se comienza a entrever una forma enteramente nueva de comprender las fluctuaciones, el desorden y el cambio. En donde, conceptos como los de "atractor", "retrato de fase", "diagrama de bifurcación" y "fractal" no existían antes del desarrollo de la dinámica no lineal. En la modelación de impacto ambiental es necesario considerarlo con base en estudios de diagnóstico, simulación y pronóstico, los cuales estarán apoyados exclusivamente en las metodologías de simulación, ya que si se escogen las variables apropiadas y se representa adecuadamente las reglas que gobiernan la dinámica y el proceso de cambio en el sistema de estudio, se pueden predecir los cambios de dichos sistemas a lo largo del tiempo.
Es decir, se podría simular correctamente el comportamiento del sistema con base en las cuatro etapas fundamentales del proceso de desarrollo y uso del modelo descritas por Grant: Desarrollo del modelo conceptual, del modelo cuantitativo, evaluación, y uso del modelo. En primer lugar hay que identificar el problema con claridad y describir los objetivos del estudio con precisión, con el planteamiento específico de que se va a estudiar, "la realidad como un sistema". El resultado de esta fase ha de ser una primera percepción de los elementos que tienen relación con el problema planteado.
La estadística y los métodos numéricos serán de gran utilidad cuando exista una gran abundancia de datos y se pueda suponer que la realidad permanecerá estable. Se Deben conocer los elementos que forman el sistema y las relaciones que existen entre ellos, pues, con frecuencia, para solucionar un problema es más fácil y efectivo trabajar con las relaciones. Como en las estructuras de los sistemas estables hay un número de relaciones impar y el bucle o proceso de retroalimentación es negativo. Y como, cualquier acción que intente modificar un elemento se ve contrarrestada por todo el conjunto de bucles negativos que estabilizan en exceso el sistema, se neutraliza entonces en conjunto la acción o los cambios del exterior.
En tales sistemas el factor limitativo es lo verdaderamente importante, ya que es dinámico, con capacidad de producir comportamientos inesperados; pero al final será el rizo negativo el que estabilice el sistema. Con base en los objetivos del proyecto se debe decidir cuáles son los componentes del mundo real que se incluirán en el sistema de interés y cómo se relacionan entre sí. También se debe bosquejar los patrones esperados de comportamiento en términos de la dinámica temporal de los componentes más relevantes del sistema, los cuales sirven como puntos de referencia en la validación del modelo, y asegurarse que éste provea el tipo de predicciones que permitan responder las preguntas planteadas y finalmente, tomar las mejores decisiones. Asimismo, se debe determinar por medio de los objetivos; si el modelo es apropiado para cumplir con los propósitos. De acuerdo con dichos objetivos, se puede profundizar en la interpretación de las relaciones entre sus componentes y en su capacidad predictiva.
En forma simultánea, deberá evaluarse qué tan sensibles son las predicciones del modelo a aquellos aspectos que hemos representado con cierta incertidumbre. Así como, determinar dicha sensibilidad a posibles errores cometidos al representar la ecuación fundamental. Con el uso de relaciones estimadas a partir de un amplio grupo de especies. Se deben definir los objetivos en términos del problema que se quiere resolver o de la pregunta a responder. Las preguntas o problemas pueden surgir a partir de observaciones en el sistema real o pueden ser impuestas por la necesidad práctica de evaluar diversos esquemas de manejo. Dichos objetivos deben definir el marco conceptual para las bases, desarrollo y evaluación. Así como, la interpretación de los resultados del modelo. El objetivo final del análisis de sistemas será responder las preguntas identificadas al comienzo del proyecto, lo cual implica que debemos diseñar y simular, con el modelo desarrollado. Los mismos experimentos que se realizan en el mundo real para responder las preguntas fundamentales.
Si bien, el diseño experimental es necesario para desarrollar una versión estocástica del modelo. Se puede correr el número de réplicas necesarias y comparar los valores predichos en el marco de cada uno de los regímenes de las variables. Para lo cual se utilizará un análisis de varianza y se detectará cualquier incoherencia que ayude a comprender el sistema y obtener sus beneficios en el proceso de desarrollo del modelo. En forma sintética, se puede decir que con el desarrollo del modelo conceptual se define un proceso por medio del cual abstraemos del sistema real aquellos factores y procesos a incluir en el modelo, por su relevancia para los objetivos específicos, de tal forma que en la evaluación del modelo pueda determinar la utilidad del modelo desarrollado.
Respecto de los objetivos específicos planteados, se definirán los límites del sistema de interés y se identificarán las relaciones entre los componentes que generan la dinámica del sistema. Con base en las siguientes etapas de desarrollo del modelo: 1) definir los objetivos del modelo así como los límites del sistema de interés, 2) clasificar los componentes de este último, 3) identificar sus componentes, 4) representar formalmente el modelo conceptual, y 5) describir los patrones esperados del comportamiento del modelo. Durante el desarrollo del modelo cualitativo se tratará de traducir el modelo conceptual a una serie de ecuaciones matemáticas que en conjunto forman el modelo cuantitativo, para lo cual se usarán los diversos tipos de información sobre el sistema real; posteriormente se resuelven todas las ecuaciones del modelo para el periodo completo de simulación.
Esta simulación recibe el nombre de simulación de referencia. Con la generación de este modelo se espera simular adecuadamente la dinámica general y productiva del sistema. La magnitud del impacto ecológico y económico; además, de pronosticar el destino de los sistemas actuales, ya que se podrán generar escenarios que permitan derivar la mejor toma de decisiones. Asimismo, se podrá conocer el grado de estabilidad de los sistemas existentes (naturales, implantados e impactados).
La elección entre un modelo analítico de la física y un modelo de simulación del análisis de sistemas implica, para el primer caso, pérdida de realismo ecológico a fin de tener más potencia matemática; para el segundo, la pérdida de potencia matemática para incluir más realismo ecológico. Si el nivel de detalle que se busca para lograr los objetivos deseados es mayor y, por lo tanto, nos exige el uso de modelos analíticos, se debe de tratar de usarlos; sin embargo, si se observa que en el nivel analítico de detalle apropiado se requiere un modelo que resulta demasiado complejo en su manejo, debemos otra vez cambiar y regresar al uso de los modelos de simulación, es decir, regresar a la idea de que lo complejo se resuelve con lo simple. Esto es muy importante, ya que para muchos problemas ecológicos, de manejo de recursos naturales y estudios de impacto ambiental, es necesario representar el sistema de interés de una manera muy compleja, con metodologías de análisis sistémico para su solución, ya que no se puede hacer en forma analítica.
INFORMACIÓN REGIONAL Y MONITOREO
Los datos regionales son críticos para la realización de pronósticos y el conocimiento de los procesos de gran escala, ya que los estudios de pequeña escala nunca serán suficientes para este propósito. Las redes de información y el monitoreo permanente son necesarios para un mejor pronóstico, así como para un mejor conocimiento de las estrategias adaptativas y de diseño con retroalimentación, evolución y otras dinámicas básicas en la naturaleza.
El proceso de planeación debe empezar con la información climática, biológica y socioeconómica existente. La mayoría de los sitios requiere prospecciones para proveer información más exacta; sobre la cual podamos basar nuestras decisiones, además, de realizar los diagnósticos requeridos para la planeación. Estos deben estar centrados principalmente en la información necesaria para los procesos de toma de decisiones. Mediante las mejores herramientas existentes para tales objetivos, como son los sistemas de información geográfica, fotografía aérea, sensores remotos, etcétera, y con la participación de las localidades en la adquisición regional de información.
En general, no se conocen bien los caracteres estructurales y funcionales de los ecosistemas. Por lo que necesitamos muchas mediciones antes de estar en condiciones de asentar principios sólidos para la predicción. La mayor parte de las investigaciones bioclimáticas se dirigen al estudio de las variaciones de estado, ciclos y procesos biológicos relativamente cortos. Que logran un buen conocimiento de trabajo sobre periodicidades, ritmos y fenologías asociadas y llegan a comprender su importancia dentro del sistema ecológico en que operan. Es mucho menos lo que sabemos de los ciclos largos, sus mecanismos y la posible función de ciertos fenómenos biológicos son poco frecuentes y aparentemente aleatorios.
BIBLIOGRAFIA COMPLEMENTARIA
Bertalanffy, L. V. (1968). General System Theory, Brazilier, Nueva York. Cannon, W. B. (1929). Organization for physiological homeostasis, Physiological Review, 9, 399-431. Boulding, K. E. (1985). The world as a total system. Thousand Oaks, Beverly Hills: Sage Publications. Bunge, M. (1991). Una caricature de la ciencia: La novísima sociología de la ciencia, Interciencia, 16:69. Emery, F. E. (1969). Systems Thinking: Selected Readings, Penguin, Nueva York. Deutsch D. (1997). The Fabric of Reality. Penguin Books Foerster, Heinz Von and George W. Zoff (1962) Principles of Self-Organization, Pergamon Nueva York. Forrester, J. W. (1969). Industrial dynamics, Productivity. The MIT Press.Garrido, F., González de Molina M., Morin E., Serrano J. L., Solana J. L., Victor Toledo Angel Valencia (2007). El paradigma ecológico en las ciencias sociales. Icaria Antrazyt. Pp 301 Grant E. W., S. Marin L. y K. Pedersen E. (2001). Ecology and Natural Management System Analysis and Simulation. John W iley & Sons, Inc.Green, D. G. (1994). Connectivity and complexity in landscapes and ecosystems. Pacific Conservation Biology, 1(3): 194-200 Haken Hermann (1987). Synergetics: An approach to Self-Organization, en F. Eugene Yates (ed.), Self-Organinizing Systems, Plenum, Nueva York. Holland, J. H. (1995). Hidden Order: How adaptation breeds complexity, Addison-Wesley Publishing Co., Reading, MA. Jorgensen, S, Mejer, H. and Nielsen, S. (1998). Ecosystem as self-organizing critical systems, Ecological Modelling, 111: 261-268. Kauffman, S. (1993). The origins of order: Self-organisation and Selection in Evolution. Oxford University Press, New York. Kosko, B. (1993). Fuzzy thinking: the new science of fuzzy logic, Hyperion. Langton, C. (1990). Computation at the edge of chaos: phase transitions and emergent computation, Physica D, 42: 12-37. Levins, R. (1968). Evolution in changing environments. Princeton: Princeton University Press. Lilienfeld, Robert (1978). The rise of System Theory, Jhon Wiley, Nueva York Lotka, A.J. (1925). Elements of physical biology. Baltimore: Williams and Wilkins. May, R. M. (1972b). Will a large complex system be stable? Nature, 238, 413-414. Mingers, J., (1995). Self-Producing Systems. Plenum, Nueva York. Patten, B. C. (1991). Network Ecology, en Higashi, M. y T. P. Burns, Theoretical Studies of Ecosystems: The Network Perspective, Cambridge University Press, Nueva York. Prigogine, I., (1980). From Being to Becoming, Freeman, San Francisco. Ritter, O.W., (1996). Ciencia; predicción y entendimiento en el mundo moderno. Geo-UNAM. Vol. 3 no. 1 págs. 26-29.Ritter, O.W., Klimek G.R. (1997). La relación ciencia-educación y la busqueda de un nuevo perfil académico. Ciencia y Mar,I (1), pp.31-35.Ritter, O. W., P. Mosiño A. y R, Patiño M., (2000). Predicción y naturaleza. Revista Ciencia y Desarrollo. Julio / Agosto del 2J0. Volumen XXVI, No. 153.Ritter O.W., Guzmán S. R., Sánchez N., (2002). El clima como sistema complejo adaptativo en coevolución. Revista "Ciencia y Mar". mayo/agosto. volumen VI, número 17 páginas 23-35.Ritter O.W., Guzmán S. R., Sánchez N., Sánchez R., Suarez S. J., Perez E. T. (2007). Sistemas y más sistemas; ¿es todo en el mundo un sistema? Ciencia, enero/marzo, vol. 58, num. 1Rosen, R. (1970). Dynamical system theory in biology. Vol. I. New York: John Wiley and Sons. Shannon, C. E., W. Weaver (1949). The mathematical theory of communication, Urbana, University of Illinois Press. Schrodinger E. (1969). What is life? Cambridge University Press. Tabor, M. (1989). Chaos and Integrability in Nonlinear Dynamics. Wiley-Interscience, Nueva York. Thom, R., (1972). Stabilité structurelle et morphogenese. Ediscience, Paris, Villa, F. (2000). Integrating Modelling Toolkit, Institute for Ecological Economics, University of Maryland, USA. Von Neumann y O. Morgenstern (1974). Theory of games and economic behavior, Princeton University Press, 3a edition.Wiener, N. (1948). Cybernetics, John Wiley & Sons, Nueva York. Wolfram, S. (1984). Cellular automata as models of complexity, Nature, 311:419-426.
(Volver a página inicial)