Globalización: Revista Mensual de Economía, Sociedad y Cultura


Octubre de 2019

BIOGEOGRAFÍA Y NIVELES GLOBALES DE ORGANIZACIÓN EN LA NATURALEZA
Walter Ritter Ortiz


Sección de Bioclimatología, Centro de Ciencias de la Atmósfera, UNAM. Circuito Exterior s/n, Ciudad Universitaria, Deleg. Coyoacan, México, D. F. email: walter@atmosfera.unam.mx .


INTRODUCCIÓN

La simulación dinámica de escenarios en la naturaleza es una herramienta útil para entender cómo funcionan los sistemas naturales e identificar sus potenciales problemas y explorar soluciones para estos.

El éxito en el manejo del cambio ambiental, se basa en la capacidad de anticipación que utilicemos. El terminar con los recursos naturales, que sostienen a las economías regionales, así como el deterioro del agua, suelo y aire, son verdaderas amenazas, a nuestra civilización. El continuo abastecimiento de agua y alimentos, así como la conservación de nuestra salud, depende de nuestra habilidad de anticipar y de prepararnos para un futuro incierto.

Los escenarios generados por procesos de simulación, proveen de un indicador de posibilidades (pero no así de algo definitivo), siendo las bases para realizar proyecciones que aplican las herramientas del pronóstico bioclimático, en escenarios específicos. Los atributos de los ecosistemas pronosticables son, aquéllos en los que la incertidumbre puede ser reducida a la magnitud en la que con los pronósticos, estamos reportando información útil para la toma de decisiones.

La simulación, no es un fin en sí misma y tampoco es una bola de cristal que pueda pronosticar el futuro con absoluto detalle y exactitud, pero sí puede ayudarnos a entender los mecanismos interiores que determinan cómo trabaja un sistema; primero, describiendo sus procesos y transformaciones e identificando posibles mecanismos detrás de los ciclos y tendencias observadas de largo plazo; además, determinando cómo el sistema mantiene su estabilidad o asimismo, identificando mecanismos por los que puede perderla, pronosticando futuras manifestaciones de los sistemas existentes, proyectando ciclos y tendencias, evaluando los impactos de políticas opcionales e identificando escenarios en que la estabilidad se pierda o se restaure.

Igualmente, no debemos olvidar que una manera útil de juzgar un modelo es a través de cuánta información pueda aportarnos con el máximo posible de economía, así como de que nos permita comunicarnos de forma más efectiva con dicho modelo y, lo que éste representa.

SIMULACIÓN CON ENFOQUE SISTÉMICO EN LA SOLUCIÓN DE PROBLEMAS BIOCLIMÁTICOS

Los modelos generalmente no capturan de forma precisa toda la realidad y, esto se refleja en el hecho de que muchos de los modelos ampliamente usados en el campo ambiental, deben ser continuamente ajustados y refinados. Pero finalmente, lo más valioso de un modelo será su capacidad de detectar los cambios y fluctuaciones y también, de identificar las variables críticas responsables de dichos cambios, así como de capturar y entender los efectos de retroalimentación en el sistema, ya que en los sistemas dinámicos, sus elementos se modifican de manera constante y complicada e incluso sorpresiva.

El objetivo no es desarrollar modelos que capturen todas las facetas de la vida diaria, ya que tales modelos tendrían poca utilidad al ser tan complicados como los sistemas mismos que deseamos entender. El verdadero propósito de la modelación dinámica es llegar a descubrir los principios básicos, que nos conduzcan a descubrir la complejidad observada en la naturaleza. Para nosotros, esto es el significado de simplicidad.

La posibilidad de comprender todo lo comprensible, depende más de la estructura de nuestro conocimiento que de su contenido, donde nuestras teorías llegarán a ser tan generales y tan profundas y, a estar tan integradas entre sí, que se convertirán, de hecho, en una sola teoría de una estructura unificada de la realidad.

Las estimaciones iniciales de simulación, pueden ser derivadas de la información empírica o aún de sugerencias razonables de los expertos en la materia o del equipo de modeladores; ya que aun los modelos construidos en tales situaciones de incertidumbre, pueden ser de gran valor y utilidad en la toma de decisiones, proveyéndonos de 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 dirigirnos a las variables de control, cambiando así las primeras y entrando en ciclos siempre cambiantes, para al final volver a otra variable de estado o tal vez irse hacia el infinito, al cero o al comportamiento caótico. Esto nos habla de un proceso de retroalimentación, hecho tan común en los sistemas ambientales.

SISTEMAS DE CONTROL Y RETROALIMENTACIÓN EN LA SIMULACIÓN Y PRONÓSTICOS AMBIENTALES

La retroalimentación negativa, tiende a forzar a 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 llevarnos 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 y consecuentemente, debemos poner especial atención a la no linealidad, particularmente si se trata de efectos de retraso.

Un sistema complejo, usualmente se le define como una red de muchos componentes, cuyo comportamiento de agregados da lugar a estructuras en varias escalas y patrones y, cuya dinámica no es inferible de una descripción simplificada del sistema. Un sistema complejo, a diferencia de uno simple, es visto como una entidad cuyo comportamiento global es más que la suma de las operaciones de sus partes.

Hasta la fecha, ha sido posible identificar características que parecen ser comunes a todos los sistemas complejos, incluyendo organizaciones espaciales y temporales, emergencias, adaptaciones, niveles críticos de conectividad y autopoiesis en sistemas vivos. El campo es altamente multidisciplinario, juntando expertos en varias ramas para su estudio, que van desde economía, ciencias sociales, biología, física y meteorología.

Así por ejemplo, el comportamiento aleatorio y errático de organismos individuales en conjunción con influencias ambientales aleatorias, pueden producir persistencia, estructuras autoorganizadas y dinámicas a escalas poblacionales. Y esto a su vez, afecta el comportamiento de los individuos en las poblaciones, dando lugar a emergentes procesos de retroalimentación u otras estructuras y funciones autoregenerativas.

La adopción de la idea de que puede haber niveles críticos de conectividad en ecosistemas, está también cambiando la forma en que las cadenas alimenticias y los patrones del paisaje son analizados.

Un impacto significativo de esto, es el reconocimiento de que la inclusión de elementos espaciales en un modelo de ecosistemas, puede tener un efecto radical sobre la dinámica pronosticada; a menudo, moviendo un sistema de un estado de equilibrio a otro de caos, en algún otro régimen complejo, considerados anteriormente como inválidos o inestables, pero que ahora se cree que son lo más cercano a lo que ocurre en la realidad.

Podemos considerar también lo inadecuado de algunas teorías con respecto a soluciones rápidas de los problemas ambientales y, analizar y criticar la posibilidad de uso de analogías derivadas de la física o de otras ciencias, para la solución de los problemas ecológicos. Los supuestos e hipótesis deberán ser probados regularmente: formulando modelos, corriéndolos y probando los resultados contra el comportamiento cuantitativo y cualitativo de un mundo real.

SISTEMAS COMPLEJOS Y EL ENFOQUE SISTÉMICO

Vivimos en un mundo de sistemas y somos sistemas dentro de sistemas, por lo que para comprendernos, necesitamos obligadamente utilizar técnicas del pensamiento sistémico.

Si consideramos que un sistema es un conjunto de elementos interactuando entre sí, con un propósito en común, podemos decir que es algo que fundamenta su existencia y sus funciones como un todo, mediante la interacción de sus partes. Al utilizar el enfoque sistémico a la solución de problemas de sistemas complejos debemos:

Combinar, condensar y sintetizar una gran cantidad de información concerniente a los componentes del sistema.
Examinar en detalle la estructura del sistema.
Trasladar este conocimiento, de los componentes del sistema, funciones y estructuras, en modelos del sistema.
Usar los modelos para derivar nuevas posibilidades acerca de la operación, manejo y utilización del sistema.


LOS SISTEMAS COMPLEJOS Y LAS EMERGENCIAS RESULTANTES DE SU ESTRUCTURA GLOBAL

Los sistemas complejos pueden actuar de formas que no son predecibles mediante el análisis de sus partes por separado, pues funcionan como un todo y tienen propiedades distintas de las partes que lo componen, conocidas como propiedades emergentes, pues emergen del sistema mientras está en acción.

Contempla el todo y las partes así como sus conexiones, estudiando el todo para poder comprender las partes. Su comportamiento depende de la estructura global, donde la disposición de las piezas es fundamental, con las partes conectadas y funcionando todas juntas.

Como las propiedades emergentes surgen del conjunto o totalidad del sistema, veremos que si el sistema lo descomponemos en sus partes, también perderemos, dichas propiedades emergentes.

Vivimos cotidianamente con las propiedades emergentes sin tomarlas en cuenta; sin embargo, no dejan de ser (después de analizarlas) sorprendentes e impredecibles.

El mismo equilibrio de la naturaleza podemos considerarlo como una propiedad emergente. Y si perturbamos el medio ambiente, algunas especies se extinguirán mientras que otras se convertirán en dominantes. Pero, después de romper el equilibrio inicial, surgirá otro, con la ventaja de que no es necesario comprender el sistema para beneficiarse de él.

Donde los diferentes sistemas, pueden estar organizados en torno a las siguientes reglas generales:
Su comportamiento no dependerá de cuáles sean las partes, sino de cómo se conecten, permitiendo hacer predicciones de su comportamiento sin el conocimiento detallado de las partes.
Su mayor tamaño no significa un mejor funcionamiento y, donde cada sistema tendrá su tamaño óptimo para funcionar.
Funciona como un todo con propiedades llamadas “Emergentes” distintas de las partes que lo componen.
Nos lleva más allá de los sucesos del fenómeno para ver los patrones de interacción de los elementos y las estructuras que los pudieran producir.
No se pueden predecir las propiedades del sistema dividiéndolo y analizando sus partes. Sólo funcionando el sistema como un todo, podremos conocer cuáles son sus propiedades emergentes.
Todo depende del grado de complejidad dinámica. Las propiedades surgen del conjunto del sistema y no de sus partes, por lo que al descomponerlo en sus partes, pierde dichas propiedades.
Cada parte, por pequeña que sea, puede influir en el comportamiento del conjunto. Donde todas las partes son dependientes entre sí y mantienen una interacción reciproca.
Los sistemas más complejos presentan mayores vínculos.
La estabilidad del sistema depende de muchos factores, entre ellos el tamaño, cantidad y diversidad de los subsistemas, así como del grado de conectividad que exista entre ellos.
Los sistemas complejos son particularmente estables y por tanto, resistentes al cambio. Los cambios en estos sistemas, se darán más fácilmente si identificamos las conexiones apropiadas, es decir, hay que saber dónde intervenir para obtener un gran resultado con un pequeño esfuerzo.


Algunas partes del sistema ejercen un mayor grado de control, es decir, suelen ser más importantes ya que cuanto más alto es el nivel de control de la parte en que se efectúa el cambio, más se extienden y ramifican sus efectos. Cualquier modificación afectará a otras partes del sistema, que a su vez afectarán a otras más alejadas del cambio original.


La ventaja de los modelos matemáticos es, de que son precisos y abstractos, transfiriendo información de forma lógica y, actuando como un medio de representación y comunicación sin presencia de ambigüedades.

La mayor desventaja es: que los modelos pueden distorsionar un problema al insistir en el uso de un modelo particular, aun y cuando no se ajuste a la realidad y, las aparentes dificultades de abandonar un modelo que no es capaz de avanzar más en el proceso de investigación.

Es por esto importante entender que la modelación matemática, para su mejor uso, es solamente un paso más y, que forma parte de un conjunto mayor de procesos. Y en este amplio horizonte de la investigación ambiental, debemos obtener el máximo rendimiento y óptimo aprovechamiento para lo que el modelo ha sido diseñado. Pero, al mismo tiempo, debemos evitar que se convierta en un ente aislado sin relaciones ni correspondencias y, sin propósitos claros y concretos, con distorsiones aberrantes al ser convertido finalmente en el único propósito de interés del trabajo.
Un ecosistema como sistema complejo, debemos definirlo como: “Un sistema resultante de la integración de todos los factores vivos y no-vivos del ambiente y, como una unidad de paisaje en un segmento definido de espacio y tiempo”. Es un complejo de organismos y ambiente, formando un todo funcional.
El punto focal en la investigación es la de mejorar nuestro entendimiento del sistema completo: no importa que tan concreto o detallado sea nuestro estudio, la relación con el todo será el tema dominante.

LÍMITES EN EL PODER EXPLICATIVO Y PREDICTIVO DE LOS MODELOS: ¿PODEMOS ENTENDER CÓMO FUNCIONA LA NATURALEZA?


Los científicos dan por supuesto de que este mundo está estructurado de alguna forma y, que los métodos de la investigación científica pueden revelar todos o casi todos los aspectos de esta estructura.

La solución del problema, a menudo significa encontrar la originalidad en la intersección de varias disciplinas.

Obviamente no conocemos aún todas las respuestas y ni siquiera todas las preguntas importantes que podamos hacer. Sin embargo, la experiencia demuestra que gran parte del trabajo más interesante y productivo, tienen lugar en y a través de las fronteras que se autoimponen las diferentes disciplinas.

Los principales científicos toman conciencia clarísima de que los fenómenos de la naturaleza son constitutivamente complejos y, que su complejidad tiende a aumentar al integrarse en unas o en otras composiciones, al relacionarse unos con otros; tales fenómenos generan nuevos niveles de realidad.

Tales percepciones, exigen construir conocimientos correlativamente complejos, coordinados por una nueva metodología, que participa en ese conjunto de interacciones.

Las características exclusivas de los organismos vivos, no se deben a su composición, sino a su organización.

Este organicismo se manifiesta en las características de los sistemas más complejos y organizados y, en la historia evolutiva de los programas genéticos de los organismos.

Es decir, que los todos están relacionados con sus partes, donde no sólo el todo depende de la cooperación ordenada y la interdependencia de sus partes, sino que el todo, ejerce algún control sobre sus partes. En síntesis, que el todo es más que la suma de sus partes.

LOS SERES VIVOS JERARQUÍAS DE SISTEMAS COMPLEJOS

El siglo XX ha sido considerado como el siglo de la biología, sin embargo muchas veces entre los propios biólogos se tiene un concepto obsoleto de las ciencias de la vida, tendiendo a querer ser especialistas o súper especialistas sobre un tema, lo que no les permite contar con el tiempo de informarse y, de tener alguna idea de los avances fuera de su área de estudio o mucho menos de ver las ciencias de la vida en su conjunto y como un todo.
Podemos decir que hay muy pocos biólogos que realmente sean capaces de distinguir y apreciar lo que sus diversas especialidades tienen en común. Obviamente esto da poca oportunidad de realizar la integración de unas con otras especialidades.
Todo esto produce la diferencia fundamental entre la forma de estudio de la física y la biología. Ambos mundos, el animado y el inanimado, obedecen las leyes universales de la física; pero los primeros, deben obedecer además las instrucciones de su programa genético.

Los seres vivos forman jerarquías de sistemas cada vez más complejos: moléculas, células y tejidos, organismos, poblaciones y especies. En cada nivel surgen características, las llamadas emergencias, que no se habrían podido predecir estudiando los componentes del nivel inferior.
La biología bien entendida, incluye el pensamiento poblacional, la probabilidad, la oportunidad, el pluralismo, la emergencia y la narración histórica.
Toda persona culta debería estar familiarizada con los conceptos biológicos básicos: de evolución, biodiversidad, competencia, extinción, adaptación, selección natural, reproducción, desarrollo, etc. La superpoblación, la destrucción del ambiente y la mala calidad de vida, se puede resolver sólo con medidas basadas en el conocimiento de las raíces biológicas de estos problemas.
Una rápida secuencia de generaciones, produce nuevos genotipos en número suficiente como para hacer frente de manera permanente a los cambios del ambiente. Mientras que los materialistas o fisicistas, nos dicen que los sistemas vivos no son diferentes de la materia inanimada y, que a nivel molecular, la vida se puede explicar según los principios de la física y la química.
Los vitalistas, aseguran que los organismos vivos tienen propiedades inexistentes en la materia inerte, ya que poseen numerosas características propias, en especial en sus programas genéticos adquiridos a lo largo del tiempo. Pero, ¿Cómo explicarse que el proceso de la vida es el producto de moléculas que en sí mismas no están vivas?
A la filosofía que acabó compaginando los principios más válidos del materialismo y del vitalismo, se le llamó organicismo, paradigma dominante en la actualidad.

Conocer, constituye una de las funciones esenciales de toda la evolución cósmica y, por tal razón, esta función debe, asimismo, considerarse como una parte importante de la función del hombre, en la medida en que conocer, acepta participar en la evolución. Conocer es ante todo, una actitud frente a la realidad exterior. Conocer equivale a un despertar continuo a esta realidad.
Pero, ¿Cómo aceptar que lo esencial de la realidad exterior sea algo que puede describirse de forma variable y, dependiente del observador?


ADMINISTRACIÓN SUSTENTABLE DE LOS RECURSOS NATURALES

El manejo científico de los recursos naturales, provee de un área fértil para la aplicación de nuevas metodologías del enfoque sistémico, con una visión integrada de sistemas complejos. Por esta razón, es necesaria la simulación y construcción de modelos dinámicos bio-económicos, con incorporaciones climáticas y ambientales así como económicas y sociales, que es donde debe aterrizar finalmente la utilidad de toda modelación de este tipo.
Una posible explicación en la falta de aparente interés por el manejo científico de los recursos naturales puede estar en la naturaleza interdisciplinaria del problema, por lo que expertos en biología, economía, climatología y sociología tienen que admitir su ignorancia en el campo de cada uno de los otros.
Es necesario dar un salto en el conocimiento de las diferentes disciplinas involucradas, por la ligazón de hechos diseñadas por el enfoque sistémico y las teorías básicas de las ciencias naturales, para crear áreas de trabajo común que sirvan de explicación y podamos tener el maravilloso sentimiento de reconocer la unidad de lo que a simple vista parecieran ser cosas separadas, de los fenómenos complejos en la naturaleza.
En la naturaleza, la dinámica poblacional de los recursos naturales es muy complicada por lo que diseñar un programa apropiado de explotación de los recursos naturales no es algo simple, ya que debe esperarse que el tamaño o magnitud del aprovechamiento, estará influenciado por el suplemento de bienes que puede aportar dicho recurso; así también como de cualquier fluctuación que pueda ocurrir en su medio entorno, tanto ambiental como económico, político, social, etc.
Un depredador prudente consume sus presas de manera tal que pueda maximizar su suplemento alimenticio y al mismo tiempo minimizar la posibilidad de que la población consumida sea incapaz de automantenerse y seguir siendo utilizada como alimento en el futuro. Y de igual manera debemos actuar los seres humanos en el uso de nuestros recursos naturales. Es decir, un depredador debe usar sus presas de manera eficiente y, al igual que lo observado en la naturaleza, comportarse con mucha prudencia.
Las leyes naturales son absolutas e inmutables y funcionan independientemente de los valores y juicios humanos; esto es, la naturaleza está regida por leyes y es a través de la selección natural, que sus sistemas se adaptan a las condiciones del ambiente local.
Es necesario identificar aquéllas que son pertinentes para nuestros propósitos, si deseamos ajustarnos al orden natural, para tratar de comprender los factores que gobiernan y regulan el desarrollo, estructura y funcionamiento de los sistemas productivos naturales.

ANÁLISIS DE ECOSISTEMAS Y SISTEMAS COMPLEJOS: PATRONES DE ORGANIZACIÓN EN LA NATURALEZA

El número de especies en una determinada área, está dada por la historia evolutiva de la región geográfica y las interacciones de las especies, así como de su relación con el medio físico.
El aislamiento geográfico permite la evolución de diferencias específicas entre dos poblaciones aisladas de la misma especie, afectando los patrones de interacción en la comunidad, el cual a su vez determina en gran manera, el curso a seguir de la evolución.
Entre más comprendamos los procesos biológicos, más sabiamente podremos manejarlos. La vida y las vidas que observamos en la naturaleza es un continuo ejercicio en la resolución de sus problemas, donde cada animal que surge como producto, parece exhibir el mejor de los diseños, surgiendo cada uno como una creación para propósitos múltiples, donde todo es una coevolución, manifestada a través de biosféricas dependencias.
Cada comunidad es única y, asociada con esta visión de estructura fundamental está la noción del "balance de la naturaleza", que nos dice que cuando la naturaleza es perturbada, rápidamente reaccionará para restaurar su equilibrio.
Una comunidad es en la forma que es; sus condiciones locales lo dictaminan así donde los miembros de la comunidad están estrechamente adaptados a estas condiciones y, en concordancia e interactuando íntimamente entre ellos.
El balance de la naturaleza se refiere a la habilidad de la comunidad a resistir o recuperarse de perturbaciones externas. Las modificaciones en el medio físico pueden ser una herramienta poderosa de cambio evolutivo y a menudo, vienen siendo los factores críticos.

BALANCES Y FACTORES EXTERNOS DE PERTURBACIÓN

Una vez que la comunidad ha alcanzado su equilibrio, la mayor fuerza de perturbación del balance es el clima, ya sea de largo plazo o por episodios repentinos, tales como tormentas o cambios de temperatura.
Todo lo que observamos en la historia de las poblaciones, ya sea su regularidad o aparente aleatoriedad o cualquier combinación de las dos, se dice que es resultado de esas fuerzas externas.
Los cambios poblacionales, pueden llevar a la comunidad a mayores niveles de diversidad de especies, donde los parches naturales de los diferentes ambientes, reflejan pequeñas pero muy importantes variaciones en las condiciones físicas del entorno.
Las poblaciones, no sólo fluctuarán en tamaño conforme transcurran en el tiempo, sino también su distribución en el espacio presentara una distribución de conglomerados o parches, que emergen de la misma naturaleza. Aunque para períodos de largo plazo, podamos observar que el número promedio de individuos en una población puede ser relativamente estable; en el corto plazo, tienden a fluctuar alrededor de su valor promedio.
Algo clave para entender la dinámica de las comunidades ecológicas en el corto tiempo, es la de obtener un mayor conocimiento de qué es lo que determina la fluctuación interna de la población. Pero también sería de gran utilidad en tratar de pronosticar lo que puede ocurrir cuando una población es explotada o cuando los patrones climáticos son alterados.

LIMITACIÓN ENERGÉTICA EN LA PRODUCCIÓN POBLACIONAL

La mayoría de los animales en estado salvaje, experimentan períodos de limitación de energía, limitando lo que ellos pueden hacer en cuanto a movimiento, crecimiento, reproducción y producción metabólica de calor.
La cantidad de energía que se recibe, procedente de los alimentos, debe equilibrar la cantidad de energía que se utiliza para vivir; y si este delicado equilibrio se descompensa, la muerte está asegurada, salvo que se pueda recuperar rápidamente el equilibrio.
Dado que todos los animales y plantas que se encuentran en un ecosistema compiten o se devoran entre sí para conseguir energía, la totalidad del entramado de la vida, tiene sus vínculos formados por una serie de intercambios de energía que se deben optimizar, si la especie desea sobrevivir.
Los ecosistemas, son sistemas abiertos que están asociados a los cambios y fluctuaciones energéticas de su medio ambiente. En el caso de ambientes fluctuantes, el ecosistema estará compuesto de especies con una razón reproductiva alta y menores requerimientos especiales, con menor diversidad y menor complejidad y, su flujo de energía por unidad de biomasa permanece relativamente alto.
Un ecosistema que no está sujeto a perturbaciones fuertes del exterior, cambia de manera progresiva, pronosticable y direccional, convirtiéndose en más maduro, con incrementos de la complejidad de su estructura y minimización del flujo de energía por unidad de biomasa.

INFORMACIÓN, AUTOORGANIZACIÓN Y SISTEMAS DISIPATIVOS EN EL PRONÓSTICO DE LA DINÁMICA PRODUCTIVA DE LOS ECOSISTEMAS

Los modelos, son herramientas para detectar “patrones” o tendencias que pueden ser útiles para generar hipótesis comprobables acerca de la organización de comunidades. La abundancia relativa de grandes ensambles heterogéneos de especies, tiende a ser gobernada por muchos factores independientes y, de acuerdo al 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 al 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 en los parámetros del modelo, el cual potencialmente daría información fundamental de los nichos de las especies y, cómo 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 y, diferentes modelos derivados de postulados en conflicto, pueden ser ajustados al mismo grupo de datos.

El mayor obstáculo a 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 una 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 en que permanezca sin ser perturbado. La sucesión, nos lleva a considerar como más maduro o más complejo al ecosistema, cuando esté compuesto de un mayor número y grado de interacción de sus elementos; 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 y, la organización interna pasa por perturbaciones aleatorias a ritmos cuasi-regulares.

BIOGEOGRAFÍA Y NIVELES GLOBALES DE ORGANIZACIÓN BIOCLIMÁTICA

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 construida en una simulación poblacional, que puede ser usada 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 de preferencia, afirmaciones sobre el ecosistema como un todo global, así como de especies y de tiempos en particular; de afirmaciones válidas para muchas especies y no solamente para una. La alternativa es intentar analizar la naturaleza de tal forma que pueda ser descrita en una forma rigurosa, donde las predicciones puedan ser derivables mediante procedimientos reproducibles. Además, siendo 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 que 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, para conseguir respuestas que son complicadas expresiones de los parámetros y, que 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 pueden resultar en cambios en el otro; y tales cambios pueden ser usados para evaluar la naturaleza y magnitud de impacto ambiental.

Cualquier modelo, puede ser considerado como una teoría surgida de los datos y necesitamos evaluar su exactitud predictiva, 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 sean entendidos, todos los sistemas podrían ser comprendidos.

Los modelos, nos permiten realizar deducciones, formular hipótesis y predecir resultados, construyéndose así las teorías. Y, en un despliegue de sistemas, las leyes se revelarán por sí mismas con este nuevo enfoque, donde 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 complejas 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, donde 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 Poincaré, fue la recuperación de las metáforas virtuales, rompiendo el dominio del análisis y las fórmulas, volviendo a los patrones visuales.

La predicción exacta, aún 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 y su objetivo, es la organización y no la estructura, en la que 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, donde toda la red se hace a sí misma, continuamente.

ANTICIPACIÓN A LOS PROBLEMAS AMBIENTALES

Anticiparnos a muchos de nuestros desafíos ambientales por presentarse en las próximas décadas, requiere de un mejoramiento sustantivo de las actuales metodologías de adquisición del conocimiento científico; donde la simulación y el pronostico ecológico emergen como un imperativo para mejorar la planeación y la toma de decisiones sobre el estado de los ecosistemas y de su capital natural productivo, llevándonos hacia una capacidad de producir, evaluar y comunicar dichos pronósticos en aquellos estados críticos que requieran de un proceso de atención inmediata, que involucre ligas interdisciplinarias y análisis de sus posibles procesos de propagación y retroalimentación, incluyendo procesos evolutivos y emergentes, considerando impactos sociales y la relevancia del pronóstico en los procesos de toma de decisiones.

En base a la nueva visión de la ciencia del enfoque sistémico, se propone la creación de un modelo general de simulación y pronóstico, que de forma integrada de respuesta 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 nos permitirá la creación de escenarios requeridos para una mejor toma de decisiones.

Definimos al 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 del suelo, población humana, tecnologías, actividad económica y educativa.

A fin de utilizar aspectos de metodologías comunes en los diferentes proyectos por desarrollar, se hace 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, esperando con esto una mayor homogeneidad y cohesión de sus propósitos, así como en 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, sociales y personales que vivimos en nuestra época y que actúan como procesos de retroalimentación de los objetivos iniciales.

Cuando nos encontramos con un problema de tipo ambiental o de cualquier otro tipo y necesitamos resolverlo, además de considerar las interacciones entre los factores físicos, biológicos y ecológicos, debemos tomar en cuenta también los factores económicos, culturales y legales; ya que si abordamos estos problemas por métodos simplistas, llegaremos al diseño de experimentos y muestreos de baja calidad, que nos 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 requeridos modelos matemáticos 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 relacionada 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 son todo tipo de ecosistemas conocidos) y que además, promueva el diseño de proyectos de investigación que nos ayuden a tomar decisiones adecuadas, utilizando el 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.

Como climatólogos ecólogos y administradores de los recursos naturales, frecuentemente debemos analizar sistemas que están caracterizados por una complejidad organizada, como cuando se cuenta con poca información, pocos datos y poca expectativa de generar una base de datos completa. Para esto es precisamente que ha sido diseñado y desarrollado el análisis de sistemas y sus metodologías de investigación, que permiten integrar el conocimiento obtenido por medio de la descripción, la clasificación y 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. Necesitamos una amplia distribución de información, puntos de vista e interpretaciones si queremos entender el significado del mundo en que vivimos. El cual, debe entenderse no como un mundo de objetos sino de procesos. 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, como solía decir Einstein. Y Mandelbrot, nos dice que en un mundo cada vez más complejo, los científicos necesitan tanto las imágenes como los números, es decir la visión geométrica y la analítica.

Necesitamos 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 podamos abstraer del sistema real aquellos factores y procesos que deben ser incluidos dentro del modelo por ser relevantes en nuestros objetivos específicos, de tal manera que en la evaluación del modelo se compare el enfoque de sistemas con otros métodos utilizados para resolver problemas en éstas y otras áreas.

El modelo puede ser de lo más simple posible siempre y cuando no excluya a aquellos componentes cruciales para su solución y, donde las decisiones deben estar basadas en la información de mejor calidad que tengamos acerca del sistema en estudio. En otro caso, podrá ser necesario monitorear varios atributos del sistema en forma simultánea, clasificando los componentes del sistema de interés por sus diferentes funciones en el modelo. Dichos componentes los podemos 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 podemos formular hipótesis útiles acerca de la estructura y funcionamiento del sistema, debemos concentrar nuestro esfuerzo en realizar nuevas observaciones en el sistema natural. La idea básica fundamental detrás de todo esto, es que podamos realizar experimentos de simulación de la misma forma en que se pudiera realizar en un laboratorio o en la misma naturaleza.

La justificación del estudio, es debido a nuestro interés por lograr un crecimiento económico sin destruir los sistemas ecológicos que forman la base de nuestra existencia. Necesitamos introducir el uso del análisis de sistemas y su simulación, como herramientas de apoyo para resolver los problemas de impacto ambiental que a diario se nos presentan y, que además nos 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 del 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 manejo de recursos naturales, del cual se puedan derivar proyectos más específicos en la solución de problemas regionales.

Generar escenarios de los sistemas ecológicos en el tiempo histórico (en el pasado, actual y futuro) y el espacio para 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 las potenciales redes de intercomunicación en dichos ecosistemas, de tal forma que el modelo sea multidisciplinario, multifactorial, multirelacional y multifuncional, que sirva de herramienta en la simulación de posibles escenarios y a su vez sea una herramienta para la toma de decisiones.

OBSERVACIONES Y CONCLUSIONES GENERALES

Para contestar una pregunta, demostrar una teoría o para clasificar una parte del mundo real, todos coincidimos en que dependiendo de nuestros intereses, algunas de las posibles perspectivas a elaborar serán más adecuadas y útiles que otras; donde los sistemas de interés generalmente presentan dos propiedades de importancia primordial: Primera, 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. Segunda, a cualquier escala y a 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 debemos definir cuidadosamente los límites del sistema de interé, de acuerdo con el problema que estamos estudiando.

El reduccionismo actual (estudio de las partes por separado), ha demostrado ser muy eficiente en la ciencia, siempre y cuando podamos entender que las entidades complejas de la naturaleza no sólo son 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, incluyendo a la cibernética, teoría de la información, teoría de juegos, teoría de decisiones, análisis factorial, ingeniería de sistemas, investigación de operaciones, etc., considerando a los sistemas como un complejo de componentes interactuantes, con conceptos característicos de totalidades organizadas como son: interacción, suma, mecanización, centralización, competición, finalidad, etc. Y, saber aplicarlos a fenómenos concretos.

La naturaleza posee un orden que podemos comprender y la ciencia tan solo es una descripción optimista de cómo pensar una realidad que nunca comprenderemos del todo; sin embargo, con el enfoque sistémico, comenzamos a entrever una forma enteramente nueva de comprender las fluctuaciones, el desorden y el cambio, 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, lo consideraremos ejemplificado por nuestros estudios de diagnóstico, simulación y pronóstico, que estarán apoyados exclusivamente en las metodologías de simulación, ya que si escogemos las variables apropiadas y representamos adecuadamente las reglas que gobiernan la dinámica y el proceso de cambio en el sistema de estudio, debemos poder predecir los cambios de dichos sistemas a través del tiempo. Es decir, podríamos simular correctamente el comportamiento del sistema, basado en las cuatro etapas fundamentales del proceso de desarrollo y uso del modelo, las cuales son las siguientes: Desarrollo del modelo conceptual; Desarrollo del modelo cuantitativo; Evaluación del modelo y Uso del modelo. Grant et al (2001).

En primer lugar, hay que identificar el problema con claridad y, describir los objetivos del estudio con precisión, teniendo en mente que vamos 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 podamos suponer que la realidad permanecerá estable. Debemos conocer los elementos que forman el sistema y las relaciones que existan entre ellos, ya que con frecuencia para solucionar un problema es más fácil y efectivo trabajar con las relaciones, incluyendo sólo aquellos elementos que tienen una influencia razonable sobre nuestro objetivo, que es la de 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 modelo, donde a través de un diagrama causal, se incorporan los elementos clave del sistema y sus relaciones. El concepto de rizo (definido como una cadena cerrada de relaciones causales) será muy útil, porque nos permitirá a partir de la estructura del sistema que analizamos, llegar hasta su comportamiento dinámico. Donde podemos ver que los sistemas socioeconómicos, ecológicos y climáticos estarán formados por cientos de rizos positivos y negativos, interconectados, identificando las razones estructurales que nos permitan decidir cómo modificar los bucles causales que lo alteran, ya que es la estructura del sistema lo que provoca su comportamiento, donde si el sistema tiene los elementos que causan el problema, también tiene la forma en la que se puede solucionar.

Notándose que en las estructuras de los sistemas estables, hay un número de relaciones impar y el bucle o proceso de retroalimentación es negativa y, donde cualquier acción que intente modificar un elemento se ve contrarrestado por todo el conjunto de bucles negativos, súper-estabilizando el sistema, neutralizando en conjunto la acción o los cambios del exterior. En tales sistemas, el factor limitativo es lo verdaderamente importante, el cual 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, debemos decidir cuáles son y cómo se relacionan entre ellos los componentes del mundo real que incluiremos en nuestro sistema de interés; también debemos bosquejar los patrones esperados de comportamiento en términos de la dinámica temporal de los componentes más relevantes del sistema, sirviendo como puntos de referencia en la validación del modelo, asegurándonos que éste provea el tipo de predicciones que nos permita responder nuestras preguntas y finalmente tomar las mejores decisiones.

Asimismo, a través de los objetivos, debemos determinar si el modelo es apropiado o no para cumplir con nuestros propósitos y, dependiendo de dichos objetivos, podemos profundizar en la interpretación de las relaciones entre sus componentes, así como en su capacidad predictiva, donde además, nos interesa evaluar qué tan sensibles son las predicciones del modelo a aquellos aspectos que hemos representado con cierta incertidumbre, así como en determinar dicha sensibilidad a posibles errores cometidos al representar la ecuación fundamental, usando relaciones estimadas a partir de un amplio grupo de especies.

Debemos definir los objetivos en términos del problema que queremos resolver o de la pregunta que queremos responder, donde las preguntas o problemas pueden surgir a partir de observaciones en el sistema real o bien, 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 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 realizaríamos en el mundo real, para responder nuestras preguntas fundamentales. Si en el diseño experimental es necesario desarrollar una versión estocástica del modelo, podemos correr el número de réplicas necesarias y comparar los valores predichos en el marco de cada uno de los regímenes de nuestras variables, usando un análisis de varianza y, detectando cualquier incoherencia que nos ayude con su identificación a comprender el sistema y obtener sus beneficios en el proceso de desarrollo del modelo.

En forma sintética, podemos decir que con el desarrollo del modelo conceptual definimos un proceso por medio del cual abstraemos del sistema real aquellos factores y procesos a incluir en nuestro modelo y, por ser relevantes para nuestros objetivos específicos, de tal forma que en la evaluación del modelo podamos determinar la utilidad del modelo desarrollado.

Con respecto a nuestros objetivos específicos, definiremos los límites del sistema de interés e identificaremos las relaciones entre los componentes que generan la dinámica del sistema, basados en las siguientes etapas de desarrollo del modelo: Definir los objetivos del modelo; Definir los limites del sistema de interés; Clasificar los componentes del sistema de interés; Identificar los componentes del sistema; Representar formalmente el modelo conceptual; Describir los patrones esperados del comportamiento del modelo.

Durante el desarrollo del modelo cualitativo, trataremos de traducir nuestro modelo conceptual a una serie de ecuaciones matemáticas que en conjunto forman el modelo cuantitativo, haciendo uso de los diversos tipos de información sobre el sistema real; posteriormente resolvemos 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, esperamos 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 podremos generar escenarios que nos permitirán derivar la mejor toma de decisiones. Así mismo, nos permitirá 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 para tener más potencia matemática. Y 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, debemos de tratar de usarlos; sin embargo, si se observa que en el nivel analítico de detalle apropiado se requiere de un modelo que para trabajarlo resulta demasiado complejo, 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 en muchos problemas ecológicos, manejo de recursos naturales y estudios de impacto ambiental es necesario representar el sistema de interés de una manera demasiado compleja, recurriendo para su solución a metodologías de análisis sistémico, ya que no se puede hacer de forma analítica.

REDES DE INFORMACIÓN REGIONAL Y MONITOREO PERMANENTE

Los datos regionales, son críticos en la realización de pronósticos y 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 utilizando la información climática biológica y socio-económica existente, donde adicionalmente para la mayoría de los sitios, se requiere de prospecciones para proveer información más exacta en que basarnos en nuestras tomas de decisiones y nos permitan además, los diagnósticos requeridos de planeación, enfocándose principalmente en la información necesaria en los procesos de toma de decisiones, utilizando las mejores herramientas para estos objetivos, como son los sistemas de información geográfica, fotografía aérea, sensores remotos, etc., con la participación de las localidades en la adquisición regional de información.

La forma en cómo los datos sean colectados, interpretados, administrados y almacenados determinará la eficiencia en la administración de los recursos naturales. Mucha de la información de tipo multidisciplinario, está ya disponible de fuentes regionales, nacionales y mundiales, así como de otras fuentes, por lo que los sistemas de información geográfica (S.I.G.) y otros software sobre ambiente, están siendo utilizados para procesar y manejar esta información. Una primera meta debe ser la de acceder a esta información, para generar nuestros propios bancos 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 sólidos principios 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, adquiriendo un buen conocimiento de trabajo sobre periodicidades, ritmos y fenologías asociadas y, llegando a comprender su importancia dentro del sistema ecológico en que operan. Es mucho menos lo que sabemos, en relación con los ciclos largos, sus mecanismos, y posible función de ciertos fenómenos biológicos, poco frecuentes y, aparentemente aleatorios.


BIBLIOGRAFÍA

Altieri, Miguel (1995) Agroecology, Westview, Boulder, Colorado.
Baltimore, David (2001) Our genome unveiled, Nature.
Brown, Lester ( 1981) Building a Sustainable Society, Norton NY.
Capra, Fritjof (1982) The Turning Point, Simon & Schuster, NY.
Comisión Mundial para el Medio Ambiente y el Desarrollo (1987), Our Common Future, Oxford University Press, NY.
Forrester, J. W. Industrial dynamics. Cambridge, Mass., US, The MIT Press.
Grant, W. E. 1986. Systems analysis and simulation in wildlife and fisheries sciences. New York, John Wiley.
Grant, W. E., Marín, S. L. y Pedersen, E. K. 2001. Ecología y manejo de recursos naturales: análisis de sistemas y simulación. Editorial Agroamérica. San José, Costa Rica. 340 p.
Ho, Mae-Wan(1998a) Genetic Engineering–Dream or Nightmare?, Gateway Books, Bath.
Margulis, Lynn (1998a) Symbiotic Planet, Basic Books, NY.
Maturana, Humberto y Francisco Varela (1987) The Tree of Knowledge, Shambhada, Boston.
Ritter, O. W., P. Mosiño, A. y R. Patiño M. 2000. Predicción y naturaleza. Ciencia y Desarrollo. Volumen XXVI. No. 153.
Ritter, O. W., P. Mosiño, A. y R. Klimek. 2000. Una visión estadística no-lineal de El Niño, simulación y posible pronóstico. Ciencia y Mar. Volumen IV. No. 10: 29-37 pp.
Ritter, O. W., Guzmán, S. R., Sánchez-Santillán, N., Suárez, J., Corona, C., Muñoz, H., Ramos, A. Rodríguez, R. y Pérez, T. 2002. El clima como sistema complejo adaptativo en coevolución. Ciencia y Mar. Volumen VI. No. 17: 23-35 pp.
Shiva, Vandana (2000) The world on the Edge, en Hutton y Giddens.
Steinbrecher, Ricarda (1998) What is Wrong With Nature?, Resurgence.
Stewart, Ian (1998) Life`s Other Secret. John Wiley.
Tokar, Brian (2001) Redesigning Life?, Zed, NY.
Volcker, Paul (2000) The sea of Global Finance, en Hutton y Giddens.

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
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). Pred

Visitas: 231