¿Dónde las vemos en cada estación?

Del punto observado a la zona predicha

No todos los puntos de un mapa significan lo mismo

El trabajo reunió 322 avistamientos de orcas y 10.952 de otros cetáceos entre 2002 y 2012. Utilizó estos últimos como «pseudoausencias»: lugares donde se había detectado otra especie, pero no orcas. Construyó dos modelos aditivos generalizados, o GAM, para primavera y verano. En los métodos se consideran variables como profundidad, temperatura superficial, clorofila y posición geográfica. Respaldo: métodos y resultados del original.

Hay que distinguir una observación de una predicción. «Aquí alguien registró una orca» describe un dato. «Esta zona reúne condiciones asociadas a su presencia» describe un resultado del modelo. Un mapa coloreado puede representar lo segundo sin afirmar que se hayan fotografiado animales en cada una de sus celdas. Antes de interpretar colores, hay que leer qué magnitud y qué periodo representan.

Qué problema intenta resolver una pseudoausencia

Pensemos en un cuaderno inventado con tres anotaciones: «vimos una orca», «buscamos y vimos un delfín» y «no salimos al mar». Las tres no son intercambiables. En la última no hay información de búsqueda; en la segunda sí hubo alguna oportunidad de observar fauna. Eso hace que la segunda resulte más informativa que un punto elegido sin saber si alguien estuvo allí.

Pero tampoco equivale a inspeccionar cada metro de agua y demostrar que no había orcas. La visibilidad, el tiempo disponible y lo fácil que resulte detectar algo pueden afectar al registro. La palabra «pseudo» recuerda que se está utilizando una aproximación. Entender esta decisión es más útil que imaginar que todos los puntos sin orcas tienen exactamente el mismo valor.

Del recuento a una comparación justa

Ejemplo didáctico inventado: un equipo observa orcas en dos de diez salidas a una zona; otro, en ocho de cuarenta salidas a otra. La segunda zona acumula cuatro veces más encuentros, pero ambos cocientes son del 20 %. Contar puntos sin considerar las oportunidades de observarlos puede cambiar nuestra impresión. Este ejemplo no reproduce el GAM ni corrige todos los problemas del muestreo.

Incluso esos porcentajes necesitan contexto. Diez salidas breves no son equivalentes a diez jornadas enteras; una embarcación puede repetir siempre el mismo itinerario. «Esfuerzo de observación» reúne precisamente preguntas sobre cuánto, cuándo y cómo se buscó. La comparación razonable empieza por saber qué oportunidades reales tuvo cada equipo, no por elegir el mapa con más puntos.

Qué hace un modelo y dónde termina su alcance

Un GAM permite describir relaciones flexibles entre variables; no obliga a que todo siga una línea recta. En este trabajo, las predicciones y su incertidumbre se representaron espacialmente, usando remuestreo o bootstrap. La interpretación estacional se relaciona con la distribución probable del atún. Respaldo: apartados de modelos predictivos y discusión.

El caso de Faro muestra para qué sirve mirar la incertidumbre: el modelo primaveral señalaba una zona importante, pero había pocos registros y mucha variación en la predicción. Los autores propusieron reforzar allí el seguimiento. Fuente: resultados, figura 4 y discusión. Un mapa científico puede señalar tanto un lugar prometedor como una pregunta que necesita más observaciones.

«Primavera» significa aquí abril–junio y «verano», julio–septiembre. Faltaban datos para modelar con solidez otoño e invierno. Fuente: recogida de datos. No debemos rellenar esos meses imaginando que las orcas repiten el mapa de verano.

El remuestreo puede entenderse como volver a construir conjuntos a partir de los datos disponibles para estudiar cuánto varía un resultado. No crea observaciones nuevas en lugares que nunca fueron visitados. Por eso mostrar incertidumbre ayuda, pero no elimina por arte de magia todos los sesgos de los datos originales.