CONVIÉRTETE EN BIÓLOGO MARINO · MODELOS DE HÁBITAT
¿Dónde las vemos en cada estación?
Un mapa coloreado puede mostrar una predicción sin que nadie haya visto una orca en cada punto. Descubre cómo se construyeron los mapas estacionales del Golfo de Cádiz y el Estrecho.
Lee cada etapa y usa «Siguiente etapa» al final para avanzar. Los ejercicios son opcionales: puedes consultar sus soluciones o continuar sin responder.
Golfo de Cádiz y Estrecho · registros de 2002–2012 · primavera y verano
Empezar por la etapa 1 →Un mapa cambia con la estación
ETAPA 1 DE 10
Un mapa empieza con una pregunta
¿Qué lugares utilizan las orcas en primavera y verano?
La investigación pregunta por patrones estacionales de presencia, no por una ruta individual en tiempo real.
El estudio reúne observaciones del Golfo de Cádiz y el Estrecho entre 2002 y 2012 para comparar primavera y verano.
Relaciona los registros de presencia con condiciones del entorno mediante modelos matemáticos de hábitat.
Ejemplo didáctico inventado: un mapa de paraguas abiertos describe dónde llovió durante unas salidas; no garantiza que llueva mañana en cada punto coloreado.
Qué te llevas de esta etapa: Antes de mirar un mapa hay que escribir qué representa: aquí representa un patrón modelado de presencia por estación.
Respaldo: P02, ficha «La pregunta» y «Por qué nos ayuda». Ver las fuentes.
ETAPA 2 DE 10
Definir el lugar y el periodo
¿Qué ventana de datos se está mirando?
El periodo y las estaciones delimitan la pregunta que el modelo puede responder.
Los registros proceden de 2002–2012 y se separan en primavera, abril–junio, y verano, julio–septiembre.
Los métodos no ofrecen una base equivalente para modelar con solidez otoño e invierno; no debemos completar esos meses por intuición.
El ámbito es el Golfo de Cádiz, el Estrecho y zonas relacionadas del sur de Portugal. Una predicción fuera de esa ventana exige nueva evidencia.
Qué te llevas de esta etapa: Un mapa estacional no describe automáticamente todo el año ni todas las aguas.
Respaldo: P02, recogida de datos, métodos y «Qué no permite concluir». Ver las fuentes.
ETAPA 3 DE 10
Distinguir presencia y pseudoausencia
¿Qué significa un punto sin orca?
Un registro de otra especie puede aportar información sobre dónde sí hubo una oportunidad de observar fauna, pero no prueba que nunca hubiera orcas.
El trabajo reunió 322 avistamientos de orcas y 10.952 de otros cetáceos entre 2002 y 2012.
Los avistamientos de otros cetáceos se utilizaron como pseudoausencias: puntos con alguna observación de fauna, pero sin registro de orca.
Ejemplo didáctico inventado: «vimos un delfín» y «no salimos al mar» no tienen el mismo valor que «buscamos y no vimos una orca». La palabra pseudo recuerda que es una aproximación.
Qué te llevas de esta etapa: Ausencia registrada y ausencia absoluta son afirmaciones diferentes.
Respaldo: P02, «No todos los puntos de un mapa significan lo mismo» y Methods: Data collection. Ver las fuentes.
ETAPA 4 DE 10
Elegir variables del entorno
¿Qué condiciones se comparan?
Un modelo de hábitat relaciona registros con variables ambientales y espaciales que deben conservar sus unidades y límites.
Los métodos consideran profundidad, temperatura superficial, clorofila y posición geográfica, entre otras variables.
Cada variable representa una posible condición asociada a los registros; no es automáticamente una causa del movimiento de una orca.
La asociación con una condición puede servir para construir una predicción, pero la predicción sigue dependiendo de los datos y del periodo que la generaron.
Qué te llevas de esta etapa: Las variables explicativas son medidas del entorno, no explicaciones causales por sí solas.
Respaldo: P02, Materials and methods: Environmental explicative/predictive models. Ver las fuentes.
ETAPA 5 DE 10
Modelar sin forzar una línea recta
¿Qué hace un GAM?
Los modelos aditivos generalizados permiten describir relaciones flexibles entre presencia y variables.
Este estudio construyó dos modelos aditivos generalizados, o GAM: uno para primavera y otro para verano.
Separar las temporadas permite que la relación entre presencia y entorno cambie con la estación en lugar de imponer un único mapa anual.
Un modelo resume relaciones en los datos; no observa cada celda del mapa ni explica por sí mismo por qué una orca eligió un lugar.
Qué te llevas de esta etapa: La herramienta estadística organiza patrones observados y predichos; su nombre no convierte el mapa en una ruta.
Respaldo: P02, Methods: Environmental explicative/predictive models y Results. Ver las fuentes.
ETAPA 6 DE 10
Leer una predicción con incertidumbre
¿Qué añade el remuestreo?
La predicción no es una cifra única sin variación: el modelo permite estudiar cuánto cambia al reconstruir conjuntos a partir de los datos disponibles.
Los resultados representan espacialmente predicciones e incertidumbre mediante remuestreo o bootstrap.
El remuestreo no crea observaciones nuevas en lugares que nunca se visitaron. Ayuda a mostrar la variabilidad de la estimación con los datos existentes.
Ejemplo didáctico inventado: barajar varias veces las fichas de cinco salidas puede mostrar cuánto cambia una media, pero no añade una sexta salida al calendario.
Qué te llevas de esta etapa: Mostrar incertidumbre informa de la estabilidad de una predicción; no elimina los sesgos de la recogida.
Respaldo: P02, apartados de modelos predictivos y discusión. Ver las fuentes.
ETAPA 7 DE 10
Qué mostró cada estación
¿Qué zonas destacó el modelo?
Los resultados estacionales tienen localizadores y grados de incertidumbre diferentes.
En primavera, el modelo destacó el este del golfo de Cádiz y una zona del sur de Portugal; esta última mostraba mayor incertidumbre.
En verano destacó el sector occidental-central del Estrecho.
Los autores relacionaron los patrones con la distribución probable del atún rojo. Es una interpretación ecológica del modelo, no una observación de cada orca en cada color del mapa.
Qué te llevas de esta etapa: El resultado es un patrón estacional con incertidumbre, no una lista de rutas individuales.
Respaldo: P02, Results, figura 4 y Discussion. Ver las fuentes.
ETAPA 8 DE 10
No convertir un mapa en certeza
¿Qué queda fuera del diseño?
La cobertura desigual y las estaciones no modeladas limitan las conclusiones.
La observación no fue igual en todos los lugares. Un mayor número de registros puede reflejar mayor esfuerzo de búsqueda además de una diferencia ecológica.
El estudio no dibuja una ruta individual y no cubre por igual todo el año. No ver una orca no demuestra que nunca esté allí.
Un mapa favorable tampoco promete que una familia encuentre una orca allí mañana: depende de la temporada, las variables y los registros que alimentaron el modelo.
Qué te llevas de esta etapa: La incertidumbre del mapa incluye tanto el modelo como la manera en que se observaron los lugares.
Respaldo: P02, «Qué no permite concluir», métodos y discusión. Ver las fuentes.
ETAPA 9 DE 10
Qué aporta para seguir investigando
¿Cómo se usa una predicción responsablemente?
Un mapa de hábitat puede señalar preguntas de seguimiento y apoyar decisiones de observación, sin convertirse en una promesa de encuentro.
El caso de Faro mostró una zona primaveral importante, pero con pocos registros y mucha variación en la predicción.
Los autores propusieron reforzar allí el seguimiento. Una predicción útil puede decir tanto «aquí merece la pena observar mejor» como «aquí aparece un patrón».
La información ayuda a pensar en zonas importantes para las orcas ibéricas, siempre conservando estación, cobertura y grado de incertidumbre.
Qué te llevas de esta etapa: La predicción orienta preguntas y cobertura futura; no sustituye nuevas observaciones.
Respaldo: P02, Results, figura 4, Discussion y «Por qué nos ayuda». Ver las fuentes.
ETAPA 10 DE 10
Ahora razona tú
¿Cómo explicarías el mapa sin exagerarlo?
Reúne datos, estación, modelo y límite en una conclusión revisable.
Una formulación ajustada sería: con registros de 2002–2012, dos GAM destacaron patrones diferentes de presencia probable en primavera y verano en el Golfo de Cádiz y el Estrecho.
El mapa relaciona condiciones ambientales y observaciones, pero no sigue una orca concreta, no cubre por igual todo el año y conserva incertidumbre, especialmente en una zona del sur de Portugal.
Pregunta para seguir investigando: ¿qué cobertura adicional reduciría la incertidumbre de Faro sin confundir una predicción con una observación?
Qué te llevas de esta etapa: Una buena síntesis nombra el periodo, la estación, la unidad de predicción y el límite de cobertura.
Respaldo: Síntesis de P02 con respaldo en Methods, Results y Discussion. Ver las fuentes.
FUENTES Y ALCANCE
Abre el trabajo original
Esteban y colaboradores (2014; publicado en línea en 2013). Identifying key habitat and seasonal patterns of a critically endangered population of killer whales.
Texto de autora consultado; acceso editorial variable. Materials and methods, Results y Discussion, pp. 2–4 del PDF.
Qué materiales hemos revisado
Consulta documental local registrada el 7 de septiembre de 2026. Se contrastaron métodos, resultados y discusión; no se afirma acceso editorial estable ni se hizo un reanálisis.
Las explicaciones, actividades y ejemplos son una adaptación educativa de Misión Orca. Los ejemplos inventados están identificados y no son datos nuevos ni un reanálisis.