Redes bayesianas híbridasuna herramienta estadística en ecología y ciencias ambientales

Abstract

La sociedad y los ecosistemas han evolucionado de forma conjunta a lo largo de la historia estableciendo una estrecha relación. Mientras que los ecosistemas proveen de bienes y servicios a la sociedad, esta, mediante sus acciones y decisiones, afecta a la estructura y funcionamiento de los mismos a distintas escalas espacio-temporales. La gestión de este complejo sistema de interacciones supone un desafío desde el punto de vista científico - técnico, ético, político. Por todo ello, se requiere de un enfoque interdisciplinar en las políticas de gestión y en los procesos de toma de decisión. El concepto de Socioecosistema definido como un sistema integrado del hombre en la naturaleza, aporta un nuevo marco conceptual integrado y unitario. Dentro de la modelización ecológica, son diversas las técnicas y herramientas estadísticas que tratan de representar y modelizar el Socioecosistema desde diversas perspectivas. Desde la estadística tradicional pasando por algunos métodos basados en técnicas de Inteligencia Artificial, ecólogos y expertos en Ciencias Ambientales han tratado de obtenermodelos capaces de manejar la complejidad de estos sistemas, así como incluir en los mismos conceptos como la incertidumbre o la probabilidad. En esta Tesis se propone la aplicación de las Redes Bayesianas a la modelización ambiental y ecológica, y en concreto, a la modelización del Socioecosistema. Definidas al comienzo de la década de los 90, se han aplicado con éxito en áreas como Medicina y Ciencias de la Vida. Sin embargo, su aplicación en Ecología y Ciencias Ambientales es escasa y centrada en determinados aspectos, dejando aún sin explorar gran parte de su potencial. El principal objetivo de esta Tesis es, por tanto, el estudio de la aplicación de Redes Bayesianas híbridas como una herramienta probabilística en la modelización ecológica, desglosado en cuatro objetivos secundarios que se corresponden con los cuatro capítulos principales. A lo largo de esta memoria se describen con detalle los conceptos básicos sobre los que se apoya esta nueva herramienta, con la finalidad de aportar un marco metodológico entendible por expertos en ecología y medio ambiente que no estén familiarizados con este tipo de técnicas. Si bien el objetivo no es el de realizar una exhaustiva comparación con otras técnicas estadísticas aplicadas en el mismo campo, las Redes Bayesianas aportan ciertas ventajas frente a metodologías más clásicas. En primer lugar, su estructura visual basada en la Teoría de Grafos, permite que los modelos aprendidos sean fácilmente interpretados por expertos y actores sociales, permitiendo su aplicación en los procesos de toma de decisión y gestión de recursos naturales. Además, su naturaleza probabilística permite obtener los resultados como distribuciones de probabilidad en lugar de un valor absoluto. A diferencia de otras técnicas, los resultados obtenidosmediante Redes Bayesianas pueden ser interpretados de una manera más variada y detallada. A partir de las distribuciones de probabilidad obtenidas, distintos estadísticos como la media o la varianza pueden ser calculados. Además, es posible calcular la probabilidad de un determinado valor, o de un rango de valores, lo cual permite, por ejemplo, obtener la probabilidad de que un embalse alcance un valor por encima del umbral de seguridad. Esta ventaja supone un mejor manejo de la incertidumbre asociada al modelo. Una de las mayores diferencias con respecto a otras técnicas, es la posibilidad de incluir variables tanto discretas como continuas en el mismo modelo. Mediante el uso del modelo Mixture of Truncated Exponential, ambos tipos de variables son introducidos de forma simultánea en el mismo modelo sin necesidad de ningún tipo de modificación en la estructura del mismo. Una vez que se estudian las relaciones entre un conjunto de variables de un socioecosistema, a menudo surge la necesidad de determinar su comportamiento ante un cambio. Mediante el proceso de inferencia probabilística, las Redes Bayesianas son capaces de analizar las repercusiones de dicho cambio. Si bien esta es una propiedad común a otras técnicas, las Redes Bayesianas de nuevo aportan una ventaja sobre las demás al permitir incluir esta nueva información tan solo en aquellas variables que tengamos evidencia de un cambio, dejando que el resto se actualicen durante el proceso de inferencia. Por último señalar que problemas tanto de caracterización, clasificación y regresión pueden ser abordados por las Redes Bayesianas tanto para el caso de datos estáticos, como series de datos temporales. Por todo ello, las Redes Bayesianas híbridas constituyen una herramienta novedosa y con un gran potencial para su aplicación en la modelización ecológica y ambiental, haciendo frente a los principales desafios de la modelización del Socioecosistema.