INTRODUCCIÓN A LOS SISTEMAS AMBIENTALES
NATURALEZA DE LOS SISTEMAS AMBIENTALES
Uno de los conceptos más ampliamente utilizados en la investigación científica es el de sistema.
Chorley y Kennedy lo definen como:
“Un conjunto estructurado de componentes y variables que muestran relaciones entre ellos y
operan en conjunto como un todo complejo de acuerdo con unas pautas observadas”.
Un sistema se percibe como algo que posee una entidad que lo distingue de su entorno, aunque
mantiene una interacción con él. Esta identidad permanece a lo largo del tiempo y bajo entornos
cambiantes.
En Ciencias de la Tierra y Ambientales se trabaja con diversos conceptos derivados De este como
son ecosistema, geosistema, sistema fluvial, etc.
Tradicionalmente se ha considerado que la investigación científica se desarrolla a través de la
acumulación de observaciones del comportamiento de los sistemas estudiados en circunstancias
naturales o manipuladas a través de un experimento.
Estas observaciones permiten generar y contrastar hipótesis acerca de la estructura y función del
sistema objeto de estudio para incrementar los conocimientos acerca del mismo.
Sin embrago, en el conjunto de las ciencias de la Tierra y medioambientales la observación de
efectos y el establecimiento de hipótesis resulta difícil debido a la naturaleza de los Sistemas
Ambientales.
1.1Propiedades de los Sistemas Ambientales
1. Complejidad:
Las causas de la complejidad son variadas:
▪ Relaciones no lineales: pequeñas causas puedan tener como consecuencia grandes efectos.
▪ Discontinuidad y bimodalidad: existencia de diversos estados de equilibrio.
▪ Histéresis: los procesos no son exactamente reversibles.
▪ Divergencia: existencia de varios efectos para una misma causa. Imbricación de múltiples
causas y efectos.
▪ Bifurcación de los flujos de materia o energía: no se trasladan de un componente a otro, sino
que pueden hacerlo de uno a varios o viceversa.
▪ Bucles de retroalimentación: los efectos son causas de sus causas y hacen que el
comportamiento del sistema sea más difícil de predecir.
2. Imposibilidad de control:
▪ En las ciencias ambientales no es posible mantener los sistemas estudiados en condiciones
controladas de laboratorio. Cualquier intento de llevar una porción del sistema al laboratorio
implica una mutilación del mismo y la modificación total de las condiciones de contorno.
▪ La opción de los campos y parcelas experimentales suponen, por un lado, un cierto
aislamiento de la porción estudiada respecto al resto del sistema y por otro no se consigue el
grado de control que se tiene en un laboratorio.
3. Irrepetibilidad de las mediciones:
▪ No podemos volver a medir un fenómeno natural acaecido, por ejemplo, la lluvia caída un día
concreto. Por otro lado, los procedimientos de medición suelen suponer la alteración del
objeto de estudio durante la medición y tras los experimentos.
4. Problemas de escala espacial y temporal:
▪ Por una parte, el problema es que en muchos casos el investigador sólo tenga acceso a una
pequeña parte del continuo espacio-temporal en el que ocurren los procesos a estudiar, y que
la visión que se puede tener de estos cambia con la escala. Por otro lado, un mismo sistema
puede comportarse de formas diferentes a diferentes escalas.
5. Multidisciplinariedad:
▪ Los sistemas ambientales son multicomponentes pues requieren comprender diversos
aspectos geológicos, climáticos, hidrológicos, ecológicos, etc. y su imbricación. Por tanto es
imposible que un sólo especialista pueda abordar el estudio de estos sistemas que deben ser
necesariamente objeto de una investigación multidisciplinar.
1.2. El proceso de modelización
La dificultad de llevar a cabo experimentos científicos que cumplan con unos criterios rigurosos y
que respondan a las necesidades prácticas de la investigación sobre sistemas ambientales ha llevado
a algunos investigadores a proponer una línea de estudio mediante modelos, que relajan las
estrictas condiciones que debe cumplir un experimento. Un modelo es una representación abstracta
de un sistema real y se recurre a ellos cuando es más fácil trabajar con una representación
simplificada de la realidad que con el sistema verdadero.
Los planos de un arquitecto, el túnel de viento de un ingeniero o los gráficos de un economista son
todo ellos modelos y resultan útiles cuando nos ayudan a aprender algo nuevo sobre los sistemas
que representan.
Muchos de nosotros hemos desarrollado y usado modelos sencillos, como un avión de papel, que
resulta fácil de construir y nos permite probarlo, observar cómo vuela y mejorar su diseño a través
de la experimentación hasta encontrar un modelo de avión cuya trayectoria de vuelo sea la
esperada.
Las ideas que llevamos en nuestras mentes son representaciones simplificadas de sistemas
complicados, se trata de modelos informales que Senge2 denomina "Modelos mentales" y los
describe como "suposiciones profundamente arraigadas, generalizaciones, o incluso imágenes o
ideas que influyen en cómo comprendemos el mundo y cómo tomamos decisiones".
Si echamos un vistazo a la figura y pedimos una explicación de la situación que representa, la
mayoría respondería con una teoría complicada sobre una persona escondida de la vista que está
gastando una broma al orador serrando un agujero en el suelo.
Y si preguntamos por la forma del agujero la mayoría dirá que es un círculo, aunque la forma
representada en la figura sea una elipse, argumentando que el dibujo está hecho con una
perspectiva que altera la forma del agujero.
A través de la experimentación con modelos de simulación es posible mejorar nuestro
conocimiento sobre las relaciones entre los elementos que forman los Sistemas Ambientales y
buscar la forma de mejorar la trayectoria natural del sistema que analizamos. Para lograr todos
estos objetivos, la construcción de un modelo debe seguir los siguientes pasos:
▪ Una definición clara de los objetivos del modelo; entre los objetivos habituales en modelización
destacan: Un incremento del conocimiento acerca del sistema y comprobar los efectos de
diversas actuaciones dentro del sistema.
▪ Una identificación adecuada de los elementos y procesos involucrados en el sistema a
modelizar y relevantes para alcanzar los objetivos planteados.
▪ Determinación de la escala espacial y temporal más adecuadas. El concepto de escala incluye
tanto la extensión del marco espacio-temporal del modelo como la resolución del mismo, es
decir los intervalos espaciales y temporales en que se va a subdividir ese marco.
▪ Determinación de los flujos de materia, energía o información que se producen entre el sistema
y su entorno.
1.3. Tipos de modelos matemáticos
▪ Una clasificación de los modelos matemáticos podría basarse en una serie de características
dicotómicas:
▪ Empíricos o teóricos. El carácter empírico o teórico constituye la característica fundamental de
un modelo. Un modelo teórico se basa en las leyes físicas que rigen los procesos, un modelo
empírico se basa en relaciones estadísticamente significativas entre variables que en rigor sólo
son válidas para el contexto espacio-temporal en el que se calibraron.
Estocásticos o deterministas.
Los primeros incluyen generadores de procesos aleatorios dentro del modelo que modifican
ligeramente algunas de las variables. De esta manera, para un mismo conjunto de datos de entrada,
las salidas no serían siempre las mismas. Por el contrario, un modelo determinista es aquel en el
que dado un conjunto de parámetros y variables de entrada va a producir siempre el mismo
conjunto de variables de salida.
Estáticos o dinámicos.
Se refiere a la forma en que se trata el tiempo. Los modelos estáticos dan un resultado agregado
para todo el período de tiempo considerado.
Los modelos dinámicos devuelven las series temporales de las variables consideradas a lo largo del
período de estudio.
Agregados o distribuidos.
En el primer caso toda el área de estudio se considera de forma conjunta, por ejemplo una cuenca
hidrográfica. Se tiene un único valor para todos los parámetros del modelo
Modelo distribuido
El modelo predice unas salidas para las entradas aportadas sin informar de lo que ocurre dentro del
sistema. En un modelo distribuido, tendremos el área de estudio dividida en porciones cada una de
ellas con su propio conjunto de parámetros y sus propias variables de estado.
Modelo agregado
Cada porción recibe un flujo de materia y energía de algunas de sus vecinas que a su vez reemite a
otras. Si se opta por un modelo distribuido es necesario establecer un modelo de datos espaciales
que permita asignar valores de los parámetros y las variables de estado a los diferentes puntos del
área de estudio.
1.4. Componentes de un modelo de simulación dinámico
La descripción de un modelo suele hacerse atendiendo tanto a sus características estructurales
(componentes y relaciones) como funcionales (ecuaciones y parámetros que definen estas
relaciones. Las relaciones entre variables pueden formalizarse mediante un diagrama causal. Los
modelos de Dinámica de Sistemas, enunciados por primera vez por Forrester3 han aportado una
nomenclatura y una simbología ampliamente utilizada para la definición de las características
estructurales de los modelos:
▪ Variables de estado o niveles, corresponden a la cantidad de materia o energía almacenada en
cada uno de los componentes (subsistemas) que forman parte del sistema. Suelen
representarse mediante un rectángulo.
▪ Flujos, indican la cantidad de materia o energía que viaja de un componente a otro en un
intervalo determinado de tiempo. Afectan por tanto a los niveles, llenando unos (flujos de
entrada) y vaciando otros (flujos de salida). Suelen representarse con una flecha, indicando la
dirección del flujo, que atraviesa un símbolo que recuerda a un grifo.
▪ Fuentes y sumideros, representan niveles exógenos que, por ser exteriores al sistema no
interesa controlar. Suelen representarse mediante nubes. Los flujos que se dirigen de una
fuente a una variable de estado son las variables de entrada, los que se dirigen de una variable
de estado a un sumidero son las variables de salida.
▪ Variables auxiliares, intervienen en las diversas ecuaciones que componen el sistema, pero no
se corresponden con un nivel o flujo. Suelen representarse con un círculo.
▪ Variables exógenas, actúan fuera del sistema, pero condicionan las variables de entrada.
Pueden modificarse para construir escenarios. Un buen ejemplo sería la constante solar que,
siendo ajena al sistema climático, modifica las trayectorias de este.
▪ Parámetros, similares a las variables auxiliares pero cuyo valor no varía a lo largo del período
de simulación, si el modelo se construyera a una escala diferente podrían dejar de ser
parámetros para convertirse en variables.
▪ Constantes, corresponden a magnitudes físicas que, como la aceleración de la gravedad, no
varían en ningún caso.
▪ Canal de información, relacionan variables, parámetros o niveles con los componentes en cuya
ecuación se utilizan. Se representan con flechas, diferentes de las utilizadas para representar
flujos, o mediante líneas.
▪ Condiciones iniciales, valores iniciales de las variables de estado.
▪ Condiciones de contorno, series temporales de valores de las variables de entrada.
▪ Escenario, conjunto plausible de variables exógenas, parámetros y condiciones iniciales y de
contorno que permiten experimentar con un modelo diversas situaciones. Por ejemplo, los
escenarios relativos a diversas políticas de emisión de gases con que trabajan los Modelos
Generales del Clima.
1.5. Dinámica de los sistemas ambientales
Las variables de estado, los flujos y los ciclos de retroalimentación son claves en el diseño de un
modelo y van a determinar el comportamiento dinámico del sistema que representan. Cuando
hablamos de dinámica de un sistema nos referimos a la variación temporal de las variables de estado
cuyos valores pueden crecer, decaer u oscilar a lo largo del tiempo. Un sistema ambiental puede
mostrar diferentes patrones de variación temporal, de los cuales hemos seleccionado los seis más
importantes:
▪ El crecimiento exponencial es la dinámica más importante que podemos encontrar en un
sistema ambiental. El crecimiento exponencial puede ser sorprendente rápido pues el sistema
duplica su tamaño una y otra vez, en el mismo intervalo de tiempo. Este intervalo es conocido
como el tiempo de duplicación. Ejemplo: Crecimiento de una población sin factores limitantes
con una tasa de natalidad mayor que la tasa de mortalidad.
▪ El decaimiento exponencial es el inverso del crecimiento exponencial. El sistema perderá la
mitad de su valor en un intervalo fijo de tiempo y así sucesivamente. Ejemplo: Crecimiento de
una población sin factores limitantes con una tasa de natalidad menor que la tasa de
mortalidad.
▪ La aproximación exponencial se parece a la decadencia exponencial, pero en este caso el
sistema no decae hasta alcanzar el valor cero. Esto puede ocurrir cuando el sistema recibe un
flujo de entrada que contrarresta el efecto de la decadencia. Estos sistemas pueden alcanzar el
equilibrio gradualmente. Ejemplo: Crecimiento de una población sin factores limitantes con
una tasa de natalidad menor que la tasa de mortalidad, pero con reclutamiento de nuevos
individuos por migración.
▪ El crecimiento log-normal se parece al patrón de crecimiento exponencial en las etapas
tempranas. Pero cuando el sistema avanza en el tiempo y crece cada vez más, llega un
momento en que no puede seguir creciendo por que alcanza un límite final. Los límites vienen
impuestos por las restricciones sobre los recursos o los nutrientes disponibles en el hábitat.
Para que una variable de estado muestre un patrón de crecimiento log-normal, el sistema debe
sentir el efecto limitante de manera que disminuya la velocidad de crecimiento gradualmente
y permita al sistema llegar a un estado de equilibrio que puede ser mantenido año tras año.
Ejemplo: Crecimiento de una población con un límite impuesto por su capacidad de carga.
