El jabalí (Sus scrofa) es un ungulado silvestre ampliamente distribuido e involucrado en numerosos conflictos con el ser humano, la conservación de otras especies y la salud pública. Para poder tomar decisiones respecto a su gestión son necesarias estimas fiables de su abundancia, y en este sentido la modelización espacial se ha convertido en la opción más empleada para determinar cómo se distribuye la abundancia a gran escala. Las bolsas de caza han sido una fuente de datos muy utilizada para ello, pero muy pocos estudios han evaluado la capacidad predictiva real de los modelos basados en estos datos a posteriori sobre nuevas series temporales y/o territorios.

Científicos del Grupo de Investigación en Sanidad y Biotecnología (SaBio) del Instituto de Investigación en Recursos Cinegéticos (IREC – CSIC, UCLM, JCCM) han probado la capacidad predictiva de la abundancia de jabalí de los modelos espaciales explícitos generados previamente (2014) para las distintas biorregiones de España (según el Esquema de Vigilancia del Seguimiento de Enfermedades de la Fauna Silvestre) a partir de datos de bolsas de caza, así como su transferibilidad a territorios de los que no se tenían datos. Para ello, han proyectado los modelos creados en 2014 en un total de 13.807 cotos de caza y han comparado las abundancias predichas por los modelos con las bolsas de caza obtenidas entre las temporadas 2014-2018.

Usaron unos modelos predictivos de 2014

Los modelos predictivos generados en 2014 fueron parametrizados a partir de jabalíes cazados anualmente por cada 100 km2 como variable respuesta y un conjunto de 21 variables bioclimáticas usadas como predictores. Los datos disponibles para la creación de los modelos cubrían aproximadamente el 60% de la superficie de España peninsular y posteriormente se extrapolaron para predecir la abundancia de jabalíes también en territorios no muestreados.

En este estudio, los modelos previos se emplearon para predecir abundancia de jabalíes a nivel de coto de caza, generando predicciones tanto para áreas en las que los modelos fueron calibrados (áreas de interpolación) como para áreas donde no se tenían datos en los modelos del 2014 (áreas de extrapolación). A partir de datos recientes de jabalíes cazados a nivel de coto de caza se calculó la abundancia relativa observada (jabalíes cazados/100 km2), que fue utilizada para evaluar el rendimiento predictivo de los modelos anteriores.

Para la comparación entre las abundancias relativas observadas recientemente y las predichas por los modelos se realizaron inspecciones visuales de la cartografía producida, se obtuvieron gráficos de calibración y se calcularon correlaciones de Pearson.

(A) España peninsular dividida en las 5 biorregiones definidas por el Esquema de Vigilancia del Seguimiento de Enfermedades de la Fauna Silvestre. Las provincias utilizadas para la calibración de los modelos generados en 2014 están resaltadas en gris. (B) Abundancia relativa de jabalíes predicha (nº de jabalíes cazados anualmente/100 km2) a nivel de coto de caza según los modelos de 2014. (C) Datos actualizados de rendimientos de caza del jabalí (temporadas 2014-2015 a 2017-2018) utilizados para evaluar el rendimiento predictivo de los modelos de 2014.
(A) España peninsular dividida en las 5 biorregiones definidas por el Esquema de Vigilancia del Seguimiento de Enfermedades de la Fauna Silvestre. Las provincias utilizadas para la calibración de los modelos generados en 2014 están resaltadas en gris. (B) Abundancia relativa de jabalíes predicha (nº de jabalíes cazados anualmente/100 km2) a nivel de coto de caza según los modelos de 2014. (C) Datos actualizados de rendimientos de caza del jabalí (temporadas 2014-2015 a 2017-2018) utilizados para evaluar el rendimiento predictivo de los modelos de 2014.

La predicción funcionó

Los resultados demuestran que los modelos espaciales generados en 2014 fueron capaces de pronosticar los patrones generales de abundancia relativa de jabalí actuales, evidenciando tasas de crecimiento equivalentes a las referidas por otros autores, aunque su rendimiento varió entre biorregiones. Las predicciones en áreas de interpolación fueron mejores que las obtenidas para las áreas de extrapolación, y la precisión de las predicciones disminuyó conforme aumentó la resolución espacial de las mismas (coto de caza).

Esto sugiere que los modelos espaciales generados a partir de bolsas de caza pueden predecir patrones generales de la distribución de la abundancia relativa del jabalí, lo que supone un avance significativo en el uso de esta información cuantitativa para predecir los patrones espaciales de abundancia relativa de especies cinegéticas a gran escala. Sin embargo, necesitan una evaluación crítica y su aplicación debe hacerse con cuatela, ya que los modelos pueden perder precisión cuando se intentan extrapolar a otras áreas de las que no se tiene información o cuando se pretende obtener predicciones a una escala espacial fina, debido a que las diferencias en los esfuerzos y rendimientos de caza pueden alterar los resultados

Es necesario continuar mejorando las predicciones obtenidas mediante este tipo de modelos para poder aplicarlas en la elaboración de planes de gestión de la fauna silvestre. Desde el punto de vista epidemiológico, en el caso concreto del jabalí, un claro ejemplo de su aplicabilidad lo encontramos en las estrategias de prevención de la Peste Porcina Africana (PPA), ya que el conocimiento del patrón espacial de la abundancia del jabalí sería fundamental para pronosticar la propagación de la enfermedad y para el establecimiento de medidas eficaces de control.

Puedes consultar la publicación científica de este trabajo de investigación en: