En este capítulo hemos modelado la dinámica natural de una comunidad biótica (el pastizal natural) y los efectos de diversas estrategias de manejo sobre esta dinámica, y en particular los efectos sobre la persistencia o colapso de la comunidad. Para ello redujimos a su mínima expresión la comunidad biótica, el manejo y la forma de modelar estos dos procesos. Esta simplificación está lejos de capturar todo lo que está implicado en los procesos socioam- bientales más complejos, pero esperamos haber contribuido a que el lector: 1) entienda la importancia de estudiar formalmente los aspectos medulares de la dinámica de un proceso cuando se pretende evaluar sus tendencias a per- sistir, colapsar o transformarse; 2) comprenda el significado dinámico de los atributos de sustentabilidad, y 3) se sienta motivado para profundizar en este enfoque y sus herramientas.
El capítulo empezó por mostrar, con un ejemplo, que la sustentabilidad de una estrategia de manejo de un re- curso no puede evaluarse correctamente de manera estática, y que lo que es cierto para un estado del recurso no se puede extrapolar linealmente a otros estados.
Después se mostró que el recurso tiene una dinámica. Cuando el recurso está sometido a una retroalimenta- ción positiva (promoción) y negativa (regulación), es atraído a un estado de equilibrio estable; frecuentemente se encuentra en tránsito hacia este estado atractor, y rara vez permanece en él debido a perturbaciones. Además, es común que el recurso pueda ser atraído potencialmente hacia distintos estados atractores, y que el manejo modi- fique el atractor al que es atraído el recurso. Algunas cuencas de atracción están formadas por estados en los que el recurso persiste y es aprovechable; otras conducen al colapso del recurso. Vimos también que, en ocasiones, una decisión de manejo mueve el estado del recurso pero sin sacarlo de la cuenca de un atractor favorable; otras veces lo hace entrar en la cuenca de un atractor desfavorable.
Es importante tener en mente que una decisión de manejo generalmente cambia de manera simultánea la for- ma de todas las cuencas de atracción en las que potencialmente puede encontrarse el recurso. Usando la metáfora del riel y la canica, resulta que la decisión de manejo no empuja la canica sobre un riel que mantiene un relieve fijo; más bien, modifica el relieve y la canica responde a este cambio, deslizándose hacia el punto localmente más bajo. Cada cuenca (favorable o desfavorable) tiene una posición, una forma y un tamaño; por lo tanto, tiene una produc- tividad, una resiliencia y una confiabilidad determinadas. En una cuenca favorable, la resiliencia y la confiabilidad altas pueden resultar muy deseables para el aprovechamiento del recurso; en cambio, las mismas condiciones son un obstáculo para sacar al recurso de una cuenca desfavorable; es decir, para restaurarlo.
Después vimos que es difícil definir de antemano cuál estrategia de manejo permitirá una alta productividad y a la vez que el recurso persista; cuando existen varios atractores favorables (cuando el recurso es adaptable) es posible practicar un manejo adaptativo. Este es un proceso interactivo que requiere del monitoreo continuo de la respues- ta del recurso. Del monitoreo derivan acciones correctivas que permiten que la misma cuenca favorable mantenga dentro de ella a la canica o bien que la canica sea capturada por otra cuenca favorable. Cuando la canica termina en una cuenca desfavorable y es difícil sacarla de ahí, la estrategia de manejo y las medidas correctivas han fallado.
Finalmente, exploramos una situación en la que el manejo interactivo del recurso es decidido por más de un agente social. El modelo dinámico nos permitió generar escenarios en los que se manifiesta el riesgo moral, y sur- gen dilemas de equidad y justicia propios de la llamada cooperación estratégica.
Esta historia y este modelo del pastizal se podrían seguir elaborando: podríamos introducir otros recursos además del pasto; las cuencas de atracción serían entonces multidimensionales y difíciles o imposibles de visua- lizar con el modelo de riel y canica, y se utilizarían otras técnicas de representación. Por supuesto, cada recurso podría depender de muchas más variables ambientales y de manejo, por lo que el paisaje multidimensional de cuencas de atracción se volvería más abigarrado y sufriría deformaciones más complejas con cada intervención. Los efectos del manejo podrían presentarse simultáneamente en varias escalas espacio-temporales. Finalmente, los procesos de colapso y reorganización (tanto de los recursos como de las estrategias sociales de manejo) no tendrían que ser mutuamente excluyentes; podrían ser causa y efecto uno del otro, y estos ciclos podrían ser la base del proceso continuo de transformación ambiental y social, como sugieren algunos autores (Gunderson y Holling, 2002).
Herramientas para construir modelos propios
En este capítulo planteamos un caso hipotético de manejo de un recurso natural, que pudo ser simulado con las herramientas más sencillas desarrolladas hace tiempo por la disciplina conocida como modelación de sistemas dinámicos no lineales. A quien no es matemático(a) y quiera profundizar su aprendizaje sobre el uso de estas he- rramientas, le recomendamos hacerlo mediante ejercicios prácticos. Para ello puede adquirir programas de modela- ción y simulación por computadora como STELLA™ (ISEE Systems 2007) o Vensim ® ver.5. (Ventana Systems, 2007). Además, hay varios libros y manuales que sirven de guía paso a paso en la construcción de modelos muy interesan- tes y cada vez más sofisticados (p. ej., Martín-García, 2003; Fisher, 2004).
Comúnmente, para el manejo de recursos naturales interesa estudiar procesos socioambientales que son mucho más complejos que el presentado de manera muy estilizada en este capítulo. Su estudio es materia de esfuerzos dis- ciplinarios e interdisciplinarios de un gran número de campos de investigación, y los métodos y herramientas uti- lizadas son muy diversos. En lo que toca a su modelación, el desarrollo de las computadoras ha permitido simular procesos socioambientales muy complejos, y explorar a fondo antiguas intuiciones sobre la naturaleza y predictibi- lidad de los procesos turbulentos y caóticos (Gleick,1987), sobre las propiedades de diversos tipos de redes naturales y sociales (Capra, 2002), sobre la emergencia y dinámica espacio-temporal de los procesos jerárquicos autoorgani- zados (Barnett y Houston, 2005; García-Barrios 2006), y sobre el carácter cíclico del colapso y reorganización de los procesos bióticos y sociales (Gunderson y Holling, 2002).
Para el estudio de procesos socioambientales complejos, puede ser particularmente útil simular explícitamente el accionar colectivo de grandes conjuntos de agentes sociales individuales que manejan recursos distribuidos espa- cialmente y que siguen reglas de interacción definidas (azarosas o deterministas). Estas reglas pueden ser ecuaciones sencillas como las que usamos en este capítulo o pueden ser reglas lógicas (si… entonces) que se definirán según el tipo de agente, su ubicación espacial y su vecindario. Existen varias plataformas de programación para este pro- pósito. Las hay relativamente sencillas, como STARLOGO para Macintosh (Resnick y Kopfler, 1998) y NETLOGO para Windows (Willensky, 1999); intermedias como ASCAPE (Brookings Institution, 2000) y REPAST (North et al., 2005), o complicadas como SWARMWIKI (CSS, 2003). Algunos pueden interactuar con imágenes geográficas y ba- ses de datos georreferenciadas. Todas ellas cuentan con excelente literatura (p. ej., Colella, Klopfer y Resnick, 2001), y los programas, manuales didácticos y ejemplos pueden adquirirse sin costos en internet. Invitamos a los lectores a explorar estas herramientas.
Existen también varios programas que simulan sistemas de producción. Éstos se alimentan con datos aporta- dos por el usuario y permiten explorar la sustentabilidad de estrategias de manejo de recursos naturales específicos. APSIM (McCown et al., 1996) y CORMAS (CIRAD, 2001; Barreteau, 2003; Berger, 2006) son ejemplos recientes4.
En la actualidad, algunos modeladores se esfuerzan por incorporar desde el inicio del proceso de modelación de una situación de manejo de recursos naturales a los diversos agentes sociales involucrados. Ellos aportan su vi- sión del problema, sus intereses y sus estrategias de acción. Los diferentes actores sociales interactúan y aprenden en el propio proceso de construcción del modelo, y luego lo usan colectivamente para explorar y negociar escenarios. El tema de los modelos participativos basados en agentes amerita en sí mismo un capítulo; por el momento, reco- mendamos la lectura de Pérez y Battens (eds.), 2003, y Dray et al., 2003. En estas publicaciones se encuentran una revisión amplia del tema, ejemplos muy interesantes y una introducción a la literatura.
Para cerrar este capítulo resumimos algunas sugerencias prácticas para aplicar el enfoque de procesos dinámicos complejos cuando se realiza una evaluación de sustentabilidad de una estrategia de manejo de recursos naturales:
La sustentabilidad de una EMRN radica en su capacidad de crear dinámicas sociales y ambientales que permi- ten que el recurso se renueve y que se genere un máximo de bienestar y un mínimo de conflicto social en torno a su aprovechamiento. Las variables y los indicadores elegidos para estudiarla deben ser capaces de evaluar explíci- tamente esta capacidad. Esta elección debe ser guiada por un marco teórico de sistemas socioambientales, por una
4 Nos permitimos mencionar que con algunas de las herramientas descritas hemos construido otros programas y ejercicios de simulación que po-
nemos a disposición de los lectores, en los que se pueden explorar escenarios y que ayudan a entender mejor la dinámica de los sistemas complejos so- cioambientales. Dos de ellos se encuentran en el CD interactivo que acompaña este libro; los otros cuatro (Cybercrop, García-Barrios y Burkitt 2003; Agrodiversity ver.2, García-Barrios y Speelman, 2006; Strawberry Fields Forever, Speelman y García-Barrios, 2006; ¡Caracoles! Ver.2 García-Barrios, Pimm y López Gómez, 2006) se pueden solicitar sin costo al primer autor ([email protected]).
caracterización y un modelo conceptual de las EMRN evaluadas, y por hipótesis explícitas acerca de las fortalezas y las debilidades que posee cada una.
El comportamiento dinámico de las variables elegidas sólo se puede capturar mediante estudios longitudina- les (retrospectivos y prospectivos) de mediano o largo plazo. Evidentemente, los estudios longitudinales pueden ser tardados y costosos. Sin embargo es posible hacerlos más breves, eficientes y económicos: Aunque las variables fi- sico-bioticas, económicas y sociales que intervienen en la dinámica del manejo de un recurso son muy numerosas, es posible seleccionar únicamente las que gobiernan más intensamente la dinámica del proceso de manejo, y cen- trar el esfuerzo en caracterizar la manera como estas variables interaccionan. Se puede caracterizar esta red míni- ma de interacciones de manera conceptual, de manera gráfica o construyendo modelos analíticos y de simulación sencillos. En los tres casos es posible explorar y en cierta medida anticipar los comportamientos cualitativos que derivan de estas interacciones, y cotejarlos con los comportamientos observados en la realidad. Al describir estos comportamientos teóricos y empíricos, debe ponerse particular atención en identificar 1) las tendencias que mues- tran estas variables críticas; 2) su sensibilidad a los cambios en otras variables críticas; 3) las condiciones umbrales en las que las variables experimentan cambios cualitativos que son relevantes para la sustentabilidad de la estrategia de manejo de recursos naturales, y 4) el grado de dificultad para revertir cambios cualitativos desfavorables ó para adaptarse a ellos.
5. Bibliografía
Aracil, J. y F. Gordillo. 1997. Dinámica de sistemas. Alianza Editorial, España.
ASCAPER ver. 1.9.1.2000. ‘A Tool to Support Agent Based Research’. The Brookings Institution, Washington, DC.
Barnett, G.A. y Houston, R., 2005. Advances in Self-Organizing Systems. Hampton Press, Nueva Jersey.
Barreteau, O., C. Le Page y P. D’Aquino. 2003. “Role-Playing Games, Models and Negotiation Processes”. Journal of Ar- tificial Societies and Social Simulation, 6 (2): 10
Berger, T., P. Schreinemachers y J. Woelcke. 2006. “Multi-agent Simulation for the Targeting of Development Policies in Less-favored Areas”. Agricultural Systems, 88: 28-43.
Berkes F. y C. Folke (eds.). 1998. Linking Social and Ecological Systems: Management Practices and Social Mechanisms for Building Resilience. Cambridge University Press, Cambridge, Reino Unido.
Bossel, H. 2001. “Assessing Viability and Sustainability: A Systems-based Approach for Deriving Comprehensive Indica- tor Sets”. Conservation Ecology, 5(2): 12.
Capra, F. 1998. La trama de la vida. Una nueva perspectiva de los sistemas vivos. Anagrama, Barcelona. Capra, F. 2002. The Hidden Connections. A Science of Sustainable Living. Ancor Books, Nueva York.
Center for Complex Systems Studies. 2003. SWARMWIKIR ‘A Resource for Agent Based Modeling’. University of Mi-
chigan, Ann Arbor, Estados Unidos de América.
Colella, V., E. Klopfer y M. Resnick. 2001. Adventures in Modeling: Exploring Complex, Dynamic Systems with StarLogo. Teachers College Press, Nueva York.
CormasR 2001-Natural Resource and Multi-Agent Simulations. Centre de Cooperation Internationale en Recherche
Agronomique pour le Developpement, Francia. http://cormas.cirad.fr/en/outil/outil.htm/.
Dray A., P. Perez, C. LePage, P. D’Aquino e I. White. 2003. “AtollGame: A Companion Modelling Experience in the Pa- cific”. En: P. Pérez y D. Battens (eds.). Complex Science for a Complex World. Exploring Human Ecosystems with Agents. Australia National University E-Press.
Fisher D., 2004. Modeling Dynamic Systems: Lessons for a First Course. ISEE Systems, Estados Unidos de América. García-Barrios, L. y M. Burkitt. 2003. CYBERCROP. A Spatially Explicit Intercrop Growth Model. El Colegio de la Fron-
tera Sur, México.
García-Barrios, L. y E. N. Speelman. ‘Agrodiversidad. ver.2, 2006. Herramienta Educativa para el diseño de sistemas agrícolas sustentables con alta diversidad biológica’. El Colegio de la Frontera Sur, México.
García-Barrios, L., M. Pimm y P. López Gómez. 2006. ‘¡CARACOLES ! ver. 2. Un simulador de procesos de autoorga- nización espacial’. El Colegio de la Frontera Sur, México.
García-Barrios, L. 2006. ‘Un juego para ver, entender, predecir, e intervenir los procesos autoorganizativos de una socie- dad imaginaria muy sencilla. Programa y un hipertexto electrónico en seis capítulos’. CD anexo, en Ruelas Barajas E., R.Mansilla y J. Rosado Muñoz (eds.). Las ciencias de la complejidad y la innovación médica: ensayos y modelos. SSA, Instituto de Física-UNAM / Centro de Investigaciones Interdisciplinarias de Ciencias y Humanidades-UNAM / Gra- ma Editora, México.
García-Barrios L. y R. García-Barrios. 1992. “La modernización de la pobreza. Dinámica del cambio técnico entre los campesinos temporaleros de México”. Revista Estudios Sociológicos, 10(29): 263-288.
Gleick, James. 1987. Making a New Science. Penguin Books / Harmomndsworth, Middlesex, Gran Bretaña.
Gunderson, H. L., y C. S. Holling. 2002. Panarchy: Understanding Transformations in Human and Natural Systems. Is- land Press, Washington, DC.
Holling, C. S. 2001. “Understanding the complexity of economic, ecological and social systems”. Ecosystems 4: 390-405. Martin García, J. 2003. Teoría y ejercicios prácticos de dinámica de sistemas. Universidad de Catalunya.
Martin García, J. 2004. Sysware: Dinámica de sistemas, pensamiento sistémico y gestión dinámica. Cátedra UNESCO en Tec- nología, Desarrollo Sostenible, Desequilibrios y Cambio Global de la UPC.
Masera, O. R., M. Astier, y S. López-Ridaura. 1999. Sustentabilidad y manejo de recursos naturales: el marco MESMIS. Mundiprensa, México.
McCown, R. L., G. L. Hammer, J. N. G. Hargreaves, D. P. Holzworth y D. M. Freebairn. 1996. “APSIM: A Novel Soft- ware System for Model Development, Model Testing and Simulation in Agricultural Systems Research”. Agricultural Systems, 50: 255-271.
North, M.J., T. R. Howe, N. T. Collier y J. R. Vos. 2005. “Repast Simphony Runtime System”. En C. M. Macal, M. J. North y D. Sallach (eds.). Proceedings of the Agent 2005 Conference on Generative Social Processes, Models and Mecha- nisms. ANL/DIS-06-1. Argonne National Laboratory / University of Chicago, octubre.
Noy-Meir, I. 1973. “Desert Ecosystems: Environment and Producers”. Annual Review of Ecology and Systematics, 4: 25-51. Pérez P. y D. Battens (eds.). 2003. Complex Science for a Complex World. Exploring Human Ecosystems with Agents. Aus-
tralia National University E-Press, Australia.
Resnick, M. y E. Klopfer. 1998. ‘StarLogo 2.0’. MIT Media Lab. Massachusetts Institute of Technology, Estados Uni- dos de América.
Reynolds J. F.y D. M. Stafford Smith. 2002. Global Desertification. Do Humans Cause Deserts? Dahlem Workshop Report 88. Dahlem University Press, Alemania.
Scheffer, M., S. Carpenter, J. Foley, C. Folkes y B. Walker. 2001. “Catastrophic Shifts in Ecosystems”. Nature, 413: 591- 596.
Smyth, A. J. y J. Dumanski. 1993. FESLM: An International Framework for Evaluating Sustainable Land Management. World Soil Resources Reports 73. Food and Agriculture Organization of the United Nations, Roma.
Speelman E. y García-Barrios, L. 2006 . “Strawberry Fields Forever? Developing a SocioEcological Simulation Game with Agrodiversity ver.2 for Exploring Biodiversity Management Issues in Sustainable Agriculture”. Págs. 289-303, en Macal, C., M. North, D. Sallach y T. Wolsko (eds.). Proceedings of the Agent 2006 Conference Social Agents: Results and Prospects. Argonne National Laboratory / University of Chicago.
STELLA TM 2007. ISEE Systems, Estados Unidos de América.
Vensim R ver.5. 2007. ‘A Dynamical System Modeling Tool’. Ventana Systems Inc. http://www.vensim.com/software.
html/.
Verhulst, P. F. 1838. “Notice sur la loi que la population pursuit dans accroissement”. Correspondance mathématique et physique. 10: 113-121.
Walker, B., S. Carpenter, J. Anderies, N. Abel, G. Cumming, M. Janssen, L. Lebel, J. Norberg, G. D. Peterson, y R. Pritchard. 2002. “Resilience Management in Social-ecological Systems: a Working Hypothesis for a Participatory Approach”. Conservation Ecology, 6.
Wilensky, U. 1999. ‘NetLogo’. Center for Connected Learning and Computer-Based Modeling. Northwestern University . Evanston, IL. http://ccl.northwestern.edu/netlogo/.
1. introducción
Los procesos socioambientales involucrados en un análisis de sustentabilidad conforman sistemas complejos en los que interactúan desde unas pocas hasta varias centenas de variables. Estas interacciones conducen a: 1. procesos de retroalimentación entre variables que pueden ser positivos (relaciones directas) y negativos (relaciones inversas); 2. respuestas no lineales; 3. umbrales reversibles e irreversibles; 4. propiedades emergentes, y 5. comportamientos im- predecibles, inesperados y no deseados (Sterman, 1988, 1994; Stroschneider y Güss, 1999; Spector et al., 2000).
La mayoría de las personas tenemos dificultad para lidiar con esta complejidad y tendemos a manejar los recur- sos naturales (y otros procesos) con estrategias de corto plazo, y a buscar soluciones ad hoc y de visión muy corta que sólo funcionan dentro de ciertos límites estrechos y que, a la postre, resultan no sustentables (Dörner, 1997).
El proceso social de manejo de recursos naturales (MRN) se ha vuelto cada vez más complejo, interdependien- te e incierto (Gunderson, 1999). En consecuencia, los actos aparentementemente independientes de los distintos actores sociales involucrados pueden producir resultados no deseados y de consecuencias incontrolables para todos (Bouwen y Taillieu, 2004). Esto contribuye al conflicto y al distanciamiento entre los actores sociales, lo cual es desafortunado puesto que: a) desde el punto de vista social, hoy es cada vez más difícil manejar correctamente un recurso sin el consenso de numerosos agentes sociales, y b) desde el punto de vista técnico, entender y manejar es- tos sistemas complejos requiere conjugar los conocimiento y experiencias dispersas de todos los actores (Spector y Anderson, 2000).
Al aumentar la presión sobre los recursos, la relación entre los actores sociales involucrados se vuelve más aparen- te y más intensa. Esto conduce a conflictos cada vez más agudos. (p. ej., Senegal-Dray et al., 2006; México-Speelman
et al., 2006; Bhutan-Gurung et al., 2006). Estos conflictos pueden ser locales (p. ej., los habitantes rurales de la parte alta y baja de una cuenca), o bien de mayor escala, como la disputa sobre el uso del suelo para la producción agrícola o para la conservación de la fauna y la flora silvestres. Negociar opºciones de manejo sustentables a escala local y regio- nal entre todos los actores involucrados es una tarea prioritaria pero nada sencilla. Requiere que todos los actores sin- ceramente interesados en la sustentabilidad del recurso: 1. tengan un mejor entendimiento de cómo los ecosistemas y agroecosistemas responden de manera no lineal, compleja e inesperada a las prácticas de manejo, y 2. desarrollen una mente abierta al diseño colectivo de estrategias que consideran estas respuestas y los intereses de todos los actores sociales legítimante involucrados. Parece particularmente importante involucrar en este proceso a los miembros de