tamaños de cuadrantes y estimado del tamaño mínimo: donde se produce el aplanamiento respecto al número de especies). Además, muy importante, la determinación del número de réplicas o número mínimo de muestras a usar en la medición. Por ejemplo, para esto último, a través de un muestreo piloto: (i) usar la fórmula de Kingsford & Battershill (1998) y graficar en un gráfico cartesiano el número de réplicas (n) versus el error estándar (EE) de la Media; con ello se producirá una curva con decaimiento negativo y a partir de allí decidir (a ojo) el número de réplicas en el lugar en que se produce un aplanamiento/nivelación en EE / Media; ya que a partir de allí existe poca diferencia al agregar más réplicas; (ii) usar la fórmula de Andrew & Mapstone (1987):n = [DS / p Media]2; donde p es la precisión deseada (i.e., 0,20), como una proporción de la Media (e.g., número de cuadrantes); la Media es el valor promedio de las muestras y SD es la Desviación Estándar de la Media; (iii) usar la fórmula de Snedecor & Cochran (1980),
n = 4s2 / L2, donde, L es el error predeterminado (95% límite de confianza) de la Media y s es la Varianza (para un ejemplo cuantitativo ver Murray et al., 2002).
Todo lo anterior guiado por los objetivos, preguntas, métodos e hipótesis del estudio. Este paso exploratorio es esencial y permite revisitar las estrategias y decisiones tomadas inicialmente en la primera unidad del programa. Cada situación de monitoreo es idiosincrática y no basta en la metodología de un monitoreo, por ejemplo, decir: “se usó un cuadrante de 25 x 25 cm2 y citar una fuente bibliográfica”. Estos ejercicios pilotos deben realizarse en cada sitio de monitoreo y deben ser parte de la metodología del PVA. La etapa del estudio piloto habitualmente no es considerada como un paso indispensable en los PVA; lógicamente esta unidad encarece los estudios. Sin embargo, ella es de alta trascendencia para la planificación y el diseño, no solo de la línea base, sino que para los seguimientos posteriores donde el ahorro inicial de fondos se puede transformar en problemas insolubles a lo largo de los seguimientos.
La tercera unidad en la secuencia en la Figura 1 es la planificación y diseño de una línea base, que idealmente debería considerar al menos 2-4 estudios anuales, incluyendo estacionalidad; lo que también encarece el estudio. Sin embargo, es básico contar con más de una campaña anual de línea base. Una sola campaña de línea base no puede recoger la variabilidad biológica-físico-química temporal. Si se cuenta con más de una campaña de línea base (idealmente 4-6), se podrá tener una aproximación a la variabilidad natural del sistema antes del impacto. Esto es algo que se reforzaría si existiesen mediciones en el tiempo de carácter permanente o esporádico, en un ámbito geográfico más regional; por ejemplo, que incluyese mediciones a lo largo de decenas o centenas de kilómetros del litoral. En esta unidad es más difícil generalizar por lo idiosincráticos de los diferentes monitoreos; sin embargo, algunas mediciones y decisiones pueden ser generalizadas. Se sugiere que el árbol de toma de decisiones podría estar guiado por el uso de la estadística, en función de los objetivos, preguntas e hipótesis. Los métodos estadísticos a usar deben elegirse antes de la realización del estudio piloto o de la línea base, y ponerse a prueba allí (sobre todo en el caso que se cuente con más de una línea base), y pueden ser de carácter descriptivo e inferencial; ya sea que se utilice estadística paramétrica; no paramétrica, bayesiana, geo-estadística u otra. La estadística descriptiva hace referencia al uso de diferentes métodos para describir, organizar y resumir la información (e.g., promedios, dispersión, varianza, percentiles) y sirve para la construcción de gráficos y tablas. Mientras que la estadística inferencial hace referencia al uso de métodos para obtener y medir la confiabilidad de las conclusiones acerca de una población (parámetros) o característica/propiedad de una población o comunidad, basado en la información obtenida a través de muestras y con el uso de modelos de distribución y teoría de probabilidades (e.g., análisis de varianza uni, bi o multivariado). El método básico de la estadística inferencial es la prueba de hipótesis.
5. Una posible secuencia de decisiones en los monitoreos
La Tabla 3-1 muestra un esquema básico de secuencias de decisiones a ser implementado durante la línea base y durante un monitoreo del tipo Impacto-Control Planificado, con la tipología Presión-Estado o de Investigación (además ver Kroger & Johnston, 2016). La secuencia lógica es identificar con precisión los objetivos generales y específicos; identificar la(s) variable(s) a medir; decidir por una estrategia y diseño de muestreo, los modelos y la estadística descriptiva e inferencial a usar. Se deben generar las hipótesis a poner a prueba y él o los modelos estadísticos a ser usados. Aparece como esencial generar información (el máximo posible) para el sitio a ser impactado y aledaños “antes” de que ocurra el impacto (ver abajo los modelos y estadística más usada). Las conclusiones a extraer de los PVA deben ser inferenciales, con uso de probabilidades y discriminaciones entre los impactos naturales y los de origen antropogénicos. A medida que avanza el programa es necesario recurrir a análisis de las series de tiempo y en los análisis estadísticos siempre incorporar la información de línea(s) base.
Los tipos más comunes de modelos de diseño y de análisis estadísticos usados en monitoreos operacionales de relaciones de presión-estado y de investigación son: (i) diseño de gradiente, donde los muestreos son realizados a intervalos de distancias desde el punto de impacto (e.g., ducto submarino). Se usan cuando existe evidencia, teórica o práctica, de que se producirá un gradiente del impacto. Los análisis estadísticos pueden ser por Regresión, Análisis de Varianza (ANDEVA), Análisis de Covarianza (ANCOVA), Multivariado, otros; (ii) diseño Antes-Después- Impacto-Operación (Before-After), donde los muestreos son tomados en el mismo sitio, “antes” y “después” de un impacto planificado. El sitio de muestreo es siempre el mismo y eso elimina los problemas de variaciones espaciales; sin embargo, el gran problema es que este diseño no permite separar variaciones naturales temporales (e.g., variaciones en surgencias marinas, temperatura del agua de mar, otras) del efecto debido al impacto del agente; (iii) diseño Control-Impacto-Antes-Después (Before-After-Control-Impact: BACI), donde el diseño más simple es el de un sitio control y un sitio impactado. Ambos son muestreados para la variable de interés una vez “antes” y una vez “después”. La discriminación sobre el impacto está entonces basada en la interacción entre Tiempo y Sitio y se usa la variabilidad entre las muestras (en un sitio) como el término de error. Sin embargo, se debe asumir que las variables medidas en ambos sitios siguen una misma trayectoria a través del tiempo y si ello no es así, es posible que las diferencias sean o no producto del impacto; (iv) diseño de Series Pareadas Antes-Después-Control-Impacto (BACIPS: Paired Series), donde se combinan dos diseños. La base estadística para la determinación de impacto son las diferencias “antes” versus las diferencias “después”, de la variable seleccionada y se analiza con ANDEVA (Underwood, 1997). La base de comparación estadística es que cada diferencia en el tiempo “antes” es un estimado independiente de la variación espacial natural entre el Control y el Sitio Impactado. El análisis asume que cada diferencia en las mediciones “antes” es un estimado independiente de la variación espacial entre el sitio control y el que va a ser impactado. El diseño tiene limitaciones, ya que no hay réplicas espaciales (Underwood, 1994), pero existen aproximaciones analíticas para solucionarlo (Stewart-Oaten et al., 1986; Stewart-Oaten, 1996); (v) diseño Antes-Después-Control-Impacto Asimétrico, donde existen varios controles y un solo sitio impactado, que es analizado “antes” y “después” del impacto. El uso de varios sitios controles ayuda a mejorar problemas del diseño BACI tradicional, incluyendo el problema de interacciones espacio-temporales de BACIPS. El análisis estadístico (ANDEVA) permite observar diferencias estadísticas entre los cambios de múltiples controles (presumiblemente variables) versus el sitio impactado (Underwood, 1997; Guiñez & García-Bartolomei, 2020).
Aparte de las citas entregadas en esta sección de modelos y análisis estadísticos para monitoreos existe una cantidad importante de información científica y estadística relacionada, de la cual se destacan: Green (1979, 1989); Hulrbert (1984); Stewart-Oaten et al. (1986, 1992); Fairweather (1991); Warwick & Clarke (1991); Keough & Quinn (1991); Underwood (1991, 1992); Underwood & Peterson (1988); Clarke (1993,1997);
