Ecosampler: un nuevo enfoque para evaluar la

incertidumbre de los parámetros en Ecopath con

Ecosim

Resumen
El enfoque ampliamente utilizado de Ecopath con Ecosim (EwE) para el
modelado de la red alimentaria se ha ampliado con un nuevo módulo para medir
el impacto de la sensibilidad de los parámetros de entrada en sus
resultados. Ecosampler registra muestras (conjuntos alternados de parámetros
balanceados en masa para un modelo de red alimentaria) de la rutina Monte
Carlo incorporada, y reproduce estas muestras a través de todos los módulos
EwE y cualquier complemento cargado. A través de Ecosampler, se puede
capturar la variación de salida debida a la sensibilidad del parámetro de entrada
base, de cualquier componente computacional, incluido el módulo temporal
Ecosim, el módulo espacio temporal temporal Ecospace y complementos como el
Análisis de redes ecológicas, la Cadena de valor y los Indicadores ecológicos.
 Anterior artículo en cuestión
 Siguiente artículo en cuestión
Palabras clave
Ecopath con Ecosim
Modelación ecológica
Parámetro de entrada de sensibilidad
Ecosampler

Metadatos de software
(ejecutable) Descripción de metadatos Por favor, rellene esta columna
del software
Versión actual del software Ecopath con Ecosim 6.6-Beta
Enlace permanente a ejecutables de http://ecopath.org/download/ecopath-6-6-beta/ (instalador)
esta versión.
Licencia de Software Legal GNU Lesser General Public License v2
Plataforma de computación / Sistema Microsoft Windows XP Service Pack 3 o más reciente
Operativo
Requisitos y dependencias de Este ejecutable requiere Microsoft.NET Framework 4.5 o
instalación posterior; Microsoft Office 2010 o más reciente O Microsoft
Access 2010 o controladores de base de datos más recientes.
Si está disponible el enlace al manual El manual de usuario está incluido en el instalador de
del usuario, si está publicado Ecosampler.
formalmente, incluya una referencia
a la publicación en la lista de
referencias
Correo electrónico de soporte para desarrollo@ecopath.org
preguntas

Código de metadatos
Descripción de los Por favor, rellene esta columna
metadatos del código
Versión actual del V1
código
Enlace permanente https://github.com/ElsevierSoftwareX/SOFTX_2018_57
al código /
repositorio utilizado
de esta versión del
código
Licencia de Código GNU Lesser General Public License v2
Legal
Código de sistema de Apache Subversion (SVN)
versionado utilizado
Lenguajes de código Microsoft Visual Studio Community Edition 2017, Visual Basic.Net, C #
de software,
herramientas y
servicios utilizados
Requisitos de Requisitos mínimos: Microsoft Windows XP Service Pack 3, .NET Framework
compilación, 4.5, Visual Studio 2010. Aunque no es necesario para la compilación, se
entornos operativos y requieren los controladores de base de datos Microsoft Office 2010 o Microsoft
dependencias. Access 2010 para cargar modelos EWE estándar en el producto compilado
Si está disponible http://sources.ecopath.org/trac/Ecopath/
Enlace a la
documentación /
manual del
desarrollador
Correo electrónico desarrollo@ecopath.org
de soporte para
preguntas

1 . Introducción
“Ecopath with Ecosim” o EwE es un enfoque de libre acceso y de código abierto
de modelado de redes alimentarias ampliamente aplicado para evaluar el impacto
de la explotación humana y el cambio ambiental en las redes alimentarias
predominantemente acuáticas. El enfoque de EwE consta de tres módulos
computacionales: Ecopath, un modelo de contabilidad de energía de balance de
masa para capturar componentes relevantes, sus interacciones y su explotación en
una red alimenticia; Ecosim, que aplica los supuestos de Ecopath a través del
tiempo; y Ecospace, que agrega una dimensión espacial a la dinámica temporal
[ [1] , [2] ]. Además, el enfoque de EwE contiene una gama de módulos
analíticos, y cuenta con un potente sistema de complemento que permite que las
herramientas analíticas de terceros se integren a la perfección en el flujo de EwE
y sus modelos computacionales [ 3].
Una limitación de EwE ha sido la falta de instalaciones para medir el impacto de
la incertidumbre de los parámetros en sus predicciones [ 4 ]. La capacidad de los
modelos de ecosistemas para reproducir tendencias y patrones observados en la
naturaleza depende de una comprensión profunda del comportamiento de los
ecosistemas, y debido a que esta comprensión es siempre incompleta y los
modelos son simplificaciones necesarias de la realidad, la parametrización de los
modelos de ecosistemas de facto sufre de incertidumbre. Al considerar la
incertidumbre de los parámetros de entrada, los rangos de posibles resultados
permiten comprender mejor la confiabilidad de las predicciones del modelo
[ [1] , [5] , [6] , [7] ].
Durante su historial de desarrollo, el conjunto de características EwE adquirió, y
en ocasiones perdió, herramientas que abordaron parcialmente este problema. Se
agregó un motor Monte Carlo para evaluar el impacto de la sensibilidad en los
parámetros clave de Ecopath en las predicciones de Ecosim
[ [1] , [6] , [8] ]. EcoRanger, que proporcionó un enfoque similar al de Monte
Carlo para encontrar el mejor ajuste del parámetro Ecopath ajustado a una serie
de criterios definidos por el usuario [ 9 ], recibió críticas por hacer que sea
demasiado fácil "arreglar" los modelos defectuosos y se suspendió con el
lanzamiento de EwE versión 6.0 [ 10 ]. Dos herramientas distintas de evaluación
de la estrategia de gestión incluyen la incertidumbre de los parámetros de entrada
de Ecopath al evaluar el impacto de políticas de pesca alternativas
[ [3] ,[11] ]. La rutina de ajuste paso a paso automatiza el proceso de prueba de
rangos de hipótesis para encontrar el mejor ajuste estadístico a las series de
tiempo [ 12 ]. Por último, el complemento recientemente agregado Indicadores
ecológicos (ECOIND) incluye la incertidumbre del parámetro de entrada en un
rango de indicadores ecológicos [ 8 ]. Sin embargo, hasta la fecha, el enfoque de
EwE se deja queriendo los medios para explorar el impacto de la incertidumbre
de los parámetros en todas sus predicciones.
Los modelos EwE se utilizan cada vez más para el asesoramiento de políticas y
gestión, como el EIA de la terminal de Roberts Bank [ 13 ] y el Plan de gestión
del delta de Louisiana [ 14 ], y la integración del enfoque EWE en los marcos de
evaluación internacionales (por ejemplo, [ 15 ]). La falta de una característica
lista para usar para realizar pruebas de sensibilidad de parámetros de entrada en
todo el sistema ha llevado al desarrollo de cajas de herramientas de terceros
como DataReli [ 16 ] y ecopath_matlab: una implementación de MATLAB de un
conjunto de características parciales de EwE para evaluar el impacto de la
incertidumbre de los parámetros de entrada en los indicadores de redes
ecológicas [ 5]. En consecuencia, se ha vuelto imperativo que el enfoque de EwE
adquiera la capacidad nativa de proporcionar información sobre cómo la
sensibilidad de los parámetros puede afectar las predicciones de cualquier
módulo de EwE [ [4] , [6] , [17] , [18] ].
Hemos construido un nuevo módulo para abordar estas necesidades, Ecosampler,
que presentamos en este documento. Para ilustrar sus capacidades, aplicamos
Ecosampler a un modelo de red alimentaria de la plataforma continental
mediterránea israelí [ [19] , [20] ], y exploramos el impacto de la incertidumbre
de los parámetros en los indicadores ecológicos clave entregados por dos
complementos analíticos externos: Ecológico Análisis de red y ECOIND.

2 . Problemas y antecedentes
El principal desafío para desarrollar un módulo de incertidumbre de parámetros
de EwE es que el enfoque de EwE es de alcance abierto. El código fuente de
EwE es gratuito y de código abierto, lo que significa que cualquier persona puede
usar y extender el código dentro de los términos de la licencia del código
[ 10 ]. El código es modular, lo que permite a los programadores reemplazar u
omitir los bloques de construcción de EwE, o integrar la lógica de modelado de
la red alimentaria de EwE en su propio código, para abordar preguntas de
investigación específicas [ 3 ]. El código fuente es altamente extensible a través
del sistema de plug-in, que permite a los programadores conectar cualquier lógica
al flujo de ejecución de EwE sin tener que alterar el código fuente de EwE
[ [3] , [10] ]. Esta flexibilidad, como se muestra en la Fig. 1, ha otorgado al
software de escritorio EwE una nueva funcionalidad significativa a través de
complementos de terceros, mientras que los motores computacionales EwE se
han incorporado en scripts de códigos analíticos personalizados
[ [3] , [7] , [8] , [13] , [21 ] ]. El desafío fue definir un marco de incertidumbre de
modelo que pueda abordar la incertidumbre de parámetros en el módulo existente
y futuro de EwE, en cualquier complemento existente y futuro, al tiempo que
respalda la estructura modular de EwE.
Un módulo de evaluación de incertidumbre de EwE en todo necesita variar el
conjunto de parámetros de entrada de Ecopath. La rutina integrada de Monte
Carlo varía los intervalos de los parámetros de entrada de Ecopath en la búsqueda
de modelos alternativos de balance de masa. El coeficiente de variación se puede
ingresar, o se puede obtener del pedigrí de datos, una medida de confianza en la
fuente de datos de cada parámetro [ 1]. Monte Carlo luego evalúa si los modelos
de balance de masa alternativos, donde se contabiliza toda la energía en el
sistema sin requerir fuentes o sumideros externos (valores de eficiencia
ecotrófica <= 1), producen un mejor ajuste estadístico a las observaciones en el
módulo temporal Ecosim. La rutina de Monte Carlo incorporada tenía dos
limitaciones principales para nuestros propósitos: (1) no podía variar todos los
parámetros de entrada de Ecopath, y (2) encontrar conjuntos de parámetros de
masa balanceada alternativos para modelos complejos o estrechamente
restringidos podría llevar mucho tiempo . Separar la lógica de Monte Carlo de
Ecosim para construir un motor de incertidumbre no fue una tarea factible. Sin
embargo, EwE ya ofreció una serie de puntos de complemento que exponen el
flujo de las rutinas de Monte Carlo a un código externo.
Un módulo de evaluación de incertidumbre en toda EwE requiere la captura de
resultados de todas las rutinas del modelo, incluidas las producidas por
complementos existentes y futuros. Para mantener el alcance de EwE abierto, el
sistema de complementos no impone restricciones al funcionamiento de los
complementos, ni prescribe formatos de datos para los resultados calculados. La
recopilación y el análisis centralizados de un número abierto de formatos de
salida es, por lo tanto, una opción poco realista. Sin embargo, los usuarios de
EwE normalmente consumen los diversos resultados de EwE a través de scripts
escritos personalizados en R, Matlab, macros de Excel, etc., para su posterior
análisis. Para facilitar este tipo de uso, EwE ya contiene un sistema de guardado
automático para controlar qué modelos principales y qué complementos suscritos
escriben automáticamente sus resultados en el archivo.

3 . Marco de software
Ecosampler se implementó como una extensión del núcleo EwE utilizando
Microsoft Visual Basic .NET. Ecosampler opera en tres modos separados:
grabar, revisar y ejecutar.
En el modo de grabación, Ecosampler escucha la ejecución de la rutina de Monte
Carlo incorporada. Cuando Monte Carlo encuentra un conjunto de parámetros de
balance de masa alternativo para el modelo cargado, Ecosampler intercepta las
variaciones de parámetros realizadas por Monte Carlo y almacena este conjunto
de parámetros en la base de datos del modelo EwE como una muestra ( Fig. 2 ).
En el modo de revisión, los usuarios del software EwE pueden cargar muestras,
una a la vez, en el software de escritorio Ecopath. Los valores de las muestras y
su impacto en los diversos componentes del modelo pueden verificarse, y las
muestras que producen resultados ecológicamente irreales pueden eliminarse.
En el modo de ejecución, Ecosampler carga varias muestras, una a la vez. Para
cada muestra, la carpeta de salida predeterminada de EwE se redirecciona a una
carpeta única, y los valores de sus parámetros Ecopath se escriben en esa
carpeta. Luego, Ecosampler ejecuta el modelo equilibrado de masa Ecopath, el
modelo dinámico en tiempo Ecosim (si está cargado) y el modelo espacio
temporal espacial (si está cargado), restaura los conjuntos de parámetros iniciales
de Ecopath y restaura la ubicación de salida predeterminada de EwE. Cualquier
módulo central EwE y cualquier complemento que esté conectado a estos
módulos centrales se ejecutará y, si está configurado para escribir
automáticamente salidas, escribirá sus predicciones en los valores de la carpeta
de salida redirigida a la unidad ( Fig. 3 ). En este punto, el análisis de
incertidumbre se puede realizar utilizando el software estadístico de elección.
Además, Ecosampler debe considerar la posibilidad de que las muestras
almacenadas no sean válidas cuando se modifique el modelo maestro de
Ecopath. Las muestras son representaciones alternativas del modelo maestro de
Ecopath, y cuando el usuario de EwE modifica los parámetros de Ecopath del
modelo maestro, se supone que las muestras ya no son alternativas válidas del
conjunto de parámetros del maestro de Ecopath ya que cualquier modificación de
parámetros puede alterar el estado equilibrado de modelo. Para salvaguardar la
validez de la muestra, Ecosampler se integra en el sistema de guardado de EwE y
ofrece a los usuarios de EwE la opción de eliminar todas las muestras
almacenadas cuando los parámetros de Ecopath modificados están a punto de
guardarse.

4 . Implementación
Ampliamos la funcionalidad de la rutina Monte Carlo incorporada para permitir
la perturbación de los parámetros básicos de entrada de Ecopath, las pesquerías y
los descartes, las tasas de acumulación de biomasa y las dietas, además de los
parámetros biomasa, producción, consumo, eficiencia ecotrófica y acumulación
de biomasa que Monte Carlo ya era capaz de variar. Los coeficientes de variación
para los desembarques y los descartes se pueden obtener de los valores del
pedigrí para los datos de captura. Se agregaron dos métodos diferentes para
variar las matrices de la dieta: usando distribuciones de Dirichlet [ 7 ], o usando
distribuciones normales donde los coeficientes de variación se pueden obtener
del pedigrí de dieta. Las instrucciones sobre cómo usar las distribuciones de
Dirichlet para variar las dietas se incluyen en el material complementario
(Apéndice A, Archivo complementario 1).
También proporcionamos a Ecosampler la capacidad de importar muestras de
otras bases de datos modelo. El proceso de encontrar conjuntos de parámetros de
masa balanceada alternativos a través de Monte Carlo puede llevar mucho tiempo
para los modelos de Ecopath estrechamente restringidos, o modelos con matrices
de dieta complejas. Para acelerar el proceso de búsqueda y registro de muestras
para dichos modelos, los usuarios de EwE pueden grabar muestras en diferentes
computadoras, cada una de las cuales utiliza una copia de la misma base de datos
del modelo EwE. A través de la funcionalidad de importación, las muestras
grabadas en copias de una base de datos del modelo EwE se pueden llevar a la
base de datos del modelo maestro para realizar ejecuciones por lotes de
Ecosampler.
La guía del usuario de Ecosampler se incluye en el material complementario de
este manuscrito (Apéndice A, Archivo complementario 2).

5 . Caso de estudio
Usamos Ecosampler para evaluar la incertidumbre de los parámetros en un rango
de indicadores computados por los complementos de Análisis de red ecológica
(ENA) y ECOIND. Como ejemplo, utilizamos un modelo de red alimentaria que
se construyó previamente y que representa el ecosistema de la plataforma
continental mediterránea israelí. El modelo se ajustó a series temporales de datos
de 1994 a 2010, considerando los impactos combinados de especies exóticas,
actividades de pesca y cambios en la temperatura de la superficie del mar y la
productividad primaria en la red alimentaria local [ 20 ]. Realizamos 1000
simulaciones de Monte Carlo donde se variaron los parámetros de Ecopath
biomasa (B), producción (P / B) y consumo (Q / B), y eficiencia ecotrófica
(EE). Los coeficientes de variación se obtuvieron de la rutina de pedigrí, como se
define en Corrales et al. [ 19]. Ecosampler registró más de quinientos modelos
alternativos de Ecopath con balance de masa. Luego, ejecutamos estas muestras a
través del módulo temporal Ecosim, el complemento 'Análisis de redes
ecológicas' y el complemento de indicadores ecológicos ', para evaluar el impacto
de la incertidumbre de los parámetros de entrada en la salida de estos módulos.
Para obtener una descripción de los pasos tomados para registrar y validar las
muestras, y para una descripción detallada del contenido de las muestras,
consulte el material complementario (Apéndice A, Archivo complementario 3).
Los indicadores perturbados de ENA y ECOIND se analizaron a través de un
script R personalizado escrito. Los resultados de la biomasa de la rutina de Monte
Carlo, y los indicadores entregados por los complementos de ENA y ECOIND,
se utilizaron para trazar la gama de productos (el quinto y el 95 por ciento) para
evaluar la incertidumbre. Finalmente, utilizamos la prueba estadística de
correlación de rango de Spearman para evaluar la correlación entre los resultados
del modelo (biomasa e indicadores ecológicos) y el tiempo. Seleccionamos los
siguientes indicadores:
(1)
Biomasa depredadora, que incluye la biomasa de todos los grupos con
Nivel Trófico (TL) ≥4 y tiende a disminuir con el aumento del impacto de
la pesca [ 22 ];
(2)
El índice Q de Kempton, que expresa la diversidad de biomasa del
organismo con TL ≥3 y tiende a disminuir con la degradación del
ecosistema [ 23 ];
(3)
El TL medio de la comunidad (mTLco), que expresa el TL de toda la red
alimentaria (grupos vivos) y se utiliza para cuantificar el impacto de la
pesca [ 22 ];
(4)
El rendimiento total del sistema (TST), que estima los flujos totales en la
red alimentaria y es una medida del tamaño del ecosistema e indica si el
ecosistema está en equilibrio [ 24 ];
(5)
El índice de ciclismo de Finn (FCI), que expresa la proporción de TST que
se recicla en el sistema y es un indicador de estrés [ 24 ];
(6)
La Longitud de la Ruta (PL), definida como el número promedio de
grupos que fluye, pasa y es un indicador de estrés [ 25 ].
Las predicciones históricas del modelo coinciden satisfactoriamente con los datos
observados (para más información, consulte Corrales et al. [ 20 ]). El modelo
muestra un patrón histórico decreciente para la biomasa de varios grupos ( Fig.
4 ). Por ejemplo, la merluza ( Fig. 4 c) y los peces rocosos ( Fig. 4 d) mostraron
disminuciones significativas. Por el contrario, la biomasa de cangrejos
alienígenas ( Fig. 4 a), peces cabra ( Fig. 4 b) y peces demersales alienígenas
anteriores ( Fig. 4 e) aumentan significativamente con el tiempo, mientras que los
rayos y patines ( Fig. 4)f) mostrar una tendencia creciente no significativa. Las
tendencias históricas de la biomasa producidas por el modelo muestran una gran
variación en la incertidumbre entre los grupos funcionales, lo que se debe a las
grandes variaciones en las confidencias de los insumos del modelo para estos
grupos funcionales. Por ejemplo, los cangrejos alienígenas ( Fig. 4 a) y los peces
demersales alienígenas anteriores ( Fig. 4 e) presentan los intervalos de confianza
más amplios, mientras que los peces cabra ( Fig. 4 b), los peces rocosos ( Fig.
4 d) y los rayos y patines ( Fig . 4 e) . . 4 f) mostrar los intervalos de confianza
más estrechos. Aunque la incertidumbre de los parámetros en algunos casos es
grande, los patrones principales generalmente se capturan.
Los resultados también muestran que el ecosistema ha cambiado sustancialmente
de 1994 a 2010 ( Fig. 5 ; para más información, consulte Corrales et al.
[ 20 ]). Por ejemplo, la biomasa depredadora primero disminuyó y luego
aumentó, con una tendencia general en aumento no significativa ( Fig. 5 a). Esto
se debe a la disminución de los depredadores a mediados de los años noventa y la
recuperación y el aumento explosivo de depredadores alienígenas a partir de
2007 y en adelante [ 20 ]. El mTLco muestra un patrón de disminución no
significativo ( Fig. 5 b), que se atribuye a la pesca excesiva y al aumento
explosivo de especies exóticas [ 20]. El índice de Kempton fluctúa con el tiempo
con una tendencia decreciente no significativa ( Fig. 5c), en línea con los
resultados de biomasa depredadora. El parámetro TST presenta una tendencia
creciente significativa ( Fig. 5 d), que indica un ecosistema que no está en
equilibrio. Esta tendencia se atribuye a una mayor productividad primaria y a la
creciente importancia de las especies exóticas en el ecosistema [ 20 ]. Los
parámetros FCI y PL muestran una tendencia decreciente, lo que indica un patrón
de degradación del ecosistema durante el período [ 20 ]. Los resultados también
muestran la diferente sensibilidad de los indicadores a los parámetros de entrada
de Ecopath ( Fig. 5 ). Por ejemplo, la biomasa depredadora, mTLco y PL parecen
ser menos sensibles que el índice de Kempton, TST y FCI. Al igual que en los
productos de biomasa, los principales patrones de indicadores ecológicos
generalmente se capturan ( Fig. 5).
Además de explorar el impacto de la incertidumbre en el resultado del modelo, el
espacio muestreado de modelos alternativos equilibrados ofrece una gran
cantidad de información. En el material complementario (Apéndice A, Archivo
complementario 3), demostramos cómo se puede acceder a estos datos y el tipo
de información que contiene. Para ilustrar, observando las estadísticas
recopiladas de las perturbaciones del Ecosampler, es interesante que los modelos
balanceados alternativos permitieron un aumento promedio de 3% de las
biomasas, un aumento del 6% en las tasas de producción, mientras que permiten
una reducción del 3% en las tasas de consumo y eficiencias ecotróficas. ( Fig. 1 ,
Apéndice A, Archivo complementario 3). Se pueden desarrollar análisis
adicionales para proporcionar una mejor comprensión de la estructura del modelo
en sí.

6 . Impacto
Los modelos ecológicos en general, y los modelos Ecopath con Ecosim en
particular, se aplican cada vez más en una amplia gama de disciplinas científicas
y entornos de gestión. Conocer la confianza del resultado del modelo es esencial
para evaluar e interpretar las predicciones del modelo EwE con más certeza [ 26 ]
para tales aplicaciones. Para este fin, Ecosampler proporciona un potente motor
para evaluar el impacto de la incertidumbre del parámetro de entrada de Ecopath
en cualquier módulo computacional en el enfoque EWE.
La utilidad de Ecosampler va mucho más allá del cálculo de indicadores como se
presenta aquí en el estudio de caso. Conocer y propagar la incertidumbre de los
parámetros en cualquier módulo del enfoque EwE, y cualquier complemento
existente y futuro, puede ayudar a esfuerzos tales como comparaciones de
modelos espaciales y temporales, explorar comportamientos de modelos,
explorar comportamientos y respuestas de indicadores a lo largo del tiempo, etc.
En particular , Ecosampler tiene potencial para la gestión de la pesca y la
exploración de políticas, donde ofrece apoyo al proporcionar estimaciones de
riesgo en torno a los puntos de referencia, así como también proporciona
información sobre la incertidumbre en torno a los impactos ecológicos de las
reglas de control de captura (por ejemplo, [ [7] , [27]]). Además, el espacio de
parámetros de entrada remuestreados proporciona una gran cantidad de
información que se puede utilizar para lograr una comprensión más profunda del
modelo de ecosistema y el ecosistema representado. Al proporcionar información
sobre los parámetros de entrada a los que el funcionamiento del ecosistema es
más sensible, Ecosampler puede desempeñar un papel importante al proporcionar
evidencia sobre dónde se deben enfocar los esfuerzos de investigación
adicionales.
Es importante tener en cuenta que el marco de Ecosampler actualmente solo se
puede utilizar para evaluar el impacto de la incertidumbre de los parámetros en
los parámetros de Ecopath más comúnmente ingresados. Una versión futura de
Ecosampler debería poder variar los parámetros restantes de Ecopath y los
parámetros clave de Ecosim, como las vulnerabilidades, los parámetros de
Ecospace como las tasas de dispersión y quizás incluso las respuestas funcionales
utilizadas por el Modelo de capacidad de forrajeo de hábitat [ 28 ].
Deseamos enfatizar que el muestreo aleatorio de parámetros de línea base en
redes alimentarias complejas, donde las variables a menudo están correlacionadas
y / o tienen efectos de composición, puede desencadenar cambios en el
funcionamiento de la red alimentaria. Por ejemplo, las dietas de remuestreo
pueden desencadenar respuestas funcionales depredadoras en Ecosim. Este tipo
de efectos en cascada tendrá impactos en toda la red alimentaria, y se deben tener
en cuenta al interpretar los resultados producidos a través de Ecosampler.

7 . Conclusiones
En este documento se presentó un nuevo módulo para el enfoque de modelado de
la red alimentaria de Ecopath con Ecosim, Ecosampler. Ecosampler se puede
utilizar para evaluar el impacto de la incertidumbre del parámetro de entrada de
Ecopath básico en cualquier módulo de cómputo de EwE y cualquier
complemento. Esta aplicabilidad abierta de Ecosampler ofrece una base para las
nuevas aplicaciones de EwE, mucho más allá de las capacidades actuales que
 ofrecen las herramientas de prueba de incertidumbre de parámetros existentes
para los modelos EwE.

Expresiones de gratitud
Ecosampler se realizó a través de la financiación de la Comisión Europea a través
de las becas de becas de integración profesional Marie Curie PCIG10-GA-2011-
303534 para el proyecto BIOWEB. Este estudio es una contribución a los
proyectos SafeNET ( EU-DGMARE MARE / 2014/41 ) y MERCES (acuerdo de
subvención del programa de investigación e innovación Horizon de la Unión
Europea nº 689518 ). XC recibió el apoyo de una beca IOLR en el marco del
proyecto DESSIM ("Un sistema de apoyo a la decisión para la gestión de la zona
económica exclusiva del Mediterráneo de Israel").

1. Descargar imagen de alta resolución (201KB)

2. Descargar imagen a tamaño completo
Fig. 1 . La estructura modular de Ecopath con el código fuente de Ecosim, que separa el
acceso a los datos, los cálculos y la interfaz de usuario en componentes intercambiables. Un
sistema de complemento proporciona los medios para ampliar el modelo EwE y para
conectarse a otro software externo al software EwE.
Adaptado de Steenbeek et al., 2016.
1. Descargar imagen de alta resolución (314KB)
2. Descargar imagen a tamaño completo
Fig. 2 . Diagrama de flujo del modo de registro de Ecosampler. A través del sistema de
complementos, Ecosampler escucha la ejecución de las rutinas e interceptaciones de Monte
Carlo y almacena conjuntos alternados de parámetros de Ecopath con balance de masa.
1. Descargar imagen de alta resolución (570KB)
2. Descargar imagen a tamaño completo
Fig. 3 . Diagrama de flujo del modo de ejecución por lotes de Ecosampler. Las muestras se
cargan, una a la vez, en Ecopath. Ecosampler primero altera la ruta de salida de la base,
después de lo cual ejecuta los modelos Ecopath, Ecosim y Ecospace. Los complementos
conectados también se ejecutan automáticamente. Cualquier componente configurado para
guardar su salida en la unidad lo hará. Ecosampler luego se limpiará después de sí mismo
restaurando la ruta de salida y restaurando el conjunto de parámetros de Ecopath a su
estado inicial.