Las mejoras de hábitat son insuficientes para el sisón

Esta es la principal conclusión a la que llegan los autores del estudio "Utilización de modelos basados en individuos espacialmente explícitos para priorizar estrategias de conservación: Un estudio de caso sobre la avutarda común" (Crispim-Mendes et al., 2025). Estos seis investigadores portugueses utilizaron los Modelos Basados en Individuos (IBM) para evaluar estrategias de conservación para el sisón común en Extremadura. 

Un IBM es un modelo computacional que simula las acciones e interacciones de individuos dentro de una población, lo cual es útil para comprender la dinámica de la misma y predecir resultados de diferentes escenarios. Por ejemplo, en este estudio se integraron datos de idoneidad del hábitat en alta resolución con parámetros demográficos para simular el comportamiento individual y las interacciones con el entorno, considerando también factores como el hábitat, la reproducción y la mortalidad antropogénica (caza ilegal, atropellos en carretera y, la principal, colisiones con líneas eléctricas).

Mediante la simulación de diversos escenarios de gestión, el estudio trató de identificar intervenciones rentables que puedan revertir la disminución de la población, enfatizando la necesidad de combinar la mejora del hábitat con la mitigación de las amenazas humanas.

La principal conclusión del estudio es que, para revertir el declive poblacional del sisón común en Extremadura, las estrategias de conservación más efectivas requieren acciones coordinadas que mejoren simultáneamente la idoneidad del hábitat y reduzcan la mortalidad antropogénica. El estudio enfatiza que la mejora del hábitat por sí sola es insuficiente para revertir el declive poblacional sin esfuerzos complementarios para mitigar la mortalidad causada por el ser humano. Este hallazgo subraya la necesidad de una estrategia de conservación integrada y a largo plazo que combine la gestión del hábitat con medidas proactivas para mitigar la mortalidad inducida por el hombre.

REFERENCIA:

Crispim-Mendes, T., Marques, A. T., Valerio, F., Godinho, S., Pita, R., & Silva, J. P. (2025). Using spatially explicit individual-based models to prioritize conservation strategies: A case study on the little bustard. Journal of Environmental Management, 379, 124790. https://doi.org/10.1016/j.jenvman.2025.124790

ENGLISH VERSION:

This is the main conclusion reached by the authors of the study "Using spatially explicit individual-based models to prioritize conservation strategies: A case study on the little bustard" (Crispim-Mendes et al., 2025). These six Portuguese researchers used Individual-Based Models (IBMs) to evaluate conservation strategies for the little bustard in Extremadura.

An IBM is a computational model that simulates the actions and interactions of individuals within a population, which is useful for understanding population dynamics and predicting outcomes of different scenarios. For example, this study integrated high-resolution habitat suitability data with demographic parameters to simulate individual behavior and interactions with the environment, also considering factors such as habitat, reproduction, and anthropogenic mortality (illegal hunting, road collisions, and, primarily, collisions with power lines).

By simulating various management scenarios, the study sought to identify cost-effective interventions that could reverse the population decline, emphasizing the need to combine habitat improvement with the mitigation of human threats.

The main conclusion of the study is that, to reverse the population decline of the little bustard in Extremadura, the most effective conservation strategies require coordinated actions that simultaneously improve habitat suitability and reduce anthropogenic mortality. The study emphasizes that habitat improvement alone is insufficient to reverse the population decline without complementary efforts to mitigate human-caused mortality. This finding underscores the need for an integrated and long-term conservation strategy that combines habitat management with proactive measures to mitigate human-induced mortality.