Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
Del determinismo a la incertidumbre:
Como concebir
métodos previsionales de manejo pesquero en
ecosistemas impredecibles?
Colapso
(workshop 1976)
¡Colapso!
(Aggrey, 2008)
La misteriosa historia de Sardinella aurita y Balistes capriscus
en África del oeste
1972
1972
Una pequeña historia africana
Capturas de la pesquería artesanal en Ghana (toneladas/año)
Ninguna explicación se pudo dar sobre la extensión-invasión y
la depleción de B. capriscus en una década en la costa oeste
de África
? ?
Las variaciones de abundancia no se deben solamente a la
sobrepesca o a los cambios climáticos. Las estrategias de las
poblaciones juegan un papel importante. Es necesario observar
la dinámica de las poblaciones en el ecosistema
De casi cero a mas de un millón de toneladas y vuelta a cero en 10 años, sin señal fuerte del ambiente ni
explotación
1973 1976
1977
1979
1980
Evaluaciones acústicas
El caso del calamar gigante Dosidicus gigas en el golfo de California
Calamar gigante macho maduro,
Golfo de California, 2014
Calamar gigante macho maduro,
Golfo de California, 2016
Carlos Robinson, com. pers. 2016 (B/O Puma, UNAM)
No hay misteriosas historias solamente en África:
H2O
Un ejemplo: el
“Oceanic Conveyor
Belt” que transporta
el agua del Ártico al
Pacífico en unos 800
años.
Modelos enseñan
que este recorrido
puede cambiar si la
corriente fría del NW
Atlántico
disminuyese.
Esto cambiaría por
completo el clima
mundial.
Entramos en un período de la historia del planeta donde el futuro se vuelve impredecible
« Debemos pues considerar el estado presente del
universo como el efecto de su estado anterior y la causa
del que va a seguir.
Una inteligencia que por un instante dado pudiera
conocer todas las fuerzas que animan la naturaleza y la
situación respectiva de los seres que la componen (…):
nada sería incierto para ella, y el futuro como el
pasado estarían presentes bajo sus ojos.»
LAPLACE, Essai philosophique sur les
probabilités, 1814
El Orden: la impredecibilidad de la dinámica de un sistema se debe unicamente a la insuficiencia de los conocimientos de las condiciones iniciales. Se trata de un (¡simple!) problema de muestreo. El Caos: cuando el sistema es fractal, por definición las condiciones iniciales no pueden ser conocidas y lo impredecible (el caos determinista) es intrínseco al sistema.
¿El Orden de Laplace o el Caos de Poincaré?
El paradigma prevaleciente hasta la fecha: “Los sistemas ecológicos son deterministas”
«Pero, aunque las leyes naturales no tendrían ningún
secreto para nosotros, no podriamos conocer la
situación inicial sino aproximadamente. (…) Un error
pequeño sobre las primeras produciría un error enorme
sobre los últimos.
La predicción se vuelve imposible, y nos
enfrentamos a un fenómeno fortuito. »
POINCARÉ, Science et Méthodes, 1908
Ejemplo de modelo fractal
MSY: el paradigma dominante
Growth over-
fishing
Mortality
Growth
Biomass
Beverton y Holt
en Lowestoft in
1954 Edad crítica
“This is logical, and is how a farmer would
produce meat, bearing in mind that he must
leave a breeding stock.”
Beverton and Holt, 1954
Hillis and Arnason 1995
“.. a fishery will yield its maximum
physical returns if all fish are allowed to
grow to the point where the rate of increase
in weight just ceases to outstrip losses due
to natural mortality and then harvested…
Critical age!
Única forma posible de
manejar un stock en
esta época sin
computadoras.
Volviendo al MSY: un concepto que se reconoce como ineficiente desde décadas…
… pero que sigue usándose e impone varios axiomas a la ciencia pesquera. Algunos ejemplos perniciosos:
Algunas hipótesis implícitas y explícitas para aplicar un modelo estocástico
- El sistema general es determinista
- El stock es independiente del ecosistema
- La única influencia del ecosistema se manifiesta en la varianza
de los resultados
- La CPUE representa la densidad en un momento y un lugar dado
- No hay aprendizaje de los peces frente a la presión pesquera
- La única variable forzante es el esfuerzo pesquero
- No hay incidencia del comportamiento en la capturabilidad
- Los peces tienen la misma respuesta a las artes de pesca en
cualquier lugar de su área de distribución
- Las poblaciones o sub-poblaciones son conocidas y delimitadas
- No hay intercambio entre poblaciones
- La mortalidad natural es constante
- El reclutamiento es determinista o aleatorio
- Etc…
10
« La CPUE representa la densidad en un momento y un lugar dado » (Ejemplo de la sardina y de la anchoveta en el Perú)
biomasse sardines et anchois, 1985-1999 Perou (tonnes)
biomasse sardine = 2.6015E6-0.0191*x
0 1E6 2E6 3E6 4E6 5E6 6E6 7E6
biomasse anchois par campagne
-1E6
0
1E6
2E6
3E6
4E6
5E6
6E6
bio
ma
sse
sa
rdin
e p
ar
ca
mp
ag
ne
r2 = 0.0004
r = -0.0196
p = 0.9446
anchois
sardine
Captures sardines et anchois 1985-1999 Perou (tonnes)
catch sardine = 2.9587E6-0.2229*x
0 2E6 4E6 6E6 8E6 1E7 1.2E7
catch anchovy
0
5E5
1E6
1.5E6
2E6
2.5E6
3E6
3.5E6
4E6
ca
tch
sa
rdin
e
r2 = 0.3151
r = -0.5613
p = 0.0295
-82 -80 -78 -76 -74 -72
-18
-16
-14
-12
-10
-8
-6
-4
Rojo : 100% anchois
Azul : 100% sardine
Verde : overlapping
-82 -80 -78 -76 -74 -72
-18
-16
-14
-12
-10
-8
-6
-4
Overlapping promedio
1985-2000:
17 % en superficie
3% en biomasa
1988
Mai-Juillet
1987
Août-Sept.
SCALE EFFECT ON THE FISH EFFECT ON THE FISHERY EFFECT ON THE CPUE
Stock area Usually trip durationa CPUE1; CPUE2; CPUE3
and/or density searching time for fishing grounds CPUE1; CPUE2; CPUE3
Cluster number of clusters searching time for clusters CPUE1; CPUE2; CPUE3
and/or cluster area searching time for clusters CPUE1; or CPUE2 b;
CPUE3
School number of schools/cluster searching time for schools in cluster
duration of exploitation of the
cluster
CPUE1; CPUE2; CPUE3
CPUE1; CPUE2; CPUE3
and/or school weight time for fishing operations CPUE1; CPUE2 c; CPUE3 c
(Fréon y Misund, 1999)
Efectos sobre los datos de pesca de las variaciones naturales de las estructuras espaciales y pondérales de una población. CPUE1
= captura por tiempo en el mar. CPUE2 = captura por tiempo de búsqueda; CPUE3 = captura por lance de pesca; aumento; baja
proporcional en la variación de abundancia; baja más débil que la variación de la abundancia; baja más fuerte que la variación
de abundancia; estable
« La CPUE representa la densidad en un momento y un lugar dado » Los varios ejemplos de evolución de la CPUE)
“Estructuras, migraciones, funcionamiento y distribuciones de las poblaciones se conocen”
Hipótesis 1. "Jack mackerel caught off the coasts of Peru and Chile constitute separate stocks which straddle the high seas"
Hipotesis 2. "Jack mackerel caught off the coasts of Chile and Peru constitute a single shared stock which straddles the high seas"
Hipotesis 3. "Jack mackerel caught off the Chilean area constitute a single straddling stock extending from the coast out to about 120° W"
Hipotesis 4. "Jack mackerel caught off the Chilean area constitute separate straddling high sea stocks".
Sin comentario…
El caso del jurel Trachurus murphyi y las hipótesis de la OROP
Esta visión cambió en los 90 hacia el enfoque ecosistémico (Ecosystem Approach to Fisheries)
Un enfoque útil pero inaplicable si no se conocen TODOS los compartimientos del ecosistema
Etc... A continuación un caso mas detallado: el comportamiento
“El stock es independiente del ecosistema”
“El comportamiento de los peces no cambia con los cambios ambientales y pesqueros”
Recomendaciones para construir buques de investigación silenciosos (ICES, CRR209)
Ruido antes de la
recomendación
Ruido después de la
recomendación
…Que es el resultado de una visión determinista simplificadora…
Comparación entre los resultados de intercalibración de un barco ruidoso (azul) y
un barco silencioso (rojo) en Noruega.
Para entender, hay que observar y
saber lo que representa la observación
El modelo conceptual en 1991:
Evit. = f(ruido)
El modelo conceptual en 2012:
Evit. = f(ruido, fisiología, ecosistema,
comportamiento, otros stimuli…)
Del determinismo a la incertidumbre
Evit. = f(ruido)
La complejidad del comportamiento de evitamiento Un modelo conceptual
¿Escenario?
Historia (series temporales)
(Que) Se puede prever en un sistema caótico ?
¿prédecible?
¿predecible?
impredecible
Los sistemas ecológicos NO son simplemente deterministas (son regidos por las leyes del caos determinista)
«…because the [Darwinian evolutionary] trial-and-error procedure has gone for billions of years, (…)
every living thing has or is a machinery for learning, remembering, and forecasting. The objective is to provide anticipatory reactions to the interactions with the external world ". Marchetti (1998)
Primera observación. Las especies vivas desarrollaron estrategias de sobrevivencia para adaptarse a (o anticipar) eventos de tipo caótico.
Segunda observación. Los animales seleccionaron señales integradoras del ambiente (a) a los cuales reaccionan a niveles inferiores a los umbrales de los instrumentos actuales de medición del hombre, o (b) que no estan tomados en cuenta por el hombre.
Charles Darwin
Como resolver el problema: El comportamiento de las poblaciones Jean-Henri Fabre
Los sistemas ecológicos NO son simplemente deterministas
Por haberse elaborado en miles (millones) de años por evolución, las
reacciones comportamentales integran respuestas adaptadas a
dinámicas caóticas.
Sin poder predecir el caos, observar el comportamiento puede permitir
predecir en parte la dinámica de las poblaciones cuando el caos
produce un cambio de régimen
Variación de las proporciones de tipos de agregaciones de jurel en Chile (1991-1999) en referencia al ambiente
Gerlotto et al., 1999, Rapp. ECOS
Etapa siguiente: definir indicadores sintéticos a partir del comportamiento. El cardumen como indicador de las reacciones de una población a los
cambios ambientales
0%
20%
40%
60%
80%
100%
1991 1992 1993 1994 1997 1998 1999
c) total
Individuales
Dispersos
Estratos medios
Estratos altos
Cardumen
Años “EL NIÑO”
El cardumen puede ser un buen indicador sintético. Pero: ¿Qué es un cardumen?
(Bertrand et al., 2008)
Una posible definición: un cardumen es la primera estructura colectiva a partir de la cual los peces gregarios pueden tener reacciones coherentes y coordinadas frente a los
cambios de las condiciones ambientales
El aporte de los instrumentos modernos a la observación
El uso de indicadores comportamentales y ambientales
presenta una dificultad: la instrumentación.
Pero pasamos de un bloqueo conceptual sin solución a
una dificultad técnica que se puede resolver
Un ejemplo de aporte de la técnica a la comprensión conceptual: descubriendo lo complejo por la observación
de los cardúmenes in situ
(School of Sardinella aurita, gulf of Cariaco, Venezuela)
Primera observación de la estructura interna de un cardumen con ecosonda vertical (EKS). Muestra distribuciones no aleatoria de las densidades con zonas vacias (amarillo) y densas (rojo).
(Gerlotto 1988; Fréon & Gerlotto, 1992)
Construcción de bases de datos de cardúmenes con sonar multihaces (Un ejemplo :
el Reson 6012)
Numérisation en 3D
Mediciones : - estadística, posición, espacio ocupado
- parametros morfológicos (dimensiones L,l,h; volumen,
surperficie, rugosidad, centro de gravedad, centro de masa)
- distribución de las densidades
- estructura (número, superficie y volumen de vacuolas)
Micro-groups Gerlotto et al., ALR, 2010
typology Petitgas & Levenez,
ICES JMS 1996
0
10000
20000
30000
40000
50000
60000
0 10 20 30 40 50 60 70
Tiempo(segundos)
Surfa
ce (i
n dm
²)
Cardumen
Nucleo
nucleus Gerlotto & Paramo., ALR 2003
Gerlotto & Fréon, ICES CM 1989
Fréon et al, Fish. Res. 1992 vacuole
Fréon et al, Fish. Res. 1992
Fractal structure
2.2
2.3
2.4
2.5
2.6
0 0.2 0.4 0.6 0.8
Change in process?
Lo
g P
erim
ete
r
Perimeter measured
using different smoothing
from original data:
from 1 (above, left: no
smoothing), to 5 (below,
right)
Variation of aggregative
processes with scale
Log step
La dinamica de formacion del cardumen a traves de la dimension fractal del
perimetro (o superficie)
2.2
2.3
2.4
2.5
2.6
0 0.2 0.4 0.6 0.8
Change in process?
Lo
g P
erim
ete
r
Perimeter measured
using different smoothing
from original data:
from 1 (above, left: no
smoothing), to 5 (below,
right)
Variation of aggregative
processes with scale
Log step
La dinamica de formacion del cardumen a traves de la dimension fractal del
perimetro (o superficie)
Gerlotto et al., ICES CM 2004
3D structure Gerlotto et al., CJFAS 1999
0 10
5
10
15
20
25
30
35
40
45
50
55
0.00 5.00 10.00 15.00
-10
-5
0
5 15 25 35 45 5510.00
20.00
30.00
40.00
50.00
60.00
70.00
80.00
90.00
100.00
110.00
120.00
130.00
140.00
150.00
A
B
C D
BA
morphology Gerlotto et al., ICES JMS 2004
Communication Gerlotto et al, ICES JMS 2006
0 20 40 60 80 100 120 140 160 180 200 220 240
Lag Distance
0
200
400
600
800
1000
1200
1400
Variogra
m
Direction: 0.0 Tolerance: 90.0
0 50 100 150 200 250 300 350 400 450 500
0
50
100
150
200
250
300
350
400
450
500
Dérive 35 image 70
Soria et al., 2003;
JFB 2007
Individual interactions
Descripción de un cardumen en 2D et 3D
Gerlotto & Fréon, ICES CM 1989
Fréon et al, Fish. Res. 1992
(Fréon et al., 1992)
A B C
vacuolas
13
Descripción de un cardumen en 2D et 3D
Gerlotto & Fréon, ICES CM 1989
Fréon et al, Fish. Res. 1992
(Gerlotto & Paramo, 2003; Gerlotto et al., 2004
0
10000
20000
30000
40000
50000
60000
0 10 20 30 40 50 60 70
Tiempo(segundos)
Surfa
ce (i
n dm
²)
Cardumen
Nucleo
Time variability of school (line above) and
nucleus (line below) surfaces. Time in
number of images (rate 3.5 image/sec.), The
whole school can change its volume while nuclei don’t
Example of heterogeneity in density inside a school (horizontal 2D view)
nucleus
14
The application of geostatistical
models allows describing school structures
(Paramo et al., 2007)
Descripción de un cardumen en 2D et 3D
Gerlotto & Fréon, ICES CM 1989
Fréon et al, Fish. Res. 1992
NND different for
obligatory and
facultative gregarious
species
(Soria et al, 2003; 2008)
Two 20 cm long fish
remain polarized when
at distance < 60 cm to
each other
interacciones
15
Descripción de un cardumen en 2D et 3D
Un resultado práctico del uso del sonar multihaces: la medición del sesgo debido al evitamiento de los cardúmenes
Medición de evitamiento en el mar Catalán
Caracterización de cardúmenes en Chile (sardina)
Gerlotto et al., 2004, ICES JMS
El cardumen representa una estructura espacial coherente para adaptarse a los cambios del ambiente
La estructura es típica de una especie, la morfología resulta de la adaptación del cardumen al ecosistema y a las condiciones del ambiente
Representa bién lo que debe aportar un indicador sintético
Morphologie
Structure
Cardumen Capa
Promedio Promedio p
Longitud 20.87 36.42 0.000000
Largo 20.07 36.16 0.000000
Altura 11.58 2.92 0.000000
Volumen 605.62 253.42 0.000004
Superficie 2816.8 1311.8 0.000010
Rugosidad 5.70 6.40 0.000469
No vacuolas/m3 1.265 1.004 0.1667
Surf. V /m2 0.092 0.153 0.312389
Vol. V /m3 0.032 0.031 0.693330
Densidad 52.68 54.19 0.622279
El cardumen representa una estructura espacial coherente para adaptarse a los cambios del ambiente
8018
6
7816
14
12
10
872
74
76
Latitude (ºS)
Longitude (ºW)
0
150
100
50
Depth
(m
)
Paita
PiscoCallao
Chimbote
Log(F
ish N
AS
C+
1)
18
A B
C
A
D
A
E
C
A
A
F
C
A
A
8018
6
7816
14
12
10
872
74
76
Latitude (ºS)
Longitude (ºW
)
0
150
100
50D
ep
th (
m)
Paita
PiscoCallao
Chimbote
Log
(Fis
h N
AS
C+
1)
18
A B
C
A
D
A
E
C
A
A
F
C
A
A
B
8018
6
7816
14
12
10
872
74
76
Latitude (ºS)
Longitude (ºW
)
0
150
100
50
Depth
(m
)
Paita
PiscoCallao
Chimbote
Log
(Fis
h N
AS
C+
1)
18
A B
C
A
D
A
E
C
A
A
F
C
A
A
C
8018
6
7816
14
12
10
872
74
76
Latitude (ºS)
Longitude (ºW
)
0
150
100
50
Depth
(m
)
Paita
PiscoCallao
Chimbote
Log(F
ish N
AS
C+
1)
18
A B
C
A
D
A
E
C
A
A
F
C
A
A
D
Un segundo indicador sintético: el hábitat
Aplicado a varios objetivos:
- Evaluación de la zona potencial (muestreo): ejemplo sobre sardina de California
- Evaluación del volumen de agua disponible (3D habitat): ejemplo: anchoveta en el Perú
- Evaluación del area de distribución: ejemplo sobre el jurel en el Perú
- Evaluación de la dinámica inter/intra anual: ejemplo sobre el jurel en el Perú
(Hintzen et al., 2015; Bertrand et al., 2016)
Monthly mean distribution of the CJM habitat in
the SE Pacific Ocean
Jan.
Dec.
A 3D model of the CJM habitat
El hábitat se calcula integrando una
serie de variables (oceanográficas,
hidrológicas, de productividad,
comportamentales, etc.). Se trata bien
de un indicador sintético. Es una clave
para estudiar y definir la estructura de
las poblaciones.
Ejemplo: la estructura poblacional del
jurel
Un segundo indicador sintético: el hábitat
Con este indicador, podemos definir las poblaciones y sus dinámicas en períodos de cambio ambiental:
From a paper submitted to « Fish and Fisheries », September, 2016
El concepto de “metapoblación pelágica” a través del caso del jurel Trachurus murphyi en el Pacífico Sur
THE SIX SCENARIOS LISTED BY SPRFMO (2008) Scenario 1. Single discrete populations Scenario 2. Two discrete populations (off Peru and Chile) (a) Scenario 3. Two discrete populations (coastal & high seas) Scenario 4. Network of closed populations Scenario 5. Superpopulation (= patchy population) Scenario 6. Metapopulation (b) (a) no exchanges between sub-populations (b) exchanges between sub-populations
Scenario 6 is the most likely
(but 2 over 27 characteristics
are still contradictory)
Una pregunta esencial: ¿cual es la estructura de la población de jurel?
D. Multiple independent populations (populations never connected)
Maximum volume of habitat
Minimum volume of habitat
Only cases B and C represent metapopulations Case B: Environment-Bounded Habitat metapopulation (EBH) Case C: Territory-Bbounded Habitat metapopulation (TBH)
continuum
A. Single population (no discontinuity between the patches) B. Populations connected by habitat overlappings; existence of a source C. Populations connected by exchanges of individuals only; existence of a source
De una población única a varias poblaciones independientes : Definición de los cuatro niveles principales de estructura
poblacional descritos a través del modelo de cuenca de McCall
metapopulations
Global distribution area
Suitable habitat (mobile and
variable conditions of local
environment)
Part of the territory excluded
from the habitat by the
environment
Part of the suitable
environment excluded from
the habitat by the territory
Surface (mobile and
variable) of the territory
favorable to the habitat
Territory (limited and
invariable area)
If th
e s
pe
cie
s liv
es in
sid
e a
te
rrito
ry
Las definiciones
Unsuitable habitat (mobile and
variable)
The “territory-bounded habitat” (TBH) metapopulation: environment changes within the territory induce changes on the surface of the suitable habitat up to the territory border. Exchanges between populations by passive transport of individuals or active behaviour. The “environment-bounded habitat” (EBH) metapopulation: the only limit of expansion is the area where favourable conditions of the local environment are found. Exchanges between local and global scales are achieved by large hydrological events, e.g. currents, eddies, etc. The suitable habitat may expand up to overlapping with other sub-population habitats
Metapoblaciones territoriales vs. Metapoblaciones ambientales
Case C: Territory-bounded Habitat
metapopulation
Case B: Environment-bounded Habitat
metapopulation
Source population (low distribution) Other sub-population (low distribution)
Local favourable environment occupied (a) or out of access (b) a b
Territory limits Maximum distribution area
El efecto del tipo de hábitat sobre los intercambios entre poblaciones
Metapop
Source population
S
0
1
2
3
I G
eo
gra
ph
ica
l
lo
ca
tio
n
Max.Distribution
Area
Speciation
S
II
S
Recovery
IV
Lost niches
X
S
III
Metapop
S
VI = I
Single pop.
S
V
} A C B
Ab
un
da
nce
A
HISTORIA DE UNA METAPOBLACION AMBIENTAL (EBH)
Sub-populations
Histogram of
abundance for
each sub-
population Time
A
A
B
B C
C
S
Phase A: metapopulation situation
Phase B: recovering of niches; single population
Phase C: speciation and loss of niches
Level 0: death of the species
Level 1: level of abundance below which sub-populations are unlikely to
survive
Level 2: level of abundance above which speciation cannot occur
Level 3: all sub-population merged, no metapopulation during a while.
Source population
0
1
2
3
Ge
og
rap
hic
al
lo
ca
tio
n
Max.Distribution
Area
} A C
Ab
un
da
nce
Sub-populations
Histogram of
abundance for
each sub-
population Time
Metapop
I
A B C S
S
Metapop
VI = I
S
Metapop
II
S S
Lost niches
X
III
S
X
Exchanges
IV
S
Max. distr.
V
S
C
Territories
Phase A: metapopulation situation
Phase B: single pop. (does not occur in TBH)
Phase C: speciation and loss of niches
Level 0: death of the species
Level 1: level of abundance below which sub-populations are unlikely to
survive
Level 2: level of abundance above which speciation cannot occur
Level 3: all sub-population merged, no metapopulation during a while.
HISTORIA DE UNA METAPOBLACION TERRITORIAL (TBH)
IMPACTO SOBRE EL MANEJO Abundance dynamics (and risks) in an exploited EBH metapopulation
EBH abundance
Riesgos de no
entender el
significado de los
cambios de biomass
(que es una
“biomasa virgen”?)
Depleción no
necesariamente es
una cosa mala para
el stock
Metapopulation
depletion phase
“We make a distinction between a
depleted and a collapsed
population, where, in addition to
biomass depletion, the latter
includes damage to contingent
structure or space-use pattern.”
Petitgas et al., 2010
Si el esfuerzo pesquero se mantiene alto, una
sobrepesca puede ocurrir durante la fase de
depleción => colapso
Riesgo alto de
colapso si el
esfuerzo pesquero
no se adapta a los
cambios de
biomasa
Catc
h d
ata
Year
Metapopulation
explosion phase
Mean statistical (depleted)
paleoecological abundance
collapse
•Conocer la historia del ecosistema (series temporales, incluyendo oceanografía, dinámica climática, datos de pesca, estudios de paleoclima, datos socio-económicos, etc.)
Utilizar el conjunto de métricas permitiendo construir escenarios extraer de dichos escenarios reconocibles y repetidos
•Realizar mediciones permanentes y universales (uso de plataformas oportunistas, como los barcos de pesca)
Utilizar herramientas específicas para cada escala de tiempo • Aprovechar de las capacidades integrativas del comportamiento para obtener las métricas pertinentes •Construir indicadores (físicos, pesqueros, etológicos) para:
Advertencias en tiempo real (para permitir reacciones instantáneas) Previsiones a corto plazo (extrapolación determinista) Modelos probabilistas a mediano plazo (dentro de un escenario dado) Modelos probabilistas a largo plazo (historia, paleoclima)
Conclusión (1) ¿Como prever en un sistema caótico?
0.00
2.00
4.00
6.00
8.00
10.00
12.00
14.00
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
Capt
ra y
abu
ndan
cia
(MT)
AñosAbundanceCaptures
Warm years or El Niño Source: Informes Ejecutivos IMARPEwww.Imarpe.gob.pe
Conclusión (2): manejar stocks en sistemas variables es posible. Una aplicación en el Perú: el Manejo Adaptativo Precautorio
Requiere datos in situ, en tiempo real y en continuo, es decir datos ecosistémicos de la flota pesquera
Gutierrez et al., 2016
No management Conventional management Precautionary Adaptive Management
Precautionary Adaptive Management (PAM) de la anchoveta en el Perú Bernales, 2016