Incertidumbre y riesgo en puntos de referencia para el manejo de la pesquería de abulón en la Península de Baja California, México

Abstract

Se ajustaron tres modelos poblacionales a los datos de biomasa estimados por muestreo directo en la zona de Bahía Tortugas, B.C.S., México de 1990 a 2003. Los modelos utilizados fueron: 1) el modelo Logístico, 2) el modelo de retraso de Deriso (Deriso-R) y 3) un modelo dinámico de biomasa que incorpora supervivencia, crecimiento y retraso en el reclutamiento (SCRR). Todos los parámetros, cantidades derivadas (Q) y puntos de referencia (PR) de interés se estimaron como distribución posterior de probabilidad (dpp) de Bayes. Los tres modelos ajustan de manera muy similar a los datos observados. En todos los casos se observa que la población se está recuperando satisfactoriamente y se acerca a la biomasa donde se genera la producción excedente máxima (Bpem). Sin embargo, hay dos diferencias importantes: 1) las distribuciones de probabilidad posterior derivadas del modelo Logístico tienen menos incertidumbre que las obtenidas con los modelos Deriso-R y SCRR; 2) el valor esperado de Bpem tiende a ser mayor con el Logístico que con los otros dos modelos. Un resultado similar se encontró con la producción excedente máxima (PEM) y la producción excedente actual (PEA). Estas diferencias tienen implicaciones en la toma de decisiones porque a partir de estos PR se definen las estrategias de manejo. La incertidumbre en el modelo se resolvió mediante una aproximación al enfoque promedio Bayesiano de Modelos con el cual se construyó una distribución previa conjugada informativa para dos parámetros claves (B1 y Bo) y se actualizó la dpp de los parámetros de los tres modelos. Con base en esta dpp actualizada se realizó un análisis de riesgo sobre un punto de referencia límite (PRL) que define alternativas de manejo opcionales y no opcionales, y un punto de referencia Objetivo (PRO) que permite conocer cuantitativamente como la biomasa se aproxima a Bpem. Los resultados derivados del modelo Logístico tienen menos incertidumbre que los de los modelos de retraso. Esto no necesariamente implica que sea el mejor modelo, sino al contrario porque se podría subestimar la incertidumbre. Con base en los resultados del análisis de riesgo y la incertidumbre en los puntos de referencia, es conveniente derivar recomendaciones de manejo en el corto plazo (cuotas) con base en los modelos de retraso y recomendaciones a largo plazo (PRO) con base en el modelo Logístico. Asimismo se recomienda también continuar con la re-colecta de datos biológicos para incorporar información auxiliar en la estimación de los parámetros de la relación stock-reclutamiento incluida en los modelos de retraso.