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