Nuevos desarrollos en el análisis de series temporales de capturas como base para las evaluaciones de stocks de peces: El método CMSY++

Tras una introducción a la naturaleza de las capturas pesqueras y su contenido informativo, se presenta un nuevo desarrollo de CMSY, un método de evaluación de stocks con datos limitados para peces e invertebrados. Esta nueva versión, CMSY++, supera varias de las deficiencias de CMSY, que a su vez mejoró el método “Catch-MSY” publicado por S. Martell y R. Froese en 2013. La aplicación únicamente de capturas de CMSY++ utiliza una implementación bayesiana de un modelo de Schaefer modificado, que también permite el ajuste de índices de abundancia si tal información está disponible. En ausencia de series temporales históricas de capturas e índices de abundancia, CMSY++ depende en gran medida de la provisión de priors apropiados e informativos para rangos plausibles de agotamiento inicial y final del stock. Una Red Neuronal Artificial (ANN) ahora asiste en la selección de priors objetivos para el tamaño relativo del stock basado en patrones en 400 series temporales de capturas utilizadas para el entrenamiento. En lo que respecta a la validación cruzada de las predicciones de la ANN, del 400 stocks reales utilizados en el entrenamiento de la ANN, el 94% de las estimaciones bayesianas (BSM) de biomasa relativa final (B/k) estaban dentro de los límites de confianza aproximados del 95% de la estimación respectiva de CMSY++. Además, las relaciones de captura-biomasa de equilibrio del modelo de Schaefer modificado se comparan con las de modelos alternativos de producción excedente y estructurados por edad, sugiriendo que estos dos últimos pueden estar fuertemente sesgados hacia la subestimación de la biomasa requerida para sostener las capturas en bajas abundancias. Numerosas aplicaciones independientes demuestran cómo CMSY++ puede incorporar, además de la serie temporal de capturas requerida, tanto datos de abundancia como una amplia variedad de información auxiliar. Sin embargo, enfatizamos las advertencias y trampas de usar ingenuamente las opciones de prior integradas, las cuales deberían ser evaluadas caso por caso y, idealmente, reemplazadas por conocimiento previo independiente.