Nuevo método disponible para estimar los niveles relativos de reclutamiento

Imagínese por un momento que usted es responsable de determinar cuántas truchas de lago pueden ser extraídas de la parte norte del lago Michigan en el próximo año sin afectar negativamente la sostenibilidad a largo plazo de la población. Desafortunadamente, usted no tiene buenos datos en los que basar su decisión. No está seguro de cómo predecir con precisión cuántas truchas de lago jóvenes alcanzarán la madurez y, por lo tanto, reemplazarán a las que usted permite que los pescadores expulsen. Usted tiene algunos datos históricos, pero sabe que los niveles de reclutamiento pueden variar ampliamente de un año a otro. Lo que sucedió el año pasado, o incluso en los últimos años, no es necesariamente un buen indicador de lo que sucederá el año próximo. Bastante difícil, ¿verdad?

El ángulo

Ahora imagine que tiene dos nuevos modelos informáticos validados que pueden ayudarlo a predecir los niveles de reclutamiento no solo para toda la población mixta de truchas de lago que viven en una región particular del lago, sino también para cada población reproductora que contribuye a la mezcla. Mejor aún, los nuevos modelos permiten variaciones tanto mínimas como amplias en el reclutamiento. ¿Eso no facilitaría su decisión?

Gracias a un reciente proyecto GLFT, los administradores de pesquerías ahora cuentan con dos modelos de este tipo, desarrollados por un equipo de investigadores que se preguntaron si podrían encontrar una mejor manera de determinar los reclutamientos relativos de las poblaciones reproductoras en un entorno mixto. Los investigadores sostuvieron que si podían identificar que ciertas poblaciones vulnerables que aportan individuos a una mezcla tenían niveles de reclutamiento en descenso, entonces los administradores de pesquerías podrían emplear mejor las medidas de conservación adecuadas.

El meollo del asunto

Para desarrollar sus modelos de estimación del reclutamiento, los investigadores primero programaron su propio software de identificación de stock genético (GSI). A continuación, compararon su software con otros programas de GSI conocidos para garantizar su calidad y fiabilidad. A continuación, ampliaron su modelo para incluir no solo datos genéticos, sino también datos dinámicos de la población, como la edad (y la longitud como indicador cuando la edad era desconocida). Estos datos adicionales permitieron al equipo estimar con mayor precisión los niveles de reclutamiento de las poblaciones de origen a lo largo del tiempo, independientemente de si los niveles eran estables o no.

Para probar sus modelos, el equipo de investigación utilizó simulaciones exhaustivas y comparaciones entre datos reales y generados por computadora para tres poblaciones: (1) esturión de lago de Green Bay en el lago Michigan (se incluyeron cinco poblaciones reproductoras), (2) trucha de lago del norte del lago Michigan (se incluyeron cuatro cepas de criadero) y (3) lucioperca de Saginaw Bay en el lago Huron (se incluyeron dos poblaciones reproductoras).

Los resultados están aquí…

A través de aplicaciones y simulaciones, el equipo de investigación confía en que sus modelos para estimar el reclutamiento son eficaces. Ambos enfoques proporcionaron mediciones razonablemente precisas de los niveles relativos de reclutamiento en una amplia gama de condiciones. Pero el equipo de investigación considera que este trabajo es un primer intento y que se necesitan más aplicaciones y más exploración.

¿Qué significa todo esto?

Uno de los mayores desafíos que enfrentan los administradores de pesquerías es predecir cómo cambiarán ciertas poblaciones de peces con el tiempo y, por lo tanto, qué estrategias de gestión emplear para garantizar su sostenibilidad a largo plazo. Como resultado, las herramientas nuevas, precisas y confiables que los administradores pueden usar para fundamentar sus decisiones son increíblemente valiosas. Gracias a este proyecto GLFT recientemente finalizado, los administradores ahora tienen otra herramienta a su disposición.

Lectura adicional

Predecir los niveles relativos de reclutamiento de peces reproductores de diferentes poblaciones que se mezclan en un área común es algo similar a intentar predecir el rendimiento de poblaciones individuales en un fondo mutuo: hay tantas variables a considerar que es extremadamente difícil determinar cuáles prosperarán. Por lo tanto, cuando aparece una nueva herramienta para ayudar a los expertos a analizar la información y tomar decisiones, es un avance importante y emocionante. Gracias a un proyecto reciente de Great Lakes Fishery Trust (GLFT), los administradores pesqueros ahora cuentan con otra herramienta de este tipo.

“El reclutamiento, junto con el crecimiento y la mortalidad, determina la sostenibilidad”, afirma Travis Brenden, profesor asociado de la Universidad Estatal de Michigan (MSU), director asociado del Centro de Pesca Cuantitativa de la MSU y uno de los investigadores principales del proyecto GLFT. “Por lo tanto, necesitamos mejores formas de determinar cuándo ciertas poblaciones jóvenes tienen problemas de reclutamiento, es decir, no alcanzan la madurez suficientes peces para reemplazar a los peces más viejos que son capturados por los pescadores o mueren por causas naturales”.

Pero, de nuevo, estimar el reclutamiento relativo de poblaciones reproductoras individuales en entornos mixtos no es fácil.

“El objetivo de nuestro proyecto era encontrar una forma de analizar a los individuos de poblaciones mixtas e inferir la salud de la población en relación con el reclutamiento”, afirma Brendan. “Si sabemos, o al menos sospechamos, que ciertas poblaciones que aportan individuos a una mezcla tienen niveles de reclutamiento en descenso, entonces podrían ser necesarios determinados esfuerzos de conservación”.

Por el contrario, si los administradores saben que otras poblaciones se están reproduciendo y sobreviviendo a tasas elevadas, podrían requerirse estrategias de gestión diferentes.

“Los modelos que pueden identificar las contribuciones de las poblaciones y cohortes a las pesquerías mixtas de aguas abiertas a partir de evaluaciones de rutina o datos de cosecha podrían ayudar a los administradores a tomar mejores decisiones sobre los niveles de cosecha, así como sobre los programas de repoblación específicos del sistema y los esfuerzos de restauración del hábitat”, dice Jon Beard, gerente de subvenciones del GLFT.

Desarrollo y validación de modelos

Para desarrollar métodos de estimación del reclutamiento, Brenden y el equipo de investigación primero programaron su propio software de identificación de stock genético (GSI). Luego, compararon su software con otros programas de GSI conocidos y ampliamente utilizados para ver si funcionaban mejor, igual o peor que las opciones existentes. Básicamente, los investigadores descubrieron que los diversos sistemas funcionaban de manera similar (es decir, ningún programa parecía funcionar mejor en todas las situaciones).

Al saber que su modelo GSI funcionaba, los investigadores lo ampliaron para incluir no sólo datos genéticos, sino también datos dinámicos de la población, como la edad (y la longitud como indicador cuando la edad era desconocida).

“La gente siempre ha reconocido que las contribuciones de las poblaciones individuales dependen de muchos factores, como el reclutamiento, las tasas de movimiento y la mortalidad”, explica Brenden. “Como estas tasas varían, también lo hacen las tasas de contribución. Lo que hicimos fue tratar de encontrar formas de representar explícitamente esas dinámicas y vincularlas con las contribuciones”.

Para ello, el equipo de investigación desarrolló dos modelos diferentes para representar distintas dinámicas de reclutamiento.

“El primer modelo, que fue diseñado para peces de larga vida con alta mortalidad previa al reclutamiento y baja mortalidad posterior al reclutamiento, supone que los cambios en el reclutamiento serán bastante constantes a lo largo del tiempo”, dice Brenden. “No habrá grandes fluctuaciones”.

Esto contrasta con el segundo modelo, que fue pensado para especies de vida más corta, como la lucioperca, que experimentan una considerable variabilidad interanual en su reclutamiento.

“Las luciopercas son conocidas por producir enormes cantidades de peces nacidos en un año determinado de vez en cuando”, explica Brenden. “Puede haber varios años de bajo reclutamiento y, de repente, se produce un pico enorme en el que el reclutamiento es diez veces mayor que en años anteriores. La diferencia entre ambos métodos radica en cómo suponemos que variarán las cantidades de peces nacidos en cada año, pero el objetivo sigue siendo el mismo: tratar de determinar, con el tiempo, cómo cambian los niveles de reclutamiento de las poblaciones de origen”.

La belleza de este enfoque ampliado, dice Brenden, “es que se puede utilizar en cualquier lugar: en los Grandes Lagos, en sistemas marinos y en otros sistemas de agua dulce. Básicamente, no tiene límites. En cualquier momento, con cualquier especie en cualquier pesquería mixta, si se dispone de información genética y de edad o longitud, se puede utilizar nuestro enfoque”.

Poniendo los modelos en práctica

Para determinar si los modelos funcionaban en la práctica, el equipo de investigación combinó información genética de poblaciones reproductoras e individuos de mezclas con datos de edad o longitud y utilizó sus dos modelos para estimar los reclutamientos relativos de las poblaciones contribuyentes. El equipo hizo esto para tres poblaciones: (1) esturión de lago de Green Bay en el lago Michigan (se incluyeron cinco poblaciones reproductoras), (2) trucha de lago del norte del lago Michigan (se incluyeron cuatro cepas de criadero) y (3) lucioperca de Saginaw Bay en el lago Huron (se incluyeron dos poblaciones reproductoras).

• Los datos sobre el esturión de lago indicaron que los niveles relativos de reclutamiento de tres ríos (Manistee, Muskegon y Peshtigo) estaban aumentando, mientras que los niveles de reclutamiento de dos ríos (Fox y Menominee) estaban disminuyendo. Dado que este hallazgo tiene posibles implicaciones para la gestión, es probable que justifique una mayor investigación.
• En el caso de la trucha de lago, los patrones estimados de reclutamiento relativo coincidieron con los niveles de repoblación reales durante algunos períodos de tiempo, pero no durante otros.
• Los niveles de reclutamiento relativo estimados para las poblaciones de lucioperca se correspondieron estrechamente con los niveles de reclutamiento previstos en algunos años, pero no en otros.

A través de aplicaciones y simulaciones, el equipo de investigación confía en que sus modelos para estimar el reclutamiento son eficaces. Cualquier diferencia entre los resultados del equipo y los de otras fuentes no indica un problema con el enfoque, sino simplemente que se hicieron diferentes suposiciones.

"Creo que hemos podido demostrar que nuestro método funciona", dice Brenden.

Según el informe final de la subvención, ambos métodos proporcionaron medidas razonablemente precisas de los niveles relativos de reclutamiento en una amplia gama de condiciones. Pero Brenden considera que este trabajo es un primer intento y sostiene que se necesitan más aplicaciones y más exploración (sobre qué tan bien funcionan los modelos y en qué situaciones funcionan mejor).

Por ejemplo, Brenden cree que los modelos podrían ayudar a entender la situación actual del salmón Chinook en los Grandes Lagos.

“En este momento, una de las cosas más importantes en las que la gente está pensando es en [hasta qué punto] el salmón Chinook se está moviendo del lago Huron al lago Michigan, porque ahí es donde están las sábalas, la principal fuente de presa del salmón Chinook”, dice Brenden. “Es un caso importante en el que tenemos diferentes poblaciones reproductoras mezclándose”.

Los nuevos modelos del equipo podrían utilizarse para arrojar algo de luz sobre las contribuciones relativas de las dos poblaciones, así como sobre su salud.

Para aquellos que estén interesados en explorar los modelos más a fondo, el código de estimación desarrollado por Brenden y el equipo de investigación ahora está disponible sin costo a través de Figshare, un depósito de datos científicos.