Modelos de simulación de gestión pesquera

Basado en un modelo de simulación con Vensim

La situación actual de todas las zonas pesqueras se caracteriza por la sobreexplotación. Esta situación puede analizarse con ayuda de modelos de simulación basados en el modelo de Schaeffer (el de Verhulst-Pearl pero aplicándolo a biomasa en vez del número de individuos e incluyendo la pesca) asumiendo la pesquería en equilibrio (la captura iguala el crecimiento poblacional). En ese modelo si baja la actividad de captura, medida en número de barcos, la población aumenta.

Sin embargo, se puede argumentar que los barcos de ahora son más potentes que a mediados de los setenta, las redes más grandes, los viajes más largos. La pesca está más concentrada en unos pocos lugares y es más vulnerable a la flota. Ahora existe una flota con la cuarta parte del número máximo histórico de barcos. A pesar de eso, el argumento usando el modelo de Schaeffer se sigue esgrimiendo. Más que el modelo en si, el problema está en su uso en este caso. El primer problema está en asumir equilibrio al ajustar el modelo a los datos observados, equivale a que la captura observada haya sido igual al crecimiento poblacional. Ese supuesto se hacía en los días en que, sin computadoras, el tomarlo simplificaba el proceso de estimar los parámetros, que incluía una linearización para hacer una regresión. Actualmente, muchos autores aconsejan abandonar ese supuesto y se han propuesto métodos de “no equilibrio” (que simplemente aceptan que las capturas puedan ser diferentes del crecimiento poblacional).

El segundo problema es que ese modelo no nos dice nada de cómo reacciona la flota a los cambios en la captura. Hilborn y Walters (1992) propusieron una modificación que incluye la modificación del esfuerzo de acuerdo con la renta (ganancia neta). Cuando la renta es positiva nuevos barcos entran a la pesquería, si ésta es negativa los barcos salen de ella, ambas a una velocidad determinada. Cuando el número de barcos disminuye la población aumenta y viceversa. Esto podría causar oscilaciones en la población de las especies, en las capturas y el esfuerzo.

Según Wikipedia la dinámica de sistemas es una técnica para analizar y modelar el comportamiento temporal en entornos complejos. Se basa en la identificación de los bucles de realimentación entre los elementos, y también en las demoras en la información y materiales dentro del sistema. Lo que hace diferente este enfoque de otros usados para estudiar sistemas complejos es el análisis de los efectos de los bucles o ciclos de realimentación, en términos de flujos y depósitos adyacentes. De esta manera se puede estructurar a través de modelos matemáticos la dinámica del comportamiento de estos sistemas. La simulación de estos modelos actualmente se puede realizar con ayuda de programas computacionales específicos.

Originalmente desarrollada en 1950 para ayudar a los administradores de empresas a mejorar su comprensión de los procesos industriales, actualmente se usa en el sector público y privado para el análisis y diseño de políticas. Fue creada a principios en la década de 1960 por Jay Forrester de la MIT Sloan School of Management del Massachusetts Institute of Technology) con la creación del MIT System Dynamics Group.

Los modelos de simulación con Dinámica de Sistemas tienen aplicaciones en prácticamente todas las áreas del conocimiento como podemos observar en los numerosos artículos publicados en los congresos anuales de la System Dynamics Society. Se trata de una potente herramienta para:

Enseñar a los reflejos del sistema de pensamiento de las personas que está siendo entrenado.

Analizar y comparar los supuestos y modelos mentales acerca de cómo funcionan las cosas.

Obtener una visión cualitativa sobre el funcionamiento de un sistema o las consecuencias de una decisión.

Reconocer arquetipos de sistemas disfuncionales en la práctica diaria.

Los modelos permiten simular el impacto de diferentes políticas relativas a la situación a estudiar ejecutando simulaciones what if (¿qué pasaría si?) que permiten ver las consecuencias a corto y medio plazo, y ser de gran ayuda en la comprensión de cómo los cambios en un sistema lo afectan en el tiempo. En este sentido es muy similar al Pensamiento sistémico ya que se basa en los mismos diagramas de causales con bucles o lazos de retroalimentación (feedback). Sin embargo, estos modelos de simulación permiten además hacer simulaciones para estudiar el comportamiento de los sistemas y el impacto de políticas alternativas. Se utiliza en especial para investigar la dependencia de los recursos naturales y los problemas resultantes del creciente consumo a nivel global para mejorar el especial en el desarrollo de nuevos productos. Existe una gran variedad de marcas de software en el mercado que ayudan a aplicar esta herramienta de una forma amigable: Vensim, Stella, ithink, Powersim, Dynamo, etc.

---