Distribución 3D de especies comerciales del Atlántico mediante la herramienta GAM-NICHE
Últimas noticias
Economía azul: cultivando un futuro sostenible desde nuestros océanos
Los animales marinos de hábitats intactos también corren peligro por el impacto humano
Gliders: tecnología pionera para la observación del mar
MIREIA VALLE, experta en cambio global de ecosistemas marinos de AZTI
La pesca es una de las actividades más antiguas y vitales de la humanidad, proporcionando alimento, empleo y siendo una parte fundamental de muchas culturas. Sin embargo, para que la pesca sea sostenible, necesitamos entender cómo y dónde viven los peces en el océano. En un estudio reciente de AZTI y del CSIC, cuyos resultados han sido publicados en la revista Ecological Modelling hemos utilizado una herramienta llamada GAM-NICHE para arrojar luz sobre la distribución de las especies marinas, con un enfoque particular en las 30 especies comerciales más importantes del Atlántico.
El modelo GAM-NICHE representa un avance significativo en la ciencia de la ecología marina. Desarrollado por el equipo de Cambio Global de Ecosistemas Marinos de AZTI, este modelo utiliza técnicas estadísticas avanzadas conocidas como modelos aditivos generalizados (GAM) para predecir la distribución de las especies marinas. Lo que hace especial al GAM-NICHE es su capacidad para incorporar la teoría del nicho ecológico, que sostiene que cada especie tiene un rango de condiciones ambientales en las que puede sobrevivir y prosperar. Al aplicar restricciones de forma a los GAM, el modelo evita predicciones que no son biológicamente plausibles y se alinea más estrechamente con lo que sabemos sobre la ecología de las especies.
El estudio se centró en las 30 especies más importantes para la pesca comercial en el Atlántico. Utilizando el modelo GAM-NICHE como base, el equipo de investigación de AZTI ha ido un paso más allá y ha desarrollado modelos de distribución de las especies en 3D, es decir, incorporando la dimensión vertical del océano. El desarrollo de estos modelos tridimensionales del hábitat de los principales peces comerciales del Atlántico, que representan el 67% de las capturas totales de biomasa, proporciona una representación espacial mejorada de la probabilidad de ocurrencia de estas especies.
Un futuro sostenible para la pesca
Conocer la distribución de las especies permite a los pescadores y gestores de recursos marinos planificar sus actividades de manera más efectiva. Esto no solo ayuda a asegurar que las prácticas de pesca sean sostenibles, sino que también minimiza el impacto en los ecosistemas marinos. Además, el modelo GAM-NICHE puede ser una herramienta valiosa para predecir cómo el cambio climático podría alterar la distribución de estas especies en el futuro, lo que es vital para adaptar las estrategias de conservación y pesca.
La aplicación del modelo GAM-NICHE en la investigación marina ofrece una nueva comprensión de la ecología oceánica. Al proporcionar una base sólida para la gestión sostenible de los recursos marinos, este modelo promete ser una herramienta útil para garantizar un futuro sostenible para la pesca comercial. Con el cambio climático y la acidificación de los océanos presentando desafíos sin precedentes, herramientas como GAM-NICHE son esenciales para adaptar nuestras prácticas y asegurar que las generaciones futuras puedan continuar disfrutando de los recursos de nuestros océanos.
Este enfoque integral no solo beneficia a la industria pesquera, sino que también juega un papel crucial en la protección de la biodiversidad marina y en la lucha contra los efectos del cambio climático. Al entender mejor dónde y cómo viven los peces, podemos tomar decisiones más informadas que equilibren las necesidades económicas con la urgente necesidad de conservar nuestros océanos para las generaciones futuras.
Referencia
- Valle, M., Ramírez-Romero, E., Ibaibarriaga, L., Citores, L. ,Fernandes-Salvador, J.A., Chust, G. (2024) “Pan-Atlantic 3D distribution model incorporating water column for commercial fish” Ecological Modelling, vol. 490, n. 110632. https://doi.org/10.1016/j.ecolmodel.2024.110632.