Globally, over 80% of fisheries are at maximum sustainable levels or overexploited. However, small-scale fisheries (SSFs) in developing countries play a relevant role in coastal communities’ development with important impacts on the economy. The SSFs are normally multi-specific and due to the lack of data, studying them by simulation poses an important challenge especially forecasting models. These models are necessary to support management decisions or develop sustainable fisheries; therefore, models based on Deep Learning were proposed to forecast SSFs catch, using data from official catch landing reports (OCLRs), satellite images, and oceanographic data. The finfish fishery in Bahía Magdalena-Almejas (México) was used for the present study. According to an analysis of OCLRs, the target species of major importance in the fishery were identified and selected for the model. The proposed deep learning models used two artificial neural networks structures: non-linear autoregressive neural network and long-short term memory network, which were designed to assess and forecast monthly catch levels of Paralabrax nebulifer and Caulolatilus princeps. Models with a performance efficiency of R > 0.8, MSE < 300 were found, which indicate that the models are applicable in SSF with poor data and multi-specific fishery contexts, at low cost.

Con el fin de aportar al desarrollo de un modelo conceptual sobre la pesca ribereña o artesanal en el área de Bahía Magdalena-Almejas, Baja California Sur, se jerarquizó la importancia de 14 pesquerías de la región. La calificación se basó en un análisis cualitativo por puntos y en la estimación de un índice de importancia relativa, con indicadores como los promedios de captura, valor y frecuencia de registro de especies objetivo en desembarcos de embarcaciones menores, de 1998 a 2009; entre ellas están: almeja catarina, escama, camarón, callo de hacha, tiburón, jaiba, calamar, almeja pata de mula, rayas, lisa, pulpo, abulón, langosta y caracol chino. La interacción temporal entre varias de ellas es controlada por vedas oficiales, pero cuando ocurre se reconocen posibles efectos por pesca incidental e ilegal y modificaciones al ecosistema.

No abstract

La pesca de pequeña escala es relevante. Sin embargo, aspectos como la sobrepesca, el crecimiento de la población humana, el estado de los stocks, influyen en la adopción de estrategias de diversificación económica por los pescadores. Este artículo investiga cómo evoluciona este proceso, identificando éxitos y desafíos, y sus contribuciones en los ODS de la Agenda 2030. Se realizó una revisión de alcance y análisis crítico de publicaciones del 2017 al 2022. Se encontró que el proceso de diversificación se gesta a nivel mundial, independientemente de las disimilitudes entre flotas. La diversificación muestra dos vías principales de evolución: en las actividades pesqueras y en actividades no pesqueras de acuerdo al patrimonio de cada región, destacando actividades turísticas, servicios de transporte, alimentos y acuicultura. La política pública, la capacitación y la integración del conocimiento académico se identifican como elementos de éxito, mientras que el control del mercado por mayoristas, sistemas de cuotas y una débil gobernanza destacan como desafíos. Se reconocen aportes importantes en seguridad alimentaria, reducción de pobreza y empleos dignos. No hay evidencia concluyente de sus impactos en ecosistemas sanos.

No abstract