3.1 Tipos de incertidumbre
3.2 Estimación de la incertidumbre y del riesgo
3.3 Asesoramiento a los administradores sobre incertidumbre y riesgo
La incertidumbre, tal como se definió en la Consulta Técnica sobre el Enfoque Precautorio en Pesquerías (CTEP), es "la imperfección en el conocimiento sobre el estado o los procesos de la naturaleza" (FAO/Gobierno de Suecia, 1995). La incertidumbre estadística es "la aleatoridad o el error proveniente de varias fuentes como las descritas al usar la metodología estadística". La CTEP define el riesgo como "la probabilidad de que pase algo malo." Note que en términos de teoría de decisiones, el riesgo es definido como las pérdidas promedio o las pérdidas que se pronostican cuando algo malo sucede.
Claramente, cuando las decisiones de ordenación van a basarse en estimados cuantitativos, provenientes de los modelos de evaluación pesquera, es deseable que la incertidumbre sea cuantificada y utilizada para calcular la probabilidad de lograr el objetivo deseado y/o de incurrir en eventos indeseables. El proceso de comunicar este riesgo a los que toman las decisiones está aún en sus primeros estados de desarrollo y presenta retos sustanciales, tanto a los técnicos pesqueros como a los administradores. Por otro lado, los administradores pesqueros y los participantes en la pesquería deben desarrollar medios para evaluar objetivamente los costos potenciales de los eventos indeseables y definir los niveles de riesgo aceptables y de capturas a corto plazo que puedan contribuir a reducir estos riesgos.
Cuando se proponen medidas de ordenación, es deseable la evaluación de los costos esperados y de aquellos eventos indeseables que pueden resultar de una acción particular (Beddington, 1978; Francis, 1991). Mientras que en el pasado esta práctica ha sido rara, en los últimos años algunos fracasos en la ordenación de poblaciones bien estudiadas ha transformado a este asunto en una prioridad científica. Recientemente, se han desarrollado varios talleres en donde se ha enfocado la evaluación del riesgo en la ordenación pesquera (SEPSC, 1991; NAFO, 1991; Anon., 1992; Smith et al, 1993; Kruze et al., 1993; FAO/Gobierno de Suecia, 1995).
3.1.1 Incertidumbre debida a errores de medición y sesgo
3.1.2 Incertidumbre en el proceso
3.1.3 Incertidumbre en el modelo
3.1.4 Incertidumbre en la estimación
3.1.5 Incertidumbre en la implementación
Hay varias fuentes de incertidumbre en el cálculo de los puntos de referencia y en la evaluación del estado de las poblaciones con respecto a estos puntos de referencia. Cinco tipos de incertidumbre, que emergen de un conocimiento impreciso del estado de la naturaleza, son (Rosenberg y Restrepo, 1992):
- Incertidumbre en la medición, es el error en las cantidades observadas tales como la captura o los parámetros biológicos;- Incertidumbre en el proceso, es la aleatoridad subyacente en la dinámica poblacional tal como la variabilidad en el reclutamiento;
- Incertidumbre en el modelo, es la especificación errónea de la estructura del modelo;
- Incertidumbre en la estimación, es la que puede resultar de cualquiera, o de una combinación, de las incertidumbres descritas anteriormente y es la inexactitud e imprecisión en la abundancia o en la tasa de mortalidad por pesca;
- Incertidumbre en la implementación, es la consecuencia de la variabilidad que resulta de una política de ordenación, i.e. incapacidad para alcanzar exactamente el objetivo de una estrategia de captura.
Noté que las fuentes de incertidumbre incluyen no sólo el error estadístico en detectar el estado de la población y las tendencias ambientales, o a los errores en el análisis poblacional, sino también a las decisiones erróneas y un marco de ordenación ineficiente; asuntos que se tratan posteriormente en este trabajo.
Las fuentes potenciales de variabilidad en los datos de pesquerías comerciales comúnmente disponibles -captura, esfuerzo de pesca y muestras biológicas de la captura por tamaños, determinación de edades y de madurez- han sido el interés de los estadísticos pesqueros y de los científicos encargados de las evaluaciones por varias décadas (Doubleday y Rivard, 1983, Reporte del Grupo de Trabajo de Evaluaciones del ICES). Ahora, estas fuentes son relativamente bien conocidas y cuantificadas. Donde se utilizan cruceros de muestreo hay problemas estadísticos estándares relacionados con el tamaño y la representatividad de las muestras. Sin embargo, la dificultad para contabilizar los descartes continua sesgando las estadísticas de desembarque de muchas pesquerías (Alverson et al., 1994). En las bitácoras y sistemas de reporte existen a menudo reportes erróneos y, al cuantificar el esfuerzo, a menudo existen incrementos ocultos en el poder de pesca de las embarcaciones debido al aprendizaje de los pescadores y a los cambios tecnológicos.
Mientras que una prospección de pesca, con una embarcación estándar y un diseño aleatorizado, puede proporcionar estimaciones objetivas o un índice del tamaño de la población que son menos propensos a riesgos que los datos de captura, las estimaciones resultantes de la prospección también tienen una varianza significativa (Doubleday y Rivard, 1981). La varianza asociada con las prospecciones acústicas es también considerable (Simmonds et al., 1992) La tabla 4 incluye algunas estimaciones del rango de errores probables en algunas de las variables poblacionales para poblaciones de peces bien estudiadas.
La variabilidad natural asociada a los sistemas de producción de peces puede ser enorme. La variabilidad ambiental, la fuente más grande de errores en el proceso, usualmente se manifiesta como variabilidad en el reclutamiento (Hennemuth et al., 1980). En poblaciones de vida corta, esto puede resultar en fluctuaciones dramáticas en la biomasa de los adultos (Lluch-Belda et al., 1989)
Aunque pueden haber relaciones y patrones que pueden modelarse estadísticamente para proporcionar alguna explicación de eventos anteriores, ha habido poco éxito en predecir, con suficiente anticipación, las condiciones ambientales o las respuestas de las poblaciones de peces y que sean útiles para la ordenación (Walters y Collie, 1988). De esta manera, a menudo la variabilidad ambiental se considera completamente estocástica y, usualmente, el enfoque más apropiado es medir directamente sus efectos sobre las poblaciones de peces mediante prospecciones de los pre-reclutas (Bradford, 1992).
Además de la variabilidad a una escala de tiempo inter-anual, también hay cambios ambientales que abarcan décadas e incluso sobre escalas de tiempo más largas, las cuales afecten la abundancia de la población, su distribución y localización en formas que son difíciles de medir y mucho menos de predecir (Murawski, 1993)
Generalmente se acepta que las poblaciones de peces llegan a ser más susceptibles a la variabilidad ambiental en la medida en que se incrementa la explotación. De esta forma, hay un efecto directo de la ordenación en la incertidumbre y la reducción de la incertidumbre puede ser, en si misma, un objetivo de la ordenación.
Los errores de los modelos raramente son evaluados, debido a que los datos requeridos para distinguir entre los diferentes modelos no están disponibles. Los estudios sobre el desempeño relativo de varias formulaciones de modelos, e.g. los modelos de producción de Schaeffer y Fox, sugieren que éstos pueden proporcionar resultados sustancialmente diferentes usando el mismo conjunto de datos. De hecho, el mismo modelo puede dar resultados bastante distintos dependiendo de la estructura de error asumida (Polancheck et al., 1993). Otros ejemplos de errores potenciales en los modelos de evaluación de poblaciones incluyen los modelos utilizados para calibrar índices de abundancia (e.g. ajuste o sintonización del APV), el uso de valores convencionales constantes para la mortalidad natural y el establecimiento de valores de F para los peces jóvenes como una función de estos propios valores en los individuos más viejos.
El error en el modelo puede examinarse, en algún grado, utilizando varios modelos para evaluar el mismo recurso aunque, en la práctica, los datos y experiencia requeridos para un enfoque de multimodelos raramente existen. Sin embargo, en aquellos casos en que se ha intentado, a menudo se han encontrado diferencias sustanciales, por ejemplo, en el caso del atún de aleta azul del Atlántico Occidental, tres métodos dieron estimados del MRS de 3942, 5530 y 6755 tm/año (ICCAT, 1994).
Debido a la naturaleza secuencial de las evaluaciones, los errores en la estimación ocurren en varias etapas y se propagan a través del proceso. Ellos pueden verse como el resultado combinado de los tres tipos de errores bosquejados anteriormente. Aunque en el pasado, los estimados explícitos de la exactitud eran raros, ahora han llegado a ser más comunes en la literatura. En la tabla 4 se presentan algunos estimados del orden probable del error para las cantidades comúnmente utilizadas en la evaluación del estado de las poblaciones de pesquerías costeras. La generalidad de estos ejemplos puede ser cuestionable, pero probablemente están subestimadas en el caso de las poblaciones de peces pelágicos y grandes pelágicos.
Los intentos para cuantificar los errores en la estimación utilizan la variabilidad estimada en los valores de los parámetros medidos. Es importante notar, sin embargo, que varios procedimientos utilizan entradas asumidas o sin mediciones, para las cuales no hay información sobre la variabilidad. El más significativo de estos parámetros de entrada asumidos es la mortalidad natural, la cual raramente se mide o es fácilmente medible. Un análisis reciente del eglefino en tres subáreas del Mar del Norte proporcionó estimaciones de M que varían desde 0.37 hasta 0.53, considerablemente más altos que el valor convencional de 0.2 que se utiliza para las poblaciones demersales del Atlántico Norte (Jones y Shanks, 1990).
La mayoría de las evaluaciones de poblaciones y de los cálculos de puntos de referencia objetivos involucran una secuencia de análisis complejos. Inevitablemente, en cada etapa hay decisiones que tomar las cuales pueden afectar significativamente el resultado del análisis. En ausencia de una metodología que pueda proporcionar una solución única, muchos sistemas de ordenación adoptan un enfoque de comité, en el cual el resultado, a menudo, es alcanzado por consenso. Para algunos tipos de evaluación, notablemente las evaluaciones APV-basadas, este problema ha sido abordado mediante la automatización del procedimiento (Gavaris, 1988; Conser y Powers, 1990).
Los errores en la estimación que resultan de sesgos o de tendencias en las variables de entrada pueden ser muy difíciles de detectar o de describir. Un ejemplo dramático es el error sistemático en la estimación de la abundancia poblacional utilizando métodos de análisis secuencial de poblaciones (análisis de población virtual y análisis de cohortes). Estos errores solamente fueron detectados cuando los científicos realizaron un análisis retrospectivo, varios años después de que los estimados poblacionales habían sido utilizados para suministrar asesoría para la ordenación. Esto sólo pudo hacerse mediante la comparación de los estimados poblacionales para cohortes que hubieran pasado casi completamente a través de la pesquería (cohortes para las cuales los análisis secuenciales de poblaciones, ASP, convergieron y para los cuales los estimados son poco afectados por los valores de entrada de F para los años más recientes), con las estimaciones de aquellas cohortes en el momento en que acababan de entrar a la pesquería. Fueron detectadas diferencias sustanciales entre las dos estimaciones, algunas veces diferencias de un orden de magnitud o más.
Debido a la complejidad del proceso de evaluación, las causas de las diferencias encontradas por el análisis retrospectivo fueron extremadamente difíciles de evaluar y, todavía, no están bien comprendidas. Estas se han atribuido indistintamente a reportes erróneos de capturas, a tendencias en la capturabilidad, al supuesto de una mortalidad natural constante a través de todos los grupos de edad y a los supuestos concernientes al reclutamiento parcial (la susceptibilidad a la explotación) a diferentes edades (Sinclair et al., 1990; Parma, 1993). Sinclair et al. (1990) concluyó que "los estimados del tamaño de la población a partir de la convergencia del ASP no necesariamente representan el verdadero tamaño de la población para aquellos años", dejando así dudas considerables en cuanto a la validez de una metodología que ha sido una piedra angular en la evaluación de poblaciones en muchas partes desarrolladas del mundo.
Los valores de la tabla 4 muestran claramente que el tamaño actual de la población y la mortalidad por pesca se conocen con una precisión relativamente baja para la mayor parte de las pesquerías, aunque con los análisis retrospectivos, particularmente el APV, las estimaciones anteriores pueden mejorarse algo. La captura total puede parecer una cantidad conocida con una precisión más alta que otras variables, pero a menudo sufre de sesgos altos o desconocidos debido a los descartes y a los reportes erróneos, particularmente si la ordenación es a través de cuotas. Las estimaciones de la biomasa mediante prospecciones tienen, típicamente, una alta varianza, pero pueden estar menos sesgados y mejorarse con mayor investigación. En todos los casos, la magnitud relativa del cambio de año a año será conocida con mejor precisión que el valor absoluto.
|
"EN AUSENCIA DE INFORMACION PRECISA, PUEDE SER NECESARIO ESTABLECER OBJETIVOS SENSATAMENTE PRUDENTES" Anon., 1991 |
Hasta la fecha, el interés ha estado en la cuantifícación de la incertidumbre asociada con las estimaciones del estado de la población. Los puntos de Referencia se ven frecuentemente como valores puntuales. El problema será probablemente más severo cuando el estado y los valores objetivos se estimen utilizando diferentes modelos y/o datos. En última instancia, los científicos pesqueros necesitarán ampliar sus enfoques para tomar en cuenta la incertidumbre conjunta de las estimaciones del estado de la población y de los puntos de referencia y, si es posible, de las interacciones en el proceso de estimación.
El error en la implementación usualmente se considera fuera del componente científico de la ordenación pesquera y, aunque es muy evidente, ha sido poco estudiado (O'Boyle, 1993). Este error está ligado, principalmente, a la falla en el control de la explotación por cualesquiera de las medidas de MCV (monitoreo, control y vigilancia) que hayan sido adoptadas. Las razones son muchas y están interrelacionadas, por ejemplo, una pobre vigilancia y control; falta de preocupación por parte de la administración de justicia cuando los casos son oídos; fallas de los participantes en el apoyo a las medidas debido a la falta de oportunidad de participación durante su desarrollo o por simples desacuerdos con las medidas que se han establecido.
En los sistemas de ordenación basados primariamente en una asesoría generada a partir de evaluaciones biológicas, la falla al incorporar información no biológica, o su incorporación incorrecta, también contribuye al error en la implementación. Frecuentemente, estos problemas pueden ser conocidos por los administradores y sus asesores técnicos, pero puede ser imposible cuantificar la incertidumbre, excepto de manera retrospectiva.
Un taller para revisar la ordenación de las poblaciones de peces demersales de la Plataforma de Nueva Escocia en el este de Canadá, desde 1977 a 1993, concluyó que el error en la implementación fue la causa principal de la falla para conservar las poblaciones (Angel et al., 1994). El Taller notó que "En suma, el enfoque táctico seleccionado para controlar la mortalidad por pesca generó un comportamiento ilegal que no fue controlado por el régimen de control disponible".
Los aspectos institucionales del error en la en la implementación serán considerados en mayor detalle en la Sección 4.
El enfoque más común para estimar el efecto de la variabilidad sobre los resultados de los modelos que utilizan una variedad de parámetros de entrada, es una simulación de la propagación de los errores, en la cual se permite variar los parámetros de entrada y la variabilidad de los resultados del modelo se describe en términos probabilísticos. Los dos enfoques metodológicos más comúnmente utilizados para la propagación de errores son las simulaciones de Monte Carlo y las técnicas de remuestreo tales como la del "bootstrapping". La simulación de Monte Carlo es la replicación de un procedimiento con datos de entrada o parámetros extraídos aleatoriamente a partir de una distribución paramétrica (a menudo referida como bootstrap paramétrico). Las técnicas de remuestreo involucran la replicación de un procedimiento utilizando datos de entrada obtenidos por muéstreos a partir de observaciones empíricas (Manly, 1991). Smith et al. (1993) proporcionan una visión general del enfoque de "bootstrap" para identificar y cuantificar las incertidumbres asociadas a los puntos de referencias. Estos procedimientos proporcionan estimaciones de la función de densidad probabilística (FDP) para los resultados, la cual puede ser mostrada de diferentes maneras (Fig. 12).
La simulación de Monte Carlo requiere de más estadística que la técnica de "bootstrap", ya que requiere conocer la distribución del error de los parámetros de entrada. Rice (1993) sugiere que los métodos de estimación de la densidad no-paramétricos (Silverman, 1986) también pueden ser aplicables, particularmente en los casos donde hay dudas sobre el grado en que los modelos especifican erróneamente la relación funcional entre pares de variables históricas, e.g. entre la biomasa de la población desovante y el reclutamiento.
La información sobre la variabilidad en las entradas de los modelos ha sido utilizada para evaluar el riesgo de dos maneras. Primero, ha sido utilizada para simular la respuesta de la población a varias estrategias de explotación, con el propósito de comparar enfoques de ordenación a largo plazo (Ruppert et al., 1985). Segundo, ha sido utilizada para estimar la probabilidad de estar en, o cerca de, un punto objetivo en un determinado año y, a la luz de esto, estimar la probabilidad de exceder algún límite o umbral indeseable (Mohn, 1993). El último uso ha sido el foco de atención más reciente en la ordenación pesquera.
Para asesorar sobre el riesgo, es necesario ir más allá de la probabilidad de ocurrencia de eventos particulares y cuantificar el grado en que estos eventos son indeseables, esto es, el costo o el impacto del evento. Esto requiere que la relación entre los resultados específicos y la consecuente pérdida de beneficios sean especificadas (Anon., 1992). Un incremento de las capturas está acompañado de una reducción en la biomasa en las pesquerías y tiene asociado riesgos de variabilidad y de colapso de la población. El enfoque más simple de riesgo es, usual mente, "Cuánta captura puede obtenerse sin reducir la población al punto dónde ésta pueda fluctuar inaceptablemente y/o sea incapaz de reponerse por sí misma por debajo de un 10 % (o incluso más alto)". Hay muchas otras preguntas con relación al riesgo, de la misma forma que hay objetivos de ordenación, o combinaciones de objetivos de ordenación. En la medida en que la cuantificación del riesgo y la aplicación de la teoría de decisiones basada en los riesgos llegue a estar más formalmente incorporada dentro de la ordenación pesquera, el concepto inevitablemente será aplicado a asuntos económicos y sociales más complejos.
En el presente, uno de los principales impedimentos para la evaluación y uso del riesgo en el suministro de asesoría para la ordenación, ha sido la definición formal de "seguro" (riesgo aceptable). Claramente, éste debiera ser específico para cada pesquería. Sin embargo, algunas generalizaciones precautorias son deseables. Por ejemplo, aunque el riesgo está incluido en la base conceptual de la ordenación de las Pesquerías de Nueva Zelandia, éste no ha sido formalmente definido. Francis (1993) propone una definición en la cual el nivel de captura debiera ser considerado seguro si mantiene la biomasa de la población desovante por encima del 20 % del nivel de la población virgen, al menos el 90 % de las veces. Las definiciones de riesgo aceptable serán generalmente expresadas en términos como los discutidos hasta ahora, que niveles de riesgo debajo de un 10 % (o incluso mayores) estarán justificados por los datos disponibles.
Se pueden identificar dos categorías de riesgos: el riesgo de no lograr un PRO y el riesgo de exceder un PRL (Mace, 1994). Los costos de no alcanzar un PRO usualmente están definidos en términos de la reducción o interrupción en el corto-plazo del flujo de beneficios para los participantes en la pesquería y para los consumidores, aún cuando esto pueda resultar en ganancias netas en el largo plazo. Esto también puede ser balanceado por un aumento de los precios en el mercado como resultado de una reducción en la oferta. Para especies con una mortalidad natural baja, la mayor parte de la biomasa no capturada en un año puede estar disponible el año siguiente. Para especies con una alta mortalidad natural, la biomasa que no se pesca hará una contribución, a través de la depredación, a otros componentes, posiblemente valiosos desde el punto de vista comercial, de la trama trófica.
Los costos de exceder un PRL son mucho más serios y han sido discutidos anteriormente y pueden ir desde una disminución al colapso de las poblaciones, impactos sobre las especies asociadas y desestabilización de los ecosistemas y pérdidas de los ingresos a largo plazo, incluyendo impactos intergeneracionales. Si la condición para una captura segura sólo puede lograrse mediante gastos en la investigación, ordenación y control que excedan la renta neta que probablemente proporcione el recurso, debieran considerarse otros enfoques de ordenación menos costosos, tales como capturas intermitentes (pesca en pulsos o selectiva) bajo una estrecha supervisión, o la rotación de la pesca entre las áreas de pesca. Consistente con las dos categorías de riesgo descritas anteriormente, hay dos tipos de errores de ordenación que pueden surgir debido a la incertidumbre sobre el estado actual de la población (Rosenberg y Restrepo, 1995). Los términos errores de Tipo I y de Tipo II han sido adoptados del mismo modo en que se usan en la estadística convencional. El error de Tipo I ocurre cuando los científicos asesoran erróneamente a los administradores de que se está produciendo una sobrepesca. El error de Tipo II ocurre cuando los científicos erróneamente concluyen que la población está subexplotada. Como se indicó anteriormente, las consecuencias de un sesgo hacia errores de Tipo II son más serias que los sesgos hacia errores de Tipo I.
Un marco de ordenación que invoque a acciones prefijadas cuando uno o más PRLs (ya sean cuantitativos o cualitativos) han sido excedidos es, en efecto, un enfoque precautorio. Un contexto para este enfoque es análogo a un termostato (Die y Caddy, en prensa): la pesquería que opera bajo un estricto control del acceso, no está sujeta a un objetivo de captura o de limitación, pero una vez que uno, o una serie de PRLs, muestra evidencia de sobrexplotación, se pone en práctica una acción de ordenación pre-establecida para reducir el esfuerzo de la flota. Esto es mantenido o reforzado hasta que el recurso se recupera a un nivel pre-acordado, cuando la tasa de explotación puede ser incrementada ligeramente.
También pueden haber riesgos debidos a interacciones biológicas no previstas, que van más allá del ámbito de control de la ordenación, pero que a pesar de esto afectan a la pesquería. Por ejemplo, la invasión de aguas Noruegas por focas "arpas", para las que se estimó que, en 1987 y 1988, consumieron 325,000 ± 75,000 t de bacalao y pescadilla, produjeron una disminución súbita en las clases de edad de tres años (Ugland et al., 1993). Tales eventos biológicos y ambientales, aunque no necesariamente son causados por la pesca, necesitan ser pronosticados cuando sea posible, monitoreados y tomados en cuenta en relación a cualquier PRL biomasa-basado.
No hay métodos estándares para comunicar la incertidumbre y el riesgo a los que adoptan las decisiones sobre pesquerías (Rosenberg y Restrepo, en prensa). Las estadísticas básicas proporcionan una variedad de medios de comunicar la variabilidad, los que pueden ser utilizados para indicar la incertidumbre asociada a una estimación en particular, o para indicar la probabilidad de ocurrencia de un evento indeseable. Las funciones de densidad probabilística se usan más frecuentemente para comunicar la variabilidad asociada a una media cuando las observaciones están normalmente distribuidas. Para propósitos de ordenación pesquera, las probabilidades acumulativas o distribuciones de supervivencia acumuladas pueden ser más útiles cuando el propósito es estimar la probabilidad de evitar el límite superior e inferior (Fig. 12). Los métodos no-paramétricos basados en percentiles y cuartiles y el uso de "box plots" pueden ser más apropiados cuando las distribuciones están sesgadas.
El método para comunicar la incertidumbre y el riesgo a los administradores dependerá de su nivel de sofisticación técnica. En situaciones de muchos países en desarrollo, será importante relacionar la incertidumbre con características de la pesquería que son bien conocidas, e.g. una cantidad de captura en lugar de un nivel de F. Una simple presentación gráfica fue utilizada para los peces voladores en el Caribe oriental como un medio de comunicar las tendencias en las capturas, las tasas de captura, su variabilidad y la probabilidad creciente de eventos indeseables cuando se incrementaba la F (Fig. 13).
Para muchas poblaciones valiosas, los intentos de cuantificar la incertidumbre y el riesgo estarán justificados. Para la pesquería de bacalao del norte en Terranova y Labrador, Restrepo et al. (1992) utilizaron el enfoque de Monte Carlo para investigar los riesgos asociados con la ordenación por cuotas. Utilizando 1000 corridas de simulación ellos encontraron que, si al final de 1990 nosotros deseamos obtener F1991 = F1990, los estimados de cuotas para 1991, cuando todos los elementos conocidos de incertidumbre fueron introducidos en el modelo, podrían estar en el orden de 170,000-260 000 t. Tal tipo de simulación proporciona la base para evaluar el riesgo de cualquier cuota. De esta manera, ellos notaron que incrementando en 5 000 t la cuota de 210,000 t, se doblaba el riesgo de exceder F1990. (Incidentalmente, hay un interés particular en revisar esta evaluación particular del riesgo después del colapso y el cierre de esta pesquería de bacalao en los últimos años).
Hilborn y Peterman (1995), recomendaron que los científicos eviten presentar simplemente un espectro de valores. Ellos plantean que la asesoría debería tratar tanto con las consecuencias de las hipótesis alternativas como con las acciones alternativas. Ellos sugieren que en lugar de decir que "la captura sostenible puede estar entre 5 y 100 tm, con nuestro mejor estimado de 75 tm", se lograría una discusión mucho mejor informada si se presenta en la siguiente forma "hay una probabilidad del 40 % de capturar 50 tm/año por los próximos 20 años, una probabilidad del 50 % de capturar 75 tm/año y una probabilidad del 10 % de capturar 100 tm/año."
El interés actual acerca de la cuantificación de la incertidumbre y del riesgo requiere una considerable cantidad de información y experiencia. Es importante para los administradores y asesores pesqueros notar que una visión subjetiva del riesgo, basada en la experiencia de los participantes, también puede ser aplicada en la ordenación. La mayoría de los pescadores y administradores informados estarían de acuerdo en que hay un riesgo inaceptablemente alto de que la pesca sin control de las agrupaciones reproductivas del mero conduzca a la extinción de las mismas y que el acceso a las agregaciones debería estar controlado. No se requiere la evaluación de una población particular para una acción de ordenación. Los datos para estimar un escape óptimo pueden no estar disponibles ni que tampoco sea percibido como económicamente viable, debido a la tasa de descuento, adquirir y analizar los datos, pero la sustentabilidad puede lograrse limitando el acceso.
