Un estudio financiado por el Fondo Noruego de Investigación de la Pesca ha analizado cómo la integración de datos de capturas, modelos oceánicos y aprendizaje automático puede generar mapas predictivos para la pesca pelágica durante la temporada de pastoreo.
El proyecto, liderado por Nybonia Hav con la gestión de Gagn Consulting y la colaboración de la NTNU y Finn Are Michelsen ENK, partió de la hipótesis de que la caballa sigue las concentraciones del copépodo Calanus finmarchicus. Los resultados mostraron una relación más compleja y destacaron la temperatura del agua como variable clave para explicar las capturas.
Con datos históricos de capturas y pronósticos de temperatura, se entrenaron modelos de IA que generan mapas de posibles zonas de pesca con hasta diez días de antelación. Los autores advierten que dichos mapas son herramientas de apoyo y no predicciones exactas.
El análisis de los viajes de pesca reveló una gran variabilidad en el consumo de combustible por kilogramo de captura, incluso entre salidas del mismo buque, subrayando la necesidad de localizar bancos rápidamente.
Una encuesta a capitanes de 15 buques vinculados al North Atlantic Institute for Sustainable Fishing mostró un fuerte interés en estas herramientas, estimando que podrían reducir el tiempo de búsqueda entre un 10 y un 30 % y disminuir el consumo de combustible por salida.
El proyecto también diseñó una interfaz cartográfica que combina temperatura, corrientes, posiciones de buques y zonas prioritarias, con posibilidades de integrarse en plataformas como BarentsWatch y FiskInfo, aunque aún requiere pruebas en condiciones reales.
Información elaborada a partir de Ocean data could help pelagic fleets save time and fuel, publicado originalmente por The Fish Site.
