Una nueva herramienta de software, basada en un robusto modelo científico, permite a los acuicultores estimar la probabilidad de depredación entre especies, facilitando el diseño de sistemas de policultivo más sostenibles y productivos.
El policultivo, la práctica de criar múltiples especies en un mismo sistema, es una estrategia ancestral que está ganando un renovado interés por su potencial para hacer la acuicultura más sostenible. Esta técnica puede mejorar el uso de los recursos, reciclar subproductos, fortalecer la resiliencia del sistema y hasta reducir costos operativos. Sin embargo, el éxito del policultivo depende de un factor clave: la compatibilidad entre las especies. Cuando las especies no coexisten pacíficamente, pueden surgir competencia, estrés e incluso depredación, afectando negativamente el bienestar animal y la producción.
La depredación es una de las interacciones más perjudiciales en el policultivo. Dado que muchas especies de alto valor comercial son piscívoras por naturaleza (como percas, salmónidos o snakeheads), integrarlas en un sistema de policultivo es un desafío delicado. ¿Cómo saber si una especie se comerá a otra? Hasta ahora, la única forma era a través de costosos y éticamente cuestionables ensayos empíricos.
Para abordar este desafío, un equipo de científicos de la Univ Montpellier y de Université de Lorraine ha desarrollado «Predish«, una innovadora herramienta de soporte de decisiones diseñada para estimar el riesgo de depredación entre peces basándose en un principio simple pero poderoso: la relación de tamaño entre el depredador y la presa.
El dilema del policultivo: maximizar beneficios, minimizar riesgos
El interés en el policultivo no es casual. Sus ventajas sobre el monocultivo son numerosas, desde mejorar la utilización de los alimentos y recursos naturales hasta hacer viables económicamente a especies que no serían rentables por sí solas. Incluso se ha observado que puede mejorar el bienestar de los peces a través de interacciones beneficiosas.
No obstante, estos beneficios solo se materializan si las especies son, como mínimo, compatibles. Esto significa que pueden coexistir sin interacciones perjudiciales como la competencia por espacio o alimento. La depredación representa la forma más extrema de incompatibilidad en la piscicultura. Por lo tanto, evaluar este riesgo de forma precisa es fundamental antes de combinar especies, especialmente cuando se incluyen piscívoros de valor como el lucio (Sander lucioperca) o los snakeheads (Channa sp.).
¿Cómo funciona Predish? de los datos al soporte de decisiones
Predish no es una simple suposición; es el resultado de un riguroso trabajo científico. La herramienta se basa en un modelo alométrico que relaciona el tamaño de los peces (su longitud total) para predecir la probabilidad de un evento de depredación.
Calibración y validación: la base de la confianza
Para construir el modelo, los investigadores compilaron y analizaron una extensa base de datos con 4,207 registros de eventos de depredación documentados en la literatura científica, donde se conocía la longitud tanto del depredador como de la presa. Este proceso, llamado calibración, permitió establecer los parámetros que definen el rango de tamaño de presas que un depredador puede consumir.
Posteriormente, el modelo fue validado con un segundo conjunto de datos independiente de 13,707 eventos, que incluía tanto casos de depredación como de no depredación. Los resultados demostraron una alta capacidad predictiva:
- Sensibilidad (precisión para predecir depredación): 88%.
- Especificidad (precisión para predecir no depredación): 96%.
- Estadístico de Habilidad Real (TSS): 0.84, calificado como «excelente».
- Área Bajo la Curva (AUC): 0.92, calificado como «bueno».
Estas métricas confirman que Predish es una herramienta fiable para ser usada con una amplia variedad de peces de agua dulce, salobre y marina.
Una herramienta accesible para el productor
Lo más destacado de Predish es su aplicación práctica. Los creadores lo han diseñado como una interfaz gráfica de código abierto en el software R, lo que la hace accesible para usuarios sin conocimientos avanzados de programación.
El funcionamiento es sencillo:
- Entrada de datos: El usuario introduce una lista de especies con su nombre científico y su tamaño (ya sea un rango de mínimo y máximo, o una media con desviación estándar).
- Completar información (opcional): Si el usuario no dispone de datos de tamaño o no sabe si una especie es piscívora, Predish puede autocompletar esta información utilizando la base de datos TOFF (Traits OF Fish), que contiene datos de miles de especies de peces.
- Cálculo y resultados: La herramienta calcula el rango de tamaño de presas para cada especie piscívora y luego estima el riesgo de depredación para cada posible par depredador-presa. El resultado se presenta como una matriz de riesgo con valores de 0 (sin riesgo) a 1 (alta probabilidad de depredación) y un mapa de calor para una fácil visualización.
Más allá del número: cómo aplicar los resultados de Predish
Es crucial entender que Predish ofrece una probabilidad de riesgo basada en el tamaño, pero no es una sentencia definitiva. Los autores subrayan que el usuario debe establecer su propio umbral de riesgo aceptable, considerando el contexto específico de su operación.
Algunos factores a considerar para ajustar este umbral son:
- Prácticas de alimentación: Si los peces son alimentados ad libitum, el riesgo de que un depredador prefiera cazar a un compañero de tanque en lugar de comer pellets es menor, por lo que se podría aceptar un umbral de riesgo más alto. En condiciones de ayuno o alimentación restringida, el umbral debe ser mucho más bajo.
- Sistema de cultivo: En sistemas complejos y extensivos como los estanques, donde los peces pueden esconderse, la probabilidad de encuentro disminuye. En estos casos, se podría tolerar un riesgo mayor (ej. 0.5). En sistemas cerrados como los RAS, con alta densidad y poca complejidad, se recomienda un umbral mucho más conservador (ej. 0).
- Ecología de las especies: Si el depredador y la presa ocupan nichos diferentes (ej. uno es bentónico y el otro pelágico), la probabilidad de interacción es menor, permitiendo un umbral de riesgo más alto.
- Objetivos económicos: La tolerancia al riesgo puede depender de si la especie de mayor valor es el depredador o la presa.
Limitaciones y el futuro del diseño de policultivos
Como toda herramienta, Predish tiene limitaciones. La principal restricción es que se basa en una definición de depredación que implica la ingestión de la presa entera. No es aplicable para peces que consumen presas parcialmente, como algunas anguilas.
Además, el análisis es estático y no considera el crecimiento diferencial de las especies a lo largo del ciclo de producción. Los autores sugieren una solución práctica: realizar el análisis dos veces, una con los tamaños iniciales y otra con los tamaños finales esperados, para evaluar cómo evoluciona el riesgo.
Un paso hacia una acuicultura más inteligente y sostenible
Predish se presenta como una herramienta de precaución valiosa y con una precisión demostrada. No solo ayuda a diseñar nuevos policultivos de manera más segura , sino que también puede ser utilizada para evaluar el riesgo de canibalismo dentro de un mismo lote de peces o incluso para analizar el impacto de especies invasoras.
Al proporcionar a los acuicultores una base científica para la toma de decisiones, Predish contribuye a reducir las pérdidas económicas, mejorar el bienestar animal y avanzar hacia una acuicultura más eficiente y sostenible. Es un claro ejemplo de cómo la ciencia y la tecnología pueden unirse para resolver desafíos prácticos del sector.
Contacto
Thomas Lecocq
University of Lorraine
L2A, Boulevard des Aiguillettes, BP 70 239, 54506 Vandœuvre-lès-Nancy, France.
Email: thomas.lecocq@univ-lorraine.fr
Referencia (acceso abierto)
Lévy, S., Thomas, M., Pétronin, F., Lecomte, M., Mortillaro, J., Carval, D., & Lecocq, T. (2025). Predish: A decision support tool for estimating risk of fish predation in aquaculture systems. Aquaculture, 742833. https://doi.org/10.1016/j.aquaculture.2025.742833
Editor de la revista digital AquaHoy. Biólogo Acuicultor titulado por la Universidad Nacional del Santa (UNS) y Máster en Gestión de la Ciencia y la Innovación por la Universidad Politécnica de Valencia, con diplomados en Innovación Empresarial y Gestión de la Innovación. Posee amplia experiencia en el sector acuícola y pesquero, habiendo liderado la Unidad de Innovación en Pesca del Programa Nacional de Innovación en Pesca y Acuicultura (PNIPA). Ha sido consultor senior en vigilancia tecnológica, formulador y asesor de proyectos de innovación, y docente en la UNS. Es miembro del Colegio de Biólogos del Perú y ha sido reconocido por la World Aquaculture Society (WAS) en 2016 por su aporte a la acuicultura.
