APROXIMACIÓN A LA CAPACIDAD DE CARGA DE
LOS ECOSISTEMAS PESQUEROS Y ACUÍCOLAS
DE MÉXICO
APPROXIMATION TO THE CARRYING CAPACITY OF MEXICO'S
FISHERIES AND AQUACULTURE ECOSYSTEMS
Juan Madrid Vera
Investigador Independiente
Daniel Aguilar Ramírez
Instituto Mexicano de Investigación en Pesca y Acuacultura Sustentables (IMIPAS)
Horacio Haro Avalos
Instituto Mexicano de Investigación en Pesca y Acuacultura Sustentables (IMIPAS)

pág. 6563
DOI: https://doi.org/10.37811/cl_rcm.v10i1.22768
Aproximación a la capacidad de carga de los ecosistemas pesqueros y
acuícolas de México
Juan Madrid Vera 1
juanchomvera@hotmail.com
https://orcid.org/0009-0006-6234-6607
Investigador Independiente
Ciudad de México, México
Daniel Aguilar Ramírez
daniel.aguilar@imipas.gob.mx
https://orcid.org/0009-0005-6749-0221
Instituto Mexicano de Investigación en Pesca y
Acuacultura Sustentables (IMIPAS)
Ciudad de México, México
Horacio Haro Avalos
horacio.haro@imipas.gob.mx
https://orcid.org/0009-0009-0728-4847
Instituto Mexicano de Investigación en Pesca y
Acuacultura Sustentables (IMIPAS)
Ensenada, B.C., México
RESUMEN
Se desarrolló un modelo de probabilidades para estimar la capacidad de carga del ecosistema pesquero
y acuícola mexicano, integrando datos oficiales de los Anuarios Estadísticos de Pesca y Acuacultura
(1946-2024). Mediante un enfoque bayesiano y simulaciones Montecarlo, se estimó una producción
legal promedio entre 1.6 y 1.7 millones de toneladas, ajustada a 1.8 millones al incorporar un 15% por
pesca ilegal, no declarada y no reglamentada (INDNR). El intervalo va entre 1.5 y 2.2 millones de
toneladas representa capturas no reportadas que generan impactos ecológicos equivalentes a más de 419
millones de organismos extraídos y hasta 1.3 billones afectados por efectos tróficos indirectos. Este
modelo integra las tres principales actividades productivas -pesca industrial, ribereña y acuacultura- y
propone indicadores de sostenibilidad y resiliencia ecosistémica. Los resultados constituyen un primer
paso hacia la formulación de un modelo nacional de capacidad de carga que fortalezca la gestión
sostenible de la pesca y la acuacultura en México.
Palabras clave: capacidad de carga; pesca; acuacultura; enfoque bayesiano; simulación Montecarlo.
1 Autor principal.
Correspondencia: horacio.haro@imipas.gob.mx

pág. 6564
Approximation to the carrying capacity of Mexico's fisheries and
aquaculture ecosystems.
ABSTRACT
A probability model was developed to estimate the carrying capacity of Mexico's fisheries and
aquaculture ecosystem by integrating official data from the Statistical Yearbooks of Fisheries and
Aquaculture (1946-2024). Using a Bayesian approach and Monte Carlo simulations, average legal
production was estimated at 1.6-1.7 million tons, adjusted to 1.8 million tons by incorporating a 15%
allowance for illegal, unreported and unregulated fishing (IUU). The 1.5-2.2 million ton interval
represents unreported catches that generate ecological impacts equivalent to more than 419 million
organisms extracted and up to 1.3 trillion affected through indirect trophic effects. The model integrates
the three main productive activities -industrial fishing, small-scale fishing and aquaculture- and proposes
indicators of sustainability and ecosystem resilience. The results represent a first step toward a national
carrying capacity model to strengthen sustainable management of fisheries and aquaculture in Mexico.
Keywords: carrying capacity; fisheries; aquaculture; Bayesian approach; Monte Carlo simulation.
Artículo recibido 10 diciembre 2025
Aceptado para publicación: 10 enero 2026

pág. 6565
INTRODUCCIÓN
La capacidad de carga de los ecosistemas pesqueros y acuícolas constituye un concepto central para la
gestión sostenible de los recursos naturales, al representar el umbral máximo de aprovechamiento que
un sistema puede soportar sin comprometer su estructura, funcionalidad y resiliencia ecológica. En el
contexto de la pesca y la acuacultura, este concepto adquiere particular relevancia debido a la presión
creciente ejercida por la explotación intensiva, la expansión de la acuacultura y la persistencia de
prácticas ilegales, no declaradas y no reglamentadas (INDNR), las cuales generan impactos directos e
indirectos sobre los ecosistemas marinos y continentales.
En México, la producción pesquera y acuícola ha sido históricamente un pilar económico y social, con
una amplia diversidad de especies explotadas y sistemas productivos que incluyen la pesca industrial,
la pesca ribereña y la acuacultura. Sin embargo, la evaluación integral de la capacidad de carga a escala
nacional ha sido limitada, en gran medida por la complejidad de los sistemas socioecológicos
involucrados, la variabilidad ambiental y la fragmentación de la información disponible.
Tradicionalmente, los análisis se han enfocado en especies o regiones específicas, sin integrar de manera
sistémica los distintos componentes productivos y sus interacciones ecológicas.
Adicionalmente, la pesca INDNR representa un factor crítico que distorsiona las estimaciones oficiales
de producción y subestima la presión real ejercida sobre los ecosistemas. Diversos estudios han señalado
que las capturas no reportadas generan efectos tróficos acumulativos que exceden ampliamente el
impacto directo de la extracción, afectando cadenas alimentarias completas y reduciendo la capacidad
de recuperación de los ecosistemas. No obstante, estos efectos suelen quedar fuera de los modelos
convencionales de evaluación pesquera.
Ante este escenario, resulta necesario desarrollar enfoques metodológicos que integren la incertidumbre
inherente a los sistemas pesqueros y acuícolas, incorporen información histórica de largo plazo y
permitan estimar rangos probabilísticos de producción compatibles con la sostenibilidad ecológica. Los
modelos basados en inferencia bayesiana y simulaciones Monte Carlo ofrecen una alternativa robusta
para abordar estas limitaciones, al permitir la integración de múltiples fuentes de datos y la evaluación
explícita de escenarios de riesgo.
El presente estudio tiene como objetivo proponer una aproximación probabilística para estimar la

pág. 6566
capacidad de carga de los ecosistemas pesqueros y acuícolas de México, utilizando información oficial
de los Anuarios Estadísticos de Pesca y Acuacultura en un periodo histórico amplio. El modelo integra
las principales actividades productivas y considera el efecto de la pesca INDNR, con el fin de generar
indicadores que contribuyan al diseño de estrategias de manejo sostenible, fortaleciendo la toma de
decisiones en el ámbito de la política pesquera y acuícola nacional.
MATERIALES Y MÉTODOS
Diseño del estudio
El presente estudio se desarrolló bajo un enfoque cuantitativo, descriptivo y probabilístico, orientado a
la estimación de la capacidad de carga de los ecosistemas pesqueros y acuícolas de México. Se utilizó
información histórica oficial y se aplicaron técnicas de inferencia bayesiana y simulación Monte Carlo
para integrar la incertidumbre inherente a los sistemas productivos y ecológicos analizados.
Fuentes de información
La base de datos utilizada proviene de los Anuarios Estadísticos de Pesca y Acuacultura publicados por
las autoridades federales competentes, abarcando el periodo de 1946 a 2024. Esta información incluye
registros anuales de producción pesquera y acuícola, desagregados por tipo de actividad productiva:
pesca industrial, pesca ribereña y acuacultura. Los datos fueron depurados y estandarizados para
asegurar su consistencia temporal y su comparabilidad a lo largo del periodo de análisis.
Estructura del modelo probabilístico
Para la estimación de la capacidad de carga se desarrolló un modelo probabilístico basado en inferencia
bayesiana. Se asumió que la producción anual observada es una variable aleatoria que refleja la
interacción entre el esfuerzo de explotación, la disponibilidad de recursos y las condiciones ambientales.
A partir de la distribución histórica de la producción, se estimaron funciones de densidad de probabilidad
que permitieron identificar rangos de producción compatibles con la sostenibilidad del sistema.
El modelo integra explícitamente las tres principales actividades productivas del sector pesquero y
acuícola mexicano, considerando su contribución relativa a la producción total. Esta integración
permitió generar una estimación agregada de la presión ejercida sobre los ecosistemas, superando
enfoques parciales centrados en una sola modalidad productiva.

pág. 6567
Simulación Monte Carlo
Con el fin de evaluar la variabilidad y la incertidumbre asociadas a las estimaciones, se realizaron
simulaciones Monte Carlo a partir de las distribuciones de probabilidad obtenidas. Se generaron
múltiples iteraciones aleatorias de escenarios de producción, lo que permitió estimar intervalos de
confianza y rangos probabilísticos de la capacidad de carga del sistema. Este procedimiento facilitó la
identificación de valores medios, mínimos y máximos plausibles de producción sostenible.
Incorporación de la pesca ilegal, no declarada y no reglamentada (INDNR)
Dado que la pesca ilegal, no declarada y no reglamentada no se refleja plenamente en los registros
oficiales, se incorporó un ajuste porcentual del 15% sobre la producción legal estimada, con base en
referencias internacionales y estudios previos sobre la magnitud de este fenómeno. Este ajuste permitió
aproximar la presión real ejercida sobre los ecosistemas y evaluar sus impactos ecológicos directos e
indirectos, incluyendo efectos tróficos acumulativos.
Análisis e interpretación de resultados
Los resultados del modelo se expresaron en términos de producción total anual, intervalos
probabilísticos y estimaciones del número de organismos potencialmente afectados por la extracción
directa y los efectos tróficos indirectos. Estos indicadores se utilizaron para interpretar la capacidad de
carga del sistema pesquero y acuícola nacional y para discutir sus implicaciones en el contexto de la
gestión sostenible de los recursos.
RESULTADOS
Una primera aproximación al comportamiento del sistema pesquero y acuícola nacional se resume
mediante una matriz heurística de trabajo, construida a partir de indicadores ampliamente documentados
en la literatura científica, relacionados con procesos reproductivos, asentamiento, reclutamiento y
presión de pesca. Esta matriz permite identificar escenarios generales de aprovechamiento bajo
condiciones legales e ilegales, considerando valores normalizados entre 0 y 1, donde los valores
cercanos a 1 representan mayores efectos negativos sobre el sistema.

pág. 6568
Tabla 1. Matriz heurística de indicadores biológicos y de presión de pesca utilizados para la clasificación
de escenarios de aprovechamiento en pesquerías legales e ilegales.
Categoría o item. Legal Ilegal ∑i
Pesca en periodos reproductivos +0, <1 +1 +1+0, >0≤1
Efectos en las zonas de asentamiento +0, <1 +1 +1+0, >0≤1
Efectos en el reclutamiento +0, <1 +1 +1+0, >0≤1
Sobrepesca de reclutas +1, +1 +1 +1+1, +1
Pesca de reproductores +1, <1 +1 +1+1, >0≤1
Sobrepesca de reproductores +1, <1 +1 +1+1, >0≤1
∑j +3, <6 +6 +6+3, <6
Escenario Pescándose Sobre pescado.
Sobre pescado, sobre
pescándose
Nota: Los valores están normalizados en una escala de 0 a 1, donde valores cercanos a 1 representan mayor efecto negativo
sobre los procesos biológicos considerados. Las sumas por renglón (∑i) y por columna (∑j) permiten la clasificación general
de los escenarios como pescándose, sobrepescado y sobrepescado con sobrepesca activa.
Los resultados de la matriz heurística indican tres escenarios generales: pescándose, sobrepescado y
sobrepescado con sobrepesca activa, en función de las sumas por renglones y columnas. En el escenario
legal, los valores agregados se sitúan en un intervalo intermedio, mientras que en el escenario ilegal los
valores tienden a concentrarse en el extremo superior, reflejando una mayor presión acumulada sobre
los procesos biológicos clave.
A partir de esta base conceptual, se desarrolló un modelo probabilístico bayesiano preliminar para
estimar la capacidad de carga del sistema pesquero y acuícola mexicano. El modelo considera un rango
inicial de capturas totales entre 1.5 y 2.5 millones de toneladas, integrando las contribuciones de la pesca
industrial, ribereña y la acuacultura, así como la variabilidad interanual observada en al menos 20
eventos o temporadas.
La Figura 1 muestra la distribución probabilística de la producción total estimada. En la parte A se
presentan las funciones de densidad expresadas en términos porcentuales, mientras que en la parte B se

pág. 6569
muestran las funciones acumuladas. De manera general, el intervalo comprendido entre el 15% y el 85%
de probabilidad concentra los valores más plausibles de producción, constituyendo la primera etapa del
modelo.
Figura 1. Análisis probabilístico de la producción pesquera y acuícola mexicana para un periodo de
referencia de 20 años. (A) Funciones de densidad de probabilidad expresadas en términos porcentuales
para distintos escenarios simulados. (B) Funciones de distribución acumulada correspondientes. El
intervalo señalado representa, de manera general, el rango comprendido entre los percentiles 15 y 85,
considerado como el intervalo de mayor plausibilidad. Primera etapa del modelo probabilístico.
A partir de estas distribuciones, se calcularon las fracciones normalizadas de la función n(u, S, x)
respecto a su suma total, generando una representación porcentual de la tendencia central y su
dispersión. La Figura 2 presenta la solución acumulada del modelo base, donde la mediana (línea roja)
permite identificar los valores más probables bajo esta configuración inicial.

pág. 6570
Figura 2. Representación porcentual de las fracciones normalizadas de la función n(u, S, x)/∑ n(u, S,
x) × 100.
La figura muestra la solución acumulada del modelo base, destacando la tendencia central y la
dispersión asociada. La línea correspondiente a la mediana identifica los valores más probables del
sistema bajo la simulación inicial.
Con base en múltiples corridas del modelo (n ≥ 20), se obtuvieron las medianas de las distribuciones
porcentuales para cada iteración. Estas medianas se integraron para generar una solución consolidada
que representa la tendencia central y la dispersión del sistema. La Figura 3 muestra esta solución
acumulada, delimitando los rangos de variación mínima y máxima asociados a las simulaciones, que
representan las soluciones probables en sentido estricto.
Figura 3. Solución acumulada obtenida a partir de las medianas de múltiples corridas del modelo (n ≥
20), expresadas en términos porcentuales. Se presentan la tendencia central y los rangos de dispersión
definidos por los valores mínimos y máximos, los cuales delimitan las soluciones probables en sentido
estricto derivadas del modelo de arranque.

pág. 6571
Posteriormente, el modelo fue aplicado a los datos oficiales reportados por la autoridad para el periodo
2006–2024. Bajo esta configuración, las probabilidades se dedujeron utilizando una distribución normal
de las capturas totales agregadas de la pesca industrial, ribereña y la acuacultura, estandarizadas a un
valor de 1 y expresadas en términos porcentuales. La Figura 4 muestra que el promedio estimado de
producción es de 1.693 millones de toneladas, con una mediana de 1.634 millones de toneladas y un
rango entre 1.366 y 2.007 millones de toneladas.
Figura 4. Modelo probabilístico aplicado a los datos oficiales de capturas reportadas para el periodo
2006–2024.
Las probabilidades se deducen utilizando una distribución normal de las capturas totales agregadas de
la pesca industrial, ribereña y la acuacultura, estandarizadas a un valor de 1 y expresadas en
porcentajes. Se muestran los indicadores de promedio, mediana y los valores mínimos y máximos
deducidos del modelo base.
Al incorporar una corrección aleatoria del 15% atribuible a pesca ilegal, no declarada o no reglamentada,
se obtuvo un segundo escenario que refleja una presión adicional sobre el sistema. En este caso, la
mediana asciende a 1.784 millones de toneladas y el promedio a 1.845 millones de toneladas, con valores
mínimos y máximos de 1.502 y 2.169 millones de toneladas, respectivamente. Estos resultados se
presentan en la Figura 5.

pág. 6572
Figura 5. Modelo probabilístico aplicado a los datos oficiales de capturas para el periodo 2006–2024,
incorporando una corrección aleatoria del 15% atribuible a pesca ilegal, no declarada o no
reglamentada.
Las probabilidades se deducen a partir de la distribución normal de las capturas totales agregadas y
se expresan en términos porcentuales. Se presentan los indicadores de promedio, mediana y los valores
extremos derivados del modelo ajustado.
La comparación directa entre ambos escenarios -datos reportados (L) y datos reportados más una
fracción del 15% (L+I)- se muestra en la Figura 6. La diferencia entre los promedios de ambos modelos
es cercana a 0.150 millones de toneladas, equivalente a aproximadamente 150 mil toneladas adicionales
de biomasa extraída no reflejada en los registros oficiales.
Figura 6. Comparación entre los modelos probabilísticos construidos con datos reportados
oficialmente (L) y con datos ajustados mediante la incorporación de un 15% adicional de captura no
reportada (L+I), para el periodo 2006–2024. Las curvas representan las probabilidades acumuladas
derivadas de la distribución normal de las capturas totales agregadas, estandarizadas y expresadas en
porcentajes. La separación entre ambas curvas ilustra la magnitud del impacto potencial de la captura
no reportada sobre la estimación de la capacidad de carga.

pág. 6573
Finalmente, en la Tabla 2 se resumen los indicadores principales de las capturas totales para ambos
escenarios, incluyendo promedio, mediana, mínimo y máximo. A partir de estas diferencias se estimaron
magnitudes potenciales de organismos afectados, considerando distribuciones de talla tanto uniformes
como geométricas. Bajo una distribución uniforme, la biomasa adicional estimada corresponde a más
de 419 millones de reclutas y reproductores, mientras que bajo una distribución geométrica, consistente
con una transferencia trófica del 10%, la magnitud potencial supera los 1.3 billones de organismos.
Tabla 2. Indicadores estadísticos de las capturas totales estimadas bajo escenarios de pesca reportada
(L) y pesca reportada con ajuste por captura no declarada (L+I), y estimación del número potencial de
organismos afectados.
Nota: L corresponde a los datos de captura reportados oficialmente, mientras que L+I incorpora una corrección aleatoria del
15% atribuible a pesca ilegal, no declarada o no reglamentada. Las estimaciones del número de organismos afectados se
realizaron considerando distribuciones de talla uniformes y geométricas, bajo supuestos de transferencia trófica del 10% entre
niveles.
DISCUSIÓN
Los resultados obtenidos permiten una primera aproximación cuantitativa a la capacidad de carga de los
ecosistemas pesqueros y acuícolas de México desde una perspectiva probabilística e integradora. A
diferencia de enfoques tradicionales centrados en especies o pesquerías específicas, el modelo propuesto
incorpora de manera conjunta la pesca industrial, la pesca ribereña y la acuacultura, lo que posibilita una

pág. 6574
evaluación sistémica de la presión total ejercida sobre los ecosistemas acuáticos a escala nacional.
Las estimaciones derivadas de los datos oficiales muestran una producción promedio cercana a 1.69
millones de toneladas, valor que se mantiene dentro de los rangos reportados históricamente por las
autoridades nacionales. Sin embargo, al incorporar un ajuste conservador del 15% asociado a la pesca
ilegal, no declarada y no reglamentada, la producción total estimada se incrementa hasta
aproximadamente 1.84 millones de toneladas. Esta diferencia, cercana a 150 mil toneladas, pone de
manifiesto la magnitud potencial del subreporte y su relevancia para la evaluación real de la capacidad
de carga.
Desde una perspectiva ecológica, esta biomasa adicional no reportada representa impactos que
trascienden la extracción directa. La estimación del número de organismos potencialmente afectados,
bajo supuestos de distribución uniforme y geométrica de tallas, sugiere que los efectos pueden escalar
desde cientos de millones hasta más de un billón de reclutas y reproductores. Estos resultados son
consistentes con la literatura que documenta efectos tróficos acumulativos derivados de la
sobreexplotación, los cuales afectan procesos clave como el reclutamiento, la estructura poblacional y
la resiliencia de los ecosistemas.
La matriz heurística empleada en este estudio refuerza esta interpretación al evidenciar que, bajo
escenarios de pesca ilegal, los indicadores asociados a reproducción, asentamiento y reclutamiento
tienden a concentrarse en rangos de mayor impacto. Si bien este enfoque no sustituye evaluaciones
poblacionales específicas, proporciona un marco conceptual útil para clasificar escenarios de riesgo y
orientar análisis más detallados.
Es importante señalar que el modelo propuesto se basa en supuestos simplificados y en la mejor
información disponible, lo cual implica limitaciones inherentes. Entre ellas destacan la heterogeneidad
regional de las pesquerías, la variabilidad ambiental no incorporada explícitamente y la dificultad para
estimar con precisión la magnitud real de la pesca ilegal. No obstante, el uso de inferencia bayesiana y
simulaciones Monte Carlo permite integrar esta incertidumbre de manera explícita, generando rangos
probabilísticos más informativos que estimaciones puntuales.
Desde el punto de vista de la gestión, los resultados subrayan la necesidad de considerar la pesca ilegal
como un componente estructural en los análisis de sostenibilidad, y no como un fenómeno marginal.

pág. 6575
Ignorar este componente conduce a subestimar la presión real sobre los ecosistemas y puede derivar en
decisiones de manejo que comprometan la viabilidad a largo plazo de las pesquerías y la acuacultura.
En este sentido, el presente estudio no pretende ofrecer valores definitivos de capacidad de carga, sino
aportar un marco metodológico replicable y escalable que permita avanzar hacia evaluaciones
nacionales más integrales. La incorporación futura de información espacialmente explícita, indicadores
ambientales y datos socioeconómicos podría fortalecer este enfoque y contribuir al diseño de estrategias
de manejo más robustas y adaptativas.
CONCLUSIONES
El presente estudio propone una aproximación probabilística para estimar la capacidad de carga de los
ecosistemas pesqueros y acuícolas de México, integrando en un solo marco analítico la pesca industrial,
la pesca ribereña y la acuacultura. Este enfoque aporta una lectura sistémica útil para la gestión, al
incorporar explícitamente la incertidumbre y generar rangos plausibles de producción compatible con
sostenibilidad.
Las estimaciones derivadas del modelo muestran que, al considerar únicamente los datos oficiales, la
producción total anual se ubica alrededor de 1.69 millones de toneladas, mientras que al incorporar un
ajuste conservador del 15% asociado a pesca ilegal, no declarada y no reglamentada, la producción total
estimada se incrementa a aproximadamente 1.84 millones de toneladas. La diferencia entre escenarios
sugiere un volumen adicional cercano a 150 mil toneladas que no quedaría reflejado en registros
oficiales, con implicaciones relevantes para cualquier diagnóstico de presión real sobre los ecosistemas.
Bajo supuestos razonables de distribución de tallas y niveles tróficos, la biomasa adicional estimada
puede traducirse en impactos potenciales sobre reclutas y reproductores que van desde cientos de
millones hasta magnitudes del orden de billones de organismos, evidenciando que el efecto ecológico
de la captura no reportada trasciende la extracción directa e implica efectos tróficos acumulativos.
En términos operativos, los resultados respaldan que la pesca INDNR debe tratarse como una variable
estructural en los esquemas de evaluación y manejo, debido a su capacidad para sesgar estimaciones y
reducir la eficacia de medidas de ordenamiento basadas únicamente en la producción reportada. En
consecuencia, los modelos de capacidad de carga y los indicadores de sostenibilidad deben incorporar
escenarios de riesgo y subreporte como parte de su arquitectura analítica.

pág. 6576
Finalmente, este trabajo debe entenderse como un primer paso hacia un modelo nacional de capacidad
de carga. La siguiente fase recomendable consiste en fortalecer el enfoque mediante la incorporación de
información espacialmente explícita, covariables ambientales y evidencia regional diferenciada, con el
fin de aumentar la precisión de los rangos estimados y su utilidad para políticas públicas orientadas a
sostenibilidad, resiliencia ecosistémica y seguridad alimentaria.
REFERENCIAS BIBLIOGRÁFICAS
Cisneros-Montemayor, A., Cisneros-Mata, M. A., Harper, S., & Pauly, D. (2013). Extent and
implications of IUU catch in Mexico’s marine fisheries. Marine Policy, 39, 283–288.
Food and Agriculture Organization of the United Nations. (2020). El estado mundial de la pesca y la
acuicultura 2020: La sostenibilidad en acción. FAO.
García, S. M., Ye, Y., Rice, J., & Charles, A. (Eds.). (2018). Rebuilding of marine fisheries. Part 1:
Global review (FAO Fisheries and Aquaculture Technical Paper No. 630/1). FAO.
Restrepo, V. R., Thompson, G. G., Mace, P. M., Gabriel, W. L., Low, L. L., MacCall, A. D., Methot,
R. D., Powers, J. E., Taylor, B. L., Wade, P. R., & Witzig, J. F. (1998). Technical guidance on the
use of precautionary approaches to implementing National Standard 1 of the Magnuson–Stevens
Fishery Conservation and Management Act (NOAA Tech. Memo NMFS-F/SPO-31). NOAA.
Hilborn, R., & Walters, C. J. (1992). Quantitative fisheries stock assessment: Choice, dynamics and
uncertainty. Chapman & Hall.
Quinn, T. J., & Deriso, R. B. (1999). Quantitative fish dynamics. Oxford University Press.
Haddon, M. (2011). Modelling and quantitative methods in fisheries. Chapman & Hall/CRC.
Punt, A. E., & Hilborn, R. (1996). Biomass dynamic models: User’s manual (FAO Computerized
Information Series [Fisheries] No. 10). FAO.
Qing-qiang, R., & Liu, M. (2020). Assessing Northwest Pacific fishery stocks using two new methods:
The Monte Carlo Catch-MSY (CMSY) and the Bayesian Schaefer Model (BSM). Frontiers in
Marine Science. https://doi.org/10.3389/fmars.2020.00430
Schaefer, M. B. (1954). Some aspects of the dynamics of populations important to the management of
the commercial marine fisheries. Bulletin of the IATTC, 1(2), 27–56.
Froese, R. (2004). Keep it simple: Three indicators to deal with overfishing. Fish and Fisheries, 5, 86–

pág. 6577
91.
Worm, B., Hilborn, R., Baum, J. K., Branch, T. A., Collie, J. S., Costello, C., Fogarty, M. J., et al.
(2009). Rebuilding global fisheries. Science, 325(5940), 578–585.
https://doi.org/10.1126/science.1173146
Rosenberg, A. A., Fogarty, M. J., Cooper, A. B., Dickey-Collas, M., Fulton, E. A., Gutiérrez, N. L.,
Hyde, K. J. W., et al. (2014). Developing new approaches to global stock status assessment and
fishery production potential of the seas (FAO Fisheries and Aquaculture Circular No. 1086). FAO.
Arkema, K. K., Abramson, S. C., & Dewsbury, M. B. (2006). Marine ecosystem-based management:
From characterization to implementation. Frontiers in Ecology and the Environment, 4(10), 525–
532.
Margalef, R. (1977). Ecología (2.ª ed.). Ediciones Omega.
Servicio de Información Agroalimentaria y Pesquera. (2019). Producción acuícola nacional 2018.
SAGARPA.
Servicio de Información Agroalimentaria y Pesquera. (2024). Anuario estadístico de pesca y acuacultura
2024. SIAP–SADER.
Anuario Estadístico de Pesca y Acuacultura. (2024). Producción pesquera y acuícola nacional 1946–
2024. CONAPESCA–SIAP.