Veda de la pesca de arrastre de fondo en el estado Rio Grande do Sul: integración de la flota pesquera de Santa Catarina

#Read in data and update the column names to lower snake case:
sc_trawl <- read_csv(here("data", "relatorio30_17.csv")) %>% #NOTE: There was a problem reading the original CSV. I had to convert the file to CSV UTF-8 to be able to read it.
  clean_names()

Introducción

En 2018 la Universidad Federal de Rio Grande (FURG), en colaboración con la ONG Oceana, presentaron el Informe Final de la campaña Protect Vulnerable Habitats and species from Bottom Trawling¹. Este informe expone una serie de trabajos donde se evaluaba el impacto ambiental y socioeconómico de una hipotética veda sobre la pesca de arrastre en la franja costera de 12 millas náuticas del estado Rio Grande do Sul, Brasil. El análisis se centra exclusivamente en las flotas pesqueras que descargan su producción en la ciudad de Rio Grande. Una fracción importante de la explotación pesquera sobre la franja costera del estado de Rio Grande do Sul es realizada por flotas de otros estados de Brasil, mayormente flotas pesqueras de Santa Catarina. El informe de FURG y Oceana deja deliberadamente de lado a estas flotas, por no disponer de información fehaciente respecto a su aprovechamiento de los recursos pesqueros de la franja costera de Rio Grande do Sul.

El presente ensayo aborda esta omisión, incorporando aspectos relativos a las flotas de Santa Catarina al análisis previo de FURG y Oceana. La carencia de información específica respecto a la explotación de las aguas estatales de Rio Grande do Sul por flotas de otros estados sigue siendo un problema central. Diversos supuestos son adoptados en este análisis con el objeto de abordar la incertidumbre y falta de datos concretos. Esto hace que las estimaciones desarrolladas no necesariamente reflejan con precisión los valores reales. De todas formas, si bien estas estimaciones pueden no ser precisas, las valoraciones y conclusiones extraídas a partir de ellas permiten incorporar información valiosa y cuentan con los atributos necesarios para informar el proceder político local.

#Data wrangling:
sc_trawl_clean <- sc_trawl %>% 
  mutate(kg_no_periodo = str_replace(kg_no_periodo, pattern = ",.*", replacement = "")) %>% #remove ,00
  mutate(kg_no_periodo = kg_no_periodo %>% str_remove_all("\\.")) %>% #remove .
  mutate(kg_no_periodo = as.numeric(kg_no_periodo)) #convert to class numeric

sc_trawl_general <- sc_trawl_clean %>% 
  group_by(ano) %>% 
  summarise(kg_no_periodo = sum(kg_no_periodo),
            no_de_descargas_do_periodo = sum(no_de_descargas_do_periodo)) %>% 
  add_column(info_quality = NA)

sc_trawl_year <- sc_trawl_clean %>% 
  group_by(ano, aparelho_de_pesca) %>% 
  summarise(kg_no_periodo = sum(kg_no_periodo)) %>% 
  add_column(info_quality = NA)

sc_trawl_landings <- sc_trawl_clean %>% 
  group_by(ano, aparelho_de_pesca) %>% 
  summarise(no_de_descargas_do_periodo = sum(no_de_descargas_do_periodo))%>% 
  add_column(info_quality = NA)

#NOTE: The data on industrial fishing in Santa Catarina for the years 2013, 2014, and **2015** are partial (do not represent the entire production of the state for any type of fishing or species, and may also contain errors).
  
#Create a function to assess information quality (years 2013, 2014, and 2015: partial information - do not represent the entire production and may also contain errors):
info_quality = function(ano) {
  if(ano >= 2013 & ano < 2016) {info = "poor"
  } else
    info = "good"
  return(info)
}

#Create a for loop to populate col info_quality:
for(i in 1:nrow(sc_trawl_general)) {
   sc_trawl_general$info_quality[i] = info_quality(sc_trawl_general$ano[i])
}

for(i in 1:nrow(sc_trawl_year)) {
   sc_trawl_year$info_quality[i] = info_quality(sc_trawl_year$ano[i])
}

for(i in 1:nrow(sc_trawl_landings)) {
   sc_trawl_landings$info_quality[i] = info_quality(sc_trawl_landings$ano[i])
}

Premisa de trabajo

Bajo la Ley Estatal Nº 15.223, en 2018 el estado de Rio Grande do Sul prohibió la pesca de arrastre de fondo tirada por lanchas motorizadas en cualquier territorio del estado, incluidas las 12 millas náuticas de la franja marítima costera. La protección de este territorio de la pesca de arrastre permite resguardar áreas clave para la sobrevida de distintas especies de peces. El informe final de FURG y Oceana resalta los beneficios sobre la industria pesquera local producto de esta veda; mayormente, generados a raíz de un incremento en la biomasa disponible. Este incremento en la biomasa disponible es exportada (derramada) y puede ser explotada fuera de las franja costera o mediante el uso de otras artes de pesca.

La hipótesis central de la presente evaluación plantea que los beneficios socioeconómicos de la prohibición mostrados en el análisis de FURG y Oceana, pueden extenderse en gran medida al incorporar a las flotas pesqueras que explotan las aguas de Rio Grande do Sul y descargan su producción fuera del estado. Integrar estas flotas a la evaluación del impacto socioeconómico de la veda pesquera permite expandir los beneficios propios de la protección de territorios clave sin reportar pérdidas asociadas a la reducción del área de pesca. Esto último, debido a que la producción pesquera de esta flota es descargada enteramente fuera de Rio Grande do Sul, no reportando beneficio alguno a este estado. Así, incorporar al análisis la flota de Santa Catarina extiende los notables beneficios de establecer una veda sobre la pesca de arrastre de fondo en las 12 millas náuticas de la franja marítima costera de Rio Grande do Sul.

Actividad pesquera de la flota de Santa Catarina en aguas del estado de Rio Grande do Sul

No existe, o al menos no está a nuestra disposición, información precisa respecto a la proporción de la producción pesquera de la flota de arrastre de Santa Catarina que sucede en aguas estatales de Rio Grande do Sul. Al observar la estadística pesquera de Santa Catarina², puede apreciarse que tanto el número de descargas como el volumen total productivo de la flota de arrastre ha disminuido notablemente en los últimos años (Fig. 1). Una producción anual media de alrededor de 40,000 tn para el periodo 2009-2012, pasa a una valor cercano a las 15,000 tn anuales en 2016-2018. Los años intermedios que conectan estos dos periodos marcadamente diferentes, es decir los años 2013, 2014, y 2015, se han dejado fuera del análisis por ser parciales o contener errores. Las artes de pesca de la flota de arrastre de fondo de Santa Catarina se componen de arrastre simple, en pareja, y de doble aparejo; siendo este último el más prominente (Fig. 2).

#Data viz: Production and Landings
g1 <- ggplot(sc_trawl_general, aes(x = ano, y = kg_no_periodo))+
  geom_col(aes(fill=info_quality)) +
  scale_y_continuous(labels = scales::label_number_si())+
  scale_x_continuous(breaks=c(2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019))+
  theme_minimal()+
  scale_fill_manual(values=c("salmon","steelblue"))+
  labs(x = "Año",
       y = "Producción (kg)")+
  theme(axis.text.x = element_text(angle = 90))+
  theme(legend.position = "None")

g2 <- ggplot(sc_trawl_general, aes(x = ano, y = no_de_descargas_do_periodo))+
  geom_col(aes(fill=info_quality)) +
  scale_y_continuous(labels = scales::label_number_si())+
  scale_x_continuous(breaks=c(2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019))+
  theme_minimal()+
  scale_fill_manual(values=c("salmon","steelblue"))+
  labs(x = "Año",
       y = "Descargas")+
  theme(axis.text.x = element_text(angle = 90))+
  theme(legend.position = "None")

g1+g2

Figura 1. Distribución de la producción y descargas de la pesca industrial de arrastre de fondo en el estado de Santa Catarina. Las columnas marcadas de azul representan los años donde la información es deficiente o presenta errores. Fuente: Estadística pesquera de Santa Catarina².

g3 <- ggplot(sc_trawl_year, aes(x = ano, y = kg_no_periodo))+
  geom_col(aes(fill=info_quality)) +
  facet_wrap(~aparelho_de_pesca, scales = "free") +
  scale_y_continuous(labels = scales::label_number_si())+
  scale_x_continuous(breaks=c(2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019))+
  theme_minimal()+
  scale_fill_manual(values=c("salmon","steelblue"))+
  labs(x = "Año",
       y = "Producción (kg)")+
  theme(axis.text.x = element_text(angle = 90))+
  theme(legend.position = "None")


g4 <- ggplot(sc_trawl_landings, aes(x = ano, y = no_de_descargas_do_periodo))+
  geom_col(aes(fill=info_quality)) +
  facet_wrap(~aparelho_de_pesca, scales = "free") +
  scale_y_continuous(labels = scales::label_number_si())+
  scale_x_continuous(breaks=c(2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019))+
  theme_minimal()+
  scale_fill_manual(values=c("salmon","steelblue"))+
  labs(x = "Año",
       y = "Descargas")+
  theme(axis.text.x = element_text(angle = 90))+
  theme(legend.position = "None")

g3/g4

Figura 2. Distribución de la producción y descargas por arte de pesca para la pesca industrial de arrastre de fondo en el estado de Santa Catarina. Las columnas marcadas de azul representan los años donde la información es deficiente o presenta errores.Fuente: Estadística pesquera de Santa Catarina².

Inferir estimaciones de estos datos generales de la flota pesquera de Santa Catarina respecto a la proporción de la pesca que es llevada a cabo en aguas estatales de Rio Grande do Sul resulta, como poco, desafiante. Si ha de evidenciarse algún indicio de esto en esta base de datos, será al analizar los cambios referidos a partir de la entrada en vigencia de la veda pesquera en Rio Grande do Sul, es decir con posterioridad al año 2018. El razonamiento lógico detrás de esto es sumamente sencillo: si una gran proporción de la pesca de arrastre de la flota pesquera de Santa Catarina sucede en aguas estatales de Rio Grande do Sul, entonces los efectos de la prohibición serán notoriamente evidentes en los datos de producción general. Siguiendo esta línea, se analiza la información previa a la instauración de la prohibición y se la compara con los registros posteriores, en este caso, el año 2019; único año posterior a la veda del que se disponen datos. Para tal fin, se tomó el periodo 2016-2018 y se comparó con el volumen productivos y de descarga, las artes de pesca, y la composición de la producción del año 2019, en pos de encontrar diferencias que hagan evidente el efecto de la veda.

En la Fig. 3 se observan las diferencias en producción y descargas de los años evaluados. Se aprecia una marcada disminución en la producción y el número de descargas del año 2019, de 35% y 45% respectivamente, en comparación a la media de los años previos. Si bien esta disminución productiva es coherente con una reducción en el área de pesca disponible, lo cierto es que puede deberse a una multiplicidad de distintos factores. Adicionalmente, en caso de ser producto de la prohibición y del desplazamiento de flotas de pesca a zonas más improductivas, este número estaría sub representando la producción que efectivamente se producía en la franja costera de Rio Grande do Sul. Esto último, debido a que las flotas que antes pescaban en aguas de Rio Grande do Sul razonablemente no detienen su producción, sino que se desplazan a otras zonas. Es decir, en caso de ser un reflejo de la veda pesquera, esta reducción estaría sub representando la disminución en la pesca en la franja costera del estado debido al desplazamiento del esfuerzo pesquero a otras áreas, presumiblemente menos productivas.

sc_trawl_recent <- sc_trawl_general %>% 
  filter(ano >= 2016) %>% 
  select(! "info_quality") %>% 
  add_column(diff_mean_kg = NA)%>% 
  add_column(prct_change_mean_kg = NA)%>% 
  add_column(diff_mean_landings = NA)%>% 
  add_column(prct_change_mean_landings = NA)

sc_trawl_recent_selected <- sc_trawl_recent %>% 
  filter(ano < 2019)

mean_kg_2016_2018 <- mean(sc_trawl_recent_selected$kg_no_periodo)
mean_landings_2016_2018 <- mean(sc_trawl_recent_selected$no_de_descargas_do_periodo)


##Difference with 2016-2018 means:
#Create a for loop to populate col sc_trawl_recent$diff_mean_kg:
for(i in 1:nrow(sc_trawl_recent)) {
   sc_trawl_recent$diff_mean_kg[i] = sc_trawl_recent$kg_no_periodo[i] - mean(sc_trawl_recent_selected$kg_no_periodo)
}

#Create a for loop to populate col sc_trawl_recent$prct_change_mean_kg:
for(i in 1:nrow(sc_trawl_recent)) {
   sc_trawl_recent$prct_change_mean_kg[i] = (sc_trawl_recent$kg_no_periodo[i] - mean(sc_trawl_recent_selected$kg_no_periodo))/mean(sc_trawl_recent_selected$kg_no_periodo)*100
}

#Create a for loop to populate col sc_trawl_recent$diff_mean_landings:
for(i in 1:nrow(sc_trawl_recent)) {
   sc_trawl_recent$diff_mean_landings[i] = sc_trawl_recent$no_de_descargas_do_periodo[i] - mean(sc_trawl_recent_selected$no_de_descargas_do_periodo)
}

#Create a for loop to populate col sc_trawl_recent$prct_change_mean_landings:
for(i in 1:nrow(sc_trawl_recent)) {
   sc_trawl_recent$prct_change_mean_landings[i] = (sc_trawl_recent$no_de_descargas_do_periodo[i] - mean(sc_trawl_recent_selected$no_de_descargas_do_periodo))/mean(sc_trawl_recent_selected$no_de_descargas_do_periodo)*100
}



g5 <- ggplot(sc_trawl_recent, aes(x = ano, y = kg_no_periodo))+
  geom_col() +
  geom_hline(yintercept = mean(sc_trawl_recent_selected$kg_no_periodo))+
  scale_y_continuous(labels = scales::label_number_si())+
  scale_x_continuous(breaks=c(2016, 2017, 2018, 2019))+
  theme_minimal()+
  labs(x = "Año",
       y = "Producción (kg)")+
  theme(axis.text.x = element_text(angle = 90))

g6 <- ggplot(sc_trawl_recent, aes(x = ano, y = no_de_descargas_do_periodo))+
  geom_col() +
  geom_hline(yintercept = mean(sc_trawl_recent_selected$no_de_descargas_do_periodo))+
  scale_y_continuous(labels = scales::label_number_si())+
  scale_x_continuous(breaks=c(2016, 2017, 2018, 2019))+
  theme_minimal()+
  labs(x = "Año",
       y = "Descargas")+
  theme(axis.text.x = element_text(angle = 90))

g5+g6

Figura 3. Distribución de la producción y descargas de la pesca industrial de arrastre de fondo en el estado de Santa Catarina. La línea horizontal negra marca la media del periodo 2016-2018. Fuente: Estadística pesquera de Santa Catarina².

Las Fig. 4 y 5 muestran cambios en la composición productiva y las artes de pesca utilizadas. Estos datos no permiten demostrar una diferencia significativa en composición o método de pesca que pueda hacer evidente el efecto de la prohibición.

#Data viz: top species
sc_trawl_top_sp <- sc_trawl_clean %>% 
  group_by(ano, pescado) %>%
  summarise(kg_no_periodo = sum(kg_no_periodo)) %>% 
  group_by(ano) %>% 
  arrange(desc(kg_no_periodo)) %>% 
  slice(1:5) %>% 
  filter(ano >= 2016)

sc_trawl_top_sp_land <- sc_trawl_clean %>% 
  group_by(ano, pescado) %>%
  summarise(no_de_descargas_do_periodo = sum(no_de_descargas_do_periodo)) %>% 
  group_by(ano) %>% 
  arrange(desc(no_de_descargas_do_periodo)) %>% 
  slice(1:5) %>% 
  filter(ano >= 2016)

g7 <- ggplot()+
  geom_col(data = sc_trawl_top_sp, aes(x= ano, y = kg_no_periodo, fill = factor(pescado)))+
  scale_y_continuous(labels = scales::label_number_si())+
  scale_x_continuous(breaks=c(2016, 2017, 2018, 2019))+
  theme_minimal()+
  labs(x = "Año",
       y = "Producción (kg)")+
  scale_fill_manual(values=c("salmon","purple3", "gray", "blue3", "red4","steelblue", "gray1"))+
  theme(axis.text.x = element_text(angle = 90))+
  labs(fill="Composición")

g8 <- ggplot()+
  geom_col(data = sc_trawl_top_sp_land, aes(x= ano, y = no_de_descargas_do_periodo, fill = factor(pescado)))+
  scale_x_continuous(breaks=c(2016, 2017, 2018, 2019))+
  scale_fill_manual(values=c("salmon","purple3", "gray", "blue3", "red4","steelblue", "gray1"))+
  theme_minimal()+
  labs(x = "Año",
       y = "Descargas")+
  labs(fill="Composición")

g7/g8

Figura 4. Distribución de la producción y descargas de las 5 categorias más importantes por año de la pesca industrial de arrastre de fondo en el estado de Santa Catarina. Fuente: Estadística pesquera de Santa Catarina².

#Data viz: fishing gear
sc_trawl_year_selected <- sc_trawl_year %>% 
  filter(ano >= 2016)

g9 <- ggplot()+
  geom_col(data = sc_trawl_year_selected, aes(x= ano, y = kg_no_periodo, fill = aparelho_de_pesca))+
  scale_y_continuous(labels = scales::label_number_si())+
  scale_x_continuous(breaks=c(2016, 2017, 2018, 2019))+
  scale_fill_manual(values=c("salmon","steelblue","gray"))+
  theme_minimal()+
  labs(x = "Año",
       y = "Producción (kg)",
       title="Artes de pesca de arrastre de fondo")+
  theme(axis.text.x = element_text(angle = 90))+
  labs(fill="Arte de pesca")


## % Fishing gear 2016-2018:
sc_trawl_year_selected_gear <- sc_trawl_year_selected %>%
  filter(ano <= 2018) %>% 
  group_by(aparelho_de_pesca) %>%
  summarise(kg_no_periodo = sum(kg_no_periodo))%>% 
  add_column(prct = NA)

kg_2016_2018 <- sum(sc_trawl_year_selected_gear$kg_no_periodo)

#Create a for loop to populate col sc_trawl_year_selected_gear$prct:
for(i in 1:nrow(sc_trawl_year_selected_gear)) {
   sc_trawl_year_selected_gear$prct[i] = (sc_trawl_year_selected_gear$kg_no_periodo[i]*100)/kg_2016_2018
}



g10 <- ggplot(sc_trawl_year_selected_gear,aes(x="",y=prct, fill=aparelho_de_pesca))+
  geom_bar(stat = "identity",
           color="white")+
    geom_text(aes(label=round(prct, digits = 0)),
              position=position_stack(vjust=0.5),color="white",size=6)+
  coord_polar(theta = "y")+
  scale_fill_manual(values=c("salmon","steelblue","gray"))+
    theme_void()+
    labs(title="2016-2018")+
  theme(legend.position = "None")


## % Fishing gear 2019:
sc_trawl_year_selected_gear_19 <- sc_trawl_year_selected %>%
  filter(ano > 2018) %>% 
  group_by(aparelho_de_pesca) %>%
  summarise(kg_no_periodo = sum(kg_no_periodo))%>% 
  add_column(prct = NA)

kg_2019 <- sum(sc_trawl_year_selected_gear_19$kg_no_periodo)

#Create a for loop to populate col sc_trawl_year_selected_gear_19$prct:
for(i in 1:nrow(sc_trawl_year_selected_gear_19)) {
   sc_trawl_year_selected_gear_19$prct[i] = (sc_trawl_year_selected_gear_19$kg_no_periodo[i]*100)/kg_2019
}



g11 <- ggplot(sc_trawl_year_selected_gear_19,aes(x="",y=prct, fill=aparelho_de_pesca))+
  geom_bar(stat = "identity",
           color="white")+
    geom_text(aes(label=round(prct, digits = 0)),
              position=position_stack(vjust=0.5),color="white",size=6)+
  coord_polar(theta = "y")+
  scale_fill_manual(values=c("salmon","steelblue","gray"))+
    theme_void()+
    labs(title="2019")+
  theme(legend.position = "None")

g9 + g10/g11

Figura 5. Distribución de la producción de la pesca industrial de arrastre de fondo en el estado de Santa Catarina por tipo de arte de pesca. Los gráficos de torta de la derecha marcan los porcentajes por tipo de arte de pesca para el periodo 2016-2018 y el año 2019, respectivamente. Fuente: Estadística pesquera de Santa Catarina².

sc_trawl_recent_19 <- sc_trawl_recent %>% 
  filter(ano == 2019)

#Diferencia pesca 2019 con media 2016-2018:
biom_19_tn <- (-sc_trawl_recent_19$diff_mean_kg)/1000

#Tasa de retencion hipotetica: 70%

#Biomasa descartada:
biom_desc_tn <- ((-sc_trawl_recent_19$diff_mean_kg/0.7) + sc_trawl_recent_19$diff_mean_kg)/1000 

#Biomasa que permanecio en 12 mn de RG por prohibicion debido a disminucion de pesca por flotas de SC:
biom_tot_tn <- (biom_desc_tn + - (sc_trawl_recent_19$diff_mean_kg/1000))

#biom_19_tn 5799.652
#biom_desc_tn 2485.565
#biom_tot_tn 8285.217

Conclusión

La estadística pesquera de Santa Catarina no permite vislumbrar claramente los efectos de la prohibición. Las flotas pesqueras de arrastre de fondo de Santa Catarina ciertamente explotaban, previo a la prohibición, la franja costera del estado de Rio Grande do Sul. Cuál era la verdadera magnitud de la pesca que se llevaba a cabo en estas aguas y cual la biomasa real que la veda pesquera está protegiendo, son cuestiones aún sin precisar. Asumiendo que el total de la disminución productiva observada en 2019 es debida a la veda, se aprecia una reducción cercana a las 5,800 tn. Al considerar una tasa de retención del 70%, establecido como un promedio entre la tasa de retención de las distintas artes de pesca utilizadas, y sumar la biomasa descartada a la producción descargada, el valor de biomasa total protegida es cercano a las 8,300 tn para el año 2019.

Naturalmente, estos valores son valores hipotéticos y pueden no reflejar con precisión los valores reales. Sin embargo, esto no quita que puedan inferirse conclusiones valiosas. Las flotas pesqueras de Santa Catarina efectivamente utilizaban las aguas costeras del estado de Rio Grande do Sul y los beneficios económicos de esta pesca eran enteramente dirigidos fuera de este estado. El informe final de FURG y Oceana, que solo contempla la pesca descargada en la ciudad de Rio Grande, destaca que las pérdidas económicas de la veda son cubiertas con creces por los beneficios asociados a proteger espacios clave y sus efectos de derrame hacia otras formas o lugares de pesca. Es decir, los rendimientos de este efecto de derrame exceden los costos propios de reducir el área pesquera. Estos costos están representados por la reducción en la producción descargada y las ganancias asociadas al procesamiento y expendio de esta producción. Las flotas de Santa Catarina descargan y procesan la producción pesquera fuera del estado de Rio Grande do Sul. Por ello, considerar el efecto de la prohibición sobre esta flota confiere a Rio Grande do Sul beneficios adicionales sin incurrir en ningún costo asociado. Los efectos de incorporar esta flota a los análisis previos son enteramente aditivos en términos de beneficios para el Estado de Rio Grande y debieran contribuir a informar el accionar político local.

Bibliografía:

Universidade Federal do Rio Grande, Ocena (2018). Relatório Final - Campanha: Protect Vulnerable Habitats and species from Bottom Trawling.
Estatística Pesqueira de Santa Catarina. Consulta On-line. Projeto de Monitoramento da Atividade Pesqueira do Estado de Santa Catarina. Laboratório de Estudos Marinhos Aplicados (LEMA), da Escola do Mar, Ciência e Tecnologia (EMCT) da Universidade do Vale do Itajaí (UNIVALI). 2020. Disponível em: http://pmap-sc.acad.univali.br/. Acesso em: 01/07/2021.