SciELO - Scientific Electronic Library Online

 
vol.69 número2Nuevos registros de cetAceos para la VIII RegiOn, Chile (1997 a 1999)PARAMETROS BIOLOGICO-PESQUEROS DE LA JIBIA, DOSIDICUS GIGAS (ORBIGNY, 1835) (CEPHALOPODA: OMMASTREPHIDAE), FRENTE A LA COSTA DE CHILE CENTRAL (29ºS-40ºS) DURANTE 1993-1994 índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

Compartir


Gayana (Concepción)

versión impresa ISSN 0717-652Xversión On-line ISSN 0717-6538

Gayana (Concepc.) v.69 n.2 Concepción  2005

http://dx.doi.org/10.4067/S0717-65382005000200011 

 

Gayana 69(2): 300-318, 2005 ISSN 0717-652X

Ambiente Acuático

 

ESTANDARIZACION DE LAS TASAS DE CAPTURA DE RECURSOS PELAGICOS DE LA ZONA NORTE DE CHILE

STANDARDIZATION OF CATCH RATES OF THE PELAGIC FISH RESOURCES IN THE NORTHERN CHILE

 

Fernando Espíndola1,2 Eleuterio Yáñez1 & Gabriela Böhm3

1Escuela de Ciencias del Mar, Pontificia Universidad Católica de Valparaíso Casilla 1020, Valparaíso, Chile. Email: eyanez@ucv.cl
2Departamento de Física de la Atmósfera y Océano, Universidad de Concepción, Casilla 160-C, Concepción, Chile. Email: fespindola@udec.cl
3Instituto de Fomento Pesquero Blanco 1199, Valparaíso, Chile. Email: gbohm@ifop.cl


RESUMEN

Se usó el modelo lineal generalizado (MLG) para estandarizar el índice de abundancia relativa, captura por unidad de esfuerzo (CPUE) de anchoveta (Engraulis ringens), sardina (Sardinops sagax) y jurel (Trachurus murphyi), en la zona norte de Chile (18º21-24ºS), entre 1987 y 1997. Para la anchoveta se toma en cuenta la categoría de embarcación, la zona de pesca, la fase lunar, la estación del año, el año y la temperatura superficial del mar (TSM). En tanto que para la sardina y el jurel se toma en cuenta la categoría de embarcación, la zona de pesca, la fase lunar, la estación del año y el año. Estas variables muestran en general efectos bastante significativos en el logaritmo de la CPUE. Además, interacciones significativas son identificadas para la anchoveta entre trimestre*año, trimestre*zona, año*zona, año*TSM y zona*TSM. Mientras que para la sardina y el jurel se encontraron interacciones entre trimestre*año, trimestre*zona y año*zona. Así, respectivamente 32%, 33% y 30% de la variación total observada de la CPUE fueron explicadas por los MLG planteados para dichos recursos, resultado esperado debido esencialmente al carácter aleatorio de la pesca cuando se trabaja con información diaria y probablemente la no inclusión de otras variables significativas.

Palabras claves: Estandarización, CPUE, pelágicos, MLG, interacciones, zona norte de Chile.

ABSTRACT

We used generalized linear model for the standardization of the catch per unit effort (CPUE) as an index of relative abundance. The analysis was performed for anchovy (Engraulis ringens), sardine (Sardinops sagax) and jack mackerel (Trachurus murphyi) in northern Chile (18º21-24ºS) for the period 1987 through 1997. For anchovy we considered the following independent variables: ship hold capacity, fishing areas, lunar phase, season, year and sea surface temperature (SST). For sardine and jack mackerel we considered ship hold capacity, fishing areas, lunar phase, season and year. These variables individually have a significant effect on the CPUE logarithms. For anchovy we identified a significant interaction between season*year, season*area, year*area, year*SST and area*SST. For sardine and jack mackerel we identified a significant interaction between season*year, season*area and year*area. In conclusion, approximately 32%, 33% y 30% of the total variation observed for the logarithms of CPUE was explained by the models. This expecting result is mainly due to the random nature of the fishery when used daily information of the fishery and secondary to the no incorporate of other significant variables in the models.

Keywords: Standardization, CPUE, pelagic fish, MLG, interactions, northern of Chile


INTRODUCCION

Los datos de captura por unidad de esfuerzo (CPUE) de la flota pesquera industrial de la zona norte de Chile son empleados frecuentemente para calcular índices de abundancia relativa de las pesquerías pelágicas (Böhm et al. 1996, 1998). La CPUE ha sido utilizada como indicador indirecto de la abundancia de recursos pesqueros y en la calibración de modelos de evaluación de stocks (Hilborn y Walters 1992; Gascuel y Thiam 1993; Quinn y Deriso 1999).

El uso de la CPUE como índice de abundancia ha sido muy criticado, dado el sesgo producido por los cambios del poder de pesca y de las variaciones espacio-temporales del patrón de explotación. Para minimizar este sesgo, se estiman factores potenciales de las diferentes clases de embarcaciones, los que luego se emplean para estimar la CPUE estandarizada, y unidades de esfuerzo estándar que es proporcional a la mortalidad por pesca. Uno de los métodos más utilizados en dicho análisis es el modelo lineal (Gulland 1956; Robson 1966; Laurec y Fonteneau 1979). Posteriormente se considera el uso de modelos lineales generalizados (MLG), el cual es el método más usado para estandarizar la CPUE bajo una distribución lognormal, con el objeto de tomar en cuenta las interacciones (Gavaris 1980; Kimura 1981 y 1988; Allen & Punsly 1984; Punsly 1987; Large 1992; Yáñez et al. 1999; Punt et al. 2000; Yokawa et al. 2001; Wu & Yeh 2002). Los MLG proveen un camino para estimar una función que relaciona la respuesta media de una combinación lineal de un conjunto de variables predictivas y la capacidad de tomar en cuenta una variedad de familias de distribuciones (McCullagh y Nelder 1989).

En este trabajo se hace uso de MLG para estimar CPUE estandarizadas de anchoveta (Engraulis ringens), sardina (Sardinops sagax) y jurel (Trachurus murphyi) del norte de Chile, entre 1987 y 1997. De esta forma se estiman, para las pesquerías en cuestión, los poderes de pesca por categorías de embarcación, índices anuales de abundancia e interacciones significativas.

MATERIALES Y METODOS

El área de estudio está comprendida entre los 18º21' y 24º S, desde la costa hasta los 73º W (Fig. 1), y el trabajo cubre el período 1987-97. La información que se analiza proviene de los registros técnicos operacionales de las embarcaciones cerqueras industriales que operaron en la zona norte en el período de estudio. Esta flota se define como aquella integrada por embarcaciones mayores o iguales a 80 m3 de capacidad de bodega (CB), que emplean equipos y redes de cerco (Martínez et al. 1992). Los registros provienen de las bitácoras diarias de pesca disponibles de 121 embarcaciones cerqueras industriales (Tabla I).


FIGURA 1. Zona de estudio dividida en cuadrículas de 20 millas náuticas.

FIGURE 1. Zone of study divided in grid of 20 nautical milles.


Dichas embarcaciones operaron normalmente en la zona y período de estudio. Sin embargo, dado que la distribución espacial del esfuerzo de pesca no es homogénea y que el efecto no lineal de la variable continua capacidad de bodega no permite el ajuste del modelo usando las 120 embarcaciones, se considera la agrupación de barcos en categorías de acuerdo a su capacidad de bodega (Tabla II). Por otra parte, dado que en ciertos meses las capturas son casi nulas debido a las vedas, se consideró que esta influencia externa se minimiza al agrupar trimestralmente la información. Además se considera una resolución espacial asociada a cuadrículas de 20 mn (Fig. 1), disminuyendo así el número de niveles de este factor y evitando una parametrización excesiva al ocupar cuadrículas de menor tamaño.


La información satelital consiste en imágenes diarias de temperatura superficial del mar (TSM), elaboradas con información proveniente del sensor AVHRR de satélites NOAA. Estas imágenes cubren el período de estudio y la zona comprendida entre los 18º y 23º30` S, desde la costa hasta los 73ºW. Las imágenes representan matrices de datos de TSM de 256 líneas por 256 columnas, con una resolución de 2,2 km en el sentido norte-sur y de 1,6 km en dirección este-oeste, en escala 1:2.000.000 (Barbieri et al. 1995). Para reducir el efecto de las nubes que se registran en dichas imágenes, se emplea el valor máximo de la TSM (TSMM) de las cuadrículas con pesca (Pettigiani et al. 1992) de 10 mn. La información sobre el estado de la fase lunar durante las faenas de pesca se obtuvo por internet (www.rajeware.com). La fase lunar se basa en el porcentaje de luminosidad directa del sol: Durante cada orbita lunar la luna cambia de no visiblemente iluminada, a parcialmente y completamente iluminada, volviendo luego a parcialmente y no iluminada. Este ciclo es un proceso continuo donde se reconocen ocho estados distintos llamados fase. Cada fase designa el grado de iluminación de la luna y la apariencia geométrica de la parte iluminada, sin considerar el efecto de la nubosidad en dicha iluminación (http://aa.usno.navy.mil/faq/docs/moon_phases.html ).

La CPUE ha sido ampliamente utilizada como un índice de abundancia relativa, basado en el supuesto de que existe una proporcionalidad dada por:

donde representan la captura, el esfuerzo de pesca y la capturabilidad respectivamente, en el año i y la embarcación j, y la abundancia promedio en el año i. Kimura (1981) señala que todas las variables que influyen en la eficiencia de pesca pueden ser incorporadas en . Dichas variables incluyen las características físicas de la embarcación (registro grueso, caballos de fuerza, entre otros), artes de pesca (diseño de la red, equipo de virado, equipo acústico, entre otros) y factores ambientales (Allen & Punsly 1984; Hinton & Nakano 1996; Sainsbury et al. 1997; Yáñez et al. 1999). Si la CPUE se distribuye lognormal, entonces la variable debe resultar de un conjunto de procesos que actúan multiplica-tivamente (Aitchinson & Brown 1957). Uno de estos procesos corresponde a los cambios periódicos en la abundancia del stock, dado por:

donde a es una constante,ht el efecto de la variación periódica (por ejemplo anual) de la abundancia y un conjunto de efectos derivados de características y decisiones de pesca de cada barco. El objetivo es despejar el efecto del término a través de los años, separándolo de los factores que afectan la eficiencia de pesca y que surgen de las propiedades de los barcos, representadas en . Suponiendo que está integrado por las variables discretas barco (a) y zonas de pesca (b), y una variable continua o discreta (x) que representa al poder de pesca:

donde g es un parámetro y e el error aleatorio que se distribuye idéntica e independientemente lognormal, con media k=1 y varianza s2 desconocida, para todo t,i,j. La ecuación anterior pertenece a los MLG (McCullagh & Nelder 1989), e indica que la CPUE agregada para cada cruce de la categoría período (t), barco (i) y zona (j), está determinada por un valor global constante (a), el efecto de las tres categorías (h, a y b), el efecto del poder de pesca (x) y un error lognormal propio de los procesos multiplicativos. El MLG de la ecuación anterior corresponde a:

donde los errores aleatorios ln(et,i,j) se distribuyen idéntica e independientemente normal. El ajuste por mínimos cuadrados es entonces un ajuste de máxima verosimilitud. Bajo este modelo la aplicación de una partición de varianza en sus componentes (Searle et al. 1992) permite identificar los estimadores de ln(ht) de cada año. Para llegar finalmente a la serie de los ht se aplica la transformada inversa de una función exponencial con corrección por sesgo:

donde vt=ln(ht), "Ù" y b indican estimaciones del ajuste del MLG. Los cálculos mediante la ecuación cuatro para cada t se realizarán mediante ANOVA y la partición de sus componentes, donde la hipótesis nula a contrastar es que no hay diferencias entre las medias para cada factor.

El ajuste es realizado añadiendo al modelo MLG variables significativas en el orden de su probabilidad nominal (P<0,001), asociadas a su estadístico F de ingreso al modelo. Normalmente las variables no significativas deben ser eliminadas para evitar una parametrización excesiva, lo que podría diluir algunos efectos usados para describir los cambios en las tasas de captura que no pueden ser atribuidos a los otros factores del modelo, es decir, cambios en la abundancia de selección descritos por Allen & Punsly (1984).

RESULTADOS Y DISCUSION

Del análisis de regresión se determinó que algunas variables e interacciones ejercen efectos significativos sobre la CPUE de anchoveta (Tabla III). Para la sardina (Tabla IV) y el jurel (Tabla V) se encontraron resultados similares, con la excepción del efecto de la TSM que no fue significativo (P>0,001). De esta forma, el modelo ajustado para la anchoveta es:

Yijklm = a + Ei +Aj + Ck +L1 + Dm + gT + EAij + ECik + AjgT + CkgT + eijklm 6

Yijklm = logaritmo de la CPUE
a = promedio general
Ei = efecto del trimestre i
Aj = efecto del año j
Ck = efecto de la zona de pesca k
Ll = efecto de la fase lunar l
Dm = efecto de la categoría de embarcación m
g = efecto de regresión de la temperatura T
EAij = efecto de la interacción Ei y Aj
ECik = efecto de la interacción Ei y Ck
ACjk = efecto de la interacción Aj y Ck
AjgT = efecto de la interacción Aj y T
CkgT = efecto de la interacción Ck y T
ijklm = error residual.

En tanto que para la sardina y el jurel se ajustó el siguiente modelo:

Yijklm = a + Ei +Aj + Ck +L1 + Dm + EAij + ECik + ACjk + eijklm 7

Yijklm = logaritmo de la CPUE
a = promedio general
Ei = efecto del trimestre i
Aj = efecto del año j
Ck = efecto de la zona de pesca k
Ll = efecto de la fase lunar l
Dm = efecto de la categoría de embarcación m
EAij = efecto de la interacción Ei y Aj
ECik = efecto de la interacción Ei y Ck
ACjk = efecto de la interacción Aj y Ck
ijklm = error residual

Cabe señalar que los modelos ajustados explican menos de la mitad de la variación del logaritmo de la CPUE de anchoveta (R2=0,32), sardina (R2=0,33) y jurel (R2=0,30).

En las tablas III, IV y V se muestran los efectos generalmente más significativos de las variables, comparados con los efectos de las interacciones de primer y segundo orden. No obstante, las interacciones en su totalidad toman en cuenta el 45%, 37% y 65% de la variación total explicada por los modelos seleccionados para anchoveta, sardina y jurel, respectivamente. Cabe indicar que la incorporación de los efectos del año en las interacciones de los modelos seleccionados impide el logro de estimaciones insesgadas de las variaciones anuales de la CPUE. En este caso se deben descartar estas interacciones de los modelos, considerando sus efectos como un residuo en un modelo sub-óptimo.




Así, durante el período de estudio se distingue para anchoveta el bajo nivel del índice de abundancia en 1987 (Fig. 2), lo cual se asocia al moderado evento "El Niño" acontecido durante este año (Yáñez et al. 1995). El índice de abundancia estandarizado para anchoveta aumenta notablemente en 1988-89, asociado a años más normales desde el punto de vista de la estructura térmica superficial. Luego este índice vuelve a disminuir, al mismo tiempo que se produce un notable enfriamiento en 1990 y el fenómeno "El Niño" de regular intensidad en 1991-92, cuyas anomalías de TSM perduran por lo menos hasta 1994 (Barría et al. 1998). Según Castillo et al. (1997), los mayores niveles de reclutamiento de la época se registraron en 1991-92, a tamaños intermedio del stock desovante. No obstante, los reclutamientos de 1993-94 tienen magnitudes similares, a pesar de la gran discrepancia en los tamaños de los stock desovante.


FIGURA 2. Variación anual de la CPUE de anchoveta (1987-97).

FIGURE 2. Annual variations of the CPUE for anchovy (1987-97).

En 1995-96 se produce una leve disminución del índice de abundancia, siendo las más bajas del período de estudio, en tanto que un evento "El Niño" se produce en 1997. Yáñez & Espíndola (1998) señalan que los niveles de reclutamiento de anchoveta muestran un incremento desde 1989 hasta 1992, para posteriormente disminuir hasta el final del período. Por otra parte, Böhm et al. (1998) muestran que las capturas de anchoveta se reducen en un 24% y un 43% en 1994-95 y 1995-96 respectivamente; al final del período la anchoveta recupera los niveles promedios similares a 1992-94, pero bastante más bajos a los de 1988-89.

Para sardina muestra en los primeros años del período de estudio los mayores valores del índice de abundancia estandarizado, en tanto que después de 1989 éste disminuye notablemente (Fig. 3). Esto concuerda con la evolución de los desembarques, los cuales pasan de un promedio de 1,6 millones de t en 1987-89, a 0,7 millones de t en 1990-92, mostrando posteriormente una fuerte tendencia descendente hasta obtener tan sólo 4 mil t en 1997 (SERNAPESCA, 1987-97). Yáñez y Espíndola (1998) señalan que los altos niveles de CPUE alcanzados hasta 1989 estarían asociados a los altos niveles de reclutamientos de sardina alcanzados durante 1987-88, que posteriormente disminuyen drásticamente al igual que el índice de abundancia relativa.


FIGURA 3. Variación anual de la CPUE de sardina (1987-97).

FIGURE 3. Annual variations of the CPUE for sardine (1987-97).

Entre 1992-97 la CPUE de sardina presenta una notable disminución, alcanzando los niveles más bajos de la pesquería. Böhm et al. (1998) señalan que las capturas presentaron una disminución sostenida en el período 1994-96 (de 83 a 36 mil t). Cabe señalar que durante el período analizado el índice de abundancia relativa disminuye 70% entre 1987 y 1997.

La CPUE estandarizada del jurel muestra en los cinco primeros años del período de estudio analizado una tendencia descendente, salvo 1989 (Fig. 4). Según Barría et al. (1998), en 1989 se presentan los valores de CPUE más altos. Sin embargo, en 1992-93 se presenta un notable aumento del índice de abundancia, inmediatamente después del evento "El Niño" de 1991-92. Posteriormente el índice de abundancia relativa de jurel presenta una tendencia negativa hacia el final del período de estudio, alcanzando los valores más bajos de la pesquería.


FIGURA 4. Variación anual de la CPUE de jurel (1987-97).

FIGURE 4. Annual variations of the CPUE for jack mackerel (1987-97).

Con una aproximación lineal, en la pesquería de anchoveta la mayor eficiencia la habrían alcanzado las categorías de embarcación 5 y 6 (Fig. 5). Prácticamente lo mismo sucede en la pesquería de sardina, con una aproximación lineal en que la categoría de embarcación 6 alcanza la mayor eficiencia, aun que en el extremo opuesto aparecen al mismo nivel las categorías 1 y 2 (Fig. 6). En la pesquería de jurel la tendencia es lineal hasta la categoría 4 y posteriormente se estabiliza (Fig. 7).


FIGURA. 5. Poderes de pesca por categoría de embarcación en la captura de anchoveta.

FIGURE 5. Fishing power for the category of ship in the catch of anchovy.


FIGURA. 6. Poderes de pesca por categoría de embarcación en la captura de sardina.

FIGURE 6. Fishing power for the category of ship in the catch of sardine.

Normalmente se espera que los poderes de pesca presentan una relación directa con la capacidad de bodega de las embarcaciones, debido a la eliminación progresiva del efecto de saturación (referido a la combinación arte-bodega). En este sentido, en la captura de anchoveta esta eliminación prácticamente no desaparece, aunque resultan bastante similares las categorías 5 y 6 (Fig. 5). Para la pesca de sardina esta eliminación prácticamente no aparece, debido a que las categorías mayores (4, 5 y 6) operaron normalmente durante el período de estudio, en tanto que las categorías menores (1 y 2) son poco representativas en el período analizado (Fig. 6). En cambio en la captura del jurel esta saturación se alcanza claramente después de la categoría 4 (Fig. 7). Esto puede ser entonces un problema asociado a la relación arte-bodega y a la menor habilidad de los barcos de mayor tamaño, producto de sus dimensiones.


FIGURA. 7. Poderes de pesca por categoría de embarcación en la captura de jurel.

FIGURE 7. Fishing power for the category of ship in the catch of jack mackerel.

La mayor actividad de pesca de anchoveta se realizó en cuadrículas con TSMM de 17 a 24º C (Fig. 8). La relación lineal entre el logaritmo de la CPUE y la TSMM muestra un incremento de 0,0219 unidades de la primera por unidad de aumento de la segunda sobre la media general, adicional al efecto que ejerce la TSMM al interactuar con otras variables. Es decir, los cambios en la temperatura superficial del mar tienen un efecto significativo en las capturas de anchoveta (Tabla III), dado por su valor estadístico F. Sin embargo, dada la gran cantidad de pares de datos tomados en cuenta para anchoveta, la relación lineal no es tan clara.


FIGURA 8. Relación entre el logaritmo de la CPUE de anchoveta y la TSMM.

FIGURE 8. Relationship between the logarithms of CPUE for anchovy and maximun sea surface temperature of the corresponding grid.

Los cambios de la TSM se asociarían con las variaciones de la distribución y abundancia de la anchoveta. Durante los años más bien fríos los recursos presentan una distribución más amplia, en tanto que durante los eventos "El Niño" éstos se concentran en la costa aumentando la vulnerabilidad y por ende el rendimiento de las embarcaciones (Yáñez et al. 1995). Esto explicaría las interacciones entre la TSM y las cuadrículas donde se realizan faenas de pesca.

El efecto estacional del logaritmo de la CPUE varía de año en año (Figs. 9, 10 y 11). Estas variaciones son bastante fuertes para las tres especies e impiden ver claramente un patrón temporal. La anchoveta presenta al comienzo del período de estudio los mayores valores en el primer trimestre (ene-mar) y los menores en el cuarto (oct-dic); en tanto que al final del período los mayores valores se registran en el segundo trimestre (abr-jun) y los menores en el tercero (jul-sep) y cuarto (oct-dic). Para la sardina, al comienzo del período de estudio el logaritmo de la CPUE presenta valores similares en todos los trimestres. A medida que avanzan los años éste muestra una clara tendencia negativa y al final del período los mayores valores se alcanzan en el primer trimestre y los menores en el tercero, con ausencia de capturas en el cuarto. Para jurel, al comienzo del período analizado los mayores valores se alcanzan en el cuarto trimestre y los menores en el tercero; al final del período los mayores valores se alcanzan en el tercer trimestre y los menores en el segundo.


FIGURA 9. Variación trimestral del logaritmo de la CPUE de anchoveta en el período 1987-97.

FIGURE 9. Seasonal variations of logarithms from CPUE of anchovy 1987-97 period.


FIGURA 10. Variación trimestral del logaritmo de la CPUE de sardina (período 1987-97).

FIGURE 10. Seasonal variations of logarithms from CPUE of sardine (period 1987-97).

De este modo, la interacción entre los efectos año y trimestre implica que el patrón estacional de densidad de anchoveta, sardina y jurel no es constante en el período 1987-97. Este comportamiento estacional sería causado por la fuerte agregación con fines reproductivos que presentan estos recursos y por los cambios del ambiente asociados a la ocurrencia de eventos fríos y cálidos. Los recursos pelágicos analizados presentan variaciones espaciales intra e interanuales, las cuales se relacionan con procesos biológicos y fluctuaciones del medio ambiente (Yáñez et al. 2001). En efecto, los eventos de surgencia, la variabilidad de la estructura térmica y el fenómeno "El Niño" son factores que condicionan la distribución y abundancia de estos recursos.


FIGURA 11. Variación trimestral del logaritmo de la CPUE de jurel período 1987-97.

FIGURE 11. Seasonal variations of logarithms from CPUE of jack mackerel (period 1987-97).

Otra fuente de variabilidad de los rendimientos de pesca es causada por el ciclo lunar, de efecto significativo en el logaritmo de la CPUE de anchoveta, sardina y jurel (Tablas III, IV y V). Durante el período de luna creciente el índice de abundancia relativa de anchoveta presentaría una disminución hasta los eventos de luna nueva, donde se registran los valores más altos de logaritmo de la CPUE (Fig. 12). Para la sardina, esta fase creciente del índice de abundancia relativa se evidencia a partir de la fase 3 del ciclo lunar, cuando media mitad de la luna aparece iluminada. En cambio para jurel esta tendencia positiva se evidencia a contar de la fase 4, cuando la luna está más de la mitad iluminada.


FIGURA 12. Variaciones del índice de abundancia relativa según el ciclo de fase lunar para anchoveta, sardina y jurel.

FIGURE 12. Variations of logarithms from CPUE according the cycle of moon for anchovy, sardine and jack mackerel.

Para la anchoveta se presentaría una tendencia negativa durante todas las fases del ciclo lunar, salvo en las que la luna no está iluminada, donde se presentarían los mayores valores del índice de abundancia relativa. Dependiendo de la especie, la fase lunar puede afectar entonces la vulnerabilidad. Según Bigelow et al. (1999), la visión es importante para el pez espada (Xiphias gladius) y su distribución en profundidad podría ser alterada en respuesta a la luminosidad. Así, la CPUE de pez espada fue alta durante los eventos de luna llena, cuando los peces son más vulnerables a las artes de pesca por un incremento de la agudeza visual, o por una modificación del comportamiento posiblemente favoreciendo el incremento de los movimientos verticales.

Los modelos desarrollados en el presente documento parecen adecuados para la estimación anual del índice de abundancia CPUE, sin desmerecer estimaciones independientes de la abundancia hechas durante campañas científicas (por ejemplo hidroacústicas). Los resultados presentados en este documento son coincidentes con otros análisis de datos de CPUE usando modelos lineales generalizados, donde la variación en la CPUE no explicada es también bastante considerable: 90% para el atún aleta amarilla (Allen y Punsly 1984), 45% para el atún patudo, 67% para el atún de aleta amarilla (Punsly & Nakano 1992) y 60% para el lenguado (Large 1992). Lo mismo ocurre con el atún aleta azul (Sainsbury et al. 1997) y los stock de bacalado y pescadilla (Millischer & Gascuel 1997).

La contribución relativamente grande del error, comparada con la de las variables bajo estudio, podría explicarse por la gran variabilidad en la probabilidad de encuentro entre una unidad de pesca y el cardumen, dada la distribución gregaria del recurso, la gran variabilidad en el tamaño de los cardúmenes y por ocupar información diaria de pesca, no así cuando se emplea resúmenes de pesca mensuales, donde la variabilidad explicada por los modelos es mucho mayor. Otros motivos serían los factores del poder de pesca no tomados en cuenta, como por ejemplo las diferencias entre equipos de detección hidroacústico, tamaño de red y experiencia del capitán, o bien por factores temporales a escala fina (hora de pesca) y factores ambientales (velocidad del viento, color del mar, temperatura del agua) que influyen sobre la capturabilidad. Pero explicar 32% de la variabilidad de 14.862 observaciones para anchoveta, 33% de 25.452 observaciones para sardina y 30% de 17.544 observaciones para jurel, resulta bastantes apreciables.

Se debe señalar que durante eventos "El Niño" se producen notables disminuciones de la abundancia y/o disponibilidad en la zona de estudio, particularmente de anchoveta, así como cambios en el patrón espacio-temporal de la CPUE, la interacción entre los efectos año y cuadrícula presentes en los modelos planteados indican que la distribución espacial de la densidad de anchoveta, sardina y jurel no permanece constante de año en año (Figs. 13, 14 y 15), lo cual coincide con lo mostrado por Yáñez et al. (1993, 1995, 1999). Además, cuando los datos usados son de pesca comercial, es probable que los pescadores traten de distribuir el esfuerzo para obtener el máximo beneficio, lo que significa que el esfuerzo depende de la densidad. El uso del MLG compensa parcialmente esos efectos: en las pesquerías analizadas, por ejemplo, se necesita recolectar la información sobre los esfuerzos sin pesca, aunque es difícil identificar la intencionalidad de la pesca y la zona de búsqueda, particularmente con información histórica.


FIGURA 13. Plano de superficie de la CPUE estandarizada para anchoveta.

FIGURE 13. Surface's plane of CPUE standardized for anchovy.


FIGURA 14. Plano de superficie de la CPUE estandarizada para sardina.

FIGURE 14. Surface's plane of CPUE standardized for sardine.

La unidad de esfuerzo empleada (día de pesca) mide la fracción de los días de operación en los cuales se registran las capturas. Sin embargo, éstos no consideran los tiempos de búsqueda y los tiempos de operación del lance, lo cual no permite tener una unidad de esfuerzo que mida la presión real a la cual es sometido el stock. Sainsbury et al. (1997) y Gauthiez (1995) señalan que existen problemas ligados al carácter inadecuado de los datos de pesca, como la extensión espacial del stock y la intención de las pesquerías comerciales de mantener altas tasas de captura que no reflejan la real abundancia de la unidad de stock. Al respecto cabe señalar que la utilización de MLG tiene el problema que no está basado en el análisis de procesos explicativos. Es difícil en este tipo de gestión incorporar un modelo de conocimiento, o las hipótesis particulares sobre el comportamiento del recurso y los procesos de captura.


FIGURA 15. Plano de superficie de la CPUE estandarizada para jurel.

FIGURE 15. Surface's plane of CPUE standardized for jack mackerel.

Richards & Schnute (1986) presentan un modelo experimental y general para comprobar si la CPUE puede considerarse un índice de abundancia relativa. Estos autores comparan estimaciones de densidad con datos de CPUE, encontrando que no hay una relación estrictamente proporcional. El valor del índice de abundancia depende de la forma de la relación entre la CPUE y la abundancia, con su nivel de confianza asociado.

Mucho se ha argumentado sobre el uso de datos de CPUE en pesquerías y la importancia de entender la distribución espacial de los recursos y la ubicación del esfuerzo pesquero para interpretar dichos datos. La forma más común de no proporcionalidad es cuando la CPUE permanece alta mientras la abundancia declina. Esto es conocido como "hiperestabilidad" y puede llevar a una sobreestimación de la biomasa y una subestimación de la mortalidad por pesca (Hilborn & Walters 1992).

Harley et al. (2001) encontraron una fuerte presencia de "hiperestabilidad" en la relación CPUE-abundancia; es decir, cuando la CPUE permanece alta y la abundancia está declinando, lo cual ha llevado a la sobreexplotación de los recursos. Entonces se debe incorporar esta información sobre la relación entre CPUE y abundancia en los modelos estructurados de evaluación de stock, para disminuir la incertidumbre sobre los procesos y obtener estimaciones más realistas y que conlleven un mejor manejo de los recursos pesqueros.

 

BIBLIOGRAFIA

Aitchinson, J. y J.A.C. Brown. 1957. The lognormal distribution. Cambridge University. 176 pp.         [ Links ]

Allen, R.L. y R.G. Punsly. 1984. Catch rates as indices of abundance of yellowfin tuna, Thunnus albacares, in the eastern Pacific Ocean. Inter-Amer. Trop. Tuna Comm. Bull. 18(4): 301-379.         [ Links ]

Barbieri, M.A., M. Bravo, M. Farías, A. González, O. Pizarro y E. Yáñez. 1995. Fenómenos asociados a la estructura térmica superficial del mar observados a través de imágenes satelitales en la zona norte de Chile. Invest. Mar., Valparaíso, 23: 99-122.         [ Links ]

Barría, P., A. Zuleta, G. Böhm, V. Catasti, M.A. Barbieri, E. Yáñez, A. González, K. Nieto, C. Silva y F. Espíndola. 1998. Análisis de la dinámica del patrón de explotación de la flota cerquera en la zona norte y su relación con el medio ambiente. Informe Final Proyecto FIP 96-03, IFOP-UCV, 110 pp.         [ Links ]

Bigelow, K.A., C.H. Boggs y X. He. 1999. Environmental effects on swordfish and blue shark catch rates in the US North Pacific longline fishery. Fish. Oceanogr. 8: 178-198.         [ Links ]

Böhm, G., M.A. Barbieri, E. Yáñez, A. González, C. Canales y V. Catasti. 1996a. Análisis de la captura y del esfuerzo de pesca de las unidades de pesquería de sardina española y anchoveta de la zona norte. Informe Final Proyecto FIP 24/94, IFOP-UCV, 111 pp. y Anexos.         [ Links ]

Böhm, G., M.A. Barbieri, E. Yáñez, A. González, C. Canales y V. Catasti. 1996b. Análisis de la captura y del esfuerzo de pesca de las unidades de pesquería del jurel de la zona centro-sur y norte. Informe Final Proyecto FIP 25/94, IFOP-UCV, 122 pp. y Anexos.         [ Links ]

Böhm, G., V. Catasti, P. Barría, R. Serra, L. Caballero, G. Rosson y C. Fonfach. 1998. Análisis de la captura y del esfuerzo de pesca de las unidades de pesquerías pelágicas de sardina española y anchoveta de la I a IV regiones. Informe Final Proyecto FIP 96/05, IFOP, 60 pp. + figuras, Tablas y Anexos.         [ Links ]

Castillo, J., M. Espejo, S. Lillo, J. Córdova, J.L. Blanco, J. Osses y P. Barria. 1997. Estimación del reclutamiento de anchoveta en las regiones I y II. Informe Técnico FIP-IT/96-02, 216 pp.         [ Links ]

Gavaris, S. 1980. Use of a multiplicative model to estimate catch rate and effort from commercial data. Can. J. Fish. Aquat. Sci. 37: 2272-2275.         [ Links ]

Gascuel, D. y M. Thiam. 1993. Evolution de l'abondance des ressources démersales sénégalaises: estimation par modélisation linéaire des PUE. In: M. Barry-Gérard, T. Diouf et A. Fonteneau (Eds.). L'eva-luation des ressources exploitables par la pêche artisanale sénégalaise. Symposium Dakar, 191-213.         [ Links ]

Gulland, J. 1956. On the fishing effort in English demersal fisheries. Fish. Invest., MAFF London, Series 2, 20(5): 1-41.         [ Links ]

Gauthiez, F. 1995. Estimation des puissances de pêche. In: J. Ferraris, D. Pelletier, Marie-Joelle Rochat (Eds.). Méthodes d'etude des systémes halieutiques et aquacoles. Actes du Deuxiéme Forum Halieumétrique, Nantes, 71-77.         [ Links ]

Harley, S.J., R.A. Myers y A. Dunn. 2001. Is catch-per-unit-effort proportional to abundance? Can. J. Fish. Aquat. Sci, 58: 1760-1772.         [ Links ]

Hilborn, R. y C. Walters. 1992. Quantitative fisheries stock assessment: Choice, dynamics and uncertainty. Chapman and Hall. New York, 570 pp.         [ Links ]

Hinton. M.G. y H. Nakano. 1996. Standardizing catch and effort statistics using physiological, ecological, or behavioral constraints and environmental data, with an aplication to blue marlin (Makaira nigricans) catch and effort data from japanese longline fisheries in the pacific. Inter-Am. Trop.Tuna Comm. Bull. 21(4):171-197.         [ Links ]

Kimura, D.K. 1981. Standardized measures of relative abundance based on modelling log (CPUE), and their application to Pacific ocean perch (Sebastes alutus). Journal du Conseil, Conseil International pour l'Exploration de la Mer 39: 211-218.         [ Links ]

Kimura, D.K. 1988. Analyzing relative abundance indices with log-linear models. N. Amer. J. Fish. Manage. 8: 175-180.         [ Links ]

Large, P.A. 1992. Use of a multiplicative model to estimate abundance from commercial CPUE data. ICES J. mar. Sci., 49: 253-261.         [ Links ]

Laurec, A. y A. Fonteneau. 1979. Estimation de l'abondance d'une clase d'âge: utilisation des C.P.U.E. de plusieurs engins, en differentes zones et saisons. Collective Volume of Scientific Papers, International Commission for the Conservation of Atlantic Tunas, Vol. VIII, Nº45, 117 pp.         [ Links ]

Martínez, C., L. Caballero, G. Böhm, J. Oliva, R. Gili, V. Bocic, P. Barría y R. Serra. 1992. Diagnóstico de las principales pesquerías nacionales: pesquerías pelágicas de la zona norte. CORFO-IFOP, SIG 92/1, 51 p.         [ Links ]

McCullagh, P. y J.A. Nelder. 1989. Generalized linear models. Monographs on Statistics and Applied Probabibilty. Chapman and Hall, London, 511 pp.         [ Links ]

Millischer, L. y D. Gascuel. 1997. Estimation des puissances de pêche: Etude des flotilles industrielles de Bretagne Sud. In: La Surexploitation. Troisiéme Forum de L'Association Française d'Halieumétrie. Montpellier, 1-3 juillet 1997.         [ Links ]

Pettigiani, E., H. Karszenbaum y M. Mejail. 1992. Análisis de imágenes satelitarias de temperaturas superficiales mediante funciones empíricas ortogonales en la zona común de pesca argentino-uruguaya. Revista SELPER 8(1): 43-48.         [ Links ]

Punsly, R. G. 1987. Estimation of relative annual abundance of yellowfin tuna, Thunnus albacares, in the eastern Pacific Ocean during 1970-1985. Inter-Am. Trop. Tuna Comm. Bull. 19 (1): 265 - 306.         [ Links ]

Punsly, R. y H. Nakano. 1992. Analysis of variance and standardization of longline hook rates of bigeye (Thunnus obesus) and yellowfin (Thunnus albacares) tunas in the eastern pacific ocean during 1975-1987. Inter-Amer. Trop. Tuna Comm. Bull. 20(4): 179-184.         [ Links ]

Punt, A.E., T.I. Walker, B.L. Taylor y F. Pribac. 2000. Standardization of catch and effort data in a spatially-structured shark fishery. Fisheries Research 45: 129-145.         [ Links ]

Quinn, T.J. y R.B. Deriso. 1999. Quantitaive fish dynamics. Oxford University Press, New York, 542 pp.         [ Links ]

Richards, L.J. y J.T. Schnute. 1986. An experimental and statistical approach to the question: is CPUE an index of abundance? Can. J. Fish. Aquat. Sci. 43: 1214-1227.         [ Links ]

Robson, D.S. 1966. Estimation of the relative fishing power of individual ships. ICNAF, Res. Bull. 3: 5-14.         [ Links ]

Sainsbury, K., T. Polacheck, N. Klaer, J. Gunn, R. Campbell, W. Hearn, T. Davis, A. Betlehem, A. Preece y A. Cowling. 1997. Recent developments and methods in the southern bluefin tuna fishery assessments. CSIRO, Division of Marine Research, Hobart, Australia.         [ Links ]

Searle, S.R., G. Casella y C.E. McCulloch. 1992. Variance components. Willey Inter. Science, N.Y., 528 pp.         [ Links ]

SERNAPESCA. 1987-97. Anuarios estadísticos de pesca. Servicio Nacional de Pesca, Ministerio de Economía, Chile.         [ Links ]

Wu, C.L. & S.Y. Yeh. 2002. Standardized catch rates of south atlantic albacore, Thunnus alalunga, from the taiwanese longline fisheries during 1968-1999. Col. Sci. Pap. ICCAT, 54(5): 1515-1528.         [ Links ]

Yáñez, E., C. Canales, M.A. Barbieri, A. González y V. Cataste. 1993. Estandarización del esfuerzo de pesca y distribución espacial e interanual de la CPUE de anchoveta y sardina en la zona norte de Chile 1987 y 1992. Invest. Mar., Valparaíso, 21: 111-132.         [ Links ]

Yáñez, E., A. González y M.A. Barbieri. 1995. Estructura térmica superficial del mar asociada a la distribución espacio-temporal de sardina y anchoveta en la zona norte de Chile entre 1987 y 1992. Invest. Mar., Valparaíso, 23: 123 - 147.         [ Links ]

Yáñez, E. y F. Espíndola. 1998. Análisis de las ventanas ambientales óptimas para los reclutamientos de sardina y anchoveta. Estudios y Documentos, Escuela de Ciencias del Mar, UCV, Valparaíso, 25/98, 17 pp.         [ Links ]

Yáñez, E., F. Espíndola, P. Fréon, M.A. Barbieri e I. Guerrero. 1999. Estandarización de tasas de captura de pesquerías pelágicas de la zona norte de Chile durante 1987-92. Invest. Mar., Valparaíso, 27: 53-63.         [ Links ]

Yáñez, E., M.A. Barbieri, C. Silva, K. Nieto y F. Espíndola. 2001. Climate variability and pelagic fisheries in northern Chile. Progress in Oceanography 49, 581-596.         [ Links ]

Yokawa, K., Y. Takeuchi, M. Okazaki & Y. Uozumi. 2001. Standardizations of CPUE of blue marlin and white marlin caught by Japanese longliners in the Atlantic Ocean. Col. Sci. Pap. ICCAT, 53: 345-355.         [ Links ]

 

Fecha de recepción: 10/05/04
Fecha de aceptación: 10/01/05

 

Creative Commons License Todo el contenido de esta revista, excepto dónde está identificado, está bajo una Licencia Creative Commons