Boletín de Investigaciones Marinas y Costeras

Vol. 54 Núm. 1 (2025)
Articulos de investigación

Índice de abundancia relativa de la raya volantín entre isla Choros (29° 16’ S) y punta Refugio (42° 10’ S) como una contribución al manejo de su pesquería en Chile

PDF
  • Javier Legua,
  • Cristian Canales Ramírez,
  • Luis La Cruz Aparco
Javier Legua
Instituto de fomento Pesquero
Cristian Canales Ramírez
Pontificia Universidad Católica de Valparaíso, Laboratorio de Dinámica de Poblaciones Marinas y Modelamiento Estadístico (Dimare), Valparaíso, Chile.
Luis La Cruz Aparco
Instituto de Fomento Pesquero, Departamento de Evaluaciones Directas, Blanco 839, Valparaíso, Chile.
DOI: https://doi.org/10.25268/bimc.invemar.2025.54.1.1305

Publicado 2025-01-01

Palabras clave

  • Zearaja chilensis,
  • GLM,
  • Aproximación delta lognormal,
  • Índice de abundancia,
  • Patrón espacial

Cómo citar

1.
Legua J, Canales Ramírez C, La Cruz Aparco L. Índice de abundancia relativa de la raya volantín entre isla Choros (29° 16’ S) y punta Refugio (42° 10’ S) como una contribución al manejo de su pesquería en Chile. Bol. Investig. Mar. Costeras [Internet]. 1 de enero de 2025 [citado 7 de enero de 2025];54(1):71-92. Disponible en: https://boletin.invemar.org.co/ojs/index.php/boletin/article/view/1305

Derechos de autor 2024 Javier Legua

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.

Resumen

En muchas pesquerías y en particular las de datos limitados, la CPUE no es un buen indicador de la abundancia debido a múltiples factores operacionales que inciden en la variabilidad de la capturabilidad. Con el fin de estimar una señal anual de abundancia CPUE de un
recurso pesquero de datos limitados, analizamos los de la raya volantín (Zearaja chilensis) recopilados como fauna acompañante en las campañas hidroacústicas de merluza común (Merluccius gayi) (1993-2019) frente a Chile centro-sur (29° 10’ S - 42° 10’ S). La información operacional es analizada por medio de Modelos Aditivos Generalizados (GAM) y Modelos Lineales Generalizados (GLM). Los resultados indican que Z. chilensis presenta notables
áreas de densidad y una mayor frecuencia de presencia de esta especie entre 300 y 425 m de profundidad. El modelo de CPUE mostró que la profundidad es el efecto fijo más importante en su variabilidad, mientras el efecto año resultó ser determinante en un modelo binomial de la
proporción de lances positivos. El estudio sugiere que este tipo de índices sean considerados en el manejo de esta pesquería, ya sea en modelos de evaluación de stock, o como índices empíricos para el ajuste anual de las capturas o esfuerzo de pesca.

PDF

Descargas

Los datos de descargas todavía no están disponibles.

Citas

  1. Aitchison J. 1955. On the distribution of a positive random variable having a discrete probability mass at the origin. J. Am. Stat. Assoc., 50(271): 901-908. https://doi.org/10.2307/2281175
  2. Barange M., G. Merino, J.L. Blanchard, J. Scholtens, J. Harle, E.H. Allison, J.I. Allen, J. Holt and S. Jennings. 2014. Impacts of climate change on marine ecosystem production in societies dependent on fisheries. Nat. Clim. Change, 4: 211 - 216. https://doi.org/10.1038/nclimate2119
  3. Belleggia, M., N. Andrada, S. Paglieri, F. Cortés, A. M. Massa, D. E. Figueroa and C. Bremec. 2016. Trophic ecology of yellownose skate Zearaja chilensis, a top predator in the south-western Atlantic Ocean. J. Fish. Biol., 88: 1070-1087. https://doi.org/10.1111/jfb.12878
  4. Blamey L.K., L.J. Shannon, J.J. Bolton, R.J.M. Crawford, F. Dufois, H. Evers-King, C.L. Griffiths, L. Hutchings, A. Jarre, M. Rouault, K.E. Watermeyer and H. Winker. 2015. Ecosystem change in the southern Benguela and the underlying processes. J. Mar. Syst., 144: 9 - 29. https://doi.org/10.1016/j.jmarsys.2014.11.006
  5. Brynjarsdóttir, J. and G. Stefánsson. 2004. Analysis of cod catch data from Icelandic grundfish surveys using generalized linear models. Fish. Res., 70: 195-208. https://doi.org/10.1016/j.fishres.2004.08.004
  6. Bustamante, C., C. Vargas-Caro and M. Bennett. 2014. Biogeographic patterns in the cartilaginous fauna (Pisces: Elasmobranchii and Holocephali) in the southeast Pacific Ocean. Peer J2: e416. https://doi.org/10.7717/peerj.416
  7. Campbell, R.A. 2004. CPUE standardization and the construction of indices of stock abundance in a spatially varying fishery using general linear models. Fish. Res., 70(2-3): 209-227. https://doi.org/10.1016/j.fishres.2004.08.026
  8. Campbell, R.A. 2015. Constructing stock abundance indices from catch and effort data: Some nuts and bolts. Fish. Res., (161):109-130. https://doi.org/10.1016/j.fishres.2014.07.004
  9. Canales, C. and P. Arana. 2010. Catch per swept area (CPUA) standardization in direct assessment cruises of nylon shrimp (Heterocarpus reedi) (1998 - 2006). The t. Am. J. Aquat. Res., 38(3): 387-402. https://doi.org/10.3856/vol38-issue3-fulltext-4
  10. Carruthers, T., R. Ahrens, M. McAllister and C. Walters. 2011. Integrating imputation and standardization of catch rate data in the calculation of relative abundance indices. Fish. Res., 109 (1): 157-167. https://doi:10.1016/j.fishres.2011.01.033
  11. Chang, S.-K., H. Liu, H. Fukuda and M.N. Maunder. 2017. Data reconstruction can improve abundance index estimation: an example using Taiwanese longline data for Pacific bluefin tuna. PLoS One, 12(10): e0185784. https://doi.org/10.1371/journal.pone.0185784
  12. Chen J., M.E. Thompson and Ch. Wu. 2004. Estimation of fish abundance indices based on scientific research trawl surveys. Biometrics, 60 (1): 116 - 123. https://doi.org/10.1111/j.0006-341X.2004.00162.x
  13. Cochrane, K.L. (ed.). 2002. A fishery manager's Guidebook. FAO Fish. Tech.Pap. 424. 231 pp
  14. Cordo, H. 2010. Comparación de tres métodos para estimar la abundancia media de abadejo (Genypterus blacodes) con datos de campañas de investigación realizadas entre 1995 y 2009.. Inst. Nal. Invest. Des. (INIDEP), Argentina, 19 p. https://www.researchgate.net/publication/282097153_Comparacion_de_tres_metodos_para_estimar_la_abundancia_media_de_abadejo_Genypterus_blacodes_con_datos_de_campanas_de_investigacion_realizadas_entre_1995_y_2009
  15. Faraway, J.J. 2006. Extending the linear model with R. Generalized linear, mixed effects and nonparametric regression models. Boca Raton, U.S.A., Chapman and Hall/CRC. 345 p.
  16. Finley, A., S. Banerjee, Ø. Hjelle and R. Bivand. 2017. MBA: Multilevel B-Spline Approximation.7pp. https://cran.r-project.org/web/packages/MBA/MBA.pdf
  17. Goñi, R., F. Álvarez and S. Adlerstein. 1999. Application of generalized linear modeling to catch rate analysis of Western Mediterranean fisheries: The Castellon trawl fleet as a case study. Fish Res., 42 (3): 291- 302. https://doi.org/10.1016/S0165-7836(99)00039-9
  18. Hansen, J., A. Aubone and O. Wöhler. 2003. A review of two methods for biomass assessment of long tail hake from the south western Atlantic (45°-55° S) based on swept area data. Marit. Front., 19 (B): 133-144. https://ctmfm.org/wp-content/uploads/2021/08/Hansen-et-al-2.pdf
  19. Hansen, J.E, N. Hozbor, N. Lagos y P. Martos. 2009. Precisión en las evaluaciones por área barrida de algunos peces demersales costeros entre los 34º S Y 42º S, Atlántico Sudoccidental. Inf. Técn., 78. Inidep, 40 p. https://marabierto.inidep.edu.ar/handle/inidep/151
  20. Hilborn, R. and J. W. Walters. 1992. Quantitative fisheries stock assessment. Chapman and Hall, New York, 570 p.
  21. Hinton, M. G. and M. N. Maunder.2004. Methods for standardizing CPUE and how to select among them. Col. Vol. Sci. Pap. ICCAT, 56(1), 169-177.
  22. Horn, P.L. 2003. CPUE from commercial fisheries for ling (Genypterus blacodes) around the North Island, New Zealand: an evaluation of series for LIN 1, LIN 2, and Cook Strait. NZ Fisheries Association Report, 13, 49 pages.
  23. https://fs.fish.govt.nz/Doc/17363/2003%20FARs/03_13_FAR.pdf.ashx
  24. Ingram, G.W., W.J. Richards, C.E. Porch, V. Restrepo, J.T. Lamkin, B. Muhling, J. Lyczkowski-Shultz, G.P. Scott and S.C. Turner. 2008. Annual indices of bluefin tuna (Thunnus thynnus) spawning biomass in the Gulf of Mexico developed using delta-lognormal and multivariate models. Iccat working document scrs/2008/086. 33 p.
  25. Lamilla J., J. Ovanden, C. Bustamante, C. Vargas-Caro, M. Bennett, T. Ponce, A. Isla y C. Barria. 2016. Unidades poblacionales de raya volantín (Zearaja chilensis) y raya espinosa (Diptirus trachyderma) entre la V y XII Regiones. FIP 2013 -29. Univ. Austral Chile, Univ. Queensland, Australia. 419 p. (anexos incluidos). https://www.subpesca.cl/fipa/613/articles-89346_informe_final.pdf
  26. Large, PA 1992. Use of multiplicative model to estimate relative abundance from commercial CPUE data. ICES J. Mar. Sci., 49(3): 253-261. https://doi.org/10.1093/icesjms/49.3.253
  27. Lillo S., J. Legua, J. Olivares, J.C. Saavedra, E. Molina, M. Rojas, E. Díaz, J. Angulo, V. Valenzuela, S. Núñez, S. Vásquez y R. Luna. 2017. Evaluación directa de merluza común, año 2016. Inf. Final, ASIPA, 320 p.
  28. http://190.151.20.106/exlibris/aleph/a23_1/apache_media/9TLQIKXKIHDM3P5XSUPJ5328GRS2CR.pdf
  29. Lynch P., K. Shertzer and R. Latour. 2012. Performance of methods used to estimate indices of abundance for highly migratory species. Fish. Res., 125-126. https://doi.org/10.1016/j.fishres.2012.02.005
  30. Maunder, M. N. and A. E. Punt. 2004. Standardizing catch and effort data: a review of recent approaches. Fish. Res., 70 (2-3): 141 - 159. https://doi.org/10.1016/j.fishres.2004.08.002
  31. McCullagh, P. and J.A. Nelder. 1989. Generalized linear models. Chapman and Hall, New York, 511 p.
  32. Molina, E., J. Olivares, E. Díaz, M. Rojas, J. Angulo, F. Osorio, J. Bonicelli, S. Hormazábal, M. Cornejo, A. Murillo, N. Silva, J. Bento, M. Fernández, P. Muñoz, E. Sagardia, J. Fernández, D. Donoso y B. Leiva. 2020. Evaluación directa de merluza común, año 2019. Inf. Final. ASIPA. 312 p.
  33. http://190.151.20.106/exlibris/aleph/a23_1/apache_media/8LJHSV56U3XPFXB4XE6RFTQPKQYPXY.pdf
  34. Nychka, D., R. Furrer, J. Paige, S. Saint, F. Gerber and M. Iverson. 2021. fields: Tools for spatial data. 223 p. https://cran.r-project.org/web/packages/fields/fields.pdf
  35. Ortega-Cisneros, K., S. Yokwana, W. Sauer, K. Cochrane, A. Cockcroft, N. C. James, W. M. Potts, L. Singh, M. Smale, A. Wood and G. Pecl, 2018. Assessment of the likely sensitivity to climate change for the key marine species in the southern Benguela system. Afr. J. Mar. Sci., 40: 279–292. https://doi.org/10.2989/1814232X.2018.1512526
  36. Paesch, L. 2018. Índices de abundancia para Mustelus schmitti, Squatina guggenheim y Zearaja chilensis en la Zona Común de Pesca Argentino-Uruguaya. Direc. Nal. Rec. Acuát. (DINARA), MinGanadería, Agricultura Pesca Uruguay. Inf. Téc. 56, 31 p. http://hdl.handle.net/1834/41403
  37. Pecl G.T., M.B. Araújo, J.D. Bell, J. Blanchard, T.C. Bonebrake, I-C. Chen, T.D. Clark, R.K. Colwell, F. Danielsen, B. Evengård, L. Falconi, S. Ferrier, S. Frusher, R.A. García, R.B. Griffis, A.J. Hobday, C. Janion-Scheepers, M.A. Jarzyna, S. Jennings, J. Lenoir, H.I. Linnetved, V.Y. Martin, P.C. McCormack, J. McDonald, N.J. Mitchell, T. Mustonen, J.M. Pandolfi, N. Pettorelli, E. Popova, S.A. Robinson, B.R. Scheffers, J.D. Shaw, C.J.B. Sorte, J.M. Strugnell, J.M. Sunday, M. -N. Tuanmu, A. Vergés, C. Villanuev, T. Wernberg, E. Wapstra and S.E. Williams. 2017. Biodiversity redistribution under climate change: Impacts on ecosystems and human well-being. Science 355, eaai9214. https://doi.org/10.1126/science.aai9214
  38. Pennington, M. 1983. Efficient estimators of abundance, for fish and plankton surveys. Biometrics, 39 (1): 281 - 286. https://doi.org/10.2307/2530830
  39. Pérez, M. 2019. Estatus y posibilidades de explotación biológicamente sustentables de los principales recursos pesqueros nacionales, 2020. Raya volantín regional. Informe convenio de desempeño 2019. IFOP. 61 pp + anexos.
  40. Punt, A.E, T.I. Walker, B. L. Taylor and F. Pri-Bac. 2000. Standardization of catch and data effort in a spatially-structured shark fishery. Fish. Res., 45 (2): 129-145.
  41. https://doi.org/10.1016/S0165-7836(99)00106-X
  42. R Core Team. 2020. A: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. https://www.r-project.org/
  43. Ruarte, C., M.R. Rico y Á. Lagos. 2017. Estimación de índices de abundancia de peces óseos a partir de datos de campañas de investigación en el área de “El Rincón”, Argentina (39° s-41° s). período 1994-2012. Inf. Téc., 98, 53 p.
  44. <https://aquadocs.org/bitstream/handle/1834/10990/INIDEPIT98.pdf?sequence=1&isAllowed=y>
  45. Setyadji B. and Z. Fahmi. 2020. A standardized abundance index from fishery independent data: A case study of swordfish (Xiphias gladius) from Indonesian tuna longline fishery. E3S Web of Conferences 147, 02016. https://doi.org/10.1051/e3sconf/202014702016
  46. Stefánsson, G. 1996. Analysis of groundfish survey abundance data: combining the GLM and delta approaches. ICES J. of Mar. Sci. 53(3): 577 - 588. https://doi.org/10.1006/jmsc.1996.0079
  47. Thorson, J., A. Shelton, E. Ward and H. Skaug. 2015. Geostatistical delta-generalized linear mixed models improve precision for estimated abundance indices for West Coast groundfishes. ICES J. of Mar. Sci., 72(5), 1297-1310. https://doi.org/10.1093/icesjms/fsu243
  48. Woillez, M., J.C. Poulard, J. Rivoirard, P. Petitgas and N. Bez. 2007. Indices for capturing spatial patterns and their evolution in time, with application to European hake (Merluccius merluccius) in the Bay of Biscay. ICES J. of Mar. Sci., 64 (3): 537 – 55. https://doi.org/10.1093/icesjms/fsm025
  49. Ye, Y. and D. Dennis. 2009. How reliable are the abundance indices derived from commercial catch-effort standardization?. Dog. J. Fish Aquat. Sci. 66: 1169 – 1178. https://doi.org/10.1139/F09-070
  50. Ye, Y., M. Al-Husaini and A. Al-Baz. 2001. Use of generalized linear models to analyze catch rates having zero values: the Kuwait driftnet fishery. Fish. Res., 53(2): https://doi.org/10.1016/S0165-7836(00)00287-3
  51. Wood, S. 2021. mgcv: Mixed GAM Computation Vehicle with Automatic Smoothness Estimation. 323 pages https://cran.r-project.org/web/packages/mgcv/mgcv.pdf

Artículos similares

1 2 3 4 5 6 7 8 9 10 > >> 

También puede Iniciar una búsqueda de similitud avanzada para este artículo.