Evaluación de la recuperación de merluza austral

En el marco de la XIV Reunión Anual de la Asociación Chilena de Ictiología de la Sociedad Chilena de Ciencias del Mar, el 30 de marzo de 2021, presento un estudio preliminar sobre la factibilidad de recuperación de la merluza austral considerando los objetivos biológicos y la regla de control contenida en el plan de manejo de la pesquería de merluza del sur. Se analizan reglas de control alternativas, que pueden ser de interés en un contexto de evaluación del desempeño de estrategias de manejo, con énfasis en la producción de juveniles como principal fuente de incertidumbre. El resumen del estudio es el siguiente:

¿Es factible lograr la explotación plena de merluza austral con la regla de explotación del plan de manejo? 

 Luis A. Cubillos

Centro de Investigación Oceanográfica COPAS Sur-Austral, Departamento de Oceanografía, Facultad de Ciencias Naturales y Oceanográficas, Universidad de Concepción, Concepción, Chile. lucubillos@udec.cl 

La pesquería de la merluza austral (Merluccius australis) ha permanecido en un estado de sobreexplotación por 30 años (1991-2020), con un nivel de agotamiento de 31% en la biomasa desovante al 2020. La meta del plan de manejo es llevar y mantener el tamaño de la población hacia el rendimiento máximo sostenido (RMS). El objetivo biológico cuantitativo del plan de manejo es llevar la biomasa del stock desovante a 40% de la biomasa desovante inexplotada, con una estrategia de explotación orientada a lograr el mayor nivel de remociones anuales y un plazo de recuperación de 16 años. Si bien, la asesoría estratégica comienza a fortalecerse a través de la implementación de la evaluación de estrategias de explotación y de manejo, el énfasis está en las proyecciones de corto plazo y discusión de las recomendaciones de cuota. Con el objeto de contribuir en estos aspectos, en este trabajo se evalúa la estrategia de explotación contenida en el plan de manejo de merluza del sur, y se compara con estrategias alternativas considerando incertidumbre estructural en la dinámica del reclutamiento. La estrategia de explotación actual no es consistente con el objetivo biológico, ni con la recuperación de la merluza común al nivel del RMS. Estrategias de explotación con tasas de mortalidad por pesca variable logran llevar al stock al RMS, pero con probabilidades entre 30 y 40% después de 20 años. Se discute los elementos para la evaluación de estrategias de manejo para la pesquería de merluza del sur en un contexto ecosistémico.

Explorando TropFishR II: Estructuración de los datos de frecuencia de tallas

Explorando TropFishR II

Luis Cubillos

25/4/2018

Estructuración de los datos de frecuencia de tallas

El método ELEFAN consiste en re-estructurar los datos de frecuencia de tallas en picos y valles, tal que los picos representen las modas. Para ello se utiliza un filtro (suavizamiento) que se aplica de tal manera que las modas son evidentes como puntajes positivos y los valles como puntajes negativos. Una curva de crecimiento que pase por la mayor cantidad de picos logrará la mayor puntuación en comparación con otras curvas de crecimiento.

En TropFishR la función lfqRestructure() permite tal re-estructuración, i.e.,

lfqsc2 <- lfqRestructure(lfqsc,MA=3,addl.sqrt = FALSE)

Luego, al graficar se tendrá:

plot(lfqsc2)

Estimación de parámetros

La función ELEFAN_GA() permitirá estimar los parámetros de crecimiento estacional del modelo de von Bertalanffy con algoritmos de optimización genético, i.e.,

res_GA <- ELEFAN_GA(lfqsc,MA=3,seasonalised = TRUE,maxiter = 50, addl.sqrt = FALSE,low_par = list(Linf=17,K=0.4,t_anchor=0,C=0.1,ts=0),up_par=list(Linf=21,K=1,C=1,ts=1),plot.score = FALSE)

## Genetic algorithm is running. This might take some time.

Los parámetros estimados se obtienen con res_GA$par y el puntaje del ajuste con `res_GA$Rn_max, i.e.,

res_GA$par

## $Linf
## [1] 18.14684
## 
## $K
## [1] 0.736894
## 
## $t_anchor
## [1] 0.4388378
## 
## $C
## [1] 0.5941093
## 
## $ts
## [1] 0.848459
## 
## $phiL
## [1] 2.385007

res_GA$Rn_max

## [1] 0.4833173

Luego, para poder visualizar el ajuste de la curva se debe preparar un objeto con lfqFitCurves(), por ejemplo:

plot(lfqsc2,Fname="rcounts",date.axis="modern",ylim=c(0,20))
lt <- lfqFitCurves(lfqsc,par=res_GA$par,draw=TRUE,col="darkgrey",lty=1,lwd=1.5)

Análisis

El método sin duda mejora la estimación de los parámetros de la función de crecimiento estacional de von Bertalanffy, haciéndolo la estimación con ELEFAN más objetivo. El paquete TropFishR ofrece otros métodos de análisis de frecuencia de tallas, los cuales merecen ser re-descubiertos en el contexto de análisis de pesquerías con datos limitados. Para seber más, se puede seguir el desarrollo del paquete en GitHub y en ResearchGate.