Ion Para La Tesis......importante

ANÁLISIS DE INFORMACIÓN Análisis espacial Se realizará un análisis geostadístico (Cressie, 1993; Petitgas, 1996; Rivoirard et al., 2000) para obtener el área de distribución espacial de las agregaciones reproductivas del camarón Farfantepenaeus brevirostris y Solenocera agassizi capturados en los arrastres. Para analizar la autocorrelación se calculará un variograma experimental γˆ (h ) , donde h representa la distancia entre estaciones de muestreo.

γˆ (h) =

1 2N

N

∑ [ Z (x ) − Z (x i

i =1

i

+ h) ]

2

Donde N es el número de pares de datos separados por una distancia h (Matheron, 1963; Conan, 1985). Una vez obtenido el variograma experimental, se ajustará un modelo para caracterizar la estructura espacial de las agregaciones reproductivas. El modelo de variograma obtenido se utilizará junto con los datos del muestreo para calcular las ponderaciones óptimas atribuibles en cada estación y para estimar la densidad (Z*) en localidades no muestreadas. N

Z* = ∑ λ i Z( x i ) i=1

Donde N es el número de muestras, λi es la ponderación atribuida a la muestra xi, y Σλi = 1. Los N ponderadores λi se calculan para asegurar que el estimador sea insesgado y que la varianza de estimación sea mínima (Journel y Huijbregts, 1978; Petitgas, 1996). Relación hábitat Se realizará un análisis de las preferencias ambientales de la madurez sexual de las especies objeto de estudio mediante Modelos Aditivos Generalizados (GAM) (Hastie y Tibshirani, 1990). Un modelo aditivo es una extensión de los modelos lineales, permitiendo que las funciones lineales de los predictores (temperatura, salinidad, profundidad, oxígeno disuelto y tipo de sedimento) sean reemplazados por funciones de suavizamiento y no requiere supuestos de las formas funcionales (Agenbag et al., 2003):

n

y = α + ∑ fi ( Xi ) + ε i=1

donde y es la respuesta, Xi son los predictores, α es una constante y ε es el error. Los ƒi son estimados usando suavizadores. El procedimiento de diagnóstico del GAM incluye el valor de significancia (p), el cálculo del porcentaje devianza explicada por el modelo. La devianza es análoga a la varianza y la devianza nula es análoga a la varianza total. Por lo tanto, la devianza nula menos la devianza residual es la varianza explicada por el modelo.

Devianza explicada =

Devianza nula - Devianza residual Devianza nula

También se utilizará el criterio de información Akaike (AIC), que es una medida de la devianza del modelo corregida para el número de predictores y se escoge el modelo con el AIC más bajo (Burnham y Anderson, 2002). Talla media de madurez (TMM) Se determinará la talla media de madurez (TMM) de F. brevirostris y S. aggassizi con base al criterio del 50% de la fracción de individuos maduros (Arancibia et al., 1994), el modelo se ajustará mediante mínimos cuadrados utilizando la siguiente ecuación logística: Ojo, la ecuación la haces de nuevo con editor de ecuaciones y le cambias la fuente del texto.

P(l) =

1 1 + e a + bl

donde P es la proporción de individuos maduros a la talla (l), a es el intercepto y b la pendiente, ambos son constantes. Área de estudio

Comprende la costa pacífica colombiana desde Bahía Ancón de Sardinas (1° 33’ N – 79° 20’ W) hasta frente a Juradó (6° 58,8’ N - 77° 40,7’ W) (Figura X).

7 .0 0 N C u p ic a

ZO NA 1 6 .0 0 N

B a h ía

S o la n o

Nuquí

CHO CÓ 5 .0 0 N

P iz a r r o

O CEANO P A C ÍF IC O

ZONA 2

B a h ía M á la g a

4 .0 0 N

B /v e n tu r a B anco de

Naya

Z O N A B3a n c o d e

P u n ta

G o rg o n a

B anco de P a s a c a b a llo s

3 .0 0 N

G uayabal

I s la G o rg o n a

M ic a y

CAUCA B anco de Tum aco

2 .0 0 N

B anco de

C o lo m b ia

M o s q u e ra

N A R IÑ O

ZO NA 4 Tum aco

B a h ía A n c o n d e S a r d in a s

1 .0 0 N

8 0 .0 0 W

7 9 .0 0 W

D IS E Ñ O D E C R U C E R O C A P

T ra n s e c to s N a v e g a c ió n lib r e B a n c o s n o a r r a s tr a b le s F o n d o s n o a r r a s tr a b le s

7 8 .0 0 W

7 7 .0 0 W

Figura X. Ubicación del área de estudio. Diseño de muestreo con 29 transectos paralelos entre sí y perpendiculares a la costa y espaciados cada 10 mn. Ojo colocar

que la fuente de este mapa es INVEMAR, 2008. Aquí colocas uno o dos parrafos de la característica del área de estudio. Muestreo

Se realizará un diseño de muestreo sistemático adaptativo con transectos paralelos entre sí y perpendiculares a la costa y espaciados cada 10 millas náuticas (mn) (Figura 1), abordo de la M/N Sea Wolf II de la flota industrial camaronera con operación en el área de estudio. Se realizarán arrastres de pesca exploratoria en 160 estaciones de muestreo teniendo en cuenta cuatro (4) estratos de profundidad: 50 – 150 m; 151 – 250 m, 251 – 350 m y 351 – 450 m. En cada estación de pesca se medirán in situ variables como la temperatura, la salinidad, profundidad y el oxígeno disuelto (O2) con una sonda CTDO marca Ocean Seven 316Plus y mediante una draga Van Venn con una capacidad de 60 m3 y un peso aproximado de 60 kg se tomará la información sedimentológica en 55 estaciones. Obtención de muestras Cruceros de investigación OPERACIÓN EN CUBIERTA “(2) Redes de arrastre” Extraer animales peligrosos (serpientes), tortugas (si salen devolverlas al mar, registrar el número. Extraer palos y troncos grandes

60 minutos

Captura Total

3.Conservación de especies desconocidas para identificación (en laboratorio)

1.Composición especies comerciales de camarón (todas las tallas)

2.Composición especies comerciales potenciales

Pesos x especie

Pesos x especie

Submuestra (2-3 kg)

Frecuencia de tallas y peso individual x especie

Submuestra (50%)

Submuestra 25% Estadios de madurez y Morfometría (peso y talla (Laboratorio)

Registro fotográfico especies. Rotulación y almacenamiento de muestras biológicas (peces, camarones, otras. Limpieza de la cubierta

Submuestra 25% fijadas para IGS. Morfometría (peso y talla ( Laboratorio)

Faenas comerciales Tu tienes este diagrama Wilberto.

Submuestra (50%). Longitud y Estadios. Submuestra 3 individuos por estadio. Fijar para Histología. No aplica en todas las estaciones

Merluza, cherna, mero. Langostilla y cabezudo se toma una submuestra para morfometría (peso y talla).

Referencias. Cressie, N. A. C. 1993. Statistics for spatial data. John. Wiley & Sons. New York. 900 p. Petitgas, P. 1996. Geostatistics and their applications to fisheries survey data. En: Megrey, B.A., Moskness, E., (Eds.), Computers in fisheries research. Chapman y Hall, London, pp. 113 – 142. Rivoirard, J., J. Simmonds, K. G. Foote, P. Fernandes y N. Bez. 2000. Geostatistic for Estimating Fish Abundance. Blackwell Science Ltd. First edition. London. 205p. Matheron, G. 1963. Principles of geostatistics. Economic Geology. 58: 1246 – 1266. Conan, G. Y.

1985.

Assessment of shellfish stocks by geostatistical

techniques. ICES CM 1985/K:30, 24 pp. Journel, A. G., y C. J. Huijbregts. 1978. Mining geostatistics. Academic Press, New york. 600 p. Hastie, T. J. y R. J. Tibshirani. 1990. Generalized Additive Models. First Edition. Chapman and Hall, London. 344p. Agenbag, J.J., A.J. Richardson, H. Demarcq, P. Fréon, S. Weeks y F.A. Shillington. 2003. Estimating environmental preferences of South African pelagic fish species using catch size and remote sensing data. Progress in Oceanography. 59: 275 – 300. Burnham, K. P. y D. R. Anderson. 2002. Model selection and multimodel inference: a practical information-theoretic approach. 2nd Edition. SpringerVerlag, New York, New York, USA. 488 pp.

Arancibia, H., L. Cubillos, J. Remmaggi y R. Alarcón. 1994. Determinación de la talla de primera madurez sexual y fecundidad parcial en la sardina común, Strangomera bentincki (Norman, 1936), del área de Talcahuano, Chile. Biol. Pesq. 23: 11-17