Купить СНПЧ А7 Архангельск, оперативня доставка

Comparação entre Modelos Geoestatísticos Univariado e Bivariado na Estimação da Captura por Unidade de Esforço: Um Estudo de Simulação

DOI: http://dx.doi.org/10.12702/I-SGEA-a29

 

downloadpdf

Júlio C. Pereira1,3, Alexandra M. Schmidt2, Roseli A. Leandro3 & Miguel Petere Junior4

 

Resumo: Dados de captura e esforço de pesca são utilizados para se obter índices de abundância relativa de um estoque pesqueiro. Recentemente, modelos geoestatísticos vêm sendo utilizados na análise de dados de captura e esforço de pesca. Modelos geoestatísticos multivariados tem sido utilizado em diversas áreas, mas não tem sido aplicados a dados de pesca. Neste artigo foi realizado um estudo de simulação para comparar estimativas de um índice de abundância relativa baseado na captura por unidade de esforço considerando-se o ajuste de um modelo geoestatístico univariado para a razão entre captura e esforço e um bivariado, em que são modelados conjuntamente a captura e o esforço. As estimativas obtidas após o ajuste dos dois modelos apresentaram resultados muito próximos, indicando que não há vantagem em usar o modelo bivariado na estimação do índice para os cenários analisados.

Palavras-chave: captura por unidade de esforço, inferência bayesiana

 

Abstract: Data on catch and effort are used in order to estimate the relative abundance of a given population. Univariate geostatistical models have been used in catch per unit effort (cpue) data analysis, but the multivaried version of these have not been used in fishing data. In this paper a simulation study was carried out to compare estimates of a relative abundance based on cpue, first considering the fit of a univariate geostatistical model for the ratio between catch and effort and a bivariate model in which catch and effort are simultaneously modeled. Estimates obtained after the adjustment of both models presented very close results indicating that there is no clear advantage in using the bivariate model in estimating the index.

Key words: catch per unit effort, bayesian inference

 

1 UFSCAR/ Campus Sorocaba, Rodovia João Leme dos Santos, km 110 – SP 264 – Sorocaba (SP), CEP: 18052-780, julio-pereira@ufscar.br
2 UFRJ/Instituto de Matemática, alex@im.ufrj.br
3 ESALQ/USP/Departamento de Ciência Exatas, raleandr@esalq.usp.br
4 UNESP/Campus Rio Claro/ Departamento de Ecologia, mpetrere@rc.unesp.br

 

Literatura Citada

BOGNOLA, I.; RIBEIRO Jr, P.; SILVA, E.; LINGNAU, C.; HIGA, A. Modelagem uni e bivariada da variabilidade espacial de rendimento de pinus taeda L. Floresta, 38: 373-385. 2008. Comissão Internacional para a Conservação dos Atuns do Atlântico. Banco de dados. Disponível em: <http://www.iccat.int/accesingdb.htm>. Acesso em: 17 abril 2007.

GAMERMAN. D. and Lopes. H. F. Markov Chain Monte Carlo: Stochastic Simulation for Bayesian Inference. Chapman & Hall, London, 2006.

GELFAND, A. E.; SCHMIDT, A. M.; BANERJEE, S.; SIRMANS, C. F. Nonstationary Multivariate Process Modeling through Spatially Varying Coregionalization (with discussion). Test, v. 13, p. 263-312. 2004.

JARDIM, E.; RIBEIRO Jr, P. J. Geoestatistical assessement of sampling designs for Portuguese botton trawl surveys. Fisheries Research. v. 85, p. 239 – 247. 2007.

MAYNOU, F. The application of geostatistics in mapping and assessment of demersal resources. Nephrops norvegicus (L.) in the northwestern Mediterranean: a case study. Scienta Marina. v. 62, p. 117-133. 1998.

PETITGAS, P. Geostatistics in fisheries survey design and stock assessment: models, variances and applications. Fish and Fisheries. v. 2, p. 231-249. 2001.

PETRERE Jr, M.; GIACOMINI, H. C.; De MARCO Jr. P. Catch-per-unit effort: which estimator is best? Submitted to the Brazilian Journal of Biology. 2007.

RIVOIRARD, J.; SIMMONDS, E. J.; FOOTE, K. G.; FERNANDES, P. G.; BEZ, N. Geostatistics for estimating fish abundance. Blackwell Science, Oxford. 2000.

RUFINO, M.; STELZENMULLER, V.; MAYNOU, F.; ZAUKE, P. Assessing the performance of linear geostatistical tools applied to artificial fisheries data. Fisheries Research. v. 82, p. 263-279. 2006.

SCHMIDT, A. M.; GELFAND, A. E. A bayesian coregionalization approach for multivariate pollutant data. Journal of Geophysics Research – Atmospheres. v. 108(D24), p. 8783. 2003.

SPIEGELHATER, D. J.; THOMAS, A.; BEST, N. G. WinBugs version 1.4 user manual. Techinical Report. Medical Resourch Council Biostatistics, Cambridge. 2002.

STELZENMÜLLER, V.; MAYNOU, F.; MARTÍN, P. Spatial assessment of benefits of a coastal Mediterranean Marine protected area. Biological conservation. v. 36, p. 571-583. 2007.

WALTERS, C. Folly and fantasy in the analysis of spatial catch rate data. Canadian Journal of Fisheries and Aquatic Sciences. v. 60, p. 1433-1436. 2003.