Instituto de Fomento Pesquero - SEGUNDO INFORME FINAL · 2016-06-10 · de explotación, se indica que con capturas bajo las 486 toneladas (CBA 2014) es posible recuperar el recurso

SEGUNDO INFORME FINAL Convenio II: Estatus y posibilidades de explotación biológicamente sustentables

de los principales recursos pesqueros nacionales 2014”

Proyecto 2.15: Investigación del estatus y posibilidades de explotación biológicamente sustentables en congrio dorado, año 2014

Congrio dorado, 2014

SUBSECRETARÍA DE ECONOMÍA / Septiembre 2013

I N S T I T U T O D E F O M E N T O P E S Q U E R O

SEGUNDO INFORME FINAL Convenio II: Estatus y posibilidades de explotación biológicamente sustentables

de los principales recursos pesqueros nacionales 2014



SUBSECRETARÍA DE ECONOMÍA / Septiembre 2013

REQUIRENTE

SUBSECRETARIO DE ECONOMIA Y EMPRESAS DE MENOR TAMAÑO

Subsecretario de Economía

y Empresas de Menor Tamaño: Tomás Flores Jaña

EJECUTOR

INSTITUTO DE FOMENTO PESQUERO, IFOP

Director Ejecutivo

José Luis Blanco García

Jefe División Investigación Pesquera Jorge Castillo Pizarro

JEFE DE PROYECTO

Francisco Javier Contreras Mejías

AUTORES

Francisco Javier Contreras Mejías Cristian Canales Ramírez

Juan Carlos Quiroz Espinosa Liu Chong Follert

Renato Céspedes Michea

Colaboradora

Vilma Ojeda Cerda

INSTITUTO DE FOMENTO PESQUERO / DIVISIÓN INVESTIGACIÓN PESQUERA

SUBSECRETARIA DE ECONOMÍA -CONVENIO: “ESTATUS Y POSIBILIDADES DE EXPLOTACIÓN BIOLOGICAMENTE SUSTENTABLES DE LOS PRINCIPALES RECURSOS PESQUEROS NACIONALES, AÑO 2014”

SEGUNDO INFORME FINAL – PROYECTO 2.15: INVESTIGACION DEL ESTATUS Y POSIBILIDADES DE EXPLOTACION BIOLÓGICAMENTE SUSTENTABLES EN CONGRIO DORADO, AÑO 2014.

i

ÍNDICE GENERAL

INDICE GENERAL i RESUMEN EJECUTIVO ...................................................................................................................... iii 1. INTRODUCCIÓN ........................................................................................................................ 1

2. OBJETIVOS ................................................................................................................................ 3

2.1 Objetivo general ................................................................................................................... 3

2.2 Objetivos específicos ........................................................................................................... 3

3 ANTECEDENTES ....................................................................................................................... 5

3.1 Captura por flotas y zonas de la PDA .................................................................................. 5

3.2 Talla media en las capturas por zona y flota ...................................................................... 10

3.3 Proporción sexual .............................................................................................................. 12

3.4 Tallas medias, pesquería artesanal ................................................................................... 13

3.5 Rendimientos artesanales.................................................................................................. 15

4 DATOS E INFORMACIÓN ........................................................................................................ 17

4.1 Madurez ............................................................................................................................. 17

4.2 Estandarización del esfuerzo ............................................................................................. 19

4.2.1 Metodología ........................................................................................................... 19

4.2.2 Estandarización de esfuerzo .................................................................................. 21

4.2.3 Resultados análisis multivariado ............................................................................ 21

4.2.4 Estandarización 2012 ............................................................................................ 31

5. MODELO DE EVALUACIÓN ..................................................................................................... 32

5.1 Estructura del modelo ........................................................................................................ 32

5.2 Reclutamientos .................................................................................................................. 33

5.3 Estimación AD Model Builder (ADMB). .............................................................................. 33

5.3.1 Comparación de ajustes ........................................................................................ 34

6 RESULTADOS .......................................................................................................................... 40

6.1 Evaluación de stock ........................................................................................................... 40

6.1.1 Zona Norte PDA ..................................................................................................... 40

6.2.1 Zona Sur PDA ........................................................................................................ 54

6.2 Estado de Explotación del Stock ........................................................................................ 65

6.2.1 Marco biológico de referencia ................................................................................ 65

6.3 Estrategias de explotación ................................................................................................. 75

6.3.1 Zona norte.............................................................................................................. 76

6.3.2 Zona Sur ................................................................................................................ 79

7 DISCUSIÓN .............................................................................................................................. 82

8 CONCLUSIONES ..................................................................................................................... 83

9 REFERENCIAS ......................................................................................................................... 84

ANEXOS:




ii

Anexo 1:Reporte de reuniones de coordinación bilaterales IFOP-SUBPESCA

Anexo 2:Modelo de evaluación y Datos

Anexo 3:Lista de verificación actualizada

Anexo 4: Sobre la definición de PBR en el contexto de la LGPA. Anexo 5: Datos Modelo.




iii

RESUMEN EJECUTIVO

El presente informe considera una actualización de los datos biológicos-pesqueros al año 2012, y analiza el estatus y las posibilidades de explotación biológicamente sustentables para el congrio dorado en la zona austral de Chile.

El modelo de evaluación se estructura considerando sexos combinados y conformado por dos unidades stock, uno en la zona norte de la PDA y otro en la zona sur de la PDA. La actualización del modelo de evaluación de stock se realiza en el software Automatic Differentiation Model Builder (ADMB). La evaluación incorpora además todos los parámetros biológicos relevantes, ojivas de madurez actualizadas, series históricas de desembarque, actualización de la CPUE, series de captura a la edad para distintas flotas del recurso por zona.

Los resultados indican que el stock de Congrio Dorado presenta para el año 2012 en la zona norte de la PDA una biomasa total de 11,4 mil toneladas y una biomasa desovante de 3,2 toneladas con una reducción de stock en relación al stock virginal en torno al 17%. Para la zona sur de la PDA, el modelo estima una biomasa total en torno a las 5 mil toneladas y en el caso de la biomasa desovante 1,6 mil toneladas, con un agotamiento del nivel virginal del 15%. Finalmente y en relación a la simulación de estrategias de explotación, se evalúa el desempeño de 4 estrategias de proyección, tres de las cuales consideraran mortalidades por pesca constante (F=0, Fmrs y Fsq) y una que permite una recuperación del recurso en relación a una forma funcional de una rampa (Frampa). Proyecciones basadas en la política de Frampa dan cuenta de una recuperación del recurso en la zona norte de la PDA en el corto plazo con una cuota biológicamente aceptable (CBA) de 1081 toneladas. Para la zona sur en tanto, y considerando esta misma política de explotación, se indica que con capturas bajo las 486 toneladas (CBA 2014) es posible recuperar el recurso y en 4 años ubicarla en una condición de sustentabilidad, y en 5 años estar en torno al objetivo del máximo rendimiento sostenible.




iv




1

1. INTRODUCCIÓN

El congrio dorado (Genypterus blacodes) es un pez demersal bentónico que habita las plataformas y el talud continental del hemisferio sur, donde sustenta importantes pesquerías tanto en Australia, Nueva Zelanda, Argentina y Chile. Existe un escaso conocimiento biológico de esta especie, aunque podríamos señalar que se trata de individuos de mediana longevidad, baja fecundidad y hábitos sedentarios, cuyos adultos viven enterrados en los fondos blandos (Ward et al. 2001). En Chile, el congrio dorado se ha explotado básicamente como una pesquería incidental, donde el esfuerzo de pesca ha estado dirigido principalmente a merluza del sur (Merluccius australis), especie objetivo en la Pesquería Demersal Sur Austral (PDA, 41°28’S–57°00’S). Sobre dicho recurso actúan principalmente 4 flotas correspondientes a (i) arrastre fábrica, (ii) arrastre hielero (iii) espinel fábrica (iv) espinel hielero. En los últimos años, la flota espinelera artesanal se ha hecho importante, particularmente en la zona norte de la PDA. Además, esta especie es capturada como fauna acompañante de la pesquería de arrastre centro-sur cuya especie objetivo ha sido principalmente la merluza común (Merluccius gayi). La evaluación de stock de este recurso en Chile, ha sido realizada bajo diferentes aproximaciones a través de su historia, tendiendo a la aplicación de criterios cada vez más adecuados respecto a la literatura pesquera en general, así como específica en este tipo de recursos. Esto ha conducido a un cambio lógico en las metodologías empleadas, que comenzaron con un Análisis de Población Virtual (APV) con lo que se estimaba el estatus del recurso hasta año 1995. Desde 1996 a 2001 la evaluación de este recurso se lleva a cabo mediante el Análisis Secuencial de Población (ASP) con sexos separados. En las evaluaciones del año 2002 al 2005 se han utilizado modelos estadísticos de captura a la edad, disgregados por flotas y con sexos combinados. Wiff et al (2005) y Wiff et al (2007) señalan que existen diferencias en los parámetros de historia de vida y dinámica pesquera para el área norte PDA (41°28’S-47°00’S) y sur de la PDA (47°00’S-57°00’S) Figura 1. Así, desde el 2006 se modela la dinámica del recurso asumiendo que las áreas de la PDA representan stocks distintos con reclutamientos y productividades independientes. A la luz del conocimiento biológico y pesquero de la especie, la presente evaluación de stock se realiza a través de un modelo estadístico de captura a la edad, implementado en ADMB (Fournier et al. 2012), que asume los desembarques sujetos a error de observación, disgregado en flota, haciendo evaluaciones separadas para las áreas de la PDA. Además, se incluyen datos de estructuras de edad y tallas, capturas y rendimientos para la flota espinelera artesanal que actúa en la zona norte de la PDA.

SUBSE

SEG

ECRETARIA DE ECONOMÍA -C

GUNDO INFORME FINA

INSTITUTO DE

CONVENIO: “ESTATUS Y POSI

AL – PROYECTO 2.15: IN

Figura 1. Áre

La

titu

d (

S)

57

56

55

54

53

52

51

50

49

48

47

46

45

44

43

42

41

8079

Nor

Su

E FOMENTO PES

BILIDADES DE EXPLOTACIÓN

NVESTIGACION DEL ESCONGRIO

eas de evaluac

78777675

rte PDA

ur PDA

QUERO / DIVISIÓN

N BIOLOGICAMENTE SUSTEN

STATUS Y POSIBILIDADO DORADO, AÑO 2014.

2

ión de la pobla

Longitud (W)74737271

N INVESTIGACIÓN P

NTABLES DE LOS PRINCIPALE

DES DE EXPLOTACION.

ación de congri

)70696867

PESQUERA

ES RECURSOS PESQUEROS N

N BIOLÓGICAMENTE SU

o dorado.

6665

NACIONALES, AÑO 2014” USTENTABLES EN




3

2. OBJETIVOS

2.1 Objetivo general

Actualizar el estatus de los recursos Congrio Dorado UPN y Congrio Dorado UPS y analizar sus posibilidades de explotación biológicamente sustentables en horizontes de corto y mediano plazo, considerando su incertidumbre asociada.

2.2 Objetivos específicos

i. Implementar procedimientos de evaluación basados en protocolos científicos para la

determinación del estatus de los recursos Congrio Dorado UPN y Congrio Dorado UPS con arreglo al nivel de conocimiento, información e incertidumbre correspondiente, conforme a estándares definidos por la Subsecretaría de Pesca y Acuicultura al efecto (DAP, 2013).

ii. Calcular los Puntos Biológicos de Referencia para los recursos Congrio Dorado UPN y Congrio Dorado UPS con la mejor información científica disponible, conforme a lo establecido por la Ley General de Pesca y Acuicultura, informando su incertidumbre asociada.

iii. Establecer el estatus actualizado de los recursos Congrio Dorado UPN y Congrio

Dorado UPS, sobre la base de sus principales indicadores de estado y flujo, estimando la incertidumbre de estimación involucrada, empleando el mejor conocimiento e información disponible a la fecha de ejecución del estudio, acorde con los estándares definidos por la Subsecretaría de Pesca y Acuicultura.

iv. Calcular los niveles de Captura Biológicamente Aceptable para los recursos Congrio

Dorado UPN y Congrio Dorado UPS, al año 2014, con su análisis de incertidumbre y riesgo asociado, debidamente informado en tablas de decisión, considerando las directrices de explotación establecidas por la Subsecretaría de Pesca y Acuicultura (DAP, 2013) o el Plan de Manejo o de Recuperación respectivo, según corresponda. Analizar estocásticamente las posibilidades de explotación de estos recursos en el mediano plazo y el riesgo de no alcanzar los objetivos de conservación, considerando la incertidumbre de estimación de sus indicadores y los probables estados de la naturaleza. Conforme a las directrices de explotación establecidas por la Subsecretaría




4

de Pesca y Acuicultura (DAP, 2013), o el Plan de Manejo o de Recuperación respectivo, según corresponda.

v. Informar el avance del Programa de Mejoramiento Continuo de la Calidad de la

Asesoría Científica (PMCCAC) realizado durante el presente proyecto.




5

3 ANTECEDENTES

3.1 Captura por flotas y zonas de la PDA

Los primeros desembarques industriales de congrio dorado se remontan a 1976 donde las capturas totales fueron cercanas a 400 toneladas. Luego de una etapa de desarrollo de la pesquería, se alcanzan 15 mil toneladas en 1988. Estos niveles de explotación, probablemente provocaron un estado de sobrepesca del recurso, produciendo una rápida disminución de los desembarques, razón por la cual -y con objeto de impedir una inminente sobreexplotación del recurso- a partir de 1992 las capturas de este recurso han estado sometidas a un régimen de cuotas de captura, oscilaron en torno a las 4 mil o 5 mil ton, las cuales se han mantenido hasta el año 2004. Desde el 2005 en adelante, tanto recomendaciones de cuotas como los desembarques reportados han estado en torno a las 3 mil toneladas. Cabe señalar que a partir de 2001, se implementa en la normativa pesquera la figura de Límite Máximo de Captura por Armador (LMCA), con la finalidad de ordenar en mejor forma la actividad. Esta normativa se mantiene hasta el día de hoy en vigencia. Los desembarques anuales de congrio dorado en la PDA muestran una disminución gradual al 2011. En el año 2012 el 38% del desembarque es aportado por el sector artesanal, 44% fábrica y 17% hielero. En la Figura 2 se muestran los registros oficiales de desembarque correspondientes al período 1979 – 2012, según las flotas que operan en la pesquería. En los últimos años, los mayores niveles de captura se registran en el área norte de la pesquería mar interior y le sigue en importancia de extracción la pesca con palangre del mar exterior.

Figura 2. Desembarque (t) de congrio dorado a nivel país.

0

2000

4000

6000

8000

10000

12000

14000

16000

18000

Des

em

bar

qu

es (

t.)

Años

Total

Industrial Hielero

Artesanal

Industrial Fábrica




6

La cuota de captura anualmente se encuentra en un continuo descenso, llegando al 2011 en 2.900 t y 2012 en 2.320 t (Tabla 1). Para el año 2013 en tanto se considera una cuota para el sector norte de 1.169 toneladas y para la zona sur de 700 toneladas. Como es habitual, la mayor asignación de la cuota correspondió a la zona exterior (flota industrial), con 2.337 t, mientras para mar interior (flota artesanal), fue de sólo 563 t. Sin embargo, de acuerdo a información de Subsecretaría de Pesca, mediante pesca de investigación se distribuyó captura asignada a aguas exteriores a aguas interiores de la X Región, para la pesca artesanal, situación que explica en gran medida que el desembarque de la flota artesanal (Figura 2) supere al valor de la cuota de captura definida para aguas interiores. De igual forma se debe considerar que en los años 2009 y 2010 se efectuaron traspasos desde el sector industrial al artesanal, lo que explicaría que el sector artesanal haya superar la cuota asignada.

Tabla 1 Cuotas de capturas anuales de congrio dorado por zona entre 2000 y 2012. Fuente SUBPESCA.

Cuando analizamos el desembarque del sector artesanal separando en lanchas y botes, La principal flota que explica el desembarque de este recurso son las lanchas (entre 12 m y 18 m eslora), distribuidas en los principales puertos de cada región. Este tipo de embarcaciones presenta una mayor autonomía respecto de la flota de botes, permitiendo operar sobre congrio dorado en caladeros más lejanos del puerto base y obtener mejores capturas. Por su parte, la otra fracción que opera sobre congrio dorado son los denominados botes (embarcaciones menores entre 6 a 9 m de eslora), los cuales presentan operación exclusivamente en aguas interiores de la zona austral y donde generalmente las maniobras de calado y virado se ejecutan manualmente. Estas embarcaciones capturan volúmenes muy inferiores a las lanchas y sus viajes, por lo general, no superan uno o dos días de

Año Norte Exterior Norte Interior y Sur Exterior Total

Sur Interior

2000 2,160 1,033 1,440 4,633

2001 2,400 1,000 1,600 5,000

2002 2,400 800 1,800 5,000

2003 2,640 1,100 1,760 5,500

2004 2,648 1,020 1,632 5,300

2005 2,788 1,120 1,792 5,700

2006 2,292 1,108 2,300 5,700

2007 2,292 1,108 2,300 5,700

2008 2,292 1,108 2,300 5,700

2009 1,844 913 1,943 4,700

2010 2,048 719 933 3,700

2011 1,483 563 854 2,900

2012 1,187 450 683 2,320

Nota:

Norte Exterior 41º28,6 - 47º S. Norte Interior X y XI Regiòn aguas interiores

Sur Exterior 47º - 57º S. Sur Interior XII Reghiòn aguas interiores

La captura de investigaciòn 2004-2012 se incluyò en el area norte exterior




7

duración. Ambos tipos de embarcaciones realizan sus actividades utilizando el espinel de tipo horizontal como arte de pesca. Como es característico en esta pesquería, el año 2012 las lanchas desembarcan la mayor cantidad de captura, representando el 84% en la unidad de pesquería (Figura 3) y 74% al norte de ésta (Figura 3). Sin embargo, al realizar el análisis a nivel regional se observó históricamente que en la XI Región esta situación no se registró, por el contrario, los botes representaron durante este período el 80% de los desembarques, esto se debe al menor número de lanchas que operan frecuentemente en esta región en comparación con la X y XII Región.




8

Figura 3. Desembarque (t) artesanal de congrio dorado por tipo de embarcación (lanchas y botes) en la

zona austral por unidad de pesquería. Periodo 2002- 2012. Fuente SERNAPesca.

1.416

358

0

250

500

750

1.000

1.250

1.500

1.750

2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012

De

se

mb

arq

ue

(t)

UP Norte y Sur Aguas Interiores

Total Lanchas Botes

0

250

500

750

1.000

1.250

1.500

1.750

2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012

De

se

mb

arq

ue

(t)

UP Norte Aguas Interiores (X y XI Región)

Total Lanchas Botes

0

50

100

150

200

250

300

2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012

De

se

mb

arq

ue

(t)

UP Sur Aguas Interiores (XII Región)

Total Lanchas Botes




9

Figura 4. Desembarque (t) artesanal de congrio dorado por tipo de embarcación (lanchas y botes) en al norte de la unidad de pesquería (VIII y XIV Región). Periodo 2007- 2012. Fuente SERNAPesca.

0

80

160

240

320

400

480

2007 2008 2009 2010 2011 2012

Desem

barq

ue (

t)VIII Región

VIII Región Lanchas Botes

0

80

160

240

320

400

480

2008 2009 2010 2011 2012

Desem

ba

rqu

e (

t)

XIV Región

XIV Región Lanchas Botes




10

3.2 Talla media en las capturas por zona y flota

En relación a las distribuciones de tallas, la talla promedio en el 2011 no muestra altas diferencias con la serie de años anteriores (Figura 5). En arrastre fábrica la talla media se registra entre 80 y 90 cm; en la flota arrastrera hielera aumentó levemente a 87 cm, y en la flota palangre fábrica entono a los 90 cm. En la mayoría de ellos, la talla promedio ha estado próxima o por debajo de la talla de madurez sexual (90 cm, Chong, 1993). Al respecto, la nueva información acerca de la madurez llevada a cabo por el Instituto de Fomento Pesquero (Baker et al. in press) podría incorporar una información adicional al análisis de tallas medias en las capturas

Figura 5. Distribución de talla promedio en congrio dorado por flota, zona y año para ambos sexos.

50

60

70

80

90

100

19

84

19

85

19

86

19

87

19

88

19

89

19

90

19

91

19

92

19

93

19

94

19

95

19

96

19

97

19

98

19

99

20

00

20

01

20

02

20

03

20

04

20

05

20

06

20

07

20

08

20

09

20

10

20

11

20

12

Tall

a M

ed

ia (cm

)

Arrastre Fabrica

Norte Exterior

Sur Exterior

Total

50

60

70

80

90

100

19

84

19

85

19

86

19

87

19

88

19

89

19

90

19

91

19

92

19

93

19

94

19

95

19

96

19

97

19

98

19

99

20

00

20

01

20

02

20

03

20

04

20

05

20

06

20

07

20

08

20

09

20

10

20

11

20

12

Tall

a M

ed

ia (cm

)

Arrastre Hielera

Al Norte Exterior

Norte Exterior

Sur Exterior

Total

50

60

70

80

90

100

19

84

19

85

19

86

19

87

19

88

19

89

19

90

19

91

19

92

19

93

19

94

19

95

19

96

19

97

19

98

19

99

20

00

20

01

20

02

20

03

20

04

20

05

20

06

20

07

20

08

20

09

20

10

20

11

20

12

Tall

a M

ed

ia (

cm

)

Palangrera Fabrica

Al Norte Exterior

Norte Exterior

Sur Exterior

Sur Interior

Total




11

Históricamente, las estructuras de talla de congrio dorado, en las diferentes flotas industriales, se ha caracterizado por una importante componente juvenil (Figura 6), situación que para el año 2012 se alcanzó un 60% en la arrastre fábrica y 70% en arrastre hielera, excepto en la flota palangre fábrica con un 22%, ratificando la característica adulta de la composición de talla de esta flota registrada en el año 2012. No obstante, la mayor presencia de juveniles en las capturas podría incidir en el reclutamiento y la fracción desovante de la población.

Figura 6. Distribución del porcentaje de ejemplares bajo la talla de 70 cm, bajo la talla de referencia de 90 cm

y sobre la talla de 80 cm, en congrio dorado por flota y zona.

Año

2009

2010

2011

Año

2009

2010

2011

0

20

40

60

80

100

1984

1985

1986

1987

1988

1989

1990

1991

1992

1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

Part

icip

ació

n (

%)

Arrastre Fabrica

<70 cm TPMS <90 sobre 80 cm

0

20

40

60

80

100

1984

1985

1986

1987

1988

1989

1990

1991

1992

1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

Part

icip

ació

n (

%)

Arrastre Hielera


0

20

40

60

80

100

1984

1985

1986

1987

1988

1989

1990

1991

1992

1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

Part

icip

ació

n (

%)

PalangreraFabrica





12

3.3 Proporción sexual

Entre el 2005 y 2012, la proporción hembras de congrio dorado en la flota arrastrera fábrica y palangre fábrica ha sido superior respecto de los machos, en el 2012 con aproximadamente el 60% y 80%, respectivamente (Figura 7); en cambio, las hembras en la flota arrastrera hielera con 50% registraron una menor proporción que los machos.

Figura 7. Proporción de hembras en congrio dorado por flota, zona y año, 1982 - 2012.

0

20

40

60

80

100

19

84

19

85

19

86

19

87

19

88

19

89

19

90

19

91

19

92

19

93

19

94

19

95

19

96

19

97

19

98

19

99

20

00

20

01

20

02

20

03

20

04

20

05

20

06

20

07

20

08

20

09

20

10

20

11

20

12

Part

icip

aciò

n %

Arrastre Fabrica

Norte Exterior

Sur Exterior

Total

0

20

40

60

80

100

19

84

19

85

19

86

19

87

19

88

19

89

19

90

19

91

19

92

19

93

19

94

19

95

19

96

19

97

19

98

19

99

20

00

20

01

20

02

20

03

20

04

20

05

20

06

20

07

20

08

20

09

20

10

20

11

20

12

Part

icip

aciò

n %

Arrastre Hielera

Al Norte del 41° 28'

Norte Exterior

Sur Exterior

Total

0

20

40

60

80

100

19

84

19

85

19

86

19

87

19

88

19

89

19

90

19

91

19

92

19

93

19

94

19

95

19

96

19

97

19

98

19

99

20

00

20

01

20

02

20

03

20

04

20

05

20

06

20

07

20

08

20

09

20

10

20

11

20

12

Part

icip

aciò

n %

Palangrera Fabrica

Norte Exterior

Sur Exterior

Sur Interior

Total




13

3.4 Tallas medias, pesquería artesanal

Las estructuras de tallas en congrio dorado registraron en general distribuciones unimodales, tanto en la X como en la XI Región (Figura 8). En X Región registró una moda situada entre los 72 cm con una talla media de 66 cm y una participación de ejemplares bajo talla del orden del 99% (Figura 9). En la XI región en tanto la moda se situó entre los 77-92 cm, con una talla media de 82 cm y una mayor participación de ejemplares adultos en las capturas (Figura 8 y 9). Por su parte, la estructura de talla en la XII Región presentó una moda principal situada entre los 87, con una talla media de 92 cm y con un porcentaje de individuos bajo talla de madurez de 25% (Figura 8 y 9).

Figura 8. Distribución de frecuencia de talla de congrio dorado por región para la pesquería artesanal

(botes), 2012. Fuente IFOP.

0

5

10

15

20

25

30

22 27 32 37 42 47 52 57 62 67 72 77 82 87 92 97 102 107 112 117 122 127 132 137 142

Fre

cue

nci

a (%

)

Marca de clase (5 cm)

X Región

XI Región

XII Región




14

Figura 9. Talla media (cm, A) y porcentaje bajo talla de madurez sexual (< 90 cm, B) de las capturas

artesanal (botes) de congrio dorado en aguas interiores de la X, XI y XII Región, periodo 2003-2012. Fuente IFOP.

La participación de hembras en las capturas de la X Región, registró un progresivo descenso pasando de representar el 57% en el año 2007 al 42% en 2010. Posteriormente, entre los años 2011 y 2012 se registró un leve aumento en su participación, situación que continuó durante 2012 y que representa el 49% de los ejemplares capturados (Figura 10). La situación contraría se observó en la XI Región donde las hembras pasaron de representar el 33% de los ejemplares capturados en 2007 al 55% en el 2012 (Figura 10). Por su parte, la XII Región mostró en el último tiempo un claro predominio de las hembras sobre los machos (> 60%), no obstante, problemas de número muestral pudiesen estar influyendo en estas estimaciones (Figura 10).

20

30

40

50

60

70

80

90

100

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012

Fre

cu

en

cia

(%

)

XII Región XI Región X Región

40

50

60

70

80

90

100

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012

Ta

lla

Me

dia

(c

m)

XII Región XI Región X Región




15

Figura 10. Participación (%) de hembras de congrio dorado en las capturas realizadas en aguas interiores

por región, periodo 2005 – 2012. Fuente IFOP.

3.5 Rendimientos artesanales

La información tanto pesquera como biológica registrada correspondió a aquella proveniente de viajes de pesca con personal embarcado. La información de operación de pesca sobre este recurso se encuentra representada básicamente por la zona norte en aguas interiores, mientras que en la zona sur, históricamente ha tenido menos representatividad en el muestreo. Esto se debe principalmente a su bajo aporte de esta zona al desembarque artesanal. En la zona norte, los rendimientos de pesca registraron durante el período analizado representaron un leve aumento con respecto a 2011, al considerar ambas medidas de rendimiento de pesca (Figura 11). Esta situación cambió la tendencia descendente observada a partir del año 2009 en este indicador, y que significó una disminución cercana al 50% del valor observado el año 2008 (Figura 11). Por otra parte, al utilizar tanto el número de viajes como el número de anzuelos como unidades de esfuerzo, se registraron, en general, las mismas tendencias en ambas regiones. No obstante, al parecer el número de viajes y por ende del rendimiento de pesca expresado en kilogramos por viaje, mostrarían ser más sensibles frente a posibles cambios en la abundancia o disponibilidad del recurso. Destacando en el mismo sentido una importante incremento observado el año 2012, el cual se ve reflejado en ambas unidades de medida.

20

30

40

50

60

70

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012

Frec

ue

nci

a (

% )

AñosXI Región X Región XII Región




16

Figura 11. Rendimiento de pesca anual en kg/Viaje (A) y g/anz (B) para congrio dorado en aguas interiores

por región y en la Unidad de Pesquería Norte Aguas Interiores (UPN-AI) en la flota artesanal (botes). Período 2007- 2012. Fuente IFOP.

0

25

50

75

100

125

150

175

200

2007 2008 2009 2010 2011 2012

Ren

dim

ien

to (

Kg

/via

je)

XI Región X Región XII Región UPN-AI

0

25

50

75

100

125

2007 2008 2009 2010 2011 2012

Ren

dim

ien

to (

g / A

nz)

XI Región X Región XII Región UPN-AI




17

4 DATOS E INFORMACIÓN

4.1 Madurez

Para fines de utilización de la madurez sexual en la modelación poblacional de congrio colorado, es necesario calcular la talla media por zona (norte y sur). Para este cálculo se utilizaron los parámetros de la ecuación de crecimiento de von Bertalanffy reportados por Wiff et al. 2007 (Tabla 2).

Tabla 2. Parámetros de crecimientos estimados sexo y zona estimados por Wiff et al. 2007.

Una vez que se dispuso de la talla media obtenida, se procedió al calculó de la ojiva de madurez sexual por zona, mediante la utilización de los parámetros reportados por Baker et al. (in press). Los parámetros corresponden a β1= 13,695 y β2= 0,156 para la zona norte, y de β1= 8,323 y β2= 0,0915 para la zona sur, lo que permite obtener la proporción de individuos maduros en longitud por zona, modelada utilizando una ecuación logística:

( )

Esta expresión permitió obtener las ojivas de madurez a la edad por zona y las cuales son comparadas con las estimada por Chong (1993) y presentadas en la Figura 12. Esta comparación grafica muestra que la ojiva de madurez reportadas por Chong (1993) y las reportadas por Baker et al. (in press), las cuales presentan importantes diferencias en la proporción de individuos maduros a la edad. Dichas diferencias quedan establecidas al observar la edad donde se alcanza la asíntota, que corresponde a una edad menos longeva que la obtenida recientemente. Por lo tanto la madurez estimada para este estudio presenta un sesgo al ser estimado a la edad, debido a la utilización de los parámetros de crecimiento de von Bertalanffy reportados por Wiff et al 2007, lo cual estaría explicado por las observaciones utilizadas para el madurez, las cuales son mayores a la longitud asintótica reportada por el estudio de crecimiento. Para evitar este tipo de inconvenientes, se recomienda que se incentive la realización de un estudio de madurez y crecimiento para estas zonas de la PDA, además de considerar escenarios de madurez y análisis de sensibilidad para futuras aproximaciones a la estimación del estatus y de las estrategias de explotación del recurso.

Machos Hembras Ambos Machos Hembras Ambos

Linf 97.166 117.401 111.452 101.007 123.184 123.447

k 0.241 0.184 0.186 0.209 0.165 0.147

to -0.844 -0.591 -0.912 -1.756 -1.248 -1.779

Zona Austral Norte Zona Austral SurParámetros




18

De igual forma Baker et al. (in press) discuten sobre sus resultados en términos de la proporción de individuos que presentarían la capacidad reproductiva, destacando que en recientes estudios se ha revelado que peces iteróparos no siempre se reproducen al llegar la madurez sexual, fenómeno conocido como “skipped spawning”. Estos mismos autores describen como posibles causas de la omisión del desove, a problemas nutricionales, baja temperatura, y a la contaminación. Por otro lado Baker et al.(in press) reconocen la existencia de una inesperada presencia de individuos inmaduros de mayor tamaño, sobre todo en la zona sur de la PDA, lo cual daría razones para sospechar que la omisión del desove puede estar ocurriendo en la población. Sin embargo, los errores en la asignación de los estadios de madurez impiden sacar conclusiones firmes con respecto de la existencia de skipped spawning.

Figura 12. Ojivas de madurez sexual a la edad calculadas desde los parámetros de crecimiento reportados

por Baker et al. (in press) en congrio dorado para la zona Norte, Sur y la ojiva estimada por Chong 1993.

Edad

Proporción

0.0

0.2

0.4

0.6

0.8

1.0

4 6 8 10 12 14

Chong0.0

0.2

0.4

0.6

0.8

1.0Norte

0.0

0.2

0.4

0.6

0.8

1.0Sur




19

4.2 Estandarización del esfuerzo

En el presente proyecto utiliza la teoría de tácticas de pesca para determinar intencionalidad de captura y posteriormente generar los índices de abundancia mediante estandarización de esfuerzo. Cuyos detalles pueden ser vistos en Wiff et al. (2012). 4.2.1 Metodología

El protocolo seguido en este trabajo se encuentra detallado por etapas a continuación. 4.2.1.1 Transposición de datos

Se utiliza la base de datos original PDA 2011, separado por palangre y arrastre y se genera una nueva base de datos donde las especies capturadas y las características operacionales del lancen están en columnas. Ahora, cada fila indica un lance único.

Se utiliza la consulta de referencia cruzada en el programa ACCESS donde las especies son columnas y se elige el número apropiado de campos de identificación (e.g fecha del lance, número de viaje, embarcación, zona) posibles para evitar la pérdida de datos.

Se comprueba que el cruzamiento de datos sea el adecuando observando el comportamiento de los rendimientos de merluza del sur y congrio dorado a través de los años desde la base de datos cruda, en comparación con la nueva base de datos (base transpuesta).

. Se hace un cruzamiento de la base de datos transpuesta con aquella que contienen las características físicas de las embarcaciones (nombre, TRG, eslora, manga, puntal).

4.2.1.2 Filtro de datos

Se eliminan del análisis a todos los lances que contienen capturas 0, así como también a aquellos que no posean unidad de esfuerzo (número de anzuelos calados u horas de arrastre según corresponda).

Un análisis exploratorio de los datos de palangre indica que uno de los grupos que fuertemente aparece en las capturas en bacalao de profundidad. Conociendo que esta especie constituye una pesquería específica, se eliminan del análisis a aquellos lances que presentan más de un 50% en peso de bacalao de profundidad. Se considera que un porcentaje menor al señalado es bacalao capturado como fauna acompañante de la pesquería de merluza del sur y congrio dorado.

Se eliminan del análisis aquellas especies consideradas raras y que en el total de la base de datos aparecen menos de un 0.5%. También se eliminan las especies indeterminadas.

Se calcula la proporción de especies en cada lance con las especies retenidas.




20

4.2.1.3 Asignación de intencionalidad para el año 2011, flota y zona de la PDA 1. Análisis de componentes principales (ACP) de la composición de captura del año 2011. El

objetivo de este análisis es reducir el total de especies (columnas) en las 6 primeras componentes ortogonales.

2. Si los datos considerados contienen más de 3500 lances se realiza un análisis de

agrupación no-jerárquico de los vectores propios derivados del ACP. Este análisis se realizó a través del método de K-means y como medida de similitud se uso la distancia euclidiana. Esto nos permite reducir el número total de registros (lances de pesca) a 2500 centroides. El uso del cluster no-jerárquico se debe a que el análisis de dendrograma (cluster jerárquico) es muy extensivo desde un punto de vista computacional y no permite analizar el número total de registros con el cual se dispone algunos años.

3. Análisis de cluster jerárquico para construir los dendrogramas de similitud de los centroides

derivados del punto 3.2. Se utilizó la distancia euclidiana y el método de Ward como medida de agrupación entre las observaciones.

4. Si los datos considerados contienen menos de 3500 lances, el análisis de agrupación

jerárquico se realiza directamente sobre los puntajes retenidos del ACP. 5. De acuerdo a los análisis realizados por Wiff et al (2012), para el año 2011 se generan tres

agrupaciones desde el análisis jerárquico. 6. Se recupera la información original y a cada uno de los lances se les identifica con una

etiqueta que indica a cual agrupación pertenecen.

7. Se estima la proporción promedio de cada especie presente en cada agrupación jerárquica.

8. En cada año j se configura un sub-conjunto de datos que contiene la agrupación que cada año contenía la mayor proporción de la especie, ya sea de congrio dorado o merluza del sur. Cada subconjunto de estos datos es designado como pesca objetivo de cada especie. De la misma forma, se genera un subconjunto de datos denominados como fauna acompañante cuando se pesca congrio dorado en aquellos lances dirigidos a merluza del sur y viceversa.

9. Se acumulan j años en el subconjunto de bases de datos con pesca objetivo y acompañante para cada una de las especies.

10. Construcción de los dendrogramas y recuperación de los datos originales (lances de pesca) para asignarlos a un cluster (táctica de pesca) determinado.




21

4.2.2 Estandarización de esfuerzo

El procedimiento a continuación se aplicará solo para el subconjunto de datos denominado objetivo de congrio dorado. El primer paso consiste en aplicar un Modelo Aditivo Generalizado (MAG) usando como variable respuesta a la captura por unidad de esfuerzo y cuyas variables explicatorias serán año, mes, barco como factores, mientras que latitud y longitud serán modeladas en conjunto usando un suavizamiento tipo spline lo mismo que la profundidad del lance. Se probaran las estructuras de error gamma y gaussiana, ambas con link-log y se eligió la que presentaba mejor bondad de ajuste, basándose en el análisis de residuales. La determinación del mejor modelo se basó en el principio de parsimonia entregado por el factor generalizado de validación cruzada. Se espera que en futuras aproximaciones cuantitativas a la determinación de un índice de abundancia, se aborde incorporar en la modelación de la CPUE la interacción entre año y mes. Lo anterior debiese ser abordado considerando un efecto aleatorio de la interacción, y mediante el uso de un modelo mixto. En un modelo mixto, las interacciones con el efecto año pueden ser tratadas de forma aleatoria y de esta forma son independientes del efecto año (Candy 2004) que pretendemos aislar en una estandarización de CPUE para que pueda dar cuenta de un índice de abundancia. Esto por cuanto se sospecha que esta interacción puede ser significativa dado la estacionalidad de la pesquería de congrio dorado, particularmente luego de la imposición de los Límites Máximos de Captura por Armador (LMCA).

4.2.3 Resultados análisis multivariado

A continuación en Tabla 3 se presentan las especies y números asignados en las bases de datos y posterior análisis que aparecen rutinariamente tanto en arrastre y palangre de la PDA.




22

Tabla 3. Número de referencia, nombre específico y común de las especies más

recurrentes en el análisis de componentes principales.

4.2.3.1 Arrastre Como ha sido característico en los últimos años para el arrastre norte, el análisis de componentes principales no se identifica al congrio dorado como una especie que explique la composición de captura (Figura 13). Las principales especies capturadas corresponden principalmente a merluza del sur, merluza de cola y menor extensión a reineta.

Número Nombre especie Nombre común

1 Merluccius gayi gayi Merluza común

2 Merluccius australis Merluza del sur

3 Micromesistius australis Merluza de tres aletas

4 Macruronus magellanicus Merluza de cola

5 Salilota australis Brótula

6 Genypterus blacodes Congrio dorado

24 Mustelus mento Tollo común

25 Squalus acanthias Tollo de cachos

27 Brama australis Reineta

29 Seriolella punctate Cojinoba moteada

35 Dosidicus gigas Jibia

37 Dissostichus eleginoides Bacalao de profundidad

56 Raja sp. Raya

58 Raja braquiurops Raya de los canales

94 Seriolela porosa Cojinoba

96 Seriolella caerulea Cojinoba del sur

98 Alopias vulpirus Pejezorro

200 Polyprion spp Mero




23

Figura 13. Resultados del análisis multivariado de capturas para arrastre congrio norte 2012. Análisis de

componentes principales y dendrograma




24

La composición de captura de las agrupaciones identificadas indican que existe un grupo de laces claramente dirigido a merluza de cola (cluster 2) y otro a reineta (cluster 3), sin embargo el grupo donde merluza del sur aparece (cluster 1), se presentan una mezcla de especies donde la principal es merluza del cola y en menor proporción aparece congrio dorado y jibia (Figura 14).

Figura 14. Composición de captura de las tácticas de pesca identificadas para arrastre congrio norte 2012.




25

Cuando se analiza el arrastre en zona sur, las especies que contribuyen mayormente a la explicación de la composición de capturas son la merluza de cola, merluza de tres aletas y cojinoba moteada (Figura 15).

Figura 15. Resultados del análisis multivariado de capturas para arrastre congrio sur 2012. Análisis de

componentes principales y dendrograma.




26

Cuando se analiza la composición de captura de las agrupaciones formadas (Figura 16), el grupo más importante captura merluza de cola (cluster 1), otro grupo de menor importancia en términos de lances de pesca lo constituye casi en su totalidad a cojinoba moteada (cluster 2), mientras que la tercera agrupación (numero 3) presenta una importante cantidad de registros donde se capturan merluza de tres aletas, merluza de cola, merluza del sur, brótula y congrio dorado en una cantidad marginal.

Figura 16. Composición de captura de las tácticas de pesca identificadas para arrastre congrio sur 2012.




27

4.2.3.2 Palangre

A diferencia del arrastre, en el palangre regularmente aparece una componente principal bien definida hacia congrio dorado (X6, Figura 17). Otras de las especias que son importantes en la explicación de la composición de capturas son la merluza del sur y brótula.

Figura 17. Resultados del análisis multivariado de capturas para palangre congrio norte 2012. Análisis de





28

Cuando se analiza la composición de especies de las diferentes agrupaciones encontradas (Figura 18), se indica que la primera agrupación está compuesta por un número pequeño de lances donde se capturan principalmente brótula y merluza del sur. La agrupación 2 está compuesta mayoritariamente por merluza del sur, mientras que la agrupación 3 esta mayormente compuesto por congrio dorado y brótula.

Figura 18. Composición de captura de las tácticas de pesca identificadas para palangre congrio norte 2012.




29

En la zona sur PDA, el palangre también presenta como una de sus componentes principales al congrio dorado como también merluza del sur y en menor medida el bacalao de profundidad (X37, Figura 19).

Figura 19. Resultados del análisis multivariado de capturas para palangre congrio sur 2012. Análisis de





30

Cuando se analiza la composición de especies de los diferentes clúster formados en el palangre sur (Figura 20), se indica que la primera agrupación está constituida casi exclusivamente por merluza del sur, mientras que la agrupación 2 presenta una composición compuesta tanto por merluza del sur como congrio dorado en proporciones similares. La tercera agrupación está compuesta básicamente por pejerrata (X17) bacalao de profundidad (X37).

Figura 20. Composición de captura de las tácticas de pesca identificadas para palangre congrio sur 2012.




31

4.2.4 Estandarización 2012

En general en ambas zonas de la PDA, los índices objetivos provenientes de la pesquería de palangre muestran una tendencia decreciente en los 11 años (Figura 21). Cuando se compara entre zonas, se encuentran diferencias más importantes en la zona norte PDA. Esto podría indicar, por una parte, que la pesquería norte presenta una cierta intencionalidad estacional sobre congrio dorado y dicha intencionalidad es más difícil de observar en los datos de la zona sur PDA. Cuando se analiza el arrastre (Figura 21), al igual como hemos mencionado en evaluaciones anteriores, este presenta menos intencionalidad de captura y la serie en ambas zonas hacia los últimos años se vuelve inestable.

Figura 21. Estandarización de esfuerzo para congrio dorado en palangre y arrastre.

Palangre norte

1980 1985 1990 1995 2000 2005 2010

CP

UE

(unid

ades r

ela

tivas)

0.0

0.2

0.4

0.6

0.8

1.0

1.2

Palangre sur

1980 1985 1990 1995 2000 2005 2010

0.0

0.2

0.4

0.6

0.8

1.0

1.2

Arrastre norte

1980 1985 1990 1995 2000 2005 2010

CP

UE

(unid

ades r

ela

tivas)

0.0

0.2

0.4

0.6

0.8

1.0

1.2Arrastre sur

1980 1985 1990 1995 2000 2005 2010

0.2

0.4

0.6

0.8

1.0

1.2




32

5. MODELO DE EVALUACIÓN

A continuación se describe la estructura del modelo que se implementará para el presente proyecto, en términos de los nuevos datos incorporados al modelo, estimación del reclutamiento y metodología de estimación. El período de evaluación abarca desde el año 1977 hasta el año 2012. 5.1 Estructura del modelo El modelo de evaluación está estructurada para sexos conjuntos y considera dos stock, uno en el área norte PDA y otro para el área sur PDA. El ciclo anual del modelo comienza con el ingreso de nuevos reclutas de edad 3 (a inicios de año) que dependen de un stock desovante. Se asume que existen dos stocks de congrio dorado que habitan en forma separada en cada área de explotación. No se consideran procesos de migración/inmigración. Se implementa un modelo que asume error de observación en las capturas utilizando la ecuación de Baranov y donde las mortalidades por pesca son estimadas como parámetros en el modelo. Para ambos stocks se utiliza un periodo de reproducción diferente y proveniente desde Baker et al. (in press). Se actualizaron los volúmenes de desembarques de las flotas arrastrera, palangrera y espinelera artesanal, los que fueron obtenidos desde los registros oficiales provenientes de Sernapesca. De la misma forma, se actualizaron los índices de abundancia de la CPUE de las flotas arrastrera, palangrera y espinelera (en el caso de la zona norte), aplicando la metodología descrita anteriormente. Se actualizaron también las estructuras de edad para el arrastre, palangre y espinel norte. La información corresponde a capturas e índices de abundancia de CPUE entre 1978 y 2012 para el arrastre y entre 1987 y 2012 para el palangre. Para los registros del espinel artesanal se dispone de las capturas entre 1982 y 2012 e índices de abundancia entre 1997 y 2012. Cabe señalar, que en espinel artesanal este año se utiliza una serie diferente entre 2007 y 2012 proveniente de observadores a bordo de la operación de botes. Por lo mismo, el modelo trabaja con dos capturabilidades diferenciadas, una antes y otra después de 2007. El modelo en ambas zonas ajusta solo edades en arrastre serie histórica, pero en palangre y espinel ajusta edades y tallas cuando están disponibles. Así, el modelo implícitamente incorpora el crecimiento en las matrices de captura a la edad para arrastre como también edad/talla para palangre y espinel. En el caso de aquellos años en que solo se dispone de datos de tallas, estas se modelaron mediante una clave talla-edad por zona utilizando los parámetros de crecimiento reportados por Wiff et al (2007). Para este caso, los parámetros de crecimiento son asumidos conocidos pero sujetos a error de estimación. La mortalidad natural fue asumida constante entre edades y años pero diferenciadas por zonas de la PDA acorde a Wiff et al. (2011).




33

5.2 Reclutamientos

Se asume que el reclutamiento a comienzos de año 1977 corresponde a un reclutamiento virginal consistente con una biomasa desovante virginal (Bo), mientras que en posteriores años (>1977) es dependiente de una relación stock-recluta (función de la BD, Bo, Ro y h) perturbada por desviaciones obtenidas desde una distribución de probabilidad log-normal. De esta forma, se estimaron t-1 reclutamiento, entendiendo que t corresponde al período de evaluación. Así, se estimaron un total de t reclutamientos (1979-2012), todos ellos perturbados por un desvío aleatorio obtenidos desde una distribución de probabilidad normal.

El presente proyecto toma en cuenta el Checklist del NCR. Aquí se incluye la definición de stock separados para la zona norte y sur PDA (Punto 1 Tabla D1 NCR Checklist). Por otra parte, también son consideradas las remociones (Punto 2 NCR) como también índices de abundancia de CPUE (Punto 2.1 NCR). También se incluye información acerca de la estructuras de edades y tallas, crecimiento y madurez (Punto 2.3 NCR). La información ambiental es utilizada tanto implícitamente en el modelo (estandarización de CPUE, Punto 2.5 NCR). También se considera una formulación estadística (Punto 3.4 NCR) e incertidumbre en la evaluación (Punto 3.5 NCR). Por otra parte se considera la formulación de hipótesis alternativas de modelación (Punto 4.1 NCR). Para más detalles del análisis de la calidad de información y la actualización de la clasificación sobre el estado de información del recurso ver Anexo 3. 5.3 Estimación AD Model Builder (ADMB).

Debido a las distintas bondades relacionadas con la plataforma AD Model Builder (Fournier et al., 2012), estas son su rapidez, su precisión y su estable optimización, se implementó un modelo edad estructurado, para analizar la dinámica poblacional de merluza de tres aletas en aguas nacionales. Básicamente se recoge la metodología antes evaluada, denominada modelo base (mb), y teniendo en cuenta los mismos criterios en la incorporación de los datos, se incorpora una estimación de las capturas mediante un enfoque de Baranov, se considera además una selectividad diferenciada en periodos, en los casos que corresponda (ver Anexo 2).

La Tabla 4 presenta la configuración empleada en la evaluación de stock en la zona de la PDA, donde se utilizan los parámetros de crecimiento descritos por Wiff et al, 2007. De igual forma se presentan los coeficientes de variación de los desembarques, para los índices de abundancia indirecta y los tamaños de muestra efectivos para las observaciones en edades y longitudes por flota y zona.




34

Tabla 4. Parámetros, coeficientes de variación y tamaños de muestra del modelo implementado

por zonas para la evaluación de stock en Congrio Dorado

5.3.1 Comparación de ajustes

En este reporte, se presentan las dos aproximaciones a la evaluación de la dinámica poblacional del stock norte, solo con el objetivo de revisar la similitud de la modelación de la población de Congrio dorado, presentando a continuación los escenarios específicos para cada modelo: La Figura 22, muestra una comparación entre el ajuste obtenido con el modelo base (Matlab y el conseguido con ADMB). De esta figura se destaca además de la coincidencia en el ajuste de ambas plataformas de modelación, el ajuste obtenido con ADMB, el cual parece capaz de realizar mejores ajuste de las estructuras de edades de la flota de arrastre del stock norte. Lo anterior también puede ser observado en el ajuste de las estructuras de la flota palangrera y espinera (Figura 23 y 24).

Parámetros Norte Sur

Biológicos

Loo 111.4 123.076

k 0.186 0.18

to -0.912 -1.78

M 0.27 0.259

dt_desov 0.75 0.75

Coeficientes de variación

Desembarques

cv_arrastre 0.05 0.05

cv_espinel 0.05 -

cv_palangre 0.05 0.05

cv_Ro 0.6 0.6

cv_No 0.6 0.6

Indices

Cv_arrastre 0.15 0.3

Cv_espinel 0.15 -

Cv_palangre 0.15 0.2

Tamaño efectivo de muestra

nm edades

nm_arrastre 100 100

nm_espinel 100 -

nm_palangre 100 100

nm tallas

nm_arrastre 50 50

nm_espinel 50 -

nm_palangre 50 50

Zona PDA




35

Figura 22. Comparación ajuste de estructuras de edades de la flota de arrastre. En cruz observaciones, en azul ajuste MATLAB y en rojo ajuste ADMB.

2 4 6 8 10 12 14

1982

2 4 6 8 10 12 14

1983

Pro

po

rcio

n d

e l

as C

ap

tura

s

2 4 6 8 10 12 14

1985

2 4 6 8 10 12 14

1988

2 4 6 8 10 12 14

1989

2 4 6 8 10 12 14

1990

2 4 6 8 10 12 14

1991

2 4 6 8 10 12 14

1992

2 4 6 8 10 12 14

1993

2 4 6 8 10 12 14

1994

2 4 6 8 10 12 14

1995

Arrastre

2 4 6 8 10 12 14

1996

2 4 6 8 10 12 14

1997

2 4 6 8 10 12 14

1998

2 4 6 8 10 12 14

1999

Grupos de edad

2 4 6 8 10 12 14

2000

2 4 6 8 10 12 14

2001

2 4 6 8 10 12 14

2002

2 4 6 8 10 12 14

2003

2 4 6 8 10 12 14

2004

2 4 6 8 10 12 14

2005

2 4 6 8 10 12 14

2006

2 4 6 8 10 12 14

2007

2 4 6 8 10 12 14

2008

2 4 6 8 10 12 14

2009

2 4 6 8 10 12 14

2010

2 4 6 8 10 12 14

2011




36

Figura 23. Comparación ajuste de estructuras de edades y tallas de la flota palangrera. En cruz observaciones, en azul ajuste MATLAB y en rojo ajuste

ADMB.

35 65 95 1250

0.1

0.2

1989

35 65 95 1250

0.1

0.2

1990

Pro

po

rcio

n d

e l

as C

ap

tura

s

35 65 95 1250

0.1

0.2

1991

35 65 95 1250

0.1

0.2

1996

Estructuras de talla (cm)

35 65 95 1250

0.1

0.2

1997

Palangre

35 65 95 1250

0.1

0.2

1999

35 65 95 1250

0.1

0.2

2000

2 4 6 8 10 12 14

1998

2 4 6 8 10 12 14

2002

2 4 6 8 10 12 14

2004

2 4 6 8 10 12 14

2005

2 4 6 8 10 12 14

2006

Grupos de edad

2 4 6 8 10 12 14

2007

2 4 6 8 10 12 14

2008

2 4 6 8 10 12 14

2009

2 4 6 8 10 12 14

2010

2 4 6 8 10 12 14

2011




37

Figura 24. Comparación ajuste de estructuras de edades y tallas de la flota espinelera. En cruz observaciones, en azul ajuste MATLAB y en rojo ajuste ADMB.

35 50 65 80 95 110 125 1400

0.1

0.2

1998

Espinel

35 50 65 80 95 110 125 1400

0.1

0.2

1999

Pro

po

rcio

n d

e las C

ap

tura

s

35 50 65 80 95 110 125 1400

0.1

0.2

2001

35 50 65 80 95 110 125 1400

0.1

0.2

2003

35 50 65 80 95 110 125 1400

0.1

0.2

2004

Espinel

Estructuras de Talla

2 4 6 8 10 12 14

2005

2 4 6 8 10 12 14

2006

Grupos de edad

2 4 6 8 10 12 14

2007

2 4 6 8 10 12 14

2008

2 4 6 8 10 12 14

2009

Grupos de edad

2 4 6 8 10 12 14

2010

2 4 6 8 10 12 14

2011




38

La Figura 25, en tanto presenta el ajuste del modelo en ambas plataformas de los índices de abundancia, mostrando que bajo la misma configuración ambas aproximaciones consiguen un desempeño similar en términos de ajuste de las observaciones, sin embargo el ajuste obtenido con ADMB pareciera ser más eficiente en predecir las observaciones provenientes de los tres índices de abundancia.

Figura 25. Comparación de ajuste de indicadores de abundancia por flota.

0

0.2

0.4

0.6

0.8

1

1.2

1978 1981 1984 1987 1990 1993 1996 1999 2002 2005 2008 2011

CP

UE

Arr

astr

e

Observaciones

Admb

Matlab

0.0

0.2

0.4

0.6

0.8

1.0

1.2

1978 1981 1984 1987 1990 1993 1996 1999 2002 2005 2008 2011

CP

UE

Esp

ine

l

Observaciones

Admb

Matlab

0

0.2

0.4

0.6

0.8

1

1.2

1.4

1.6

1978 1981 1984 1987 1990 1993 1996 1999 2002 2005 2008 2011

CP

UE

Pal

angr

e

Observaciones

Admb

Matlab




39

La Figura 26 en tanto, presenta la estimación de las variables de estado, destacando las similitudes de ambas aproximaciones en la estimación de la biomasa total y desovante y de los reclutamientos (en términos de tendencia y magnitudes). Por lo tanto las futuras aproximaciones a la modelación poblacional del recurso, tanto para la zona norte de la UP, como para la zona sur serán modeladas con el software ADMB (Fournier et al. 2012).

Figura 26. Comparación de ajuste de indicadores de las variables de estado.

0

10000

20000

30000

40000

50000

60000

1978 1981 1984 1987 1990 1993 1996 1999 2002 2005 2008 2011

Ton

elad

as

Biomasa total-ADMB

Biomasa total-Matlab

Biomasa desovante-ADMB

Biomasa desovante-Matlab

0

2000

4000

6000

8000

10000

12000

1978 1981 1984 1987 1990 1993 1996 1999 2002 2005 2008 2011

Re

clu

tas

(mill

on

es d

e in

d.)

Admb

Matlab




40

6 RESULTADOS

6.1 Evaluación de stock

A continuación se presentan los resultados de la evaluación de stock considerando como escenarios más plausibles aquellos discutidos en la evaluación de stock pasada. Esto es, que la serie de palangre tenga más peso relativo en la contribución de la verosimilitud y que al inicio de la serie (<1982) la información fundamental proviene de la CPUE de arrastre en ambas zonas.

6.1.1 Zona Norte PDA

Al igual que en el proyecto anterior, el ajuste de las estructuras de edades para el palangre en la zona norte PDA es satisfactorio, donde las observaciones y estimaciones son bastante consistentes entre años (Figura 27 y 28).

Figura 27. Ajuste de las estructuras de edad de arrastre al modelo de evaluación. Años 1982-1999. Zona

Norte PDA.

0.00

0.05

0.10

0.15

0.20

0.25

0.30

1982

0.00

0.05

0.10

0.15

0.20

0.25

0.30

1983

0.00

0.05

0.10

0.15

0.20

0.25

0.30

1985

0.00

0.05

0.10

0.15

0.20

0.25

0.30

1988

2 4 6 8 10 12 14

0.00

0.05

0.10

0.15

0.20

0.25

0.30

1989

1990

1991

1992

1993

2 4 6 8 10 12 14

1994

1995

1996

1997

1998

2 4 6 8 10 12 14

1999

1997




41

Figura 28. Ajuste de las estructuras de edad de arrastre al modelo de evaluación. Años 2000-2012. Zona Norte PDA.

0.00

0.05

0.10

0.15

0.20

0.25

0.30

2000

0.00

0.05

0.10

0.15

0.20

0.25

0.30

2001

0.00

0.05

0.10

0.15

0.20

0.25

0.30

2002

2003

2004

2005

2006

2007

2009

2010

2011

2 4 6 8 10 12 14

0.00

0.05

0.10

0.15

0.20

0.25

0.30

2003

2 4 6 8 10 12 14

2012

0.00

0.05

0.10

0.15

0.20

0.25

0.30

2 4 6 8 10 12 14

2008




42

Cuando se analizan los residuos ordinarios (observación-estimación), se puede ver que en el caso del arrastre edad, estos consideran una distribución relativamente normal de los residuos con colas un poco más extendidas que la distribución normal estándar (Figura 29).

Figura 29. qq-plot e histograma de los residuales para las estructuras de edad arrastre. Zona norte PDA.

Al analizar el ajuste de las estructuras de edades para el palangre, se indica que la mayoría de los años se encuentran ajustes satisfactorios por parte del modelo. Sin embargo, los tres últimos años presentan estructuras de edades atípicas, las cuales el modelo no puede predecir de buena forma (Figura 30).




43

Figura 30. Ajuste de las estructuras de edad de palangre al modelo de evaluación. Zona Norte PDA

0.00

0.05

0.10

0.15

0.20

0.25

0.30

1998

0.00

0.05

0.10

0.15

0.20

0.25

0.30

2002

0.00

0.05

0.10

0.15

0.20

0.25

0.30

2004

2 4 6 8 10 12 14

0.00

0.05

0.10

0.15

0.20

0.25

0.30

2005

2006

2007

2 4 6 8 10 12 14

2009

2010

2008

2011

2 4 6 8 10 12 14

2012




44

La distribución de los residuos para el palangre denota un buen ajuste del modelo, sin embargo la distribución indica una leve asimetría indicando sobrestimación por parte del modelo (residuos negativos) particularmente en los dos últimos años de la serie (Figura 31).

Figura 31. qq-plot e histograma de los residuales para las estructuras de edad palangre. Zona norte PDA.

El ajuste de las estructuras de tallas tanto en palangre (Figura 32) como en espinel (Figura 36) presentan un ajuste satisfactorio, aunque más deficiente que en el caso de las estructuras de edades. Esto se debe a que la naturaleza del dato de la estructura de talla es más variable que las edades y desde el punto de vista de modelación la predicción de las estructuras de tallas incluye la estimación de una clave talla-edad.




45

Figura 32. Ajuste de las estructuras de talla del palangre al modelo de evaluación. Zona Norte PDA.

En las estructuras de tallas palangre, si bien los residuales se encuentra en torno a cero, estos presentan colas extendidas con respecto a la normal estándar (Figura 33) lo que indica que el modelo predice bien, pero se encuentra con una cantidad importante de sobre o subestimaciones.

Figura 33. q-q plot e histograma de los residuales para las estructuras de talla palangre. Zona norte PDA. .




46

El ajuste de las estructuras de edades para el espinel se encuentra bastante homogéneo en el tiempo a excepción de los años 2008 y 2010 donde se presentan observaciones que no siguen la misma tendencia de años contiguos. El año 2012 en tanto, el modelo es capaz de seguir las magnitudes y la moda de la estructura de edades observada, aunque se destaca la incapacidad para reproducir particularmente la observación del año 2008 (Figura 34).

Figura 34. Ajuste de las estructuras de edad de espinel al modelo de evaluación. Zona Norte PDA.

0.00

0.05

0.10

0.15

0.20

0.25

0.30

2006

0.00

0.05

0.10

0.15

0.20

0.25

0.30

2006

0.00

0.05

0.10

0.15

0.20

0.25

2007

2 4 6 8 10 12 14

0.00

0.05

0.10

0.15

0.20

0.25

0.30

2008

2009

2010

2011

2 4 6 8 10 12 14

2012




47

Las estructuras de edades para el espinel presentan importantes sobreestimaciones por parte del modelo como se aprecia en el año 2008 (Figura 34 y 35).

Figura 35. q-q plot e histograma de los residuales para las estructuras de edad espinel. Zona norte PDA.

Figura 36. Ajuste de las estructuras de talla de espinel al modelo de evaluación. Zona Norte PDA.




48

En general el modelo tiende a estimar de buena forma las estructuras de tallas para el espinel (Figura 37), donde la distribución de los residuales se aleja de la normalidad, en especial en el comportamiento de las colas (Figura 38).

Figura 37. q-q plot e histograma de los residuales para las estructuras de talla espinel. Zona norte PDA.

El ajuste del modelo a las observaciones de desembarques y CPUE es satisfactorio (Figura 38). Cabe señalar que cuando se utiliza la ecuación de captura de Baranov, regularmente se obtiene un buen ajuste de los desembarques. En el caso del índice de CPUE se produce un buen ajuste para el arrastre en la primera parte de la serie, para luego aproximar de manera promedio las observaciones. Para el palangre en tanto, el modelo también presenta buenos ajustes al principio de la serie (hasta el año 1994), sin embargo el modelo no es capaz de ajustar de buena manera las observaciones entre los años 1995 y 2012. Este comportamiento del ajuste tiene una directa relación con el tratamiento que tienen las diferentes series de CPUE, en donde se le asigna un menor CV al arrastre al principio de la serie y luego un menor CV para el palangre al final de la serie. En el caso del espinel el modelo sigue la tendencia general de las observaciones, produciendo un buen ajuste del primer periodo, y en los últimos cuatro años el cambio de patrón de selectividad es especialmente óptimo en reproducir las observaciones.




49

Figura 38. Ajuste de los desembarques (en toneladas) y captura por unidad de esfuerzo (unidades

relativas) al modelo de evaluación. Zona Norte PDA.

Desembarques

0

2000

4000

6000Observaciones

Estimaciones

0.0

0.2

0.4

0.6

0.8

1.0

1.2

1.4

1.6

1.8

Observaciones

Estimaciones

0

2000

4000

6000

1980 1985 1990 1995 2000 2005 2010

0

2000

4000

6000

Palangre

Espinel

Arrastre

0.0

0.2

0.4

0.6

0.8

1.0

1.2

1.4

1980 1985 1990 1995 2000 2005 2010

0.0

0.2

0.4

0.6

0.8

1.0

1.2

1.4

1.6

1.8

Arrastre

Palangre

Espinel

CPUE




50

La biomasa total a principios de la serie está estimada en cerca de 46 mil toneladas mientras que hacia el final de la serie la biomasa total se encuentra cercana a las 119,4 mil toneladas (Figura 39, Tabla 5). En el caso de la biomasa desovante esta se encuentra cerca de las 15 mil toneladas mientras que el último año esta se encuentra en torno a las 3,2 mil toneladas registrándose un agotamiento de la biomasa desovante virginal de 20%. Este escenario está condicionado a la utilización de la ojiva de madurez reportada por Baker et al. (in press). Los reclutamientos estimados por el modelo, muestran un decaimiento continuo desde el año 1983. Las mortalidades por pesca totales han sido más altas que la mortalidad natural a lo largo de toda la serie.




51

Figura 39. Biomasas, reclutamientos y mortalidades por pesca estimadas. Zona Norte PDA.

Biomasas

1980 1985 1990 1995 2000 2005 2010

To

ne

lad

as

0

10000

20000

30000

40000

50000

60000

Biomasa total

Biomasa desovante

Biomasa Vulnerable

1975 1980 1985 1990 1995 2000 2005 2010

To

ne

lad

as

0

5000

10000

15000

20000

25000

30000

Arrastre

Palangre

Espinel

Mortalidad por pesca

1980 1985 1990 1995 2000 2005 2010

1/a

no

0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

Arrastre

Palangre

Espinel

Reduccion Biomasa

1980 1985 1990 1995 2000 2005 2010

Po

rce

nta

je

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

Biomasa desovante

Reclutamientos

1980 1985 1990 1995 2000 2005 2010

Mill

on

es d

e in

div

idu

os

0

2

4

6

8

10

12




52

Tabla 5. Resumen de las cantidades de intereses para la Biomasa total, desovante y mortalidades

por pesca por flota en la Zona norte de la PDA.

Años BT BD F arr F pal F esp

1978 46524 15272 0.28 - -

1979 42158 13158 0.24 - -

1980 39602 11711 0.24 - -

1981 39803 10574 0.26 - -

1982 41910 10572 0.14 - 0.01

1983 46113 11241 0.12 - 0.01

1984 49032 12116 0.13 - 0.02

1985 50267 13224 0.13 - 0.02

1986 50974 13407 0.22 - 0.04

1987 48292 11972 0.30 0.03 0.08

1988 42743 9253 0.18 0.47 0.03

1989 36563 6204 0.23 0.64 0.10

1990 29602 4594 0.17 0.64 0.10

1991 25563 4006 0.12 0.59 0.09

1992 23227 4050 0.19 0.28 0.06

1993 22934 4464 0.18 0.16 0.01

1994 24445 4758 0.25 0.08 0.02

1995 25704 4721 0.26 0.14 0.02

1996 26547 4657 0.28 0.13 0.03

1997 26939 4696 0.29 0.11 0.04

1998 26695 4789 0.27 0.12 0.06

1999 25938 4846 0.25 0.18 0.04

2000 24778 4909 0.17 0.22 0.05

2001 24123 4904 0.17 0.15 0.10

2002 23332 5058 0.13 0.17 0.03

2003 23111 5017 0.08 0.23 0.08

2004 21995 4562 0.08 0.27 0.16

2005 19861 4728 0.04 0.10 0.10

2006 19581 4745 0.14 0.08 0.10

2007 18124 4638 0.07 0.11 0.13

2008 16573 4672 0.03 0.11 0.09

2009 15673 4382 0.03 0.14 0.16

2010 13903 3866 0.09 0.09 0.17

2011 12185 3593 0.08 0.10 0.08

2012 11414 3296 0.08 0.16 0.07




53

Los patrones selectivos se encuentran a la izquierda de la ojiva de madurez (Figura 40), donde el espinel y el arrastre capturan una importante fracción de los individuos inmaduros y en menor medida el palangre, el cual se enfoca casi un su totalidad en edades cuyos individuos en promedio han alcanzado la madurez. Se incluye de igual forma en la gráfica la ojiva de madurez actualizada.

Figura 40. Madurez y patrones de explotación por flota. Zona Norte PDA.

Patrones de explotacion

Edad

2 4 6 8 10 12 14

Pro

po

rcio

n

0.0

0.2

0.4

0.6

0.8

1.0

Arrastre

Palangre

Espinel

Madurez Baker et al.




54

6.2.1 Zona Sur PDA

El ajuste de las estructuras de tallas para el arrastre de la zona sur es satisfactorio (Figuras 41 y 42).


Sur PDA.




55


Sur PDA.

0.00

0.05

0.10

0.15

0.20

0.25

0.30

2001

0.00

0.05

0.10

0.15

0.20

0.25

0.30

2002

0.00

0.05

0.10

0.15

0.20

0.25

0.30

2005

0.00

0.05

0.10

0.15

0.20

0.25

0.30

2006

2 4 6 8 10 12 14

0.00

0.05

0.10

0.15

0.20

0.25

0.30

2007

2008

2009

2010

2011

2 4 6 8 10 12 14

2011

2012




56

El análisis de los residuos ordinarios indica la existencia de sobre y subestimación para algunos años de las estructuras de edades de arrastre (Figura 41 y Figura 42). Sin embargo la mayoría de los residuos se encuentra en torno a cero con una distribución aproximada a la normal estándar (Figura 43).

Figura 43. q-q plot e histograma de los residuales para las estructuras de edad arrastre. Zona sur PDA.

Algo similar ocurre con los ajustes a las estructuras de edad de palangre. Estas son bastante consistentes con excepción de algunos años, como el año 2012, donde el modelo no es capaz de reproducir la moda observada (Figura 44). La distribución de los residuales muestra una leve asimetría negativa, indicando que el modelo tiende a sobrestimar la proporción de edades observadas (Figura 45).

-3 -2 -1 0 1 2 3-0.1

-0.05

0

0.05

0.1

0.15

Cuantiles normales estandar

Re

sid

ua

les

ARRASTRE EDAD

0 5 10 15 20 25 30 35

Frecuencia




57

Figura 44. Ajuste de las estructuras de edad de palangre al modelo de evaluación. Zona Sur PDA.

0.00

0.05

0.10

0.15

0.20

0.25

0.30

1998

0.00

0.05

0.10

0.15

0.20

0.25

0.30

1999

0.00

0.05

0.10

0.15

0.20

0.25

0.30

2003

0.00

0.05

0.10

0.15

0.20

0.25

2004

2 4 6 8 10 12 14

0.00

0.05

0.10

0.15

0.20

0.25

2005

2006

2008

2009

2007

2 4 6 8 10 12 14

2010

2011

2 4 6 8 10 12 14

2012




58

Figura 45. QQ-plot e histograma de los residuales para las estructuras de edad palangre. Zona sur PDA.

El ajuste de las estructuras de tallas palangre es satisfactorio al igual al obtenido en la zona norte PDA (Figura 46), aunque el análisis de los residuales indica que estos tienen una distribución con colas más extendidas que la normal estándar (Figura 47).

-3 -2 -1 0 1 2 3-0.1

-0.05

0

0.05

0.1

0.15

Cuantiles normales estandar

Re

sid

ua

les

PALANGRE EDAD

0 5 10 15 20 25

Frecuencia




59

Figura 46. Ajuste de las estructuras de talla de palangre al modelo de evaluación. Zona Sur de la PDA.




60

Figura 47. Q-Q plot e histograma de los residuales para las estructuras de talla palangre. Zona sur

PDA. El ajuste de los desembarques y la CPUE es reproduce la tendencia de manera promedio. Tanto en el arrastre y palangre se observan algunas sobre y subestimaciones, siendo estas más importantes en el palangre. Al igual que en la zona norte PDA, las estimaciones de CPUE son mejores al inicio de la serie para el arrastre, para cambiar luego hacia el final de la serie en palangre (Figura 48). Lo anterior tendría una justificación en los CV empleados en el ajuste del modelo, el cual será abordado de manera más detallada en los siguientes informes de este proyecto, donde se incluirán aproximaciones como por ejemplo análisis de sensibilidad del modelo a distintos cv empleados en el ajuste de los índices de abundancia.




61

Figura 48. Ajuste de los desembarques (en toneladas) y captura por unidad de esfuerzo (unidades

relativas) al modelo de evaluación. Zona Sur PDA.

La biomasa total a principios de la serie está estimada en cerca de 26,1 mil toneladas mientras que hacia el final de la serie la biomasa total se encuentra cercana a las 5,3 mil toneladas (Figura 49, Tabla 6). En el caso de la biomasa desovante esta se encuentra cerca de las 8,8 mil toneladas, mientras que el último año esta se encuentra cercana a las 1,5 mil toneladas registrándose un agotamiento de la biomasa desovante inferior al 20%. Los reclutamientos estimados por el modelo, muestran una caída continua de los individuos estimados al igual a lo estimado por el modelo en la zona norte, con la excepción del importante incremento estimado para el año 2012. Las mortalidades por pesca totales han sido más altas que la mortalidad natural a lo largo de toda la serie.

Desembarques

0

2000

4000

6000Observaciones

Estimaciones

0.0

0.2

0.4

0.6

0.8

1.0

1.2

1.4

1.6

1.8

Observaciones

Estimaciones

1980 1985 1990 1995 2000 2005 2010

0

2000

4000

6000

Palangre

Arrastre

1980 1985 1990 1995 2000 2005 2010

0.0

0.2

0.4

0.6

0.8

1.0

1.2

Arrastre

Palangre

CPUE




62

Figura 49. Biomasas, reclutamientos y mortalidades por pesca estimadas. Zona Sur PDA.

Biomasas

1980 1985 1990 1995 2000 2005 2010

Tonela

das

0

5000

10000

15000

20000

25000

30000

Biomasa total

Biomasa desovante

Biomasa Vulnerable

1975 1980 1985 1990 1995 2000 2005 2010

Tonela

das

0

2000

4000

6000

8000

10000

12000

14000

Arrastre

Palangre

Mortalidad por pesca

1980 1985 1990 1995 2000 2005 2010

1/a

no

0.0

0.2

0.4

0.6

0.8

1.0

Arrastre

Palangre

Reduccion Biomasa

1980 1985 1990 1995 2000 2005 2010

Porc

enta

je

0.0

0.2

0.4

0.6

0.8

1.0

Biomasa desovante

Reclutamientos

1980 1985 1990 1995 2000 2005 2010

Mill

ones d

e indiv

iduos

0

1

2

3

4

5

6




63

A diferencia de la zona norte, los patrones de explotación se encuentran desplazados hacia edades mayores con respecto a la ojiva de madurez, siendo el palangre el que se encuentra levemente desplazado a la izquierda (Figura 50). Por lo tanto, ambas pesquerías seleccionarían individuos que en promedio ya han alcanzado la madurez.

Figura 50. Madurez y patrones de explotación por flota. Zona Sur PDA.

Patrones de explotacion

Edad

2 4 6 8 10 12 14

Proporción

0.0

0.2

0.4

0.6

0.8

1.0

Arrastre

Palangre

Madurez Baker et al.




64

Tabla 6.

Biomasa total, desovante y mortalidades por pesca por flota. Zona sur PDA.

Años Bt BD F arr Fpal

1978 26184 8862 0.32 -

1979 23084 8302 0.19 -

1980 22036 8274 0.11 -

1981 23350 7769 0.24 -

1982 24167 6805 0.37 -

1983 23839 5958 0.46 -

1984 23934 5596 0.48 -

1985 24480 5684 0.44 -

1986 24902 6087 0.35 -

1987 25324 6153 0.38 0.10

1988 24680 5278 0.47 0.39

1989 21721 4506 0.37 0.52

1990 19355 3653 0.35 0.83

1991 16412 3401 0.15 0.69

1992 15070 3387 0.18 0.48

1993 14363 3476 0.16 0.34

1994 14418 3541 0.17 0.29

1995 14289 3392 0.18 0.37

1996 13315 3525 0.09 0.23

1997 13379 3644 0.09 0.26

1998 13550 3708 0.10 0.24

1999 13907 3699 0.11 0.25

2000 14140 3407 0.18 0.37

2001 13600 3561 0.06 0.21

2002 13962 3354 0.08 0.52

2003 12937 3330 0.06 0.36

2004 12530 3157 0.09 0.46

2005 11466 3096 0.06 0.34

2006 10691 2998 0.09 0.31

2007 9742 2801 0.09 0.33

2008 8616 2642 0.06 0.29

2009 7623 2391 0.12 0.27

2010 6431 2146 0.10 0.24

2011 5598 1930 0.12 0.19

2012 5380 1570 0.19 0.30




65

6.2 Estado de Explotación del Stock

Para determinar el diagnóstico de esta pesquería, se construye el gráfico de fases donde los límites han sido impuestos acorde a la nueva ley de pesca. La nueva Ley General de Pesca y Acuicultura (LGPA) define en el Título I, Artículo 1°B: “El objetivo de esta ley es la conservación y el uso sustentable de los recursos hidrobiológicos, mediante la aplicación del enfoque precautorio, de un enfoque ecosistémico en la regulación pesquera y la salvaguarda de los ecosistemas marinos en que existan esos recursos”. Asimismo, en el Artículo 1°C inciso g) se señala como objetivo “procurar evitar o eliminar la sobreexplotación y la capacidad de pesca excesiva”. Estos elementos constituyen el marco sobre el cual se elabora el diagnóstico de los recursos y sus pesquerías. Para más detalles metodológicos sobre la definición de PBR en el contexto de la LGPA, ver Anexo 4.

6.2.1 Marco biológico de referencia

Mediante un procedimiento de cálculo desarrollado el año 2012 por el departamento de evaluación de recursos del Instituto de Fomento Pesquero, el cual intento analizar los antecedentes del máximo rendimiento sostenible, además de abordar la temática de los puntos biológicos de referencia (PBR) especie específicos. En general en este taller se utilizó la proyección de la dinámica por recluta con denso-dependencia en los reclutamientos vía el modelo de Beverton y Holt parametrizado en términos del valor del “stepness” (h) para el cálculo de los PBR. De igual forma el equipo de trabajo desarrollo los análisis a partir del modelo desarrollado en ADMB, dependiendo de la longevidad promedio de Congrio Dorado por zona, se simularon horizontes de proyección al menos 3 veces el rango etario, esto con el objeto de asegurar el equilibrio de largo plazo y recoger de ahí las mediciones aquí presentadas. El resumen de estas variables se entrega en la Tabla 7 y corresponden al valor esperado de las variables para dos escenarios de “stepness”. Se destaca que el reclutamiento necesario para producir el MRS corresponde al 75% del valor virginal Ro en el caso del caso de resiliencia igual a h=0.6, y en torno al 85% de Ro en el grupo de resiliencia alta h=0.8. Para la razón BDmrs/BDo en promedio en los dos escenarios en estudio se obtuvo en promedio un valor de 0.3, considerado como nivel para definir políticas de manejo asociadas al PBR límite. Sin embargo y mientras el PBR limite no esté resuelto, es recomendable el uso del 20% BDo.

Tabla 7.

Variables de desempeño referidas al MRS estimadas para Congrio Dorado.

Zona h FMRS F0.9MRS MRS /Ro BDMRS/Ro BDo/Ro BDMRS/BDo BD0.9MRS/BDo MRS /BDo RMRS/Ro

0.6 0.34 0.22 669.3 2230.7 6701.5 0.333 0.474 0.1 0.75

0.8 0.62 0.32 892.5 1638.5 6701.5 0.244 0.424 0.133 0.838

0.6 0.36 0.22 793.5 3041.6 8680.5 0.35 0.502 0.091 0.764

0.8 0.68 0.34 1031.9 2280 8680.5 0.263 0.438 0.119 0.851

Norte 47°S

Sur 47°S




66

Donde las variables de desempeño analizadas corresponde a:

FMRS: Tasa de mortalidad por pesca que en el largo plazo genera el MRS dado

condicionado al patrón de explotación actual de la pesquería.

MRS/Ro: rendimiento en peso equivalente al MRS por recluta.

BDMRS/Ro: biomasa desovante que genera el MRS por recluta.

BDo/Ro: biomasa desovante virginal por recluta.

BDMRS/BDo: Proporción de la biomasa desovante virginal que genera en el largo plazo el

MRS. Este nivel a menudo es empleado para definir políticas de manejo asociadas al

nivel de escape de desovantes límite.

MRS/BDo: proporción capturada de la biomasa desovante virginal y equivalente al MRS.

Rmrs/Ro: reducción del reclutamiento virginal para lograr el MRS en el largo plazo.

En este contexto, se entiende que el valor que tome h en la relación stock-recluta es de primaria relevancia para determinar la capacidad productiva de un stock, y por lo tanto tiene implicancia directa en la determinación de PBRs específicos. En la Figura 51, se muestran la sensibilidad que tiene en MRS para un stock de peces tipo al usar dos valores de h.

Figura 51. Relación stock-reclutas y curvas de producción teóricas para dos distintos niveles de stepness (h)

por zona.




67

Por otro lado y de acuerdo con la definición presente en la ley de pesca, e interpetada por el departamento de evaluacion de recursos, del Instituto de Fomento Pesquero se contruyo el esquema que representa la normativa legal vigente, la cual define el estado de explotacion de un recurso (ver Anexo 2). La Figura 52, muestra que la plena explotación cubre una región “cercana” al RMS y se encuentra acotada por límites que en biomasa definen, a la sub-explotación por el lado derecho, y la sobre-explotación por el lado izquierdo. Esta misma situación en términos de la mortalidad por pesca

se extiende a un área que es próxima al Fmrs y se la ubica en la región Fmrs c, y de manera

análoga a una región que en biomasa está delimitada a Bmrs d (Figura 53).

Figura 52. Curva de producción respecto de la biomasa en equilibrio y estados posibles de un recurso.




68

Figura 53. Diagrama B-F de estados posibles de un recurso. Las distancias c y d definen la mitad del rango

de variación que es considerado “cerca” al RMS. Los puntos representan solo un ejemplo y la flechas la longitud de los intervalos c y d.

De igual forma, y de acuerdo a la importante incertidumbre respecto de la relación de productividad del stock en terminos de stepness (h), y para la determinación del estado de la poblacion de merluza de tres aletas, se prodecera a la adopción de un proxy del maximo rendimienito sostenible relacionado al con el BDo al 40%. Por lo tanto la Tabla 8 propone los referentes límites y objetivos que serán considerados para definir la condición de explotación durante el 2013. Estos referentes serán revisados en el proyecto “Revisión de los puntos biológicos de referencia (Rendimiento Máximo Sostenido) en las pesquerías Nacionales” que realiza IFOP, y en los Comité Científico Técnicos.

Tabla 8. Puntos de Referencia objetivo y límites por recurso para definir su estado y criterio de explotación.

2 45% 40% 35% 20% F45%Bdo F40%Bdo F35%Bdo 3

(*)Bdo: Biomasa desovante virginal (1), Dinámico: razón potencial reproductivo para cada año;(2) De equilibrio: puede considerar relacion s/r, h y Ro; (4) Calculado

RMS

Mortalidad por pesca (F)

Limite Sub-

expotaciónObjetivo

Limite sobre-

explotaciónBdo(*)

Proporción de BDo

Limite Sub-

expotaciónObjetivo

Limite sobre-

explotaciónLimite colapso




69

Finalmente para fines de análisis de las estrategias de explotación, se utilizaran los puntos biológicos de referencia provenientes de la Tabla 7, y antes descrita para el escenario que evalúa un escarpamiento igual para ambas zonas de la PDA (h=0.6), y que son resumidas en la Tabla 9.

Tabla 9. Puntos biológicos de referencia empleados en el análisis de estrategias de explotación.

Sin desmedro de los análisis aquí presentados, resulta necesario consensuar en el seno del comité científico los aspectos metodológicos que permitan la precisión de PBR especie-específicos en coherencia con los objetivos que pretenda alcanzar el manejo de esta pesquería. Si bien estos PBR especie-específicos podrían diferir de los aquí presentados, se recomienda que los análisis de PBR basados en la producción del stock se mantengan como un escenario basal o alternativo.

6.2.1.1 Zona Norte PDA

La zona norte de la PDA se ha caracterizado por los altos niveles de mortalidad por pesca que han sido aplicados desde el inicio de la pesquería (Figura 54). Con la entrada del palangre en 1987, el stock se aleja de área considerada como sustentable y se traslada al área de riesgo de sobrepesca. Debido a los altos niveles de capturas ejercidos por el arrastre y el palangre, en 1989 y 1990 esta pesquería se encontraba en sobreexplotación debido al agotamiento de la biomasa desovante. Luego de la imposición de las cuotas de capturas en 1994, este stock ha transitado en aquel estado. Para los últimos años, dada los altos niveles de capturas registrados luego de la incorporación del espinel, el stock se ha acercado peligrosamente a la zona de colapso, denotada por el límite del 20% de la razón entre la biomasa desovante actual con respecto a la biomasa desovante virginal. La biomasa desovante virginal es obtenida de acuerdo a la siguiente expresión:

∑

PBR Norte Sur

F=0 0 0

F=Fmrs 0.34 0.36

F=Fsq 0.31 0.49

RPRmsy 0.33 0.35

Zona




70

Con M que corresponde a la mortalidad natural, Na,t abundancia en el tiempo t y edad a, msexa es la proporción de hembras maduras a la edad y Wa son los pesos medios a la edad. La biomasa desovante virginal estimada por el modelo en la zona norte del país corresponde a 20 mil toneladas, con un intervalo de confianza entre 19,2 y 20.9 mil toneladas. Esta cantidad nos permite evaluar la condición de reducción de la población desovante, evaluada al año 2012, la cual corresponde a un agotamiento del 16,3% con un intervalo de confianza entre 0,13954 y 0,18822. En el mismo sentido podemos comentar que la probabilidad que la biomasa actual se encuentre por debajo del nivel objetivo corresponde a 1 (P(BD2012/BD<0.4)=1), por lo tanto existe una alta probabilidad de que el stock se encuentre sobreexplotado (Figura 55). Por su parte la mortalidad por pesca estimada para el año 2012, presenta una mediana igual a 0,31, y un intervalo de confianza entre 0.25-0.36, presentando una probabilidad de estar por sobre el valor objetivo, evaluado en relación a F40% es de P(F2012>F40%)=0,001, por lo tanto existiría una baja probabilidad que el recurso en la zona norte de la PDA presente una condición de sobrepesca (Figura 56).




71

Figura 55. Distribución de la biomasas desovante virginal, el estado de reducción y la mortalidad por pesca asociada, estimada para la Zona Norte de la PDA, se incluyen igualmente los intervalos de confianza.




72

Figura 56. Diagrama de fases. Zona Norte PDA.

0

0.5

1

1.5

2

2.5

3

0 0.5 1 1.5 2 2.5

F/F4

0%

BD/(0.4*BDo)

2012

SubExplotación

Sob

rep

esca

Sobre-explotación




73

6.2.1.2 Zona Sur PDA

La biomasa desovante virginal estimada por el modelo de evaluación corresponde a 10,3 mil toneladas, con un intervalo de confianza de 9,4 y 11,2 mil toneladas. Con respecto al estado poblacional se estima una media para la reducción del 15% con un intervalo entre 11,2% y 19,1%. De igual forma, podemos comentar que la probabilidad que la biomasa actual se encuentre por debajo del nivel objetivo corresponde a P(BD2012/BDo<0.4)=1, por lo tanto existe una alta probabilidad de que el stock se encuentre sobreexplotado. A su vez la mortalidad por pesca presenta un valor de 0,49 año-1, con un intervalo de confianza entre 0,28 y 0,70, presentando una probabilidad de estar por sobre el valor objetivo, evaluado en relación a F40%, seria de P(F2012>F40%)=0.80, lo cual indica que existe una alta probabilidad de que la mortalidad por pesca actual se sitúe por sobre el nivel objetivo (Figura 57). El diagrama de fases del stock de la zona sur de la PDA, es presentado en la Figura 58. En esta figura se puede apreciar que la condición actual del stock se encontraría en la zona de colapso, debido a los altos niveles de mortalidad por pesca que han sido observados para las dos flotas que operan en esta zona. Cabe destacar que este diagrama de fases muestra, que al cabo de 4 años de explotación el stock se desplaza de la zona considerada como de sub-explotación a la zona plena explotación, y rápidamente a la zona de sobre-explotación, zona en la cual permanece hasta el año 2012, donde el stock supera el límite del 20% de la razón entre la biomasa desovante y la condición virginal.




74

Figura 57. Distribución de la biomasas desovante virginal, el estado de reducción y la mortalidad por pesca

asociada, estimada para la Zona Sur de la PDA, se incluyen igualmente los intervalos de confianza.




75

Figura 58. Diagrama de fases. Zona Sur PDA.

6.3 Estrategias de explotación

La determinación de Capturas Biológicas Permisibles (CBA) para el año 2014 fue evaluada en base a: i) dos medidas de riesgo, ii) cuatro opciones de mortalidad por pesca y iii) un escenarios de proyección de reclutamiento. En el caso de la reducción del stock, se evaluó el riesgo asociado a la reducción del stock reproductivo en términos de la biomasa desovante virginal sea inferior a un 20% y 40%. Para el caso de las estrategias de explotación a evaluar se consideraron los siguientes casos para la mortalidad por pesca: (1) F=0, (2) F=Fmrs, (3) F regla de decisión (rampa) y (4) F=Fsq (status quo). Finalmente se considera un escenario de proyección de reclutamiento promedio.

0

0.5

1

1.5

2

2.5

3

0 0.5 1 1.5 2 2.5

F/F4

0%

BD/(0.4*BDo)

Co

lap

so

2012

SubExplotación

Sob

rep

esca

Sobre-explotación




76

Sobre la estrategia de decisión tipo rampa, es necesario indicar que este criterio permite recuperar más rápido a la población a costo de reducir significativamente la mortalidad por pesca (y las capturas), principalmente cuando B/Brms<1. Por lo tanto este tipo de estrategia tiene por finalidad realizar una recuperación lineal de la biomasa a un nivel objetivo en términos de reducciones de la mortalidad por pesca en cantidades en torno a la pendiente trazada entre el origen y la intersección de la mortalidad por pesca y la biomasa objetivos. De igual forma y para aquellos recursos sobre-explotados, los análisis consideran como horizonte de proyección a 10 años. A continuación se presentan los resultados asociados a estas estrategias de explotación para la pesquería de Congrio Dorado, en la Zona Norte y Sur de la PDA.

6.3.1 Zona norte

La Figura 59 muestra el desempeño poblacional del recurso en la zona norte de la PDA frente a cuatro medidas de explotación, las cuales se diferencian en el objetivo que persiguen. Es así como al apreciar que tanto la estrategia de mortalidad asociada a una rampa (Frampa) y aquella que considera mortalidades por pesca del máximo rendimiento sostenible, son capaces de llevar a la biomasa del recurso al nivel objetivo. Las otras dos mortalidades constantes, o sea aquella que mantiene la mortalidad por pesca actual (Fsq) y aquella que considera una reducción total de las capturas no persiguen el objetivo de cautelar un nivel objetivo dado y solo producen un incremento poblacional por debajo o por sobre el objetivo legal de alcanzar el máximo rendimiento sostenible. En términos generales se aprecia que los 4 escenarios evaluados, tiene la capacidad de recuperar el stock. Lo anterior se ve reflejado en una recuperación del stock en términos de 2.5 veces el nivel objetivo, en el plazo de proyección para una estrategia sin capturas. A su vez adoptar la estrategia de mortalidad constante del tipo F=Fmrs, permite una recuperación del stock a un nivel de reducción en torno al 40% de la biomasa desovante virginal. Finalmente la adopción de una estrategia de explotación relacionada con mortalidad por pesca actual (F=Fsq), alcanzaría una recuperación DE 1,02 de BD/0.4*BDo. Se observa además, que el criterio de manejo pesquero asociado a una ausencia total de mortalidad por pesca, produce un importante incremento poblacional llevando a la población de una condición de sub-explotación en el mediano plazo (4 años). Por otro lado si es considerado una mortalidad asociada al máximo rendimiento sostenible, lo cual implica aumentar los niveles de captura a valores en torno a las 1,4 mil toneladas, provocaría una reducción de la población desovante en relación al punto biológico de referencia, lo cual no se consigue en un plazo de proyección poblacional de 10 años. Lo anterior significa que el plazo para lograr el objetivo debe ser mayor al adoptado de acuerdo a la condición biológica del recurso.




77

La estrategia asociada a la regla de explotación tipo rampa, considera como niveles recomendables de captura para el año 2014 de 1084 toneladas, captura que llegaría a las 3 mil toneladas al final del periodo de proyección. En términos de la probabilidad y riesgo asociado a esta última estrategia de explotación, cabe señalar que los niveles de captura resguardan plenamente el nivel asociado a cautelar el 20% de la condición reproductiva en términos del estado virginal, con bajo riesgo de superar con estos niveles de captura este límite. De igual forma la probabilidad asociada a cautelar el objetivo del 40% de la condición virginal se ve superada los primeros años de proyección reduciéndose paulatinamente, presentando al final del periodo de simulación una baja probabilidad (P(BD2012/BDo<0.4)=0.24) (Tabla 10).

Figura 59. Diagrama de fases para la Zona Norte de la PDA, incluyendo 4 estrategias de explotación.

0

0.5

1

1.5

2

2.5

3

0 0.5 1 1.5 2 2.5

F/F4

0%

BD/(0.4*BDo)

Rampa

F=0

F=Fmrs

Frampa

Fsq

2012

SubExplotación




78

Tabla 10.

Proyección con 4 diferentes estrategias de explotación para la zona norte, con niveles de mortalidad por pesca, captura y riesgo asociado a las políticas que resguardan el 40% y 20% de la biomasa

desovante virginal.

1 0 3785 0 0.800 1.000

2 0 4395 0 0.113 1.000

3 0 5182 0 0.000 1.000

4 0 6303 0 0.000 1.000

5 0 7828 0 0.000 0.707

6 0 9655 0 0.000 0.000

7 0 11632 0 0.000 0.000

8 0 13637 0 0.000 0.000

9 0 15569 0 0.000 0.000

10 0 17327 0 0.000 0.000

1 0.34 3245 1453 0.999 1.000

2 0.34 3004 1366 1.000 1.000

3 0.34 3016 1408 1.000 1.000

4 0.34 3387 1621 0.999 1.000

5 0.34 4051 1979 0.439 1.000

6 0.34 4782 2366 0.000 1.000

7 0.34 5409 2686 0.000 1.000

8 0.34 5884 2907 0.000 1.000

9 0.34 6224 3049 0.000 0.999

10 0.34 6455 3135 0.000 0.971

1 0.24 3388 1081 0.997 1.000

2 0.17 3447 764 0.998 1.000

3 0.17 3759 861 0.919 1.000

4 0.19 4362 1110 0.035 1.000

5 0.22 5208 1568 0.000 1.000

6 0.26 6039 2210 0.000 1.000

7 0.30 6615 2835 0.000 0.988

8 0.33 6891 3235 0.000 0.471

9 0.34 6977 3351 0.000 0.240

10 0.34 6983 3336 0.000 0.243

1 0.31 3395 1062 0.983 1.000

2 0.31 3352 1059 0.931 1.000

3 0.31 3507 1130 0.369 1.000

4 0.31 3995 1314 0.000 1.000

5 0.31 4795 1607 0.000 1.000

6 0.31 5709 1940 0.000 1.000

7 0.31 6558 2237 0.000 1.000

8 0.31 7266 2463 0.000 0.673

9 0.31 7822 2624 0.000 0.021

10 0.31 8235 2730 0.000 0.001

Mortalidad por

pesca

Años de

simulaciónEscenario p(BD/BDo<0.4)p(BD/BDo<0.2)CBA(t.)

Biomasa

Desovante

F=0

F=Fmrs

Frampa

Fsq




79

6.3.2 Zona Sur

La Figura 60, muestra la condición poblacional del recurso congrio dorado en la zona sur de la PDA, acompañado de las ya comentadas 4 estrategias de explotación. En esta figura se observa, al igual que lo apreciado en la zona norte de la PDA, que con una reducción total de las capturas la condición del recurso rápidamente (4 años) pasaría de un nivel asociada al colapso del recurso (15% de BDo) a una zona de seguridad total como es la zona de sub-explotación. Por otro lado, al apreciar el desempeño de la estrategia del Fmrs, se alcanza el objetivo en un plazo levemente menor a los 7 años, esta estrategia implica una reducción de las capturas para el año 2014 de al menos 500 toneladas de lo observado el año 2012. De igual forma el nivel de mortalidad que persigue cautelar el objetivo legal por medio de la utilización de una rampa de mortalidades de pesca, que sin embargo este es alcanzado en un plazo menor a los 5 años. Lo anterior se explica por una mayor reducción de las capturas que las estrategias F=Fmrs y F=Fsq (Tabla 11). Al apreciar el desempeño de la población sometida a la estrategia de captura en torno al nivel observado en el año 2012 (Fsq), posibilita posicionar al recurso en una el área de sobre-explotación. Cabe señalar que esta estrategia no permite alcanzar el nivel objetivo relacionado a cautelar el 40% de la condición desovante virginal. Finalmente y en términos de la probabilidad asociada a resguardar al menos el 20% de la condición virginal de la biomasa desovante, es garantizada en los cuatro escenarios analizados, sin embargo existe una relación directa entre el nivel de mortalidad asociada y la velocidad de salida de la región de sobre explotación. En relación con cautelar un nivel asociado al 40% de la biomasa desovante virginal, la simulación muestra que con una reducción total de las capturas y con un nivel de riesgo menor al 10% se alcanza este objetivo en un plazo de 6 años. A su vez, el Fmrs alcanzaría este nivel en plazo de 10 años, y el Frampa en 9 años. En último caso, se aprecia que los niveles de captura y mortalidad observados y proyectados en una condición denominada “status quo” (Fsq) no permite en el plazo de evaluación alcanzar este nivel.




80

Figura 60. Diagrama de fases para la Zona Sur de la PDA, incluyendo 4 estrategias de explotación.

0.00

0.25

0.50

0.75

1.00

1.25

1.50

1.75

2.00

2.25

2.50

2.75

3.00

3.25

3.50

0 0.25 0.5 0.75 1 1.25 1.5 1.75 2 2.25 2.5

F/F4

0%

BD/(0.4*BDo)

Rampa

F=0

F=Fmrs

Frampa

Fsq

Co

lap

so

2012

SubExplotación




81

Tabla 11. Proyección con 4 diferentes estrategias de explotación para la Zona Sur de la pesquería de Congrio Dorado, con niveles de mortalidad por pesca, captura y riesgo asociado a las políticas que resguardan el 40% y 20%

de la biomasa desovante virginal.

1 0 1807 0 0.867 1.000

2 0 2228 0 0.264 1.000

3 0 2793 0 0.003 1.000

4 0 3505 0 0.000 0.988

5 0 4349 0 0.000 0.234

6 0 5282 0 0.000 0.000

7 0 6264 0 0.000 0.000

8 0 7241 0 0.000 0.000

9 0 8173 0 0.000 0.000

10 0 9041 0 0.000 0.000

1 0.15 1569 603 0.994 1.000

2 0.16 1644 535 0.993 1.000

3 0.19 1917 534 0.819 1.000

4 0.23 2352 632 0.040 1.000

5 0.28 2861 830 0.000 1.000

6 0.32 3335 1071 0.000 1.000

7 0.36 3715 1282 0.000 1.000

8 0.39 3989 1426 0.000 0.938

9 0.40 4175 1518 0.000 0.353

10 0.42 4297 1576 0.000 0.059

1 0.16 1617 486 0.990 1.000

2 0.18 1819 271 0.931 1.000

3 0.21 2213 332 0.185 1.000

4 0.26 2718 483 0.000 1.000

5 0.31 3254 751 0.000 1.000

6 0.36 3705 1115 0.000 1.000

7 0.39 4002 1422 0.000 0.958

8 0.40 4188 1524 0.000 0.274

9 0.42 4307 1582 0.000 0.033

10 0.42 4382 1616 0.000 0.007

1 0.49 1493 782 0.999 1.000

2 0.49 1494 639 1.000 1.000

3 0.49 1731 616 0.988 1.000

4 0.49 2137 738 0.316 1.000

5 0.49 2597 981 0.000 1.000

6 0.49 2993 1257 0.000 1.000

7 0.49 3275 1475 0.000 1.000

8 0.49 3456 1607 0.000 1.000

9 0.49 3563 1680 0.000 1.000

10 0.49 3625 1720 0.000 1.000

p(BD/BDo<0.4)

F=0

F=Fmrs

Frampa

Fsq

EscenarioAños de

simulación

Mortalidad por

pesca

Biomasa

DesovanteCTP (t.) p(BD/BDo<0.2)




82

7 DISCUSIÓN

Este estudio intenta complementar de manera preliminar tanto el objetivo basal del estudio como los objetivos específicos propuestos para la realización de la asesoría científico técnica del año 2014, que permita una mejor comprensión de la biología básica del recurso, del estatus y de las posibilidades de explotación biológicamente sustentables de Congrio Dorado en la zona Norte y Sur de la PDA. Por lo tanto este estudio se hace cargo de manera cuantitativa de la dinámica pesquera del recurso. Es necesario de igual forma reconocer que los resultados están supeditados a la ojiva de madurez (actualizada) y a las series de información actualizada y que pudiesen ser modificadas en futuras aproximaciones cuantitativas de los stocks de Congrio Dorado. Por lo tanto este estudio aunque preliminar está condicionado a una configuración particular de la dinámica del recurso, que si bien se ha mantenido en los últimos años, pudiese ser modificada en el corto plazo. Por lo tanto futuras aproximaciones se harán cargo de distintas hipótesis materializados en análisis de sensibilidad frente a distintos escenarios o casos de evaluación, ante condiciones de configuración relacionados con los cv’s y tamaños de muestra considerados para el ajuste de los índices de abundancia y las estructuras de edades y tamaños respectivamente. Finalmente cabe señalar que los resultados de las distintas estrategias de explotación evaluadas en esta investigación están asociados a escenarios de reclutamientos promedios, los cuales podrían representar una condición de la naturaleza mucho más optimista que la condición observada en los últimos años de evaluación del recurso. Teniendo en cuenta lo anterior, parece necesario abordar en futuras aproximaciones del estatus del recurso la modelación de estrategias de explotación que incorporen el desempeño de otros escenarios de la naturaleza (optimista y pesimista).




83

8 CONCLUSIONES

1. Se destaca la coincidencia en el ajuste de ambas plataformas de modelación (ADMB y Matlab), sin embargo ADMB es capaz de realizar mejores ajustes.

2. La condición de explotación de Congrio Dorado en la zona norte de la PDA, es sobre explotado, con un nivel de agotamiento del stock desovante en relación a su condición virginal de un 16%.

3. La condición de explotación del recurso en la zona sur de la PDA, seria de un 15% para la razón entre BD2012 y BDo.

4. La evaluación del estado actualizado y preliminar del stock de Congrio Dorado en la zona norte de la PDA en el año 2012 considera una biomasa total y desovante estimada de 11,4 3,4 mil toneladas respectivamente. Para la zona sur de la PDA, el modelo estima una biomasa total en torno a las 5 mil toneladas y en el caso de la biomasa desovante 1,6 mil toneladas.

5. Por lo tanto y en base a los resultados la condición del stock en la Zona Norte de la PDA correspondería a una situación de sobre explotación. Para la Zona Sur de la PDA en tanto la condición estimada ubica al recurso en una condición de sobrepesca y de sobre explotación.

6. En términos de manejo, y teniendo en cuenta la condición del recurso, se recomienda la puesta en marcha de un plan de recuperación, para el recurso en la zona norte y sur de la PDA. Por otro lado se recomienda aquellas estrategias de explotación que muestran efectividad de reparación de la condición de sustentabilidad de la población en el corto plazo. Para este efecto se recomiendan asumir una política de manejo basada en Frampa, con capturas biológicamente aceptables para el año 2014 de 1081 toneladas para la Zona Norte y de capturas bajo las 486 toneladas para la zona sur de la PDA.

7. Finalmente se recomienda que se incentive a la realización de un estudio biológico del recurso, el cual aborde la estimación de la madurez a la edad con métodos microscópicos de observación de las gónadas para ambas zonas de la PDA, este estudio debería subsanar los problemas reconocidos por Baker et al. (in press) en la asignación de madurez a través de la inspección macroscópica.




84

9 REFERENCIAS

Baker L, Wiif R, Quiroz JC, Flores A, Céspedes R, Barrientos M, Ojeda V, & C. Gatica. Reproductive

ecology of the female pink cusk-eel (Genypterus blacodes): Evaluating differences between fishery management zones in the Chilean austral zone. Acepted in Environmental Biology of Fishes.

Chong J. 1993. Ciclo de madurez sexual del congrio dorado (Genypterus blacodes) en la zona de la

pesquería sur-austral. Estudio complementario a “Captura total permisible del recurso merluza del sur en aguas interiores, 1991”. IFOP-SUBPESCA (Circulación restringida).

Fournier, D.A., H.J. Skaug, J. Ancheta, J. Ianelli, A. Magnusson, M.N. Maunder, A. Nielsen, and J.

Sibert. 2012. AD Model Builder: using automatic differentiation for statistical inference of highly parameterized complex nonlinear models. Optim. Methods Softw. 27:233-249.

Ward R.D, Appleyard S.A, Daley R.K & A Reilly . 2001. Population structure of pink ling (Genypterus

blacodes) from south-eastern Australian waters, inferred from allozyme and microsatellite analyses. Mar. Freshwater Res. 52: 965-973.

Wiff R, Montecinos M, Ojeda V & J Farías. 2005. Congrio dorado en la pesquería demersal sur

austral; ¿Es plausible la hipótesis de una sola unidad poblacional?. XI Congreso Latinoamericano de Ciencias del Mar (COLACMAR), 16-20 de Mayo, Viña del Mar, Chile.

Wiff R , Ojeda V & J.C Quiroz. 2007. Age and growth in pink cusk-eel (Genypterus blacodes) off the

Chilean austral zone: Evaluating differences between management fishing zones. Journal of Applied Ichthyology. 23: 270-272

Wiff, R, Quiroz J.C, Ojeda, V. & M.A. Barrientos. 2011. Estimación de mortalidad natural e

incertidumbre para congrio dorado (Genypterus blacodes Schneider, 1801) en la zona sur-austral del Chile. Lat. Am. J. Aquat. Res. 39(2): 316-326.

Wiff, R, J.C Quiroz, R Cespedes & L. Chong. 2012. Investigación del estatus y evaluación de

estrategias de explotación en congrio dorado 2012. IFOP-SUBPESCA.

ANEXOS

ANEXO 1:

Reporte de reuniones de coordinación bilaterales

IFOP-SUBPESCA




1

Reporte 1ra Reunión

Marco de Referencia para el diagnóstico de los recursos pesqueros 2013

Auditorio IFOP, Valparaíso 20 de agosto 2013

Se reunieron los equipos técnicos del Departamento de Evaluación de Recursos (DER) de IFOP y de la División de Administración Pesquera de la Subsecretaría de Pesca, con el objeto de discutir sobre los alcances de la Nueva ley General de Pesca y Acuicultura respecto de la definición del Marco de Referencia para el diagnóstico de los recursos pesqueros 2013, y cuyos puntos más destacables fueron los siguientes: Sobre la definición de sobre-explotación

Existe pleno consenso sobre la necesidad de retomar la definición de sobrepesca y distanciarla del concepto de sobre-explotación, considerando que la LGPA no es explicita en esto. De igual forma y no obstante la definición legal, se comparte que el objetivo de manejo (PBR) debiese ser establecido como proporción del Rendimiento Máximo Sostenido (RMS).

La interpretación literal de la LGPA lleva a considerar una calificación de estatus definida como sobre-explotación por mortalidad, concepto que en ciencia pesquera no existe. En este contexto, se propone sobrepesca como sinónimo. Esto no contraviene la LGPA, ya que esta establece flexibilidad al CCT o a quien ejerza su función durante el periodo de transición, IFOP en este caso..

Respecto de la región o área donde se define la plena-explotación, existe acuerdo que esta debería ser referida respecto de la reducción de biomasa más que al exceso de mortalidad por pesca (“sobrepesca”). Se sugiere que la mortalidad por pesca esté delimitada por un valor de referencia máximo, el que bien podría corresponder al propio Frms y probablemente un valor precautorio que puede ser una proporción de Frms. Sin perjuicio de lo anterior, estas temáticas deben ser discutidas con mayor detalle en los Comité Científico Técnico

Sobre la definición de objetivos y límites

Hubo preocupación sobre el alto nivel de mortalidad por pesca propuesto para recursos en pelágicos (F40%) y como este referente a generado un cambio respecto del esquema históricamente empleado (F60%). Los antecedentes demuestran que criterios como F60% son referentes demasiado conservadores para un régimen histórico de reducción de biomasa que en general ha variado en torno al 40%-50% y de recursos con una gran




2

resiliencia. Por otra parte, la única razón probable es el rol de base de la cadena trófica vista desde una perspectiva ecosistémica. De todas formas, estos referentes deben ser debatido en los CCT y en el proyecto internacional de PBR.

Se indicó que el uso de Fxx% constante para la estimación de CBA debería quedar inserto como parte de reglas de estrategias de explotación, esto considerando que la LGPA define claramente los PBR objetivo y limite y por tanto debería definirse una estrategia de explotación (tasa explotación constante, captura constante, escape constante, o una combinación) que sea consecuente con los objetivos de conservación y el estado de explotación. Con esto, el punto biológico actual debería mostrar cuan cerca o lejos se está de la regla y como debería ser corregido para alcanzar el objetivo.

A la hora de establecer el estado de explotación de los recursos, este deberá ser basado en medidas de riesgo o probabilidad de exceder el criterio definido como límite. Al respecto, se podría calificar de sobre-explotación cuando la probabilidad que la reducción de la biomasa exceda el 50% de estar bajo el referente límite (p.ej. 35%Bo). Vale decir, se considera la distribución de probabilidad de la reducción poblacional respecto del criterio objetivo fijo sin incertidumbre.

Sobre las recomendaciones de cuota biológicamente aceptable

Sin perjuicio del estado de situación de los recursos, las recomendaciones de capturas biológicamente aceptables o acciones de recuperación en aquellos stocks sobre-explotados, deberán estar sustentadas por criterios tipo “rampla” de la biomasa respecto de la mortalidad por pesca/capturas. Es decir, la aplicación de mortalidad por pesca (o captura) constante mientras la biomasa no baje de un valor límite, situación en la cual la disminución en F (o captura) es proporcional a la reducción poblacional. En este sentido el CCT podrá proponer las estrategias de explotación y en el futuro deberán quedar definidas en los planes de manejo, según los objetivos de conservación y sustentabilidad establecidos en la LGPA.

Sobre el diagrama de explotación B-F

En el diagrama de explotación B-F o marco biológico de referencia, la escala de las biomasas y mortalidad por pesca debieran ser relativas al MRS o su proxy. Sin perjuicio de esto, el CCT deberá determinar la frecuencia de revisión en función de los cambios observados en la productividad de los stocks y en el comportamiento espacio temporal de la mortalidad (patrones de explotación).

Varios

Sin perjuicio del informe que sea entregado en Septiembre, el proceso de asesoría posterior se podría traducir en análisis complementarios a discutir en los Comités Científico técnico.




3

Reporte 2da Reunión

Sobre las estrategias de explotación de los recursos pesqueros

para el 2014

Auditorio IFOP, Valparaíso 26 de agosto 2013

Se reunieron los equipos técnicos del Departamento de Evaluación de Recursos (DER) de IFOP y de la División de Administración Pesquera de la Subsecretaría de Pesca, con el objeto de discutir sobre las estrategias de explotación de los recursos pesqueros para el 2014, y cuyos puntos más destacables fueron los siguientes:

Se mostró a manera de ejemplo, un análisis comparativo de simulación sobre criterios de explotación F constante y otro “tipo rampa” cuya regla de decisión consideró la mortalidad por pesca F=Fmrs cuando B/Bmrs>=1, de lo contrario F=Fmrs*B/Bmrs, y destacándose dos hitos principales:

i. Ambas estrategias permiten llevar a la biomasa del recurso al objetivo Brms.

ii. El criterio tipo “rampa” permite recuperar más rápido a la población a costo de reducir significativamente la mortalidad por pesca (y las capturas), principalmente cuando B/Brms<1.

Figura 1: Simulación de un diagrama B-F con referentes del MRS: (a) regla de decisión con

modelo rampa, (b) criterio F constante




4

Los equipos acordaron que la sobre-explotación será definida cuando la biomasa exceda el límite inferior de la biomasa referida al RMS (Brms) o su medida equivalente (B/Brms). Al respecto, se estableció que los intervalos de la Bmrs no necesariamente deben ser simétricos, de manera que desde el enfoque precautorio el límite inferior puede ser muy pequeño y establecido por consenso, mientras el límite superior podrá considerar elementos de incertidumbre y variabilidad. Como valor inicial se propone que el límite inferior se distancie 5 puntos porcentuales del valor Brms (o su equivalente).

El límite superior de la Brms (o su equivalente) se propone como objetivo de manejo precautorio relacionado con el RMS, con lo cual la plena explotación incluye al RMS y queda restringida entre dos valores: B límite y B objetivo.

La variable de control (mortalidad por pesca) definirá a la sobrepesca sin considerar intervalos de confianza, de manera que la condición anterior se declara cuando F>Frms. Lo anterior implica a establecer el criterio de explotación F=Frms para cualquier condición de biomasa mientras esta sea mayor o igual de Brms.

Figura 2: Diagrama B-F tipo y regla de explotación




5

En el régimen de plena y sub explotación (B>Brms), la aplicación del Frms y su respuesta en términos de CBA debería considerar como elemento precautorio el riesgo del 10% de exceder el Frms.

De igual forma y para aquellos recursos sobre-explotados, los análisis de proyección serán realizados considerando como horizonte 10 años en recursos demersales y 5 años en pelágicos pequeños. Asimismo y para todos los recursos, a lo menos se propone el análisis de 4 casos: (1) F=0 (si procede), (2) F=Frms (independiente del estatus), (3)F=F regla decisión (rampa) y 4) F=Fsq (status quo).

Se hace mención sobre la aplicabilidad que tienen estos criterios sobre recursos pelágicos, en los que el ambiente vía los reclutamientos determinan los cambios poblacionales y no necesariamente es la biomasa desovante. Al respecto se indicó que el límite superior de la Brms bien podría considerar toda aquella variabilidad o incertidumbre, haciéndola más precautoria como objetivo de manejo.

Se ilustró el estado de todos los recursos pesqueros nacionales en el marco del diagrama B-F junto al modelo de rampa inicialmente propuesto. Se prevé en la mayoría de los recursos demersales importantes reducciones de la mortalidad por pesca dada su condición de sobre-explotación. Caso contrario se observa en crustáceos, donde la condición de sub-explotación en la mayoría de estos involucra no solo el aumento de la mortalidad por pesca, sino la eventual apertura de los registros de armadores.

Por el ámbito de competencias y del rol que tendrá en los CCT, IFOP propondrá un abanico de escenarios o reglas de decisión/rampas de acuerdo con el marco legal y lo sugerido por SSP.




6




7

ANEXO 2:

Modelo de evaluación y Datos




1

Modelo poblacional

TOP_OF_MAIN_SECTION

arrmblsize = 50000000;

gradient_structure::set_GRADSTACK_BUFFER_SIZE(1.e7);

gradient_structure::set_CMPDIF_BUFFER_SIZE(1.e7);

gradient_structure::set_MAX_NVAR_OFFSET(5000);

gradient_structure::set_NUM_DEPENDENT_VARIABLES(5000);

// modelo en edades para congrio

DATA_SECTION

// se leen los datos contenidos en *.dat. Se define si es matriz, vector,

// entero o numero

init_int nanos

init_int nedades

init_int ntallas

init_int nflotas

init_vector anos(1,nanos)

init_matrix CPUE_obs(1,nflotas,1,nanos)

init_matrix Yflo_obs(1,nflotas,1,nanos)

init_matrix cv_CPUE(1,nflotas,1,nanos)

init_matrix cv_Yflo(1,nflotas,1,nanos)

init_matrix nm_Cedad(1,nflotas,1,nanos)

init_matrix nm_Ctalla(1,nflotas,1,nanos)

init_vector edades(1,nedades)

init_3darray Cedad(1,nflotas,1,nanos,1,nedades)

init_vector Tallas(1,ntallas)

init_3darray Ctalla(1,nflotas,1,nanos,1,ntallas)

init_matrix Wm(1,nanos,1,nedades)

init_vector msex(1,nedades)

int reporte_mcmc

!! ad_comm::change_datafile_name("controles.ctl");

init_number cv_Ro

init_number cv_No

init_int opsel

init_int opF

init_int opq_flo // es la fase de estimacion de q




2

// init_imatrix opt_devq(1,nflotas,1,nanos-1);

!! int temp;

!!temp= nflotas*(nanos-1);

init_ivector opt_devq(1,temp)//,1,nanos-1);

init_vector dt_flota(1,nflotas) //

init_vector lambda(1,nflotas) //

init_vector parbiol(1,5) //

init_int nanos_sim // años a simular

init_vector mf(1,5) // multiplicadores de F

//new commands

//init_int nanos_sim // años a simular

// init_vector mf(1,7) // multiplicadores de F

init_int nproy

init_int npbr

init_vector pbr(1,npbr)

init_number RPRmsy

init_int opt_Str

init_int pR

//!!cout<<pR<<endl;exit(0);

INITIALIZATION_SECTION

log_50f 2.07

log_Df 1

log_sigma 0.7

PARAMETER_SECTION

//parametros de selectividad

init_bounded_vector log_50f(1,nflotas,1.4,2.3,opsel);

init_bounded_matrix log_Df(1,nflotas,1,2,-2.3,10,opsel);

//parametros de F

init_bounded_matrix log_Fcr(1,nflotas,1,nanos,-20,0.7,opF);

//parametros de No y R

init_number log_Ro(1);

init_bounded_vector dev_No(1,nedades,-20,20,1);

init_bounded_dev_vector dev_Rt(1,nanos-1,-20,20,2);

//parametros de q

init_vector log_qcpue(1,nflotas,opq_flo)

!! int temp;




3

!! temp= nflotas*(nanos-1);

init_number_vector devq(1,temp,opt_devq)

// parametros sigma_edad

init_bounded_number log_sigma(0.01,0.5)

//=====================================================

vector anos(1,nanos);

matrix Yflo_pred(1,nflotas,1,nanos);

matrix CPUE_pred(1,nflotas,nanos,1);

vector residuals_cpue(1,nanos)

vector residuals_Bcru(1,nanos)

vector Unos_edad(1,nedades);

vector Unos_anos(1,nanos);

vector Unos_tallas(1,ntallas);

vector log_Rec(1,nanos-1);

vector log_No(1,nedades);

matrix BMf(1,nflotas,1,nanos);

vector Neq(1,nedades);

matrix like(1,4,1,nflotas);

vector penalty(1,5)

vector mu_edad

vector sigma_edad

matrix Sflo(1,nflotas,1,nedades);

matrix Z(1,nanos,1,nedades);

matrix N(1,nanos,1,nedades);

matrix S(1,nanos,1,nedades);

matrix q_cpue(1,nflotas,1,nanos)

3darray F(1,nflotas,1,nanos,1,nedades);

3darray Cpred_edad(1,nflotas,1,nanos,1,nedades);

3darray Cpred_talla(1,nflotas,1,nanos,1,ntallas);

3darray pflo_obs_edad(1,nflotas,1,nanos,1,nedades);

3darray pflo_pred_edad(1,nflotas,1,nanos,1,nedades);

3darray pflo_obs_talla(1,nflotas,1,nanos,1,ntallas);

3darray pflo_pred_talla(1,nflotas,1,nanos,1,ntallas);

matrix P_talla(1,nedades,1,ntallas)

matrix P1(1,nedades,1,ntallas)



number suma1

number suma2




4

number suma3

number suma4

number SSBo

number M

number Linf

number k

number t0

number dt_desov

sdreport_vector BD(1,nanos) //

sdreport_vector BT(1,nanos) //

sdreport_number Bproy

sdreport_number BD_end

sdreport_number BT_end

//likeprof_vector log_Rec

number A50f

//para proyeccion

vector Np(1,nedades);

vector Fp(1,nedades);

vector Fdiag(1,nedades);

vector NDp(1,nedades);

// matrix BDp(1,nanos_sim,1,5);

// vector CTp(1,nedades);

// matrix Yproy(1,nanos_sim,1,5);

// sdreport_vector RPR_last(1,6);

number Rp

vector Wp(1,nedades);

vector Sp(1,nedades);

vector Zp(1,nedades);

vector Ctp(1,nedades);

// biomasa virginal y RPR

matrix Nv(1,nanos,1,nedades)

vector BDv(1,nanos)

vector RPR(1,nanos)

//nuevos

number RPRp

number Npplus

number Fref

vector Fpbr(1,nedades);

matrix matFpbr(1,npbr,1,nproy)

vector Zpbr(1,nedades)

vector CTPp(1,nedades)

matrix Yp(1,npbr,1,nproy)

matrix BDp(1,npbr,1,nproy);

sdreport_matrix RPRf(1,npbr,1,nproy);




5

vector YTPp(1,npbr)

objective_function_value f

PRELIMINARY_CALCS_SECTION

// leo la matriz de indices

Unos_edad=1;

Unos_tallas=1;

Unos_anos=1;

reporte_mcmc=0;

dt_desov=parbiol(5);

RUNTIME_SECTION

convergence_criteria 1.e-1,1.e-03,1e-5

maximum_function_evaluations 100,500,2000

PROCEDURE_SECTION

Eval_prob_talla_edad();

Eval_selectividad();

Eval_mortalidades();

Eval_abundancia();

Eval_biomasas();

Eval_observaciones();

Eval_logverosim();

Eval_funcion_objetivo();

// cout << F(1,nanos) + F(2,nanos) + F(3,nanos) << endl; exit(0);

//Eval_simulaFcte();

// Eval_mcmc();

if(last_phase()){

Eval_CTP();

Eval_mcmc();}

FUNCTION Eval_prob_talla_edad

// se supone proporcionalidad entre la integral de una pdf y la pdf

Linf=parbiol(1);

k=parbiol(2);

t0=parbiol(3);

mu_edad=Linf*(1-exp(-k*(edades-t0)));

sigma_edad=log_sigma*mu_edad;

for (int i=1;i<=nedades;i++){




6

P1(i)=(Tallas-mu_edad(i))/sigma_edad(i);

for (int j=1;j<=ntallas;j++){

P2(i,j)=cumd_norm(P1(i,j));}}

for (int i=1;i<=nedades;i++){

for (int j=2;j<=ntallas;j++){

P3(i,j)=P2(i,j)-P2(i,j-1);}}

P_talla=elem_div(P3+1e-16,outer_prod(rowsum(P3+1e-16),Unos_tallas));

FUNCTION Eval_selectividad

int i;

// Selectividad de la flota doble normal

for (i=1;i<=nflotas;i++){

Sflo(i)= exp(-0.5*square((edades-exp(log_50f(i)))/exp(log_Df(i,1))));

for (int j=1;j<=nedades;j++){

if(edades(j)>=exp(log_50f(i))){

Sflo(i,j)= exp(-0.5*square((edades(j)-

exp(log_50f(i)))/exp(log_Df(i,2))));}}

}

FUNCTION Eval_mortalidades

M=parbiol(4);

for (int j=1;j<=nflotas;j++){

F(j)=outer_prod(exp(log_Fcr(j)),Sflo(j));

}

Z=F(1)+F(2)+F(3)+M;

S=exp(-1.0*Z);

Fdiag= F(1,nanos) + F(2,nanos) + F(3,nanos);

Fdiag/=max(Fdiag);

FUNCTION Eval_abundancia

int i, j;




7

// se dispone de un vector que contiene los reclutas a la edad año

inicial y a la edad 2 anual

log_Rec=log_Ro+dev_Rt;

// genero una estructura inicial de equilibrio como referencia para el

primer año

Neq(1)=exp(log_Ro);

for (int j=2;j<=nedades;j++)

{Neq(j)=Neq(j-1)*exp(-1.*M);}

Neq(nedades)=Neq(nedades)/(1-exp(-M));

N(1)=elem_prod(Neq,exp(dev_No));

for (j=2;j<=nanos;j++)// reclutas anual

{N(j,1)=exp(log_Rec(j-1));}

// se estima la sobrevivencia por edad(a+1) y año(t+1)

for (i=2;i<=nanos;i++)

{N(i)(2,nedades)=++elem_prod(N(i-1)(1,nedades-1),S(i-1)(1,nedades-1));

N(i,nedades)=N(i,nedades)+N(i-1,nedades)*S(i-1,nedades);}// grupo plus

FUNCTION Eval_biomasas

int i, j;

for (i=1;i<=nflotas;i++){

BMf(i)=rowsum(elem_prod(elem_prod(elem_prod(N,exp(-

dt_flota(i)*Z)),Wm),outer_prod(Unos_anos,Sflo(i))));

}

BD=rowsum(elem_prod(elem_prod(outer_prod(Unos_anos,msex),elem_prod(N,exp(

-dt_desov*Z))),Wm));

BT=rowsum(elem_prod(N,Wm));

BD_end=BD(nanos);

BT_end=BT(nanos);

SSBo=sum(elem_prod(elem_prod(Neq,colsum(Wm)/nanos),msex)*exp(-

dt_desov*M));

//------------------------------------------------------------------

Nv=N;

for (int i=2;i<=nanos;i++)

{Nv(i)(2,nedades)=++Nv(i-1)(1,nedades-1)*exp(-1.*M);

Nv(i,nedades)=Nv(i,nedades)+Nv(i-1,nedades)*exp(-1.*M);}




8

BDv=rowsum(elem_prod(elem_prod(outer_prod(Unos_anos,msex),elem_prod(Nv,ex

p(-dt_desov*Z))),Wm));

RPR=elem_div(BD,BDv);

//------------------------------------------------------------------

FUNCTION Eval_observaciones

// matrices de capturas predichas por edad y año

for (int i=1;i<=nflotas;i++){

Cpred_edad(i)=elem_prod(elem_div(F(i),Z),elem_prod(1.-S,N));

Yflo_pred(i)=rowsum(elem_prod(Cpred_edad(i),Wm));

// proporciones a la edad

pflo_pred_edad(i)=elem_div(Cpred_edad(i),outer_prod(rowsum(Cpred_edad(i)+

1e-10),Unos_edad));

pflo_obs_edad(i)=elem_div(Cedad(i),outer_prod(rowsum(Cedad(i)+1e-

10),Unos_edad));

// proporciones a la talla

pflo_pred_talla(i)=elem_div(Cpred_edad(i)*P_talla,outer_prod(rowsum(Cpred

_edad(i)*P_talla+1e-10),Unos_tallas));

pflo_obs_talla(i)=elem_div(Ctalla(i),outer_prod(rowsum(Ctalla(i)+1e-

10),Unos_tallas));

}

// CPUE

int cont;

cont=0;

for (int i=1;i<=nflotas;i++){

q_cpue(i,1)=exp(log_qcpue(i));

for (int j=2;j<=nanos;j++){

cont+=1;

q_cpue(i,j)=q_cpue(i,j-1)*exp(devq(cont));}

CPUE_pred(i)=elem_prod(q_cpue(i),BMf(i));

}




9

FUNCTION Eval_logverosim

int i;


suma1=0; suma2=0;

for (i=1;i<=nanos;i++){

if (CPUE_obs(j,i)>0){

suma1+=square(log(CPUE_obs(j,i)/CPUE_pred(j,i))*1/cv_CPUE(j,i));}

if (Yflo_obs(j,i)>0){

suma2+=square(log(Yflo_obs(j,i)/Yflo_pred(j,i))*1/cv_Yflo(j,i));}}

like(1,j)=0.5*suma1;// like de la CPUE

like(2,j)=0.5*suma2;// like de los desemb

}

// ahora calculo la multinomial a la edad y talla


suma3=0; suma4=0;

for (i=1;i<=nanos;i++){

suma3+=-

nm_Cedad(j,i)*sum(elem_prod(pflo_obs_edad(j,i),log(pflo_pred_edad(j,i))))

;

suma4+=-

nm_Ctalla(j,i)*sum(elem_prod(pflo_obs_talla(j,i),log(pflo_pred_talla(j,i)

)));

}

like(3,j)=suma3;

like(4,j)=suma4;

}

// ahora calculo el error de proceso del primer año

penalty(1)=1/(2*square(cv_No))*sum(square(log(N(1))-log(Neq)));

// ahora calculo el error de proceso de los reclutas anuales

penalty(2)=1/(2*square(cv_Ro))*sum(square(dev_Rt));




10

penalty(3)=sum(elem_div(square(column(log_Df,2)-

4),0.5*square(lambda)));

FUNCTION Eval_funcion_objetivo

f=sum(like)+sum(penalty);

// Rampa

FUNCTION Eval_CTP

for (int i=1;i<=npbr;i++){ // ciclo de PBR

Np=N(nanos);

Sp=S(nanos);

RPRp=RPR(nanos);

Wp=Wm(nanos);

for (int j=1;j<=nproy;j++){ // ciclo de años

// calcula la CBA para los PBR7

Npplus=Np(nedades)*Sp(nedades);

Np(2,nedades)=++elem_prod(Np(1,nedades-1),Sp(1,nedades-1));

Np(nedades)=Np(nedades)+Npplus;

Np(1)=pR*exp(log_Ro+0.5*square(cv_Ro)); // Reclutas proyectados

Fref=pbr(i);

// cout<<"Fref"<<Fref<<endl;

if(opt_Str==0){ // opción de Fcte o regla de decisión

// Regla de decisión------------

if(RPRp/RPRmsy<1){

Fref=pbr(i)*RPRp/RPRmsy;}

//------------------------------

}

// cout<<"Fref"<<Fref<<endl; exit(1);

matFpbr(i,j)=Fref; // almaceno los Fref par aver como varían y

graficar

//Fpbr=Sflo(3,nanos)*Fref;//orginal

Fpbr=Fdiag*Fref;

Zpbr=Fpbr+M;

CTPp=elem_prod(elem_div(Fpbr,Zpbr),elem_prod(1.-exp(-1.*Zpbr),Np));

// biomasas desovantes y capturas proyectadas con el peso promedio

BDp(i,j)= sum(elem_prod(elem_prod(elem_prod(Np,mfexp(-

0.5833*Zpbr)),msex),colsum(Wm)/nanos));

//BDp(i,j)=sum(elem_prod(Np,Wp));

Yp(i,j)=sum(elem_prod(CTPp,colsum(Wm)/nanos));

//Yp(i,j)=sum(elem_prod(CTPp,Wp));

RPRp=BDp(i,j)/SSBo;




11

Sp=exp(-1.*Zpbr);//Process congrio exited abnormally with code 1

// cout<<i<<" "<<j<<endl;

}// FIN CICLO AÑOS j

YTPp(i)=Yp(i,1); // uso YTP para el año siguiente como

sdreport_vector

}// FIN CICLO PBR i

RPRf=BDp/SSBo;

//FUNCTION Eval_simulaFcte

// int i,j;

//============================================================

// SIMULACION CON M por pesca (F) CONSTANTES

//for (j=1;j<=5;j++){ // ciclo de multiplicadores de F

// Np=N(nanos); //Abundancia en el ultimo año

// Rp=mean(exp(log_Rec(nanos-23,nanos-1)));// Supuesto: reclutamiento

constante igual al promedio de la serie

// Rp=exp(log_Ro);//mean(exp(log_Rec(nanos-6,nanos-1))); // Supuesto:

reclutamiento constante igual al promedio de los ultimos 5 años

// Wp=Wm(nanos); //Pesos medio ultimo año

// Sp=S(nanos); //Sobrevivencia en el ultimo año con datos

// for (i=1;i<=nanos_sim;i++){// loop de años

// Np(2,nedades)=++elem_prod(Np(1,nedades-1),Sp(1,nedades-1));

// Np(1)=Rp;

// Fp=mf(j)*(F(1,nanos) + F(2,nanos) + F(3,nanos));

// Zp=Fp+M; //

// Sp=exp(-1.0*Zp);

// NDp=elem_prod(elem_prod(Np,exp(-0.5833*Zp)),msex); //Abundancia

desovante proyectada

// BDp(i,j)=sum(elem_prod(NDp,Wp));

// Ctp=elem_prod(elem_div(Fp,Zp),elem_prod(1.-Sp,Np)); //Baranov

// Yproy(i,j)=sum(elem_prod(Ctp,Wp));}

// ojo con estas siguientes lineas pa las proyecciones

//RPR_last(j)=BDp(nanos_sim,j)/mean(BD(1,22));}// promedio 22

años

// RPR_last(j)=BDp(nanos_sim,j)/mean(BD(1,9));}// promedio

primeros nueve años

// RPR_last(j)=BDp(nanos_sim,j)/max(BD(1,21));}//reduccion con

respecto al maximo de la serie




12

// RPR_last(j)=BDp(nanos_sim,j)/SSBo;}// respecto de biomasa

virginal de equilibrio

FUNCTION Eval_mcmc

if(reporte_mcmc == 0)

mcmc_report<<"BD,Bproy, L50f,log_Ro"<<endl;

mcmc_report<<BD<<","<<Bproy<<","<<A50f<<","<<log_Ro<<endl;

// reporte_mcmc++;

REPORT_SECTION

report << "CPUE" << endl;


report << "flota "<<j<< endl;

report << CPUE_obs(j) << endl;

report << CPUE_pred(j) << endl;}

report << "Yflo" << endl;



report << Yflo_obs(j) << endl;

report << Yflo_pred(j) << endl;

}

report << "F_flo" << endl;

report << exp(log_Fcr) << endl;

report << "BT & BD & R" << endl;

report << BT << endl;

report << BD << endl;

report << BMf << endl;

report << column(N,1) << endl;

report << "Sflo" << endl;

report << Sflo << endl;

report << "Abundancia N "<< endl;

report << N << endl;

report << "F por flota "<< endl;



report << F(j) << endl;

}

report <<"Fdiagrama"<<endl;

report << Fdiag <<endl;




13

report << "L(edad) & sigma(edad)" << endl;

report << mu_edad << endl;

report << sigma_edad << endl;

report << "q_flota" << endl;

report << q_cpue << endl;

report << "Like" << endl;

report << like << endl;

report << "Prop_Cedad observada "<< endl;



report << pflo_obs_edad(j) << endl;

}

report << "Prop_Cedad predicha "<< endl;



report << pflo_pred_edad(j) << endl;

}

report << "Prop_Tallas observada "<< endl;



report << pflo_obs_talla(j) << endl;

}

report << "Prop_Tallas predicha "<< endl;



report << pflo_pred_talla(j) << endl;

}

// report << "Bproy " << endl;

// report << Bproy << endl;//

//report << "Proyeccion del stock" << endl; //

//report << "Yproy" << endl; //captura proyectada

// report << Yproy<< endl;

// report << "BDp" << endl; // biomasa desovante proyectada

// report << BDp << endl;

// report << "RPR_final" << endl; //RPR al final del horizionte de

proyeccion

// report << RPR_last << endl;

// report << "SSB/SSBo" << endl; //RPR al final del horizionte de

proyeccion

// report << BD/SSBo << endl;

// report << "RPR" << endl; //RPR al final del horizionte de proyeccion

// report << RPR << endl;

// report << "BDv" << endl; //RPR al final del horizionte de proyeccion

// report << BDv << endl;




14

// report << "SSBo" << endl; //RPR al final del horizionte de proyeccion

// report << SSBo << endl;

report << "Proyeccion del stock" << endl; //

report << "BDp" << endl; // biomasa desovante proyectada

report << BDp << endl;

report << "RPR_final" << endl; //RPR al final del horizionte de

proyeccion

report << BDp/SSBo << endl;

report << "RPR" << endl; //RPR al final del horizionte de proyeccion

report << RPR << endl;

//report << "BDv" << endl; //RPR al final del horizionte de proyeccion

//report << BDv << endl;

report << "SSBo" << endl; //RPR al final del horizionte de proyeccion

report << SSBo << endl;

report << "BDp/SSBo" << endl; // biomasa desovante proyectada

report << BDp/SSBo << endl;

report << "matFpbr" << endl; //

report << matFpbr << endl;

report << "Yp" << endl; //

report << Yp << endl;

report << "CTP(pbr)" << endl; //

report << YTPp << endl;

report << "RPR final" << endl; //

report << RPRf << endl;

GLOBALS_SECTION

#include <admodel.h>

ofstream mcmc_report("mcmc.csv");




15

Datos Norte

#nanos

35

#nedades

12

#ntallas

36

#nflotas

3

Edad Peso medio #Msex_t

3 0.75 0.01

4 1.06 0.04

5 1.42 0.11

6 1.86 0.25

7 2.37 0.43

8 2.94 0.59

9 3.62 0.72

10 4.44 0.80

11 5.39 0.86

12 6.28 0.89

13 7.03 0.92

14 8.89 0.93




16

Años

1978 0.771 0 0 6269 0.1 0.1 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

1979 0.871 0 0 4671 0.1 0.1 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

1980 0.416 0 0 4272 0.1 0.1 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

1981 0.545 0 0 4278 0.1 0.1 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

1982 0.654 0 0 2227 109 0.1 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

1983 0.597 0 0 2029 122 0.1 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

1984 0.968 0 0 2413 387 0.1 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

1985 1 0 0 2563 454 0.1 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

1986 0.644 0 0 4754 978 0.1 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

1987 0.488 0 0.878 5888 1893 500 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

1988 0.435 0 0.954 2842 691 5657 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

1989 0.309 0 0.509 2695 1452 5374 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

1990 0.197 0 0.401 1502 1151 3832 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

1991 0.145 0 0.364 881 895 2991 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

1992 0.165 0 0.344 1408 609 1405 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

1993 0.195 0 0.406 1409 128 868 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

1994 0.182 0 0.398 2070 239 480 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

1995 0.199 0 0.672 2160 253 863 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

1996 0.329 0 0.83 2215 327 730 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

1997 0.279 0 0.76 2357 403 610 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

1998 0.185 0.1 0.711 2225 655 703 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

1999 0.158 0.299 1 2117 503 1047 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

2000 0.48 0.181 0.742 1436 615 1336 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

2001 0.29 1 0.531 1379 1068 893 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

2002 0.367 0.305 0.428 1113 284 1035 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

2003 0.288 0.217 0.424 690 859 1424 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

2004 0.225 0.206 0.402 631 1604 1514 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

2005 0.316 0.297 0.386 276 978 558 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

2006 0.403 0.216 0.289 1058 1018 475 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

2007 0.171 0.658 0.255 508 1185 626 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

2008 0.187 1 0.212 202 840 627 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

2009 0.231 0.815 0.222 193 1394 746 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

2010 0.488 0.725 0.247 559 1286 447 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

2011 0.177 0.565 0.17 448 516 413 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

2012 0.411 0.452 0.218 416 408 641 0.15 0.15 0.15 0.05 0.05 0.05 100 100 100 50 50 50

#Cpue_arr & esp & pal #Y_arr_obs & esp & pal # CV de CPUE x flota # CV de Desembarques # nm Cedades x flota # nm Ctallas x flota




17

Matriz captura a la edad flota arrastre

#Edades 1982 1983 1984 1985 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012

3 16359 50210 0 50438 23575 10525 10432 11196 3734 1486 8967 11018 2136 12700 18885 11301 6439 8298 18069 1819 5939 512 10913 12817 1060 405 119 885 401

4 57836 66681 0 56998 63409 66779 49631 33820 28937 10008 46583 16603 81554 115759 102311 83665 43693 27117 32412 13236 11962 6563 23976 22804 3387 1830 1679 3639 1594

5 96947 92086 0 137463 108643 122811 106818 81369 65109 37444 78916 35291 151499 313834 238272 124940 93565 90454 56588 37809 24757 20959 84351 35845 10013 3439 6254 13763 6669

6 160862 71274 0 215545 156788 172269 127478 80626 98387 108703 145737 112203 184622 345281 230292 175789 157044 129388 79059 54764 39650 27091 95202 43619 18641 9967 20472 20262 17540

7 160078 75054 0 187322 183797 165886 124216 74258 74848 166427 178161 224578 165416 235356 201222 144474 157735 127833 89177 62353 39503 26799 84446 36220 21602 20152 41164 36493 31375

8 142844 79501 0 97908 178737 151516 80313 51727 59131 192771 162493 256009 135580 139246 159503 130997 93019 92200 55991 39341 44770 15327 59847 41283 13817 14581 38562 29088 27436

9 89404 65528 0 105299 142879 102848 39565 26786 38384 110454 80967 168956 75035 45386 70385 80565 55329 57264 37698 49261 46446 8891 39803 21462 8273 8024 19233 12956 13923

10 54469 42252 0 33191 64462 64844 22780 12300 10146 38016 43591 75517 57770 26894 21821 37045 19596 34832 20670 21426 20772 3273 15977 10651 5543 4175 12756 11696 12008

11 27463 27927 0 19660 40567 33321 12001 3188 22393 12325 39904 42109 20413 6240 6906 18455 6841 13811 15280 6607 11389 635 7699 8187 2892 4640 12682 7671 6659

12 9629 16612 0 6206 21601 23853 10602 1615 10616 4353 18375 20720 19212 1159 2529 4619 2447 6343 9629 4746 2201 105 2734 2722 1651 2035 9379 3747 2875

13 9171 22087 0 12744 13388 16601 4786 0 3766 2488 12420 9695 4587 166 4919 6855 326 3091 6928 248 1472 92 1669 1210 735 630 2379 1591 1050

14 6122 14098 0 316 14636 2437 2914 4394 8003 1050 3400 5015 20000 0 136 0 531 439 1272 247 902 190 1651 826 434 1582 3743 1463 826




18

Matriz captura a la edad flota espinel

#Edades 2005 2006 2007 2008 2009 2010 2011 2012

3 3318 6058 12561 0 14029 15323 4736 4187

4 15509 22083 28068 0 41723 86396 38963 26660

5 39019 65563 60983 23 61683 104313 70042 38044

6 43935 79279 85524 263 124137 129395 60686 37211

7 48514 82350 77163 1748 173370 113785 51091 41556

8 31086 50893 92589 8195 107214 70217 29845 28115

9 16264 32285 49084 9619 51748 21580 10152 10246

10 3899 14937 22004 6815 26607 33658 6693 5156

11 2866 6839 18381 6510 23352 24894 2888 1900

12 769 3550 9526 4317 13022 15561 1506 662

13 0 1241 1851 1449 2726 14583 503 312

14 0 38 2503 315 5798 90 380 267

Matriz captura a la edad flota palangre

#Edades 1998 2002 2004 2005 2006 2007 2008 2009 2010 2011 2012

3 350 2593 385 60 461 132 0 0 0 0 0

4 14624 17464 3525 4824 2075 930 5650 138 310 23 10

5 37639 29234 17320 28472 13824 6217 25711 2480 3117 1111 692

6 59757 56031 41283 43083 23462 21566 42739 9307 12809 4778 3844

7 56484 51946 67319 54055 30730 27076 53668 36627 29542 13096 11204

8 47380 47402 76196 31187 25847 39635 46127 42657 21876 15314 23570

9 25574 35528 76143 19762 23568 34590 32682 34254 6039 13363 24324

10 13673 23800 58807 9393 13433 24600 21805 25448 2209 19130 30964

11 4793 24474 41018 3394 7823 19525 14351 27670 1828 14338 17800

12 1022 12339 23739 869 1716 6246 6241 12140 436 5342 7801

13 151 7473 9598 137 891 2251 1348 2794 50 1894 3801

14 0 3718 7340 0 794 1180 146 4796 0 610 1209




19

Matriz de captura a la talla espinel

Tallas 1998 1999 2001 2003 2004

5.5 0 0 0 0 0

9.5 0 0 0 0 0

13.5 0 0 0 0 0

17.5 0 0 0 0 0

21.5 0 0 0 0 0

25.5 0 0 0 0 0

29.5 0 0.0001564 0 0 0

33.5 0 0.0004692 0 0 0

37.5 0 0.0009384 0 0 0.001368

41.5 0 0.0037535 0 0 0

45.5 0 0.0053175 0 0 0.001368

49.5 0 0.0103222 0 0.0043821 0.0136799

53.5 0.0010225 0.0192368 0.004902 0.0008764 0.0109439

57.5 0.0092025 0.0367532 0.004902 0.0403155 0.0082079

61.5 0.0337423 0.0753832 0.0196078 0.0464505 0.0218878

65.5 0.0408998 0.1099468 0.0490196 0.0797546 0.0971272

69.5 0.1042945 0.1335627 0.0784314 0.1279579 0.1463748

73.5 0.1451943 0.1326243 0.1078431 0.1595092 0.1887825

77.5 0.1533742 0.1263685 0.122549 0.2147239 0.1381669

81.5 0.1278119 0.0988427 0.1372549 0.1279579 0.1313269

85.5 0.1226994 0.0789803 0.127451 0.0832603 0.0766074

89.5 0.093047 0.0639662 0.0784314 0.0552147 0.0656635

93.5 0.0644172 0.0434783 0.0980392 0.0333041 0.0574555

97.5 0.0480573 0.0253363 0.0588235 0.0131464 0.0232558

101.5 0.0235174 0.0129809 0.0637255 0.0052585 0.0123119

105.5 0.0153374 0.0117297 0.0196078 0.006135 0.001368

109.5 0.0112474 0.0059431 0.0196078 0.0008764 0.004104

113.5 0.0030675 0.0018768 0.0098039 0.0008764 0

117.5 0.002045 0.0006256 0 0 0

121.5 0.0010225 0.0010948 0 0 0

125.5 0 0.0003128 0 0 0

129.5 0 0 0 0 0

133.5 0 0 0 0 0

137.5 0 0 0 0 0

141.5 0 0 0 0 0

145.5 0 0 0 0 0




20

Matriz de captura a la talla palangre

Tallas 1989 1990 1991 1996 1997 1999 2000

5.5 0 0 0 0 0 0 0

9.5 0 0 0 0 0 0 0

13.5 0 0 0 0 0 0 0

17.5 0 0 0 0 0 0 0

21.5 0 0 0 0 0 0 0

25.5 0 0 0 0 0 0 0

29.5 0 0 0 0 0 0 0

33.5 0 0 0 0 0 0 0

37.5 0 0 0 0 0 0 0.000292

41.5 0 0 0 0 0 0.001502 0.002259

45.5 0 0 0 0 0 0.000198 0.00092

49.5 0.002102 0 0 0.000364 0 0.0017 0.006895

53.5 0.007364 0 0.001343 0.000961 0 0.018222 0.005138

57.5 0.008761 0 0 0.002768 0.000634 0.054008 0.004051

61.5 0.021678 0.015306 0.002523 0.007336 0.002791 0.05967 0.011466

65.5 0.026335 0.023221 0.023367 0.024782 0.016475 0.076429 0.023194

69.5 0.050327 0.04826 0.071213 0.094299 0.054558 0.112328 0.05392

73.5 0.063035 0.044507 0.074921 0.12484 0.10829 0.08492 0.077198

77.5 0.089486 0.072354 0.085894 0.150051 0.127443 0.087856 0.091692

81.5 0.102582 0.119204 0.22295 0.155403 0.152144 0.159376 0.139096

85.5 0.113698 0.148388 0.091133 0.132818 0.123289 0.121785 0.139078

89.5 0.093136 0.149658 0.144672 0.126627 0.103141 0.091968 0.129445

93.5 0.088083 0.124282 0.124986 0.066794 0.142652 0.046426 0.087248

97.5 0.091372 0.10303 0.050363 0.057804 0.074601 0.038002 0.073623

101.5 0.063539 0.075217 0.052907 0.025633 0.039715 0.024318 0.060451

105.5 0.05338 0.03318 0.032953 0.013348 0.031862 0.00902 0.035799

109.5 0.031718 0.011778 0.007544 0.008251 0.015781 0.00506 0.032365

113.5 0.032465 0.015394 0.005799 0.005322 0.002138 0.002512 0.016696

117.5 0.024006 0.00338 0.007432 0.001202 0.001716 0.004704 0.007446

121.5 0.014781 0.003751 0 0.000916 0.001269 0 0.001018

125.5 0.014622 0.005302 0 0.000086 0.001498 0 0.000713

129.5 0.005077 0.003787 0 0.000398 0 0 0

133.5 0.000869 0 0 0 0 0 0

137.5 0.001584 0 0 0 0 0 0

141.5 0 0 0 0 0 0 0

145.5 0 0 0 0 0 0 0




21

Datos Sur

#nanos

35

#nedades

12

#ntallas

36

#nflotas

3

#Años

1978 0 0 0 3606 0.1 0.1 0.3 10 0.2 0.2 10 0.2 100 100 100 50 50 50

1979 1 0 0 1970 0.1 0.1 0.3 10 0.2 0.2 10 0.2 100 100 100 50 50 50

1980 0.5532 0 0 1150 0.1 0.1 0.3 10 0.2 0.2 10 0.2 100 100 100 50 50 50

1981 0.8637 0 0 2484 0.1 0.1 0.3 10 0.2 0.2 10 0.2 100 100 100 50 50 50

1982 0.8593 0 0 3178 0.1 6 0.3 10 0.2 0.2 10 0.2 100 100 100 50 50 50

1983 0.6362 0 0 3160 0.1 17 0.3 10 0.2 0.2 10 0.2 100 100 100 50 50 50

1984 0.7656 0 0 2963 0.1 12 0.5 10 0.2 0.2 10 0.2 100 100 100 50 50 50

1985 0.7047 0 0 2714 0.1 16 0.5 10 0.2 0.2 10 0.2 100 100 100 50 50 50

1986 0.4638 0 0 2398 0.1 7 0.5 10 0.2 0.2 10 0.2 100 100 100 50 50 50

1987 0.5348 0 1 2644 0.1 606 0.5 10 0.2 0.2 10 0.2 100 100 100 50 50 50

1988 0.5855 0 0.6819 3083 0.1 2286 0.5 10 0.2 0.2 10 0.2 100 100 100 50 50 50

1989 0.5338 0 0.4512 2023 0.1 2655 0.5 10 0.2 0.2 10 0.2 100 100 100 50 50 50

1990 0.5047 0 0.2679 1620 0.1 4159 0.5 10 0.2 0.2 10 0.2 100 100 100 50 50 50

1991 0.2806 0 0.1744 570 0.1 2967 0.5 10 0.2 0.2 10 0.2 100 100 100 50 50 50

1992 0.2725 0 0.3195 747 0.1 2092 0.5 10 0.2 0.2 10 0.2 100 100 100 50 50 50

1993 0.3192 0 0.2234 669 0.1 1452 0.5 10 0.2 0.2 10 0.2 100 100 100 50 50 50

1994 0.2939 0 0.3246 721 0.1 1122 0.5 10 0.2 0.2 10 0.2 100 100 100 50 50 50

1995 0.3807 0 0.3132 732 0.1 1341 0.5 10 0.2 0.2 10 0.2 100 100 100 50 50 50

1996 0.3149 0 0.3545 357 0.1 854 0.5 10 0.2 0.2 10 0.2 100 100 100 50 50 50

1997 0.5198 0 0.6863 371 0.1 1021 0.5 10 0.2 0.2 10 0.2 100 100 100 50 50 50

1998 0.7016 0 0.499 435 0.1 988 0.5 10 0.2 0.2 10 0.2 100 100 100 50 50 50

1999 0.813 0 0.6014 478 0.1 953 0.5 10 0.2 0.2 10 0.2 100 100 100 50 50 50

2000 0.9092 0 0.6842 619 0.1 1005 0.5 10 0.2 0.2 10 0.2 100 100 100 50 50 50

2001 0.5949 0 0.4933 227 0.1 641 0.5 10 0.2 0.2 10 0.2 100 100 100 50 50 50

2002 0.6189 0 0.8166 301 0.1 1311 0.5 10 0.2 0.2 10 0.2 100 100 100 50 50 50

2003 0.4582 0 0.4248 214 0.1 1112 0.5 10 0.2 0.2 10 0.2 100 100 100 50 50 50

2004 0.3862 0 0.3739 313 0.1 1152 0.5 10 0.2 0.2 10 0.2 100 100 100 50 50 50

2005 0.3996 0 0.3283 225 0.1 849 0.5 10 0.2 0.2 10 0.2 100 100 100 50 50 50

2006 0.465 0 0.2485 334 0.1 967 0.5 10 0.2 0.2 10 0.2 100 100 100 50 50 50

2007 0.5292 0 0.2093 315 0.1 1027 0.5 10 0.2 0.2 10 0.2 100 100 100 50 50 50

2008 0.4703 0 0.2365 206 0.1 871 0.5 10 0.2 0.2 10 0.2 100 100 100 50 50 50

2009 0.7905 0 0.2159 387 0.1 777 0.5 10 0.2 0.2 10 0.2 100 100 100 50 50 50

2010 0.5853 0 0.1816 281 0.1 643 0.5 10 0.2 0.2 10 0.2 100 100 100 50 50 50

2011 0.8573 0 0.1724 318 0.1 463 0.5 10 0.2 0.2 10 0.2 100 100 100 50 50 50

2012 0.7527 0 0.1528 416.5 0.1 641.28 0.5 10 0.2 0.2 10 0.2 100 100 100 50 50 50

#Cpue_arr & esp & pal #Y_arr & esp & pal CV CPUE arr esp pal Cv desembarques arr esp palnm Cedad arr esp pal nm C tallas arr esp pal




22

Matriz captura a la edad flota arrastre

Edad 1982 1983 1985 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1999 2000 2001 2002 2005 2006 2007 2008 2009 2010 2011 2012

3 476 16362 8058 16317 2521 8101 245 2747 79 343 616 139 260 129 80 292 3978 70.2 820.3 63.3 0 49.6 0 8.4 0

4 4836 47305 41956 63471 17119 40499 3663 18063 1219 3206 1352 1234 1228 1804 1484 2525 15245 1374.5 3090.9 902.4 161 908.7 4.8 225.6 102

5 20521 88434 64170 136234 60496 94631 16720 50010 6110 9190 2497 8813 10181 10583 10404 10874 16590 8216.1 16905.9 4640.8 1978 5460.1 956.7 9321.8 1885

6 64200 112014 209327 265743 125788 134825 35044 79793 18556 30981 20995 16352 21131 22661 19353 21731 21935 13651.6 26357.1 11910.2 6803.7 11899.9 4599.3 18698 4739

7 97970 135550 222551 275328 161483 122439 33793 62170 33289 59683 44572 26730 25652 36117 25214 20356 17824 19704.8 29658.2 17471.3 11468.6 26237.8 13931.7 25853.6 12758

8 109928 102021 108451 157825 141869 88437 32629 30834 46116 60614 75564 30870 20243 31681 33136 12848 14318 12468.6 23296.9 17607.8 16920.3 27874.3 18816.4 19184.1 14726

9 107773 94128 76868 94891 106256 50547 26913 15071 29786 44274 58925 23449 18488 19590 32309 7817 7987 8724.1 14902.8 18631.6 11719.5 18540.5 12164.5 9255.2 7623

10 116852 84840 52137 55442 49733 22811 13163 5001 18410 24987 38371 11288 9034 12738 19710 5326 3916 5130.7 3896.2 14266.4 7918.5 11965.7 10269.8 9507.8 5410

11 96390 52039 26046 21498 28158 12853 7001 1913 7294 10389 19423 3693 4220 6146 11579 2214 4525 1613 988.4 6961.2 4901.1 8738.6 9189.2 6161.1 2744

12 63373 39976 9161 8729 9373 6208 2400 937 4346 4435 7281 1643 883 1752 10244 985 4541 839.2 153.3 2888.2 2447.8 4335.8 3667.3 2287 1057

13 39385 31543 8768 5661 4360 2403 1650 456 1805 730 3014 381 163 398 3151 489 1414 436.1 14.6 1030.9 1236.2 1659.5 1717.9 972.3 392

14 17779 23450 3754 3871 1714 823 754 23 1969 577 2056 21 249 255 1934 365 0 57.8 9 250.3 246 856.8 683.6 162.3 398

Matriz captura a la edad flota palangre

Edad 1998 1999 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012

3 67 224 499 65 7 126 29 0 0 0 0 0

4 4399 1944 9263 1795 1760 1526 1067 1616 162 119 19 10

5 19510 7851 50306 8167 12081 13802 8813 30127 3841 4808 894 692

6 48994 17228 132574 31626 22036 28885 28938 60217 13735 15609 3848 3844

7 66445 44616 127022 55574 38647 49263 44321 57627 34623 35515 10546 11204

8 49754 51553 80084 68768 30913 40144 45704 59113 42748 41698 12332 23570

9 30464 34027 38600 68174 29599 36300 46950 35565 29539 21409 10762 24324

10 14544 24975 21574 49612 21034 23202 39892 19060 22021 13620 15406 30964

11 5210 16153 9960 26024 7322 7481 22925 14341 20546 11539 11546 17800

12 1317 5716 3982 15065 3958 3835 10063 6018 10849 4528 4302 7801

13 234 3284 1218 4851 1313 1348 3889 285 4529 1795 1525 3801

14 0 3957 1027 2703 159 164 2091 0 2328 591 491 1209




Matriz captura a la talla flota palangre

Tallas 1989 1990 1991 1992 1995 1996 2000 2002

5.5 0 0 0 0 0 0 0 0

9.5 0 0 0 0 0 0 0 0

13.5 0 0 0 0 0 0 0 0

17.5 0 0 0 0 0 0 0 0

21.5 0 0 0 0 0 0 0 0

25.5 0 0 0 0 0 0 0 0

29.5 0 0 0 0 0 0 0 0

33.5 0 0 0 0 0 0 0 0

37.5 0 0 0 0 0 0 0 0

41.5 0 0 0 0 0 0 0 0

45.5 0 0 0 0 0 0 0 0

49.5 0 0 0 0 0 0 0 0

53.5 0 0 0 0 0 0 0 0

57.5 0 0 0 0 0 0 0 0

61.5 0 0 0.01 0 0 0.01 0.01 0.01

65.5 0 0.02 0.02 0.02 0.01 0.02 0.03 0.03

69.5 0.04 0.02 0.04 0.04 0.03 0.07 0.09 0.06

73.5 0.07 0.04 0.05 0.09 0.04 0.07 0.06 0.08

77.5 0.09 0.05 0.07 0.08 0.08 0.12 0.11 0.1

81.5 0.14 0.04 0.07 0.09 0.13 0.13 0.1 0.11

85.5 0.16 0.12 0.1 0.13 0.14 0.12 0.1 0.09

89.5 0.13 0.12 0.09 0.09 0.13 0.12 0.13 0.11

93.5 0.13 0.1 0.09 0.1 0.15 0.09 0.09 0.07

97.5 0.11 0.12 0.09 0.11 0.11 0.08 0.09 0.06

101.5 0.06 0.11 0.09 0.07 0.08 0.08 0.07 0.07

105.5 0.04 0.08 0.07 0.05 0.05 0.04 0.05 0.09

109.5 0.03 0.04 0.06 0.04 0.02 0.03 0.04 0.05

113.5 0 0.04 0.06 0.04 0.03 0.01 0.01 0.02

117.5 0 0.03 0.04 0.02 0.01 0.01 0.02 0.02

121.5 0 0.03 0.02 0.01 0 0 0.01 0.02

125.5 0 0.01 0.01 0 0 0 0 0.01

129.5 0 0 0.01 0 0 0 0 0

133.5 0 0 0 0 0 0 0 0

137.5 0 0 0 0 0 0 0 0

141.5 0 0 0 0 0 0 0 0

145.5 0 0 0 0 0 0 0 0




Edad Peso medio #Msex_t

3 0.80 0.07

4 1.23 0.13

5 1.61 0.23

6 2.03 0.35

7 2.55 0.47

8 3.15 0.57

9 3.89 0.66

10 4.72 0.73

11 5.54 0.78

12 6.42 0.81

13 7.36 0.84

14 8.57 0.87

ANEXO 3:

Lista de verificación actualizada


1



Lista de verificación para conducir o revisar evaluaciones de stock. Adaptado de: NRC-National Research Council. 1998. Secciones de la lista de verificación (Anexo D en NRC 1998), relativas a la definición del stock y los datos empleados en la evaluación de Congrio dorado. La codificación de números y colores fue tomada de Canales et al., (2011): sin relleno indica que no existe conocimiento (0 en el análisis), en rojo (numero 1) indica un conocimiento pobre, amarillo (numero 2) indica un conocimiento intermedio, en verde (numero 3) indica un conocimiento satisfactorio.

Ítem Consideraciones

importantes

Nivel de

conocimiento Observaciones

I. Definición

del stock Definición espacial 2 La extensión espacial del stock es conocida

Estructura del

stock

Estructurado o

espacialmente

homogéneo

1 Se supone espacialmente heterogéneo.

Uso de marcaje, micro-

constituyentes, o

morfometría

1

No se cuentan con estudios sobre unidades de

stock, sin embargo en el último tiempo se han

estudiado el crecimiento la mortalidad y la

madurez sexual por espacialmente explicito

(Zonas).

II. Datos

Captura

¿Se incluyen las

remociones en la

evaluación?

2

Se incluyen las remociones de acuerdo a los

registros de desembarque mantenidos por

SERNAPESCA, para cada flota que captura el

recurso.

Descartes/

mortalidad por

pesca

¿Sesgos y diseño de

muestreo

documentados?

1

No existen antecedentes sobre descarte. Aun

que el modelo se hace cargo de los sesgos en

las capturas.

Índices de

abundancia Absoluto o relativo 2

Índice relativo basado en la captura por

unidad de esfuerzo de la flota de arrastre,

palangre y espinel.

¿Diseño de muestreo? 1 2 Existe análisis de CPUE

Estandarización 1 2 Existe análisis de CPUE.

¿Linealidad entre el

índice y la abundancia

de la población?

1 No existe estimación directa de la abundancia

del recurso.

¿Qué porción del stock

es indexada? 1

Solo existe estimación de capturabilidad

comercial.


2




importantes

Nivel de

conocimiento

Observaciones

Captura por

unidad de

esfuerzo

(CPUE)

¿Qué parte de la flota

debería ser considerada? 2

Este punto ha sido abordado mostrando

similitud entre la estimación de cpue

considerando todas las embarcaciones en el

análisis.

¿Cómo debieran ser

estandarizados los datos? 2

El modelo de estandarización ha incluido en

el último tiempo las tácticas de pesca,

metodología multivariada que ha producido

una importante mejora en las estimaciones de

abundancia indirecta. Sin embargo ahondar

aún más es necesario considerar como

efectos aleatorios a variables espaciales que

den cuenta de la variabilidad de explotación

temporal y espacial del recurso.

¿Cómo son tratados los

lances con captura cero? 2

De acuerdo a las tácticas de pescas con cero

lances, es decir cuando la táctica dice que va

a pescar congrio pero no lo pesca , aunque

estos serían despreciables

¿Qué supuesto se realiza

relativo a las áreas no

visitadas por la flota?

2 Correlación espacio temporal.

Evaluación

directa

¿Mezcla de especies

validada? 2

No existe evaluación directa. No obstante el

proyecto FIP 2008-46 entrega algunas bases

para la evaluación directa.

¿Fuerza de blanco

Validada? 2 No existe evaluación directa.

III.

Estructura de

edades,

tamaños y

sexos.

Captura a la

edad 2

Tanto para la flota arrastrera y espinelara se

realizan estimaciones de captura a la edad Pesos medios a

la edad 2 Son estimados a la edad y a la talla por flota.

Madurez a la

edad

2

Recientemente Baker et al. (aceptado)

actualizan la ojiva de madurez sexual a la

talla, esta ojiva es transformada a la edad en

el presente estudio.

Información

reproductiva

edad específica 1 2

No es cubierta en términos de la edad, sin

embargo el seguimiento del recurso realiza

un análisis del IGS a nivel mensual.

Información de

la pesquería

¿Personas familiarizadas

con la pesquería son

consultadas e

involucradas en

discusiones del valor de

las fuentes de datos?

3

En las reuniones y talleres de datos participan

los integrantes del proyecto de monitoreo del

recurso y el investigador a cargo de las

evaluaciones indirectas.


3




importantes

Nivel de


IV. Modelo de

evaluación de stock

estructurado por

edades, longitudes

o sexo

Se consideran estructuras

alternativas. 3

La captura está estructurada por

edades y tallas en la presente

evaluación con sexos combinados.

Espacialmente

explícito No 2

La cobertura espacial de la

modelación corresponde a los

antecedentes nacionales y zonales

disponibles

II. Parámetros

clave

Mortalidad natural

Se asume constante a

través de las edades y el

tiempo.

3

Se asume constante a través de las

edades y el tiempo, y corresponde a

la estimada por Wiff et al. 2011.

Vulnerabilidad

Puede ser estimada como

constante o variable en el

tiempo.

2

Se utilizan bloques de acuerdo a la

historia de la pesquería en la flota

espinelera.

Mortalidad por

pesca

Separable a través de las

edades y tiempo 3

Estimada directamente a través de la

ecuación de captura. Se incluye

modelos alternativos basados en tasa

de explotación.

Capturabilidad de

la flota

Puede ser estimada como

constante o variable en el

tiempo.

2

Se considera una capturabilidad

particular por flota, estimada de

manera constante para las flotas de

arrastre y palangre y variable para el

espinel.

Capturabilidad del

crucero 0 No existe crucero.

Reclutamiento modelo stock-recluta 2

Reclutamiento modelado con función

stock recluta de Beverton-Holt. El

modelo no considera otras formas

alternativas de modelación del

reclutamiento


4




importantes

Nivel de

conocimiento

Observaciones

Formulación estadística

Error de proceso En los reclutamientos

utiliza un cv=0,5 3

El modelo de evaluación considera

error de proceso

Error de observación

Índice CPUE se utilizan

cv para flotas (cvarr=0.3,

cvesp=0.5, cvpal=0.5) y

desembarques (cv=0.1)

Estructura longitud de la

captura (N=100) y edad

(N=50).

1 Los cv’s no son estimados de

manera interna por el modelo.

Distribuciones de

verosimilitud

Normal para los índices

y las capturas.

Multinomial para las

estructuras de longitud.

2

Evaluación de la

incertidumbre

La incertidumbre de los

parámetros modelados se

presenta

0 No son presentadas las estimaciones

de incertidumbre de los parámetros

Como se calcula la

incertidumbre de los

parámetros modelados?

Se utiliza la

aproximación el perfil de

verosimilitud y la

aproximación normal

2 La incertidumbre se representa solo

a través de análisis de residuos.

Análisis retrospectivo Se realiza en un

horizonte de 8 años 0 No existe análisis retrospectivo

Evaluación de políticas

Parámetros para un solo

modelo o modelos

estructuralmente

diferentes ?

Parámetros para un solo

modelo. 2

Como se confiere peso

relativo a las hipótesis

alternativas ?

Se confiere igual peso a

todos los casos. 1

Que supuestos se hacen

acerca de los

reclutamientos futuros,

medio ambiente,

estocasticidad, etc..?.

Se asume que las

desviaciones de los

reclutamientos poseen

una estructura de error

normal

2

No se hacen supuestos explícitos

respecto del ambiente.

Implícitamente se asume que los

cambios el nivel del reclutamiento

es definido principalmente por el

tamaño de la población desovante y

no por la variabilidad ambiental.

Se considera la relación

entre reclutas y

desovantes ?

Si 2 3

El modelo incluye la fuerza de la

denso-dependencia (h) inclusive en

la estimación de los PBR’s


5




importantes

Nivel de


Acciones alternativas

Que estrategias

alternativas de

explotación son

implementadas?

Tasas de mortalidad constante 2 Las estrategias evaluadas

corresponden a F40% y F66%.

Como las acciones

futuras reflejan

cambios potenciales

en el tamaño futuro

de la población.

En el algoritmo de proyección,

la aplicación de una política en

un tiempo futuro t, no produce

retroalimentación.

1

Los cambios futuros en el

tamaño de la población no se

reflejan en las acciones futuras,

porque la política no es

ajustada durante la corrida de

la proyección.

Se considera error de

implementación No 1

Indicadores de

desempeño

Cuál es el verdadero

objetivo de la

pesquería

El objetivo de reconstrucción

por defecto es 40% BDo y

recientemente la ley de pesca

considera el máximo

rendimiento sostenible se

analizan el riesgo de la

biomasa proyectada sea menor

que la actual

2

Los objetivos económicos y

sociales no se han hecho

explícitos.

Cuáles son los

mejores indicadores

de desempeño

P(SSBt+1<SSBt): probabilidad de

que la biomasa desovante sea

menor a la del último año en la

evaluación.

.

2

No se evalúan indicadores de

desempeño económico o

social, porque estos objetivos

no son explícitos.

Cuál es la referencia

de tiempo para los

indicadores

biológicos?

El intervalo de tiempo de su

evaluación es 1 año en

horizontes de tiempo de 8

años.

2 No existen observaciones sobre

el plazo de las proyecciones

Como se mide el

riesgo?

Los indicadores que se

observan ya han sido

señalados.

2

Se calcula el riesgo bajo dos

niveles de mortalidad por

pesca.

Son apropiados lo

PBR estándares? Si 2

Se ha evaluado PBRs

apropiados a este recurso a la

luz de los parámetros de vida.

Se ha definido

formalmente la

condición de

sobrepesca o

sobrexplotación?

Sí 2

La sobrepesca tiene lugar

cuando se excede el PBR

límite: FMRS. En la actualidad

solo el stock de norte de la

PDA estaría en una condición

de sobrexplotación, para la

zona sur de la PDA el estatus

de la población estaría en la

zona de transición.


6




importantes

Nivel de


Presentación de

resultados

Como se presenta la

incertidumbre de los

parámetros y de la

estructura del modelo ?

Intervalos de confianza

en las proyecciones y

análisis residual de los

principales índices que

alimentan el modelo.

2

Se pueden usar tablas

de decisión para

resumir las

incertidumbres y

consecuencias?

Si 2

La presentación de la

incertidumbre de la evaluación y

por ende de las consecuencias de

acciones de manejo futuras en

tablas de decisión es una práctica

regular en ésta evaluación.

Hay consideración

explícita de los

compromisos entre

diferentes indicadores

de desempeño ?

No 1

En el manejo de congrio

colorado, sólo se observan

indicadores de conservación y de

este modo no hay consideración

explícita de los compromisos con

otros indicadores tales como

económicos o sociales.

Tienen los

administradores

comprensión de la

verdadera

incertidumbre de la

evaluación y de los

compromisos

involucrados en la

selección de una

política en particular?

Si 2

Comúnmente la incertidumbre de

la evaluación y las consecuencias

de acciones de manejo futuras se

presenta en tablas de decisión, las

que destacan las implicancias de

basar las recomendaciones de

manejo en un conjunto de

supuestos en circunstancias en

que el conjunto de supuestos

verdadero es otro.

ANEXO 4:

Sobre la definición de PBR en el contexto de la LGPA.


1



Sobre la definición de PBR en el contexto de la LGPA. La nueva Ley General de Pesca y Acuicultura (LGPA) define en el Título I, Artículo 1°B: “El objetivo de esta ley es la conservación y el uso sustentable de los recursos hidrobiológicos, mediante la aplicación del enfoque precautorio, de un enfoque ecosistémico en la regulación pesquera y la salvaguarda de los ecosistemas marinos en que existan esos recursos”. Asimismo, en el Artículo 1°C inciso g) se señala como objetivo “procurar evitar o eliminar la sobreexplotación y la capacidad de pesca excesiva”. Estos elementos constituyen el marco sobre el cual se elabora el diagnóstico de los recursos y sus pesquerías.

Normas y definiciones internacionales

A nivel internacional el enfoque precautorio fue establecido en el ANEXO II del acuerdo de las Naciones Unidas sobre stocks altamente migratorios y transzonales (Rosemberg y Restrepo 1995), es aplicado seguido por el NMFS de los EEUU (Restrepo et al. 1998) y el ICES de Europa (ICES 2001). Los lineamientos principales del enfoque precautorio son: Puntos biológicos de referencia:

Un punto biológico precautorio es un valor estimado mediante un procedimiento de acuerdo científico, el cual corresponde al estado del recurso y de la pesquería, y el cual puede ser usado como una guía para el manejo de las pesquerías.

Dos tipos de puntos precautorios de referencia deben ser usados: punto de referencia de conservación o límite y punto de referencia de manejo u objetivo. Los puntos de referencia límites están orientados a restringir la pesca a los límites de seguridad biológica, dentro del cual los stocks pueden producir el máximo rendimiento sostenido. Los puntos de referencia objetivos están orientados a alcanzar los objetivos de manejo.

Los puntos de referencia deben ser stock-específicos para dar cuenta, entre otros, de la capacidad reproductiva, la resilencia de cada stock y las características de la pesquería que explota el stock, así como también de otras fuentes de mortalidad y las mayores fuentes de incertidumbre.

Cuando la información para determinar los puntos de referencia para una pesquería es escasa o inexistente, se deben establecer puntos de referencia provisionales. Los puntos de referencia provisionales pueden ser establecidos mediante analogía con stocks similares y mejor conocidos. En tales situaciones, la pesquería debería estar orientada a mejorar el monitoreo así como a revisar los puntos de referencia provisionales a medida que aumente la disponibilidad y la calidad de la información.


2



Acciones de manejo

Las acciones de manejo deben buscar mantener o recuperar poblaciones de stocks explotados y donde sea necesario las especies asociadas o dependientes, a niveles consistentes con los puntos de referencia precautorios previamente acordados. Tales puntos de referencia deber ser usados para gatillar acciones de manejo y conservación. Las estrategias de manejo deberían incluir medidas, que puedan ser implementadas cuando el sistema se acerque a un punto de referencia.

Las estrategias de manejo pesquero deberían asegurar que el riesgo de exceder los puntos de referencia límites sea bajo. Si un stock cae por debajo del punto de referencia límite o está en riesgo de caer por debajo del tal punto de referencia, acciones de manejo y conservación deberían iniciarse para facilitar la recuperación del stock. Las estrategias de manejo deberían asegurar que en promedio los puntos de referencia objetivos no sean sobrepasados.

Rendimiento Máximo sostenido

La tasa de mortalidad por pesca que genera el rendimiento máximo sostenido, debería ser considerada como un estándar mínimo para los puntos de referencia límites. Para los stocks que no están sobrepescados, las estrategias de manejo deberían asegurar que la mortalidad por pesca no exceda la que corresponde al rendimiento máximo sostenido, y que la biomasa no caiga por debajo de un umbral pre-definido. Para los stocks sobrepescados, la biomasa, que produce el rendimiento máximo sostenido, puede servir como el objetivo de recuperación.

No obstante estas definiciones, la nueva LGPA de pesca chilena define el enfoque precautorio de una forma más restringida a través de la letra b del Artículo 1° C, donde se indica que al aplicar el principio precautorio en la administración y conservación de los recursos hidrobiológicos y la protección de sus ecosistemas, se debe entender como tal:

i) Ser más cauteloso en la administración y conservación de los recursos cuando la

información científica sea incierta, no confiable o incompleta, y

ii) No se deberá utilizar la falta de información científica suficiente, no confiable o incompleta, como motivo para posponer o no adoptar medidas de conservación y administración.

Además establece, en la letra C del artículo 3°, el Rendimiento Máximo Sostenible (RMS) como punto biológico de referencia objetivo empleado para la determinación de la cuota global de captura, entendiéndose así la declaración ”Mantener o llevar a la pesquería hacia el rendimiento máximo


3



sostenible considerando las características biológicas de los recursos explotados”. Aquí es explícito el hecho que la principal diferencia entre el enfoque precautorio definido en la LGPA y el enfoque precautorio en ciencia pesquera, es que en la LGPA chilena se considera el RMS como un objetivo de administración y no como un límite, lo cual vuelve menos precautorio el enfoque chileno.

Estados de explotación Los estados de explotación que han sido acordados por los Comités Científicos en Chile distinguen claramente la diferencia entre sobre-explotado y sobre-pesca. La primera de estas se relaciona con el estado de la biomasa por debajo de una referencia límite, mientras la segunda dice relación con la posición de la mortalidad por pesca por sobre un valor considerado límite. Ambos estados pueden coexistir de manera que un recurso puede estar sobre-explotado con o sin evidencias de sobrepesca, donde esta última se entiende como una situación transitoria mientras no se reduzcan las capturas, en tanto la primera puede tomar muchos años dependiendo de la resiliencia del recurso. Del mismo modo, en la mayoría de los recursos se han considerado valores “proxys” al RMS como objetivos de manejo donde la plena explotación se ubica en torno a este. En términos analógicos, en la LGPA se pueden identificar cuatro estados de un recurso: sub-explotación, plena explotación, sobre-explotación y colapso y sus alcances se detallan en los puntos 58), 59) y 60) de la misma. Las definiciones corresponden a:

58) Punto biológico: valor o nivel estandarizado que tiene por objeto evaluar el desempeño de un recurso desde una perspectiva de la conservación biológica de un stock, pudiendo referirse a: a) biomasa, b) mortalidad por pesca, o c) tasa de explotación. La determinación de estos puntos se deberá efectuar mediante decreto del Ministerio, según la determinación que efectúe el Comité Científico Técnico. 59) Estado de situación de las pesquerías: Pesquería subexplotada: aquella en que el punto biológico actual es mayor en caso de considerar el criterio de la biomasa, o menor en el caso de considerar los criterios de la tasa de explotación o de la mortalidad por pesca, al valor esperado del rendimiento máximo sostenible y respecto de la cual puede obtenerse potencialmente un mayor rendimiento. Pesquería en plena explotación: aquella cuyo punto biológico está en o cerca de su rendimiento máximo sostenible. Pesquería sobreexplotada: aquella en que el punto biológico actual es menor en caso de considerar el criterio de la biomasa o mayor en el caso de considerar los criterios de la tasa de explotación o de la mortalidad por pesca, al valor esperado del rendimiento máximo sostenible,


4



la que no es sustentable en el largo plazo, sin potencial para un mayor rendimiento y con riesgo de agotarse o colapsar. Pesquería agotada o colapsada: aquella en que la biomasa del stock es inferior a la biomasa correspondiente al punto biológico límite que se haya definido para la pesquería, no tiene capacidad de ser sustentable y cuyas capturas están muy por debajo de su nivel histórico, independientemente del esfuerzo de pesca que se ejerza. 60) Rendimiento máximo sostenible: mayor nivel promedio de remoción por captura que se puede obtener de un stock en forma sostenible en el tiempo y bajo las condiciones ecológicas y ambientales predominantes.

En la Figura 1 se ilustra la interpretación de estas definiciones sobre un diagrama que representa la curva de producción de largo plazo respecto de la biomasa, en tanto que en la Figura 2 se extiende esta interpretación sobre la relación de biomasa y mortalidad por pesca relativizada a los valores que generan el Rendimiento Máximo Sostenido (Brms y Frms). Cabe destacar que en la definición del RMS se incluye la frase “bajo las condiciones ecológicas y ambientales predominantes”, lo que implica que si las condiciones ambientales cambian notoriamente, esta nuevas condiciones deberían ser consideradas en la estimación del RMS y sus variables relacionadas Brms y Frms. Aunque el ambiente es fluctuante, en la práctica, las estimaciones de RMS se han realizado bajo el supuesto que estás variaciones corresponden a la variabilidad en torno a la condición promedio de una condición de equilibrio que sustenta los estimados de RMS. Claramente, la identificación de cambios ambientales que afecten en forma notable el RMS es un área de investigación que deberá ser desarrollada en el corto plazo. De acuerdo con la definición antes descrita, en la Figura 1 la plena explotación cubre una región “cercana” al RMS y se encuentra acotada por límites que en biomasa definen, a la sub-explotación por el lado derecho, y la sobre-explotación por el lado izquierdo. Esta misma situación en términos de la mortalidad por pesca se extiende a un área que es próxima al Fmrs y se la ubica en la región

Fmrs c, y de manera análoga a una región que en biomasa está delimitada a Bmrs d (Figura 2)


5



Figura 1. Curva de producción respecto de la biomasa en equilibrio y estados posibles de un

recurso.


6



Figura 2. Diagrama B-F de estados posibles de un recurso. Las distancias c y d definen la

mitad del rango de variación que es considerado “cerca” al RMS. Los puntos representan solo un ejemplo y la flechas la longitud de los intervalos c y d.

Por su parte, la sobre-explotación ocurre en el área donde B<Bmrs-d (Figura 1) entendiendo que una situación de sobre-explotación sostenida provocada por capturas superiores al RMS implican un riesgo inherente de llevar al recurso a la zona de colapso. Asimismo, esta condición también ocurre cuando la mortalidad por pesca está por sobre aquel valor que genera el RMS (F>Fmrs+c), siendo a la vez independiente del nivel de biomasa (Figura 2). La zona de sobre-explotación debería entonces ser entendida como aquella donde termina la plena-explotación y corresponde cuando B<Bmrs-d o bien F>Fmrs+c. El punto anterior tiene por desventaja que cualquier nivel de mortalidad por pesca superior a Fmrs, generará acciones que mejoren la condición del recurso en el largo plazo (plan de recuperación) aun cuando la biomasa esté por sobre la del RMS. Para obviar esta situación se puede hacer una diferencia incluyendo la expresión de sobrepesca a la situación donde F>Fmrs+d (Figura 2)


7



Al respecto, la sobrepesca en términos simples ocurre cuando la tasa de extracción desde el stock es demasiado alta o más específicamente, cuando la fracción extraída desde el stock es mayor a la requerida para proveer rendimientos máximos sostenibles en el largo plazo. A partir de esta definición, se desprende que la sobrepesca tiene lugar cuando la mortalidad por pesca F excede aquella que produce el Rendimiento Máximo Sostenible, Frms. Desde la definición legal de Pesquería sobreexplotada se puede entender que la situación de sobrepesca se encontraría contenida en la definición de sobreexplotación. Sin embargo y si bien la distinción de un estado de sobrepesca (separadamente del estado de sobre-explotación) puede ser considerado sutil, no por ello es menos importante debido al rezago con que ajustes en las tasas de explotación (o F) se traducirán en cambios en la biomasa del stock, y también, porque el tamaño del stock puede caer por debajo de un punto de referencia incluso si F es mantenida por debajo de Frms, como por ejemplo las disminuciones naturales de una población por fallas en los reclutamientos. Finalmente, la zona de colapso involucra aquel estado de un stock en el cual la generación de excedentes productivos o renovación poblacional se ha comprometido debido a un reducido tamaño poblacional. Cabe mencionar que siguiendo el modelo logístico de producción, la poca generación de excedentes también se alcanza cuando las poblaciones están en condiciones muy próximas a la situación virginal. En el caso de las pesquerías Chilenas este límite es difícil de precisar y al igual que en otros casos internacionales, es común adherir a criterios convenidos, los que en todos los casos han sido referidos a proporciones muy bajas de la biomasa desovante virginal. A manera de ejemplo, para las pesquerías demersales de Nueva Zelanda se ha establecido un criterio del 10% como límite “duro” de colapso. Sin embargo, en ese país cuando una pesquería pasa este límite, llamado límite duro, las capturas se prohíben y la pesquería se cierra. En la LGPA chilena el agotamiento implica sólo una rotación de caladeros de pesca, por lo que no parece una condición “dura” y más bien se puede asimilar al límite de colapso usado históricamente a nivel internacional que corresponde al 20% de la biomasa desovante virginal.

Criterios para la definición de límites Los límites que definen la plena explotación debieran ser establecidos en términos ideales, en base a criterios de riesgo. Este riesgo puede ser definido como un valor puntual y teórico asociado a la resiliencia del stock y a la dinámica de su explotación pesquera. Alternativamente, también puede ser estimado considerando distribuciones de probabilidad de las variables que definen el RMS (Brms y Frms), como por ejemplo los intervalos de confianza al 90% o 95% del cuociente Bmrs/Bo y del Fmrs. Esto último involucra la idea de maximizar la probabilidad de estar en torno al RMS. Un ejemplo de esto se ilustra en la Figura 3.


8



Sin embargo, el hecho que en la mayoría de los recursos se hayan adoptado proxys del RMS implica que su estimación puntual es aún un tema por investigar y por ende también sus medidas de error de estimación. Esta situación induce la necesidad de adoptar criterios de conveniencia como por

ejemplo, como límite de plena explotación una zona acotada por 5 puntos porcentuales en torno al proxy que genera el MRS. Así por ejemplo, si se ha definido como objetivo el 40%Bo, la zona que define al cercanía al MRS (plena explotación) podría estar contenida en 35%Bo - 45%Bo, entendiéndose que por sobre ella se encuentra la zona de sub-explotación y bajo ella la de sobre-explotación. Un ejemplo de esto es el caso de la merluza común (ver informe Comité Científico, 2012). La conveniencia de definir un rango acotado de plena explotación es considerar el término “cercanía” a la vez de evitar en términos efectivos la sobre-explotación.

Figura 3. Curvas de biomasa, capturas y mortalidad por pesca de equilibrio del jurel, y distribución de

probabilidades de la reducción de stock y mortalidad por pesca que genera el RMS (Fuente: Canales, 2012a).


9



En igual sentido, el límite de colapso es adoptado sobre la base a referentes internacionales y que corresponden a proporciones de la biomasa virginal que varían entre el 10% y 20%, dependiendo de los antecedentes que se disponga. El supuesto es que si la población ha sido reducida por debajo de estos niveles, esta no podría generar excedentes que permitan su pronta recuperación en el mediano plazo, siendo necesario entonces una suspensión total de la actividad extractiva.

Referentes para el diagnóstico de los principales recursos pesqueros en Chile. Considerando el desarrollo anterior y revisado los antecedentes de cada recurso, en la Tabla 1 y Figura 3 se proponen los referentes límites y objetivos que serán considerados para definir la condición de explotación durante el 2013. Estos referentes son en su mayoría proxys del RMS y serán revisados en el proyecto “Revisión de los puntos biológicos de referencia (Rendimiento Máximo Sostenido) en las pesquerías Nacionales” que realiza IFOP, y en los Comité Científico Técnicos. En general, la estimación del RMS o la adopción de valores “proxy” se relacionó preliminarmente con el nivel de datos e información de cada pesquería. Se recomienda estimar el RMS y sus valores relacionados cuando se pueden realizar estimaciones confiables del RMS y/o de cantidades relacionadas, así como de la abundancia del stock (Restrepo et al., op. cit). Se recomienda la estimación de los “proxy” para aquellas pesquerías de data y conocimiento intermedio, en las cuales no se dispone de estimaciones confiables del RMS y/o cantidades relacionadas, ya sea porque no están disponibles o bien tienen un uso limitado debido a peculiaridades de la historia de vida del recurso, a la pobreza del contraste de los datos, o a la alta variabilidad del reclutamiento (Restrepo et al., 1998).


10



Figura 3. Puntos de Referencia objetivo y límites por recurso según estado de explotación.


11



Tabla 1. Puntos de Referencia objetivo y límites por recurso para definir su estado y criterio de explotación.

Anchoveta XV-II 1 45% 40% 35% 20% F45%BDo F40%BDo F35% BDo 3 -

Anchoveta III-IV 1 65% 60% 55% 20% F65%BDo F60%BDo F55% BDo 3 -

Anchoveta V-X 1 45% 40% 35% 20% F45%BDo F40%BDo F35% BDo 4 Canales y Zuñiga, 2012

Sardina V-X 1 45% 40% 35% 20% F45%BDo F40%BDo F35% BDo 4 Zuñiga y Canales, 2012

Sardina Austral 1 65% 60% 55% 20% F65%BDo F60%BDo F55% BDo 3 -

Jurel 2 45% 40% 35% 10% F45%BDo F40%BDo F35% BDo 4 Canales, 2012

Merluza común 2 40% 35% 30% 10% F40%BDo F35%BDo F30% BDo 4 Tascheri, 2012

Merluza austral 2 55% 50% 45% 20% F55%BDo F50%BDo F45% BDo 4 Quiroz et al , 2012

Merluza de tres aletas 1 45% 40% 35% 20% F45%BDo F40%BDo F35% BDo 3 -

Merluza de cola 2 45% 40% 35% 20% F45%BDo F40%BDo F35% BDo 3 -

Congrio dorado 2 45% 40% 35% 20% F45%BDo F40%BDo F35% BDo 3 -

Raya volantín 2 45% 40% 35% 20% F45%BDo F40%BDo F35% BDo 3 -

Bacalao 2 60% 55% 45% 20% F60%BDo F55%BDo F45% BDo 4 Quiroz y Wiff, 2012

Langostino colorado 1 45% 40% 35% 20% F45%BDo F40%BDo F35% BDo 3 -

Langostino amarillo 1 45% 40% 35% 20% F45%BDo F40%BDo F35% BDo 3 -

Camarón 1 45% 40% 35% 20% F45%BDo F40%BDo F35% BDo 3 -

(*) BDo: biomasa desovante virginal (1) Dinámico: razón potencial reproductivo para cada año; (2) De equilibrio: puede considerar relación s/r, h y Ro; (3) proxy; (4) calculado

ReferenciaRMSLímite sub-

explotación

Límite sub-

explotación

Límite sobre-

explotacionObjetivo

Proporción de BDo Mortalidad por pesca (F)

BDo(*) ObjetivoLímite sobre-

explotacionLímite colapso


12



Sin perjuicio de las definiciones dadas en la LGPA, la Tabla 1 involucra ciertas definiciones técnicas que basadas en sus metódicas de cálculo hacen necesario definirlas como sigue,

Forma y descripción de cálculo

(1) BD0 de equilibrio Es la biomasa desovante de equilibrio virginal de los modelos stock-recluta (B-H, Ricker, etc.).

(2) BD0 dinámico Es la biomasa desovante potencial que resultaría de una condición sin pesca, calculada a partir de los reclutamientos estimados en la evaluación de stock.

(3) PBR “Proxy” PBR que sustituye al PBR real. Se estimada como un porcentaje del potencial reproductivo, aproximado como la biomasa desovante por recluta sin pesca.

(4) F rms. Mortalidad por pesca asociada al RMS estimada desde un modelo de evaluación de stock.

Límite de sub-explotación El porcentaje de BDo que genera en el RMS más 5 unidades porcentuales o su equivalente en mortalidad por pesca o tasa de explotación en el largo plazo.

Límite de Sobre-explotación El porcentaje de BDo que genera en el RMS menos 5 unidades porcentuales o su equivalente en mortalidad por pesca o tasa de explotación en el largo plazo.

Límite de colapso El porcentaje de BDo que compromete severamente la renovación del stock.

%BD0 en RMS El porcentaje de la BDo que genera en el RMS.

%BD0 Proporción de la biomasa desovante con respecto a BD0.

F/Frms Indicador de la variación de la mortalidad por pesca respecto a la F que genera el RMS.


13



Referencias Bibliográficas.

Canales, C. 2012.(a). Jack Mackerel Biological Reference Points (BRP).SWG-11-JM-01. 11th Meeting of Science Working Group, SPFRMO, Lima, 2012, Working paper: 16 pp.

Canales, C. 2012.(b). Puntos Biológicos de Referencia (PBR) de la merluza común bajo incertidumbre. Anexo 4. En: Reporte RR-CC/SGT PBR-ES 2/2012. Sub-Grupo Técnico PBR y Estatus (SGT PBR-ES). Comité Científico de Merluza Común. 10 p + Anexos.

Canales, C., y M.J. Zúñiga 2012. Estatus y posibilidades de explotación biológicamente sustentables de los principales recursos pesqueros nacionales, año 2013. Sardina común V-X Regiones 2013. Segundo Informe. Instituto de Fomento Pesquero. 151 pp.

Canales, C., R. Serra, C. Martínez, A. Aranis, L. Caballero, J. Córdova, J.C. Quiroz, M. Canales, V. Bocic, A. Sepúlveda, C. Gatica, S. Núñez, M. Aguayo, J. Giacamán, M. Arteaga, R. Alarcón, C. Gonzalez y L. Cubillos. 2009. Revisión de metodologías de evaluación del jurel a nivel subregional. Instituto de Fomento Pesquero. FIP Nº 2007-23: 155 pp.

Canales, C., C. Montenegro, A. Parma, T. Peñailillo, H. Pool y V. Espejo. 2000. Análisis de estrategia de explotación del langostino amarillo y langostino colorado. Informe Final, Proyecto FIP/IT 99-18: 138 pp.

Clark, 1993. The effect of recruitment variability on the choice of a target level of spawning biomass per recruit. En. Proceeding of the international symposium on management strategies for exploited fish populations. Eds. Kruse et al.. Alaska Sea Grant College program report Nº93-02, University of Alaska Fairbanks.

DER, 2012. Puntos Biológicos de Referencia de los principales recursos pesqueros de Chile como base a una aproximación precautoria para el manejo pesquero. Reporte de Taller. Departamento Evaluación de Recursos (DER), Instituto de Fomento Pesquero, Valparaíso 17-19 abril, 2012: 45 pp.

ICES 2001. Report of the study group on the further development of the precautionary approach to fishery management. Advisory Committee on Fishery Management ICES CM 2001/ACFM:11

Mace, P. 1994. Relantionships between common biological reference points used as thresholds as targets of fisheries management strategies. Can. J. Fish. Aquat. Sci.:51:110-122.

Payá I y N. Ehrhardt. 2005. Comparative sustainability mechanisms of two hake (Merluccius gayi gayi and Merluccius australis) populations subjected to exploitation in Chile. Bulletin of Marine Science 76(2) 261-286.

Payá I. y M. Montecinos 2004. Investigación evaluación y CTP de orange roughy 2005, Fase I. Instituto de Fomento Pesquero. 17 páginas + 2 anexos.

Quiroz J.C, R. Wiff y L. Chong. 2012. Segundo Informe. Convenio: Estatus y Posibilidades de Explotación Biológicamente Sustentables de los Principales Recursos Pesqueros


14



Nacionales, año 2013. Merluza del sur, 2013. Instituto de Fomento Pesquero, Octubre de 2012. 78 pp+Anexos.

Quiroz J.C y R. Wiff, 2012. Segundo Informe. Convenio: Estatus y Posibilidades de Explotación Biológicamente Sustentables de los Principales Recursos Pesqueros Nacionales, año 2013. Bacalao de profundidad, 2013. Instituto de Fomento Pesquero, Octubre de 2012. 75 pp+Anexos.

Rosemberg A. y V. Restrepo. 1995. Precautionary management reference points and management strategies. En Precautionary approach to fisheries.. Part 2: Scientific papers. FAO Fisheries technical papers 350/2. Páginas 129 a140.

Restrepo V. R., G. G. Thompson, P. M. Mace, W. L. Gabriel, L. L. Low, A. D. MacCall, R. D. Methot, J. E. Powers, B. L. Taylor, P. R. Wade, y J. F. Witzig. 1998. Technical Guidance On the Use of Precautionary Approaches to Implementing National Standard 1 of the Magnuson-Stevens Fishery Conservation and Management Act. NOAA Technical Memorandum NMFS-F/SPO. July 17, 1998.

Serra, R., A. Zuleta, H. Pool, G. Böhm. 1998. Bases biológicas para prevenir la sobreexplotación en el recurso jurel. Informe Técnico. Fondo de Investigación Pesquera, proyecto 96 – 16. 139 p. + Anexos.

Tascheri, R. 2012. Referencias para la explotación sustentable de la merluza común. Anexo 3. En: Reporte RR-CC/SGT PBR-ES 2/2012. Sub-Grupo Técnico PBR y Estatus (SGT PBR-ES). Comité Científico de Merluza Común. 10 p + Anexos.

Tuck, G.N. (ed.) 2010. Stock Assessment for the Southern and Eastern Scalefish and Shark Fishery 2009. Part 2: Tier 3 and Tier 4, catch rate standardisations and other work contributing to the assessment and management of SESSF stocks in 2009. Australian Fisheries Management Authority and CSIRO Marine and Atmospheric Research, Hobart. 428 p.

Zúñiga, M.J, y C. Canales 2012. Estatus y posibilidades de explotación biológicamente sustentables de los principales recursos pesqueros nacionales, año 2013. Anchoveta V-X Regiones 2013. Segundo Informe. Instituto de Fomento Pesquero. 135 pp.

ANEXO 5:

Datos Modelos


1



SITIO WEB SEGUNDO INFORME-FINAL

SUBSECRETARÍA DE ECONOMÍA

Convenio II: Estatus y posibilidades de explotación biológicamente sustentables de los principales recursos pesqueros nacionales 2014



Septiembre, 2013

Anexo 5:

datos Modelos

INSTITUTO DE FOMENTO PESQUERO

Sección Ediciones y Producción Almte. Manuel Blanco Encalada 839,

Fono 56-32-2151500 Valparaíso, Chile

www.ifop.cl

http://www.ifop.cl/

Documents

Instituto de Fomento Pesquero - SEGUNDO INFORME FINAL · 2016-06-10 · de explotación, se indica que con capturas bajo las 486 toneladas (CBA 2014) es posible recuperar el recurso