Patrones de distribución de la abundancia de camarón comercial en el noroeste de México, modelados con sistemas de información geográfica*

 

Abundance distribution patterns of commercial shrimp off northwestern Mexico modeled with geographic information systems

 

A Ruiz–Luna^1*, R Meraz–Sánchez², J Madrid–Vera²

 

¹ Centro de Investigación en Alimentación y Desarrollo A.C. Unidad Mazatlán, Av. Sábalo–Cerritos s/n, A.P. 711, Mazatlán, CP 82010, Sinaloa, México. *E–mail: arluna@ciad.mx

² Instituto Nacional de la Pesca, Centro Regional de Investigación Pesquera en Mazatlán, Av. Sábalo–Cerritos s/n, Mazatlán, CP 82010, Sinaloa, México.

 

Received June, 2009
Accepted February, 2010

 

RESUMEN

Se determinaron los patrones de abundancia de tres especies de camarones peneidos, con base en datos de capturas obtenidos por el Instituto Nacional de la Pesca durante la época de veda (1995–2006), en el noroeste de México. Se generó un modelo batimétrico y se definió el área de pesca (>14,000 km²) a partir de una base de datos de >45,000 datos de profundidad. Los datos de captura provienen de una red de 62 estaciones, con un promedio de 76 lances por temporada de pesca, siendo el camarón café (Farfantepenaeus californiensis) la especie más abundante. Los modelos de abundancia relativa de las tres especies, generados con dos técnicas geoestadísticas (método del inverso de la distancia ponderada (IDW) y el de Kriging), ubican a la zona centro–norte de Sinaloa como la más importante para la distribución del recurso, con distintos patrones de distribución por especie. El modelo espacial permitió clasificar los valores de abundancia en tres niveles, correspondiendo la abundancia media a los comprendidos entre los cuartiles 1 y 3 de la distribución, mientras que los valores por debajo del cuartil 1 y por arriba del cuartil 3 fueron designados como los valores extremos (bajo y alto). Los mapas resultantes de las dos técnicas usadas (IDW y Kriging) mostraron concordancia elevada, con valores >0.7 para el índice de concordancia de Kappa, incrementándose dichos valores para las áreas de alta abundancia. Estos resultados podrían ser útiles para identificar áreas que pueden usarse para regular el esfuerzo pesquero y reducir la mortalidad por pesca, apoyando el manejo de la pesquería hacia un nivel sustentable.

Palabras clave: abundancia, distribución, modelos geoespaciales, pesquería de camarón, sistema de información geográfica.

 

ABSTRACT

Abundance patterns for three species of penaeid shrimp off northwestern Mexico are explained based on sampling–catch data obtained by the National Fisheries Institute during closed fishing seasons (1995–2006). The bathymetry and fishing area (>14,000 km²) were determined from a depth dataset of >45,000 points. The catch data were obtained from a sampling network of 62 sites, with an average of 76 trawls per fishing season; the brown shrimp (Farfantepenaeus californiensis) was the most abundant species. The relative abundance models for the three species, produced by two geostatistical methods (inverse distance weighting (IDW) and Kriging), identified mid–northern Sinaloa as the most important area regarding the distribution of the resource, with each species displaying different distribution patterns. The spatial model allowed the categorization of data into three levels of relative abundance, taking the values between quartiles 1 and 3 as the medium abundance and the values below quartile 1 and above quartile 3 as the extremes (low and high). The two geostatistical techniques (IDW and Kriging) produced very similar abundance distribution maps, with values >0.7 of the Kappa index of agreement, particularly for areas of high abundance. These results could be useful to point out those areas that can be used to regulate fishing effort and reduce fishing mortality, supporting the sustainable development of the fishery.

Key words: abundance, distribution, geospatial models, geographical information system, shrimp fishery.

 

INTRODUCCIÓN

La pesquería mexicana de camarón incluye diversas especies de peneidos, principalmente de los géneros Litopenaeus y Farfantepenaeus, produciendo cerca de 60,0001 por año, de las que alrededor del 70% proceden de la costa del Pacífico (INAPESCA 2001). Esta pesquería aporta cerca de 500 millones de dólares, lo que representa aproximadamente 40% del valor total de la producción pesquera nacional y genera cerca de 37,000 empleos, directa o indirectamente.

Esta industria cuenta con la mayor flota del país, formada por embarcaciones menores y de nivel industrial, que en conjunto han llevado a la pesca a su nivel máximo de explotación. Debido a esto, las autoridades gubernamentales concentran sus esfuerzos en mantener la biomasa y el reclutamiento en los niveles actuales para estabilizar los rendimientos y reducir las interacciones tecnológicas y ambientales (INAPESCA 2001, CNP 2006). Como parte de esta política, la administración pesquera recomienda no aumentar el esfuerzo pesquero y reducir la mortalidad por pesca en algunas zonas estratégicas. Adicionalmente, las autoridades pesqueras de México, representadas por la Comisión Nacional de Acuacultura y Pesca (CONAPESCA) y el Instituto Nacional de la Pesca (INAPESCA), tienen programas de monitoreo del recurso, tanto en temporada de veda como en la época de captura, gracias a lo cual se cuenta con una serie temporal de registros de abundancia de camarón obtenidos durante la temporada de veda, desde 1992 a la fecha.

Con base en datos derivados de este programa de monitoreo, Morales–Bojórquez et al. (2001), Madrid–Vera et al. (2001a), Pérez (2003) y Paredes (2007) han generado algunas contribuciones recientes sobre la dinámica de este recurso, introduciendo el concepto de incertidumbre y el enfoque de máxima verosimilitud para la modelización de esta pesquería. Aun así, el consenso señala que no existe suficiente información para caracterizar adecuadamente los patrones temporales y espaciales de esta pesquería, particularmente estos últimos, para los que existen limitados reportes técnicos sobre la distribución de las especies comerciales en el Golfo de California (Rodríguez de la Cruz 1981, Sierra et al. 2000, Chávez–Herrera 2001, Madrid–Vera et al. 2001a). Por lo tanto, el presente estudio contribuye a reducir las lagunas de información existentes en este sentido.

El cartografiado de los recursos naturales, incluidos los pesqueros y su hábitat, es una prioridad actual y forma parte de los objetivos de la gestión, incluso cuando parte de la información necesaria no está completamente disponible. Sin embargo, a través de este proceso se exponen las deficiencias de los datos y se permite priorizar los problemas para su solución (Caddy y García 1985). Es un hecho que producir este tipo de inventarios se hace aún más complejo para ambientes inestables, particularmente cuando las especies con ciclos biológicos cortos o complejos tienen fuerte dependencia a las variables ambientales y más aún si se ejercen presiones ambientales, incluidas actividades como la pesca. Con todas estas limitantes, la cartografía de recursos y ambientes es un insumo vital para los programas de gestión pesquera relacionados con la conservación de la biomasa y el reclutamiento, que tienen mayores probabilidades de éxito si se dispone de información relacionada con la distribución y abundancia de los recursos.

Con ese enfoque, en este estudio se analizan datos de la abundancia del camarón azul Litopenaeus stylirostris (Stimpson 1874), el camarón blanco L. vannamei (Boone 1931) y el camarón café Farfantepenaeus californiensis (Holmes 1900), obtenidos a lo largo de las costas de Sinaloa y Nayarit, en el noroeste de México, enfatizando el aspecto espacial de la información con base en las capacidades de los sistemas de información geográfica (SIG) y el uso de técnicas de interpolación.

El propósito de este análisis fue generar indicadores de abundancia de camarón en el área de estudio que permitan adecuar la aplicación del esfuerzo pesquero y estimar variaciones de la producción natural, particularmente en áreas que históricamente han estado sujetas a explotación intensiva. Para ello, se compararon los resultados producidos con el uso de dos técnicas de interpolación (inverso de la distancia ponderada (IDW) y Kriging) que, bajo el supuesto de que cuando los patrones de distribución resultantes son similares, permiten una mejor comprensión de los patrones de distribución de los recursos; una condición necesaria para alcanzar los objetivos de conservación de la biomasa, la reducción de las interacciones medioambientales y la reducción de la mortalidad por pesca.

Suponiendo que los resultados obtenidos del muestreo de la red de estaciones del programa de monitoreo del INAPESCA son representativos de la distribución de las especies de camarón en el área de estudio, que los muestreos durante la temporada de veda son los mejores indicadores disponibles de la abundancia del recurso en ausencia de actividad pesquera y que los métodos de análisis son lo suficientemente robustos, se presentan los patrones de distribución espacial de la abundancia de tres especies de camarón, con base en una serie temporal de datos de 12 años.

 

MATERIALES Y MÉTODOS

Delimitación del área de operación de la flota pesquera

El área geográfica donde opera la flota de pesca industrial del camarón queda incluida entre las isóbatas de 10 y 85 m, constituidas como límites mínimo y máximo de profundidad, definiéndose esta última como la máxima profundidad de operación de pesca debido a las limitaciones técnicas de las embarcaciones y a la distribución natural de los recursos (Hendrickx 1996). Para el área de estudio no existen cartas batimétricas de escalas mayores de 1:750,000 por lo que fue necesario construir un modelo batimétrico, a partir de más de 45,000 puntos georreferenciados, distribuidos de forma desigual a lo largo de la costa de Sinaloa y norte de Nayarit. Los datos fueron registrados en diversas campañas oceanográficas y de pesca realizadas por la Universidad Nacional Autónoma de México (UNAM), la Armada de México y el Centro Regional de Investigación Pesquera–INAPESCA. El modelo fue elaborado por interpolación lineal utilizando el método de triangulación (Lawson 1977) con el software Surfer v.7.

La línea de costa se obtuvo a partir de los modelos vectoriales producidos por el Instituto Nacional de Estadística, Geografía e Informática (INEGI; 1:250,000) y posteriormente se integró al modelo batimétrico. El modelo vectorial fue transformado a un formato de celda (*.grid), con píxeles de 1 × 1 km y coordenadas geográficas (latitud y longitud) en grados decimales, creándose de esta manera el mapa base que fue usado en análisis posteriores.

Estimación de la abundancia

La abundancia de las tres especies de camarón fue estimada a partir de las series temporales de datos generados dentro del programa de monitoreo del INAPESCA. Los muestreos se realizaron a lo largo de la costa del Pacífico de México, entre los 22°11' N y 25°47' N, frente a la costa de los estados de Sinaloa y Nayarit (fig. 1). La red de muestreo cuenta con 62 estaciones dentro de la zona de pesca, donde dependiendo de las condiciones meteorológicas se produjeron de cero a dos arrastres por temporada. La base de datos (1995–2006) incluye 911 registros, generados entre julio y agosto de cada año, durante la época de veda. La serie de datos incluye la captura total y por especie de camarón (kg) y estimaciones del esfuerzo pesquero estandarizado a una hora de arrastre. A partir de la información anterior se estimó la captura por unidad de esfuerzo (CPUE), suponiéndose como un indicador de la abundancia relativa (kg h^–1). Los valores de CPUE por especie y estación de muestreo fueron utilizados como semilla para simular la distribución espacial de la abundancia relativa.

El mapa base y los registros de CPUE por estación de muestreo y año se integraron al SIG para producir mapas de distribución de la abundancia relativa, usando la plataforma ArcView 3.2. Se produjeron mapas de contornos de densidad por año con dos técnicas de interpolación (IDW y Kriging) para determinar si los productos generaban diferencias en los patrones de distribución espacial. La técnica de IDW supone que los valores de las variables asignados a localidades no muestreadas, se obtienen como promedio de los valores observados en sitios de muestreo contiguos, ponderándose por la distancia a estos sitios. Esta técnica pondera la distancia a las localidades más cercanas, que cuentan con información y establece que son inversamente proporcionales a la distancia entre las localidades muestreadas y la no muestreada (Isaaks y Srivastava 1989). El modelo de interpolación usado se encuentra integrado a la plataforma de ArcView y se describe como:

donde Z_j es el valor estimado (kg h^–1) para el sitio no muestreado, z_i es el valor observado (kg h^–1) en el sitio i, y d_ij es la distancia (km) de los sitios de referencia, con un valor conocido de CPUE, al sitio para el que la CPUE se calcula. El término B corresponde al factor de ponderación (2.0) y n es el número de sitios de referencia utilizado para el cálculo (10).

Por otra parte, el método de Kriging se basa en la hipótesis de que las variaciones espaciales de la variable son estadísticamente homogéneas a lo largo de una superficie. Su formulación matemática aplica variogramas como funciones de ponderación, que expresan la variación espacial de los datos y se define como la mitad de la media cuadrada de la diferencia de todos los pares de datos observados i que están separados a una distancia h (Isaaks y Srivastava 1989). El modelo general para estimar el variograma empírico es:

donde γ*(h) es el variograma empírico para la distancia h (distancia entre pares de observaciones), N es el número de pares de observaciones y Z(x_i) corresponde a los valores observados (kg h^–1) por muestreo y localidad. Para minimizar el error, los variogramas fueron optimizados utilizando criterios Akaike cuando los datos se ajustaron a alguno de los modelos integrados en el programa ArcView 3.2, con previa transformación a logaritmo natural (x + 1), a fin de normalizar la varianza. Ambas técnicas de interpolación (IDW y Kriging) se aplicaron por separado con los valores de CPUE obtenidos para cada especie analizada, generándose mapas de valores continuos que posteriormente fueron recategorizados en tres niveles de abundancia relativa, usando cuartiles como criterio para definir los límites.

Los valores más bajos de CPUE, representativos de nula a baja abundancia, quedaron incluidos dentro de los límites del primer cuartil 1 y fueron clasificados con valor –1. Los valores de CPUE incluidos entre los cuartiles 1 y 3 se clasificaron con el valor 0, lo que indica las áreas abundancia media. Finalmente, los valores por encima del cuartil 3 se clasificaron con el valor de 1, indicando las zonas de mayor abundancia en comparación con los valores medios. El mismo procedimiento se realizó para cada año de la serie temporal, produciendo 12 mapas por especie y técnica de interpolación. Para resumir y visualizar la información se generó un mapa único por especie y técnica de interpolación, usando algebra de mapas (suma algebraica). De esta manera, el producto final muestra valores extremos que pueden variar desde –12, para las zonas que de manera permanente presentaron abundancia nula o escasa, hasta 12, para las zonas de alta abundancia en todos los años. Siguiendo los mismos criterios que para los mapas individuales, se reclasificaron los valores a abundancia baja, media, y alta por el método de los cuartiles.

Los mapas resultantes por especie y método de interpolación fueron contrastados para determinar el nivel de similitud entre ambos productos. Para ello, se aplicó una técnica de superposición de mapas categóricos, cuyo resultado produce un número de categorías = n², donde n es el número inicial de las categorías en ambos mapas. El resultado puede ser visualizado como una matriz de contingencia o de confusión, donde puede evaluarse el índice de concordancia de Kappa (KIA), tanto a nivel de clase como para el mapa en su conjunto. Este índice mide la asociación que existe entre dos matrices numéricas del mismo tamaño, en este caso mapas categóricos, adquiriendo valores de –1 a 1, donde valores cercanos a –1 son indicadores de diferencias importantes entre los mapas, mientras que valores cercanos a 1 indican total semejanza. Los valores cercanos a 0 se suponen como diferencias producto del azar (Rosenfield y Fitzpatrick–Lins 1986).

 

RESULTADOS

Con base en la disponibilidad de datos de profundidad georreferenciados para la zona de estudio, que define el área de operación de la flota pesquera de camarón, se estimó una superficie total de aproximadamente 14,500 km², representada por pixeles de 1 × 1 km. El mapa resultante sugiere una plataforma continental de amplitud relativamente homogénea, de aproximadamente 40 km a partir de la línea de la costa (fig. 2). Sin embargo, la batimetría no es regular, estrechándose la plataforma en el límite norte y hacia el sur, cerca de Mazatlán. La plataforma tiene una pendiente moderada entre Navachiste y Bahía Santa María–La Reforma, dos de los sistemas lagunares más importantes de la zona, donde la anchura se aproxima a 50 km. La anchura máxima, cercana a 60 km, se ubica hacia el límite sur, en el estado de Nayarit.

Se obtuvo un promedio de 76 muestras (arrastres) por temporada de captura, produciendo un rendimiento medio de 1 t año^–1, incluyendo las tres especies de camarón, durante los 12 años de muestreo. El camarón café fue la especie más abundante, representando en promedio 61% de la captura total en los 12 años, con un máximo de alrededor de 88% del total en 2001. Le siguieron en importancia el camarón azul (27%) y el camarón blanco (11%). Sin embargo, la proporción varió en 1996, 1997 y 1998, con un aumento en la captura de camarón azul, que representó 44%, 78% y 43%, respectivamente. Por otra parte, el camarón blanco observó sus menores niveles en los años 2000 y 2001, cuando representó el 1% y 5% de la captura total (tabla 1).

Una vez obtenidas las estimaciones de la CPUE por año, se utilizó la mediana como medida de tendencia central, con el mayor valor global de 5.1 kg h^–1 para el camarón café, usando la técnica de IDW. Para esta especie la CPUE mínima presentó un valor de 2.1 kg h^–1 en 1997, mientras que el máximo alcanzó los 16 kg h^–1 en 2006 (fig. 3a). Con el algoritmo de Kriging, las estimaciones fueron siempre menores, con una mediana general de 1.4 kg h^–1 y los valores mínimo y máximo de 0.8 kg h^–1 en 1996 y 2.2 kg h^–1 en 2006, respectivamente (fig. 3b).

Al utilizar el método IDW, para el camarón azul la mediana fue de 0.9 kg h^–1, con un valor mínimo de 0.1 kg h^–1 en 2005, y el valor máximo de 2.0 kg h^–1 en 2006 (fig. 3c). Al aplicar el algoritmo Kriging, la mediana estimada fue de 0.4 kg h^–1 para el camarón azul, con un valor mínimo de CPUE de 0.3 kg h^–1 en 2001 y un valor máximo de 0.9 kg h^–1 en 1997 (fig. 3d).

La mediana de los valores de CPUE obtenidos con el método IDW para el camarón blanco L. vannamei fue de 0.5 kg h^–1, dentro de un intervalo que varió de 0.1 kg h^–1 en 2000 a 2.7 y 2.8 kg h^–1 en los años 1999 y 2006 (fig. 3e). Con el método de Kriging la mediana fue de 0.4 kg h^–1, con un valor mínimo de 0.1 kg h^–1 en 1996 y un máximo de 0.9 kg h^–1 en 2006 (fig. 3f). Cabe señalar que de manera consistente, para el año 2006 se presentaron los valores máximos de CPUE para todas las especies.

Con respecto a la distribución espacial de la abundancia relativa de las especies de camarón, resumidas como baja, media y alta abundancia en los mapas categóricos, se evidenció que la mayor superficie se asocia con niveles de abundancia media de las tres especies. Para el camarón café, la mayor abundancia relativa, estimada con ambos métodos de interpolación, se registró en dos áreas principalmente, asociadas con los sistemas lagunares de Bahía Santa María–La Reforma y Ceuta, en el norte y centro de la zona de estudio (fig. 4a). Para el extremo sur de la zona de estudio, el registro de esta especie es reducido, con valores de abundancia cercanos a cero en la proximidad de los sistemas lagunares Huizache–Caimanero en Sinaloa y Teacapan–Agua Grande en Nayarit. Para los extremos de abundancia, la plataforma continental presentó condiciones similares, caracterizada por una pendiente suave y profundidades someras en promedio, aunque esta característica es más evidente para el norte de Sinaloa, próximo al sistema lagunar de Santa María–La Reforma.

Para el camarón azul se observó la mayor coincidencia en los patrones de distribución espacial generados con ambas técnicas, mientras que para el camarón café, la mayor abundancia relativa se registró en la zona norte, si bien en este caso sigue un patrón continuo desde Navachiste hasta la bahía de Ceuta (fig. 4). Los resultados obtenidos con la técnica de Kriging indican que las mayores densidades de camarón azul se localizan en zonas más someras que las registradas para camarón café, información congruente con los patrones de distribución batimétrica propuestos por el INAPESCA (2001). Esta especie también tiene una baja abundancia en el sur de la zona, aunque aquí los valores mínimos se encuentran en zonas más profundas.

Para el camarón blanco, las zonas con mayor abundancia se determinaron hacia el centro de Sinaloa, frente a los sistemas lagunares de Bahía Santa María–La Reforma, Altata y Ceuta, así como en relación con los sistemas de Urías, Huizache–Caimanero y Teacapan–Agua Grande al sur, si bien a menores profundidades que las observadas para las otras dos especies, encontrándose los valores de menor abundancia en el norte de la zona de estudio (fig. 4c). Este patrón de distribución espacial difiere del observado para el camarón café, que presenta valores de abundancia alta y media prácticamente a lo largo de la zona de estudio, mientras que para el camarón azul la mayor abundancia se observa en el norte, con disminución hacia el sur.

Aunque las tres especies se distribuyen en toda la zona de estudio, existe una evidente estratificación latitudinal, con mayor presencia del camarón azul y el blanco en los extremos latitudinales norte y sur, respectivamente, mientras que el camarón café tiene un amplio patrón de distribución latitudinal. Por otra parte, aunque la abundancia de las tres especies se distribuye en toda la zona de estudio, la abundancia estimada de camarón café es casi diez veces superior a la abundancia de las otras dos especies.

Con respecto a las diferencias en los patrones de distribución de abundancia determinadas a partir de pares de mapas, se encontró que el nivel de concordancia general fue >70% en todos los casos (tabla 2); sin embargo, sí hubo diferencias de similitud entre los niveles de abundancia, variando de 43% a 90% de concordancia. En la mayoría de los casos, se obtuvieron los mayores valores para las zonas definidas como de alta densidad, llegando a 90% de afinidad para el camarón azul y alrededor de 80% para el camarón café. En contraste, el nivel de concordancia más bajo para el camarón blanco se presentó en la categoría de alta abundancia, mientras que para la abundancia media se presentó el mayor nivel de concordancia.

Los resultados anteriores fueron confirmados con los obtenidos mediante el análisis espacial realizado píxel por píxel, que dio valores del KIA como indicadores de la afinidad espacial. Este análisis reveló que aunque hay un cierto nivel de coincidencia entre los mapas de abundancia relativa para cada especie, éste es moderado en la mayoría de los casos, siguiendo los criterios de clasificación desarrollados por Landis y Koch (1977) para determinar la concordancia de datos categóricos y que en función de los valores de Kappa, se clasifican desde pobre (KIA < 0.00), hasta concordancia casi perfecta (KIA = 0.81 – 1.00)

En general, el valor más bajo de concordancia (KIA = 0.48) se obtuvo para el camarón blanco, siendo ligeramente mayor para los camarones café y azul, con valores de KIA de 0.52 y 0.53, respectivamente. A pesar de ello, la tendencia advertida en el análisis anterior se mantuvo, con la mayor coincidencia entre píxeles clasificados como de abundancia relativa alta, en comparación con las abundancias media y baja (tabla 3). Esto fue más evidente con las especies de camarón café y azul, que llegaron a alcanzar valores de KIA = 0.88 para la última especie. El camarón blanco resultó con el nivel más bajo de concordancia entre las zonas con valores correspondientes a alta abundancia relativa.

 

DISCUSIÓN

Con la aplicación de técnicas geoestadísticas fue posible alcanzar dos objetivos que contribuyen con los programas de gestión pesquera del recurso camarón en el Pacífico mexicano. En primer término, se produjo un modelo batimétrico para la costa de Sinaloa y norte de Nayarit basado en datos de cruceros científicos y generados por la flota pesquera, con los que se establecieron los límites de operación de la flota industrial pesquera de camarón, cuya superficie se estimó en >14,000 km². Este primer resultado ofrece un modelo más preciso que otros productos batimétricos generados con fines similares pero cuyas bases de datos han sido más limitadas (Pérez 2003, Montana 2005). Algunas de las discrepancias observadas con dichos modelos, así como con los datos oficiales, están claramente detectadas y la diferencia se explica principalmente con base en diferencias del límite máximo de profundidad y por la adición de datos procedentes de zonas donde la pesca de arrastre queda excluida naturalmente (fondos rocosos).

El modelo se ve limitado por la insuficiencia de información para mejorar el conocimiento sobre la configuración del piso batimétrico, de utilidad para efectos de operación de la flota y asignación de áreas para el manejo de la pesquería. Pese a ello, los resultados obtenidos permiten evidenciar que tanto la pendiente como la cercanía a sistemas acuáticos costeros desempeñan una función importante en la distribución del recurso, coincidiendo parcialmente con las propuestas de Madrid–Vera et al. (2001a, 2001b, 2003) sobre la distribución latitudinal y batimétrica de las especies de camarón consideradas.

Partiendo del resultado previo, se derivó el principal producto de este estudio, consistente en una serie de modelos de distribución de abundancia de tres especies comerciales de camarón en el Pacífico mexicano. Se estableció que el camarón café fue normalmente la más abundante de las tres especies incluidas en el presente estudio, con estimaciones de CPUE consistentemente superiores a las de las otras dos especies, aun cuando su aportación a las capturas varió de 18% a 88% del total, dependiendo de la temporada. Esta variación no se refleja directamente en los resultados, pero considerando el método empleado, está implícita en los mapas finales que incorporan la variación a lo largo de 12 años, incluyendo los posibles efectos de eventos extremos como El Niño de 1997/1998, cuando la CPUE de camarón café obtuvo el menor registro, y al menos dos eventos más correspondientes al fenómeno de la Niña (http://www.esrl.noaa.gov/psd/people/klaus.wolter/MEI/). Los resultados contribuyen a entender los patrones generales de abundancia de las tres especies durante el periodo analizado.

De igual manera es posible destacar la importancia de la zona norte de la región, entre los sistemas lagunares de Ohuira y Ceuta, donde se concentran altos niveles de abundancia relativa para las tres especies. La región meridional es también una zona de concentración de recursos, donde el camarón blanco es la especie predominante. Aunado a lo anterior, la información sobre la abundancia relativa, con el uso de las tres categorías propuestas, puede utilizarse para definir las áreas destinadas a la conservación de la biomasa y reducción del esfuerzo pesquero en zonas con baja densidad, reduciendo el impacto ambiental y la tasa de mortalidad por pesca.

Nuestros resultados coinciden con informes sobre la distribución y abundancia de las especies de camarón en el Pacífico mexicano, producidos mediante técnicas distintas a la que aquí se presenta (Rodríguez de la Cruz 1981, Sierra et al. 2000, Chávez–Herrera 2001, Madrid–Vera et al. 2001a), aunque a diferencia de éstos, los modelos espaciales generados en este estudio predicen satisfactoriamente las tendencias de la distribución de las tres especies de camarón, con una resolución espacial mayor que la que se deriva de los estudios anteriores. Aunado a la descripción general que ofrecen las obras antes citadas, nuestro estudio proporciona una salida gráfica dinámica, que permite generar información más detallada, útil para fines de la gestión.

Pese a las diferentes estimaciones de abundancia relativa obtenidas por los dos métodos geoestadisticos, la similitud de los resultados obtenidos con ambos métodos permite confiabilidad en la identificación de zonas que históricamente generan mayor producción y otras que pudieran destinarse para propósitos de manejo y conservación. La concordancia fue mejor para las zonas con una alta abundancia relativa del recurso. Si bien existe coincidencia en los resultados de ambos métodos, el método de Kriging da una mejor opción, al permitir el ajuste de los resultados a diferentes modelos de distribución, con la producción de un variograma, una función matemática que caracteriza la continuidad o desigualdad espacial de un conjunto de datos, por lo que se recomienda este método. Además, nuestro estudio encontró que la comparación entre datos categóricos con atributos espaciales aumentó la fiabilidad de los resultados, permitiendo detectar márgenes de error y facilitando la localización de zonas donde existe divergencia de resultados.

A partir de los resultados obtenidos para el análisis KIA, se generaron suficientes elementos de confianza que permitieron rechazar la hipótesis de que la similitud entre pares de mapas es producida al azar. Para las tres especies, los resultados del índice KIA para la comparación global mapa a mapa, fueron de moderados (0.41 a 0.60) hasta niveles considerados como de concordancia casi perfecta (0.81–1.00), asignándose esta clasificación de acuerdo con los criterios de Landis y Koch (1977) para evaluar la afinidad entre datos categóricos. Los valores más altos del índice de Kappa se obtuvieron para píxeles clasificados como abundancia relativa alta, para las especies de camarón azul y café, por lo que inicialmente pudieran ser considerados para su futura validación con el apoyo de la flota pesquera.

En conclusión, el actual análisis de las tendencias espaciotemporales de la distribución de abundancia de camarón comercial en el noroeste de México ha demostrado una alta consistencia en sus predicciones, lo que permite la identificación de áreas que pueden ser utilizadas para regular el esfuerzo pesquero, para reducir la mortalidad por pesca y para generar nuevos puntos de referencia para el componente espacial de la actividad pesquera (Babcock et al. 2005). Lo anterior apoya los esfuerzos orientados a mantener la biomasa y su reclutamiento, estabilizando los rendimientos en los niveles actuales.

Los resultados no son definitivos, pero considerando la capacidad intrínseca de los SIG, se espera que la adición de nuevas capas de información, tales como la calidad del fondo oceánico, temperatura, proporción de especies en la captura y otras variables con atributos geográficos, como lo proponen Pérez–Castañeda y Defeo (2004) para camarones del Golfo de México, permitirá en el mediano plazo disponer de productos cartográficos, con modelos más precisos de distribución de los recursos. Con certeza, estas herramientas y productos contribuirán a la gestión de los recursos, ya que permitirá a los interesados una mejor organización de campañas exploratorias que de manera regular proporcionen información útil para comprender los mecanismos que regulan los patrones de distribución de los recursos y procesos que ocurren en el ambiente en que viven, importantes para el entendimiento de los procesos ecológicos en la región y en la gestión de una actividad pesquera sostenible.

 

AGRADECIMIENTOS

Se agradece al CRIP–Mazatlán y CONAPESCA el permiso otorgado para acceder a sus bases de datos. De igual manera, R Meraz (estudiante de postgrado del CIAD) y A Ruiz (año sabático) agradecen el apoyo económico otorgado por el CONACYT.

 

REFERENCIAS

Babcock EA, Pikitch EK, McAllister MK, Apostolaki P, Santora C. 2005. A perspective on the use of spatialized indicators for ecosystem–based fishery management through spatial zoning. ICES J. Mar. Sci. 62: 469–476.         [ Links ]

Caddy JF, García S. 1985. Fisheries thematic mapping: A pre–requisite for intelligent management and development of fisheries. Oceanogr. Trop. 21: 31–52.         [ Links ]

Chávez–Herrera D. 2001. Aspectos sobre la abundancia y la distribución de los camarones peneidos de la costa de Sinaloa y el norte de Nayarit, México, de 1992 a 2000. M.Sc. thesis, Universidad Autónoma de Sinaloa, México, 79 pp.         [ Links ]

CNP, Carta Nacional Pesquera. 2006. Diario Oficial de la Federación (25/08/2006), primera sección, CONAPESCA, México. 35 pp.         [ Links ]

Hendrickx ME. 1996. Los camarones Penaeoidea bentónicos (Crustacea: Decapoda: Dendrobranchiata) del Pacífico Mexicano. Comisión Nacional para el Conocimiento y Uso de la Biodiversidad, Instituto de Ciencias del Mar y Limnología, Universidad Nacional Autónoma de México, 147 pp.         [ Links ]

INAPESCA. 2001. Plan de manejo para la pesquería de camarón en el litoral del Océano Pacífico mexicano. Instituto Nacional de la Pesca, Secretaría de Medio Ambiente, Recursos Naturales y Pesca, México, 76 pp.         [ Links ]

Isaaks EH, Srivastava RM. 1989. An Introduction to Applied Geostatistics. Oxford Univ. Press, New York, 592 pp.         [ Links ]

Landis RJ, Koch GG. 1977. The measurement of observer agreement for categorical data. Biometrics 33: 159–174.         [ Links ]

Lawson CL. 1977. Software for C1 surface interpolation. In: J. Rice (ed.), Mathematical Software III. Academic Press, New York, pp. 161–194.         [ Links ]

Madrid–Vera J, Chávez–Herrera D, Melchor–Aragón JM. 2001a. Situación actual de las poblaciones de camarón café (Farfantepenaeus californiensis), en las costas de Sinaloa y norte de Nayarit, México. Doc. Téc. INAPESCA–CRIP– Mazatlán, Sinaloa, México, 12 pp.         [ Links ]

Madrid–Vera J, Melchor AJM, Castro–Castro D, Chávez–Herrera D. 2001b. Áreas de pesca restringidas y protegidas al camarón blanco (Litopenaeus vannamei) en las costas del norte de Nayarit y Sinaloa. Doc. Téc. INAPESCA, México, 16 pp.         [ Links ]

Madrid–Vera J, Aguirre VH, González AE. 2003. Abundance and distribution patterns of commercial shrimp (Penaoidea) during closed seasons in the Nayarit coast, Mexico. Doc. Téc. INAPESCA, México, 13 pp.         [ Links ]

Montana CJ. 2005. Diseño de sistemas de información geográfica para la pesca artesanal de Sinaloa. M.Sc. thesis, Universidad Nacional Autónoma de México, 116 pp.         [ Links ]

Morales–Bojórquez E, López–Martínez J, Hernández–Vázquez S. 2001. Dynamic match–effort model for brown shrimp Farfantepenaeus californiensis from the Gulf of California, Mexico. Cienc. Mar 27: 105–124.         [ Links ]

Paredes MR. 2007. Estimación de la abundancia de las poblaciones de camarón café Farfantepeneaus californiensis (Holmes, 1900) en el sureste del Golfo de California aplicando el teorema de Bayes. M.Sc. thesis, Universidad Nacional Autónoma de México, 54 pp.         [ Links ]

Pérez–Vivar TL. 2003. Dinámica poblacional del camarón blanco Litopenaeus vannamei (Boone 1931) en la plataforma continental de Sinaloa y Nayarit. M.Sc. thesis, Universidad Nacional Autónoma de México, 86 pp.         [ Links ]

Pérez–Castañeda R, Defeo O. 2004. Spatial distribution and structure along ecological gradients: Penaeid shrimps in a tropical estuarine habitat of Mexico. Mar. Ecol. Prog. Ser. 273: 173–185.         [ Links ]

Rodríguez de la Cruz MC. 1981. Aspectos pesqueros del camarón de alta mar en el Pacífico mexicano. Cienc. Pesq. (INAPESCA) 1: 1–19.         [ Links ]

Rosenfield GH, Fitzpatrick–Lins K. 1986. A coefficient of agreement as a measure of thematic classification accuracy. Photogr. Eng. Rem. Sens. 52: 223–227.         [ Links ]

Sierra RP, Acosta CC, García BJA, García JAR, Liedo GA, Melchor AJM, Ramos CS, Rosas CA, Toledo DMP, Zarate BE. 2000. Camarón. Pesquerías del Océano Pacífico. In: Cisneros–Mata MA, Beléndez–Moreno LF, Zárate–Becerra E. (eds.), Sustenta–bilidad y Pesca Responsable en México: Evaluación y Manejo 1999–2000. INAPESCA, SEMARNAT, México, pp. 1–50.         [ Links ]

 

NOTA

* Descargar versión bilingüe (Inglés–Español) en formato PDF.