Artículos

 

Análisis del esfuerzo pesquero con palangre de la flota atunera mexicana del Golfo de México durante 2004

 

Analysis of the fishing effort of the Mexican longline tuna fleet operating in the Gulf of Mexico in 2004*

 

K Xolaltenco–Coyotl¹, MJ Dreyfus–León¹– ²*, E Almanza–Heredia¹, JAE Almanza–Heredia¹

 

¹ Facultad de Ciencias Marinas, Universidad Autónoma de Baja California, Km 103 Carretera Tijuana–Ensenada, Ensenada, CP 22860, México.

² Instituto Nacional de la Pesca, Ensenada, Baja California, México. *E–mail: dreyfus@cicese.mx

 

Recibido en octubre de 2009
Aceptado en enero de 2010

 

ABSTRACT

The Gulf of Mexico yellowfin tuna (YFT) longline fishing effort for 2004 was analyzed. The data used to describe the longline characteristics and estimate the catch efficiency of the vessels (catch in number of organisms per trip) were obtained from fishing reports made by onboard scientific observers from the Mexican Tuna Exploitation and Dolphin Protection Program, covering 100% of the trips. To compare the catch per trip and determine the main aspects influencing it, generalized linear models were applied. To explain differences in efficiency, the following explanatory variables were considered: boat, bait, equipment, area, trimester, type of hook, number of hooks, temperature, longline total length, gangion length, trip duration (number of days), number of sets per trip, gear deployment time, longline soaking time, and hauling time. The model explained 57.5% of the variability of the catch. The variables that had the greatest influence on efficiency were boat, bait, trimester, equipment, number of sets per trip, and trip duration. The variable boat was the most important, suggesting that the Mexican YFT fleet operating in the Gulf of Mexico could be heterogeneous. This variable may include the experience of the captain and/or crew, boat age, motor characteristics and maintenance, or even crew comfort. The results should be considered preliminary since only one year was analyzed.

Key words: longline, tuna fishery, generalized linear models, Gulf of Mexico.

 

RESUMEN

Se analizó el esfuerzo pesquero con palangre de la flota de atún aleta amarilla (AAA) del Golfo de México durante 2004. Los datos para describir las características del palangre empleado y estimar la eficiencia de la captura de las embarcaciones (captura en número de organismos por viaje), fueron obtenidos de los informes de pesca de AAA recopilados por observadores científicos abordo del Programa Nacional para el Aprovechamiento del Atún y Protección al Delfín, cubriendo el 100% de los viajes. Para comparar la captura por viaje y determinar los principales factores que influyen en ella se recurrió a los modelos lineales generalizados. Para explicar las diferencias en la eficiencia, se consideraron las siguientes variables explicativas: barco, carnada, equipo, área, trimestre, tipo de anzuelo, temperatura, número de anzuelos calados, longitud total del palangre, longitud reinal, duración del viaje (número de días), número de lances por viaje, horas de calado, horas de reposo y horas de cobrado. El modelo explicó 57.5% de la variabilidad de la captura. Se observó que las variables que tuvieron mayor influencia sobre la eficiencia son barco, carnada, trimestre, equipo, número de lances por viaje y duración del viaje. La variable barco fue la más importante, lo que sugiere que la flota mexicana de AAA en el Golfo de México podría ser heterogénea. Dicha variable puede incluir la experiencia del capitán y/o la de la tripulación, antigüedad del barco, características del motor y mantenimiento del mismo o hasta comodidad de los tripulantes. Los resultados deben considerarse como preliminares debido a que se analizó un solo año.

Palabras clave: palangre, pesca de atún, modelos lineales generalizados, Golfo de México.

 

INTRODUCCIÓN

La pesquería de atún tiene una gran importancia económica y es una fuente significativa de alimentos. La producción mundial de las especies de atún ha crecido constantemente desde menos de 0.6 millones de toneladas en 1950 hasta casi 4 millones de toneladas en el 2007 (FAO 2009). La mayoría de las capturas de las principales especies comerciales de atún se llevan a cabo en el Pacífico (69.0% del total de la captura de las principales especies comerciales en 2007), seguido del Océano Índico (21.7% en 2007), y por último en el Océano Atlántico y el Mar Mediterráneo (9.5% conjuntamente en 2007) (FAO 2009).

Las denominadas especies comerciales son: barrilete (Katsuwonus pelamis), aleta amarilla (Thunnus albacares), patudo (Thunnus obesus), albacora (Thunnus alalunga), aleta azul del norte (Thunnus thynnus), aleta azul del sur (Thunnus maccoyi) y aleta azul del Pacífico norte (Thunnus orientalis). El atún aleta amarilla (AAA) es la segunda especie de túnidos con mayor importancia pesquera a escala mundial, comprendiendo aproximadamente el 24% de la captura total de las especies comerciales. Esta especie está plenamente explotada en el Océano Atlántico (FAO 2009).

Las artes de pesca empleadas en la captura de túnidos son varias, entre ellas están el palangre, la vara y la red de cerco. Su utilización varía en función del mercado al cual va dirigido el producto. El palangre se emplea para el mercado de producto crudo (sashimi y sushi), la vara para el atún fresco o enlatado, y la red de cerco para el enlatado y para obtener atún para engorde. El palangre obtiene 30% de la pesca mundial, incluyendo la mayor parte de la captura de picudos como el marlín, el pez espada y el pez vela (Sosa–Nishizaki et al. 2001).

En el Golfo de México se utiliza el palangre a la deriva de tipo americano (INE 2000), el cual consiste en una línea principal de monofilamento de nylon de 4 mm de diámetro y longitud promedio de 63 km y una longitud promedio del reinal de 35 brazas. Éste se coloca frecuentemente en mar abierto, pero también en áreas cercanas a la costa. Es un arte de pesca que genera capturas integradas, en más de 50% (con respecto al peso o al número), por el AAA (INP 2000a), cuya distribución de tallas durante el 2004 fue de 21.6 a 184.4 cm de longitud furcal (LF) presentando el mayor porcentaje entre 128.4 a 139.6 cm de LF (74.7%).

En comparación con otras capturas con palangre de AAA del Atlántico, en 2004, la pesquería mexicana obtuvó 15.67% (1208 t) de lo capturado en el Golfo de México y 4.67% del total del Atlántico, estimado en 25,859 t según la Comisión Internacional para la Conservación del Atún Atlántico (ICCAT 2004).

En el Golfo de México, durante el 2004, la flota atunera mexicana estuvo constituida por 32 embarcaciones distribuidas en su mayoría en el puerto de Tuxpan (81.4%), seguido por Yucaltepen (Yucatán, 8.8%), Alvarado (8.3%), Antón Lizardo (1.2%) y Veracruz (0.24%). En promedio, se registrarón embarcaciones de 21 m de eslora con capacidad de carga de 15 t y una autonomía en el mar de hasta 35 días (Solana–Sansores y Ramírez–López 2006).

En cuanto a la investigación científica pesquera, la flota provee información biológica, ambiental y de tecnología de capturas que, recabada de manera sistemática, contribuye al conocimiento del estado de varias poblaciones de peces y otros organismos que integran la comunidad pelágica en el área de operación de la flota palangrera mexicana (INP 2000a).

La estandarización de las tasas de capturas se realiza desde hace más de una década por medio de los modelos lineales generalizados (MLG) que amplían el supuesto de la forma de distribución de probabilidad de los errores aleatorios (Solana–Sansores et al. 2004). Dicho de otro modo, estos modelos permiten el análisis de los efectos e interacciones entre las variables de entrada en la modelación de la captura por unidad de esfuerzo (CPUE) y facilitan el ensayo de diferentes alternativas de distribución del error mediante la utilización de la función de máxima verosimilitud en el ajuste del modelo (McCullagh y Nelder 1989, Gatica y Hernández 2003). Por otro lado, los MLG permiten relacionar variables no sólo de tipo normal sino también variables que pertenecen a la familia exponencial, como son las distribuciones de tipo binomial, multinomial, poisson o de manera más general, variables cuya varianza es función de la media.

La ventaja de aplicar MLG está en la posibilidad de ensayar diferentes opciones de distribución del error, situación que mejora las posibilidades de ajuste, y por otro lado, tiene la desventaja de ser más susceptible en los estadísticos de significancia (Gatica y Hernández 2003). Solana–Sansores et al. (2004) mencionan que actualmente los MLG se utilizan en la estandarización de las tasas de captura para la pesquería de atún con palangre del Golfo de México. En la actualidad los MLG constituyen el método más utilizado en la estandarización de la CPUE (Punt et al. 2000, Simpfendorfer et al. 2000, Gatica y Hernández 2003).

En este trabajo se compara la captura por viaje para detectar si la flota atunera mexicana con palangre en el Golfo de México es homogénea y para determinar los factores que influyen en la eficiencia.

 

MATERIALES Y MÉTODOS

Los análisis se realizaron a partir de los datos recopilados por observadores a bordo del Programa Nacional para el Aprovechamiento del Atún y Protección del Delfín (PNAAPD) que operaron en el Golfo de México en el año 2004, cubriendo el 100% de los viajes.

Se consideraron las siguientes variables cuantitativas: número de anzuelos calados, número de días (duración del viaje), horas calado, horas reposo, horas cobrado, longitud total del palangre, longitud reinal, número de lances por viaje y temperatura. Las variables de tipo factor que se analizaron fueron: área, barco, carnada, equipo, trimestre y tipo de anzuelo (también llamada variable cualitativa en escala nominal); Estas últimas variables se ajustaron por categorías, los cuales no mantienen una relación de orden entre sí (Milton y Tsokos 2001).

• Área: La localización de las áreas de pesca se obtuvo del informe de lances y se clasifican en tres categorías con base en un estudio realizado por Noguez–Fuentes et al. (2007), quienes asignan las primeras dos categorías dividiendo el Golfo de México en dos zonas pesqueras según la concentración de esfuerzo: la zona I va de 90° a 94° longitud oeste y la zona II de 94.1° a 98° longitud oeste. La categoría restante es para embarcaciones que pescaron en ambas zonas.

• Barco: La variable nominal está conformada por el listado del total de embarcaciones en el Golfo de México y consta de 32 embarcaciones. Se establece, por lo tanto, una categoría por cada barco.

• Carnada: Se registraron de uno a cuatro tipos de carnada por crucero, cuatro especies de peces y una de molusco (vivo y no vivo), que quedaron codificadas en 30 categorías.

• Equipo: Esta variable se clasificó en función de la presencia de los aparatos en cada crucero (ecosonda, videosonda y radio–goniometro).

• Trimestre: El año 2004 se dividió en cuatro periodos.

• Tipo de anzuelo: Se consideraron seis categorías (anzuelo americano, garra de águila, huachinanguero, japonés, noruego y anzuelos no identificados).

Las capturas se definieron en número de organismos, ya que la estimación de la captura en peso puede tener menos precisión.

Se realizaron varios análisis mediante MLG a través del paquete estadístico S–Plus, cuya opción de contraste de tratamiento permite que los coeficientes estimados en los modelos queden referidos al primer nivel de cada factor, lo que facilita una interpretación directa de los resultados (Pallares et al. 2001). En los MLG es importante explorar previamente los datos con el fin de seleccionar un modelo estadístico que se ajuste bien a ellos (Soto 2002). La teoría estadística detrás de los MLG ha sido ampliamente documentada, tanto para aplicaciones relacionadas con poblaciones marinas (Punt et al. 2000, Maunder y Punt 2004 en Quiroz et al. 2005), como para técnicas estadísticas implementadas (McCullagh y Nelder 1989, Quiroz et al. 2005).

 

RESULTADOS

El análisis por MLG se realizó para estimar el número de atunes capturados y se asumió que la variable respuesta tiene una distribución de Poisson con un tipo de ajuste (función link o de unión) log.

El modelo base se definió de la siguiente manera:

Captura = tipo de anzuelo + barco + longitud total del palangre + longitud reinal + carnada + equipo + número de días + número de lances + trimestre + área + número de anzuelos + temperatura + calado + reposo + cobrado + ε

donde captura es el vector del número de organismos capturados en cada viaje y/o lance (variable dependiente); longitud total del palangre, longitud reinal, número de días, temperatura, calado, reposo, cobrado, número de lances y número de anzuelos son las variables explicativas (numéricas); barco, carnada, equipo, área, fecha y tipo de anzuelo son los factores; y e es el componente del error independiente que se supone normalmente distribuido.

En el primer análisis, el ajuste fue un tanto pobre, ya que el valor de la desviación total del modelo fue de 17,677.51 con 3367 g.l., bastante grande para una desviación residual de 14,332.24 con 3294 g.l., es decir, una variabilidad explicada de apenas 18.9% que indicó que el ajuste no fue bueno.

Posteriormente se analizó la captura por viaje, el cual mostró valores altamente significativos. A partir de estos resultados se evaluó un segundo análisis tomando en cuenta criterios estadísticos y operativos, con el fin de lograr el mejor modelo posible.

El modelo final con el que se trabajó bajo el principio de parsimonia, coherencia de los resultados y posterior al descarte de variables poco significativas con base a las tablas de desviaciones (Soto 2002) fue el siguiente:

Captura = barco + carnada + equipo + número de días + número de lances + trimestre + ε

Cabe destacar que la variable con el coeficiente más significativo en el modelo correspondió al número de lances con una influencia positiva.

La tabla 1 muestra la desviación del modelo, los grados de libertad total y los residuos del modelo. La columna de desviación o discrepancia representa la variación contabilizada por cada término y se observa que la variable barco fue la más importante. Las variables relacionadas con el palangre (como la carnada) se encuentran en segunda instancia y poca variación para las demás variables. Con un efecto secundario sobre la variable dependiente resultaron estar las variables relacionadas con los lances: número de lances y número de días, además del trimestre. La de menor importancia resultó la variable relacionada con el equipo técnico del barco. La desviación total fue de 10,738.44 con 401 grados de libertad, con una desviación residual de 4568.35 y 332 grados de libertad. Por lo tanto, la variabilidad explicada por el modelo fue de 57.5% (fig. 1), con una discrepancia residual de 42.5% (4568.35) del total de discrepancia. En la misma figura también se muestra el porcentaje de variación de cada una de las variables explicativas.

Los gráficos de los residuos totales y de ajuste normal del modelo (fig. 2) muestran cómo el modelo se ajustó a los datos. En la figura 2a se muestran los residuos de desviación frente a los valores ajustados, detectándose que la varianza no se mantiene constante con la media, es decir que la dispersión de los residuos oscila al rededor del cero. Los residuos tienen una escala más o menos grande, aunque hay una proporción de residuos negativa con un valor absoluto mayor que los residuos positivos.

En el panel superior derecho (fig. 2b) aparece el gráfico de la raíz cuadrada del valor absoluto de los residuos de desviación frente a los valores predichos en la escala de la variable respuesta original. Existen tres puntos extremos, como se ve en los dos primero gráficos (fig. 2a, b), que corresponden a datos con residuos negativos.

En la figura 2c se presenta la variable respuesta frente a los valores ajustados. Puesto que el modelo es lineal, los puntos se ajustaron a una recta y no presentaron una curvatura que indicaría la falta de algún término cuadrático o una mala elección de la función enlace (link).

La figura 2d representa la probabilidad normal de los residuos de Pearson. Si los residuos se ajustaran perfectamente a la recta, su distribución sería exactamente normal. Los residuos del extremo superior se desviaron ligeramente de la recta debido a la presencia de datos extremos, lo que significa que la distribución de los residuos de Pearson tiene una cola más gruesa que la distribución normal.

Es importante mencionar que los residuos parciales con respecto a las variables que son factores están representados con una constante para cada nivel y las variables continuas o discretas con una recta cuya pendiente corresponde a su coeficiente estimado en el modelo. Los factores carnada, barco, equipo y trimestre (fig. 3a, b, c, f) se consideraron importantes ya que presentaron una mayor variación entre sus distintos niveles correspondientes de cada factor. Como era de esperarse, la variable número de lances (fig. 3e) y la variable número de días (fig. 3d) tuvieron una influencia positiva sobre la variable dependiente, es decir que a medida que el número de lances y el número de días del viaje de pesca aumentaron, se dio una tendencia al incremento de la captura.

En la figura 4 se muestran los coeficientes relativos a las variables barco, carnada, equipo y trimestre en escala no logarítmica que equivale al esfuerzo relativo a las distintas categorías de las variables anteriores en escala no logarítmica.

Se ordenaron las distintas categorías de cada factor de mayor a menor como se muestra en la tabla 2. Los barcos 3, 6, 9, 14, 26, 27, 29, 22, 25 y 13 fueron las diez embarcaciones de mayor eficiencia en la flota palangrera de AAA para el Golfo de México durante el 2004.

En este mismo año, las tres carnadas que mejor resultado obtuvieron para la captura del atún, según el modelo, fueron sardina viva, ojón muerto y calamar muerto; las otras opciones de carnada no resultaron ser tan adecuadas y los coeficientes estimados en el modelo son relativamente homogéneos. Con respecto al equipo de los barcos, los que mejor desempeño tuvieron para la actividad pesquera son aquellos que contaron con videosonda y/o radiogoniómetro. Finalmente, los mejores periodos para la captura de AAA, según el MLG, fueron el segundo y primer trimestre del año.

Del esfuerzo relativo a categoría se tomó la variable barco para comparar la eficiencia de las 32 embarcaciones con la captura total (número de organismos) y el esfuerzo pesquero (número de viajes, número de lances y número de días trabajados) realizados durante el 2004 (tabla 3). Se observa que no necesariamente el barco más eficiente fue aquel que obtuvo las mayores capturas. Por ejemplo, el barco número 14 presentó el cuarto lugar en eficiencia pero el primer lugar en capturas, tercero en número de viajes, segundo en lances y cuarto en el número de días trabajados. En cambio, el barco 9 fue el tercero en eficiencia, pero le correspondió el décimo lugar en capturas, noveno en viajes, décimo quinto en lances y décimo octavo en días trabajados. Opuesto a las anteriores embarcaciones, los barcos 1 y 10 presentaron el décimo quinto y décimo sexto lugar en eficiencia, respectivamente. El barco 1 fue de los que más esfuerzo realizó; a pesar de esto no estuvo dentro de los primeros lugares en captura. El barco 10 ocupo los primeros lugares en captura y esfuerzo pesquero a excepción del número de días trabajados.

 

DISCUSIÓN

Inicialmente se consideraron 15 variables explicativas de las cuales sólo 6 fueron significativas (barco, carnada, equipo, trimestre, número de lances y número de días) y conformaron el modelo final. Una de las razones para descartar las variables menos importantes fue para obtener un modelo simple y práctico y se considera que el modelo explica la variabilidad de la captura porque el número de lances y días de pesca tuvieron una influencia positiva, lo que no ocurrió con las otras variantes. Existe un buen ajuste a los datos de acuerdo al análisis de las desviaciones y los gráficos de los residuos. Considerando la complejidad en la distribución de variabilidad de la captura y la falta de solapamiento entre las variables explicativas, es aceptable este resultado (Soto 2002).

Una característica a resaltar es que la variable barco demostró tener gran efecto en el nivel de capturas. Esto coincide con Hilborn y Walters (1992) y Quiroz et al. (2005), quienes mencionan que las características técnicas de la flota (por ejemplo, la eficiencia) son los principales factores que influencian las tasas de captura. La variable barco puede estar compuesta de diversos factores como la experiencia del capitán y/o tripulación, antigüedad del barco, motores, mantenimiento del mismo y hasta comodidad de los tripulantes, lo que haría que desempeñen mejor su trabajo. Esto nos da la pauta para futuros trabajos en los que se pudiera incluir ésta u otra información con el fin de desglosar de la variable barco, los aspectos explícitos significativos. Además, sería importante considerar una serie de varios años para este tipo de análisis, ya que el componente anual puede jugar un papel importante. Asimismo, sería interesante efectuar cálculos de esfuerzo relativo a la categoría del barco, es decir, determinar el número de categorías en la flota para obtener un coeficiente de esfuerzo relativo al barco que se tome como referencia.

Los MLG, aparte de proporcionar las variables más significativas, nos proporcionan el nivel de influencia (positiva o negativa, además de la magnitud) y el porcentaje de la variabilidad generada sobre la variable respuesta. De acuerdo con el INP (2000b), la eficiencia puede variar en función del tipo de carnada, la pericia y experiencia del pescador, así como por las condiciones en que se encuentra la embarcación. En el MLG desarrollado en este estudio, las variables barco, carnada, equipo, trimestre, número de lances y número de días son los factores que mejor explican las capturas y por lo tanto son los que más influyen en la eficiencia.

El modelo permitió realizar predicciones de la eficiencia de captura de AAA gracias al factor calculado por el MLG. El barco número 3 fue el más eficiente, no sólo por presentar una de la mayores capturas (segundo lugar) sino también porque el esfuerzo de pesca fue mucho menor en comparación con el barco 10. Este barco obtuvo el décimo sexto lugar en eficiencia a pesar de tener una de las mayores capturas (tercer lugar), debido a que realizó un esfuerzo pesquero mucho mayor ya que fue uno de los que más viajes y lances hizo. Esto reafirma que el MLG está diferenciando, en función de las variables utilizadas en el mismo modelo, los efectos debidos o relacionados a las distintas variables (por ejemplo, días trabajados o viajes realizados) de los efectos relacionados al barco que lleva intrínsecamente otras variables no desglosadas en el presente trabajo. No necesariamente el barco más eficiente es aquel que presenta las mayores capturas.

En referencia a la carnada, el MLG arrojó que la más eficiente para la captura de AAA es aquella integrada por una sola especie: sardina viva, ojón muerto o calamar muerto. Asimismo, el MLG marcó que el segundo trimestre fue el más efectivo; sin embargo, las estimaciones mensuales de la captura no sólo son explicadas por cambios sistemáticos en las estrategias o esfuerzo pesquero, sino también por consecuencia de la dinámica y características biológicas (Quiroz et al. 2005) de AAA o ambientales. También, las mayores capturas en ese trimestre coinciden con la mayor ocurrencia del número de cruceros realizados.

Estudios anteriores afirman que la flota palangrera mexicana del Golfo de México es muy homogénea en cuanto a embarcaciones, equipos, artes y maniobras de pesca, por lo que sus operaciones y resultados pueden enmarcarse dentro de una misma categoría (INP 2000a, Sosa–Nishizaki et al. 2001). Sin embargo, el MLG en este estudio muestra que las capturas se deben en su mayoría a la variable barco, lo que indica que la pesquería de AAA en el Golfo de México podría ser heterogénea. A esta variable se le atribuye un gran efecto respecto a la eficiencia. Esta variabilidad debe estar asociada a factores como la experiencia del capitán y tripulación; la antigüedad de la embarcación; el mantenimiento del barco, de los motores y otros equipos; las comodidades u otros factores. Un análisis con estas variables e incluyendo varios años de datos podría sustentar formalmente que esta pesquería es heterogénea. Asimismo, este tipo de análisis puede servir como indicador de medida de eficiencia de las embarcaciones atuneras y dar pauta a las empresas en la toma de decisiones para incrementar sus niveles de captura de AAA, sin olvidar la estandarización del esfuerzo e indicadores de abundancia.

 

AGRADECIMIENTOS

Se agradece al Consejo Nacional para la Ciencia y Tecnología (CONACYT) por el apoyo otorgado con número de registro 199079, al PNAAPD las facilidades de uso de la base de datos y a los observadores a bordo de la flota atunera su colaboración.

 

REFERENCIAS

FAO. 2009. El estado mundial de la pesca y la acuicultura 2008. Fisheries and Aquaculture Department, UN Food and Agriculture Organization, Rome, 218 pp.         [ Links ]

Gatica C, Hernández A. 2003. Tasas de captura estandarizadas como índice de abundancia relativa en pesquerías: enfoque por Modelos Lineales Generalizados. Investigación Marina, Valparaíso, 3: 107–115.         [ Links ]

ICCAT. 2004. Sesión de evaluación de ICCAT 2003 del stock de rabil. 21–26 de julio de 2003, Mérida, México. ICCAT 56: 443–527.         [ Links ]

INE. 2000. Indicadores para la evaluación del desempeño ambiental. Primera edición. Instituto Nacional de Ecología, SEMARNAT, México, 180 pp.         [ Links ]

INP. 2000a. Capitulo Atún del Golfo de México. In: Sustentabilidad y Pesca Responsable en México: Evaluación y Manejo 1999–2000. Instituto Nacional de la Pesca, SAGARPA, México, pp. 559–584.         [ Links ]

INP. 2000b. Catálogo de los sistemas de captura de las principales pesquerías comerciales. Instituto Nacional de la Pesca, SEMARNAP, 139 pp.         [ Links ]

Hilborn, R, Walters C. 1992. Quantitative fisheries stock assessment. Chapman and Hall, New York, 570 pp.         [ Links ]

McCullagh P, Nelder JA. 1989. Generalized linear model. Chapman and Hall, New York, 511 pp.         [ Links ]

Milton JS, Tsokos JO. 2001. Estadística para biología y ciencias de la salud. Interamericana Mc–Graw Hill. Madrid, España. 210 pp.         [ Links ]

Noguez–Fuentes JF, Dreyfus–León MJ, Robles–Ruíz H. 2007. Influencia de la luminosidad de las fases lunares en la captura de atún aleta amarilla (Thunnus albacares) con palangre en el Golfo de México. Hidrobiológicas. 17: 91–99         [ Links ]

Pallares P, Gaertner D, Soto M, Delgado de Molina A, Ariz J. 2001. Estandarización del Esfuerzo de las Flotas de Cerco Tropical por Medio de Modelos Lineales Generalizados. ICCAT. 54: 107–108.         [ Links ]

Punt AE, Walker TI, Taylor BL, Pribac F. 2000. Standardization of catch and effort data in a spatially–structured shark fishery. Fish. Res. 45: 129–145.         [ Links ]

Quiroz JC, Wiff R, Montenegro C. 2005. Factores que afectan las tasas de captura de langostino amarillo (Cervimunida johni) en la zona norte de Chile. Investigación Marina, Valparaíso. 33: 43–55.         [ Links ]

Simpfendorfer CA, Donohue K, Norm G. H. 2000. Stock assessment and risk analysis for the whiskery shark (Furgaleus macki; Whitly) in southwestern Australia. Fish Res., 47:1–107.         [ Links ]

Solana–Sansores R, Ramírez–López K. 2006. Análisis de la Pesquería Mexicana del Atún en el Golfo de México, 2004. ICCAT. 59: 525–535.         [ Links ]

Solana–Sansores R, Urbina–Pastor R, Brown CA. 2004. Estandarización de las tasas de captura de la pesquería de atún aleta amarilla (Thunnus albacares) con Palangre en el Golfo de México, Con Base en los Programas de Observadores de México (PNAAPD) y Estados Unidos (1992–2002). El Vigía PNAAPD, 9(20): 13–15.         [ Links ]

Sosa–Nishizaki, O, Robles–Ruíz H, Dreyfus–León MJ, Ceseña–Ojeda O. 2001. La pesca de atún con palangre en el Golfo de México (Primer semestre del 2001). El Vigía PNAAPD. 6: 20–23.         [ Links ]

Soto–Ruíz, M. 2002. Estandarización de series de CPUE con S–Plus. Instituto Tecnológico de Oceanografía, Madrid, Spain, 105 pp. Http://www.ieo.es/images/pdfs/manual.pdf.         [ Links ]

 

NOTA

* Versión bilingüe (Inglés–Español) en formato PDF