Ciencias Marinas

ISSN: 0185-3880

cmarinas@uabc.mx

Universidad Autónoma de Baja California

México

Ruiz-Luna, A; Meraz-Sánchez, R; Madrid-Vera, J

Abundance distribution patterns of commercial shrimp off northwestern Mexico modeled with

geographic information systems

Ciencias Marinas, vol. 36, núm. 2, 2010, pp. 107-120

Universidad Autónoma de Baja California

Ensenada, México

Available in: http://www.redalyc.org/articulo.oa?id=48013189001

How to cite

Complete issue

More information about this article

Journal's homepage in redalyc.org

Scientific Information System

Network of Scientific Journals from Latin America, the Caribbean, Spain and Portugal

Non-profit academic project, developed under the open access initiative

Ciencias Marinas (2010), 36(2): 107–120

107

CM

INTRODUCTION

The Mexican shrimp fishery includes diverse penaeidspecies, mainly of the genera Farfantepenaeus andLitopenaeus. It produces around 60,000 t per year nationally,with approximately 70% coming from the Pacific coast(INAPESCA 2001). This fishery industry directly or indi-rectly employs about 37,000 people, and contributes aboutUS$500 million, which represents nearly 40% of the totalvalue of the national fishery production.

This industry also has the largest fleet in the country,consisting of small and industrial boats that together havecarried the fishery to its maximum level of exploitation.

INTRODUCCIÓN

La pesquería mexicana de camarón incluye diversasespecies de peneidos, principalmente de los génerosLitopenaeus y Farfantepenaeus, produciendo cerca de60,000 t por año, de las que alrededor del 70% proceden de lacosta del Pacífico (INAPESCA 2001). Esta pesquería aportacerca de 500 millones de dólares, lo que representa aproxi-madamente 40% del valor total de la producción pesqueranacional y genera cerca de 37,000 empleos, directa o indirec-tamente.

Esta industria cuenta con la mayor flota del país, formadapor embarcaciones menores y de nivel industrial, que en

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

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

A Ruiz-Luna1*, 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.

ABSTRACT. Abundance patterns for three species of penaeid shrimp off northwestern Mexico are explained based on sampling-catch dataobtained by the National Fisheries Institute during closed fishing seasons (1995–2006). The bathymetry and fishing area (>14,000 km2) weredetermined from a depth dataset of >45,000 points. The catch data were obtained from a sampling network of 62 sites, with an average of 76trawls per fishing season; the brown shrimp (Farfantepenaeus californiensis) was the most abundant species. The relative abundance modelsfor the three species, produced by two geostatistical methods (inverse distance weighting (IDW) and Kriging), identified mid-northernSinaloa as the most important area regarding the distribution of the resource, with each species displaying different distribution patterns. Thespatial model allowed the categorization of data into three levels of relative abundance, taking the values between quartiles 1 and 3 as themedium 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 forareas of high abundance. These results could be useful to point out those areas that can be used to regulate fishing effort and reduce fishingmortality, supporting the sustainable development of the fishery.

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

RESUMEN. Se determinaron los patrones de abundancia de tres especies de camarones peneidos, con base en datos de capturas obtenidos porel Instituto Nacional de la Pesca durante la época de veda (1995–2006), en el noroeste de México. Se generó un modelo batimétrico y se definióel 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 62estaciones, con un promedio de 76 lances por temporada de pesca, siendo el camarón café (Farfantepenaeus californiensis) la especie másabundante. Los modelos de abundancia relativa de las tres especies, generados con dos técnicas geoestadísticas (método del inverso de ladistancia ponderada (IDW) y el de Kriging), ubican a la zona centro-norte de Sinaloa como la más importante para la distribución delrecurso, 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 delcuartil 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 valorespara las áreas de alta abundancia. Estos resultados podrían ser útiles para identificar áreas que pueden usarse para regular el esfuerzo pesqueroy 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.

Ciencias Marinas, Vol. 36, No. 2, 2010

108

Consequently, the efforts of government authorities havefocused on maintaining the biomass and recruitment to stabi-lize the yields at current levels and to reduce technologicaland environmental interactions (INAPESCA 2001, CNP2006). As part of this policy, fishery managers have recom-mended that fishing effort should not increase and fishingmortality should be reduced in some strategic areas. Inaddition, Mexican fishing authorities from the NationalCommission for Aquaculture and Fishing (CONAPESCA)and the National Fisheries Institute (INAPESCA) havedeveloped monitoring programs for the resource during boththe closed and open fishing seasons, and a time series since1992 of shrimp abundance records obtained before thefishing season opened is available.

Contributions on the dynamics of this resource fromMorales-Bojórquez et al. (2001), Madrid-Vera et al. (2001a),Pérez (2003), and Paredes (2007) have used data derivedfrom this monitoring program, introducing the concept ofuncertainty and the maximum likelihood approach whenmodelling this fishery. Even so, there is a consensus that notenough information exists to adequately characterize thetemporal and spatial patterns of this fishery, especially thelatter, for which there is limited technical information aboutthe distribution of commercial species in the Gulf ofCalifornia (Rodríguez de la Cruz 1981, Sierra et al. 2000,Chávez-Herrera 2001, Madrid-Vera et al. 2001a). Our studyaims to close these information gaps.

At present, mapping of natural resources, includingfishing resources and their habitat, is a priority for manage-ment purposes, even when part of the necessary informationis not completely available. This process exposes the maindata deficiencies and allows the problems to be prioritizedfor their solution (Caddy and García 1985). Obtaining suchinventories is even more difficult when unstable environ-ments are involved, and particularly when short-life orcomplex-cycle species strongly depend on the environmentalvariables and are under environmental stress because ofhuman activities such as fishing. With all these constraints,mapping resources and environments is a vital input for fish-eries management programs focused on maintaining biomassand recruitment. These programs are more likely to succeedif information on resource distribution and abundance isavailable.

We analyzed information on the abundance of the blueshrimp Litopenaeus stylirostris (Stimpson 1874), the whiteshrimp L. vannamei (Boone 1931), and the brown shrimpFarfantepenaeus californiensis (Holmes 1900) from thecoasts of Sinaloa and Nayarit, northwestern Mexico, usingthe ability of geographical information systems (GIS) andinterpolation techniques to emphasize the analysis spatially.

The purpose of this analysis was to produce indicatorsof shrimp abundance in the study area that allow the appro-priate application of the fishing effort and the estimation ofnatural production variabilities, particularly in areas that have

conjunto han llevado a la pesca a su nivel máximo deexplotación. Debido a esto, las autoridades gubernamentalesconcentran sus esfuerzos en mantener la biomasa y el recluta-miento en los niveles actuales para estabilizar los rendimien-tos y reducir las interacciones tecnológicas y ambientales(INAPESCA 2001, CNP 2006). Como parte de esta política,la administración pesquera recomienda no aumentar elesfuerzo pesquero y reducir la mortalidad por pesca enalgunas zonas estratégicas. Adicionalmente, las autoridadespesqueras de México, representadas por la ComisiónNacional de Acuacultura y Pesca (CONAPESCA) y elInstituto Nacional de la Pesca (INAPESCA), tienen progra-mas de monitoreo del recurso, tanto en temporada de vedacomo en la época de captura, gracias a lo cual se cuenta conuna serie temporal de registros de abundancia de camarónobtenidos durante la temporada de veda, desde 1992 a lafecha.

Con base en datos derivados de este programa de moni-toreo, Morales-Bojórquez et al. (2001), Madrid-Vera et al.(2001a), Pérez (2003) y Paredes (2007) han generado algunascontribuciones recientes sobre la dinámica de este recurso,introduciendo el concepto de incertidumbre y el enfoque demáxima verosimilitud para la modelización de esta pesque-ría. Aun así, el consenso señala que no existe suficienteinformación para caracterizar adecuadamente los patronestemporales y espaciales de esta pesquería, particularmenteestos últimos, para los que existen limitados reportes técnicossobre la distribución de las especies comerciales en el Golfode California (Rodríguez de la Cruz 1981, Sierra et al. 2000,Chávez-Herrera 2001, Madrid-Vera et al. 2001a). Por lotanto, el presente estudio contribuye a reducir las lagunas deinformación existentes en este sentido.

El cartografiado de los recursos naturales, incluidos lospesqueros y su hábitat, es una prioridad actual y forma partede los objetivos de la gestión, incluso cuando parte de lainformación necesaria no está completamente disponible. Sinembargo, a través de este proceso se exponen las deficienciasde los datos y se permite priorizar los problemas para susolución (Caddy y García 1985). Es un hecho que producireste tipo de inventarios se hace aún más complejo paraambientes inestables, particularmente cuando las especiescon ciclos biológicos cortos o complejos tienen fuerte depen-dencia a las variables ambientales y más aún si se ejercenpresiones ambientales, incluidas actividades como la pesca.Con todas estas limitantes, la cartografía de recursos yambientes es un insumo vital para los programas de gestiónpesquera relacionados con la conservación de la biomasa y elreclutamiento, que tienen mayores probabilidades de éxito sise dispone de información relacionada con la distribución yabundancia de los recursos.

Con ese enfoque, en este estudio se analizan datos de laabundancia del camarón azul Litopenaeus stylirostris(Stimpson 1874), el camarón blanco L. vannamei (Boone1931) y el camarón café Farfantepenaeus californiensis(Holmes 1900), obtenidos a lo largo de las costas de Sinaloa

Ruiz-Luna et al.: Estimating shrimp abundance with GIS

109

historically been subject to intensive exploitation. Hence, wecompared the results obtained using two different interpo-lation techniques (inverse distance weighting (IDW) andKriging). Assuming that when output distribution patternsfrom both techniques are as close as possible, this informa-tion could give a better understanding of the resource distri-bution patterns, the appropriate conditions to attain biomassconservation, the reduction of environmental interactions,and the reduction of fishing mortality.

Under the assumptions that the results obtained fromsampling the network stations of the INAPESCA monitoringprogram are representative of the distribution of shrimpspecies in the study area, that the surveys during the closedfishing season are the best available indicators of theabundance of the resource in the absence of fishing activity,and that the analytical methods are sufficiently robust, in thispaper we present the spatial distribution patterns of abun-dance of three shrimp species based on a 12-year data series.

MATERIAL AND METHODS

Delimitation of the shrimp fleet’s fishing area

The geographic area where the industrial shrimp-fishingfleet operates was defined by taking the 10- and 85-misobaths as the minimum and maximum depths; the latter wasselected as the maximum depth for fishing operationsbecause of the technical limitations of the vessels and thenatural distribution of the resource (Hendrickx 1996). Bathy-metric maps at scales larger than 1:750,000 are not availablefor the study area, so a bathymetric model was created withmore than 45,000 georeferenced data points, unevenlydistributed along the coasts of Sinaloa and northern Nayarit.Data were acquired from oceanographic and fishing surveyscompleted by the National Autonomous University ofMexico (UNAM), the Mexican Navy, and the RegionalCenter for Fisheries Research (CRIP-INAPESCA). Themodel was produced by linear interpolation using the triangu-lation method (Lawson 1977) with Surfer v.7 software.

The coastline was digitized from the vector mapsproduced by the National Institute for Statistics, Geography,and Informatics (INEGI; 1:250,000) and later integrated intothe bathymetric map. The vectorial model was then trans-formed to a cell format (*.grid), with 1 × 1 km pixel size andgeographic coordinates (latitude-longitude) in decimaldegrees, to be used as the base map for further analysis.

Abundance estimation

To estimate the abundance of the three shrimp species, thetime-series data from the INAPESCA monitoring programwere used. The samples were taken along the Pacific coast ofMexico, between 22º11 N and 25º47 N, off the coast of thestates of Sinaloa and Nayarit (fig. 1). Depending on theweather conditions, from zero to two trawls were made each

y Nayarit, en el noroeste de México, enfatizando el aspectoespacial de la información con base en las capacidades de lossistemas de información geográfica (SIG) y el uso de técnicasde interpolación.

El propósito de este análisis fue generar indicadores deabundancia de camarón en el área de estudio que permitanadecuar la aplicación del esfuerzo pesquero y estimar varia-ciones de la producción natural, particularmente en áreas quehistóricamente han estado sujetas a explotación intensiva.Para ello, se compararon los resultados producidos con el usode dos técnicas de interpolación (inverso de la distanciaponderada (IDW) y Kriging) que, bajo el supuesto de quecuando los patrones de distribución resultantes son similares,permiten una mejor comprensión de los patrones de distribu-ción de los recursos; una condición necesaria para alcanzarlos objetivos de conservación de la biomasa, la reducciónde las interacciones medioambientales y la reducción de lamortalidad por pesca.

Suponiendo que los resultados obtenidos del muestreo dela red de estaciones del programa de monitoreo delINAPESCA son representativos de la distribución de lasespecies de camarón en el área de estudio, que los muestreosdurante la temporada de veda son los mejores indicadoresdisponibles de la abundancia del recurso en ausencia deactividad pesquera y que los métodos de análisis son lo sufi-cientemente robustos, se presentan los patrones de distribu-ción 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 industrialdel 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 deoperación de pesca debido a las limitaciones técnicas de lasembarcaciones y a la distribución natural de los recursos(Hendrickx 1996). Para el área de estudio no existen cartasbatimétricas de escalas mayores de 1:750,000 por lo que fuenecesario construir un modelo batimétrico, a partir de más de45,000 puntos georreferenciados, distribuidos de formadesigual a lo largo de la costa de Sinaloa y norte de Nayarit.Los datos fueron registrados en diversas campañas oceano-gráficas y de pesca realizadas por la Universidad NacionalAutónoma de México (UNAM), la Armada de México y elCentro Regional de Investigación Pesquera-INAPESCA. Elmodelo fue elaborado por interpolación lineal utilizando elmétodo de triangulación (Lawson 1977) con el softwareSurfer v.7.

La línea de costa se obtuvo a partir de los modelos vecto-riales producidos por el Instituto Nacional de Estadística,Geografía e Informática (INEGI; 1:250,000) y posterior-mente se integró al modelo batimétrico. El modelo vectorial

Ciencias Marinas, Vol. 36, No. 2, 2010

110

year at the 62 sampling sites in the fishing zone. The dataseries (1995–2006) includes 911 records gathered betweenJuly and August of each year, when commercial shrimpfishing is banned. Data consist of the total shrimp catch, thecatch of each species (kg), and estimates of fishing effortstandardized to one hour trawling. From these, catch per uniteffort (CPUE) was assessed as an indicator of relative abun-dance (kg h–1). The CPUE values per species and samplingstation were used as seed data to simulate the spatial distribu-tion of the relative abundance.

The base map and the CPUE-data records per samplingstation and year were integrated into the GIS to producerelative abundance maps using the ArcView 3.2 platform.Density contour maps per year were created using two inter-polation techniques (IDW and Kriging) to determine whetheroutputs produced differences in the spatial distributionpatterns. The IDW technique assumes that the values of thevariables assigned to unsurveyed locations are an average ofthe values for the contiguous sampled sites, weighted by thedistance to these sites. This technique weighs distance to theclosest sites and is inversely proportional to the distancebetween the unsampled point and the sampled point (Isaaksand Srivastava 1989). The interpolation model integrated intothe ArcView platform is:

where zj is the estimated value (kg h–1) for the unsampledsite, zi is the observed value (kg h–1) recorded at site i, dij isthe distance (km) from the reference sites with a knownCPUE to the site for which the CPUE will be estimated, B isthe weighting factor (2.0), and n is the number of referencesites used for the calculation (10).

The Kriging method is based on the hypothesis that spa-tial variations for the variable are statistically homogeneousalong a surface. Its mathematical formulation uses a functioncalled a variogram as a weighting function that expresses thespatial variation among data. It can be defined as half of thesquare of the mean distance in all sets of pairs of observationsi separated by a distance h (Isaaks and Srivastava 1989). Thegeneral model used to estimate the empirical variogram is:

where h is the empirical variogram for distance h(distance between pairs of observations), N is the set of pairsof observations, and Z(xi) corresponds to the observed values

zj

zi

dijB-----------

i 1=

n

1dij

B-----------i 1=

n

---------------------=

h 12N h --------------- z xi z xi h+ – 2

i 1=

N h =

fue transformado a un formato de celda (*.grid), con píxelesde 1 × 1 km y coordenadas geográficas (latitud y longitud) engrados decimales, creándose de esta manera el mapa base quefue usado en análisis posteriores.

Estimación de la abundancia

La abundancia de las tres especies de camarón fueestimada a partir de las series temporales de datos generadosdentro del programa de monitoreo del INAPESCA. Losmuestreos se realizaron a lo largo de la costa del Pacífico deMéxico, entre los 22º11 N y 25º47 N, frente a la costa de losestados de Sinaloa y Nayarit (fig. 1). La red de muestreocuenta con 62 estaciones dentro de la zona de pesca, dondedependiendo de las condiciones meteorológicas se produ-jeron de cero a dos arrastres por temporada. La base de datos(1995–2006) incluye 911 registros, generados entre julio yagosto de cada año, durante la época de veda. La serie dedatos incluye la captura total y por especie de camarón (kg) yestimaciones del esfuerzo pesquero estandarizado a una horade arrastre. A partir de la información anterior se estimó lacaptura por unidad de esfuerzo (CPUE), suponiéndose comoun indicador de la abundancia relativa (kg h–1). Los valoresde CPUE por especie y estación de muestreo fueron utiliza-dos como semilla para simular la distribución espacial de laabundancia relativa.

El mapa base y los registros de CPUE por estación demuestreo y año se integraron al SIG para producir mapas dedistribución de la abundancia relativa, usando la plataformaArcView 3.2. Se produjeron mapas de contornos de densidadpor año con dos técnicas de interpolación (IDW y Kriging)para determinar si los productos generaban diferencias en lospatrones de distribución espacial. La técnica de IDW suponeque los valores de las variables asignados a localidades nomuestreadas, se obtienen como promedio de los valoresobservados en sitios de muestreo contiguos, ponderándosepor la distancia a estos sitios. Esta técnica pondera la distan-cia a las localidades más cercanas, que cuentan con informa-ción y establece que son inversamente proporcionales ala distancia entre las localidades muestreadas y la nomuestreada (Isaaks y Srivastava 1989). El modelo de interpo-lación usado se encuentra integrado a la plataforma deArcView y se describe como:

donde zj es el valor estimado (kg h–1) para el sitio no mues-treado, zi es el valor observado (kg h–1) en el sitio i, y dij es ladistancia (km) de los sitios de referencia, con un valor

zj

zi

dijB-----------

i 1=

n

1dij

B-----------i 1=

n

---------------------=

Ruiz-Luna et al.: Estimating shrimp abundance with GIS

111

per sample and location (kg h–1). To minimize the error, thevariograms were optimized using Akaike criteria when data,previously transformed into natural logarithm (x + 1) tonormalize the variance, were fitted to one of the modelsincluded in the ArcView 3.2 program. The two interpolationtechniques, IDW and Kriging, were independently used withthe CPUE values for each shrimp species and yielded conti-nuous value maps that were then reclassified into three levelsof relative abundance using quartiles to define the limits.

The lowest CPUE values, indicating low or zero abun-dance, included in quartile 1 were categorized with the value–1. The CPUE values included between quartiles 1 and 3were categorized with the value 0, indicating areas ofmedium abundance, and those above quartile 3 were catego-rized with the value 1, indicating areas of high abundancecompared with the average values. The same procedure wasdone for each year to yield 12 maps per species and interpola-tion technique. To summarize and visualize the informationin a single map, an algebraic sum of maps was made toproduce a single product per species and technique. Thus, theextreme values in the final output vary from –12, for areaswith permanently low or zero abundance, to 12, for areas ofhigh abundance in every year. Following the same approachas for the individual maps, the values were reclassified to

conocido de CPUE, al sitio para el que la CPUE se calcula. Eltérmino B corresponde al factor de ponderación (2.0) y n es elnúmero de sitios de referencia utilizado para el cálculo (10).

Por otra parte, el método de Kriging se basa en la hipó-tesis de que las variaciones espaciales de la variable son esta-dísticamente homogéneas a lo largo de una superficie. Suformulación matemática aplica variogramas como funcionesde ponderación, que expresan la variación espacial de losdatos y se define como la mitad de la media cuadrada de ladiferencia de todos los pares de datos observados i que estánseparados a una distancia h (Isaaks y Srivastava 1989). Elmodelo general para estimar el variograma empírico es:

donde *(h) es el variograma empírico para la distancia h(distancia entre pares de observaciones), N es el número depares de observaciones y Z(xi) corresponde a los valoresobservados (kg h–1) por muestreo y localidad. Para minimizarel error, los variogramas fueron optimizados utilizando crite-rios Akaike cuando los datos se ajustaron a alguno de losmodelos integrados en el programa ArcView 3.2, con previatransformación a logaritmo natural (x + 1), a fin de norma-lizar la varianza. Ambas técnicas de interpolación (IDW yKriging) se aplicaron por separado con los valores de CPUEobtenidos para cada especie analizada, generándose mapas devalores continuos que posteriormente fueron recategorizadosen tres niveles de abundancia relativa, usando cuartiles comocriterio para definir los límites.

Los valores más bajos de CPUE, representativos de nula abaja abundancia, quedaron incluidos dentro de los límites delprimer cuartil 1 y fueron clasificados con valor –1. Losvalores de CPUE incluidos entre los cuartiles 1 y 3 seclasificaron con el valor 0, lo que indica las áreas abundanciamedia. Finalmente, los valores por encima del cuartil 3 seclasificaron con el valor de 1, indicando las zonas de mayorabundancia en comparación con los valores medios. Elmismo procedimiento se realizó para cada año de la serietemporal, produciendo 12 mapas por especie y técnica deinterpolación. Para resumir y visualizar la información segeneró 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 variardesde –12, para las zonas que de manera permanente presen-taron abundancia nula o escasa, hasta 12, para las zonas dealta abundancia en todos los años. Siguiendo los mismoscriterios que para los mapas individuales, se reclasificaronlos valores a abundancia baja, media, y alta por el método delos cuartiles.

Los mapas resultantes por especie y método de interpola-ción fueron contrastados para determinar el nivel de similitudentre ambos productos. Para ello, se aplicó una técnica de

h 12N h --------------- z xi z xi h+ – 2

i 1=

N h =

Gulf of California

Sinaloa

1

3

4

5

6

7 8

9

10

2

Mazatlán

Topolobampo

25°

24°

23°

-109° -108° -107° -106°

BCS

Mexico

0 50km

NN

Figure 1. Study area off northwestern Mexico showing themain fishing harbours (Topolobampo and Mazatlán) andlagoon systems in the area. Black dots represent the CRIP-INAPESCA sampling network.Figura 1. Área de estudio en el noroeste de México. Semuestran los principales puertos de pesca en la zona(Topolobampo y Mazatlán) y los sistemas lagunares. Loscírculos negros representan las estaciones de muestreo delCRIP-INAPESCA.(1) Lechuguilla, (2) Ohuira, (3) Navachiste, (4) Santa María-La Reforma, (5) Altata-Pabellones, (6) Ceuta, (7) Urías, (8)Huizache-Caimanero, (9) Teacapan-Agua Grande, (10)Marismas Nacionales (Nayarit).

Ciencias Marinas, Vol. 36, No. 2, 2010

112

low, medium, and high relative abundance levels by thequartile method.

The resulting maps were contrasted by species andinterpolation method to determine the agreement between thetwo products. To do this, a technique for categorical mapoverlays was used, which produces a number of categories= n2, where n is the initial number of categories in both maps.The result can be visualized as a contingency or confusionmatrix from which the Kappa index of agreement (KIA) isassessed at both a general and a class level. This indexmeasures the association between two numeric matrices ofthe same size, categorical maps in this case, acquiring valuesfrom –1 to 1, where values close to –1 mean total dissimila-rity between maps, and values close to 1 indicate zero diffe-rence. Values close to 0 are random differences (Rosenfieldand Fitzpatrick-Lins 1986).

RESULTS

Given the available depth-referenced data for the limits ofthe study area, defined as the operational area for the shrimp-fishing fleet, a total surface area of about 14,500 km2 repre-sented by pixels of 1 × 1 km was estimated. The outputmap for the fishing area suggests a continental shelf with arelatively homogeneous width, extending about 40 km fromthe coastline (fig. 2); however, the bathymetry is not regular,the shelf narrowing at the northern limit and near Mazatlánto the south. The shelf has a moderate slope betweenNavachiste and Santa María-La Reforma, two of the mostimportant lagoon systems in the area, where the width isabout 50 km. The maximum width of about 60 km is foundtoward the southern limit, off the state of Nayarit.

superposición de mapas categóricos, cuyo resultado produceun número de categorías = n2, donde n es el número inicial delas categorías en ambos mapas. El resultado puede ser visua-lizado 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 suconjunto. Este índice mide la asociación que existe entre dosmatrices numéricas del mismo tamaño, en este caso mapascategóricos, adquiriendo valores de –1 a 1, donde valorescercanos a –1 son indicadores de diferencias importantesentre los mapas, mientras que valores cercanos a 1 indicantotal semejanza. Los valores cercanos a 0 se suponen comodiferencias producto del azar (Rosenfield y Fitzpatrick-Lins1986).

RESULTADOS

Con base en la disponibilidad de datos de profundidadgeorreferenciados para la zona de estudio, que define el áreade operación de la flota pesquera de camarón, se estimó unasuperficie total de aproximadamente 14,500 km2, represen-tada por pixeles de 1 × 1 km. El mapa resultante sugiereuna plataforma continental de amplitud relativamente homo-génea, de aproximadamente 40 km a partir de la línea de lacosta (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 mode-rada entre Navachiste y Bahía Santa María-La Reforma, dosde los sistemas lagunares más importantes de la zona, dondela anchura se aproxima a 50 km. La anchura máxima, cercanaa 60 km, se ubica hacia el límite sur, en el estado de Nayarit.

Se obtuvo un promedio de 76 muestras (arrastres) portemporada de captura, produciendo un rendimiento medio de1 t año–1, incluyendo las tres especies de camarón, durante los12 años de muestreo. El camarón café fue la especie másabundante, representando en promedio 61% de la capturatotal en los 12 años, con un máximo de alrededor de 88% deltotal en 2001. Le siguieron en importancia el camarón azul(27%) y el camarón blanco (11%). Sin embargo, la propor-ción varió en 1996, 1997 y 1998, con un aumento en lacaptura de camarón azul, que representó 44%, 78% y 43%,respectivamente. Por otra parte, el camarón blanco observósus menores niveles en los años 2000 y 2001, cuando repre-sentó 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, conel mayor valor global de 5.1 kg h–1 para el camarón café,usando la técnica de IDW. Para esta especie la CPUE mínimapresentó un valor de 2.1 kg h–1 en 1997, mientras que elmáximo alcanzó los 16 kg h–1 en 2006 (fig. 3a). Con el algo-ritmo de Kriging, las estimaciones fueron siempre menores,con una mediana general de 1.4 kg h–1 y los valores mínimo ymáximo de 0.8 kg h–1 en 1996 y 2.2 kg h–1 en 2006, respecti-vamente (fig. 3b).

Al utilizar el método IDW, para el camarón azul lamediana fue de 0.9 kg h–1, con un valor mínimo de 0.1 kg h–1

Figure 2. Bathymetric model and limits for the operation ofthe industrial shrimp fleet in the study area.Figura 2. Modelo batimétrico y límites para la operación de laflota industrial de pesca de camarón en el área de estudio.

> 5 - 20> 20 - 35> 35 - 50> 50 - 60> 60 - 85> 85 (except lagoons)

Depth (m)

25°

24°

23°

-109° -108° -107° -106°

BCS

SinaloaGulf of California

Ruiz-Luna et al.: Estimating shrimp abundance with GIS

113

From the survey, an average of 76 samples was obtainedper fishing season, producing a mean total yield of 1 t yr–1

during the 12 years surveyed and including the three shrimpspecies. The brown shrimp was the most abundant species,averaging 61% of the total catch for the 12 years, with amaximum of about 88% of the total in 2001. The blue shrimpaccounted for 27% of the total catch and the white shrimp11%. However, the proportion per species varied: in 1996,1997, and 1998 the blue shrimp accounted for 44%, 78%, and43% of the catch, respectively, while in 2000 and 2001 thewhite shrimp had its lowest abundance, representing only 1%and 5%, respectively, of the total catch (table 1).

Once the CPUE estimates per year had been obtained,the median was used as a measure of the central tendency,

en 2005, y el valor máximo de 2.0 kg h–1 en 2006 (fig. 3c). Alaplicar el algoritmo Kriging, la mediana estimada fue de0.4 kg h–1 para el camarón azul, con un valor mínimo deCPUE 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 de0.5 kg h–1, dentro de un intervalo que varió de 0.1 kg h–1 en2000 a 2.7 y 2.8 kg h–1 en los años 1999 y 2006 (fig. 3e). Conel método de Kriging la mediana fue de 0.4 kg h–1, con unvalor mínimo de 0.1 kg h–1 en 1996 y un máximo de 0.9 kgh–1 en 2006 (fig. 3f). Cabe señalar que de manera consistente,para el año 2006 se presentaron los valores máximos deCPUE para todas las especies.

Figure 3. Time-series of measures of central tendency (median and quartiles 1 and 3) of the relative abundance (CPUE) estimates forthree commercial shrimp species off northwestern Mexico using inverse distance weighted (IDW) and Kriging interpolation techniques:(a, b) brown shrimp Farfantepenaeus californiensis, (c, d) blue shrimp Litopenaeus stylirostris, and (e, f) white shrimp L. vannamei.Figura 3. Series temporales de las medidas de tendencia central (mediana y cuartiles 1 y 3) de la abundancia relativa (CPUE) estimadapara tres especies de camarón comercial del noroeste de México, usando las técnicas de interpolación IDW y Kriging: (a, b) camarón caféFarfantepenaeus californiensis, (c, d) camarón azul Litopenaeus stylirostris y (e, f) camarón blanco L. vannamei.

Ciencias Marinas, Vol. 36, No. 2, 2010

114

with the highest overall value of 5.1 kg h–1 for the brownshrimp obtained with the IDW technique. This species had aminimum CPUE value of 2.1 kg h–1 in 1997 and a maximumvalue of 16 kg h–1 in 2006 (fig. 3a). With the Kriging method,the values were consistently smaller, with a general medianof 1.4 kg h–1, and minimum and maximum values of 0.8 kgh–1 in 1996 and 2.2 kg h–1 in 2006, respectively (fig. 3b).

For the blue shrimp, with IDW the median was 0.9 kg h–1,with a minimum value of 0.1 kg h–1 in 2005 and a maximumvalue of 2.0 kg h–1 in 2006 (fig. 3c). With Kriging, the generalmedian was 0.4 kg h–1, with a minimum CPUE value of0.3 kg h–1 in 2001 and a maximum value of 0.9 kg h–1 in 1997(fig. 3d).

For the white shrimp L. vannamei, the general medianvalue obtained with the IDW method was 0.5 kg h–1, with aminimum value of 0.1 kg h–1 in 2000 and maximum CPUEvalues of 2.7 and 2.8 kg h–1 in two years (1999 and 2006)(fig. 3e). With the Kriging method, the general median was0.4 kg h–1, with a minimum value of 0.1 kg h–1 in 1996 and amaximum value of 0.9 kg h–1 in 2006 (fig. 3f). The year 2006consistently had the maximum CPUE values for all thespecies in the whole time series.

Regarding the spatial distribution of the relative abun-dance of the shrimp species, summarized in categorical mapsas low, medium, and high abundance, it is evident thatthe largest area had medium abundance levels of the threespecies. For the brown shrimp, the maximum relative abun-dance estimates obtained by the two interpolation methodswere recorded in two main areas, associated with the SantaMaría-La Reforma and Ceuta lagoon systems, in the north

Con respecto a la distribución espacial de la abundanciarelativa de las especies de camarón, resumidas como baja,media y alta abundancia en los mapas categóricos, se eviden-ció que la mayor superficie se asocia con niveles de abun-dancia media de las tres especies. Para el camarón café, lamayor abundancia relativa, estimada con ambos métodosde 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 deestudio (fig. 4a). Para el extremo sur de la zona de estudio,el registro de esta especie es reducido, con valores de abun-dancia cercanos a cero en la proximidad de los sistemaslagunares Huizache-Caimanero en Sinaloa y Teacapan-AguaGrande en Nayarit. Para los extremos de abundancia, laplataforma continental presentó condiciones similares, carac-terizada por una pendiente suave y profundidades somerasen promedio, aunque esta característica es más evidente parael norte de Sinaloa, próximo al sistema lagunar de SantaMaría-La Reforma.

Para el camarón azul se observó la mayor coincidencia enlos patrones de distribución espacial generados con ambastécnicas, mientras que para el camarón café, la mayor abun-dancia relativa se registró en la zona norte, si bien en estecaso sigue un patrón continuo desde Navachiste hasta labahía de Ceuta (fig. 4). Los resultados obtenidos con latécnica de Kriging indican que las mayores densidades decamarón azul se localizan en zonas más someras que lasregistradas para camarón café, información congruente conlos patrones de distribución batimétrica propuestos por elINAPESCA (2001). Esta especie también tiene una baja

Table 1. Total number of shrimp trawls (STn) and proportion per species of the total annual catch (kg) obtained by the CRIP-INAPESCAsampling program during closed fishing seasons (1995–2006).Tabla 1. Número total de arrastres de camarón (STn) y proporción por especie de la captura total anual obtenidos por el programa demuestreo del CRIP-INAPESCA durante la temporada de veda (1995–2006).

Year STn Proportion (%) Total catch (kg)

Brown shrimp Blue shrimp White shrimp

1995 79 75 17 8 1184

1996 108 48 44 8 715

1997 81 18 78 4 887

1998 78 43 43 14 566

1999 43 67 14 19 518

2000 41 59 40 1 1093

2001 83 88 7 5 684

2002 82 63 27 9 904

2003 75 58 18 25 752

2004 81 61 21 18 652

2005 81 76 9 15 1352

2006 79 64 23 13 2655

Total 911 61 27 11 11962

Ruiz-Luna et al.: Estimating shrimp abundance with GIS

115

Figure 4. General distribution pattern of relative abundance of three commercial shrimp species off northwestern Mexico obtained usinginverse distance weighted (IDW) and Kriging interpolation methods after a 12-year survey: (a) brown shrimp Farfantepenaeuscaliforniensis, (b) blue shrimp Litopenaeus stylirostris, and (c) white shrimp L. vannamei.Figura 4. Patrones generales de distribución de la abundancia relativa de tres especies de camarón comercial del noroeste de México,obtenidas con los métodos de interpolación inverso de la distancia ponderada (IDW) y Kriging, a partir de una serie temporal demuestreos durante 12 años: (a,) camarón café Farfantepenaeus californiensis, (b) camarón azul Litopenaeus stylirostris y (c) camarónblanco L. vannamei.(1) Lechuguilla, (2) Ohuira, (3) Navachiste, (4) Santa María-La Reforma, (5) Altata-Pabellones, (6) Ceuta, (7) Urías, (8) Huizache-Caimanero, (9) Teacapan-Agua Grande.

-109° -108° -107° -106°

25°

24°

23°

BCS

1

3

4

5

6

7 8

9

2

22°

25°

24°

23°

BCS

1

3

4

5

6

7 8

9

2

22°

25°

24°

23°

BCS

1

3

4

5

6

7 8

9

2

22°

25°

24°

23°

BCS

1

3

4

5

6

7 8

9

2

22°

25°

24°

23°

BCS

1

3

4

5

6

7 8

9

2

22°

MediumHigh

MediumHigh

MediumHigh

MediumHigh

MediumHigh

MediumHigh

a

b

c

Gulf of California

Sinaloa

Gulf of California

SinaloaSinaloa Sinaloa

Sinaloa Sinaloa

Sinaloa Sinaloa

Ciencias Marinas, Vol. 36, No. 2, 2010

116

and middle of the study area (fig. 4a). The southern end ofthe study area had fewer brown shrimp, with almost zeroabundance in the lagoon systems of Huizache-Caimanero inSinaloa and Teacapan-Agua Grande in Nayarit. For bothmaximum and minimum abundances, the continental shelf ofthe associated areas is characterized by a smooth slope andshallow depths, although this feature is more obvious fornorthern Sinaloa near the Santa María-La Reforma lagoonsystem.

The blue shrimp had the highest spatial agreement amongthe distribution patterns, regardless of the interpolation tech-nique used. As for the brown shrimp, the northern area hadthe highest relative abundance values, but this distributionpattern follows a continuum between the Navachiste andCeuta lagoon systems (fig 4). With the Kriging technique,higher densities of blue shrimp relative to brown shrimpoccurred in shallower areas, which agrees with the bathyme-tric distribution patterns proposed by INAPESCA (2001).This species also had low abundances to the south of thestudy area, though here the minimum values corresponded todeeper areas.

For the white shrimp, the high abundance areas were offmid-Sinaloa, facing the Santa María-La Reforma, Altata, andCeuta lagoon systems, and in the south near the Urías,Huizache-Caimanero, and Teacapán-Agua Grande systems,but at shallower depths than those of the other two species(fig. 4c). The areas of lower abundances were in the northernpart. This differed from the spatial distribution patterns ofbrown shrimp, which showed high and medium abundancesall along the coast, and from the blue shrimp, whose abun-dance was higher to the north and lower to the south.

Even though the three species are found throughout thestudy area, there is an evident latitudinal stratification: blueand white shrimp occur in the upper and lower latitudinalextremes, whereas the brown shrimp has a wide latitudinaldistribution. The abundance estimated for the brown shrimpis almost ten times greater than the abundance of the othertwo species.

Regarding the differences in the abundance distributionpatterns determined from the paired maps, the overall agree-ment for the three species was >70% (table 2), but similarityvaried among abundance levels between 43% and 90%. Inmost cases, the equivalence between both estimates washigher for the high density areas, reaching 90% for the blueshrimp and about 80% for the brown shrimp. In contrast, thelowest agreement for the white shrimp was in the high abun-dance category and the best agreement was for the mediumdensity category.

The above results were further confirmed by thosederived from the pixel by pixel spatial analysis, which gaveKIA values as indicators of spatial agreement. This analysisrevealed that even though there is some level of agreementbetween relative abundance maps for each species, in mostcases it is moderate when using the classification proposed

abundancia en el sur de la zona, aunque aquí los valoresmínimos se encuentran en zonas más profundas.

Para el camarón blanco, las zonas con mayor abundanciase determinaron hacia el centro de Sinaloa, frente a lossistemas lagunares de Bahía Santa María-La Reforma, Altatay Ceuta, así como en relación con los sistemas de Urías,Huizache-Caimanero y Teacapan-Agua Grande al sur, si biena menores profundidades que las observadas para las otrasdos especies, encontrándose los valores de menor abundanciaen el norte de la zona de estudio (fig. 4c). Este patrón dedistribución espacial difiere del observado para el camaróncafé, que presenta valores de abundancia alta y media práct-icamente a lo largo de la zona de estudio, mientras que para elcamarón azul la mayor abundancia se observa en el norte,con disminución hacia el sur.

Aunque las tres especies se distribuyen en toda la zonade estudio, existe una evidente estratificación latitudinal,con mayor presencia del camarón azul y el blanco en losextremos latitudinales norte y sur, respectivamente, mientrasque el camarón café tiene un amplio patrón de distribuciónlatitudinal. Por otra parte, aunque la abundancia de las tresespecies se distribuye en toda la zona de estudio, la abundan-cia estimada de camarón café es casi diez veces superior a laabundancia de las otras dos especies.

Con respecto a las diferencias en los patrones de distribu-ción 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 diferenciasde similitud entre los niveles de abundancia, variando de43% a 90% de concordancia. En la mayoría de los casos, seobtuvieron los mayores valores para las zonas definidascomo de alta densidad, llegando a 90% de afinidad para elcamarón azul y alrededor de 80% para el camarón café. Encontraste, el nivel de concordancia más bajo para el camarónblanco se presentó en la categoría de alta abundancia, mien-tras que para la abundancia media se presentó el mayor nivelde concordancia.

Los resultados anteriores fueron confirmados con losobtenidos mediante el análisis espacial realizado píxel porpíxel, que dio valores del KIA como indicadores de la afini-dad espacial. Este análisis reveló que aunque hay un ciertonivel de coincidencia entre los mapas de abundancia relativapara cada especie, éste es moderado en la mayoría de loscasos, siguiendo los criterios de clasificación desarrolladospor Landis y Koch (1977) para determinar la concordancia dedatos categóricos y que en función de los valores de Kappa,se clasifican desde pobre (KIA < 0.00), hasta concordanciacasi perfecta (KIA = 0.81 – 1.00)

En general, el valor más bajo de concordancia (KIA =0.48) se obtuvo para el camarón blanco, siendo ligeramentemayor para los camarones café y azul, con valores de KIA de0.52 y 0.53, respectivamente. A pesar de ello, la tendenciaadvertida en el análisis anterior se mantuvo, con la mayorcoincidencia entre píxeles clasificados como de abundanciarelativa alta, en comparación con las abundancias media y

Ruiz-Luna et al.: Estimating shrimp abundance with GIS

117

by Landis and Koch (1977), which provides criteria toclassify categorical data into six levels of agreement, frompoor agreement (KIA < 0.00) to almost perfect (KIA = 0.81to 1.00).

The lowest overall KIA value (0.48) was obtained for thewhite shrimp, while the brown and blue shrimp had slightlyhigher KIA values of 0.52 and 0.53, respectively. Despitethis, the tendency shown by the previous analysis abided,with higher agreement among pixels categorized as high rela-tive abundance compared with medium and low relativeabundance (table 3). This was especially apparent in the caseof brown and blue shrimp, the latter species reaching KIAvalues of 0.88. The white shrimp had the lowest agreementbetween areas of high density values.

DISCUSSION

The use of geostatistical techniques allowed us to achievetwo goals that contribute to the Mexican Pacific shrimp fish-ery management programs. First, a base map (bathymetry)for the coasts of Sinaloa and northern Nayarit was developed,based on a dataset provided by research and fishing vessels,to establish the operation area (>14,000 km2) for the indus-trial shrimp-fishing fleet. This result improved previousattempts developed for this region, which had used smallerdatabases and provided less precise and less reliable models(Pérez 2003, Montana 2005). There are some clear discrepan-cies with those models and official data, but they can beexplained mostly by differences in the definition of themaximum depth limit and by our use of data from areas fromwhich trawl fishing is naturally excluded (rocky bottoms).Certainly the model needs to be improved, particularlyregarding the continental shelf configuration, useful for fleetoperations and the assignment of management areas.However, it is evident from our results that the slope and theproximity to coastal aquatic systems play an important role inthe distribution of the resource abundance, partially agreeingwith the latitudinal and bathymetric distribution of the shrimpspecies reported by Madrid-Vera et al. (2001a, 2001b, 2003).

Second, the previous results were used to completemodels of the relative abundance distribution of threecommercial shrimp species in the Mexican Pacific. In agree-ment with these models, the brown shrimp was generally themost abundant of the three shrimp species with CPUE valuesregularly greater than those of the other two species, evenwhen annual brown shrimp catches varied from 18% to 88%of the total. This is not evident in the output maps, but themethod used integrates the temporal variation in the 12-yeardata series, including the effects of extreme oceanographicevents such as the 1997/98 El Niño, when brown shrimpCPUE values were the lowest, and at least two La Niñaevents (www.esrl.noaa.gov/psd/people/klaus.wolter/MEI).Our results contribute to a better understanding of the generaldistribution patterns of the three shrimp species during thestudy period.

baja (tabla 3). Esto fue más evidente con las especies decamarón café y azul, que llegaron a alcanzar valores deKIA = 0.88 para la última especie. El camarón blanco resultócon el nivel más bajo de concordancia entre las zonas convalores correspondientes a alta abundancia relativa.

DISCUSIÓN

Con la aplicación de técnicas geoestadísticas fue posiblealcanzar dos objetivos que contribuyen con los programas degestión pesquera del recurso camarón en el Pacífico mexi-cano. En primer término, se produjo un modelo batimétricopara la costa de Sinaloa y norte de Nayarit basado en datos decruceros científicos y generados por la flota pesquera, con los

Table 2. Confusion matrices to evaluate overall and by-classagreement among 14,477 pixels of 1 km2, representing the areaof relative abundance (high, medium, and low) of threecommercial shrimp species off northwestern Mexico.Comparisons are among estimates from two interpolationmethods, using Kriging as reference.Tabla 2. Matrices de confusión para evaluar la concordanciageneral y por clase de 14,477 píxeles de 1 km2, representantesde abundancia relativa (alta, media y baja) para tres especies decamarón comercial del noroeste de México. Se comparan lasestimaciones obtenidas con dos métodos de interpolación, conKriging como referencia.

Farfantepenaeus californiensis Kriging

Abundance High Medium Low

High 2285 976 0

IDW Medium 616 6293 1073

Low 0 1371 1863

Class agreement 79% 73% 63%

Overall agreement 72%

Litopenaeus stylirostris Kriging

Abundance High Medium Low

High 2849 861 0

IDW Medium 282 6162 1123

Low 6 1704 1490

Class agreement 91% 71% 57%

Overall agreement 73%

Litopenaeus vannamei Kriging

Abundance High Medium Low

High 1148 1128 0

IDW Medium 1482 7136 659

Low 12 730 2182

Class agreement 43% 79% 77%

Overall agreement 72%

Ciencias Marinas, Vol. 36, No. 2, 2010

118

Our results also reveal the importance of the northern partof the study area, between the Ohuira and Ceuta lagoonsystems, where the highest relative abundance levels of thethree species are mainly concentrated. The southern part isalso an area of resource concentration and the white shrimp isthe predominant species. The relative abundance informa-tion, using the three proposed categories, can be used todefine areas for conservation of biomass and to reduce thefishing effort in low density areas, reducing environmentalimpact and fishing mortality rate.

Our results agree with other reports on the distributionand abundance of shrimp species in the Mexican Pacific,produced using different technical approaches than the oneused here (Rodríguez de la Cruz 1981, Sierra et al. 2000,Chávez-Herrera 2001, Madrid-Vera et al. 2001a); however,our results seem to satisfactorily predict the spatial distribu-tion trends for the three shrimp species, with a spatial resolu-tion higher than that offered by the above authors. In additionto the general description offered by the above-cited reports,our study gives a detailed graphic output useful for manage-ment purposes. The spatial models offer a dynamic graphicoutput, not included with the other approaches, allowingfurther analysis for management purposes, at higher scales.

Although different estimates of relative abundance wereobtained by the two interpolation methods, the similarity wasrelatively high for all the species to confidently identify areasof high shrimp production and other areas for conservationand management purposes. The agreement was better forareas of high relative abundance of the resource, andalthough coincidence exists in the results from both methods,the Kriging method gives a better option. Fitting results todifferent distribution models produces a variogram, a mathe-matical function that characterizes the spatial continuity orroughness of a dataset, for which this method is recom-mended. Furthermore, our study found that comparisonamong categorical data with spatial attributes increased the

que se establecieron los límites de operación de la flotaindustrial pesquera de camarón, cuya superficie se estimó en>14,000 km2. Este primer resultado ofrece un modelo máspreciso que otros productos batimétricos generados con finessimilares pero cuyas bases de datos han sido más limitadas(Pérez 2003, Montana 2005). Algunas de las discrepanciasobservadas con dichos modelos, así como con los datosoficiales, están claramente detectadas y la diferencia seexplica principalmente con base en diferencias del límitemáximo de profundidad y por la adición de datos procedentesde zonas donde la pesca de arrastre queda excluida natural-mente (fondos rocosos).

El modelo se ve limitado por la insuficiencia de informa-ción para mejorar el conocimiento sobre la configuración delpiso batimétrico, de utilidad para efectos de operación de laflota y asignación de áreas para el manejo de la pesquería.Pese a ello, los resultados obtenidos permiten evidenciar quetanto la pendiente como la cercanía a sistemas acuáticoscosteros desempeñan una función importante en la distribu-ción del recurso, coincidiendo parcialmente con las propues-tas de Madrid-Vera et al. (2001a, 2001b, 2003) sobre ladistribución latitudinal y batimétrica de las especies decamarón consideradas.

Partiendo del resultado previo, se derivó el principalproducto de este estudio, consistente en una serie de modelosde distribución de abundancia de tres especies comerciales decamarón en el Pacífico mexicano. Se estableció que elcamarón café fue normalmente la más abundante de las tresespecies incluidas en el presente estudio, con estimaciones deCPUE consistentemente superiores a las de las otras dosespecies, aun cuando su aportación a las capturas varió de18% a 88% del total, dependiendo de la temporada. Estavariación no se refleja directamente en los resultados, peroconsiderando el método empleado, está implícita en losmapas finales que incorporan la variación a lo largo de12 años, incluyendo los posibles efectos de eventos extremoscomo El Niño de 1997/1998, cuando la CPUE de camaróncafé obtuvo el menor registro, y al menos dos eventos máscorrespondientes al fenómeno de la Niña (www.esrl.noaa.gov/psd/people/klaus.wolter/MEI/). Los resultados contribu-yen a entender los patrones generales de abundancia de lastres especies durante el periodo analizado.

De igual manera es posible destacar la importancia de lazona norte de la región, entre los sistemas lagunares deOhuira y Ceuta, donde se concentran altos niveles de abun-dancia relativa para las tres especies. La región meridional estambién una zona de concentración de recursos, donde elcamarón blanco es la especie predominante. Aunado a loanterior, la información sobre la abundancia relativa, con eluso de las tres categorías propuestas, puede utilizarse paradefinir las áreas destinadas a la conservación de la biomasa yreducción del esfuerzo pesquero en zonas con baja densidad,reduciendo el impacto ambiental y la tasa de mortalidad porpesca.

Table 3. Values of the Kappa index of agreement as indicatorsof similarity among IDW- and Kriging-derived spatial patternsof relative abundance for three species of commercial shrimpoff northwestern Mexico. Values close to one representmaximum agreement and values close to zero indicate arandom arrangement.Tabla 3. Valores del índice Kappa de concordancia comoindicadores de similitud entre patrones espaciales deabundancia relativa derivados con IDW y Kriging, para tresespecies de camarón comercial del noroeste de México.Valores cercanos a uno indican máxima concordancia yvalores cercanos a cero indican un arreglo generado al azar.

Abundance Blue shrimp Brown shrimp White shrimp

Low 0.45 0.53 0.71

Medium 0.38 0.39 0.42

High 0.88 0.73 0.33

Overall 0.53 0.52 0.48

Ruiz-Luna et al.: Estimating shrimp abundance with GIS

119

reliability of the results, making it possible to detect errormargins and to facilitate the identification of areas withdiffering results.

The results obtained from the KIA analyses produceenough elements of certainty to reject the hypothesis thatagreement between pairs of maps is caused by chance. Forthe three species, the KIA results for the overall map-to-mapcomparison are in moderate agreement (0.41–0.60), reachingin some cases the almost perfect agreement category(0.81–1.00) when using the Landis and Koch (1977) proposalto evaluate affinity among categorical data. The highestKappa values were obtained for high relative abundancepixels for the blue and the brown shrimp, and could initiallybe considered for further validation with the support of thefishing fleet.

In conclusion, the analysis of the time-spatial trends inthis study has shown high consistency in the forecasts ofabundance distribution patterns of commercial shrimp offnorthwestern Mexico, allowing the identification of areasthat can be used to regulate fishing effort, to reduce fishingmortality, and to create new references for the spatial compo-nent of fishing activity (Babcock et al. 2005), helping tomaintain the biomass and its recruitment, and stabilize theyields at current levels.

The results are not definitive, but considering the intrinsicabilities of GIS, the addition of new information layers, suchas quality of the oceanic floor, temperature, species propor-tion in the catch, and other variables with geographic attri-butes, as proposed by Pérez-Catañeda and Defeo (2004) forGulf of Mexico shrimp, should allow us in the medium termto have cartographic products with more accurate distributionmodels of the resources. These tools and products will surelycontribute to the resource management, allowing managers toorganize better exploratory surveys that should regularlyprovide information to understand mechanisms about theresource distribution patterns and the environment theyinhabit, which is important for comprehending the ecologicalprocesses in the region and managing sustainable fishingactivities.

ACKNOWLEDGEMENTS

We thank CRIP-Mazatlán and CONAPESCA for thepermission granted to access their databases. Financial assis-tance provided by CONACYT to R Meraz (postgraduatescholarship) and A Ruiz (sabbatical funding) is gratefullyacknowledged.

REFERENCES

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

Nuestros resultados coinciden con informes sobre ladistribución y abundancia de las especies de camarón en elPacífico mexicano, producidos mediante técnicas distintas ala que aquí se presenta (Rodríguez de la Cruz 1981, Sierraet al. 2000, Chávez-Herrera 2001, Madrid-Vera et al. 2001a),aunque a diferencia de éstos, los modelos espaciales genera-dos en este estudio predicen satisfactoriamente las tendenciasde la distribución de las tres especies de camarón, con unaresolución espacial mayor que la que se deriva de los estudiosanteriores. Aunado a la descripción general que ofrecen lasobras antes citadas, nuestro estudio proporciona una salidagráfica dinámica, que permite generar información más deta-llada, útil para fines de la gestión.

Pese a las diferentes estimaciones de abundancia relativaobtenidas por los dos métodos geoestadisticos, la similitud delos resultados obtenidos con ambos métodos permite confia-bilidad en la identificación de zonas que históricamentegeneran mayor producción y otras que pudieran destinarsepara propósitos de manejo y conservación. La concordanciafue mejor para las zonas con una alta abundancia relativa delrecurso. Si bien existe coincidencia en los resultados deambos métodos, el método de Kriging da una mejor opción,al permitir el ajuste de los resultados a diferentes modelosde distribución, con la producción de un variograma, unafunción matemática que caracteriza la continuidad o desi-gualdad espacial de un conjunto de datos, por lo que serecomienda este método. Además, nuestro estudio encontróque la comparación entre datos categóricos con atributosespaciales aumentó la fiabilidad de los resultados, permi-tiendo detectar márgenes de error y facilitando la localizaciónde zonas donde existe divergencia de resultados.

A partir de los resultados obtenidos para el análisis KIA,se generaron suficientes elementos de confianza que permi-tieron rechazar la hipótesis de que la similitud entre pares demapas es producida al azar. Para las tres especies, los resulta-dos del índice KIA para la comparación global mapa a mapa,fueron de moderados (0.41 a 0.60) hasta niveles consideradoscomo de concordancia casi perfecta (0.81–1.00), asignándoseesta clasificación de acuerdo con los criterios de Landis yKoch (1977) para evaluar la afinidad entre datos categóricos.Los valores más altos del índice de Kappa se obtuvieron parapíxeles clasificados como abundancia relativa alta, para lasespecies de camarón azul y café, por lo que inicialmentepudieran ser considerados para su futura validación con elapoyo de la flota pesquera.

En conclusión, el actual análisis de las tendencias espa-ciotemporales de la distribución de abundancia de camaróncomercial en el noroeste de México ha demostrado una altaconsistencia en sus predicciones, lo que permite la identifica-ción de áreas que pueden ser utilizadas para regular elesfuerzo pesquero, para reducir la mortalidad por pesca ypara generar nuevos puntos de referencia para el componenteespacial de la actividad pesquera (Babcock et al. 2005).Lo anterior apoya los esfuerzos orientados a mantener la

Ciencias Marinas, Vol. 36, No. 2, 2010

120

Caddy JF, García S. 1985. Fisheries thematic mapping: Apre-requisite for intelligent management and development offisheries. Oceanogr. Trop. 21: 31–52.

Chávez-Herrera D. 2001. Aspectos sobre la abundancia y ladistribución de los camarones peneidos de la costa de Sinaloa yel norte de Nayarit, México, de 1992 a 2000. M.Sc. thesis,Universidad Autónoma de Sinaloa, México, 79 pp.

CNP, Carta Nacional Pesquera. 2006. Diario Oficial de laFederación (25/08/2006), primera sección, CONAPESCA,México. 35 pp.

Hendrickx ME. 1996. Los camarones Penaeoidea bentónicos(Crustacea: Decapoda: Dendrobranchiata) del PacíficoMexicano. Comisión Nacional para el Conocimiento y Uso de laBiodiversidad, Instituto de Ciencias del Mar y Limnología,Universidad Nacional Autónoma de México, 147 pp.

INAPESCA. 2001. Plan de manejo para la pesquería de camarón enel litoral del Océano Pacífico mexicano. Instituto Nacional de laPesca, Secretaría de Medio Ambiente, Recursos Naturales yPesca, México, 76 pp.

Isaaks EH, Srivastava RM. 1989. An Introduction to AppliedGeostatistics. Oxford Univ. Press, New York, 592 pp.

Landis RJ, Koch GG. 1977. The measurement of observeragreement for categorical data. Biometrics 33: 159–174.

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

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 ynorte de Nayarit, México. Doc. Téc. INAPESCA-CRIP-Mazatlán, Sinaloa, México, 12 pp.

Madrid-Vera J, Melchor AJM, Castro-Castro D, Chávez-Herrera D.2001b. Áreas de pesca restringidas y protegidas al camarónblanco (Litopenaeus vannamei) en las costas del norte deNayarit y Sinaloa. Doc. Téc. INAPESCA, México, 16 pp.

Madrid-Vera J, Aguirre VH, González AE. 2003. Abundance anddistribution patterns of commercial shrimp (Penaoidea) duringclosed seasons in the Nayarit coast, Mexico. Doc. Téc.INAPESCA, México, 13 pp.

Montana CJ. 2005. Diseño de sistemas de información geográficapara la pesca artesanal de Sinaloa. M.Sc. thesis, UniversidadNacional Autónoma de México, 116 pp.

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

Paredes MR. 2007. Estimación de la abundancia de las poblacionesde camarón café Farfantepeneaus californiensis (Holmes, 1900)en el sureste del Golfo de California aplicando el teorema deBayes. M.Sc. thesis, Universidad Nacional Autónoma deMéxico, 54 pp.

Pérez-Vivar TL. 2003. Dinámica poblacional del camarón blancoLitopenaeus vannamei (Boone 1931) en la plataforma

biomasa y su reclutamiento, estabilizando los rendimientosen los niveles actuales.

Los resultados no son definitivos, pero considerando lacapacidad intrínseca de los SIG, se espera que la adición denuevas capas de información, tales como la calidad del fondooceánico, temperatura, proporción de especies en la captura yotras variables con atributos geográficos, como lo proponenPérez-Castañeda y Defeo (2004) para camarones del Golfode México, permitirá en el mediano plazo disponer deproductos cartográficos, con modelos más precisos dedistribución de los recursos. Con certeza, estas herramientasy productos contribuirán a la gestión de los recursos, ya quepermitirá a los interesados una mejor organización decampañas exploratorias que de manera regular proporcioneninformación útil para comprender los mecanismos que regu-lan los patrones de distribución de los recursos y procesosque ocurren en el ambiente en que viven, importantes para elentendimiento de los procesos ecológicos en la región y en lagestión de una actividad pesquera sostenible.

AGRADECIMIENTOS

Se agradece al CRIP-Mazatlán y CONAPESCA el per-miso otorgado para acceder a sus bases de datos. De igualmanera, R Meraz (estudiante de postgrado del CIAD) y ARuiz (año sabático) agradecen el apoyo económico otorgadopor el CONACYT.

continental de Sinaloa y Nayarit. M.Sc. thesis, UniversidadNacional Autónoma de México, 86 pp.

Pérez-Castañeda R, Defeo O. 2004. Spatial distribution andstructure along ecological gradients: Penaeid shrimps in atropical estuarine habitat of Mexico. Mar. Ecol. Prog. Ser. 273:173–185.

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

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

Sierra RP, Acosta CC, García BJA, García JAR, Liedo GA, MelchorAJM, Ramos CS, Rosas CA, Toledo DMP, Zarate BE. 2000.Camarón. Pesquerías del Océano Pacífico. In: Cisneros-MataMA, Beléndez-Moreno LF, Zárate-Becerra E. (eds.), Sustenta-bilidad y Pesca Responsable en México: Evaluación y Manejo1999–2000. INAPESCA, SEMARNAT, México, pp. 1–50.

Received June, 2009;accepted February, 2010.