Por favor, use este identificador para citar o enlazar este ítem:
http://cicese.repositorioinstitucional.mx/jspui/handle/1007/736| Modelación y proyección del reclutamiento del atún aleta amarilla (Thunnus albacares) en el Océano Pacífico Oriental, con base en las condiciones oceanográficas, usando redes neuronales artificiales Modeling and projection of yellowfin tuna recruitment (Thunnus abacares) in the eastern Pacific Ocean, based on oceanographic conditions, using artificial neuronal networks | |
| Laura Karen Torres Faurrieta | |
| Michel Jules Dreyfus León David Alberto Rivas Camargo | |
| Acceso Abierto | |
| Atribución | |
| Atún aleta amarilla | |
| El atún aleta amarilla (Thunnus albacares) es una especie oceánica epipelágica que se distribuye en mares tropicales y subtropicales, representa la mayor proporción de capturas a través de su distribución y es el principal recurso pesquero para la flota atunera mexicana. Se ha sugerido que las condiciones ambientales tienen fuerte influencia en la variabilidad de los niveles de reclutamiento de esta especie. En el presente estudio, una serie de modelos de redes neuronales artificiales, específicamente redes Autoregresivas No Lineales con Entradas Externas (NARX), fueron utilizadas para modelar y proyectar el reclutamiento del atún aleta amarilla en el Océano Pacífico Oriental (OPO) con base en las condiciones oceanográficas. Para modelar el reclutamiento se analizaron dos periodos de estudio, un periodo denominado “evaluación global” (1975-2012) por tratarse de un modelo en el que se estudió el reclutamiento a través de toda la zona de desove de la especie y otro periodo denominado “evaluación regional” (1980-2012) en el que se utilizaron cinco modelos para estudiar el reclutamiento total del OPO en cinco diferentes regiones dentro de la zona de desove. En la evaluación global el reclutamiento fue modelado a partir del Índice de Oscilación Sureña (SOI), la Oscilación Decadal del Pacífico (PDO) y la biomasa de desovadores. En la evaluación regional el reclutamiento fue modelado a partir de la temperatura, la magnitud del viento, la magnitud de las corrientes y la biomasa de desovadores. Un análisis de sensibilidad, en el cual los valores de las variables fueron incrementados y reducidos en diferentes porcentajes, demostró que el SOI es la variable de mayor importancia para el modelo de la evaluación global, resultando estimaciones de reclutamiento positivas cuando los valores del índice fueron reducidos, lo cual sugiere que las condiciones El Niño son favorables para el reclutamiento de la especie. En los modelos de la evaluación regional la temperatura fue la variable de mayor importancia en la mayoría de las regiones, resultando estimaciones positivas con el incremento en la temperatura. Para hacer proyecciones del reclutamiento se generaron cuatro modelos que estiman el reclutamiento futuro a partir de la temperatura, la magnitud del viento y la magnitud de las corrientes, cuyos valores fueron proyectados por modelos del Laboratorio de Dinámica de Fluidos Geofísicos (GFDL) bajo cuatro diferentes escenarios de emisiones de gases de efecto invernadero. Yellowfin tuna (Thunnus albacares) is an epipelagic oceanic species distributed in tropical and subtropical seas. It represents the largest proportion of catches through its distribution and is the main fishery for the Mexican tuna fleet. It has been suggested that environmental conditions have a strong influence on the recruitment variability levels of this species. In the present study, a set of artificial neuronal networks, specifically nonlinear autoregressive networks whith exogenous inputs (NARX), was used to model and project the yellowfin tuna recruitment in the eastern Pacific Ocean (OPO), based on oceanographic conditions. Two different periods were analyzed in order to model the recruitment: a global evaluation period (1975-2012) in which the recruitment is studied trough the whole species’ spawning area, and a regional evaluation period (1980-2012) in which five models are used to study the overall recruitment of the OPO in five different regions within the spawning area. In the global evaluation, the recruitment is modeled with the Southern Oscillation Index (SOI), the Pacific Decadal Oscillation (PDO), and the spawners biomass as inputs. In the regional evaluation, on the other hand, the recruitment is modeled with sea surface temperature, wind magnitude, current-velocity magnitude, and spawners biomass as inputs. A sensitivity analysis, in which the values of each variable are increased and reduced in different percentages, shows that the SOI is the most important variable for the global evaluation model, a positive recruitment estimate is observed when the index values are reduced, suggesting that El Niño conditions are favorable for this species recruitment. In the regional evaluation models, temperature is the most important variable in most regions, showing positive recruitment estimates with increasing temperature. In order to create recruitment projections, four models were generated, which estimate future recruitment based on temperature, wind magnitude, and current-velocity magnitude, whose values were projected by Geophysical Fluid Dynamics Laboratory (GFDL) model version 3.0, under four different scenarios of greenhouse-gas emissions. | |
| CICESE | |
| 2015 | |
| Tesis de maestría | |
| Español | |
| Torres Faurrieta,L.K.2015.Modelación y proyección del reclutamiento del atún aleta amarilla (Thunnus albacares) en el Océano Pacífico Oriental, con base en las condiciones oceanográficas, usando redes neuronales artificiales.Tesis de Maestría en Ciencias. Centro de Investigación Científica y de Educación Superior de Ensenada, Baja California.71 pp. | |
| PECES Y FAUNA SILVESTRE | |
| Aparece en las colecciones: | Tesis - Ecología Marina |
Cargar archivos:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| 240661.pdf | Versión completa de la tesis | 4.41 MB | Adobe PDF | Visualizar/Abrir |