MD
RQ INSTITUTO DEL MAR DEL PERU
‘= ‘DIRECCIGN GENERAL DE INVESTIGACIONES DE RECURSOS DEMERSALES Y LITORALES
ax LABORATORIOS COSTEROS DE PATA Y MATARARI
WO AREA DE PESUA ARTESANAL
S AREA FUNCIONAL DE INVESTIGACIONES DE INVERTEBRADUS MARINOS Y MACROALGAS
‘SITUACIGN DEL CALAMAR GIGANTE DURANTE EL 2017 Y PERSPECTIVAS DE PESCA PARA EL 2018
4. INTRODUCCIGN
La pesqueta del calamar gigante en aguas peruanas se viene realizando desde I99L, con laparticipacin de una
flta industrial de bandere extranjera que operd hasta el 2, y una ata artesanal nacional que viene operando
desde 1899. Est ultima flota ha devenido en mayar importancia an ls Utimas aos ganaranda divisas para el
palsy fuentes de trabajo en benefcia de las pablaciones de pescadores artesanals,princigelmente en el norte
(Tumbes-Piura) y sur (Mataranila) del Pri
El presente informe alcanza el estado poblacanal del recurso calamar gigantew pata en el mar peruano durante
al 207, en base a la informacidn disponible del seguimiento de la pesquertaartesanal del Proyect "Nanitoreo
bialgico pesquera del calamar gigantea bord dela lta artesanal en ls principals éreas de extraccin de la
caste peruans’,y se presentan las perspectvas de su expltacitn pare el 20
2. MATERIALES Y METODOS
Base de datos z
Para la caracterizacidn de la pesqueria y estimacién de indicadores poblacionales del calamar gigante se
uilizaran tres fuentes de informacién. La primera fuente estuvo comprendidad por las registras de desembarque
en el litoral peruano estimada por PRODUCE. La segunda fuente de informacidn fue la registrada por el Area de
Pesca Artesanal de IMARPE, en el cual se detalla el desembarque y asfuerza de pesca en la captura del calamar
sgigante en cada viaje de pesca. La tercera fuente fue la registrada por el IMARPE mediante el seguimiento de la
pesqueria de invertebradas marinas a lo largo del ltaral peruano, en el cual se registra informacién biolégica del
recurso pota
Por otra lado, para determinar relaciones recurso - ambiente, se uso el Indice de Oscilacién Peruano (IOP)
elaborado por Purca et al.. 2005 Este indice es generada a partir de la informacion de la temperatura superficial
del mar TSM praveniente de nueve estaciones de los muelles costeros, ubicados cerca de los laboratorios
Costeras del Instituto del Mar del Peru (IMARPE). Pare obtener datos mensuales se realizd un promedia de los
datos diarias, luego se calcularon la anomalta estandarizada mensual de las TSM (ATSM), a partir de la resta del
promedia multianual (climatoldgica) dividida de la desviacién estdndar multianual (climatolégica) a cada valor
mensual. £| perioda base para el calcula de la climatologia fue desde Enero (950 a Diciembre 2017 (68 aftos de
periodo base). Una vez obtenida la matriz de anomalias estandarizadas se calculd la primera componente
principal de las 9 series de tiempo, con el objetivo de calcular una sola serie de tiempo que representa el mayor
porcentaje de variabilidad de todas las series temporales costeras de los laboratorios del IMARPE.
€valuacién poblacional
Ay spsurvey Ogistcanptedacona nas ona. fy rps myement
trios y parapérica los cuales se iferencian un de otras en aspect ecoligicas importantes coma la2
tala de madureay el éreadedstribucdn de cade uno de ells (Ngmatulinet al, 200), Desde el 2000 en adelante,
tn las capturas del calamar gigante en aguas peruanas ha predaminado el grupo de calamares que madura a
grandes tamatios can langevidades mayares al aio de edad (rkhipkin et al. 215: Csirke at al. 2015: Argulles y
Tefur, 2010) Mentras qu, fuera dela ZEE del Peri han predominado en las capturas de 2. gigas ejemplares de
mmadurez a menores tamatos y de menarlongevidad (Liv etal, 2018) Las diferencias en aspectas ecltgicos,
tama y longevidd. dentray fuera dela ZEE del Peru desde el 2000 en adelante ha determinada que la presente
evaluacidn del calamar gigente en aquas pervanas se holla realizado bajo el supuesto de que el grupa que se
captura en aquas pervanas conforma un stock dferenciado con caractersticasbaligicas diferentes a diferencia
elas evaluacidnes anteriores an la que se consideraba l existencia de un soo stock en el Pacifica Sudeste. En
este sent, considerando que el calamar gigante es un recurso tranzonal ltamente migratoria, la blamasas
astimadas deben ser consideradas coma disponibles en aguas jrisdiccinales pervanas.
El calamargigante es una especie que presenta un ampli rango de tllas (tll maxima de 120 cm), un répido
crecimiento cambios tampareles en la tala de madurez debida a su alta platicidadfenotipca. Por lo tanto, @
fin de captar ls cambios temparales en la estructura par tallas en las capturas, la evaluacidn poblcioral en
esta acasidn se ha realizado basado en la captura en ndmero, 2 diferencia de ls avaluaciones anterires las
cules estaban basadas en las captures en peso. Por lo tanta, con el objetivo deestimar ef maxima rendiniento
sosterible y diagnasticar el estado de la pablacn del calamar gigante ene tral peruano, el modelo didmico
de biomasa desarralado en el 2015-2018 (Inf. INARPE) fue implementado en base a la captura e indice de
abundancia en numero de indvduos. Los valores de los parémetrus de capacidad de carga y rendimiento
resultantes fueran convertdos@ biomasa usanda la pesas promedia anuales en la captura,
El made fue construida bajo el enfoque de un Modelo de Espacio de Estados (Estate Space Model ~ SSM), el
misma que es considerada coma una de las herramientas mas sofisticadas pare el madelamienta y prondstico de
mmadeas dndmicas, dbido aque permite considera a medida dl arvar de proceso (erar propia del model) y
al evar de observacin (Meyer y Millar, ISS),
: (Poblacid) y lo cbservado(captura por unidad de esfuerzo ~ CPU)
R. GUEVARY
CPUE, = qe * Ne*e*
Donde CPUEt es el vector de datos abservados. tes el vector de interés (Poblacién), generalmente desconocida
b) La ecuacidn de estado, Esta ecuaciin representa coma se comporta la pablacitn, fa misma que es definida
por la ecuacién dindmica de Schaefer (1954), que posee la siguiente estructura
Ne
Ne = Nea trem(t ~~ rat %
Donde Nt es la poblacidn en el tiempo t, r es la tasa de crecimiento poblacional, K es la capacidad de carga del
ambiente, Ct es la capture en nimera en el tiempo t. g, representa el error del proceso. Se asume que la
Z, a de errar del madelo as dl tipo lg-normal3
Elajuste del modelo desorita fue realizado através del software JABS (Just Another Gibbs Sampler). herramienta
disenada para el andlsis bayesiano utlizando el métada de Monte Carlo basada en cadenas de markav (MCNC)
(Plummer, 2003).
En la estimacin de la distrbucion posterior’ de los pardmetros del modelo, se realizarn tres (D3) series de
100000 de simulaciones cada una. En cada serie, se eliminaran las primeras 800 O00 simulaciones, por ser
consideradas dentro del praceso de “burning (calentamienta). Para prabar la convergenciay la ausencia de
autocorrelecicn, se utilizé el paquete cade del software R.
Analisis de Riesgo
Debido ala presencia de fuentes de error que na san consideradas por el modelo, se efectud un andlisis de riesgo,
al mismo que implica proyectar a futuro las diferentes opciones de manejo (en este caso de captura).
consideranda las medidas de dspersin estimadas para cada uno de los pardmetras del modelo
Las prayecciones fueran hechas @ un at, bao diferentes escenarias de explatacidn, cansiderando como riesgo
{a probabilided de que la poblacin de ato siguiente sea menor que la poblaciin actual, es decir:
P-(Noo19 < Neos)
Se realizaron |000 simulaciones utiizanda la versicn dinémica del modelo de Schaefer, dande la captura fue
reemplazada por Ins diferentes riveles de captura, entre los cuales se cansideraron las puntos bioligicas de
‘referencia coma el Maxims Rendimiento Susterible (MRS), la mortalidad por pesca al Fxy la mortalded par pesee
‘los 2/3 del Maxima Rendimiento Sustenibe (2/3 Fs).
‘Avea de estudia y evaluacin
El rea de evaluacidn estd comprendida entre la frontera norte y sur peruana, con una extensién longitudinal
‘hasta las 200 ma (figura I).
3.- RESULTADOS
3.1 Desembarque
Eldesembarque del calamar gigante 0 pota Zasidleus gigas durente el perioda 2010-2017 presenta una tendencia
‘reciente con un méximo de SS6 mil tonelades en el 2014; sin embargo. durante el 2016 y 2017 los desembarques.
disminuyeron signficantemente respecto al 2015 (Figura |, izquierda). Mensualmente, a disminucidn de las
ddesembarques fue observada a partir de egosto de 20I5 hasta juni de 20I6, mes en el cual se repistré el menor
valor mensual de desembarque desde el 2010. A partir de julio de 20V7. los desembarques mensuales se
recuperaran fuctuando alrededor de 30 mi toneladas mensuales, sin embargo, éstas disminuyeron nuevamente
alcanzanda los valores mensuales més bajos cbservados durante el periodo 2013-2007 (Figura 2. derecha).
Luo