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 la2 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-normal3 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