Date post: | 21-Jan-2018 |
Category: |
Education |
Upload: | databeersvlc |
View: | 38 times |
Download: | 0 times |
Modelizando dónde están los peces
David V. Conesa Guillén
Valencian Bayesian Research Group
Universitat de València
trabajo conjunto con A. López-Quílez, I. Paradinas y M. G. Pennino
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 1 / 12
Modelizando dónde están los peces
David V. Conesa Guillén
Valencian Bayesian Research Group
Universitat de València
trabajo conjunto con A. López-Quílez, I. Paradinas y M. G. Pennino
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 1 / 12
Desde el comienzo de la humanidad, la pesca ha supuesto una fuente
de alimento muy importante, pero también una fuente de empleo y
también de bene�cios económicos.
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 2 / 12
Esa vertiente más económica es la que nos ha llevado a fallos en los
sistemas de gestión pesqueros.
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 3 / 12
Interés actual
Recuperar stocks pesqueros y prevenir su agotamiento a través de una
gestión sostenible de las pesquerías.
¾Cómo? Implementando gestión ecosistémica de las pesquerías.
Identi�car áreas que contribuyan al máximo a la sostenibilidad a
largo plazo de las poblaciones: �hábitats naturales� y �guarderías
pesqueras�.
Eliminar los niveles actuales de descartes.
Desarrollar herramientas �exibles que funcionen bien a pesar de la
incertidumbre y la poca información disponible.
Modelización Estadística al rescate
Modelos de distribución de especies para mostrar en un mapa dónde y
en qué medida están las especies.
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 4 / 12
Interés actual
Recuperar stocks pesqueros y prevenir su agotamiento a través de una
gestión sostenible de las pesquerías.
¾Cómo? Implementando gestión ecosistémica de las pesquerías.
Identi�car áreas que contribuyan al máximo a la sostenibilidad a
largo plazo de las poblaciones: �hábitats naturales� y �guarderías
pesqueras�.
Eliminar los niveles actuales de descartes.
Desarrollar herramientas �exibles que funcionen bien a pesar de la
incertidumbre y la poca información disponible.
Modelización Estadística al rescate
Modelos de distribución de especies para mostrar en un mapa dónde y
en qué medida están las especies.
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 4 / 12
Interés actual
Recuperar stocks pesqueros y prevenir su agotamiento a través de una
gestión sostenible de las pesquerías.
¾Cómo? Implementando gestión ecosistémica de las pesquerías.
Identi�car áreas que contribuyan al máximo a la sostenibilidad a
largo plazo de las poblaciones: �hábitats naturales� y �guarderías
pesqueras�.
Eliminar los niveles actuales de descartes.
Desarrollar herramientas �exibles que funcionen bien a pesar de la
incertidumbre y la poca información disponible.
Modelización Estadística al rescate
Modelos de distribución de especies para mostrar en un mapa dónde y
en qué medida están las especies.
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 4 / 12
Interés actual
Recuperar stocks pesqueros y prevenir su agotamiento a través de una
gestión sostenible de las pesquerías.
¾Cómo? Implementando gestión ecosistémica de las pesquerías.
Identi�car áreas que contribuyan al máximo a la sostenibilidad a
largo plazo de las poblaciones: �hábitats naturales� y �guarderías
pesqueras�.
Eliminar los niveles actuales de descartes.
Desarrollar herramientas �exibles que funcionen bien a pesar de la
incertidumbre y la poca información disponible.
Modelización Estadística al rescate
Modelos de distribución de especies para mostrar en un mapa dónde y
en qué medida están las especies.
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 4 / 12
Interés actual
Recuperar stocks pesqueros y prevenir su agotamiento a través de una
gestión sostenible de las pesquerías.
¾Cómo? Implementando gestión ecosistémica de las pesquerías.
Identi�car áreas que contribuyan al máximo a la sostenibilidad a
largo plazo de las poblaciones: �hábitats naturales� y �guarderías
pesqueras�.
Eliminar los niveles actuales de descartes.
Desarrollar herramientas �exibles que funcionen bien a pesar de la
incertidumbre y la poca información disponible.
Modelización Estadística al rescate
Modelos de distribución de especies para mostrar en un mapa dónde y
en qué medida están las especies.
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 4 / 12
Interés actual
Recuperar stocks pesqueros y prevenir su agotamiento a través de una
gestión sostenible de las pesquerías.
¾Cómo? Implementando gestión ecosistémica de las pesquerías.
Identi�car áreas que contribuyan al máximo a la sostenibilidad a
largo plazo de las poblaciones: �hábitats naturales� y �guarderías
pesqueras�.
Eliminar los niveles actuales de descartes.
Desarrollar herramientas �exibles que funcionen bien a pesar de la
incertidumbre y la poca información disponible.
Modelización Estadística al rescate
Modelos de distribución de especies para mostrar en un mapa dónde y
en qué medida están las especies.
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 4 / 12
Modelos de distribución de especies
Relacionan datos geo-referenciados de la presencia y la abundancia
de las especies con mapas de variables climáticas y medio
ambientales para construir un modelos estadístico que relacione a
las especies y su entorno (ver p.e. Martínez-Minaya et al., 2017).
Ejemplos: enfermedades, especies pesqueras, plantas, animales, ...
Covariables de interés habituales: elevaciónn, clima, vegetación,
temperatura, cloro�la, etc.
Aplicaciones: cambio climático, conservación de especies,
prevalencia de las enfermedades, localización de áreas de pesca, ...
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 5 / 12
Modelos de distribución de especies
Relacionan datos geo-referenciados de la presencia y la abundancia
de las especies con mapas de variables climáticas y medio
ambientales para construir un modelos estadístico que relacione a
las especies y su entorno (ver p.e. Martínez-Minaya et al., 2017).
Ejemplos: enfermedades, especies pesqueras, plantas, animales, ...
Covariables de interés habituales: elevaciónn, clima, vegetación,
temperatura, cloro�la, etc.
Aplicaciones: cambio climático, conservación de especies,
prevalencia de las enfermedades, localización de áreas de pesca, ...
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 5 / 12
Modelos de distribución de especies
Relacionan datos geo-referenciados de la presencia y la abundancia
de las especies con mapas de variables climáticas y medio
ambientales para construir un modelos estadístico que relacione a
las especies y su entorno (ver p.e. Martínez-Minaya et al., 2017).
Ejemplos: enfermedades, especies pesqueras, plantas, animales, ...
Covariables de interés habituales: elevaciónn, clima, vegetación,
temperatura, cloro�la, etc.
Aplicaciones: cambio climático, conservación de especies,
prevalencia de las enfermedades, localización de áreas de pesca, ...
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 5 / 12
Modelos de distribución de especies
Relacionan datos geo-referenciados de la presencia y la abundancia
de las especies con mapas de variables climáticas y medio
ambientales para construir un modelos estadístico que relacione a
las especies y su entorno (ver p.e. Martínez-Minaya et al., 2017).
Ejemplos: enfermedades, especies pesqueras, plantas, animales, ...
Covariables de interés habituales: elevaciónn, clima, vegetación,
temperatura, cloro�la, etc.
Aplicaciones: cambio climático, conservación de especies,
prevalencia de las enfermedades, localización de áreas de pesca, ...
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 5 / 12
Distribución de tres especies de elasmobranquios (Pennino et al., 2013).
Existe un interés creciente en las especies de elasmobranquios porque son muyvulnerables a la presión pesquera.
Las variables que describen los mejores hábitats para estas especies son laprofundidad, el tipo de suelo y el tipo de substrato, seguidas de latemperatura y la cloro�la. Pero también una componente espacial.
Mediana de la probabilidad a posteriori de la presencia de especies elasmobranquios
Las especies muestran diferentes profundidades óptimas: podría indicar unasegregación batimétrica, aunque coexistan en las profundidades.
Estos mapas se pueden utilizar para identi�car hábitats sensibles, con elobjetivo último de mejorar la gestión y conservación de estas especies tanvulnerables.
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 6 / 12
Distribución de tres especies de elasmobranquios (Pennino et al., 2013).
Existe un interés creciente en las especies de elasmobranquios porque son muyvulnerables a la presión pesquera.
Las variables que describen los mejores hábitats para estas especies son laprofundidad, el tipo de suelo y el tipo de substrato, seguidas de latemperatura y la cloro�la. Pero también una componente espacial.
Mediana de la probabilidad a posteriori de la presencia de especies elasmobranquios
Las especies muestran diferentes profundidades óptimas: podría indicar unasegregación batimétrica, aunque coexistan en las profundidades.
Estos mapas se pueden utilizar para identi�car hábitats sensibles, con elobjetivo último de mejorar la gestión y conservación de estas especies tanvulnerables.
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 6 / 12
Distribución de tres especies de elasmobranquios (Pennino et al., 2013).
Existe un interés creciente en las especies de elasmobranquios porque son muyvulnerables a la presión pesquera.
Las variables que describen los mejores hábitats para estas especies son laprofundidad, el tipo de suelo y el tipo de substrato, seguidas de latemperatura y la cloro�la. Pero también una componente espacial.
Mediana de la probabilidad a posteriori de la presencia de especies elasmobranquios
Las especies muestran diferentes profundidades óptimas: podría indicar unasegregación batimétrica, aunque coexistan en las profundidades.
Estos mapas se pueden utilizar para identi�car hábitats sensibles, con elobjetivo último de mejorar la gestión y conservación de estas especies tanvulnerables.
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 6 / 12
Distribución de tres especies de elasmobranquios (Pennino et al., 2013).
Existe un interés creciente en las especies de elasmobranquios porque son muyvulnerables a la presión pesquera.
Las variables que describen los mejores hábitats para estas especies son laprofundidad, el tipo de suelo y el tipo de substrato, seguidas de latemperatura y la cloro�la. Pero también una componente espacial.
Mediana de la probabilidad a posteriori de la presencia de especies elasmobranquios
Las especies muestran diferentes profundidades óptimas: podría indicar unasegregación batimétrica, aunque coexistan en las profundidades.
Estos mapas se pueden utilizar para identi�car hábitats sensibles, con elobjetivo último de mejorar la gestión y conservación de estas especies tanvulnerables.
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 6 / 12
Distribución de tres especies de elasmobranquios (Pennino et al., 2013).
Existe un interés creciente en las especies de elasmobranquios porque son muyvulnerables a la presión pesquera.
Las variables que describen los mejores hábitats para estas especies son laprofundidad, el tipo de suelo y el tipo de substrato, seguidas de latemperatura y la cloro�la. Pero también una componente espacial.
Mediana de la probabilidad a posteriori de la presencia de especies elasmobranquios
Las especies muestran diferentes profundidades óptimas: podría indicar unasegregación batimétrica, aunque coexistan en las profundidades.
Estos mapas se pueden utilizar para identi�car hábitats sensibles, con elobjetivo último de mejorar la gestión y conservación de estas especies tanvulnerables.
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 6 / 12
Distribución de los descartes pesqueros (Paradinas et al. 2016, 2018)
Además de estudiar la presencia podemos introducir en el modelo variablesque midan la proporción: regresión Beta.
Estos modelos se pueden aplicar para estudiar la proporción de descartes, y asíidenti�car zonas más adecuadas para la pesca basándonos en la regulación dedescartes pesqueros.
Media a posteriori (izda) y desviación estándar (dcha) de la componente espacial dela proporción de descartes de especies reguladas
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 7 / 12
Distribución de los descartes pesqueros (Paradinas et al. 2016, 2018)
Además de estudiar la presencia podemos introducir en el modelo variablesque midan la proporción: regresión Beta.
Estos modelos se pueden aplicar para estudiar la proporción de descartes, y asíidenti�car zonas más adecuadas para la pesca basándonos en la regulación dedescartes pesqueros.
Media a posteriori (izda) y desviación estándar (dcha) de la componente espacial dela proporción de descartes de especies reguladas
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 7 / 12
Distribución de los descartes pesqueros (Paradinas et al. 2016, 2018)
Además de estudiar la presencia podemos introducir en el modelo variablesque midan la proporción: regresión Beta.
Estos modelos se pueden aplicar para estudiar la proporción de descartes, y asíidenti�car zonas más adecuadas para la pesca basándonos en la regulación dedescartes pesqueros.
Media a posteriori (izda) y desviación estándar (dcha) de la componente espacial dela proporción de descartes de especies reguladas
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 7 / 12
Incorporando el tiempo en los modelos: Paradinas et al. (2015, 2018).
Los modelos anteriores también permiten incorporar componentes
temporales para analizar el funcionamiento de la especie a lo largo
del tiempo.
Es posible estudiar la persistencia de �hot-spots� de abundancia de
una especie para así identi�car zonas pesqueras �guardería�.
En un estudio sobre el reclutamiento de merluzas, se ha observado
que la batimetría es una variable importante, siendo la preferencia
entre 80 y 250 metros.
½Pezqueñines no, gracias!
¾Pero dónde están?
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 8 / 12
Incorporando el tiempo en los modelos: Paradinas et al. (2015, 2018).
Los modelos anteriores también permiten incorporar componentes
temporales para analizar el funcionamiento de la especie a lo largo
del tiempo.
Es posible estudiar la persistencia de �hot-spots� de abundancia de
una especie para así identi�car zonas pesqueras �guardería�.
En un estudio sobre el reclutamiento de merluzas, se ha observado
que la batimetría es una variable importante, siendo la preferencia
entre 80 y 250 metros.
½Pezqueñines no, gracias!
¾Pero dónde están?
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 8 / 12
Incorporando el tiempo en los modelos: Paradinas et al. (2015, 2018).
Los modelos anteriores también permiten incorporar componentes
temporales para analizar el funcionamiento de la especie a lo largo
del tiempo.
Es posible estudiar la persistencia de �hot-spots� de abundancia de
una especie para así identi�car zonas pesqueras �guardería�.
En un estudio sobre el reclutamiento de merluzas, se ha observado
que la batimetría es una variable importante, siendo la preferencia
entre 80 y 250 metros.
½Pezqueñines no, gracias!
¾Pero dónde están?
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 8 / 12
Incorporando el tiempo en los modelos: Paradinas et al. (2015, 2018).
Los modelos anteriores también permiten incorporar componentes
temporales para analizar el funcionamiento de la especie a lo largo
del tiempo.
Es posible estudiar la persistencia de �hot-spots� de abundancia de
una especie para así identi�car zonas pesqueras �guardería�.
En un estudio sobre el reclutamiento de merluzas, se ha observado
que la batimetría es una variable importante, siendo la preferencia
entre 80 y 250 metros.
½Pezqueñines no, gracias!
¾Pero dónde están?
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 8 / 12
Incorporando el tiempo en los modelos: Paradinas et al. (2015, 2018).
Los modelos anteriores también permiten incorporar componentes
temporales para analizar el funcionamiento de la especie a lo largo
del tiempo.
Es posible estudiar la persistencia de �hot-spots� de abundancia de
una especie para así identi�car zonas pesqueras �guardería�.
En un estudio sobre el reclutamiento de merluzas, se ha observado
que la batimetría es una variable importante, siendo la preferencia
entre 80 y 250 metros.
½Pezqueñines no, gracias!
¾Pero dónde están?
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 8 / 12
Efectos espaciales a posteriori por año del estudio.
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 9 / 12
Conclusiones
Los modelos de distribución de especies nos pueden
ayudar a gestionar la pesca de una manera más
sensata.
Además, nos pueden ayudar en otros contextos
como las enfermedades.
La forma de hacer estadística de esta charla ha sido
Bayesiana.
Y eso? Para otras charlas!
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 10 / 12
Conclusiones
Los modelos de distribución de especies nos pueden
ayudar a gestionar la pesca de una manera más
sensata.
Además, nos pueden ayudar en otros contextos
como las enfermedades.
La forma de hacer estadística de esta charla ha sido
Bayesiana.
Y eso? Para otras charlas!
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 10 / 12
Conclusiones
Los modelos de distribución de especies nos pueden
ayudar a gestionar la pesca de una manera más
sensata.
Además, nos pueden ayudar en otros contextos
como las enfermedades.
La forma de hacer estadística de esta charla ha sido
Bayesiana.
Y eso? Para otras charlas!
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 10 / 12
Conclusiones
Los modelos de distribución de especies nos pueden
ayudar a gestionar la pesca de una manera más
sensata.
Además, nos pueden ayudar en otros contextos
como las enfermedades.
La forma de hacer estadística de esta charla ha sido
Bayesiana.
Y eso? Para otras charlas!
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 10 / 12
Algunas Referencias
1 J. Martínez-Minaya, M. Cameletti, D. Conesa, M.G. Pennino (2017). Speciesdistribution models: a statistical review. Submitted.
2 I. Paradinas, M. G. Pennino, F. Muñoz, D. Conesa, A. M. Fernández, A.López-Quílez, J. M. Bellido (2016). A Bayesian approach to identifying �shnurseries. Marine Ecology Progress Series, 528: 245�255.
3 I. Paradinas, M. Marín, M. G. Pennino, A. López-Quílez, D. Conesa, D.Barreda, M. González, J. M. Bellido. Identifying the best �shing-suitable areasunder the new European discard ban (2016). Selected as Editor's choice,ICES Journal of Marine Science, 73(10): 2479�2487.
4 I. Paradinas, M. Marín, M. G. Pennino, A. López-Quílez, D. Conesa, D.Barreda, M. González, J. M. Bellido (2018). Modelling spatialy sampledproportion processes. REVSTAT, in press.
5 I. Paradinas, D. Conesa, A. López-Quílez, J. M. Bellido (2018).Spatio-Temporal model structures with shared components forsemi-continuous species distribution modelling. Spatial Statistics, in press.
6 M.G. Pennino, F. Muñoz, D. Conesa, A. López-Quílez, J.M. Bellido (2013).Modelling sensitive elasmobranch habitats. Journal of Sea Research, 83:209�218.
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 11 / 12
Muchas gracias
David Conesa (UV) Modelizando dónde están los peces Valencia 18 Octubre 2017 12 / 12