Modelagem Bayesiana para predição espacial dos habitats essenciais do Ariocó Lutjanus synagris na costa do Rio Grande do Norte
Autor: Marie-Christine Rufener (Currículo Lattes)
Resumo
Compreender a distribuição espacial e identificar um conjunto de variáveis ambientais que influenciam na abundância de espécies de peixes sobreexplotadas constituem aspectos primordiais para a implementação de medidas de pescas sustentáveis e, dessa forma, garantir a sua conservação. Tendo em vista que muitos dos recursos pesqueiros tradicionalmente explorados na região nordeste do Brasil já se encontram sobrexplotados ou em exploração plena, o objetivo central desta Dissertação consistiu em desenvolver modelos hierárquicos Bayesianos espaciais a fim de quantificar e mapear habitats essenciais para a abundância e grupos de idades do ariocó (Lutjanus synagris), atualmente categorizado como ameaçado. Durante um período de dois anos foram realizadas mensalmente pescarias experimentais por intermédio das frotas artesanais que operam com redes de emalhar de fundo ao longo da costa do Rio Grande do Norte. A fim de delimitar o estoque em grupo de indivíduos jovens e adultos, foi utilizado uma regressão logística Bayesiana para definir o comprimento de primeira maturação (L50). O conjunto de dados foi, posteriormente, ajustado mediante os métodos INLA (do inglês Integrated Nested Laplace Approximations) e SPDE (do inglês Stochastic Partial Differential Equations), os quais constituem novas metodologias tanto para a inferência Bayesiana quanto para a estatística espacial. Dentre as 126 estações amostrais o ariocó foi registrado em 83 estações, somando uma captura de 259,808 kg. Dos 606 indivíduos capturados, 101 foram categorizados como jovens e 505 como adultos. Os resultados provenientes dos modelos e dos mapas preditivos confirmaram que a abundância e a distribuição etária do ariocó possuem dependência espacial, são agregados distintamente ao longo da costa do Rio Grande do Norte, e tem suas abundâncias principalmente afetadas pela clorofila-a, rugosidade do leito marinho e distância da costa. Sendo assim, os resultados buscaram consolidar um recente modelo geoestatístico Bayesiano introduzido às ciências pesqueiras, destacando o seu potencial no estabelecimento de medidas mais confiáveis para futuras medidas de conservação e gestão de espécies de peixes vulneráveis.