Las estimaciones de índices de abundancia relativa para evaluar poblaciones de especies sedentarias requieren tener en cuenta su estructura espacial, el diseño del muestreo y el alto número de ceros registrados a la hora del muestreo. Para obtener un índice confiable de abundancia para el gasterópodo Aliger gigas en Pedro Bank, Jamaica, se aplicaron siete técnicas de interpolación espacial a tres conjuntos de datos: kriging ordinario (OK), kriging con desviación externa (KED), modelo aditivo generalizado binomial negativo (NBGAM), NBGAM más OK (NBGAM+OK), modelo mixto aditivo general (GAMM), GAMM más OK (GAMM+OK) y modelo binomial negativo con ceros inflados (ZINB). La selección de los mejores modelos espaciales se basó en el criterio de validación cruzada con 10 iteraciones; asimismo, se aplicaron métodos de evaluación comúnmente usados, para destacar la importancia de tener en cuenta la estructura espacial de la distribución de la especie. Los mejores modelos fueron GAMM y ZINB, los cuales fueron fuertemente influenciados por el diseño de muestreo, el tamaño de muestra, el coeficiente de variación y la calidad de las covariables empleadas en la modelación (ubicación geográfica, profundidad y hábitat). Los índices de abundancia más confiables pueden contribuir a mejorar las evaluaciones y desarrollar el manejo espacial con enfoque de ecosistema.
The estimation of reliable indices of abundance for sedentary stocks requires the incorporation of the underlying spatial population structure, including issues arising from the sampling design and zero inflation. We applied seven spatial interpolation techniques [ordinary kriging (OK), kriging with external drift (KED), a negative binomial generalized additive model (NBGAM), NBGAM plus OK (NBGAM+OK), a general additive mixed model (GAMM), GAMM plus OK (GAMM+OK) and a zero-inflated negative binomial model (ZINB) ] to three survey datasets to estimate biomass for the gastropod Aliger gigas on the Pedro Bank Jamaica. The models were evaluated using 10-fold cross-validation diagnostics criteria for choosing the best model. We also compared the best model estimations against two common design methods to assess the consequences of ignoring the spatial structure of the species distribution. GAMM and ZINB were overall the best models but were strongly affected by the sampling design, sample size, the coefficient of variation of the sample and the quality of the available covariates used to model the distribution (geographic location, depth and habitat). More reliable abundance indices can help to improve stock assessments and the development of spatial management using an ecosystem approach.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados