Geostatistical modeling of fish abundance

Dissertação de mestrado em EstatísticaA sardinha é um dos símbolos culturais nacional e movimenta parte significativa da Economia do Mar em Portugal. Estudos sobre esta espécie, nomeadamente sobre a distribuição geográfica da espécie e estimação da abundância, são de suma importância para Portugal. O sistema português de monitorização de embarcações por satélite (VMS do inglês Vessel Systems Monitor) combinado com dados dos diários de bordo da pesca produzem abundantes dados para investigação. Apesar destes não serem os tipos ideais de dados para estimar abundância de uma espécie, há métodos que buscam minimizar o enviesamento deste tipo de dados e este é o principal objetivo deste trabalho, ou seja, a partir de dados da pesca pretende-se estimar a abundância da sardinha na costa portuguesa. Este tipo de dados para além de ser abundante possui custo de recolha significativamente inferior ao das campanhas científicas programadas, e por isso são muito úteis. Na tentativa de explicar a variabilidade do volume de sardinha pescada, além das informação do VMS e diários de bordo, foram utilizadas informações ambientais, como a concentração da clorofila a, temperatura superficial do oceano e a profundidade do mar no local da pesca. Para a estimação da abundância da sardinha na costa de Portugal foram utilizadas duas abordagens. A primeira usa uma combinação de modelos lineares mistos com um método clássico da geoestatística, nomeadamente método Krigagem. Já a segunda abordagem usa um método mais integrado, nomeadamente modelos lineares mistos adequados para dados georreferenciados. Na modelação, as variáveis ambientais apresentaram significância estatística, enquanto que a profundidade do oceano não. As duas abordagens foram comparadas ao final do estudo e chegou-se a conclusão de que, neste contexto, os modelos lineares mistos adequados para dados georreferenciados produziram estimativas mais precisas que a primeira abordagem, modelo linear misto combinado com a Krigagem.The sardine is one of the national cultural symbols and moves a significant part of the Sea Economy in Portugal. Studies on this species, particularly on the geographical distribution of the species and abundance estimation of sardines, are paramount importance to Portugal. The Portuguese vessel monitoring system (VMS) combined with data from fishing logbo oks produce abundant data for research. Although this is not the ideal type of data to estimate abundance of a species, there are methods that minimize the biases of this type of data and this is the main objective of this work, that is, from fishing data it is intended to estimate the abundance of sardines on the Portuguese coast. This kind of data is abundant and also to being a significantly lower collection cost than campaigns and is therefore very useful. To explain the variability of captured sardine weight, in addition to the information of the VSM and on-board diaries, environmental information was used, such as chlorophyll concentration, ocean surface temperature and sea depth at the fishing site. Two approaches were used to estimate the abundance of sardines of the coast of Portugal. The first uses a combination of mixed linear models with a classic method of geostatistics, namely Kriging method. The second approach uses a more integrated method, namely mixed linear models suitable for georeferenced data. In the modeling, the environmental variables were statistical significance, while the ocean depth was not. The two approaches were compared at the end of the study and it was concluded that, in this context, the appropriate mixed linear models for georeferenced data produced more accurate estimates than the first approach, linear mixed model combined with Kriging.Este trabalho foi financiado pela Fundação para a Ciência e Tecnologia/MCTES, através dos fundos nacionais (OE), no âmbito do Programa de financiamento a projetos de IC&DT em todos os domínios científicos (projeto: “Improving spatial estimation and survey design through preferential sampling in fishery and biological applications - PTDC/MAT-STA/28243/2017”)