SciELO - Scientific Electronic Library Online

 
vol.61 issue3Trophic ecology of the exotic Lerma livebearer Poeciliopsis infans (Cyprinodontiformes: Poeciliidae) in the Lago de Pátzcuaro, Central MexicoMicropterus salmoides (Pisces: Centrarchidae) reproduction in the Gustavo Díaz Ordaz reservoir, Sinaloa, México author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

Share


Revista de Biología Tropical

On-line version ISSN 0034-7744Print version ISSN 0034-7744

Rev. biol. trop vol.61 n.3 San José Sep. 2013

 

Comparación de tres métodos indirectos para estimar el crecimiento de la tilapia Oreochromis aureus (Perciformes: Cichlidae) en un lago tropical de México

A compartative analysis of three length based methods for estimating growth of the tilapia
Oreochromis aureus (Perciformes: Cichlidae) in a tropical lake of Mexico 

Andrés Arellano-Torres1*, Daniel Hernández Montaño1 & Carlos Meléndez Galicia1

*Dirección para correspondencia:

Abstract

Several methods are now available to estimate fish individual growth based upon the distribution of body lengths in a population. Comparative analyses of length-based methods have been undertaken mainly for marine species; nevertheless, limited information is available for inland species. Tilapia is one of the most important freshwater fisheries and its growth parameters have been estimated by several authors,  usually using one length-based method. Thus, the main objectives of this study were: a) to estimate growth parameters of O. aureus from Chapala lake, Mexico, using three length-based methods ELEFAN, PROJMAT and SLCA; b) to quantify the effect of input data variations in growth parameters estimates by the jackknife technique; and c) to compare the new estimates with those previously reported, through the standard growth index . We collected and analyzed a total of 1 973 specimens from commercial landings from January to December 2010. The three length-base methods used in the present study resulted in parameter estimates within the range of those reported in other studies. Results derived from jackknife analysis revealed lowest values in the error percentage and coefficient of variation for L when applying ELEFAN, while PROJMAT showed lowest values in the precision estimators for K, which was very similar to ELEFAN. Estimates of the comparative growth index  were also very similar to those reported for the same species when studied in different reservoirs. Considering our results, we suggest the use of ELEFAN rather than SLCA due to its accuracy to estimate growth parameters for O. aureus.

Key words: growth, length-based methods, jackknife, lake Chapala, Oreochromis aureus.

Resumen

Una  de las pesquerías de aguas  continentales más importantes en México es la pesca de la tilapia Oreochromis aureus. Con base en el análisis de frecuencia de tallas mediante ELEFAN, SLCA y PROJMAT se estimó el crecimiento en la tilapia en el lago de Chapala, Jalisco, para lo cual se utilizaron 1 973 individuos que fueron recolectados de la  captura comercial de enero a diciembre  2010. Se cuantificó la variabilidad de los estimadores y el efecto de las muestras mensuales a través de la técnica de remuestreo jackknife. Los parámetros de crecimiento de  L y  K se unificaron para efectos comparativos mediante el índice de crecimiento estándar (f’). Con los tres métodos utilizados se estimaron valores de los parámetros de crecimiento que se encuentran dentro del rango reportado en la literatura. La aplicación de jackknife mostró que ELEFAN estimó los mejores resultados, con los valores más bajos en el error porcentual y coeficiente  de variación para L,  en tanto PROJMAT presentó los valores más bajos en los estimadores de precisión para K, la cual fue muy similar a la de ELEFAN. Los intervalos del índice  comparativo de crecimiento f’ fueron muy similares a los reportados para la especie en diferentes embalses. Se sugiere el uso de ELEFAN en lugar de SLCA, debido a su precisión para estimar los parámetros de crecimiento de Oreochromis aureus.

Palabras clave: crecimiento, métodos indirectos, jackknife, lago de Chapala, Oreochromis aureus.


Las estimaciones de crecimiento son esenciales en el manejo de recursos pesqueros, ya que  sirven  como  base  en  diversos  modelos para describir y cuantificar la estimación de la mortalidad, reclutamiento, edad de primera madurez, rendimiento máximo sostenible entre otras variables poblacionales relacionadas a su explotación, con la finalidad de aplicar estrategias para un adecuado manejo y explotación (Isaac  1990,  Haddon  2001).  La  estimación del crecimiento en recursos pesqueros puede realizarse mediante la aplicación de métodos directos  e  indirectos.  Los  métodos  directos consisten en el registro de incrementos de talla en el tiempo mediante la lectura de marcas periódicas  (anuales,  estacionales  o  diarias) en  estructuras  rígidas  como  otolitos,  escamas y vértebras entre otros. Sin embargo, su aplicación genera altos costos económicos y requiere largos tiempos para la obtención y procesamiento de las muestras (Sparre et al.1989); aunado al hecho de que en algunos organismos acuáticos (por ejemplo, crustáceos) es difícil realizar estimaciones de edad y crecimiento con estos métodos (Isaac 1990). Por otro lado, los métodos indirectos basados en el análisis de frecuencias de tallas son alternativas comúnmente utilizadas para estimar el crecimiento, debido a que los datos de longitud son relativamente sencillos de obtener, el tiempo de procesamiento es rápido e implica bajos costos de operación (Sparre et al. 1989, Isaac 1990). Sin embargo, el uso generalizado de estos métodos está limitado por las características de las distribuciones de frecuencia de tallas utilizadas y su compatibilidad con los algoritmos que lo sustentan. Por lo que, para cada aplicación particular, se debe conocer los supuestos de los métodos aplicados, sus algoritmos y las características del ciclo de vida y biología de la población. De esta manera, la elección  del  método  apropiado  para  estimar el crecimiento dependerá de las características particulares de la población estudiada (Galindo 2005). Para estimar el crecimiento, actualmente existen diversos métodos basados en la distribución de tallas. Tres de los métodos indirectos más populares son: 1) ELEFAN (Electronic Length Frequency Analysis) (Gayanilo et al. 1994),  2)  SLCA (Sheperd’s  Length  Composition Analysis) (Sheperd 1987b) y 3) PROJ- MAT (Projection Matrix Method) (Rosenberg et  al.  1986,  Sheperd  1987a).  La  evaluación de la aplicación de estos métodos indirectos para estimar el crecimiento, se han realizado esencialmente en especies de origen marino (Defeo et al. 1992a, Leonce-Valencia & Defeo 1997, Nepita-Villanueva & Defeo 2001, Galindo 2005). Sin embargo, no se ha realizado un análisis comparativo de la aplicación de estos métodos en especies de aguas continentales; a pesar de que en los últimos años la pesca en aguas interiores tiene gran importancia, debido a la creciente demanda nutricional por la obtención de alimento de alto contenido proteico y por la creación de fuentes de empleo (Beltrán- Álvarez et al. 2010).

Una de las pesquerías de aguas continentales más importantes en México es la pesca de tilapia, su producción en el año 2010 fue de 81 250ton, lo que representa el 5.02% de la producción pesquera nacional (CONAPESCA 2010). La pesca de especies como la tilapia (Oreochromis spp.), ha generado importantes beneficios sociales y económicos, principalmente para las comunidades rurales relacionadas con la pesquería, debido a que se caracteriza por presentar un rápido crecimiento, una fácil comercialización, además de que es considerada como un producto altamente nutritivo, relativamente barato y de fácil adquisición (Jiménez-Badillo 2006). En el lago de Chapala, la tilapia es una de las especies más importantes en la captura comercial. En 2003 representó el 42% de la producción total del lago (Diario Oficial de la Federación 2006) y en 2007 el 51.5% (C. Meléndez en prep.); sin embargo sus  volúmenes  de  captura  muestran  signos de sobrexplotación del recurso (Hernández- Montaño 2006), por lo cual es necesario proporcionar alternativas que sirvan de base para una adecuada administración de este recurso, así como para reforzar los lineamientos de las investigaciones al respecto.

Para estimar el crecimiento de tilapia se han realizado diversos estudios (Bernal 1984, Ramírez 2007, Beltrán-Álvarez et al. 2010, Gómez-Ponce  et  al.  2011),  algunos  de  ellos se han basado en métodos indirectos (Ramos- Cruz 1995, Jiménez-Badillo 2006, Hernández- Montaño 2006, Gómez-Márquez et al. 2008, Peña-Messina et al. 2010). Sin embargo, en la mayoría de los estudios previos no se han realizado estimaciones alternativas por más de un método, ni tampoco se ha cuantificado la incertidumbre asociada a dichas estimaciones. Esta incertidumbre cobra especial importancia en recursos tropicales como la tilapia (Oreochromis spp), donde ciertas características del ciclo de vida (e. g., ciclo reproductivo y reclutamientos continuos) impiden una clara progresión de clases modales, lo cual resalta la importancia de  determinar  la  influencia  que  tiene  cada grupo de datos mensuales en la estimación de los parámetros de crecimiento (Leonce-Valencia & Defeo 1997). Es muy común además la presencia de errores de medición y sesgos en la obtención de datos, por lo cual es necesario evaluar la precisión de cada método.

En este contexto, los objetivos del presente  trabajo  fueron:  a)  estimar  los  parámetros de crecimiento de O. aureus del lago de Chapala, usando los métodos indirectos de ELEFAN, SLCA y PROJMAT; b) cuantificar la incertidumbre en los parámetros del modelo, resultantes de variaciones en la estructura de la base de datos y c) comparar las estimaciones con aquellas reportadas en la literatura para O. aureus, usando el índice de crecimiento estándar f’ (Pauly & Munro 1984).

Materiales y métodos

Área de estudio: El lago de Chapala es un cuerpo de agua natural que por su tamaño es considerado el más grande de México y el tercero en Latinoamérica (Guzmán-Arroyo 1995). Se localiza en la meseta central en los estados de Jalisco y Michoacán, entre los 20º07’00” - 20º21’30” N y 102º40’45” - 103º25’30” W. En la parte oriental recibe aguas de los Ríos Lerma y Duero, en la parte sur de los Ríos Jiquilpan, de la Pasión y Sahuayo, y al norte del Río Zula, en la parte noreste tiene como su principal afluente el Río Santiago. Presenta una superficie de 1 100km2, tiene una profundidad media de 4.5m con una máxima de 7m (Hernández-Montaño 2006). En el lago de Chapala, la dinámica hidrológica, está definida por la entrada del Río Lerma. El contenido de oxígeno disuelto es alto en todo el cuerpo de agua (>5.0mg/L) debido a la constante circulación durante todo el año. Estos perfiles de oxígenos así como los de temperatura permiten clasificar a la laguna como polimíctico cálido continuo. El contenido de fósforo es muy alto, lo que se refleja en elevados contenidos de clorofila (a), por lo que se le puede clasificar como eutrófico (E. Arredondo, en prep.).

Los ejemplares de O. aureus se obtuvieron de  doce  muestreos  de  la  captura  comercial, de enero a diciembre de 2010 en el lago de Chapala. Con la finalidad de garantizar la representatividad del espectro de tallas y sexos, se examinaron especímenes en diferentes localidades pesqueras del lago y para disminuir el efecto de la selectividad del arte de pesca, los organismos  se  obtuvieron  de  redes  agalleras con aberturas de malla desde 2” hasta 5”, que miden entre 60 y 150m de largo por 1.5 a 2m de alto. Para maniobrarlas, se tienden en el agua y se fijan de forma que ésta se extienda lo suficiente para que los organismos logren atravesar y se enmallen en ella, las redes comúnmente operan día y noche.

Los organismos se identificaron mediante el uso de claves dicotómicas (Trewavas 1983, Arredondo-Figueroa & Guzmán-Arroyo 1986, Arredondo-Figueroa  &  Tejeda-Salinas  1989) y a cada uno se les registró la longitud patrón (LP; ±0.1cm) que comprendió desde la punta de la cabeza al pedúnculo caudal, utilizando un ictiómetro convencional, así como el peso total (PT; ±0.1g). El sexo se registró mediante la observación directa de las gónadas (Morales 1991). La relación longitud-peso fue descrita de acuerdo a Ricker (1975) y se utilizó la prueba-t de student para determinar si los peces muestran diferencias respecto a un crecimiento isométrico (b=3) (Pauly 1984). Las frecuencias de tallas fueron agrupadas en un intervalo de clase  de  1cm,  siguiendo  criterios  de  Defeo et al. (1992b).

Para estimar los parámetros de crecimiento se aplicaron los métodos indirectos ELEFAN (Gayanilo et al.1994), SLCA (Sheperd 1987b) y PROJMAT (Rosenberg et al. 1986, Sheperd 1987a), que asumen un crecimiento individual descrito por el modelo de von Bertalanffy (Defeo et al. 1992a). En resumen cada método funciona de la siguiente manera:

1.    ELEFAN  I:  identifica  picos  y  valles  en las distribuciones de frecuencia de tallas y ajusta una curva de crecimiento la cual pasa  por  el  máximo  número  de  picos, sin suponer normalidad en dichas distribuciones. Un índice de bondad de ajuste denominado Rn (ver Gayanilo et al. 1994 para detalles) es determinado por la forma exponencial de la relación ESP/ASP, donde ESP representa la Suma Explicada de Picos y ASP la Suma Disponible de los Picos como:



2. SLCA: estima el crecimiento basado en una función coseno, la cual es independiente del número y posición de las modas (Shepherd 1987a). Esta función es expresada como:



Donde tmax y tmin son las edades correspondientes a los limites superior e inferior del respectivo intervalo de longitud, tprom es la edad promedio y ts es la fracción del año en la cual la muestra fue recolectada (Shepherd 1987a).

Una función de prueba, la cual es positiva para modas y negativa entre modas, calcula una puntuación derivada de la suma de todas las categorías de longitud, siendo maximizada por la combinación más adecuada de parámetros de crecimiento. La función de prueba de la puntuación está dada por:



Donde S es la función de puntaje, l hace referencia a los grupos de longitud respectivos, i a las distribuciones identificadas (disponibles) y N son las frecuencias observadas (Jones et al. 1990).

3. PROJMAT: está basado en la matriz poblacional de proyección de Leslie (Leslie 1945). Shepherd (1987b) mostró que una matriz de transición (A) puede ser resuelta directamente como:



Donde (t) y (t + 1) son vectores que describen la estructura de la población en el tiempo t y t+1 respectivamente. Puede ser desagregada como:



Donde G(j,i) es la matriz de crecimiento, sus elementos son proporciones de cada grupo de longitud inicial i que contribuye a formar el grupo de longitudes finales j asumiendo la ecuación de crecimiento de von Bertalanffy, S(i) es la sobrevivencia promedio del intervalo i; con éstos elementos PROJMAT proyecta la muestra obtenida del tiempo t al tiempo t+1, usando valores semilla de KL. La distribución de frecuencia de longitud proyectada es comparada estadísticamente con la observada a través de la suma de diferencias cuadráticas (SSQ). Este procedimiento es repetido hasta que se llevan a cabo todas las comparaciones entre n muestras para un rango amplio de valores de K y L, donde las mejores estimaciones son aquellas que minimizan la SSQ (Basson et al. 1988).

Para evaluar la influencia que tiene cada muestra por mes en la estimación de los parámetros de crecimiento, se aplicó la técnica de corte jackknife (Efron 1982, Levi et al. 1987), la cual consiste en suprimir cada uno de los 12 meses secuencialmente con sustitución, generando 12 grupos de 11 datos por mes. Por lo tanto se obtuvieron 12 combinaciones diferentes de parámetros de crecimiento. Se utilizaron el error porcentual (EP) y el coeficiente de variación porcentual (CV) como estimadores de precisión. El primero fue obtenido como:



Donde St es el parámetro de crecimiento estimado usando la muestra total (12 meses) y Stj es el promedio del parámetro estimado derivado de los n pseudovalores jackknife. EP es óptimo cuando es igual a cero. El CV jackknife fue obtenido por:



Donde Sti-1 es el estimador del parámetro al omitir una muestra y n es el tamaño de la     muestra anual (n=12).

El índice de crecimiento estándar (f’) (Pauly & Munro 1984) fue usado como criterio para comparar las diferentes estimaciones de crecimiento, el cual fue aplicado para cada par de valores K y L obtenidos con todos los datos por cada método y por los valores obtenidos del análisis de jackknife. La ecuación que define este índice es:



Este criterio fue elegido debido a que proporciona un parámetro unificado del crecimiento, y aunque se deriva de K y de L, los valores de ’ no muestran grandes oscilaciones como los que se presentan con los parámetros clásicos (Sparre et al. 1989).

Resultados

La población estudiada consistió en un total de 1 973 organismos de O. aureus, 1 012 fueron hembras (51.3%) y 961 fueron machos (48.7%). Las tallas estuvieron en una escala de 10 a 35cm de LP (Fig. 1) y los pesos variaron de 30 a 700g de PT. La relación de sexos macho: hembra no fue  stadísticamente diferente de 1:1 (χ2=0.02, p>0.05), por lo que hembras y machos fueron agrupados de forma general para su análisis. El mejor modelo que describió la relación longitud-peso (LP vs PT) fue de tipo potencial, el cual se expresó como: PT=0.104(LP)2.62 (r2=0.84, p<0.05). El valor del exponente (b=2.62), fue significativamente diferente de tres (prueba-t, p<0.05), por lo que el crecimiento de la especie en este embalse se consideró como alométrico.

Conjunto completo de datos: Al considerar toda la información (los 12 meses de muestreo), los resultados obtenidos por los tres métodos indirectos estimaron valores similares de L, los cuales oscilaron de 38 a 40cm de LP, mientras que los valores K fueron de 0.30 a 0.35/año, para t0 los valores fueron de -0.18 a -0.56años, es decir mostraron una amplia diferencia entre métodos (Cuadro 1). SLCA y PROJMAT presentaron múltiples picos de convergencia.

Análisis jackknife: La iteración del análisis jackknife que omite secuencialmente uno de los 12 meses de muestreo, mostraron diferentes  efectos de las variaciones aleatorias en los datos de entrada entre los tres métodos indirectos utilizados (Fig. 2). En el caso de ELEFAN, L varió de 33.7 a 45cm de LP, mientras que K estuvo en el intervalo de 0.26 a 0.60/año; mostró una progresión negativa, la más alta L y la más baja K ocurrieron cuando enero fue omitido, mientras que los valores más bajos de L∞ y los más altos de K resultaron cuando febrero fue omitido (Fig. 2A). La aplicación jackknife con SLCA mostró menos variación en las estimaciones de L (42.8-45.7cm de LP) y presentó moderada variabilidad para K (0.30-0.60/año). Sin embargo, a pesar de que los resultados mostraron poca variabilidad, no hubo una relación predecible entre L y K, cuando se omitió abril se resentaron los valores más altos que para los otros once conjunto de datos (Fig. 2B). PROJMAT presentó las mayores variaciones en las estimaciones de L (30-43cm de LP) y la menor variabilidad en los resultados de K (0.25-0.45/año) (Fig. 2C).

Los estimadores de precisión EP y CV derivados del análisis jackknife, mostraron que ELEFAN consistentemente presentó los valores más bajos de EP (0.67%) y CV (2.15%) para L; PROJMAT registró los valores mínimos de EP (6.97%) y CV (5.13%) para K; en tanto que SLCA mostró los valores máximos de EP y CV en los tres parámetros de crecimiento (Cuadro 1).

Comparaciones con el índice de crecimiento estándar ’: El análisis comparativo de f’ derivado de la omisión secuencial de muestras fue similar entre los valores estimados por ELEFAN y SLCA, mientras que PROJMAT generó los valores más bajos. La figura 3 muestra la variación de los valores de K y L generados del análisis jackknife. De la omisión secuencial de una muestra con ELEFAN se estimaron valores de ’ entre 2.63 (cuando enero fue omitido) y 2.97 (cuando diciembre fue omitido). SLCA presentó valores de f’ en el rango de 2.74 (cuando junio fue omitido) a 3.16 (cuando abril fue omitido). PROJMAT presentó el valor mínimo (2.43) cuando diciembre fue omitido y el dato más alto (2.77) cuando julio fue omitido (Fig. 3).

Discusión

En el presente estudio las tallas de O. aureus estuvieron en una escala de 10 a 35cm LP, las tallas mínimas fueron similares a las reportadas para  la  presa Aguamilpa  (10  a  40.3cm  LP) en el estado de Nayarit (Peña-Messina et al. 2010), sin embargo, fueron mucho mayores a las registradas por Gómez-Ponce et al. (2011) en la presa Zimapán (3.8 a 23.2cm LP). Esto puede estar relacionado a las diferencias que hay entre las artes de pesca usadas en el lago de Chapala, con respecto a los otros cuerpos de agua. El análisis de la relación longitud- peso (LP vs PT) mostró un crecimiento de tipo alométrico. Este mismo tipo de crecimiento ha sido reportado para O. aureus (Peña-Messina et al. 2010) y para O. niloticus (Gómez-Márquez et al. 2008). Estudios realizados en distintas especies de tilapias y cuerpos de agua en México, muestran que los valores de la pendiente de esta relación oscila entre 2.5 y 3.5 (Granado 1996). Esto indica que el valor de b=2.62 se encuentra dentro del intervalo mencionado, y da confiabilidad a los resultados obtenidos en este trabajo para las tilapias del lago de Chapala. Por otra parte, el crecimiento alométrico para diferentes especies de tilapia ha sido atribuido principalmente a problemas de alimento y densidades en el agua (Murphy et al. 1991)

Respecto a los tres métodos indirectos evaluados en el presente estudio, ELEFAN mostró los mejores valores (más bajos EP y CV), seguido de PROJMAT y posteriormente SLCA. Lo anterior se basa a partir: 1) de una comparación de los parámetros de crecimiento L y K y del índice de crecimiento estándar ’ estimados por los tres métodos indirectos con los resultados previamente reportados en la literatura, que hacen estimaciones con métodos directos; 2) de los dos estimadores de precisión EP y CV derivados del análisis jackknife y 3) de evaluar la incertidumbre de los parámetros de crecimiento resultantes de variaciones en la base de datos por medio de la técnica de jackknife.

En cuanto a la comparación de los parámetros de crecimiento calculados con los tres métodos indirectos utilizados en este trabajo, se observó que los valores de L y K son semejantes a los reportados para O. aureus por Bernal (1984), Ramírez (2007), Beltrán-Álvarez et al. (2010), Gómez-Ponce et al. (2011); quienes estimaron los parámetros de crecimiento a través de métodos directos (Cuadro 2).

El análisis jackknife permitió determinar una fuerte variabilidad en los parámetros individuales de crecimiento estimados por los tres métodos, en especial para SLCA. ELEFAN presentó la menor variabilidad seguida de PROJMAT, con valores dentro de los rangos reportados previamente en la literatura. El análisis comparativo del índice de crecimiento ’ en conjunción con jackknife: corroboró la gran utilidad de éste parámetro a efectos comparativos. Los valores de ’ obtenidos con SLCA, fueron ligeramente más altos a los obtenidos con  ELEFAN  y  PROJMAT.  Sin  embargo, los parámetros de crecimiento estimados por medio de métodos directos e indirectos en otros estudios,  se  compararon  con  los  resultados obtenidos por los tres métodos indirectos utilizados en la presente investigación. Los valores del índice de crecimiento ’, calculados con L y K reportados en estudios previos, variaron entre 2.29 y 3.02, intervalo que oscila dentro de los valores de ’ obtenidos por ELEFAN, SLCA y PROJMAT en este estudio.

Con base en las características biológicas del recurso y de acuerdo a los resultados de los tres métodos indirectos evaluados en el presente estudio, ELEFAN fue el más adecuado para estimar los parámetros de crecimiento de O. aureus, debido a que mostró los valores mínimos en los estimadores de precisión (EP y CV) para L∞, un valor similar de K al estimado por PROJMAT, quien en éste caso presentó los valores mínimos de EP y CV. Sin embargo, Jiménez-Badillo (2006) que estimó el crecimiento de O. aureus con ELEFAN, SLCA Y PROJMAT; sugiere que el método de ELEFAN es el menos adecuado para evaluar el crecimiento de tilapia, y debido a que es sensible a las modas discretas en los datos frecuencia de tallas, es importante mencionar que en ese estudio no se evaluó la variabilidad en los parámetros individuales de crecimiento estimados por los tres métodos y cabe señalar que en el estudio mencionado, a pesar de que se detectaron 11 grupos de edad mediante opérculos y escamas, los parámetros de crecimiento fueron sobrestimados por ELEFAN. No obstante, se ha mostrado que ELEFAN trabaja mejor cuando se incluyen más grupos de edad (Defeo et al. 1992a). Además menciona que PROJMAT proporciona una estimación más fiable de los parámetros de crecimiento y aunque ha sido sugerido para especies con una época de desove corta (Defeo et al. 1992a), no sucede en el caso de tilapia, ya que es una especie que presenta múltiples desoves a lo largo de un año (Babiker & Ibrahim 1979, Morales 1991).

Por otro lado, la aplicación de SLCA en principio  podría  ser  adecuada  para  estimar los parámetros de crecimiento de O. aureus, debido a que los resultados del presente trabajo mostraron que los parámetros de crecimiento se encontraron dentro del intervalo reportado en la literatura por métodos directos. Sin embargo, Jiménez-Badillo (2006), reportó como subestimados los parámetros de crecimiento de O. aureus calculados con SLCA, lo cual es acorde con los resultados encontrados en el presente trabajo. SLCA mostró la mayor variabilidad de los estimadores de precisión (valores muy altos de EP y CV), además de que se ha corroborado en estudios previos que SLCA es útil para estimar parámetros de crecimientos en especies longevas con bajas tasas de crecimiento (Basson et al. 1988), caso contrario a lo observado en tilapia que se caracteriza por tener un rápido crecimiento  (Gómez-Márquez  et  al.  2008). Con base en lo anterior y a nuestros resultados, SLCA no es adecuado para evaluar el crecimiento de tilapia, por tanto se sugiere el uso de ELEFAN, debido a su precisión para estimar los parámetros de crecimiento de Oreochromis aureus. Sin embargo, no existe una guía para juzgar en qué casos es apropiado un método en particular (Rosenberg & Beddington 1987), y por tanto cada especie constituye un caso independientemente en cuanto al uso de métodos a emplear para estimar crecimiento. En el caso de O. aureus, las diferencias de los parámetros de crecimiento en los distintos cuerpos de agua pueden ser causadas por la temperatura, la disponibilidad del alimento, la actividad metabólica y reproductiva, entre otros factores, lo cual se refleja en L  y K (Isaac 1990). Por lo tanto, las estimaciones obtenidas por los tres métodos aplicados aquí, enfatizan que se debe tener cuidado cuando se analiza información que está fuertemente influenciada por procesos ligados a cambios en la longitud, como lo son las condiciones ambientales, la presión de pesca, los patrones de mortalidad, la variabilidad en el reclutamiento, la estacionalidad en el crecimiento, como lo han sugerido Majkowsky & Hampton (1989).

Agradecimientos

A  los  pescadores  del  lago  de  Chapala por su apoyo brindado durante el registro de datos en campo y a cinco revisores anónimos por sus muy útiles comentarios. Este trabajo forma parte de una investigación realizada en el Centro Regional de Investigación Pesquera en Pátzcuaro, la cual fue financiada por el Instituto Nacional de Pesca.


Referencias

Arredondo-Figueroa,  J.L.  &  M.  Guzmán-Arroyo.  1986. Actual  situación  taxonómica  de  las   especies  de la  Tribu  Tilapiini  (Pisces:  Cichlidae)  introducidas en México. An.  Inst. Biol. UNAM. Ser. Zool. 56: 555-572.         [ Links ]

Arredondo-Figueroa,  J.L. & M. Tejeda-Salinas.  1989. El hueso Faríngeo, una estructura útil para la identificación de especies de la tribu Tilapini (Pisces: Cichlidae) introducida en México. An. Inst. Biol. UNAM. Ser. Zool. 16: 58-68.         [ Links ]

Babiker, M. & H. Ibrahim. 1979. Studies on the biology of reproduction in the Cichlid Tilapia nilotica (Linneo): gonadal  maturation and fecundity. J. Fish Biol.  14: 437-448.         [ Links ]

Basson,  M., A.A. Ronsenberg & J.R.  Beddington. 1988. The accuracy and reliability of two new methods for estimating growth parameters from length frequency data. J. Cons. Int. Explor. Mer. 44: 277-285.         [ Links ]

Beltrán-Álvarez,  R., J. Sánchez-Palacios & G.L.  Valdez. 2010. Edad y crecimiento de la mojarra Oreochromis aureus (Pisces: Cichlidae) en la Presa Sanalona, Sinaloa, México. Rev. Biol. Trop. 58: 325-338.         [ Links ]

Bernal,  B.F. 1984. Análisis de los factores  relacionados con la producción pesquera de Tilapia nilotica en la presa Adolfo López Mateos (Infiernillo), Michoacán- Guerrero. Tesis de Licenciatura, Universidad Nacional Autónoma de México, México.         [ Links ]

CONAPESCA.  2010. Anuario estadístico de  acuacultura y pesca. Comisión Nacional de Acuacultura y Pesca, México.         [ Links ]

Defeo,  O.,  F.  Arreguín-Sánchez  &  J.  Sánchez.  1992a. Growth  study of the yellow clam  Mesodesma mactroides: a comparative analysis of three length-based methods. Sci. Mar. 56: 53-59.         [ Links ]

Defeo, O., E. Ortiz & J.C. Castilla. 1992b. Growth, mortality and recruitment of the yellow clam Mesodesma mactroides in  Uruguayan beaches. Mar. Biol. 114: 429-437.         [ Links ]

Diario Oficial de la Federación. 2006. Carta  Nacional Pesquera, SAGARPA, CONAPESCA Diario Oficial de la Federación del 25 de agosto de 2006, Segunda Sección, México.         [ Links ]

Efron,  B. 1982. The Jackknife, the Bootstrap  and Other Resampling Plans. Society for Industrial and Applied Mathematics, Filadelfia, Pensilvania, EE.UU.         [ Links ]

Galindo,  C.G.  2005.  Evaluación  de  tres  métodos  para estimación  del  crecimiento  basados  en  el  análisis de  distribuciones de frecuencia de  longitudes. Tesis de Maestría, Instituto  Politécnico Nacional, Centro Interdisciplinario de Ciencias Marinas, La Paz, B. C. S., México.         [ Links ]

Gayanilo,  F.C., P. Sparre & D. Pauly. 1994.  The FAO- ICLARM Stock Assessment  Tools (FISAT) User›s Guide. FAO Comp. Inf. Ser. Fisheries 7, FAO, Roma, Italia.         [ Links ]

Gómez-Márquez, J.L., B. Peña-Mendoza, H.I.  Salgado- Ugarte & J.L.  Arredondo-Figueroa. 2008. Age and growth of tilapia, Oreochromis niloticus  (Perciformes: Cichlidae) from a tropical shallow lake in Mexico. Rev. Biol. Trop. 56: 875-884.         [ Links ]

Gómez-Ponce,  M.A., K. Granados-Flores, C.  Padilla, M. López-Hernández & G. Nuñez-Nogueira. 2011. Edad y crecimiento del híbrido de tilapia Oreochromis niloticus x Oreochromis aureus (Perciformes: Cichlidae) en la represa “Zimapán” Hidalgo, México. Rev. Biol. Trop. 59: 761-770.         [ Links ]

Granado,  L.C. 1996. Ecología de peces.  Universidad de Sevilla, Sevilla, España.         [ Links ]

Guzmán-Arroyo, M. 1995. El lago de Chapala, p. 129-145. In  G. De la Lanza-Espino & J.L.  García-Calderón (eds.). Lagos y Presas de México. Centro de Ecología y Desarrollo, México, D.F., México.         [ Links ]

Haddon, M. 2001. Modelling and quantitative methods in fisheries. Chapman, Florida, EE.UU.         [ Links ]

Hernández-Montaño,  D. 2006. Lago de Chapala,  p. 367- 388. In F. Arreguín-Sánchez, L. Bélendez Moreno, I. Méndez Gómez-Humaran, R. Solana Sansores & C. Rangel Dávalos  (eds.). Sustentabilidad y pesca responsable en México. Evaluación y Manejo. Instituto Nacional de la Pesca, México, D.F., México.         [ Links ]

Isaac,  V.J.  1990.  The  accuracy  of  some   length-based methods for fish population studies. ICLARM. Tech. Rep. 27, Manila, Filipinas.         [ Links ]

Jiménez-Badillo,  L. 2006. Age-growth models  for tilapia Oreochromis aureus (Perciformes, Cichlidae) of the Infiernillo reservoir, México and reproductive behavior. Rev. Biol. Trop. 54: 577-588.         [ Links ]

Jones, J.C., M. Basson & S. Holden. 1990. LFDA (Length Frequency Analysis Data). A prototype software package for the  estimation of growth parameters from length frequency distribution. User’s manual (version 2.0).  Ren. Res. Ass. Group. Imperial  College. Londres, Inglaterra.         [ Links ]

Leonce-Valencia, C. & O. Defeo. 1997.  Evaluation  of three  length-based  methods  for  estimating  growth in  tropical fishes: the red snapper  Lutjanus campechanus of the  Campeche  Bank (Mexico). Sci. Mar. 61: 297-303.         [ Links ]

Leslie, P.H. 1945. The use of matrices in certain populations mathematics. Biometrika 35: 213-245.         [ Links ]

Levi,  D., M.G. Andreoli & L. Canizzarro.  1987. Use of ELEFAN I for sampling  design, p. 311-319. In D. Pauly & G. P. Morgan (eds.). Length-based Methods in  Fisheries  Research.  ICLARM  Conf.  Proc.  13, Manila, Filipinas.         [ Links ]

Majkowsky, J. & J. Hampton. 1989. Length-based method for stock  assessment  and their robustness: a  review with emphasis on some  Australian  experiences, p. 267-278.  In  E.  Chavez  (ed.).  Proceedings  of  the Australia-Mexico  Workshop  on  Marine  Sciences, México.         [ Links ]

Morales, D.A. 1991. La tilapia en México biología, cultivo y pesquerías. AGT, México, D. F., México.         [ Links ]

Murphy, B.R., D. Willis & T.A. Springer. 1991. The relative weight index in fisheries management: Status and needs. Fisheries 16: 30-38.         [ Links ]

Nepita-Villanueva, R. & O. Defeo. 2001. Crecimiento del pulpo Octopus maya (Mollusca: Cephalopoda) de la costa de Yucatán, México: un análisis de largo plazo. Rev. Biol. Trop. 49: 93-101.         [ Links ]

Pauly,  D.  1984.  Fish  population  dynamics  in  tropical waters: A manual for use  with programmable calculators. ICLARM. Studies and Reviews 8, Manila, Filipinas.         [ Links ]

Pauly, D. & J.L. Munro. 1984. Once more on the comparison of growth in fish and  invertebrates. Fishbyte 2: 21.         [ Links ]

Peña-Messina,   E.,  R.  Tapia,  J.I.  Velázquez,  A.  Orbe- Mendoza & J.M. Ruiz. 2010. Growth, mortality and reproduction of the blue tilapia Oreochromis aureus (Perciformes:Cichlidae) in the Aguamilpa Reservoir, Mexico. Rev. Biol. Trop. 58: 1577-1586.         [ Links ]

Ramos-Cruz, C. 1995. Reproducción y  crecimiento  de la mojarra tilapia  (Oreochromis aureus) en la presa Benito  Juárez, Oaxaca, México. Cien. Pesquera  11: 54-61.         [ Links ]

Ramírez,  T.J.H. 2007. Edad y crecimiento de  la mojarra Oreochromis aureus (Steindachner, 1864), de la Presa Adolfo  López  Mateos  “El  Varejonal”  Badiraguato Sinaloa, México. Tesis de Licenciatura, Universidad Autónoma de Sinaloa, México.         [ Links ]

Ricker, E.W. 1975. Computation and interpretation of biological statistics of fish populations. Bull. Fish. Res. Board. Can. 191: 145-157.         [ Links ]

Rosenberg, A.A. & J.R. Beddington. 1987.  Monte Carlo testing of two methods for  estimating growth from length  frequency  data  with  general  conditions  for their  applicability, p. 283-290. In D. Pauly &  G.P. Morgan  (eds.).  Length-based  Methods   in   Fisheries  Research.  ICLARM  Conf.  Proc.  13,  Manila, Filipinas.         [ Links ]

Rosenberg, A.A., J.R. Beddington & M. Basson. 1986. The growth and longevity of krill during the first decade of pelagic whaling. Nature 324: 152-154.         [ Links ]

Shepherd, J.G. 1987a. A weakly parametric method for the analysis of length composition data, p. 113-119. In D. Pauly & G.P. Morgan (eds.). Length-based Methods in  Fisheries  Research.  ICLARM  Conf.  Proc.  13, Manila, Filipinas.         [ Links ]

Shepherd,  J.G. 1987b. Towards a method for  short-term forecasting of catch rates based on length composition, p. 167-176. In D. Pauly & G.P. Morgan. Length- based  Methods  in  Fisheries   Research.  ICLARM Conf. Proc. 13, Manila, Filipinas.         [ Links ]

Sparre, P., E. Ursin & S.C. Venema. 1989. Introduction to tropical fish stock  assessment. Part I. Manual FAO Fish. Tech. Pap. 306.         [ Links ]

Trewavas, E. 1983. Tilapiine fishes of the genera Sarotherodon, Oreochromis and Danakilia. British Museum of Natural History, Londres, Inglaterra.         [ Links ]

*Correspondencia:
Andrés Arellano-Torres: Centro Regional de Investigación Pesquera-Pátzcuaro, Instituto Nacional de Pesca- SAGARPA. Calzada Ibarra No. 28, Col. Ibarra, Pátzcuaro, Michoacán, C. P. 61609, México; andres.arellano@inapesca.sagarpa.gob.mx
Daniel Hernández Montaño: Centro Regional de Investigación Pesquera-Pátzcuaro, Instituto Nacional de Pesca- SAGARPA. Calzada Ibarra No. 28, Col. Ibarra, Pátzcuaro, Michoacán, C. P. 61609, México; daniel.hernandez@inapesca.sagarpa.gob.mx
Carlos Meléndez Galicia: Centro Regional de Investigación Pesquera-Pátzcuaro, Instituto Nacional de Pesca- SAGARPA. Calzada Ibarra No. 28, Col. Ibarra, Pátzcuaro, Michoacán, C. P. 61609, México; carlos.melendez@inapesca.sagarpa.gob.mx
1. Centro Regional de Investigación Pesquera-Pátzcuaro, Instituto Nacional de Pesca- SAGARPA. Calzada Ibarra No. 28, Col. Ibarra, Pátzcuaro, Michoacán, C. P. 61609, México; andres.arellano@inapesca.sagarpa.gob.mx, daniel.hernandez@inapesca.sagarpa.gob.mx, carlos.melendez@inapesca.sagarpa.gob.mx

Recibido 13-VI-2012. Corregido 10-XI-2012. Aceptado 12-XII-2012.

Creative Commons License All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License