Modern Kölelik

Com base no banco de dados referidos em 3.2.5, selecionou-se as espécies de peixes mais abundantes (Albacoras Lage, Branca e Bandolin), dentro da área em estudo (15º N – 15º S e 50º W – 15º W), a qual corresponde a ZEE Norte/Nordeste do Brasil.

Os dados relativos a mês e ano da captura, latitude e longitude do local de pesca, número de anzóis-dia utilizados e peso vivo capturado (Kg), foram, em seguida, transferidos para uma planilha do EXCEL. Estes foram dispostos em ordem crescente de ano e mês. Dentro de cada mês ordenou-se os dados, de maneira tal que os pontos de captura se iniciam nas latitudes mais altas do hemisfério norte e decrescem em direção à linha do equador,

crescendo novamente, a partir daí, em direção às latitudes mais altas do hemisfério sul. Ao final da seleção, considerando o período em análise (1995 a 2003), obtivemos uma matriz (p x q), onde: p = 18891 linhas e q = 6 colunas. Esse número elevado de linhas de dados explica-se pelo fato de que havia várias informações, dentro de cada mês, para uma mesma latitude e longitude.

O passo seguinte foi somar os dados relativos ao número de anzóis e peso vivo, dentro de cada mês, que possuíam a mesma latitude e longitude e assim calcular as CPUEs mensais. Para realizar essa tarefa, desenvolveu-se, um programa de computador utilizando-se o software MATLAB versão 6.1. Como estávamos interessados em determinar a captura por unidade de esforço para cada espécie, por latitude e longitude, esse passo também foi incluído no programa. O mesmo gerou um arquivo no formato ASCII, com informações relativas ao ano, mês, latitude, longitude, número de anzóis, peso vivo, cpue_lage, cpue_branca, cpue_bandolin, dispostas em forma de colunas. Esse arquivo foi posteriormente importado para o EXCEL, tendo seu tamanho reduzido para uma matriz (m x n), onde: m = 3806 linhas, e n = 9 colunas.

Como um dos objetivos do trabalho é estudar a relação existente entre determinadas variáveis ambientais e os dados de CPUE, a etapa seguinte consistiu em selecionar os dados de TSM e suas anomalias, vento e clorofila-a, obtidos conforme descrito nos itens 3.2.1, 3.2.2 e 3.2.3, para as latitudes e longitudes onde havia informações sobre o esforço de pesca para as três espécies de atuns já citadas. Como os dados de satélites possuem resolução espacial de 9 Km x 9 Km, e os dados de captura das albacoras, resolução espacial de 1º de latitude x 1º de longitude aproximadamente, 111 Km x 111 Km, foi necessário se desenvolver um programa, utilizando a linguagem de scripts, que localizasse dentro da

imagem do satélite os pontos mais próximos ou coincidentes com as latitudes e longitudes onde havia dados de captura.

Após a obtenção dos valores das aTSM, TSM, vento e clorofila-a, para cada latitude e longitude, os mesmos foram incluídos na planilha do EXCEL que já continha informações relativas a ano, mês, latitude, longitude, número de anzóis, peso vivo, cpue-lage, cpue-branca, cpue-bandolin. O arquivo final tomou a forma ilustrada na tabela 3.2, onde o cálculo da CPUE foi feito utilizando-se a equação 3.3.1.

) . ) ( ( dia anzóis No Kg PesoVivo ESFORÇO CAPTURA CPUE − = (3.1)

Tabela 3.2 – Dados ambientais (atsm, tsm, vento e clorofila) e de CPUE para as Albacoras Lage, Branca e

Bandolin, por ano, mês, latitude (lat) e longitude (lon), relativos ao período compreendido entre 1995 e 2003.

ano mês lat lon atsm (°c) tsm (°c) vento m/s clorofila mg/m3 cpue lage Kg/n° anzóis- dia cpue branca Kg/n° anzóis- dia cpue bandolin Kg/n° anzóis-dia 1995 1 3 -27 0,45 27,00 4,87 9,9999 0,0261 0,0223 0,0654 1995 1 2 -27 0,00 26,70 4,05 9,9999 0,1113 0,0149 0,2634 1995 1 0 -28 0,75 26,55 3,78 9,9999 0,0297 0,0294 0,3559 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1999 8 -9 -33 0,15 26,25 7,93 0,0716 0,2307 0,0593 0,2600 1999 8 -9 -31 0,30 26,25 8,26 0,0794 0,0865 0,0988 0,0650 1999 8 -9 -30 -0,15 25,80 8,22 0,0851 0,2018 0,0593 0,0650 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2003 12 -10 -34 0,88 27,41 7,62 0,0646 0,0000 0,0762 0,0000 2003 12 -10 -29 0,49 26,68 8,01 0,0490 0,0769 0,2885 0,2404 2003 12 -10 -28 0,46 26,46 7,78 0,0582 0,3558 0,1599 0,2464

Observação: Os valores 9,9999 que aparecem na tabela 3.2 indicam ausência de valores de

clorofila-a. Ressalta-SE que no período compreendido entre 1995 a agosto de 1997 não havia satélites realizando medidas desse parâmetro oceanográfico.

A metodologia básica utilizada na análise dos dados descritos em 3.2.5, consistiu, numa primeira fase, na utilização de modelos de séries temporais das CPUEs das espécies em estudo, uma vez que estes modelos envolvem projeções baseadas, exclusivamente, nas observações do passado da variável que se quer estudar.

Segundo Libonati et al (2004), a principal característica de uma série temporal, que a torna distinta de uma amostra aleatória simples, é a vinculação das observações com o fator tempo, sendo que, a análise de séries temporais baseia-se na premissa segundo a qual os fatores que influenciaram o comportamento dos dados no passado continuam influenciando seus movimentos futuros.

Ressalta-se, porém, que as séries temporais das CPUEs da Albacora Lage, Albacora Branca e Albacora Bandolin podem sofrer influência de diversos fatores, tais como: variações temporal e espacial, mudanças em padrões tecnológicos, variações nas condições ambientais, etc. Esses e outros fatores determinam os componentes das séries temporais, os quais serão estudados quanto à tendência, variações cíclicas e sazonais e variações irregulares. No que se refere a estacionaridade ou não da série temporal das CPUEs , para determiná-la, aplicou-se o teste do coeficiente de correlação de Spearman.

Prosseguindo nas análises, estudamos as possíveis relações existentes entre a CPUE e as variáveis ambientais aTSM, TSM, vento e clorofila-a, utilizando modelos de regressão simples e múltipla e em alguns casos aplicamos transformação logarítmica no valor das variáveis. Ressalta-se que a transformação logarítmica aumenta as distâncias entre os valores pequenos e reduz as distâncias entre os valores grandes, tornando distribuições com assimetria positiva (cauda mais longa à direita) em distribuições aproximadamente simétricas. Com isso, temos uma situação mais adequada para estabelecer a reta de regressão (Barbetta et al, 2004).

Na análise de regressão múltipla, procuramos construir um modelo estatístico- matemático para se estudar, objetivamente, a relação entre as variáveis independentes (aTSm, TSM, vento e clorofila-a) e a variável dependente (CPUE da Albacora Lage, Albacora Branca

e Albacora Bandolin) e, a partir do modelo, conhecer a influência de cada variável independente, como também predizer a variável dependente em função do conhecimento das variáveis independentes.

A análise de regressão múltipla parte de um conjunto de observações (x11, x21, . . .,

xk1, y1), (x12, x22, . . ., xk2, y2), . . .,( x1n, x2n, . . .,xkn, yn) relativas às variáveis X1, X2, . . .,Xk

(variáveis qantitativas ou indicadoras de certos atributos), Y (variável quantitativa contínua) . Segundo Barbetta et al, 2004, para uma dada observação, Y depende, em parte, dos correspondentes valores x1, x2, . . ., xk (variáveis independentes) e de uma infinidade de outros

fatores, representados pelo termo de erro, ε. Supôs-se então, o seguinte modelo para as observações:

Yi = α + β1x1i + β2x2i + . . . +βkxki + εi (i = 1, 2, . . ., n) (3.2)

onde Yi, é a variável aleatória associada à i-ésima observação de Y; α, β1, β2, βk são

parâmetros a serem estimados através do método dos mínimos quadrados, e εi representa o

efeito (erro) aleatório da i-ésima observação. Barbetta et al (2004), também afirmam que se deve supor que as variáveis independentes X1, X2, . . ., Xk não devem ter correlações altas

entre si.

Procurou-se então, através desses modelos, relacionar variável dependente CPUE, com as variáveis ambientais citadas anteriormente, denominadas de variáveis explicativas ou independentes.

O passo seguinte foi a aplicação do teste F, através da análise de variância, para verificação da existência de diferenças estatisticamente significantes entre as CPUEs na escala mensal e anual. Utilizou-se um experimento fatorial completamente casualizado, uma vez

que: 1 – analisamos a combinação dos tratamentos meses e anos, e 2 – as CPUEs são aleatoriamente alocadas nos meses e anos. Para a aplicação do teste F a literatura recomenda, para amostras que não possuem tamanhos iguais, a utilização de testes não paramétricos (Foster, 1998, Kirk, 1968 apud Cochran, 1947 e Norton, 1953). Ressalta-se, no entanto, que se observou a não homogeneidade das variâncias, mas, tendo em vista que a matriz do conjunto de dados possui aproximadamente 3800 linhas, prosseguimos com a aplicação da análise de variância. As hipóteses a serem testadas são encontradas na tabela 3.3.

Tabela 3.3 – Hipóteses testadas, relativas às CPUEs das Albacoras Lage, Branca e Bandolin

HO HA

as CPUEs ao longo dos meses são iguais as CPUEs ao longo dos meses são diferentes as CPUEs ao longo dos anos são iguais as CPUEs ao longo dos anos são diferentes a interação dos meses e ano da CPUE é igual a interação dos meses e ano da CPUE é

diferente

A parte que se refere à caracterização mensal e sazonal dos aspectos meteorológicos e oceanográficos sobre o Atlântico, isto é, como se apresentam as variações médias dos padrões da temperatura da superfície do mar, da concentração de clorofila-a, vento e precipitação, foi feita gerando-se médias históricas mensais e sazonais, representativas do período de 1985 a 2004. Essas foram elaboradas a partir dos dados fornecidos pelos satélites NOAA e AQUA (aTSM e TSM – período 1985 a 2004), ERS-1 e ERS-2 (vento – período: 1991 a 2000) e SeaStar (clorofila-a – período: 1998 a 2004). Para calcular as médias sazonais foram considerados os trimestres de dezembro, janeiro e fevereiro (DJF), março, abril e maio (MAM), junho, julho e agosto (JJA), e setembro, outubro e novembro (SON). Esses trimestres são representativos das estações de verão e inverno, outono e primavera, inverno e verão, e primavera e outono, nos HS e HN, respectivamente.