La programación dinámica en el estudio de procesos de migración

  • Carolina Biscayart Depto. de Matemática, Centro Regional Universitario Bariloche, Univ. Nac. del Comahue, Bariloche, Argentina.
  • Mónica I. de Torres Curth INIBIOMA - Depto. de Matemática, Lab. Ecotono, Centro Regional Universitario Bariloche, Univ. Nac. del Comahue, Bariloche, Argentina.
Palabras clave: optimización, migración de salmónidos juveniles, Patagonia

Resumen

La programación dinámica es un proceso de optimización que permite obtener una secuencia de decisiones que configuran una solución óptima a un problema determinado. Este trabajo utiliza esta técnica en el estudio de la migración de salmónidos durante la primera etapa de vida, que se desarrolla en los arroyos donde las hembras depositan sus huevos. El desplazamiento de juveniles durante su permanencia en el arroyo depende de las necesidades de cada edad y de la condición del ejemplar relativa a la oferta del ambiente. Nuestro objetivo fue modelar este proceso, con el fin de reconstruir el recorrido óptimo que permite al individuo ingresar al lago en las mejores condiciones para su supervivencia y encontrar, a partir de ello, relaciones entre la dinámica del proceso de migración y las condiciones de los individuos medidas a través del peso. El arroyo en estudio se dividió en tres sectores caracterizados a través de los tipos de sustrato y cobertura. El sector I (superior), posee mayor proporción de cubiertas, es poco profundo, con socavones, troncos, raíces y carpetas flotantes de hojas, y sustrato grueso. El sector II (medio) presenta una proporción intermedia de cubiertas: socavones, vegetación sumergida y marginal, escasos troncos y ramas, con sustrato fino. El sector III (próximo a la desembocadura) tiene escasa proporción de cubiertas, muy diversa, sustrato heterogéneo, torbellinos, correderas, y lugares de mayor profundidad. El modelo mostró la elección del sector I por parte de la mayoría de los ejemplares de bajo peso y edades tempranas, desplazamientos paulatinos al sector II, donde se observan peces de edades y pesos intermedios, y permanencia sostenida de individuos de mayor peso y edad en el sector III. Esto último respondería a una mayor capacidad de aprovechar las profundidades y mejores condiciones de adecuación a correderas y torbellinos. La programación dinámica permitió obtener la respuesta óptima al problema de reconstruir el recorrido del individuo durante su estadía en el arroyo, incorporando datos observados, procesos estocásticos y considerando simultáneamente el peso, edad, competencia, características del ambiente, y variables de comportamiento, relacionadas con alimentación y búsqueda de protección.

Citas

BAIZ, M & T BELLO. 1997. Desplazamiento de Oncorhynchus mykiss (Walb.) y de Salmo trutta L. (Pisces, Salmonidae) en el lago Nahuel Huapi, Argentina. Cuaderno Universitario N° 29. Secretaría de Investigación, Universidad Nacional del Comahue.

BALTZ, DM; B VONDRACEK; LR BROWN & P MOYLE. 1991. Seasonal changes in microhabitat selection by rainbow trout in a small stream. Trans. Am. Fish. Soc. 120:166-176.

BELLMAN, R. 1957. Dynamic Programming. Research Study. Princeton University Press. Princeton, New Jersey.

BELLO MT & V HOUGHAM. 2001. Migraciones “lakeward” de truchas juveniles en el arroyo Loncochinocco, afluente del lago Gutiérrez. Resúmenes 1o Reunión Binacional Argentino-Chilena de Ecología. Pp 253.

BERTSEKAS, D. 1987. Dynamic Programming. Prentice Hall. New Jersey. BISCAYART, C. 2007. La programación dinámica en la migración de salmónidos. Tesis de Maestría. Universidad Nacional del Comahue. Neuquén, Argentina.

BJÖRNN, TC & DW REISER. 1991. Habitats requirements of salmonids streams. Am. Fish. Soc. Special Public. 19:83-138.

BJÖRNN, TC; SC KIRKING & WR MEEHAN. 1991. Relation of cover alterations to the summer standing crop of young salmonids in small Southeast Alaska streams. Trans. Am. Fish. Soc. 120:562-570.

BOOZEK, MA & FJ RAHEL. 1991. Assessing habitat requirements of young Colorado River cutthroat trout across sites and among years in Wyoming streams. Can. J. Fish. Aquat. Sci. 49(3):552-564.

CHAPMAN, DW. 1966. Food and Space as regulators of salmonid populations in streams. Am. Nat. 100(913):345-357.

CIANCIO, JE; MA PASCUAL & DA BEAUCHAMP. 2007. Energy density of Patagonian aquatic organisms and empirical predictions based on water contents. Trans. Am. Fish. Soc. 136:1415-1422.

CLARK, CW & C MANGEL. 2000. Dynamic State Variable Models in Ecology. Oxford University Press. Oxford.

CUNJAK, RA & G POWER. 1987. Cower use by stream- resident trout in winter: A field experiment. N. Am. J. Fish. Manage. 7:539-544.

DE ANGELIS, RL; BJ SHUTER; MS RIDWAY & M SCHEFFER. 1993. Modeling growth and survival in an age-0 fish cohort. Trans. Am. Fish. Soc. 122:927-941.

ELLNER SP & M REES. 2007. Stochastic stable population growth in integral projection models: theory and applications. J. Math. Biol. 54:227-256.

FARMER, AH & JA WONS. 1999. Models and reality: time-energy trade-off in pectoral sand piper (Calidris Melanotos) migration. Ecology 80(8):2566-2580.

GIBSON, RJ. 1993. The Atlantic salmon in fresh water: spawning, rearing and production. Rev. Fish Biol. Fish. 3:39-73.

HANSON, FB & D RYAN. 1998. Optimal harvesting with both population and price dynamic. Math. Biosci. 148:129-146.

HARRISON, P; D SPRING; M MACKENZIE & R MACNALLY. 2008. Dynamic reserve design with the union find algorithm. Ecol. Model. 215:369-376.

HEGGENES, J. 1988. Substrate preferences of brown trout fry in artificial stream channels. Can. J. Fish. Aquat. Sci. 45:1801-1806.

HOWARD, R. 1960. Dynamic Programming and Markov Process. Massachusetts Institute of Technology Press (MIT). Cambridge, MA, USA.

KEUP, LE. 1988. Invertebrate fish food resources of lotic environments. Instream flow information paper No 24. U.S. Fish and Wildlife Service. Biological Report 88(13). Washington.

LEW, A & H MAUCH. 2007. Dynamic Programming: A Computational Tool. Springer. Berlin.

MACCHI, PJ; PH VIGLIANO; MA PACUAL; M ALONSO; MA DENEGRI ET AL. 2008. Historical policy goals for fish management in northern continental Patagonia Argentina: A structuring force of actual fish assemblages? American Fisheries Society Symposium 44:331-348.

MAMCARDZ, A & D GOLONKA. 1989. An attempt to determine the level of variability of morphological features of peled (Coregonus peled Gmel) during larval development. Acta Hydrobiol. 31(1-2):97-107.

MANGEL, C & CW CLARK. 1988. Dynamic Modeling in Behavioral Ecolology. Priceton University Press. Priceton, New Jersey.

MCCARTHY, MA; HP POSSINGHAM & AM GILL. 2001. Using stochastic dynamic programming to determine optimal fire management for Branksia ornata. J. Appl. Ecol. 38:000-008.

MORTENSEN, E. 1977. Density-dependent mortality of trout fry Salmo trutta L., and its relationship to the management of small streams. J. Fish Biol. 11:613-617.

OLLASON, JG. 1987. Foraging Theory and Design. Pp. 549-561 en Kamil, AC; J Krebs & HR Pulliam (eds.) Foraging Behavior. Plenum Publishing Corporation. USA.

PASCUAL, MA; V CUSSAC; B DYER; D SOTO, P VIGLIANO ET AL. 2007. Freshwater fishes of Patagonia in the 21st. century after a hundred year of human ettlement, species introductions, and environmental change. Aquat. Ecosyst. Health Manage. 10:212-227.

PURCELL, J & A BRODIN. 2007. Factor influencing route choice by avian migrant: A dynamic programming model of Pacific brant migration. J. Theor. Biol. 249:804-816.

RALEIGH, RF; LD ZUCKERMAN & PC NELSON. 1986. Habitat suitability index models and instream flow suitability curves: brown trout. U. S. Fish Wild. Serv. Biol. Rep. 82:1-65.

SCHIEMER, F & M ZALEWSKI. 1992. The importance of riparian ecotones for diversity and productivity of riverine fish communities. Neth. J. Zool. Rep. 42(2-3):223-335.

STRANGE, N; BJ THORSEN & J BLADT. 2006. Optimal reserve selection in a dynamic model. Biol. Conserv. 131:31-41.

THORPE, JE. 1981. Migration in salmonids, with special reference to juvenile movements in freshwater. En: Brannon, EL & EO Salo (eds.). Salmon and Trout Migratory Behavior Symposium. Univ. of Washington. Seattle. USA.

WANLESS, S; MP HARRIS; P REDMAN & JR SPEAKMAN. 2005. Low energy values of fish as a probable cause of a major seabird breeding failure in the North Sea. Marine Ecology Progress Series 294:1-8.

WESTPHAL, MI; M PICKETT; WM GETZ & HP POSSINGHAM. 2003. The use of stochastic dynamic programming in optimal landscape reconstruction for metapopulations. Ecol. Appl. 13(2):543-555.

WEBER, T; BJ ENS & AI HOUSTON. 1998. Optimal avian migration: A dynamic model of fuel store and site use. Evol. Ecol. 12:377-401.
Publicado
2009-08-01
Sección
Artículos