Influence of environmental, spatial and temporal factors on blue shark, Prionace glauca, catch rate in the southwestern Atlantic Ocean

A Generalized Additive Model (GAM) was fitted to blue shark, Prionace glauca (Linnaeus, 1758), CPUE data (shark numbers per 100 hooks) from tuna longliners based in São Paulo State, Brazil, between 1998 and 2006, with the aim to observe their relationship with environmental, spatial and temporal information. GAM model accounted for 42% of the variance in nominal CPUE. Stepwise GAM revealed the relative importance of eight variables by decreasing magnitude, namely latitude, year, month, longitude, chlorophyll-a concentration, sea surface temperature, wind speed and ocean depth. Spatial and temporal factors accounted for 91.5% of the cumulative deviation explained by the model, while environmental factors responded for only 8.5%. The highest blue shark relative abundance was observed between January and June, with a peak in April. It increased southeastward, below 20°C, between 1,500 and 4,000 meters depth. Chlorophyll-a showed highest CPUE values between 0.35 and 0.90 mg.m-3. Wind speed presented a positive effect on catch rate up to 2 m.s-1, followed by a steep decline. Standardized yearly CPUE trend was stable, with two peaks, one in 2001 and another in 2006. Both were followed by a high variance. Um modelo aditivo generalizado foi ajustado aos dados de CPUE (número/100 anzóis) do tubarão-azul, Prionace glauca (Linnaeus, 1758), capturado pela frota espinheleira de superfície sediada no Estado de São Paulo, entre 1998 e 2006. O objetivo foi analisar a influência relativa dos fatores ambientais e espaço-temporais sobre os rendimentos. O modelo explicou 42% da variância na CPUE nominal. O método passo a passo foi utilizado para a construção do modelo, revelando oito variáveis em ordem decrescente de magnitude, ou seja, latitude, ano, mês, longitude, concentração de clorofila-a, temperatura da superfície do mar, velocidade do vento e profundidade do local. Os fatores espaço-temporais foram responsáveis por 91,5% da variância explicada pelo modelo, enquanto que os fatores ambientais responderam por apenas 8,5%. O modelo mostrou que a espécie é mais abundante entre janeiro e junho, com pico em abril e aumentando no sentido sudeste. Os maiores rendimentos foram observados em águas com temperatura de superfície < 20°C e profundidades variando entre 1.500 e 4.000 m. O efeito da clorofila-a gerou maiores valores de CPUE entre 0,35 e 0,90 mg/m3 , enquanto a velocidade do vento produziu efeito positivo na CPUE até 2 m/s, seguido por um declínio acentuado. A CPUE padronizada exibiu estabilidade, com dois picos, em 2001 e 2006, os quais também exibiram uma maior variância associada.