report of the 2016 iccat north and south atlantic … · 2018-07-25 · scrs/2016/006 collect. vol....
TRANSCRIPT
SCRS/2016/006 Collect. Vol. Sci. Pap. ICCAT, 73(4): 1147-1295 (2017)
1147
REPORT OF THE 2016 ICCAT NORTH AND SOUTH
ATLANTIC ALBACORE STOCK ASSESSMENT MEETING
(Madeira, Portugal – 28 April to 6 May 2016)
SUMMARY
The Atlantic Albacore Stock Assessment meeting was held in Madeira, Portugal, from 28 April-
6 May. The objective of the meeting was to update the North and South Atlantic albacore stock
status and to provide management advice to the Commission. To this purpose the Group also
conducted a management strategy evaluations for the northern stock and tested harvest control
rules and associated reference points.
RÉSUMÉ
La réunion d’évaluation des stocks de germon de l’Atlantique eu lieu à Madère (Portugal) du
28 avril-6 mai. La réunion visait à actualiser l’état du stock de germon de l’Atlantique Nord et
Sud et à fournir un avis de gestion à la Commission. À cette fin, le groupe a également effectué
une évaluation de la stratégie de gestion pour le stock du Nord et il a testé les règles de
contrôle de l'exploitation et des points de référence associés.
RESUMEN
La reunión de evaluación de atún blanco del Atlántico se celebró en Madeira, Portugal del 28
de abril al 6 de mayo. El objetivo de la reunión es actualizar el estado del stock de atún blanco
del Atlántico norte y sur, y proporcionar asesoramiento de ordenación a la Comisión. A este
efecto, el Grupo realizó también una evaluación de estrategias de ordenación para el stock del
norte y probó normas de control de las capturas y puntos de referencia asociados.
1. Opening, adoption of agenda and meeting arrangements
The meeting was held in Madeira (Portugal), April 28 to May 6, 2016. Dr Haritz Arrizabalaga (EU-Spain), the
Albacore Species Group Rapporteur, chaired the meeting. Dr Arrizabalaga thanked (in the name of ICCAT) the
Regional Government of Madeira for hosting the meeting and providing all the logistical arrangements, and
welcomed meeting participants (“the group”). He invited Ms. Lidia Gouveia to, on behalf of the Regional
Government of Madeira, open the meeting and welcome the participants.
Dr Arrizabalaga proceeded to review the Agenda which was adopted with minor changes (Appendix 1).
The List of Participants is included in Appendix 2. The List of Documents presented at the meeting is attached
as Appendix 3. The following participants served as Rapporteurs:
P. de Bryun Item 1
V. Ortiz de Zarate Item 2.1
C. Palma, L. Gouveia and G. Scott Item 2.2
J. Ortiz de Urbina and H. Arrizabalaga Item 2.3
D. Die, G. Merino Item 3
G. Merino, L. Kell, J. Ortiz de Urbina and H. Arrizabalaga Item 4.1
K. Yokawa, M. Kanaiwa and T. Matsumoto Item 4.2
L. Kell, J. Ortiz de Urbina G. Merino and H. Arrizabalaga Item 5.1
K. Yokawa, M. Kanaiwa and T. Matsumoto Item 5.2
H. Arrizabalaga and D. Die Item 6
G. Scott Item 7
2. Summary of available data for assessment
2.1 Biology
Some new information on biology was made available to the group. However, the biological parameters for both
stocks remain the same as in previous assessments (Tables 1 and 2).
1148
In a past document (Nikolic and Bourjea, 2014), the authors presented results of a bibliographical review on the
identification of albacore populations among and within oceanic regions (Atlantic, Pacific, and Indian Oceans,
and Mediterranean Sea). They concluded that, due to the divergence of the results, the concept of stock and its
delimitation remains a controversial issue. The authors indicated that there is an urgent need in most regions of
the world for further albacore studies to review and improve the current management units used by Regional
Fishery Management Organizations.
According to SCRS/2016/033, albacore (Thunnus alalunga) has been caught as by-catch of the tuna catch of the
Venezuelan large pelagic fisheries over the past 25 years. The document analysed the spatial and temporal size
distribution of northern albacore recorded by the Venezuelan pelagic longline observer programs (1991-2014) of
which a total of 27,472 fish records were collected. Sizes ranged between 42 and 132 cm FL. Three distinct areas
were identified: Caribbean Sea, Guyana-Amazon, and SW Sargasso Sea. In SW Sargasso Sea, the size
distribution was stable with average sizes of 105-110 cm FL; while in the Caribbean Sea and Guyana-Amazon a
larger size variability and wider range in size was recorded, but average sizes were similar across all areas. The
overall age distribution consisted primarily of ages 6 and larger, and in which age 10 represented the 10+ group.
The age frequency distributions reflected variability of albacore catches over the time period, from older fish in
the SW Sargasso Sea during 1995-2003, to younger fish in the Caribbean Sea and Guyana-Amazon area during
the recent period (after 2007).
Based on opportunistic observations of albacore that had been caught and was being dressed, visual observations
of running mature eggs (hydrated oocytes) were considered an indication of spawning. Based on the information
recorded by the observers on board, spawning time and area was determined to occur from March to April in the
area SW of the Sargasso Sea (as presented in Luckhurst and Arocha, 2016). In the area of Guyana-Amazon, also
based on sporadic observations, ovaries were in the maturing or in the regressing phases. No seasonal
information was indicated. The group recommended further research in order to better understand reproduction
of northern albacore in the area.
A new study on North Atlantic albacore growth was published (Ortiz de Zárate and Babcock, 2015) that
describes the individual growth variability in North Atlantic albacore. Growth is assumed to follow the von
Bertalanffy model with the assumption that growth parameters are constant over time and the same for all fish.
However, individual growth variability is an important factor not considered and affecting the input into the
modelling of the population. This study describes a Bayesian hierarchical model applied to model the individual
variability in the parameters asymptotic length (L∞) and growth rate (K) of the von Bertalanffy growth model for
North Atlantic albacore. The method assumes that the L∞ and K values for each individual fish are drawn from a
random distribution centred on the population mean values, with estimated variances. Multiple observations of
spine diameter at age for individual fish were obtained by direct reading of spine sections collected in 2011 and
2012. Three different back calculation methods were then applied to the measurements of annuli diameters in the
aged individual observed to back-calculate lengths at each age. The von Bertalanffy model was fitted to the
measured and back-calculated lengths. Models with and without individual growth variability were compared
using the deviance information criterion (DIC) to find the best model. Normal and lognormal error distribution
models were used to analyse the data. The growth modelling approach allowed accounting for individual
variability in asymptotic length and growth rate. For albacore, it represents a new way to study growth based on
back-calculation length from spine annuli measurements. It was found that the North Atlantic albacore
asymptotic length (L∞) varies significantly between individual fish but not the individual growth rate (K).
Furthermore, negatively correlated relationships (-0.85) between von Bertalanffy growth parameters of
asymptotic mean (L∞) and growth rate (K) were estimated for North Atlantic albacore with the array of models
explored. The estimated values of K (0.21) and population mean L∞ (120.2 cm) parameters were similar to values
estimated in previous North Atlantic albacore studies.
The group agreed that many of the critical biological parameters for Atlantic albacore are still poorly known.
Knowledge of the biology of the albacore stocks underpins the advice of the SCRS since biological parameters
are a critical input in the stock assessment models currently used by the group. Hence, substantially more
biological research is required to improve the quality of the scientific advice and to reduce the uncertainty
associated with it.
1149
2.2 Catch, effort and size Two documents on fishery data were presented in the meeting. Document SCRS/2016/082 provides an update on the tuna statistics of the EU-Portugal (Madeira) baitboat fishery operating in Madeira and Azores regions between 1999 and 2015, including the total catch by species, the baitboat fleet composition and the respective size frequencies for the main tuna species (BET, SKJ and ALB). It also describes in detail the geographical fishing grounds used by this fleet in the recent years (2010-2015) in Madeira and Azores regions. Document SCRS/2016/033 analyses the spatial and temporal size distribution of Venezuelan LL fleet fishing for the northern albacore stock (sources: ICCAT/EPBR sponsored Venezuelan Pelagic Longline Observer Program (1991-2011), and the National Observer Program on pelagic longline vessels [2012-2014]). It covers the Caribbean Sea, Guyana-Amazon, and SW Sargasso Sea. Next, the Secretariat presented to the group the most up-to-date albacore (ALB) fisheries information (T1NC: Task I nominal catch; T2CE: Task II catch & effort; T2SZ: Task II size samples; T2CS: Task II catch-at-size reported) available in ICCAT, for the northern (ALB-N) and southern (ALB-S) albacore stocks, covering the period 1950 to 2014. Preliminary T1NC statistics for 2015 were also presented. The ALB conventional tagging, and the CATDIS (1950 to 2013) estimations, were also made available to the group but not discussed in detail since not many changes were incorporated to these datasets that were more thoroughly scrutinized in 2013. For a consolidated view of the available Task I and Task II statistics, the SCRS standard data catalogues (ALB-N in Table 3 and ALB-S in Table 4) covering the period 1990-2015, were also presented. In these catalogues, fisheries are ranked according to their contribution to the total ALB Task I landings (average weight across all the time series shown in the mentioned tables). 2.2.1 Task I (catches) The T1NC of ALB-N and ALB-S detailed catches are presented in Table 5. Figure 1 (ALB-N) and Figure 2 (ALB-S) show the accumulated catches by major gear for the entire period (1930-2014). The geographical distribution (grid of 5x5 squares) of the catches by decade and major gear (using CATDIS, a Task I equivalent estimation by trimester and 5x5 squares) are presented in the maps of Figure 3. These maps only cover the period 1950 to 2013. The Secretariat informed that an updated CATDIS (including 2014) estimation is in preparation, and, it will be available for the SCRS annual meeting. There are no major differences in T1NC when compared with the version approved by the SCRS in September 2015, despite some updates presented later on by Japan and Chinese Taipei. The overall ALB-N catches show a decreasing trend since 2006 (~37000 t) reaching a minimum of about 20000 t in 2011. This decline in catches, was mostly due to the decrease in the catches of the baitboat (~60% reduction in weight) and troll (~65% reduction) fisheries in the Cantabrian Sea (Spanish fleet). The catch of longline fisheries (mostly Chinese Taipei and Japan) have also shown a reduction of about 25% in weight. Since 2012, the overall catches increased slightly to a maximum of about 26500 t in 2014, caused mostly by an increase in the catches of the European trawl and baitboat fisheries of Canarias, Azores and Madeira, as well as, Japanese and Chinese Taipei longline fisheries (especially in 2013). For ALB-S, the overall catch have oscillated around 24,000 t between 2006 and 2012, showing afterwards a large drop reaching less than 14,000 t (more than 40% reduction) in 2014. This decrease is linked to a catch reduction of the major fisheries (Longline: Chinese Taipei, Japan, and Brazil; Baitboat: South Africa, Namibia, and Brazil). The Secretariat recalled that Brazilian catches since 2012 are still preliminary and possibly underestimated. The report of the 2015 catches was optional for this meeting, and in consequence only a few CPCs (EU-Spain, EU-Ireland, EU-United Kingdom, EU-Portugal, Japan, Venezuela and Chinese Taipei) presented provisional 2015 statistics. For the projections, a preliminary estimation of the 2015 total yield for each stock (Table 6) was obtained by carrying over the average catch of three previous years for each flag/gear combination without 2015 catches available.
1150
2.2.2 Task II (catch and effort and size)
The data catalogues of ALB-N (Table 3) and ALB-S (Table 4) summarise the availability of T2CE, T2SZ, and
T2CS datasets (respectively characters, “a”, “b”, “c” within each Task II row, i.e. when field DSet=“t2”). By
default, the catalogues do not show datasets (which are available in the ICCAT-DB system) with poor resolution
in time (by year), poor or no geographical detail (must have at least ALB sampling areas), and several other
specific datasets usually not used by the SCRS (T2CE with no effort, non-standard frequencies in T2SZ,
size/weight frequencies intervals in T2SZ larger than 5 cm/kg, etc.).
The ALB-N catalogue shows that nearly 90% of the total yield is caught by only seven fleets (EU-Spain BB and
TR fleets, Chinese Taipei LL, EU-France TW and GN, EU-Portugal BB, and EU-Ireland TW). For those fleets,
T2CE and T2SZ series are almost complete (EU-France TW recently recovered) for the last 15 years. There are,
however, some minor gaps in T2CE and T2SZ series (EU-France TW, EU-Portugal BB, and, EU-Ireland TW)
that need to be recovered. Some of the remaining 10% of the ALB-N fisheries still have important gaps in
Task II data (both T2CE and T2SZ). The series with important gaps (at least two missing years of Task II data)
are the surface LL fisheries of Vanuatu, Venezuela, EU-Spain, Panama, China PR and Korea.
The ALB-S catalogue shows that 90% of the total yield is caught by only five major fleets (Chinese Taipei LL,
South Africa and Namibia BB, Brazil LL, and Japan LL). In terms of Task II (T2CE and T2SZ) availability,
there are important gaps in South African, Namibian and Brazilian series. For the remainder 10% of the fleets,
the Brazilian BB fleet and the most important LL fleets catching ALB as by-catch (Korea, Philippines, Vanuatu,
EU-Spain and China PR) have important gaps in the Task II series. The tropical BB and PS fisheries (Ghana,
EU-France, EU-Spain, Guatemala, Curacao, etc.) that catch ALB as by-catch also have incomplete Task II series.
In terms of Task II historical recoveries, Uruguay has reported a 14 year ALB-S historical series on T2SZ. Those
size samples correspond to the national longline surface fleet (1998 to 2012), and to the samples obtained under
the Uruguayan observer program on board Japanese longliners (2009 to 2013).
The group continues to observe the decreasing number of fish sampled by the Japanese fleet in the southern
stock since 2008, with only 44 fish measured in 2014. This low coverage ratio (less than 1% of the catches in
weight) was also observed for various other fleets fishing for ALB-S stock. The Brazilian BB and LL fleets have
virtually no samples reported since 2012 (less than 100 fish sampled in total).
The group recommended that the Secretariat work together with the Statistical Correspondents of the CPCs that
have Task II gaps in the data catalogues. For ICCAT CPCs with no scientific representation at the meeting, the
Secretariat should request that these CPCs report missing datasets as soon as possible.
2.2.3 Catch-at-size
The overall catch-at-size (CAS) matrix was updated (full revision of 2011 and the inclusion of years 2012 to
2014) during the meeting to properly estimate the weighted mean weights by major gear and stock. This update
was made only with this purpose in mind and should be revised in the future with the full set of substitution rules
and extrapolation criteria used in ALB Atlantic stocks. The CAS matrices are presented in Table 7 for ALB-N
(histograms in Figure 4) and Table 8 for ALB-S (histograms in Figure 5). The average weights obtained from
the CAS, by stock (overall and by major gear) are presented in Figure 6 (ALB-N) and Figure 7 (ALB-S). The
new size data from Uruguay were included in these estimations.
2.3 Relative abundance indices
2.3.1 North Atlantic
Document SCRS/2016/032 presented standardized CPUE for northern albacore in the southwestern North
Atlantic from Venezuelan longline observer programs (1991-2014). The index was estimated by using
Generalized Linear Mixed Models under a delta lognormal approach. The analysis included 'year', 'vessel
category', 'area', 'season', 'fishing depth', 'bait', and 'bait condition' as categorical explanatory variables.
Diagnostic plots showed no strong departures from the expected pattern, and checks for indication of influential
observations showed no strong variations. The standardized time series showed a relatively slow increasing trend
since the early period, reaching its highest value in 2008; thereafter the series drops to a low value in 2011. In the
final years of the series, a strong increasing trend in the catch rates is observed, displaying the highest value in
the last year.
1151
It was noted that based on the results of the analysis of the age composition of the Venezuelan catch
(SCRS/2016/033), two groups of ages appear to be separated by area. It was suggested that this potential effect
should be taken into consideration in the standardization process. However, it was decided that this index could
overall reflect the abundance of relatively large fish sizes.
Document SCRS/2016/073 reported updated standardized indices of albacore from the Spanish baitboat fleet for
the period 1981-2014. Trips sampled from the commercial baitboat fishery recorded information on the date of
landing, number of fishing days, area of effort, catch in number, and catch in weight (kg). Nominal catch rates
(number of fish per fishing day) were modeled by a generalized linear model assuming a lognormal error
distribution. In addition to the 'Zone' and 'Quarter' main factors, 'year*quarter' and 'year*zone' interactions were
evaluated and included as random effects to provide annual estimates of the standardized index. The Generalized
Linear Mixed Model accounted for about 30.81 % of the variability on the observed CPUE; better accounting for
the variability observed in the baitboat nominal catch rates used in the last assessment, related to annual temporal
and spatial distribution of catches per unit of effort.
The group noted that since there are three fleets (Spanish, Irish and French) targeting albacore in the North East
Atlantic area, it would be worth trying a joint analysis in order to better account for the variability related to
spatial and temporal changes in the availability of the resource.
Document SCRS/2016/074 presented updated standardized indices of albacore from the EU-Spain troll fleet for
the period 1981-2014, based on individual trips sampled from the commercial troll fishery, and including
information on the date of landing, number of fishing days, area of effort, catch in number, and catch in weight
(kg). Nominal catch rates in number of fish per fishing day were modeled by a generalized linear model
assuming a lognormal error distribution. The final model accounted for 45.6 % of the variability in the recorded
CPUE and included 'year*quarter' and 'year*zone' interaction terms as random effects. The results from the
GLMM represent an improvement on model fit as compared to the GLM fitted to standardize the troll nominal
catch rates used in the last assessment. The GLMM model seems to better capture the variability observed in the
catch rates of the troll fleet in regards to the temporal and spatial annual distribution.
Document SCRS/2016/078 presented standardized CPUE of Northern Atlantic albacore caught by Taiwanese
longliners for the period 1967 to 2015, based on information from logbooks (since 1981) and Task II (since
1967). Data were scrutinized taking into account three periods (1967-1987, 1987-1999 and 1999-2015) and 5x5
areas for the distribution of the four major tuna species (albacore, bigeye tuna, yellowfin tuna, and swordfish) in
order to identify appropriate sampling subareas. For standardization purposes only datasets within the proposed
sampling subareas were used. CPUEs for albacore in the appropriate sampling subareas were standardized for
three periods (1967-1987, 1987-1999, and 1999-2015). A GLM with lognormal error distribution was assumed
for the standardization of both yearly and quarterly CPUE trends. Factors 'year', 'quarter', 'subarea' (5x5),
'bycatch effects' of bigeye tuna, yellowfin tuna and swordfish, and interactions were included in the model for
obtaining yearly standardized abundance series. Factors 'quarter-series', 'subarea' (5x5), and 'bycatch effects' of
bigeye tuna, yellowfin tuna and swordfish were constructed into the model for obtaining quarterly standardized
abundance trends. The results showed that the yearly standardized CPUE continuously declined up to mid-
1980s, highly fluctuated before early 2000s, and increased thereafter. Similar trends were also obtained for the
quarterly standardized CPUE series. It was noted that splitting of the series to define the three periods for
standardization purposes was based on changes in fishing operations (from traditional to deeper longline),
stabilization of the fleet, and the improvement in the data collection system.
Document SCRS/2016/080 presented an index of abundance of albacore tuna estimated from catch and effort
data from the United States pelagic longline fishery operating in the Atlantic. The standardized index was
updated for the period 1987 to 2014, with no changes in the methodology used to estimate the same index for the
previous 2013 assessment. The updated annual index and model diagnostics were presented in the document.
The updated estimate showed the same trend as the previous index with 2011 as the terminal year. The new
index showed a decline in 2012 with respect to 2011, but an increasing trend the following 2 years with the
terminal year (2014) having the highest value of the entire time series. The group noted that the standardized
series seemed to show a fairly strong signal for the period 2006-2014.
Document SCRS/2016/068 reported updated CPUEs for north Atlantic albacore caught by Japanese longline
fishery. CPUEs were separately standardized into three periods (1959-69, 1969-75 and 1975-2014) using
negative binominal model, based on the same methods as those in the previous studies.
1152
The reliability of the strong up and down trends of the standardized CPUEs in most recent years in both north and south stocks were questioned. The group agreed to exclude them from the stock assessment because they have large confidence intervals and are recognized not to represent the dynamics of albacore stocks. The authors suggested the possibility that a temporal target shift from bigeye tuna to albacore in the years when unnaturally large CPUEs were obtained could be the reason for these CPUE values, although the CPUE standardization model could not sufficiently account for its effect. The group finally agreed to eliminate the standardized CPUE values for 2013 and 2014 from the northern ALB stock assessment. Documents SCRS/2016/085 and SCRS/2016/086 suggest that the large decrease of standardized CPUEs of the Japanese longline prior to 1993 are biased mainly due to the shortage of data coverage and information on targeting. In the period analyzed, target shift from albacore to bluefin tuna occurred within same area and gear configuration which caused the sudden large decrease of albacore nominal CPUE. The decrease of albacore catchability of Japanese longliners, which is due to the fact that target shift caused a drastic decrease in the amount of effort in the traditional albacore fishing ground of Japanese longliners, is also shown when nominal CPUE of albacore decreased. Albacore CPUE in the place where larger amounts of effort deployed are shown to be apparently higher than those in the place where small amounts of effort are deployed. Because no relevant way to standardize these effects were found, authors proposed not to use Japanese indices before 1988 for the northern stock. Document SCRS/2016/087 shows alternative abundance indices for the northern stock using data obtained from the core area (20N – 40N, west of 30N) of the Japanese longline fishery. Although CPUE standardization were successfully conducted for the periods 1964-1974, 1975-1993 and 1994-2006, the authors indicated the only suitable standardized CPUE for the stock assessment was that of the period between 1964 and 1971, as Japanese longliners operated in a constant manner. Combining results of SCRS documents 085, 086 and 087, the authors proposed to consider the following Japanese indices for the northern stock assessment: Standardized CPUE for the period 1964 – 1971 from the core area, and the period 1988 – 2012 of the original updated “bycatch period”. The group generally supported the authors’ proposals, but at the same time, recovery of standardized CPUE in the lost period was recommended. The development of the method to standardize the effect of targeting shift not using hook per basket information is necessary for this purpose. There are multiple methods to adjust the effect of targeting without using hooks per basket information, such as use of species composition and CPUE of other species, but no consensus yet exists in the SCRS on the best use of these methods. Thus, the group requested that the Working Group on Stock Assessment Methods (WGSAM) evaluate the different CPUE standardization methods used in each species group and develop guidelines for CPUE standardization applicable to all species. 2.3.3 South Atlantic Document SCRS/2016/079 presented the CPUE for the longline fleet from Chinese Taipei. Both the logbooks (since 1981) and the Task II catch/effort (since 1967) datasets of Taiwanese longliners were scrutinized, by decadal period and 5º-square block, for the geographical distribution characteristics of four major tuna species (albacore, bigeye tuna, yellowfin tuna and swordfish). This allowed to identify the most appropriate sampling area for South Atlantic albacore, which was from 10°S to 45°S and from 55°W to 20°E, yet excluding the small block of 10°S-15°S/10°W-15°E. In the most appropriate albacore area, standardized abundance indices of South Atlantic albacore, dating from 1967 to 2015, based on Taiwanese longline catch and effort statistics by using the GLM procedure were carried out. Factors as year, quarter, subareas (5°x5° blocks), bycatch effects of bigeye tuna, yellowfin tuna, swordfish and interactions were used to obtain the yearly standardized Catch Per Unit Effort (CPUE) trend from 1967 to 2015. The quarterly standardized CPUE series from the 3rd quarter of 1967 to the 4th quarter of 2015 were also obtained. Estimated standardized CPUE trends indicated that the abundance in weight of the most appropriate South Atlantic albacore area declined from late 1960s to 1990, then increased till mid-1990s, and leveled off since early 2000s up to 2015. The Group discussed the cluster analysis conducted from 1967 to 2015 and made suggestions for potential improvement (e.g. considering different numbers of clusters). However, it was clarified that this analysis was only used to identify the area to be considered in the standardization, rather than as an explanatory variable in the GLM. The small CV values, relatively large number of explanatory variables used in the model, and quite similar trend between nominal and standardized CPUE could suggest potential overfitting. Further improvement of the CPUE standardization model, especially for explanatory variables, could improve the estimation of the index and its CV. Traditional longline has always concentrated on a large area of the southern region and as such there was no need to split the series in this region. The group also noted that the small CVs do not necessarily reflect a precise abundance index, since estimated variance depends on the dataset and the method used.
1153
Extensive discussions have been held in the SCRS on the potential alternative uses of the CVs to weight
different CPUE series. Although in the stock assessment models currently used, series are given equal weight or
a weight proportional to the catch they represent, the estimated CVs can be used in alternative stock assessment
model formulations.
Document SCRS/2016/067 presented a review of the Japanese longline fishery effort, albacore catch and CPUE
in the Atlantic. Japanese longline vessels targeted albacore around 1960s, albacore became non-target after that,
but the proportion of albacore is increasing in recent years, and is one of the target species again. Historical
changes in the proportion of fishing effort by area, as well as the number of hooks per basket are observed.
Albacore nominal CPUE was high during the early period (until around 1970), sharply decreased around early
1970s, kept comparatively constant in a low level until early or mid-2000s, and increased after that. In some
areas the proportion of albacore in the catch is constantly high. A historical change in the number of hooks per
basket was observed. The working group considered that in recent years albacore is targeted again, and so it is
not appropriate to call this last period “bycatch period”. High catch and catch rate of albacore was observed even
in the tropical area in 2013, but the reason is not clear.
Document SCRS/2016/068 presented the standardized CPUEs of south Atlantic albacore caught by the Japanese
longline fishery, split into three periods (1959-69, 1969-75 and 1975-2014), using a negative binominal model
and same methods as in the last assessment. Effects of quarter, area, fishing gear (number of hooks between
floats) and several interactions were tested, although the effect of fishing gear could be used only from 1975
onwards. The effect of area was greatest for all three periods. Standardized CPUE in the South Atlantic declined
during the 1960s to late 1980s. After that the CPUE fluctuated and showed no clear trend except for recent years,
when a sharp spike was observed. According to the authors, CPUE indices in recent years seem to be less
reliable due to e.g. changes in targeting. In recent years, the proportion of second deepest gear (12-15 hooks per
basket) is increasing, indicating increasing targeting of albacore.
It was assumed that the recent sharp spike in CPUE might at least partially be due to increased albacore
targeting. Thus, there might be a need to split this “bycatch period” series again in the future. But, for the time
being, the group decided to keep it as one series and not consider the information of the last 3 years. The group
also pointed out that the effect of fishing gear (number of hooks per basket) differs depending on the area, and so
it considered it necessary to examine this effect in more detail.
Document SCRS/2016/085 discussed the trends of Japanese longliners CPUE between 1959 and 1975.
Abundance indices of the Atlantic albacore estimated by standardizing CPUEs of Japanese longliners show a
sharp decreasing trend in the period between 1959 and 1975 for both northern and southern stocks. The result of
this study indicate the fact that consistent decreasing trends of albacore CPUE during the period before 1975 for
both north and south stocks are largely biased by the change of target species that occurred in same areas. Shift
of target species from albacore to other tunas could not be adjusted in the CPUE standardization model as no
explanatory variables could be introduced into the model (i.e. lack of set by set data with hook per basket
information prior to 1975). Thus, according to the authors, the trend of standardized CPUE largely overestimates
the decreasing trend and should not be used in the assessment.
Document SCRS/2016/077 showed the CPUE index for South African pole and line fishery. Albacore is the
main target of the South African tuna pole-line (baitboat) fleet operating along the west and south west coast of
South Africa and the South African catch is the second largest in the region with annual landings of around
4000 t. A standardization of the CPUE of the South African baitboat fleet for the time series 2003 – 2015 was
carried out with a Generalized Additive Mixed-Model (GAMM) with a Tweedie distributed error. Explanatory
variables of the final model included year, month, geographic position, vessel power, included as a random
effect, and targeting. The standardized CPUE mostly trails the nominal CPUE with no overall significant upward
or downward trends. The analyses indicate that the CPUE for the South African baitboat fishery for albacore has
been stable over the last decade.
The group noted that this document presents a different methodology (GAMM, compared to normally used
GLM/GLMM), and that seasonality was modelled with a spline function instead of as a factor. Thus, the group
recommended that the WGSAM provide some advice on the merits of the alternative procedures that can be used
to standardize nominal CPUE series. It was also noted that an “early South African baitboat” series exists, from
1975-1998. During the 2013 stock assessment, the “late South African baitboat” series started in 1999, while in
document SCRS/2016/077 it only starts in 2003. According to the authors, the years 1999-2003 were excluded
because data reporting was more consistent after 2003.
1154
Document SCRS/2016/089 showed the standardized catch rates by the Brazilian longline fleet. Catch and effort
information from the Brazilian tuna longline fleet (national and chartered) in the equatorial and Southwestern
Atlantic Ocean were collected during the period from 1978 to 2012 and data from more than 75,000 sets were
analyzed. The CPUE of albacore tuna was standardized by a Generalized Linear Mixed Models (GLMM) using a
Delta Lognormal approach. The factors used in the model were: quarter, year, area, and fleet strategy. The
standardized CPUE series shows a significant oscillation over time, with a general increasing trend from the late
1980s to 2000, then a sharp decrease until 2003, remaining low until 2010, and after this period, an increasing
behavior was observed again.
The dataset used to standardize the CPUE includes many different fleets. Thus, the authors use a cluster analysis
to characterize fleet strategy, but there might not be enough overlap in the dataset to properly standardize for this
variable. In fact, as noted during the 2013 stock assessment, this series shows a dome during the 1990s, which
might be due to a larger influence of some fleets during this period of time. The group noted that the variance of
the residuals was not homogeneous, and recommended to explore CPUE trends for specific fleets, rather than
using the whole set of fleets in the analysis.
2.2.3 Summary of available CPUEs for North and South stocks
The table developed by the WGSAM in 2012 to evaluate the different CPUE series was updated in the light of
the new information presented to the group. The group reviewed and discussed the updated scores (Table 9). It
was acknowledged, as in the 2013 assessment, that the scoring is rather subjective and provides an indication of
the relative nature of the CPUE series that can inform decisions about their effective use in the assessments. The
various standardized CPUEs presented in documents described above as well as any other historical series that
were not updated in this working group meeting are presented in Tables 10 and 11 for the northern and southern
stocks, respectively. The yearly values are also plotted in Figures 8 and 9, respectively. These series were also
plotted against a GAM fitted to all the series together to look for correlations and, therefore, what series provide
similar or conflicting information. This could then be used to inform the decision on what series should be used
in the assessments. These plots are provided in Figures 10a and 10b and Figures 11a and 11b for the North and
South Atlantic, respectively.
For the North Atlantic, the group already agreed in 2013 not to use transition periods for the Japanese or the
Taiwanese series either. The remaining CPUEs were scrutinized by the group to decide which ones should be
considered in the production models. At this point, and considering the difficulties to properly standardize
historical indices (see above), it was agreed to follow the procedure indicated in SCRS/2016/028, thus
considering individual indices in a production model framework starting in 1975. Thus, older CPUE series were
discarded. The Irish Midwater trawl index and the French troll index were also discarded given that they were
relatively short. The following series were considered, initially, as potentially reflecting trends in stock
abundance: Chinese Taipei longline late, Japanese longline late (for the period 1988-2012), EU-Spain troll, EU-
Spain baitboat, Venezuela longline and U.S. longline. These indices show, in general, a declining trend at the
beginning of the time series (starting in 1975), followed by an increasing trend in the latest years. The EU-Spain
troll index, however, is negatively correlated with most of the others showing a slightly continuously decreasing
trend. This, together with the fact that this index reflects juvenile age classes (mostly ages 2 and 3), made the
group to not consider it further in the analyses (except for sensitivity analyses). The final CPUE series
considered are plotted in Figures 12a and 12b.
For the South, the group revised the decisions that were made in 2013 regarding their use in the stock
assessment. These included not to use the Japanese transition period (since transitions periods are more difficult
to standardize and thus are more likely not to reflect stock abundance), nor the South African baitboat index,
given that it represents just a few age groups and thus might violate the assumptions of production models. The
group also agreed that the Brazilian CPUE should not be included in the production models due to the previously
discussed issues with this series. For the 2016 stock assessment update, it was decided to keep the Uruguayan
longline index (that shows a steeper decline than the other indices over the last years), the Chinese Taipei
longline index, as well as the Japanese longline index. Regarding the latter, based on the documents presented
suggesting that the early drop in the “Japan early” series might not reflect real trends in abundance (see above),
the group agreed to use the “Japan late” series (though excluding the spike over the last 3 years), but conduct
sensitivity analyses with the “Japan early” CPUE series.
1155
3. Reference Points, Harvest Control Rules and Management Strategy Evaluation
The group noted that the ongoing work on Management Strategy Evaluation (MSE), Reference Points (RP) and
Harvest Control Rules (HCR) aims to contribute not only to the potential decisions that the Commission may
take with regards to a candidate HCR for the North Atlantic Albacore but also to the decisions to be taken during
this WG in order to ensure that stock assessment advice is robust to uncertainty.
The group noted that other tRFMOs are also progressing on MSE for albacore and that the ICCAT efforts could
benefit from shared experience among the other ongoing efforts. This interaction could best be conducted under
the Kobe Joint MSE Working Group, which was formulated after the Kobe III meeting (La Jolla, 2011 -
http://www.tuna-org.org/kobe3.htm) as an electronic discussion group open to interested practitioners and
stakeholders. The group discussed the current situation of the plans for a face-to-face meeting of the tRFMO
Joint MSE Working Group to accelerate the MSE processes across the tRFMOs. The group was informed that,
although such a meeting was not yet formally announced, a query about timing amongst a group of scientists
nominated by the tRFMO Executive Secretaries/Directors indicated that a meeting in the last quarter of 2016
would be possible. The group was informed that a Steering Committee from amongst the scientists contacted so
far will further develop a meeting agenda, organize work plans for the meeting, and take steps to assure the
process is both transparent and inclusive, as envisioned by the Kobe process.
This section has three sub-sections. The first sub-section briefly reviews the recent progress in the North Atlantic
albacore MSE and the evaluation of HCRs as described by a variety of papers presented at the meeting. The
second sub-section presents a synthesis on the discussions on how this work may be presented to the upcoming
Commission Panel 2 meeting in Sapporo, Japan, and the SCRS annual meeting in September. The third sub-
section presents results of other simulation work being done to inform calculations of how we may calculate the
risks associated with management decisions for the North Atlantic albacore.
3.1 Update of the progress of the North Atlantic albacore MSE
The group noted that the work on RP and HCR for the North Atlantic albacore have progressed since 2009 (and
probably earlier). The group noted that the MSE process had been incorporated as a component of the SCRS
Strategic Plan adopted in 2014. Finally, the group also noted that the MSE results provided in 2013 with regards
to projections with a subset of candidate HCRs and the probabilities of achieving management objectives
partially guided the drafting by the Commission of Rec. 15-04.
The group was informed that most of the work on MSE presented at this meeting was presented earlier this year
to the WGSAM which provided input to the MSE team working on the North Atlantic albacore simulations. The
group was informed of the feedback provided by the WGSAM and discussed it. Details of the outcomes of the
discussions are provided below.
The main steps when conducting an MSE are i) identification of management objectives and mapping these into
statistical indicators of performance or utility functions; ii) selection of hypotheses for considering in the OM
that represent the simulated versions of reality; iii) conditioning of the OM based on data and knowledge, and
weighting of model hypotheses depending on their plausibility; iv) identifying candidate management strategies
and coding these as MPs; v) projecting the OM forward in time using the MPs as a feedback control in order to
simulate the long-term impact of management; and vi) identifying the MP (or set of MPs) that robustly meet
management objectives. This cycle of steps may have to be repeated more than once, in response to the
interactions between the SCRS and the Commission, and when new knowledge on the simulated system is made
available (for example as the result of a new full assessment of the stock).
The work done with regards to North Atlantic albacore, documentation, code and data can be downloaded and
run from http://iccat-mse.github.io/. At this meeting a series of new documents describing the recent progress in
the implementation of MSE for the North Atlantic albacore were presented: SCRS/2016/015, SCRS/2016/023,
SCRS/2016/024, SCRS/2016/025, SCRS/2016/026, SCRS/2016/027 and SCRS/2016/028. These papers were
not presented in detail, but were used to illustrate the steps required to conduct an MSE. A summary of the
results and methods was provided during the meeting as a single presentation. This was thought to be an
appropriate way of providing the information on the progress of MSE required by the group, without taking too
much time from the meeting. The presentation clarified the steps already taken to build an MSE for North
Atlantic albacore. It was also reported that the analysis of the data used in the conditioning of the operating
model suggested there may have been a change in the production dynamics of the stock prior to 1975. For that
reason and for the purposes of MSE, the observation sub-model does not simulate data prior to 1975.
1156
The document SCRS/2016/015 was presented in more detail. ICCAT’s management objective is to maintain
high long-term catch with a high probability of stocks not being overfished or overfishing occurring. If
overfishing were occurring or the stock was overfished, ICCAT’s objective is to bring it back to the zone where
stocks are not being overfished and overfishing is not occurring (green quadrant of the Kobe plot) with a high
probability in as short a time as possible (Rec. 11-13). To achieve this, Harvest Control Rules (HCRs) are sets of
agreed to pre-defined rules that can be used to determine management actions (e.g. annual quotas). These HCRs
need to be agreed to by policymakers, and understood and accepted by stakeholders, which is often difficult due
to the many uncertainties inherent to fisheries. Due to these reasons, Management Strategy Evaluation (MSE) is
used to estimate different levels of probability of achieving management objectives by alternative HCRs taking
into account the existing uncertainties that affect fisheries’ dynamics. In this study the authors developed an
MSE for North Atlantic albacore and simulated the impact of alternative HCRs, concluding that stable high long-
term catches and conservation objectives are achievable with certain levels of precaution. The group noted that
the performance indicators included in the document SCRS/2016/015 were based on Rec. 15-04.
The group discussed and made a number of observations regarding the latest progress of the MSE work on North
Atlantic albacore. The group made the following suggestions according to the individual components of the
MSE process:
3.1.1 General suggestions
The group noted that this work is not only a step forward in the current dialogue between the SCRS and the
Commission, but also a significant research effort from the scientists involved in it. Even if the Commission was
to agree to implement a management procedure soon, including a HCR, for North Atlantic Albacore, the
expertise to run MSE would still be required to be available within the SCRS for a number of years. That is
because once an HCR has been agreed upon, there will be a need to review it periodically. Additionally, the
Commission made it clear through Rec. 15-07 that it wishes to use the MSE concept to manage other ICCAT
stocks.
The group also noted that the aim of these types of analyses is to explore HCRs that are most robust to a range of
uncertainties. Even though the work to date considers already a number of uncertainty sources, further
uncertainties beyond the ones considered in this study can always be considered in the future.
The group noted that the MSE modelling team provided before the meeting all code, outputs and inputs of this
research through the share point and the github site to ensure transparency as requested by the WGSAM.
3.1.2 Operating sub-model
The group agreed that the main uncertainties quantified by the Multifan CL model were incorporated in the MSE
simulations. However, the document SCRS/2016/025 identifies possible improvements that could be
incorporated into the operating sub-model. The group discussed these improvements and proposed others.
The group suggested that the assumption of using a single selectivity for the fleets that have fished albacore in a
wide range of its habitat and from juvenile to adults may be inappropriate. In such case, the change of ratio in the
amount of effort between temperate and tropical areas can largely change selectivity of the fleet. It was pointed
out that within the MSE such changes in selectivity could be initially represented through the observation error
model without having to structure the operating model to be spatially explicit.
It was also suggested to examine the autocorrelation in recruitment that is apparent from the recruitment time
series estimated from Multifan CL in 2013. Once this autocorrelation is examined the group suggested that the
operating sub-model be used to model additional scenarios of autocorrelation in recruitment. Additional
scenarios related to changes in the recruitment regime must also be tested.
3.1.3 Observation error sub-model
The group noted that the CV for CPUEs used in this analysis were based on the CV from the 2013 Multifan CL
assessment and that these CV values are comparable to other MSE studies in tuna RFMOs. It was noted,
however, that for larger CVs the simulated MP could not fit the surplus production model to the abundance
index and failed to provide feasible solutions.
1157
The group suggested that the assumption of a constant catchability to generate an abundance index directly,
needs to be reviewed. It was suggested to include in the MSE simulations an effort creep scenario. In this
scenario, indices would have a historical tendency to always underestimate changes in abundance and for that
underestimation to grow continuously with time. This is in contrast to the hyperstability scenario, currently
considered, where the underestimation depends on biomass level.
3.1.4 Management procedure1
MSE cannot answer the question on which estimated CPUE series available for the different fleets should be
used in an assessment or in the management procedure. At most, it can inform about what kind of characteristics
a relative abundance index must have to be effective in the context of a management procedure. Indices with a
lot of uncertainty or indices that only track certain portions of the population could be tested.
Additionally, it was suggested that an assessment model other than a production model should be tested as part
of the management procedure. A possible candidate assessment model could be a delay-difference model which
can predict the dynamics of recruitment separate from those of the mature stock. Such a model could use more
effectively the relative abundance indices available for juveniles of North Atlantic albacore. Such delay
difference models have proven to be higher performers in the context of MSE (Carruthers et al., 2016) than
many other assessment models, including production models. Adopting such a new assessment model would
have to be evaluated given that it would represent a change from the current practice used by the group.
The group noted that the reference points obtained from surplus production models assume that there is no
change in selectivity through the time series. This implies that changes in productivity related to changes in
selectivity may not be fully captured with a choice of a surplus production model as the assessment model.
Issues related to bias and correction of yield targets as obtained from surplus production models should be
evaluated in future work.
The group also recommended to focus on the causes of some runs of the analysis failing (the assessment model
could not fit the simulated observations). It would be relevant to learn if these run failures related to convergence
problems in the estimation or reflected failures in the structure of the operating model or observation error
model.
At the request of the working group the MSE team clarified that the probabilities and timeframes included in
Rec. 15-04 were incorporated in the MSE work completed so far.
3.1.5 Implementation sub-model
The possibility of adding a bias in the implementation of management measures, i.e. systematically fishing more
or less than TAC, should be considered. It was pointed out that since the Commission adopted TACs for
albacore, catches have been generally below the TAC, thus directional bias in implementation error could be
examined.
3.2 Implications for current assessment
The current MSE assessment model is a surplus production model. The results of the MSE and other previous
work (e.g. see Maunder, 2003) suggest that a non-symmetrical production model (Pella and Tomlinson, Fox,
etc.) better explains the dynamics of the north Atlantic albacore stock and such model should be used in the
assessment (this is probably the result of the conditioning of the OM with the specific Multifan CL scenarios
from 2013). The MSE simulations also highlighted the benefits of having priors on r and K, parameters that are
hard to estimate given the datasets available for the production model.
Changes in selectivity of fleets that fish in a wide area of the stock and from juveniles to adults are better
handled by alternative fleet definitions that may account for differences in the spatial distribution of effort
(e.g. tropical and temperate longline fleets).
The simulation suggested that given potential changes in productivity in the past a production model fit to a
recent period (since 1975) was able to mimic abundance trends of the operating model since 1975.
1 Also referred to as management strategy.
1158
3.3 Input to the upcoming Commission Panel 2 meeting in Sapporo
The group reviewed Rec. 15-04 and Rec. 15-07 to evaluate the potential input that this group and the SCRS
could provide to the Commission Panel 2 July meeting in Sapporo. The group noted that the Commission
Panel 2 meeting is intended to be an opportunity to continue the dialogue, on the subject of MSE, between
scientists, stakeholders and the Commission. Over the last two years, this dialogue had been conducted as part of
the ICCAT SWGSM meeting. In 2015, the Commission decided that stock specific MSE discussions should be
part of the different Commission Panel meetings.
The Chair of the SCRS presented ideas of what may be included in a presentation about the albacore MSE to the
Sapporo meeting of the Commission Panel 2. The group provided ample feedback on the content of the
presentation including suggestions on:
explaining better the history of the MSE work in ICCAT;
properly acknowledging the breadth of scientists involved in the current ICCAT MSE work on North
Atlantic albacore;
simplifying the content of some ideas presented, including proposals for using simpler analogies on the
idea of managing risk;
adding a mention to progress related to the MSE tuna RFMO working group:
related to the participation of experts from other disciplines, such as engineering, to help
develop candidate HCRs
related to attempts to unify the terminology used to describe the MSE process, to facilitate
communication across and within tuna RFMOs
proposing to the Commission Panel 2 to include in the meeting a game seeking to understand how
stakeholders perceive performance trade-offs, as it was done in the 2015 meeting of the SWGSM;
providing suggestions on the next steps that ICCAT may follow after the Panel 2 meeting.
The SCRS Chair accepted all suggestions and proposed to prepare two different presentations on the MSE work,
a simpler one for the Commission Panel 2 meeting with fewer technical details and a more elaborate one for the
SCRS plenary.
3.4 Assessing risks of errors in management decisions
A presentation was made (SCRS/P/2016/021) on work based on a simulation approach developed using the life-
history characteristics of albacore and testing limit and target reference points based respectively on BMSY, and
operating at FMSY levels. The presenter argued that managers eventually have to evaluate a trade-off on the risk
to the resource and the optimal catch levels in the long-term for the stock being managed. The effect of aiming at
fish at target levels, and the risk of going below limit reference points was evaluated as trade-offs in the presence
of auto-correlation on process error. The time for recovery towards the target reference point and beyond the
limit reference points were calculated as a performance indicator. The approach presented displays the
probability of adverse events occurring and evaluates different outcomes based on the specified thresholds and
rates at which the stocks are fished. A concept of type I and type II errors is introduced, primarily defining the
probability of taking a management action when it was not needed (a false positive, risk of taking a management
action on a fishery) versus failing to take a management action when it was needed (a false negative, risk of
failing to protect the resource when needed).
For illustration the presenter demonstrated how well this approach would work for a theoretical north Atlantic
albacore stock conditioned on the results obtained in 2013 using Multifan CL. The group noted the relevance of
this presentation and welcomed the results showing the probability of errors type I and II. The group discussed
how the impact of autocorrelation has an impact on the resilience of the stock, i.e. the time required to recover
above BLIM when it falls below this reference point. The group also noted that the autocorrelation analysis shown
in this presentation can contribute to the current MSE work being developed for North Atlantic albacore and
other ICCAT stocks. The group encouraged the presenter to prepare an SCRS paper on this topic and to present
it at the Albacore Species Group meeting in late September.
1159
4. Stock assessment
4.1 North Atlantic albacore stock
In the 2013 assessment, several model formulations (MFCL, SS3, VPA and ASPIC) with varying degrees of
complexity were used. This allowed to model different scenarios that represented different hypotheses, and to
characterize the uncertainty around the stock status. The results showed that although the range of estimated
management benchmarks was relatively wide, most models were in agreement that the stock was overfished, but
not currently undergoing overfishing (Anon., 2014). These models from all the various platforms showed a drop
in stock biomass from 1930 to about 1990 and an increasing trend in biomass starting in around 2000. Likewise,
most models within all configurations showed a peak in fishing mortality in around 1990 with a decreasing trend
thereafter. The analyses conducted in 2013 took a large amount of data preparation and scrutiny, and the group
suggested that future assessment updates be conducted using simpler models (e.g. production models).
The projections of the 2013 assessment were conducted using 7 ASPIC scenarios (considering different sets of
CPUE indices) and predicted the stock to rebuild by 2019 with 53% probability under current TAC of 28,000 t,
and faster if catches remained lower. During the last three years (2012-2014) catches were below TAC (on
average, 25658 t).
In 2016, the Biodyn algorithm for a biomass dynamic model based on ADMB, which is available in the mpb
package of the FLR project (www.flr-project.org) repository was used to conduct stock assessment of the North
Atlantic albacore. Biodyn was validated against ASPIC in Document SCRS/2016/027, as it provided the same
results using the 2013 assessment inputs and assumptions, and it is the algorithm that is used in the MSE
framework (e.g. SCRS/2016/015).
For the 2016 assessment, the group selected 5 CPUE series to be used in a production model framework (see
section 2.3). These indices showed an overall increasing trend towards the end of the time series (Figure 12),
which could be reflecting the increasing trend of the stock during this period of relatively low catch. Following
document SCRS/2016/28, the group initially considered individual index fits to the catch time series. However,
the group lacked a basis to decide which CPUE series could be best representing abundance. In fact, the group
recognized that different fleets operating in different parts of the North Atlantic could jointly provide a better
signal of the stock trend compared to the individual fleet CPUEs. On this basis, the group agreed to consider to
use all the 5 CPUEs jointly in the base case scenario, and to weight them equally.
Subsequently, the group discussed whether to consider the catch series starting in 1975 or in 1930. The
simulations conducted in the document SCRS/2016/028 suggest that a production model is better able to mimic
the MFCL abundance trends since 1975 compared to those since 1930. This can be explained because the
production model assumes constant productivity over the whole time period, and cannot explain some abundance
patterns derived from regime shifts that produce large recruitment variations over time. However, fitting the
production model since 1930 is consistent with the practice used in the 2013 stock assessment, and fitting to
catch data since 1975 would require an additional assumption regarding the stock condition in 1975, while the
assumption about the stock condition in 1930 could be more easily justified. For the Base Case, an unexploited
biomass level in 1930 was assumed, and a Fox model (i.e., BMSY=0.36*K) was used, in contrast to the 2013
stock assessment (see section 3).
The results of the Base Case scenario for North Atlantic albacore are shown in Table 12 and Figure 13. The
group noted that the estimated intrinsic growth rate (r=0.09) was very low compared to e.g. that estimated in the
operating models considered for the MSE, the 2013 assessment, or the southern stock. Partial likelihood profiles
suggested that the indices contained little and sometimes conflicting information about this parameter
(Figure 14). Estimated carrying capacity (K) was beyond 106 t, and maximum sustainable yield was estimated at
37082 t. The CPUE residuals showed some patterns (Figures 15 and 16). The residuals for the Chinese Taipei
longline index showed the strongest residual trend. The US LL and Venezuelan LL indices also showed some
temporal pattern, while the Japanese longline and Spanish baitboat residuals were more randomly distributed
around zero, with relatively constant variance. These residual patterns reflect the different signals provided by
these fisheries CPUEs in the different areas they operate.
Figure 17 shows the trends of biomass and fishing mortality over time as estimated for the Base Case. Results
suggest a biomass drop between the 1930s and the 1990s and a recovery since then. Relative to MSY
benchmarks, the Base Case scenario estimates that the stock has recovered to levels above BMSY. The Kobe
phase plot of the bootstrapped Base Case scenario shows a typical pattern of development, overexploitation and
recovery of this stock (Figure 18). The uncertainty around the current stock status has a clear shape determined
1160
by the strong correlation between r and K estimated by the production model. The probability of the stock
currently being in the green area of the Kobe plot (not overfished and not undergoing overfishing, F<FMSY and
B>BMSY) is 96.8% while the probability of being in the yellow area (overfished or undergoing overfishing,
F>FMSY or B<BMSY) is 3.2%. The probability of being in the red area (overfished and undergoing overfishing,
F>FMSY and B<BMSY) is 0% (Figure 19).
The group conducted several sensitivity analyses, namely considering a logistic production function, the
information content of the data, i.e. length of the catch time series (truncated at 1975), and the impact of
dropping one of the five CPUE indices at a time. Historical absolute biomass estimates were not very sensitive to
the effect of truncating the time series in 1975 and the production functions estimated in both scenarios resulted
in a similar increase in biomass in the recent years (Figure 20). However, other scenarios demonstrated higher
sensitivity of historical absolute biomass trends (in the period prior to 1975 for which only catch information
was considered) as well as K and r, to the data used (Figure 21). Relative to MSY benchmarks, the historic
sensitivities were reduced, but recent status indicators were more sensitive. When a logistic function was
assumed in the biomass dynamic assessment model lower values of B/BMSY were predicted for the trajectory
over the whole time series, while excluding the Chinese Taipei longline resulted in much larger values of B/BMSY
in the recent period. The sensitivity analyses with respect to the other indices did not show strong deviations
from the Base Case and all predicted the stock to be in the green quadrant (Figure 22), although the recent status
varied across scenarios.
Finally, the group noted that while the B/BMSY trajectory showed a strong retrospective pattern (Figure 23), all
the retrospective trajectories showed an improvement in stock status in the most recent period. Although the
retrospective pattern was not clearly systematic and the influence of the individual data points was
heterogeneous, it suggested that the estimate of the current stock status could be strongly overestimated, and
thus, it might not be appropriate to project forward and to give advice based on such projection, since the
outcome of such projection could prove to be incorrect in the future. To address this concern, the group decided
to analyze the effect of such observed retrospective pattern on the projected Kobe matrix itself, as a way to
assess the robustness of the advice (based on projecting the Base Case) against the observed retrospective
pattern. This issue is addressed in section 5.1.
In summary, the available information indicates that the stock has improved and is most likely in the green area
of the Kobe plot, although the exact condition of the stock is not well determined.
4.2 South Atlantic albacore stock
4.2.1 ASPIC
Methods
The Document SCRS/2016/069 presented a non-equilibrium surplus-production model for the albacore stock in
the southern Atlantic Ocean using the software package ASPIC v. 5.34. Fleet categorization (Table 13) was
similar to that used in the 2013 assessment. Catch for each fleet (Table 14) was calculated based on Task I data
as of April 19 2016. Table 15 shows CPUE indices used for the models. CPUE indices for the same fleets as
those in the last assessment were used in the base case scenarios, which is based on the decisions made at the
2013 Albacore Data Preparatory Meeting. Several fleets do not have a CPUE index. Four models, which are the
same configurations as those in the last assessment, were examined (Table 16).
After the discussions, the Group agreed that Japanese longline CPUE before 1975 and after 2012 should not be
included in the model due to the change in albacore targeting (see section 2.3). Other specifications in the ASPIC
model are the same as those in the last assessment.
Status and diagnostics
In general, all the models predicted that at some stage in the recent past the southern albacore stock had been
undergoing overfishing and had been overfished. In recent years, B-ratio is increasing and F-ratio is decreasing.
It appears that the fishing pressure has declined in recent years which translated into a subsequent increase in
stock biomass.
1161
The results based on the four base cases suggested that the exploitation level in recent years was similar among
the 4 cases (B2015/BMSY ranged from 0.937 to 1.147 and F2014/FMSY from 0.489 to 0.573, Figure 24 and
Table 17). To generate confidence intervals, 500 bootstrap trials were conducted for each model. The
bootstrapped results for the four cases are shown in Figure 25 (Kobe I plot). For all the scenarios, a portion of
the realizations ended up in the green quadrant of the Kobe plot (not overfished nor overfishing). MSY was
estimated to range from 25,080 t to 26,920 t (Table 17) which was around twice the total catch for 2014
(13,677 t).
Several sensitivity and retrospective analyses were conducted for one scenario (Run08) of the ASPIC model
(Table 18, Figure 26). In the scenario that starts in year 1975, B1/K was set at 0.63 which was calculated from
K and the biomass in 1975 estimated in the Base Case. As a result of the sensitivity analyses, the B-ratio of the
initial period changed with different B1/K, and using only Japanese longline by-catch period index made the
results more optimistic. The scenario that starts in year 1975 was also more optimistic. The scenario with South
African baitboat CPUE did not converge. The results of other sensitivity analysis were very similar to that for the
base case. As for retrospective analyses, only slight differences were observed when data for the last 1 to 6 years
were removed. The models which removed data for the last 7 or 8 years did not converge. Slight overestimation
of the B-ratio was observed in recent years, but the difference was within 10% and so the model indicated
comparatively robust results.
4.2.2 Bayesian Surplus Production Model (BSP)
The Bayesian Surplus Production (BSP) model that was applied to the South Atlantic albacore stock in the 2013
assessment using an additional three years of catch data (1956-2014) and the CPUE series recommended by the
group, i.e. Taiwanese longline between 1967 and 2014, Japanese longline between 1976 and 2011 and Uruguay
longline between 1983 and 2011. The same informative priors were used as in 2013. Kobe plots were also
produced. Estimates of current status were strongly dependent on which method was used to weight the CPUE
data points, with equal weighting scenarios attaining better convergence. Equal weighting produced more
optimistic results, while catch weighting results were more pessimistic.
Methods
The Bayesian Surplus Production Model (BSP) was applied to South Atlantic albacore for the same four base
case model scenarios that were used for ASPIC. The models were: (1) equal weighting of indices, Schaefer
model; (2) catch weighting, Schaefer model; (3) equal weighting, Fox model with BMSY/K=0.37; and (4) catch
weighting, Fox model with BMSY/K=0.37. Because under equal weighting of indices, there were issues on model
convergence, the total weight was reduced to 1/100. For all four base case models the same Bayesian prior
distributions were used as in the 2013 assessment. The prior for the biomass in 1956 relative to K was lognormal
with a mean of 0.9 and a log standard deviation of 0.1 implying that the population was close to unfished in the
first year of the fishery. The prior for K was uniform in log space. An informative prior for the intrinsic rate of
population increase r was developed as shown in Babcock (2012) and the 2013 assessment, and was
approximated by a t distribution with mean 0.2, variance 0.025 and df 10.
The BSP program using R and JAGS which is the improved version of the one available from the ICCAT
catalog of methods, was used to estimate the marginal posterior distributions using the MCMC algorithm.
Status and diagnostics
Likewise ASPIC four base cases, the two equal weighting models of BSP estimated increasing biomass and decreasing fishing mortality since the early 2000s (Figure 24 and 25). Two catch weighted base cases estimated decreasing harvest rate since last stock assessment while biomass was slightly decreased. The current status, however, relative to BMSY and HMSY (Harvest ratio at MSY) depended on the model formulation (Figure 26, Tables 17 and 19), two equal weighting and one catch weighting base cases estimated that the stock is not overfished and is not undergoing overfishing, and one catch weighting base case scenario estimated stock is overfished but not undergoing overfishing. All four base cases estimated higher intrinsic growth rate (r) and lower initial biomass than ASPIC (see also Figures 27 and 28). Three of four base cases indicated increased B-ratio and decreased Harvest ratio (H-ratio) from those in last stock assessment, and only catch weighted Fox model results in decreasing B-ratio and increased H-ratio would be due to the large decrease of estimated MSY (Table 17). The confidence intervals of the estimates of B/BMSY and F/FMSY tend to be wider in the equally weighted models than the catch weighted models (Figure 24). Some convergence diagnostics, e.g. RHAT and NEFF for r and K, looked fine (see Figures 29 and 30) but some trends were also found. Thus, the model convergence may have some issue and this might necessitate further investigation in the future.
1162
4.2.3 Summary of stock status
Six of eight scenarios indicated that the stock is not overfished and not undergoing overfishing, and two other
scenarios indicated that the stock is overfished but not undergoing overfishing (Table 17). All ASPIC scenarios
and 2 BSP scenarios estimated higher B-ratio than in the last stock assessment, and all ASPIC scenarios as well
as 3 BSP scenarios estimated lower F-ratio/H-ratio than in the last stock assessment (Table 17). This indicated
that current stock status of southern stock has improved since the last stock assessment and the stock is in the
green quadrant of the Kobe plot with a high probability.
5. Projections
5.1 North Atlantic albacore stock
The results shown in this section were produced by projecting forward the estimated 2014 population presented
in section 4.1. For 2015 and 2016, the catch of 26000 t was assumed (see section 2.2). The population from 2017
onwards was projected with alternative TAC and harvest control rules (HCR, as combinations of target fishing
mortality (FTAR), threshold biomass (BTHRESH) and the interim biomass limit reference point (BLIM). The 500
bootstrap outcomes of the Base Case were projected. The alternative harvest control rules include alternative
target fishing mortalities [FTARGET=(0.7, 0.75, 0.8, 0.85, 0.9 and 1) x FMSY], threshold biomass levels of (0.6, 0.8
and 1) x BMSY and a biomass limit reference point of BLIM=0.4 x BMSY. In the forward projections, the HCRs are
evaluated every three years and the fishing mortality is projected assuming perfect implementation.
The outcomes of the projections of the base case are shown in Figure 31 and Tables 20 and 21, which indicate
the projected probability of being in the green quadrant of the Kobe plot within the time-frame indicated. In the
case of the HCR projections, expected average catch for the first 3 years, as well as cumulated catch for each
future 5 year period are also shown. Figure 32 shows the probability of the stock being in the green quadrant of
the Kobe plot and the effect of the retrospective pattern on the management advice based on the projected Base
Case. This analysis suggests a negligible effect of the retrospective pattern on the status of the stock. The Kobe
matrices obtained from all the retrospective scenarios projected are fairly similar and do not show any systematic
pattern, even if the current stock status that is being projected varies quite significantly among scenarios (see
Figure 23).
These K2SM project substantially higher sustainable catch levels compared to most of the previous assessments.
During discussion, the group noted that the projections did not fully account for many other sources of
uncertainty (i.e. model uncertainty, such as model structure and assumptions) that need evaluation through MSE.
As such, the group did not place high confidence in the probabilities projected from this assessment (K2SM).
5.2 South Atlantic albacore stock
5.2.1 ASPIC projections
Based on bootstrapping (500 times) of each scenario, projections were conducted. The chosen projection period
was 16 years (2015-2030). Constant future catch was set between 12,000 and 34,000 t (at 2,000 t interval) or
constant F at 0.75*FMSY to 1.00*FMSY (at 0.05*FMSY interval) was assumed. Catch for 2015 (15,570 t) was
estimated based on reported catch or the average for the last three years, and catch for 2016 was assumed to be
equal to 2013-2015 average (16,170 t) for both constant catch and constant F scenarios.
Software package ASPICP ver. 3.16 was used to make the projections. The results of these projections under
constant catch and constant F are provided in Figures 33 and 34, respectively, which show the median trajectory
of the different scenarios. Figure 35 shows predicted yield under constant F scenario. Kobe II matrixes showing
the probabilities of B>BMSY, F<FMSY, and B>BMSY, + F<FMSY (green quadrant of the Kobe plot) under different
constant catch and F levels are shown in Table 22 for each ASPIC run. Under a constant catch, the median
biomass is expected to be in the Kobe green zone in 2020 with at least 60% probability for TACs of 26,000 t or
less in three out of the four scenarios, and 24,000 t or less for equal weighting Fox scenario. For the constant F
projections, 90–95 % or less of FMSY level attained Kobe green zone in medium and long term in the probability
higher than 60%.
1163
5.2.2 BSP projections
Basically projection scenarios are the same as those for ASPIC for the south Atlantic. Under constant catch , the
median biomass is expected to be in Kobe green zone in 2020 with at least 60% probability for TACs from
18,000 to 34,000 t depending on the scenario (Tables 23 and 24, Figures 36 and 37). With constant harvest rates,
harvest rates below HMSY allowed the population to stay above BMSY with a high probability. When H is equal
to HMSY, all scenario but the “catch weighted logistic” one allowed the population to stay above BMSY.
5.2.3 Projections for the South Atlantic
Combining all eight ASPIC and BSP model scenarios with equal weights, the Kobe matrix (Tables 24 and 25)
indicates that catches which enable the stock to be in the Kobe green zone in 2020 with at least a 60%
probability ranged from 18,000 to 34,000 t; the average is 25,750 t and median is 26,000 t.
6. Management recommendations
6.1 North Atlantic albacore stock
Recommendation 15-04 sets the objective of maintaining the stock in the green area of the Kobe plot with a 60%
probability while maximizing long-term yield, and, if B<BMSY, to recover it by 2020 at the latest, while
maximizing average catch and minimizing inter-annual fluctuations in TAC levels. The simulations conducted
so far suggest that HCRs with combinations of F targets below FMSY together with BTHRESHOLD values below
BMSY allow for reasonably good compromises between sustainability targets and fishery profit and stability.
However, although some of these Harvest Control Rules have been tested in an MSE framework against these
sometimes conflicting objectives, further work is needed to fully test them against a fuller range of uncertainties.
The group has noted that the abundance of north Atlantic albacore has continued to rebuild over the last decades
and is likely somewhere in the green area of the Kobe plot. However, without additional information (see
section 7), the magnitude of the recovery is not well determined and remains sensitive to many different
assumptions. This undermines the ability of the group to reliably quantify the effects of future TAC or HCR
scenarios on the status of the stock, until more sources of uncertainty and the robustness of the advice are
evaluated in the future through MSE and/or benchmark stock assessment after accumulating sufficient new
information. Based on the analyses conducted in 2016 as well as in 2013, the group believes that the current
TAC would maintain the long-term objectives of the Commission as specified in Rec. 15-04. Given the
uncertainty around the current stock status and the projections, the group is unable to advice on risks associated
with an increase in the TAC. Therefore, the group does not recommend an increase of the TAC. Should the
Commission decide to increase the TAC, the group recommends that this be done with a high level of
precaution, and with the requirement for improved monitoring of stock indicators (operational level catch, effort,
and size information from all of the fleets). Further, the group reminds the Commission that our ability to
monitor changes in stock abundance is currently limited to fishery dependent information and it is desirable to
evaluate alternative fishery independent tools to provide improved bases for monitoring stock condition.
6.2 South Atlantic albacore stock
The different model scenarios considered in the south Atlantic albacore stock assessment provide different views
on the future effects of alternative management actions. The Kobe matrix shows that catches which enable the
stock to be in the green area of the Kobe plot in 2020 with at least a 60% probability range from 18,000 and
34,000 t, depending on the scenario considered. Considering all the scenarios equally likely, the average catch is
25,750 t and the median is 26,000 t.
Projections at a level consistent with the 2016 TAC (24,000 t) showed that probabilities of being in the green
quadrant of the Kobe plot across all scenarios would increase to 63% by 2020. Further reductions in TAC would
increase the probability of being in the green zone in those timeframes. On the other hand, catches above
26,000 t will not permit maintaining the stock in the green area with at least 60% probability by 2020.
1164
7. Recommendations on research and statistics
The group recognizes the need to incorporate environmental studies in albacore and other species
assessments. The group was exposed to new information suggesting that the mixed layer depth might
impact catchability of surface fisheries. The group recommends further research to confirm this, as well
as to inspect sources of historical environmental information that might help integrate this information in
CPUE standardizations of surface fisheries.
The group recommends increasing efforts to obtain French mid-water trawl and other fisheries historical
series of catch, effort, catch at size, geographical distribution and other related fisheries information.
The group recommended that the Secretariat contact Chinese Taipei to obtain the revised catch at size by
month and 5x5.
The group expressed concern that spatial and targeting shifts in longline fisheries might have affected the
trends of their standardized CPUE series. Thus, the group recommends to more fully explore better ways
to incorporate spatial and targeting effects into CPUE standardization. The group noted that more
credence should be given to CPUE indices based on operational data, since analyses of these data can
take more factors into account, and analysts are better able to check the data for inconsistencies and
errors. Examining operational level data across all Atlantic longline fleets taking albacore (Rep. of Korea,
Japan, Chinese Taipei, EU-Spain, EU-Portugal, USA, Uruguay, Brazil, Venezuela) will give a better idea
of what is going on with the stock especially if some datasets have low sample sizes or effort in some
years, and others have higher sample sizes and effort, so we have a representative sample covering the
broadest areas in the Northern and Southern Atlantic Ocean. This will also avoid having no information
in certain strata if a fleet were not operating there, and avoid combining two indices in that case. As such,
the group recommended joint analysis of operational catch and effort data from multiple fleets be
undertaken under the general guidance by the ad hoc Working Group on Stock Assessment Methods, to
further develop methods and to provide indices of abundance for Atlantic stock assessments, as is already
underway in other ICCAT species groups and other tRFMOs.
The group recommended that the flags noted above should take steps to assure that Task II catch and
effort information for their fleets are provided at the appropriate time-space scales and in time for the next
albacore stock assessment. Further, the catch effort time series from these fleets should be standardized to
support the next albacore assessment.
As noted in the most recent series of scientific meetings of the Albacore Species Group, several countries
with important albacore fisheries were not represented at the meeting. This limited the ability of the group
to properly revise the basic fishery data and some standardized CPUEs that were submitted electronically.
This continues to result in unquantified uncertainties and negatively affected successfully achieving the
objective of the meeting. To overcome this, the group continues to recommend that CPCs make
additional efforts to participate and be made aware of capacity building funds available for participation
in and contributing to working group meetings.
Several research lines should be pursued as part of the yet unfunded Albacore Substantially Advanced
Program (ASAP). First, the biological research should be accelerated. Accurate biological parameters are
very important for stock assessment purposes and for the process of evaluating albacore stock capacity for
rebounding from limit reference points. Albacore biological parameters are in many cases based on
limited research and it is important to assess whether these parameters have changed over time or if
current observations are consistent with estimates from those limited studies. Second, the group
recommended further studies on the effect of environmental variables on CPUE trends of surface and
other fisheries. Finally, the group also recommended further elaboration of the MSE framework be
developed for albacore. Among other things, work should be promoted towards including a more
complete range of uncertainties, including observation, process, model, and implementation errors. This
would permit better characterization of uncertainty in current and future stock condition, providing an
improved basis for providing management advice. The group recommended that a prioritized list of
research lines with budgeting requirements be prepared for the next meeting of the Albacore Species
Group.
The Group recommended that results of ongoing research on stock structure in the South Atlantic and
Indian Ocean be reported upon as soon as possible.
As noted in Section 3, to conduct an MSE is an iterative process and requires the involvement of a broad
range of expertise and regular dialogue. The upcoming Joint MSE Technical Working Group meeting,
established under Kobe Framework, is an excellent opportunity to progress the albacore MSE. The
meeting will be held in the first week of November and the group recommended that interested scientists
be encouraged to participate in the group, by conducting intersessional work using the github repository
(see http://iccat-mse.github.io/albn-mse.html) and then reporting on these activities at the meeting.
1165
The Kobe matrix has been a valuable tool for promoting a dialogue on uncertainty between managers and
scientists. As the SCRS starts to use MSE, however, additional communication tools should be
investigated e.g. decision tables and Pareto plots, to help identify the uncertainties that matter, and
associated risks and trade-offs between alternative management actions.
The Kobe phase plots and matrices depend on reliable quantification of uncertainty for decision-making,
however, different methods are often used to estimate probabilities (e.g. Bayesian and bootstrap
simulation or the delta method). The benefits of the different approaches need to be evaluated, through
simulation testing as part of MSE.
The group expressed concern about the different approaches being used to attempt to account for
targeting effects in estimation of standardized CPUEs. Previously the SCRS has recommended the need
for simulation testing of these different approaches, especially those which utilize catch of other species
as a measure of targeting effect, which has yet to be achieved. The Working Group on Stock Assessment
Methods should take up on this topic to advance the process for testing the different methods.
During discussions, it was noted that the CPUE checklist proposed by the Working Group on Stock
Assessment Methods (Anon., 2013, also see Brodziak and Dreyfus, 2011) and used by various SCRS
species groups, provides a basis for discussion of the pros and cons of each of the available catch rate
time series, but that the scoring method should not be used as the sole basis for accepting/rejecting any
particular time series. The group noted that a priori logic for acceptance/rejection of a time series has a
much stronger basis than does model fit criteria, especially when multiple competing time series are
involved. The group recommended that the Working Group on Stock Assessment Methods further
consider the checklist with an eye to clarifying its objective.
8. Adoption of the Report and closure
The Report was adopted and the meeting adjourned.
1166
Literature cited
Anon. 2010. Report of the 2009 ICCAT Albacore Stock Assessment Session. Collect. Vol. Sci. Pap. ICCAT,
65(4): 1113-1253.
Anon. 2013. Report of the 2012 Meeting of the ICCAT Working Group on Stock Assessment Methods (Madrid,
Spain - April 16-20, 2012). Vol. Sci. Pap. ICCAT, 69(3): 1354-1426.
Anon. 2014. Report of the 2013 ICCAT Albacore Stock Assessment Session. Collect. Vol. Sci. Pap. ICCAT,
70(3): 830-995.
Bard F.X. 1981. Le Thon Germon (Thunnus alalunga Bonnaterre 1788) de l'Océan Atlantique. De la dynamique
des populations à la stratégie démographique. PhD Thesis, Université Pierre et Marie Curie : 333 p.
Brodziak and Dreyfus. 2011. Report of the Seminar on the use of the Best Available Scientific Information.
http://isc.fra.go.jp/reports/isc/isc11_reports.html
Carruthers T.R., Kell L.T., Butterworth D.D., Maunder M.N., Geromont H.F., Walters C., McAllister M.K.,
Hillary R., Levontin P., Kitakado T. and Davies C.R. 2016. Performance review of simple management
procedures. ICES Journal of Marine Science, 73(2): 464-482.
Cosgrove R., Minto C., Sheridan M. and Officer R. 2014. Standardised catch rates of albacore tuna (Thunnus
alalunga) from the Irish mid-water paired trawl fleet, 2003-2012. Vol. Sci. Pap. ICCAT, 70(3): 1108-
1122.
Lee L.K. and Yeh S.Y. 2007. Age and growth of South Atlantic albacore – a revision after the revelation of
otolith daily ring counts. Collect. Vol. Sci. Pap. ICCAT, 60(2): 443-456.
Luckhurst B.E. and Arocha F. 2016. Evidence of spawning in the southern Sargasso Sea of fish species managed
by ICCAT - albacore tuna, swordfish and white marlin. Collect. Vol. Sci. Pap. ICCAT, 72(8): 1949-1969.
Maunder M.N. 2003. Is it time to discard the Schaefer model from the stock assessment scientist’s toolbox?
Fisheries Research, 61(1): 145-149.
Nikolic N. and Bourjea J. 2014. Differentiation of albacore stock: Review by oceanic regions. Collect. Vol. Sci.
Pap. ICCAT, 70(3): 1340-1354.
Ortiz de Zárate and Babcock E.A. 2015. Estimating individual growth variability in albacore (Thunnus alalunga)
from the North Atlantic stock; aging for assessment purposes. Fisheries Research, 180: 54–66.
Penney A. 1994. Morphometric relationships, annual catch-at-size for South African-caught South Atlantic
albacore (Thunnus alalunga). Collect. Vol. Sci. Pap. ICCAT, 42(1): 371-382.
Pons M. and Domingo A. 2014. Update of standardized CPUE of albacore tuna, Thunnus alalunga, caught by
Uruguayan longliners in the southwestern Atlantic Ocean (1983-2012). Collect. Vol. Sci. Pap. ICCAT,
70(3): 1007-1020.
Santiago J. 1993. A new length-weight relationship for the North Atlantic albacore. Collect. Vol. Sci. Pap,
ICCAT, 40(2): 316-319.
Santiago J. and Arrizabalaga H. 2005. An integrated growth study for North Atlantic albacore (Thunnus
alalunga Bonn. 1788). Ices J. Mar. Sci., 62: 740-749.
Walter J.F and Cass-Calay S.L. 2013. Identifying biologically implausible interannual variability in CPUE
indices; with application to Atlantic yellowfin tuna. Aquatic Living Resources.
1167
RAPPORT DE LA RÉUNION DE L'ICCAT D'ÉVALUATION DES STOCKS
DE GERMON DE L'ATLANTIQUE NORD ET SUD DE 2016
(Madère, Portugal, 28 avril - 6 mai 2016)
1 Ouverture, adoption de l’ordre du jour et organisation des sessions
La réunion s'est tenue à Madère (Portugal) du 28 avril au 6 mai 2016. Le Dr Haritz Arrizabalaga (UE-Espagne),
rapporteur du groupe d’espèces sur le germon, a présidé la réunion. Le Dr Haritz Arrizabalaga a remercié (au
nom de l'ICCAT) le gouvernement régional de Madère pour accueillir la réunion et fournir toute la logistique et
il a souhaité la bienvenue aux participants de la réunion ("le groupe"). Il a invité Mme Lidia Gouveia, au nom du
gouvernement régional de Madère, àouvrir la réunion et à souhaiter la bienvenue aux participants.
Le Dr Arrizabalaga a procédé à l’examen de l’ordre du jour qui a été adopté avec de légères modifications
(Appendice 1).
La liste des participants se trouve à l’Appendice 2. La liste des documents présentés à la réunion est jointe à
l’Appendice 3. Les personnes suivantes ont assumé les fonctions de rapporteur :
P. de Bryun Point 1
V. Ortiz de Zarate Point 2.1
C. Palma, L. Gouveia et G. Scott Point 2.2
J. Ortiz de Urbina et H. Arrizabalaga Point 2.3
D. Die, G. Merino Point 3
G. Merino, L. Kel, J. Ortiz de Urbina et H. Arrizabalaga Point 4.1
K. Yokawa, M. Kanaiwa et T. Matsumoto Point 4.2
L. Kell, J. Ortiz de Urbina G. Merino et H. Arrizabalaga Point 5.1
K. Yokawa, M. Kanaiwa et T. Matsumoto Point 5.2
H. Arrizabalaga et D. Die Point 6
G. Scott Point 7
2 Résumé des données disponibles pour l’évaluation
2.1 Biologie
De nouvelles informations sur la biologie ont été mises à la disposition du groupe. Toutefois, les paramètres
biologiques pour les deux stocks restent identiques à ceux qui avaient été utilisés dans les évaluations
précédentes (Tableaux 1 et 2).
Dans un document antérieur (Nikolic et Bourjea, 2014), les auteurs avaient présenté les résultats d'un examen
bibliographique de l'identification des populations de germon entre les régions océaniques et à l'intérieur de
celles-ci (océan Atlantique, océan Pacifique, océan Indien et mer Méditerranée). Les auteurs ont conclu que, en
raison des résultats divergents, le concept de stock et sa délimitation demeure une question controversée. Les
auteurs ont indiqué qu'il est urgent de poursuivre les études sur le germon dans la plupart des régions du monde
afin d'examiner et d'améliorer les unités de gestion utilisées actuellement par les organisations régionales de
gestion des pêches.
Selon le SCRS/2016/033, le germon (Thunnus alalunga) est capturé comme prise accessoire des pêcheries
vénézuéliennes de grands pélagiques capturant des thonidés depuis ces 25 dernières années. Le document a
analysé la distribution spatiale et temporelle du germon du Nord consignée par les programmes d’observateurs
palangriers pélagiques du Venezuela (1991-2014), dans le cadre desquels au total 27.472 registres de poissons
ont été recueillis. Les tailles oscillaient entre 42 et 132 cm FL. Trois zones distinctes ont été identifiées : mer des
Caraïbes, Guyana-Amazonie et Sud-Ouest de la mer des Sargasses. Au Sud-Ouest de la mer des Sargasses, la
distribution des tailles était stable avec des tailles moyennes de 105-110 cm FL ; tandis que l'on a enregistré dans
la mer des Caraïbes et en Guyana-Amazonie une plus grande variabilité dans les tailles et une plus vaste gamme
de tailles ; les tailles moyennes étaient néanmoins similaires dans toutes les zones. La distribution des âges
globale se composait principalement de spécimens d'âge 6 et plus, dans lequel l'âge 10 représentait le groupe
10 +. Les distributions de la fréquence des âges reflétaient la variabilité des captures de germon au cours de la
période temporelle ; on trouvait des poissons plus âgés au Sud-Ouest de la mer des Sargasses entre 1995 et 2003
et des poissons plus jeunes dans la mer des Caraïbes et la zone Guyana-Amazonie au cours de la période récente
(après 2007).
1168
En se fondant sur des observations opportunistes du germon capturé lors de sa manipulation, des observations
visuelles d'œufs matures (ovocytes hydratés) ont été considérées comme une indication du frai. Sur la base des
informations consignées par les observateurs embarqués, il a été déterminé que l'époque de frai s'étendait de
mars à avril dans la zone du Sud-Ouest de la mer des Sargasses (tel que présenté dans Luckhurst et Arocha,
2016). Dans la zone de Guyana-Amazonie, sur la base également d'observations sporadiques, les ovaires se
trouvaient dans une phase de maturation ou de régression. Aucune information saisonnière n’était indiquée. Le
groupe a recommandé de poursuivre la recherche afin de mieux comprendre la reproduction du germon du Nord
dans la zone.
Une nouvelle étude sur la croissance du germon de l’Atlantique Nord a été publiée (Ortiz de Zárate et Babcock,
2015), laquelle décrit la variabilité de la croissance individuelle du germon de l’Atlantique Nord. On postule que
la croissance suit le modèle de von Bertalanffy et que les paramètres de croissance sont constants dans le temps
et les mêmes pour tous les poissons. Cependant, la variabilité de la croissance individuelle est un facteur
important dont il n'est pas tenu compte et qui affecte les données d'entrée dans la modélisation de la population.
Cette étude décrit un modèle hiérarchique bayésien appliqué pour modéliser la variabilité individuelle dans les
paramètres de longueur asymptotique (L∞) et de taux de croissance (K) du modèle de croissance de von
Bertalanffy pour le germon de l’Atlantique Nord. La méthode postule que les valeurs de L∞ et K pour chaque
poisson sont tirées d’une distribution aléatoire centrée sur les valeurs moyennes de la population, avec des
variances estimées. On a obtenu plusieurs observations du diamètre de l'épine par âge de poissons individuels en
réalisant une lecture directe des sections des épines recueillies en 2011 et 2012. Trois différentes méthodes de
rétro-calcul ont ensuite été appliquées aux mesures des diamètres des anneaux chez le spécimen dont on avait
déterminé l'âge afin de rétro-calculer les longueurs à chaque âge. Le modèle de von Bertalanffy a été ajusté aux
longueurs mesurées et rétro-calculées. Les modèles dotés et dépourvus de variabilité de la croissance
individuelle ont été comparés en utilisant le critère d’information de déviance (DIC) en vue de trouver le
meilleur modèle. Un modèle de distribution d'erreur log-normale et un modèle de distribution d'erreur normale
ont été utilisés pour analyser les données. L'approche de modélisation de la croissance a permis de tenir compte
de la variabilité individuelle dans la longueur asymptotique et le taux de croissance. Pour le germon, cela
représente une nouvelle façon d’étudier la croissance en se fondant sur la longueur rétro-calculée des mesures
des anneaux épineux. Il a été constaté que la longueur asymptotique (L∞) du germon de l’Atlantique Nord varie
considérablement d'un poisson à l'autre mais pas le taux de croissance individuel (K). En outre, des relations
négativement corrélées (-0,85) entre les paramètres de croissance de la moyenne asymptotique (L∞) de von
Bertalanffy et le taux de croissance (K) ont été estimées pour le germon de l’Atlantique Nord avec la gamme des
modèles explorés. Les valeurs estimées de K (0,21) et les paramètres moyens de la population L∞ (120,2 cm)
étaient semblables aux valeurs estimées dans des études antérieures sur le germon de l'Atlantique Nord.
Le Groupe a convenu qu'un grand nombre de paramètres biologiques cruciaux sur le germon de l'Atlantique sont
encore mal connus. Les connaissances sur la biologie des stocks de germon constituent la base de l'avis du SCRS
étant donné que les paramètres biologiques constituent des entrées essentielles des modèles d'évaluation de stock
utilisés actuellement par le Groupe. Par conséquent, il est indispensable de réaliser beaucoup plus de travaux de
recherche biologique en vue d'améliorer la qualité de l'avis scientifique et de réduire l'incertitude s'y rapportant.
2.2 Prise, effort et taille
Deux documents sur les données des pêcheries ont été présentés à la réunion. Le document SCRS/2016/082
fournit une actualisation des statistiques thonières de la pêcherie de canneurs de UE-Portugal (Madère) qui
opérait dans les régions de Madère et des Açores entre 1999 et 2015, y compris la capture totale par espèce, la
composition de la flottille de canneurs et les fréquences de taille respectives pour les principales espèces de
thonidés (BET, SKJ et ALB). Il décrit aussi en détail les lieux de pêche géographiques utilisés par cette flottille
au cours de ces dernières années (2010-2015) dans les régions de Madère et des Açores.
Le document SCRS/2016/033 analyse la distribution spatiale et temporelle des tailles de la flottille palangrière
vénézuélienne pêchant le stock de germon du Nord (sources : programme vénézuélien d'observateurs palangriers
pélagiques parrainé par ICCAT/EPBR (1991-2011) et programme d'observateurs nationaux embarqués à bord de
palangriers pélagiques (2012-2014)). Celui-ci couvre la mer des Caraïbes, la Guyana-Amazonie et le Sud-Ouest
de la mer des Sargasses.
Ensuite, le Secrétariat a présenté au groupe les informations les plus récentes sur les pêcheries de germon (T1NC:
prises nominales de la tâche I; T2CE: prise et effort de tâche II; T2SZ: Échantillons des tailles de tâche II; T2CS:
prise par taille déclarée de tâche II) disponibles auprès de l'ICCAT, pour les stocks de germon du Nord (ALB-N)
et du Sud (ALB-S), couvrant la période 1950-2014. Les statistiques préliminaires de T1NC pour 2015 ont
1169
également été présentées. Le marquage conventionnel du germon et les estimations de CATDIS (1950 à 2013)
ont également été mises à la disposition du groupe mais elles n'ont pas été discutées en détail étant donné que
peu de changements ont été incorporés à ces jeux de données qui ont fait l'objet d'un examen plus approfondi en
2013.
Afin de fournir une vue d'ensemble des statistiques disponibles de la Tâche I et de la Tâche II, les catalogues des
données standard du SCRS (ALB-N au Tableau 3 et ALB-S au Tableau 4) couvrant la période 1990-2015 ont
également été présentés. Dans ces catalogues, les pêcheries sont classées en fonction de leur contribution aux
débarquements totaux de germon de la Tâche I (poids moyen dans toute la série temporelle présentée dans les
tableaux mentionnés).
2.2.1 Tâche I (prises)
Les prises détaillées de T1NC du germon du Nord et du germon du Sud sont présentées au Tableau 5. La
Figure 1 (ALB-N) et la Figure 2 (ALB-S) montrent les captures accumulées par engin principal pour toute la
période (1930-2014). La distribution géographique (grille de carrés de 5 x 5) des captures par décennie et engin
principal (en utilisant CATDIS, une estimation équivalente de la Tâche I par trimestre et carrés de 5 x 5) est
présentée dans les cartes de la Figure 3. Ces cartes couvrent uniquement la période 1950-2013. Le Secrétariat a
fait savoir qu’une estimation actualisée de CATDIS (incluant 2014) est en cours de préparation et qu'elle sera
disponible pour la réunion annuelle du SCRS.
Il n’y a pas de différences majeures dans T1NC par rapport à la version approuvée par le SCRS en septembre
2015, malgré certaines mises à jour présentées par la suite par le Japon et le Taipei chinois.
Les prises globales de germon du Nord font apparaître une tendance décroissante depuis 2006 (~37.000 t),
atteignant un minimum d’environ 20.000 t en 2011. Cette baisse des captures était principalement due à la
diminution des prises des canneurs (diminution de ~60% en poids) et des ligneurs (diminution de ~65%),
principalement dans la mer de Cantabrie (flottille espagnole). La prise des pêcheries palangrières
(principalement les flottilles du Taipei chinois et du Japon) a également présenté une réduction d'environ 25% en
poids. Depuis 2012, les captures globales ont légèrement augmenté, atteignant un maximum d’environ 26.500 t
en 2014, causé principalement par une augmentation des captures des pêcheries européennes (Canaries, Açores
et Madère) opérant au chalut et à la canne, mais aussi des pêcheries palangrières du Japon et du Taipei chinois
(surtout en 2013).
Pour le germon du Sud, les captures globales ont oscillé autour de 24.000 t entre 2006 et 2012, connaissant par la
suite une forte baisse, atteignant moins de 14.000 t (plus de 40 % de réduction) en 2014. Cette diminution est
liée à une réduction des prises des principales pêcheries (palangriers : Taipei chinois, Japon et Brésil ; canneurs :
Afrique du Sud, Namibie et Brésil). Le Secrétariat a rappelé que depuis 2012 les captures brésiliennes sont
encore provisoires et pourraient être sous-estimées.
La déclaration des captures de 2015 étant facultative pour cette réunion, seules quelques CPC (UE-Espagne, UE-
Irlande, UE-Portugal, UE-Royaume-Uni, Japon, Venezuela et Taipei chinois) ont présenté des statistiques
provisoires au titre de 2015. Pour les projections, une estimation préliminaire de la production totale de 2015
pour chaque stock (Tableau 6) a été obtenue en reportant la prise moyenne des trois années précédentes pour
chaque combinaison pavillon /engin sans inclure les captures disponibles de 2015.
2.2.2 Tâche II (prise, effort et taille)
Les catalogues de données sur l’ALB-N (Tableau 3) et ALB-S (Tableau 4) résument la disponibilité des jeux
de données de T2CE, T2SZ et T2CS (respectivement les caractères "a", "b", "c" au sein de chaque file de la
Tâche II, c'est-à-dire: quand champ DSet = « t2 »). Par défaut, les catalogues ne montrent pas les jeux de
données (qui sont disponibles dans le système de la base de données de l’ICCAT) qui ont une faible résolution
dans le temps (par année), qui contiennent peu d'informations géographiques détaillées ou aucune (ils doivent
avoir au moins des zones d’échantillonnage du germon) et plusieurs autres jeux de données spécifiques qui ne
sont généralement pas utilisés par le SCRS (T2CE sans effort, fréquences non standard dans T2SZ, intervalles de
fréquences taille/poids dans T2SZ supérieure à 5 cm/kg, etc.).
Le catalogue ALB-N montre que presque 90% de la production totale est capturée par sept flottilles seulement
(flottilles de BB et TR de UE-Espagne, LL du Taipei chinois, TW et GN de UE-France, BB de UE-Portugal et
TW de UE-Irlande). Pour ces flottilles, les séries de T2CE et T2SZ sont presque complètes (TW de UE-France
1170
récemment récupéré) pour les 15 dernières années. Cependant, quelques petites lacunes apparaissent dans les
séries de T2CE et T2SZ (TW de UE-France, BB de UE-Portugal et TW de UE-Irlande) et doivent être comblées.
D’importantes lacunes apparaissent encore dans les données de Tâche II (T2CE et T2SZ) de quelques-unes des
10% restantes des pêcheries de germon du Nord. Les séries dotées d'importantes lacunes (au moins deux années
de données de Tâche II font défaut) sont : pêcheries de palangre de surface de Vanuatu, du Venezuela, de UE-
Espagne, du Panama, de la R.P. Chine et de Corée.
Le catalogue de germon du Sud montre que 90 % de la production totale n'est capturée que par cinq grandes
flottilles (LL du Taipei chinois, BB d'Afrique du Sud et de Namibie, LL du Brésil et LL du Japon). En termes de
disponibilité de la Tâche II (T2CE et T2SZ), il existe des lacunes importantes dans les séries d'Afrique du Sud,
de la Namibie et du Brésil. Pour les 10% restants des flottilles, la flottille de canneurs brésiliens et les principales
flottilles palangrières capturant le germon comme prise accessoire (Corée, Philippines, Vanuatu, UE-Espagne et
R.P Chine) ont des lacunes importantes dans la série de la Tâche II. Les pêcheries de canneurs et de senneurs
tropicaux (Ghana, UE-France, UE-Espagne, Guatemala, Curaçao, etc.) qui capturent le germon comme prise
accessoire ont également des séries incomplètes de Tâche II.
En matière de récupération des données historiques de la Tâche II, l’Uruguay a signalé une série historique de
germon du Sud de T2SZ couvrant 14 années. Ces échantillons de taille correspondent à la flottille palangrière
nationale de surface (1998-2012) et aux échantillons obtenus dans le cadre du programme d’observateurs
uruguayens à bord des palangriers japonais (2009-2013).
Le Groupe continue d'observer le nombre décroissant de poissons échantillonnés par la flottille japonaise dans le
stock du Sud depuis 2008, seuls 44 poissons ayant été mesurés en 2014. Ce faible taux de couverture (moins de 1%
des captures en poids) a également été observé pour diverses autres flottilles pêchant le stock de germon du Sud.
Les flottilles de canneurs et de palangriers brésiliens n’ont pratiquement pas déclaré d'échantillons depuis 2012
(moins de 100 poissons échantillonnés au total).
Le groupe a recommandé que le Secrétariat collabore avec les correspondants statistiques des CPC dont la
Tâche II présente des lacunes dans les catalogues de données. Le Secrétariat devrait solliciter dès que possible
les jeux de données manquants aux CPC de l'ICCAT qui ne sont pas représentées par des scientifiques à la
réunion.
2.2.3 Prise par taille
La matrice globale de prise par taille (CAS) a été mise à jour (révision complète de 2011 et inclusion des années
2012 à 2014) lors de la réunion afin d’estimer correctement les poids moyens pondérés par engin et stock
principal. Cette actualisation n'a été faite qu’avec cet objectif à l’esprit et elle devrait être révisée à l’avenir avec
le jeu complet de règles de substitution et de critères d’extrapolation utilisés dans les stocks de germon de
l'Atlantique. Les matrices de CAS sont présentées au Tableau 7 pour ALB-N (histogrammes à la Figure 4) et au
Tableau 8 pour ALB-S (histogrammes à la Figure 5). Les poids moyens obtenus à partir de la CAS, par stock
(global et par engin principal) sont présentés à la Figure 6 (ALB-N) et à la Figure 7 (ALB-S). Les nouvelles
données de taille de l’Uruguay étaient incluses dans ces estimations.
2.3 Indices d’abondance relative
2.3.1 Atlantique Nord
Le document SCRS/2016/032 présentait la CPUE standardisée du germon du Nord au Sud-Ouest de l’Atlantique
Nord obtenue des programmes d’observateurs palangriers vénézuéliens (1991-2014). L’indice a été estimé à
l’aide de modèles mixtes linéaires généralisés selon une approche delta-lognormale. L’analyse incluait
« année », « catégorie de navire », « zone », « saison », « profondeur de pêche », « appât » et « condition de
l'appât » comme variables explicatives catégorielles. Les diagrammes de diagnostics n'ont pas montré d'écarts
importants par rapport au schéma escompté et les vérifications pour rechercher des indications d'observations
influentes n'ont montré aucune forte variation. Les séries temporelles standardisées ont montré une tendance à la
hausse relativement lente depuis le début de la période, atteignant sa plus forte valeur en 2008, puis chutant par
la suite à une faible valeur en 2011. Dans les dernières années de la série, une forte tendance à la hausse est
observée dans les taux de capture, affichant la valeur la plus élevée au cours de la dernière année.
1171
Il a été noté que d’après les résultats de l’analyse de la composition par âge des captures vénézuéliennes
(SCRS/2016/033), deux groupes d’âge semblent être séparés par zone. Il a été suggéré que cet effet potentiel
devrait être pris en considération dans le processus de standardisation. Toutefois, il a été décidé que cet indice
pourrait refléter de forme globale l’abondance de poissons de tailles relativement grandes.
Le document SCRS/2016/073 présentait des indices standardisés actualisés du germon en provenance de la
flottille espagnole de canneurs pour la période 1981-2014. Lors des sorties de la pêcherie de canneurs
commerciaux, des informations ont été enregistrées sur la date des débarquements, le nombre de jours de pêche,
la zone de l'effort, la capture numérique et la capture en poids (kg). Les taux de capture nominale (nombre de
poissons par jour de pêche) ont été modélisés par un modèle linéaire généralisé postulant une distribution
d'erreur lognormale. Outre les facteurs principaux 'Zone' et 'trimestre', des interactions 'année*trimestre" et
'année*zone' ont été évaluées et incluses en tant qu'effets aléatoires afin de fournir des estimations annuelles de
l’indice standardisé. Le modèle linéaire mixte généralisé représentait environ 30,81% de la variabilité de la
CPUE observée ; représentant mieux la variabilité observée dans les taux de capture nominale des canneurs
utilisés dans la dernière évaluation, relative à la distribution annuelle temporelle et spatiale des prises par unité
d’effort.
Le groupe a noté que, puisque trois flottilles (UE-Espagne, UE-Irlande et UE-France) visent le germon dans la
zone de l'Atlantique Nord-Est, il serait intéressant d’essayer de réaliser une analyse conjointe afin de mieux tenir
compte de la variabilité liée aux variations spatiales et temporelles dans la disponibilité de la ressource.
Le document SCRS/2016/074 présentait les indices standardisés actualisés du germon de la flottille de ligneurs
de UE-Espagne pour la période 1981-2014, basé sur les sorties individuelles échantillonnées de la pêcherie de
ligneurs commerciaux, et incluait des informations sur la date du débarquement, le nombre de jours de pêche, la
zone de l’effort, la capture numérique et la capture en poids (kg). Les taux de capture nominale (nombre de
poissons par jour de pêche) ont été modélisés par un modèle linéaire généralisé postulant une distribution
d'erreur lognormale. Le modèle final représentait environ 45,6% de la variabilité dans la CPUE enregistrée et
incluait les termes d'interaction 'année*trimestre" et 'année*zone' comme effets aléatoires. Les résultats du
GLMM représentent une amélioration de l'ajustement du modèle par rapport au GLM ajusté pour standardiser
les taux de capture nominale des ligneurs utilisés dans la dernière évaluation. Le modèle GLMM semble mieux
saisir la variabilité observée dans les taux de capture de la flottille de ligneurs en ce qui concerne la distribution
annuelle temporelle et spatiale.
Le document SCRS/2016/078 présentait la CPUE standardisée du germon de l’Atlantique Nord capturé par les
palangriers du Taipei chinois pour la période 1967 à 2015, basée sur les informations des carnets de pêche
(depuis 1981) et de la Tâche II (depuis 1967). Les données ont été examinées en tenant compte de trois périodes
(1967-1987, 1987-1999 et 1999-2015) et de zones de 5 x 5 pour la distribution des quatre espèces principales de
thonidés (germon, thon obèse, albacore et espadon) afin d’identifier les sous-zones d’échantillonnage
appropriées. À des fins de standardisation, seuls les jeux de données se trouvant dans les sous-zones
d’échantillonnage proposées ont été utilisés. Les CPUE du germon dans les sous-zones d’échantillonnage
appropriées ont été standardisés pour trois périodes (1967-1987, 1987-1999 et 1999-2015). Un modèle GLM
avec une distribution d’erreur log-normale a été postulé pour la standardisation des tendances annuelles et
trimestrielles de la CPUE. Les facteurs 'année', 'trimestre', 'sous-zone' (5x5), "effets de la capture accidentelle"
du thon obèse, de l’albacore et de l’espadon, ainsi que les interactions ont été inclus dans le modèle afin
d’obtenir des séries annuelles standardisées de l'abondance. Les facteurs 'série trimestrielle', 'sous-zone' (5x5) et
'effets de la capture accidentelle' du thon obèse, de l’albacore et de l’espadon ont été inclus dans le modèle afin
d’obtenir les tendances trimestrielles standardisées de l’abondance. Les résultats ont fait apparaître que la CPUE
annuelle standardisée est descendue de manière continue jusqu’à la moitié des années 80, a fluctué
considérablement avant le début des années 2000 et a augmenté par la suite. Des tendances similaires ont
également été obtenues pour les séries de CPUE trimestrielles standardisées. Il a été noté que le fractionnement
de la série pour définir les trois périodes à des fins de standardisation reposait sur des changements dans les
opérations de pêche (qui sont passées de la palangre traditionnelle à la palangre en eaux plus profondes), la
stabilisation de la flottille et l’amélioration du système de collecte de données.
Le document SCRS/2016/080 présentait un indice d’abondance du germon estimé à partir des données de
capture et d’effort de la pêcherie palangrière pélagique des États-Unis opérant dans l’Atlantique. L’indice
standardisé a été mis à jour pour la période 1987 à 2014, et aucun changement n'a eu lieu dans la méthodologie
utilisée pour estimer le même indice pour la précédente évaluation de 2013. L’indice annuel actualisé et les
diagnostics du modèle ont été présentés dans le document. L’estimation actualisée a montré la même tendance
que l’indice précédent, l'année 2011 étant l’année terminale. Le nouvel indice a connu une chute en 2012 par
1172
rapport à 2011, mais une tendance à la hausse les deux années suivantes, l’année terminale (2014) affichant la
valeur la plus élevée de toute la série temporelle. Le groupe a noté que la série standardisée semble montrer un
signal assez fort pour la période allant de 2006 à 2014.
Le document SCRS/2016/068 décrivait les CPUE actualisées du germon de l'Atlantique Nord capturé par la
pêcherie palangrière japonaise. Les CPUE ont été standardisées séparément en trois périodes (1959-1969, 1969-
1975 et 1975-2014) en utilisant le modèle binomial négatif, basé sur les mêmes méthodes que celles utilisées
dans les études précédentes.
La fiabilité des fortes tendances ascendantes et descendantes des CPUE standardisées au cours des années les
plus récentes dans les stocks du Nord et du Sud est remise en question. Le groupe a décidé de les exclure de
l’évaluation des stocks car elles ont de grands intervalles de confiance et qu'il est reconnu qu'elles ne
représentent pas la dynamique des stocks de germon. Les auteurs ont indiqué que pour les années où des CPUE
anormalement grandes ont été obtenues, un changement temporel de ciblage du thon obèse à l'albacore pourrait
expliquer ces valeurs de CPUE, même si le modèle de standardisation de la CPUE n’a pas pu tenir compte
suffisamment de son effet. Le groupe a finalement accepté d’éliminer de l’évaluation du stock de germon du
Nord les valeurs des CPUE standardisées au titre de 2013 et 2014.
Les documents SCRS/2016/085 et SCRS/2016/086 suggèrent que la forte diminution des CPUE standardisées de
la palangre japonaise avant 1993 est biaisée principalement en raison de la pénurie de couverture des données et
des informations sur le ciblage. Dans la période analysée, le changement de cible du germon au thon rouge s’est
produit dans la même zone et la même configuration d'engin, ce qui a précipité la forte diminution de la CPUE
nominale du germon. La diminution de la capturabilité du germon par les palangriers japonais, qui est due au fait
que le changement de ciblage a provoqué une diminution drastique du volume de l’effort exercé dans la zone de
pêche traditionnelle du germon par les palangriers japonais, est aussi apparente lorsque la CPUE nominale du
germon diminue. La CPUE du germon à l’endroit où un effort plus important est déployé semble être plus élevée
que là où peu d'effort est déployé. Étant donné qu'il n'a été trouvé aucun moyen pertinent de standardiser ces
effets, les auteurs ont proposé de ne pas utiliser les indices japonais avant 1988 pour le stock septentrional.
Le document SCRS/2016/087 montre des indices d’abondance alternatifs pour le stock du Nord à l’aide des
données obtenues à partir de la zone principale (20ºN-40ºN, à l’Ouest de 30ºN) de la pêcherie palangrière
japonaise. Même si la standardisation de la CPUE a été réalisée avec succès pour les périodes 1964-1974, 1975-
1993 et 1994-2006, les auteurs ont indiqué que la seule CPUE adéquatement standardisée pour l’évaluation du
stock était celle de la période courant entre 1964 et 1971, étant donné que les palangriers japonais ont opéré de
façon constante.
En combinant les résultats des documents du SCRS 085, 086 et 087, les auteurs ont proposé de considérer les
indices japonais suivants pour l’évaluation du stock du Nord : CPUE standardisée pour la période 1964-1971 de
la zone principale et la période 1988-2012 de la « période de prises accessoires» originale actualisée. Le groupe a
généralement soutenu les propositions des auteurs, mais il a été recommandé dans le même temps de récupérer la
CPUE standardisée dans la période perdue. À cette fin, il est nécessaire de développer la méthode de
standardisation de l’effet du changement de ciblage sans utiliser l'information sur les hameçons par panier. Il
existe plusieurs méthodes pour ajuster l’effet du ciblage sans utiliser l'information sur les hameçons par panier,
comme l’utilisation de la composition par espèce et la CPUE d’autres espèces, mais aucun consensus n’existe
encore au sein du SCRS sur la meilleure utilisation de ces méthodes. C'est pourquoi, le groupe a demandé au
groupe de travail sur les méthodes d’évaluation des stocks (WGSAM) d'évaluer les différentes méthodes de
standardisation de la CPUE utilisées au sein de chaque groupe d’espèces et d'élaborer des lignes directrices pour
la standardisation de la CPUE applicables à toutes les espèces.
2.3.2 Atlantique Sud
Le document SCRS/2016/079 présentait la CPUE pour la flottille palangrière du Taipei chinois. Les carnets de
pêche (depuis 1981) ainsi que les jeux de données de prise/effort de la Tâche II (depuis 1967) des palangriers du
Taipei chinois ont été minutieusement examinés, par décennie et par bloc de 5ºx5º, afin de déterminer les
caractéristiques de la distribution géographique des quatre principales espèces thonières (germon, thon obèse,
albacore et espadon). Cet examen a permis d'identifier la zone d'échantillonnage la plus appropriée pour le
germon de l’Atlantique Sud, qui s'étend de 10ºS à 45ºS et de 55ºW à 20ºE, exception faite du petit bloc se
trouvant à 10°S-15°S/10°W-15°E. Dans la zone d'échantillonnage du germon la plus appropriée, on a mis au
point des indices d’abondance standardisés du germon de l’Atlantique Sud, correspondant à la période 1967-
2015, en se fondant sur les statistiques de prise et d’effort des palangriers du Taipei chinois, à l’aide d’une
1173
procédure de modèle linéaire généralisé (GLM). Les facteurs, tels que année, trimestre, sous-zone (blocs de
5ºx5º), effets de la prise accessoire du thon obèse, de l’albacore et de l’espadon et interactions, ont été utilisés en
vue d’obtenir la tendance de la prise par unité d'effort (CPUE) standardisée annuelle de 1967 à 2015. Les séries
des CPUE trimestrielles standardisées du troisième trimestre de 1967 au quatrième trimestre de 2015 ont
également été obtenues. Les tendances estimées de la CPUE standardisée ont indiqué que l’abondance en poids
dans la zone d’échantillonnage la plus appropriée du germon de l’Atlantique Sud avait chuté à partir de la fin des
années 60 jusqu’en 1990, puis avait augmenté jusqu’au milieu des années 90, pour se stabiliser depuis le début
des années 2000 jusqu’en 2015.
Le groupe a examiné l’analyse des grappes menée de 1967 à 2015 et formulé des suggestions d’amélioration
possible (par exemple en considérant un nombre différent de grappes). Toutefois, il a été précisé que cette
analyse a été utilisée uniquement pour identifier la zone à prendre en considération dans la standardisation, plutôt
qu’en tant que variable explicative dans la GLM. Les faibles valeurs de CV, le nombre relativement important de
variables explicatives utilisées dans le modèle et la tendance assez similaire entre la CPUE nominale et la CPUE
standardisée pourraient suggérer un sur-ajustement potentiel. Une plus grande amélioration du modèle de
standardisation de la CPUE, surtout pour les variables explicatives, pourrait améliorer l’estimation de l’indice et
de son CV. La palangre traditionnelle s'est toujours concentrée dans une vaste zone du Sud et il n'a dès lors pas
été nécessaire de diviser la série dans cette région. Le groupe a également noté que les faibles CV ne reflètent
pas nécessairement un indice d’abondance précis, étant donné que la variance estimée dépend du jeu de données
et de la méthode utilisée. Des discussions approfondies ont lieu au sein du SCRS sur les utilisations alternatives
possibles des CV afin de pondérer différentes séries de CPUE. Même si dans les modèles d’évaluation des stocks
utilisés actuellement, les séries reçoivent le même poids ou un poids proportionnel à la capture qu’elles
représentent, les CV estimés peuvent être utilisés dans des formulations de modèle d'évaluation des stocks
alternatif.
Le document SCRS/2016/067 présentait une étude sur l’effort de pêche palangrier japonais, les captures et la
CPUE du germon dans l’Atlantique. Les palangriers japonais ciblaient le germon vers les années 60 et l'ont
ensuite capturé comme prise accessoire, mais la proportion du germon a connu une augmentation au cours de ces
dernières années et il constitue l'une des espèces cibles. On observe des changements historiques dans la
proportion de l’effort de pêche par zone, ainsi que le nombre d’hameçons par panier. La CPUE nominale du
germon était élevée pendant la première période (environ jusqu'en 1970), a brutalement chuté au début des
années 70, a maintenu un niveau relativement faible jusqu'au début ou milieu des années 2000, puis a remonté
par la suite. Dans certaines zones, la proportion de germon dans les captures est constamment élevée. Un
changement historique a été observé dans le nombre d’hameçons par panier. Le groupe a estimé que ces
dernières années le germon était à nouveau ciblé et qu'il ne convenait donc pas d'appeler « période de prises
accessoires» cette dernière période. Des prises élevées et un taux de capture élevé de germon ont été observés
même dans la zone tropicale en 2013, mais la raison n’est pas claire.
Le document SCRS/2016/068 présentait les CPUE standardisées du germon de l’Atlantique Sud capturé par des
palangriers japonais, divisées en trois périodes (1959-1969, 1969-1975 et 1975-2014) au moyen d'un modèle
binomial négatif et des mêmes méthodes que celles employées dans la dernière évaluation. Les effets du
trimestre, de la zone, de l'engin de pêche (nombre d'hameçons entre flotteurs) et plusieurs interactions ont été
testés, même si l'effet de l'engin de pêche n'a pu être utilisé qu'à partir de 1975. L'effet de la zone était le plus
important pour les trois périodes. La CPUE standardisée dans l’Atlantique Sud a diminué durant les années 1960
jusqu'à la fin des années 1980. Par la suite, la CPUE a fluctué et n'a pas dégagé de tendance claire, à l’exception
de ces dernières années où un point culminant a été observé. Selon les auteurs, les indices de CPUE de ces
dernières années semblent être moins fiables en raison par exemple des changements de ciblage. Ces dernières
années, la proportion du deuxième engin le plus profond (12-15 hameçons par panier) est en hausse, ce qui
indique un ciblage accru du germon.
On a postulé que le récent point culminant atteint par la CPUE pourrait être dû au moins en partie au ciblage
accru du germon. Ainsi, il pourrait être nécessaire de diviser une nouvelle fois cette série de « période de prises
accessoires » à l’avenir. Pour l’instant, le groupe a décidé de la garder comme une série et de ne pas examiner les
informations de ces trois dernières années. Le groupe a également souligné que l’effet de l'engin de pêche
(nombre d’hameçons par panier) diffère selon la zone et il a donc jugé nécessaire de procéder à un examen plus
détaillé de cet effet.
1174
Le document SCRS/2016/085 a examiné les tendances de la CPUE des palangriers japonais entre 1959 et 1975.
Les indices d’abondance du germon de l’Atlantique estimés en standardisant les CPUE des palangriers japonais
montrent une forte tendance à la baisse au cours de période 1959-1975 pour les stocks du Nord et du Sud. Le
résultat de cette étude indique le fait que la tendance constante à la baisse de la CPUE du germon au cours de la
période antérieure à 1975 pour les stocks du Nord et du Sud est fortement biaisée par le changement d'espèce
cible qui s'est produit dans les mêmes zones. Le changement d’espèce cible, du germon à d'autres thonidés, n'a
pas pu être ajusté dans le modèle de standardisation de la CPUE étant donné qu'aucune variable explicative n'a
pu être introduite dans le modèle (c'est-à-dire absence de données opération par opération avec information sur le
nombre d'hameçons par panier avant 1975). Ainsi, selon les auteurs, la tendance de la CPUE standardisée
surestime grandement la tendance à la baisse et ne devrait pas être utilisée dans l’évaluation.
Le document SCRS/2016/077 décrivait l’indice de CPUE de la pêcherie sud-africaine opérant à la canne et à
l'hameçon. Le germon est la principale cible de la flottille de canneurs sud-africains qui opère à l'Ouest et au
Sud-Ouest du littoral de l'Afrique du Sud, les captures sud-africaines se trouvant au deuxième rang dans la
région, avec des débarquements annuels se chiffrant à environ 4.000 t. Une standardisation de la CPUE de la
flottille de canneurs sud-africains a été réalisée pour la série temporelle 2003-2015 à l'aide d'un modèle mixte
additif généralisé (GAMM) avec une distribution d'erreur Tweedie. Les variables explicatives du modèle final
incluaient l’année, le mois, la position géographique, la puissance du navire, incluse comme effet aléatoire, et le
ciblage. La CPUE standardisée suit principalement la CPUE nominale sans aucune tendance générale
significative à la hausse ou à la baisse. Les analyses indiquent que la CPUE pour la pêcherie de canneurs sud-
africains ciblant le germon s'est maintenue stable au cours de la dernière décennie.
Le groupe a noté que ce document présente une méthodologie différente (GAMM, par rapport au GLM/GLMM
normalement utilisé), et que le caractère saisonnier a été modélisé avec une fonction spline au lieu de comme un
facteur. Ainsi le groupe a recommandé que le WGSAM fournisse quelques conseils sur le bien-fondé des
procédures alternatives pouvant être utilisées pour standardiser la série de CPUE nominale. Il a également été
noté qu’il existe une série « début des canneurs sud-africains » de 1975 à 1998. Dans l’évaluation des stocks de
2013, la série « fin des canneurs sud-africains » a débuté en 1999, tandis que dans le document SCRS/2016/077,
celle-ci ne commence qu'en 2003. Selon les auteurs, les années 1999-2003 ont été exclues parce que la
déclaration des données a été plus constante après 2003.
Le document SCRS/2016/089 a montré les taux de capture standardisés de la flottille palangrière brésilienne.
L'information sur la prise et l'effort provenant de la flottille palangrière brésilienne (nationale et affrétée) ciblant
les thonidés dans l'océan Atlantique équatorial et du Sud-Ouest a été recueillie pendant la période 1978 à 2012 et
les données de plus de 75.000 opérations ont été analysées. La CPUE du germon a été standardisée en utilisant
les modèles mixtes linéaires généralisés (GLMM) au moyen d'une approche delta log-normale. Les facteurs
utilisés dans le modèle étaient les suivants : trimestre, année, zone et stratégie de la flottille. La série de CPUE
standardisée présente une oscillation importante au cours du temps, avec une tendance générale à la hausse à
partir de la fin des années 80 jusqu'en 2000, avant de connaître une forte diminution jusqu'en 2003 et de rester
faible jusqu'en 2010 ; après cette période, un comportement à la hausse a une fois de plus été observé.
Les jeux de données utilisés pour standardiser la CPUE comprennent de nombreuses flottilles différentes. C'est
pourquoi les auteurs utilisent une analyse de grappes pour caractériser la stratégie de la flottille, mais il pourrait
ne pas y avoir suffisamment de chevauchement dans le jeu de données pour réaliser une standardisation adéquate
pour cette variable. En fait, comme il a été noté au cours de l’évaluation du stock de 2013, cette série montre une
forme de cloche pendant les années 1990, ce qui pourrait être dû à une plus grande influence de certaines
flottilles pendant cette période. Le groupe a noté que la variance des valeurs résiduelles n’était pas homogène et
il a recommandé d’explorer les tendances de la CPUE de flottilles spécifiques, plutôt que d’utiliser l’ensemble
complet des flottilles dans l’analyse.
2.3.3 Résumé des CPUE disponibles pour les stocks du Nord et du Sud
Le tableau mis au point par le WGSAM en 2012 pour évaluer les différentes séries de CPUE a été mis à jour en
tenant compte des nouvelles informations présentées au groupe. Le groupe a examiné et discuté les résultats
actualisés (Tableau 9). Il a été reconnu, comme dans l’évaluation de 2013, que le classement est assez subjectif
et donne une indication de la nature relative de la série de CPUE pouvant guider les décisions concernant leur
utilisation effective dans les évaluations. Les diverses CPUE standardisées présentées dans les documents décrits
ci-dessus ainsi que d'autres séries historiques qui n'ont pas été mises à jour lors de cette réunion du groupe sont
présentées aux Tableaux 10 et 11 pour les stocks de l'Atlantique Nord et Sud, respectivement. Les valeurs
annuelles sont également présentées aux Figures 8 et 9, respectivement. Ces séries ont également été comparées
1175
à un modèle GAM ajusté à toutes les séries afin de rechercher des corrélations et d'identifier par conséquent les
séries qui fournissent des informations similaires ou contradictoires. Cela pourrait ensuite être utilisé pour
apporter des éléments informatifs à la décision de savoir quelles séries devraient être utilisées dans les
évaluations. Ces diagrammes sont présentés à la Figures 10a et 10b et à la Figures 11a et 11b pour l'Atlantique
Nord et Sud, respectivement.
Pour l’Atlantique Nord, le groupe a déjà convenu en 2013 de ne pas utiliser des périodes de transition pour les
séries du Japon et du Taipei chinois. Le groupe a examiné dans le détail les CPUE restantes afin de décider
quelles devraient être prises en considération dans les modèles de production. À ce stade et compte tenu des
difficultés de standardiser correctement les indices historiques (voir ci-dessus), il a été convenu de suivre la
procédure indiquée dans le SCRS/2016/028, c'est-à-dire en considérant les indices individuels dans un cadre de
modèle de production à partir de 1975. Par conséquent, les séries de CPUE plus anciennes ont été rejetées.
L’indice des chaluts pélagiques irlandais et l'indice des ligneurs français ont également été rejetés, étant donné
qu’ils étaient relativement courts. Les séries suivantes ont été considérées initialement comme reflétant
potentiellement les tendances de l’abondance du stock : Taipei chinois : fin de la période palangrière ; Japon : fin
de la période palangrière (pour la période 1988-2012), UE-Espagne : ligneurs ; UE-Espagne : canneurs ;
Venezuela : palangre et États-Unis : palangre. Ces indices montrent, en règle générale, une tendance à la baisse
au début de la série temporelle (à partir de 1975), suivie d’une tendance à la hausse au cours des dernières
années. Toutefois, l’indice des ligneurs de UE-Espagne a une corrélation négative avec la plupart des autres
indices, dégageant une tendance à la baisse légèrement continue. Ceci, conjointement au fait que cet indice
reflète des classes d’âge juvénile (surtout les âges 2 et 3), a poussé le groupe à ne pas l'examiner plus avant dans
les analyses (sauf pour les analyses de sensibilité). La série finale de CPUE considérée est illustrée aux
Figures 12a et 12b.
Pour le Sud, le groupe a révisé les décisions qui ont été prises en 2013 au sujet de leur utilisation dans
l’évaluation des stocks. Il y avait entre autres la décision de ne pas utiliser la période de transition japonaise (car
les périodes de transition sont plus difficiles à standardiser et sont donc plus à même de ne pas refléter
l’abondance des stocks), ni l’indice des canneurs sud-africains, étant donné qu’il ne représente que quelques
groupes d’âge et pourrait par conséquent enfreindre les postulats des modèles de production. Le Groupe a
convenu que la CPUE du Brésil ne devrait pas être incluse dans les modèles de production en raison des
problèmes débattus précédemment posés par cette série. Pour l'actualisation de l’évaluation des stocks de 2016,
il a été décidé de maintenir l’indice palangrier uruguayen (qui montre une baisse plus prononcée que les autres
indices au cours de ces dernières années), l’indice palangrier du Taipei chinois, ainsi que l’indice palangrier
japonais. En ce qui concerne ce dernier, sur la base des documents présentés suggérant que la chute précoce
apparue dans la série « Japon début » pourrait ne pas refléter les tendances réelles de l'abondance (voir ci-
dessus), le groupe a décidé d’utiliser la série « Japon fin » (tout en excluant le point culminant des trois dernières
années), mais de réaliser des analyses de sensibilité avec les séries de CPUE « Japon début ».
3 Points de référence, règles de contrôle de l'exploitation et évaluation de la stratégie de gestion
Le groupe a noté que le travail actuellement réalisé sur l’évaluation de la stratégie de gestion (MSE), les points
de référence (RP) et les règles de contrôle de l'exploitation (HCR) vise à contribuer non seulement aux décisions
que la Commission pourrait éventuellement prendre en ce qui concerne une HCR possible pour le germon de
l'Atlantique Nord, mais aussi aux décisions qui seront prises au cours de la présente réunion du groupe afin de
s’assurer que l'avis d’évaluation des stocks est robuste face à l’incertitude.
Le groupe a noté que les autres ORGP thonières font également des progrès au niveau de la MSE du germon et
que les efforts de l’ICCAT pourraient bénéficier de l’expérience mise en commun dans les autres efforts
actuellement déployés. Cette interaction pourrait avoir lieu au mieux dans le cadre du groupe de travail conjoint
sur la MSE de Kobe, qui a été établi après la 3e réunion de Kobe (La Jolla, 2011 - http://www.tuna-
org.org/kobe3.htm) comme étant un groupe de discussion électronique ouvert aux parties prenantes et
professionnels intéressés. Le groupe a discuté de la situation actuelle des plans pour la mise en place d'une
réunion en personne du groupe de travail conjoint sur la MSE des ORGP thonières afin d'accélérer les processus
de MSE au sein de toutes les ORGP thonières. Le groupe a été informé que, même si une telle réunion n'avait
pas encore été officiellement annoncée, une demande de dates formulée à un groupe de scientifiques désignés
par les secrétaires exécutifs/directeurs d'ORGP thonières a indiqué qu’il serait possible de tenir une réunion au
cours du dernier trimestre de 2016. Le groupe a été informé qu’un comité directeur formé par les scientifiques
contactés jusqu'à présent élaborera dans le détail l'ordre du jour de la réunion, en organisera les plans de travail et
fera en sorte de garantir la transparence et le caractère intégrateur du processus, tel qu’envisagé par le processus
de Kobe.
1176
Cette section est divisée en trois sous-sections. La première sous-section aborde brièvement les progrès
récemment accomplis quant à la MSE appliquée au germon de l'Atlantique Nord et à l'évaluation des HCR,
décrits dans plusieurs documents présentés à la réunion. La deuxième sous-section présente une synthèse des
discussions tenues sur la façon dont ce travail peut être présenté à la prochaine réunion de la Sous-commission 2
de la Commission à Sapporo (Japon) et à la réunion annuelle du SCRS en septembre. La troisième sous-section
présente les résultats d'un autre travail de simulation réalisé visant à apporter des informations sur la façon dont
les risques associés aux décisions de gestion concernant le germon de l'Atlantique Nord peuvent être calculés.
3.1 Mise à jour de l'état d'avancement de la MSE concernant le germon de l'Atlantique Nord
Le groupe a noté que les travaux sur les points de référence et les HCR concernant le germon de l'Atlantique
Nord ont progressé depuis 2009 (et probablement plus tôt). Le groupe a noté que le processus de MSE composait
l'un des volets du plan stratégique pour la science du SCRS adopté en 2014. Enfin, le groupe a également noté
que les résultats de la MSE fournis en 2013 en ce qui concerne les projections réalisées avec un sous-ensemble
de HCR potentielles et les probabilités d'atteindre les objectifs de gestion, ont guidé partiellement la rédaction de
la Recommandation 15-04 par la Commission.
Il a été porté à la connaissance du groupe que la plupart des travaux sur la MSE présentés lors de cette réunion
ont été présentés plus tôt cette année au WGSAM qui a apporté une contribution à l'équipe MSE travaillant sur
les simulations du germon de l'Atlantique Nord. Le groupe a été informé des commentaires formulés par le
WGSAM et en a discuté. Les détails des conclusions des discussions tenues sont présentés ci-dessous.
Les principales étapes à suivre pour réaliser une MSE sont les suivantes : i) identification des objectifs de gestion
et mise en correspondance de ceux-ci avec des indicateurs statistiques du rendement ou des fonctions de l'utilité ;
ii) sélection des hypothèses à considérer dans le modèle opérationnel représentant les versions simulées de la
réalité ; iii) conditionnement du modèle opérationnel fondé sur les données et les connaissances, et pondération
des hypothèses du modèle en fonction de leur plausibilité ; iv) identification des stratégies de gestion
concourantes et codification de celles-ci en tant que procédures de gestion ; v) projection du modèle opérationnel
dans le temps en utilisant les procédures de gestion comme procédures de contrôle afin de simuler l'impact à
long terme de la gestion et vi) identification de la procédure de gestion (ou d'un ensemble de procédures de
gestion) remplissant strictement les objectifs de gestion. Ce cycle d'étapes peut être répété plus d'une fois, en
réponse aux interactions entre le SCRS et la Commission et lorsque l'on dispose de nouvelles connaissances sur
le système simulé (par exemple à la suite d'une nouvelle évaluation complète du stock).
Le travail effectué en ce qui concerne le germon de l'Atlantique Nord, la documentation, le code et les données
peuvent être téléchargés et exécutés à partir de http://iccat-mse.github.io/. Lors de la présente réunion, une série
de nouveaux documents décrivant les progrès récemment accomplis quant à la mise en œuvre de la MSE
s'appliquant au germon de l'Atlantique Nord ont été présentés : SCRS/2016/015, SCRS/2016/023,
SCRS/2016/024, SCRS/2016/025, SCRS/2016/026, SCRS/2016/027 et SCRS/2016/028. Ces documents n'ont
pas été présentés de manière détaillée, mais ont été utilisés pour illustrer les étapes requises pour réaliser une
MSE. Un résumé des résultats et des méthodes a été fourni pendant la réunion sous la forme d'une présentation
unique. Cela a été considéré comme un moyen approprié de fournir des informations sur les progrès de la MSE
requise par le groupe, sans y consacrer trop de temps pendant la réunion. La présentation a précisé les mesures
déjà prises pour construire une MSE appliquée au germon de l'Atlantique Nord. On a également signalé que
l'analyse des données utilisées dans le conditionnement du modèle opérationnel donnait à penser qu'un
changement de la dynamique de production du stock aurait pu se produire avant 1975. Pour cette raison et aux
fins de la MSE, le sous-modèle d'observation ne simule pas de données avant 1975.
Le document SCRS/2016/015 a été présenté en détail. L'objectif de gestion de l'ICCAT consiste à maintenir un
niveau élevé de capture à long terme avec une probabilité élevée que le stock ne soit pas surexploité ou victime
de surpêche. Si le stock fait l'objet de surpêche ou s'il est surexploité, l'objectif de l'ICCAT est de le ramener
dans la zone où les stocks ne sont pas surexploités et ne font pas l'objet de surpêche (quadrant vert du diagramme
de Kobe) avec une probabilité élevée dans une période aussi courte que possible (Rec. 11-13). Pour ce faire, des
règles de contrôle de l'exploitation (HCR, selon les sigles anglais) sont des ensembles de règles préalablement
définies et convenues qui peuvent être utilisés pour déterminer les mesures de gestion (p.ex. des quotas annuels).
Ces HCR doivent être convenues par des décideurs politiques et comprises et acceptées par les parties
intéressées, ce qui est souvent difficile en raison des nombreuses incertitudes inhérentes aux pêcheries. Pour ces
motifs, l'évaluation de la stratégie de gestion (MSE) est utilisée pour estimer différents niveaux de probabilité
d’atteindre des objectifs de gestion avec des HCR alternatives en tenant compte des incertitudes existantes qui
affectent les dynamiques des pêcheries. Dans cette étude, les auteurs ont élaboré une MSE pour le germon de
1177
l'Atlantique Nord et ont simulé l'impact des HCR alternatives et il a été conclu que les captures élevées et stables
à long terme et les objectifs de conservation sont réalisables avec un certain niveau de précaution. Le groupe a
noté que les indicateurs des performances inclus dans le document SCRS/2016/015 étaient fondés sur la Rec. 15-
04.
Le groupe a discuté et a formulé plusieurs observations au sujet des derniers progrès accomplis quant aux
travaux sur la MSE concernant le germon de l'Atlantique Nord. Le groupe a avancé les suggestions ci-dessous
conformément aux composantes individuelles du processus de MSE.
3.1.1 Suggestions générales
Le groupe a noté que ce travail ne constitue pas seulement un pas en avant dans le dialogue actuel entre le SCRS
et la Commission, mais qu'il représente aussi un important effort de recherche de la part des scientifiques
impliqués. Même si la Commission avait convenu de mettre en œuvre rapidement une procédure de gestion, y
compris une HCR, pour le germon de l'Atlantique Nord, le SCRS aurait encore besoin de l'expertise pour
exécuter une MSE pendant un certain nombre d'années, car une fois qu'une HCR aura été acceptée, il sera
nécessaire de la revoir périodiquement. En outre, la Commission a clairement indiqué, par le biais de la Rec. 15-
07, qu'elle souhaite utiliser le concept de MSE pour gérer d'autres stocks de l'ICCAT.
Le groupe a également signalé que le but de ces types d'analyses est d'explorer les HCR les plus résistantes à une
série d'incertitudes. Même si le travail qui a été réalisé jusqu'à ce jour examinait déjà un certain nombre de
sources d'incertitude, de nouvelles incertitudes au-delà de celles considérées dans cette étude peuvent toujours
être prises en compte dans l'avenir.
Le groupe a noté que l'équipe de modélisation MSE avait fourni avant la réunion l'ensemble des codes, des
données d'entrée et de sortie de cette étude à travers le share point et le site github en vue de garantir la
transparence requise par le WGSAM.
3.1.2 Sous-modèle opérationnel
Le groupe a indiqué que les principales incertitudes quantifiées par le modèle Multifan CL ont été incorporées
dans les simulations de MSE. Toutefois, le document SCRS/2016/025 identifie les améliorations qui pourraient
éventuellement être incorporées dans le sous-modèle opérationnel. Le groupe a discuté de ces améliorations et en
a proposé d'autres.
Le groupe a suggéré que l'hypothèse d'utiliser une seule sélectivité pour les flottilles qui ont pêché le germon
dans un large éventail de son habitat et ont capturé des juvéniles et des adultes peut ne peut être adéquate. Dans
ce cas, le changement de ratio dans le montant de l'effort entre les zones tempérées et tropicales peut changer
dans une grande mesure la sélectivité de la flottille. Il a été souligné que, dans la MSE, de tels changements de
sélectivité pourraient être initialement représentés par le modèle d'erreur d'observation sans devoir structurer le
modèle opérationnel afin de le rendre spatialement explicite.
Il a également été suggéré d'examiner l'autocorrélation dans le recrutement qui ressort de la série temporelle du
recrutement estimée à partir de MULTIFAN CL en 2013. Après avoir examiné cette autocorrélation, le groupe a
suggéré que le sous-modèle opérationnel soit utilisé pour modéliser des scénarios supplémentaires
d'autocorrélation dans le recrutement. Des scénarios supplémentaires liés aux changements dans le régime de
recrutement doivent également être testés.
3.1.3 Sous-modèle d'erreur d'observation
Le groupe a observé que le coefficient de variation pour les CPUE utilisé dans cette analyse était fondé sur le
coefficient de variation provenant de l'évaluation Multifan CL de 2013 et que les valeurs de ce coefficient de
variation sont comparables aux autres études de MSE réalisées par des ORGP thonières. Il a toutefois été fait
remarquer que pour des coefficients de variation plus importants, le modèle de production simulé ne pourrait pas
ajuster le modèle de production excédentaire à l'indice d'abondance et n'a pas pu fournir de solutions viables.
1178
Le groupe a suggéré que le postulat d'une capturabilité constante servant à élaborer directement un indice
d’abondance devrait être révisé. Il a été suggéré d'inclure un scénario de capturabilité croissante dans les
simulations de la MSE. Dans ce scénario, les indices auraient la tendance historique de sous-estimer
constamment les changements de l'abondance qui augmenterait continuellement au cours du temps, ce qui
diffère du scénario d’hypersensibilité, actuellement considéré, selon lequel la sous-estimation dépend du niveau
de biomasse.
3.1.4 Procédure de gestion1
La MSE ne peut pas répondre à la question de savoir quelle série de CPUE estimée disponible pour les
différentes flottilles devrait être utilisée dans une évaluation ou dans la procédure de gestion. Tout au plus, elle
peut apporter des informations sur le type de caractéristiques qu'un indice d'abondance relative doit avoir pour
être efficace dans le cadre d'une procédure de gestion. Des indices entachés de beaucoup d'incertitudes ou des
indices qui ne suivent que certaines parties de la population pourraient être testés.
En outre, il a été suggéré qu'un modèle d'évaluation autre qu'un modèle de production devrait être testé dans le
cadre de la procédure de gestion. Un modèle d'évaluation potentiel pourrait être un un modèle à différences
retardées capable de prédire les dynamiques de recrutement séparément de celles du stock mature. Un tel modèle
pourrait utiliser plus efficacement les indices d'abondance relative disponibles pour les juvéniles de germon de
l’Atlantique Nord. Ces modèles à différences retardées se sont révélés être plus performants dans le contexte de
la MSE (Carruthers et al. 2016) que de nombreux autres modèles d'évaluation, y compris les modèles de
production. L'adoption de ce nouveau modèle d'évaluation devrait être évaluée, étant donné que cela
représenterait un changement de la pratique actuellement utilisée par le groupe.
Le groupe a noté que les points de référence obtenus à partir des modèles de production excédentaire supposent
que la sélectivité ne présente aucun changement tout au long de la série temporelle. Cela implique que les
changements de productivité liés aux changements de sélectivité peuvent ne pas être totalement pris en compte si
l'on choisit un modèle de production excédentaire comme modèle d'évaluation. Il conviendrait d'évaluer, dans les
travaux futurs, les questions liées au biais et à la correction des objectifs de production obtenus à partir de
modèles de production excédentaires.
Le groupe a également recommandé de se concentrer sur les causes d'échec de certains scénarios dans les
analyses (le modèle d'évaluation n'a pas pu ajuster les observations simulées). Il serait utile de savoir si les
échecs de ces scénarios sont liés à des problèmes de convergence dans l'estimation ou s'ils reflètent des
défaillances dans la structure du modèle opérationnel ou du modèle d'erreur d'observation.
À la demande du groupe de travail, l'équipe MSE a précisé que les probabilités et les délais prévus par la Rec.
15-04 ont été incorporés dans les travaux de MSE réalisés jusqu'à présent.
3.1.5 Sous-modèle de mise en œuvre
La possibilité d'ajouter un biais dans la mise en œuvre des mesures de gestion, c'est-à-dire pêcher
systématiquement plus ou moins le montant du TAC devrait être envisagée. Il a été signalé que depuis que la
Commission a adopté des TAC s'appliquant au germon, les prises se sont situées généralement à un niveau
inférieur au TAC, un biais directionnel dans l'erreur de mise en œuvre pourrait donc être examiné.
3.2 Implications pour l'évaluation actuelle
Le modèle d'évaluation actuel de MSE est un modèle de production excédentaire. Les résultats de l'évaluation
MSE et d'autres travaux antérieurs (p. ex. Maunder 2003) donnent à penser qu'un modèle de production
asymétrique (Pella et Tomlinson, Fox, etc.) explique mieux les dynamiques du stock du germon de l'Atlantique
Nord et ce modèle devrait être utilisé dans l'évaluation (ceci est probablement le résultat du conditionnement du
modèle opérationnel avec les scénarios spécifiques MULTIFAN CL de 2013). Les simulations de la MSE ont
également mis en évidence les avantages d'avoir des priors sur r et K, des paramètres qui sont difficiles à estimer
compte tenu des jeux de données disponibles pour le modèle de production.
Les changements de la sélectivité des flottilles qui pêchent des juvéniles et des adultes dans une vaste zone du
stock sont mieux gérés par d'autres définitions de la flottille capables de tenir compte des différences dans la
répartition spatiale de l'effort (par exemple, les flottilles palangrières tropicales et tempérées).
1 Également dénommée « stratégie de gestion ».
1179
La simulation a suggéré que, compte tenu des changements potentiels de la productivité dans le passé, un modèle
de production ajusté à une période récente (à partir de 1975) était en mesure d'imiter les tendances de
l'abondance du modèle opérationnel depuis 1975.
3.3 Contribution à la prochaine réunion de la Sous-commission 2 de la Commission à Sapporo
Le groupe s'est penché sur les Recommandations 15-04 et 15-07 afin d'évaluer la contribution potentielle que ce
groupe et le SCRS pourraient fournir à la réunion de la Sous-commission 2 de la Commission qui aura lieu en
juillet à Sapporo. Le groupe a noté que la réunion de la Sous-commission 2 vise à fournir l'occasion de
poursuivre le dialogue au sujet de la MSE entre les scientifiques, les parties intéressées et la Commission. Ces
deux dernières années, ce dialogue avait été mené dans le cadre de la réunion du SWGSM de l'ICCAT. En 2015,
la Commission a décidé que les discussions sur la MSE s'appliquant à un stock spécifique devraient faire partie
des différentes réunions des Sous-commissions de la Commission.
Le Président du SCRS a exposé des idées sur ce qui peut être inclus dans une présentation concernant la MSE
appliquée au germon à la réunion de la Sous-commission 2 de Sapporo. Le groupe a fait part de nombreux
commentaires sur le contenu de la présentation, y compris des suggestions quant à :
mieux expliquer l'historique du travail de MSE à l'ICCAT ;
dûment reconnaître les efforts déployés par les scientifiques impliqués dans le travail actuel de l'ICCAT
concernant la MSE appliquée au germon de l'Atlantique Nord ;
simplifier le contenu de certaines idées présentées, y compris des propositions concernant l'utilisation
d'analogies plus simples sur le concept de la gestion des risques ;
ajouter une mention aux avancements concernant le groupe de travail sur la MSE des ORGP thonières :
en ce qui concerne la participation d'experts d'autres disciplines, telles que l'ingénierie, en vue
de contribuer à développer des HCR potentielles,
en ce qui concerne des tentatives d'unification de la terminologie utilisée pour décrire le
processus de MSE, en vue de faciliter la communication entre et au sein des ORGP thonières
proposer à la Sous-commission 2 d'inclure lors de la réunion un jeu afin de chercher à comprendre
comment les parties prenantes perçoivent les compromis en matière de performances, comme cela a été
fait lors de la réunion du SWGSM de 2015 ; et
formuler des suggestions sur les prochaines étapes que l'ICCAT peut suivre après la réunion de la Sous-
commission 2.
Le Président du SCRS a accepté toutes les suggestions et a proposé de préparer deux présentations différentes
sur le travail de MSE, une présentation plus simple et incluant moins de détails techniques pour la réunion de la
Sous-commission 2 et une présentation plus élaborée pour la séance plénière du SCRS.
3.4 Évaluer les risques d'erreur des décisions de gestion
Une présentation a été donnée (SCRS/P/2016/021) sur le travail fondé sur une approche de simulation élaborée
en utilisant les caractéristiques du cycle de vie du germon et en testant les points de référence limites et cibles
fondés respectivement sur BPME, et opérant à des niveaux de FPME. L’auteur de la présentation a fait valoir que
les gestionnaires devraient déterminer le meilleur équilibre entre le risque pour la ressource et les niveaux de
capture optimale à long terme pour le stock géré. L’effet de l’objectif de pêcher à des niveaux cibles et le risque
de descendre en dessous des points de référence limites a été évalué en considérant les avantages et les
inconvénients en présence d'une auto-corrélation dans l’erreur de processus. Les temps de récupération au point
de référence cible et au-delà des points de référence limites ont été calculés en tant qu'indicateur de performance.
L'approche présentée affiche la probabilité que des événements indésirables surviennent et évalue différents
résultats en fonction des seuils et des taux spécifiés auxquels les stocks sont pêchés. Un concept d'erreurs de type
I et de type II a été présenté, lequel définit principalement la probabilité de prendre une mesure de gestion
lorsque que cela n'était pas nécessaire (faux positif, risque de prendre une mesure de gestion de la pêche) par
rapport à l'absence de prise de mesure de gestion quand cela s'avérait nécessaire (faux négatif, risque de ne pas
parvenir à protéger la ressource lorsque cela est nécessaire).
À titre d'illustration, l'auteur de la présentation a démontré à quel point cette approche pourrait fonctionner pour
un stock théorique de germon de l'Atlantique Nord conditionné par les résultats obtenus en 2013 au moyen de
Multifan-CL. Le groupe a noté la pertinence de cette présentation et se félicite des résultats montrant la
probabilité des erreurs de type I et II. Le groupe a discuté de la façon dont l'impact de l'autocorrélation a une
incidence sur la résilience du stock, à savoir le temps nécessaire pour se rétablir à des niveaux supérieurs à Blim
1180
lorsqu'il chute en dessous de ce point de référence. Le groupe a également noté que l'analyse d'autocorrélation
figurant dans cette présentation peut contribuer aux travaux sur la MSE en cours d'élaboration pour le germon de
l'Atlantique Nord et d'autres stocks de l'ICCAT. Le groupe a encouragé l'auteur de la présentation à préparer un
document SCRS sur ce sujet et à le présenter à la réunion du groupe d’espèces sur le germon à la fin du mois de
septembre.
4 Évaluation des stocks
4.1 Stock du germon de l’Atlantique Nord
Dans l'évaluation de 2013, plusieurs formulations de modèle (MFCL, SS3, VPA et ASPIC) présentant divers
niveaux de complexité ont été utilisées. Cela a permis de modéliser différents scénarios représentant différentes
hypothèses et de caractériser l'incertitude entourant l'état des stocks. Les résultats ont montré que, même si la
gamme des points de référence de gestion estimés était relativement large, la plupart des modèles indiquaient que
le stock était surexploité, mais qu'il ne faisait actuellement pas l'objet de surpêche (Anon., 2014). Ces modèles de
toutes les plateformes affichaient une baisse de la biomasse du stock de 1930 à environ 1990 et une tendance
croissante de la biomasse à partir de l'année 2000 environ. De même, la plupart des modèles dans toutes les
configurations présentaient un niveau record de la mortalité par pêche en 1990 environ et une tendance à la
baisse par la suite. Les analyses réalisées en 2013 ont requis beaucoup de temps de préparation et d'examen des
données et le groupe a suggéré que les futures mises à jour des évaluations soient réalisées au moyen de modèles
plus simples (p.ex. modèles de production).
Les projections de l'évaluation de 2013 ont été réalisées au moyen de sept scénarios ASPIC (tenant compte de
différents ensembles d'indices de CPUE) et prévoyaient un rétablissement du stock d'ici 2019 avec 53% de
probabilités selon le TAC actuel fixé à 28.000 t et plus rapidement si les prises restaient à un niveau inférieur.
Au cours des trois dernières années (2012-2014), les prises étaient inférieures au TAC (en moyenne, 25.658 t).
En 2016, l'algorithme Biodyn pour un modèle dynamique de biomasse fondé sur ADMB, disponible dans le
paquet mpb de la plateforme du projet FLR (www.flr-project.org), a été utilisé pour réaliser l'évaluation du stock
de germon de l’Atlantique Nord. Biodyn a été validé par rapport à ASPIC dans le document SCRS/2016/027, car
il fournit les mêmes résultats en utilisant les données d'entrée et les postulats de l'évaluation de 2013, et il s'agit
de l'algorithme utilisé dans le cadre de la MSE (p.ex. SCRS/2016/015).
Pour l'évaluation de 2016, le groupe a retenu cinq séries de CPUE à utiliser dans un cadre de modèle de
production (cf. point 2.3). Ces indices affichaient une tendance globale ascendante vers la fin de la série
temporelle (figure 12), ce qui pourrait refléter la tendance ascendante du stock au cours de cette période de
prises relativement faibles. À la suite du document SCRS/2016/028, le groupe a considéré dans un premier
temps les ajustements des indices individuels aux séries temporelles de capture. Néanmoins, le groupe ne
disposait pas de base lui permettant de déterminer quelle serait la série de CPUE la plus à même de représenter
l'abondance. En fait, le groupe a reconnu que les différentes flottilles opérant dans différentes zones de
l'Atlantique Nord pourraient fournir de manière conjointe un meilleur signal de la tendance du stock que les
CPUE de flottilles individuelles. Sur cette base, le groupe a décidé d'envisager d'utiliser les cinq CPUE de
manière conjointe dans le scénario du cas de base et de les pondérer équitablement.
Par la suite, le groupe s'est demandé s'il était plus opportun de considérer que la série de capture débute en 1975
ou en 1930. Les simulations effectuées dans le document SCRS/2016/028 suggèrent qu'un modèle de production
est plus en mesure d'imiter les tendances de l'abondance MFCL depuis 1975 que depuis 1930. Cela peut
s'expliquer par le fait que le modèle de production postule une productivité constante pendant toute la période
temporelle, et ne peut pas expliquer certaines tendances de l'abondance découlant de changements de régime qui
produisent d'importantes variations du recrutement au fil du temps. Cependant, l'ajustement du modèle de
production depuis 1930 coïncide avec la pratique utilisée dans l'évaluation de 2013, et l'ajustement aux données
de prise depuis 1975 impliquerait un postulat supplémentaire au sujet de l'état des stocks en 1975, alors que le
postulat concernant l'état du stock en 1930 pourrait être plus facilement justifiable. Pour le cas de base, un niveau
de biomasse inexploitée en 1930 a été postulé, et un modèle Fox (à savoir, BPME = 0,36*K) a été utilisé,
contrairement à l'évaluation des stocks 2013 (voir point 3).
Les résultats du scénario du cas de base pour le germon de l'Atlantique Nord sont présentés dans le tableau 12 et
la figure 13. Le groupe a noté que le taux de croissance intrinsèque estimée (r = 0,09) était très faible par rapport
à, par exemple, celui estimé dans les modèles opérationnels considérés pour la MSE, l'évaluation de 2013 ou le
1181
stock du Sud. Les profils de vraisemblance partielle ont suggéré que les indices contenaient peu d'informations et
que celles-ci étaient parfois contradictoires au sujet de ce paramètre (figure 14). La capacité de charge estimée
(K) était supérieure à106 t, et il a été estimé que la production maximale équilibrée s'élevait à 37.082 t. Les
valeurs résiduelles de la CPUE affichaient quelques schémas (figures 15 et 16). Les valeurs résiduelles pour
l'indice palangrier du Taipei chinois présentaient la tendance résiduelle la plus forte. Les indices des palangriers
des États-Unis et des palangriers du Venezuela ont également montré une certaine structure temporelle, tandis
que les valeurs résiduelles des palangriers japonais et des canneurs espagnols ont été distribuées de manière plus
aléatoire autour de zéro, avec une variance relativement constante. Ces schémas résiduels reflètent les différents
signaux fournis par les CPUE de ces pêcheries dans leurs différentes zones d'activité.
La figure 17 montre les tendances de la biomasse et de la mortalité par pêche au fil du temps tel que le cas de
base les ont estimées. Les résultats suggèrent une baisse de la biomasse entre les années 30 et les années 90 et un
rétablissement par la suite. En ce qui concerne les points de référence de la PME, le scénario du cas de base
estime que le stock s'est rétabli à des niveaux supérieurs à BPME. Le diagramme de phase de Kobe du scénario du
cas de base obtenu par bootstrap présente un schéma typique du développement, de la surexploitation et du
rétablissement de ce stock (figure 18). L'incertitude entourant l'état actuel du stock présente une forme claire
déterminée par la forte corrélation existant entre r et K estimée par le modèle de production. La probabilité que
le stock se situe actuellement dans le quadrant vert du diagramme de Kobe (stock non surexploité et ne faisant
pas l’objet de surpêche, F<FPME et B>BPME) s'élève à 96,8% alors que la probabilité de se situer dans le quadrant
jaune (stock surexploité ou faisant l'objet de surpêche, F>FPME ou B<BPME) s'élève à 3,2%. La probabilité de se
situer dans le quadrant rouge (surexploité et victime de surpêche, F>FPME et B<BPME) s'élève à 0% (figure 19).
Le groupe a réalisé plusieurs analyses de sensibilité, notamment en considérant une fonction de production
logistique, le contenu informatif des données, p.ex. la longueur de la série temporelle de capture (tronquée en
1975) et l'impact de la suppression de l'un des cinq indices de CPUE à un moment donné. Les estimations
historiques de la biomasse absolue n'étaient pas très sensibles à l'effet d'avoir tronqué la série temporelle en 1975
et les fonctions de production estimées dans les deux scénarios ont donné lieu à une augmentation similaire de la
biomasse ces dernières années (figure 20). D'autres scénarios ont toutefois démontré une plus grande sensibilité
des tendances historiques de la biomasse absolue (pendant la période antérieure à 1975 pour laquelle seules les
informations des prises ont été considérées), ainsi que K et r, aux données utilisées (figure 21). En ce qui
concerne les points de référence de la PME, les sensibilités historiques ont été réduites, mais les indicateurs de
l'état récent étaient plus sensibles. Lorsqu’une fonction logistique était postulée dans le modèle d’évaluation de
la dynamique de la biomasse, des valeurs plus faibles de B/BPME ont été prédites pour la trajectoire tout au long
de la série temporelle, alors que l'exclusion de l'indice palangrier du Taipei chinois s'est traduite par un niveau
beaucoup plus élevé de B/BPME au cours de la période récente. Les analyses de sensibilité par rapport aux
autres indices ne montraient pas d'écarts importants par rapport au cas de base et ils prédisaient tous que le stock
se situait dans le quadrant vert (figure 22), même si l'état récent variait d'un scénario à l'autre.
Finalement, le groupe a noté que, tandis que la trajectoire B/BPME affichait un schéma rétrospectif fort (figure
23), toutes les trajectoires rétrospectives montraient une amélioration de l'état des stocks pendant la période la
plus récente. Même si le schéma rétrospectif n'était pas clairement systématique et l'influence des points de
données individuels était hétérogène, ils donnaient à penser que l'estimation de l'état actuel des stocks pourrait
être fortement surestimée, et il pourrait donc ne pas être approprié de projeter vers l'avant et de formuler un avis
en se fondant sur cette projection, étant donné que le résultat de cette projection pourrait se révéler inexact à
l'avenir. Pour dissiper cette préoccupation, le groupe a décidé d'analyser l'effet de ce schéma rétrospectif observé
sur la matrice de Kobe projetée, afin d'évaluer la solidité de l'avis (reposant sur la projection du cas de base) par
rapport au schéma rétrospectif observé. Cette question est abordée au point 5.1.
En résumé, les informations disponibles indiquent que le stock s'est amélioré et qu'il se situe très probablement
dans le quadrant vert du diagramme de Kobe, même si l'état exact du stock n'est pas bien déterminé.
4.2 Stock du germon de l’Atlantique Sud
4.2.1 ASPIC
Méthodes
Le document SCRS/2016/069 présentait un modèle de production excédentaire en conditions de non-équilibre
pour le stock de germon de l'océan Atlantique Sud, en utilisant le logiciel ASPIC v. 5.34. Les flottilles ont été
classées de la même manière que dans l'évaluation de 2013 (tableau 13). La prise de chaque flottille (tableau
1182
14) a été calculée en se fondant sur les données de tâche I au 19 avril 2016. Le tableau 15 présente les indices de
CPUE utilisés dans les modèles. Les indices de CPUE pour les mêmes flottilles que celles de la dernière
évaluation ont été utilisés dans les scénarios du cas de base qui est fondé sur les décisions arrêtées à la réunion de
préparation des données sur le germon de 2013. Plusieurs flottilles n'ont pas d'indice de CPUE. Quatre modèles,
qui présentent les mêmes configurations que celles de la dernière évaluation, ont été examinés (tableau 16).
Au terme des discussions tenues, le groupe a convenu que la CPUE palangrière japonaise antérieure à 1975 et
postérieure à 2012 ne devrait pas être incluse dans le modèle en raison du changement de ciblage du germon (cf.
point 2.3). Les autres spécifications du modèle ASPIC sont les mêmes que celles de la dernière évaluation.
État et diagnostics
En règle générale, tous les modèles ont prédit qu'à un moment donné dans le passé récent, le stock de germon du
Sud avait fait l'objet de surpêche et avait été surexploité. Ces dernières années, le B-ratio a connu une
augmentation et le F-ratio une diminution. Il semblerait que la pression de la pêche a diminué ces dernières
années, ce qui s'est traduit par une augmentation ultérieure de la biomasse du stock.
Les résultats fondés sur les quatre cas de base suggéraient que le niveau d'exploitation de ces dernières années
était similaire pour les quatre cas (B2015/BPME oscillait entre 0,937 et 1,147 et F2014/FPME entre 0,489 et 0,573,
figure 24 et tableau 17). Afin d’élaborer des intervalles de confiance, 500 essais de bootstrap ont été réalisés
pour chaque modèle. Les résultats obtenus par bootstrap des quatre cas sont présentés à la figure 25 (diagramme
de Kobe I). Pour tous les scénarios, une partie des résultats a abouti dans le quadrant vert du diagramme de Kobe
(non surexploité et non victime de surpêche). Il est estimé que la PME oscille entre 25.080 t et 26.920 t (tableau
17), ce qui se double environ la prise totale de 2014 (13.677 t).
Plusieurs analyses rétrospectives et de sensibilité ont été réalisées pour un scénario (scénario 8) du modèle
ASPIC (tableau 18, figure 26). Dans le scénario qui débute en 1975, B1/K a été établi à 0,6, ce qui a été calculé
à partir de K et de la biomasse en 1975 estimée dans le cas de base. Du fait des analyses de sensibilité, le B-ratio
de la période initiale a changé avec un B1 / K différent et l'utilisation exclusive de l'indice de la période des
prises accessoires palangrières du Japon a donné lieu à des résultats plus optimistes. Le scénario qui commence
en 1975 était également le plus optimiste. Le scénario incluant la CPUE des canneurs sud-africains n'a pas
convergé. Les résultats d’autres analyses de sensibilité étaient très similaires à ceux du cas de base. En ce qui
concerne les analyses rétrospectives, seules de légères différences ont été observées lorsque les données des six
dernières années ont été supprimées. Les modèles qui ont supprimé les données des 7 ou 8 dernières années n'ont
pas convergé. Une légère surestimation du B-ratio a été observée ces dernières années, mais la différence
s'inscrivait dans une fourchette de l'ordre de 10% de sorte que le modèle affichait des résultats comparativement
solides.
4.2.2 Modèle de production excédentaire bayésien (BSP)
On a utilisé le modèle de production excédentaire bayésien (BSP) qui avait été appliqué au stock de germon de
l'Atlantique Sud dans l'évaluation de 2013 en utilisant trois années supplémentaires de données de capture (1956-
2014) et la série de CPUE recommandée par le groupe, à savoir la palangre du Taipei chinois entre 1967 et 2014,
la palangre japonaise entre 1976 et 2011 et la palangre uruguayenne entre 1983 et 2011. Les priors informatifs
étaient les mêmes que ceux utilisés en 2013. Des diagrammes de Kobe ont également été élaborés. Les
estimations de l'état actuel du stock dépendent en grande mesure du type de méthode utilisée pour pondérer les
points de données de la CPUE, les scénarios de pondération égale donnant lieu à une meilleure convergence.
Une pondération égale s'est traduite par des résultats plus optimistes, alors que les résultats de pondération par
prise étaient plus pessimistes.
Méthodes
Le modèle bayésien de production excédentaire (BSP) a été appliqué au germon de l'Atlantique Sud pour les
quatre scénarios du cas de base qui ont été utilisés pour ASPIC. Les modèles utilisés étaient les suivants : (1)
pondération égale des indices, modèle Schaefer, (2) pondération par prise, modèle Schaefer, (3) pondération
égale, modèle Fox avec BPME/K=0,37 et (4) pondération par prise, modèle Fox avec BPME/K=0,37. En raison de
la pondération égale des indices, des problèmes de convergence du modèle sont survenus, et la pondération
totale a été ramenée à 1/100. Les distributions a priori bayésiennes de l'évaluation de 2013 ont été utilisées dans
les quatre cas de base du modèle. La distribution a priori de la biomasse de 1956 par rapport à K était lognormale
avec une moyenne de 0,9 et un écart-type logarithmique de 0,1 impliquant que la population était pratiquement
1183
non exploitée au cours de la première année de la pêcherie. La distribution à priori de K était uniforme sur
l’échelle logarithmique. Un prior alternatif du taux intrinsèque de l’augmentation de la population r a été élaboré
tel que présenté dans Babcock (2012) et l'évaluation de 2013, et a été calculé par approximation par une
distribution t avec une moyenne de 0,2, une variance de 0,025 et une df de 10.
Le programme BSP utilisant R et JAGS, la version améliorée de celle disponible dans le catalogue ICCAT des
méthodes, a été utilisé pour estimer les distributions marginales postérieures au moyen de l'algorithme MCMC.
État et diagnostics
À l'instar des quatre cas de base de ASPIC, les deux modèles de pondération égale de BSP estimaient une
augmentation de la biomasse et une diminution de la mortalité par pêche depuis le début des années 2000
(figures 24 et 25). Deux cas de base de pondération par prise ont estimé un taux de capture à la baisse depuis la
dernière évaluation des stocks tandis que la biomasse diminuait légèrement. L'état actuel, par rapport à BPME et
HPME (ratio de capture au niveau de la PME), dépendait toutefois de la formulation du modèle (figure 26,
tableaux 17 et 19) : deux cas de base de pondération égale et un cas de base de pondération par prise estimaient
que le stock n'est pas surexploité et ne fait pas l'objet de surpêche, et un scénario du cas de base à pondération
par prise estimait que le stock est surexploité, mais ne fait pas l'objet de surpêche. Les quatre cas de base
estimaient un taux de croissance intrinsèque (r) plus élevé et une biomasse initiale plus basse que dans le cas de
ASPIC (voir aussi figures 27 et 28). Trois des quatre cas de base indiquaient que le B-ratio avait augmenté et
que le taux de capture avait diminué (H-ratio) par rapport à la dernière évaluation des stocks, et seul le modèle de
Fox de pondération par prise a donné lieu à une diminution du B-ratio et à une augmentation du H-ratio, ce qui
s'expliquerait par la forte diminution de la PME estimée (tableau 17). Les intervalles de confiance des
estimations de B/BPME et de F/FPME ont tendance à être plus larges dans les modèles de pondération égale que les
modèles de pondération par prise (figure 24). Certains diagnostics de convergence, par exemple Rhat et Neff pour
r et K, semblaient appropriés (cf. figures 29 et 30), mais certaines tendances ont également été observées. Ainsi,
la convergence du modèle pourrait poser problème, ce qui pourrait devoir être étudié plus en profondeur à
l'avenir.
4.2.3 Résumé de l'état du stock
Six des huit scénarios indiquaient que le stock n'est pas surexploité et qu'il ne fait pas l'objet de surpêche, et les
deux autres scénarios indiquaient que le stock est surexploité, mais qu'il ne fait pas l'objet de surpêche
(tableau 17). Tous les scénarios ASPIC et deux scénarios de BSP estimaient un B-ratio plus élevé que lors de la
dernière évaluation des stocks, et tous les scénarios ASPIC ainsi que trois scénarios de BSP estimaient un F-
ratio/H-ratio plus bas que lors de la dernière évaluation des stocks (tableau 17). Ceci indiquait que l'état actuel
du stock du Sud s'est amélioré depuis la dernière évaluation des stocks et que le stock se situerait dans le
quadrant vert du diagramme de Kobe avec une probabilité élevée.
5 Projections
5.1 Stock du germon de l’Atlantique Nord
Les résultats présentés à ce point ont été obtenus en projetant en avant les estimations de la population de 2014
figurant au point 4.1. Pour 2015 et 2016, une prise de 26.000 t a été postulée (cf. section 2.2). La population à
partir de 2017 a été projetée avec un TAC alternatif et des règles de contrôle de l'exploitation (HCR, en tant que
combinaisons de la mortalité par pêche cible (Fcible), le niveau seuil de la biomasse (Bseuil) et le point de référence
limite intermédiaire de la biomasse (Blim). Les 500 résultats obtenus par bootstrap du cas de base ont été projetés.
Les autres règles de contrôle de l'exploitation incluent d'autres mortalités par pêche cible [Fcible= (0,7, 0,75, 0,8,
0,85, 0,9 et 1) x FPME], des niveaux seuils de biomasse de (0,6, 0,8 et 1) x BPME et un point limite de référence de
la biomasse de BLim=0,4 x BPME. Dans le cadre de ces projections vers l'avant, les HCR sont évaluées tous les
trois ans et la mortalité par pêche est projetée en postulant une mise en œuvre parfaite.
Les résultats des projections du cas de base sont illustrés à la figure 31 et aux tableaux 20 et 21 qui indiquent la
probabilité projetée de se situer dans le quadrant vert du diagramme de Kobe à l'horizon temporel indiqué. Dans
le cas des projections de HCR, la prise moyenne escomptée pour les trois premières années ainsi que la prise
cumulée pour chaque future période quinquennale sont également présentées. La figure 32 montre la probabilité
que le stock se situe dans le quadrant vert du diagramme de Kobe et l'effet du schéma rétrospectif sur l'avis de
gestion fondé sur le cas de base projeté. Cette analyse suggère un effet négligeable du schéma rétrospectif sur
1184
l'état du stock. Les matrices de Kobe obtenues à partir de tous les scénarios rétrospectifs projetés sont très
similaires et ne présentent pas de schéma systématique, même si l'état actuel du stock qui est projeté varie de
manière très significative d'un scénario à l'autre (cf. figure 23).
Ces K2SM projettent des niveaux de capture durable beaucoup plus élevés que ceux de la plupart des évaluations
antérieures. Lors de la discussion, le groupe a constaté que les projections ne tiennent pas pleinement compte de
nombreuses autres sources d'incertitude (à savoir, l'incertitude du modèle, telle que la structure et les postulats du
modèle) qui devraient être évaluées au moyen d'une MSE. Par conséquent, le groupe a déclaré ne pas avoir
extrêmement confiance dans les probabilités projetées à partir de cette évaluation (K2SM).
5.2 Stock du germon de l’Atlantique Sud
5.2.1 Projections d’Aspic
Sur la base de l'examen par bootstrap (500 fois) de chaque scénario, des projections ont été réalisées. La période
de projection choisie s'étale sur 16 ans (2015-2030). La prise constante future a été établie entre 12.000 et
34.000 t (avec des intervalles de 2.000 t) ou on a postulé un F constant de 0,75*FPME à 1,00*FPME (avec des
intervalles de 0,05*FPME). La prise de 2015 (15.570 t) a été estimée en se fondant sur la prise déclarée ou la
moyenne des trois dernières années et il a été postulé que la prise de 2016 équivalait à la moyenne de 2013-2015
(16.170 t) tant dans le cas du scénario de prise constante que du scénario de F constant.
Le programme ASPICP ver. 3.16 a été utilisé pour réaliser les projections. Les résultats de ces projections de
prise constante et de F constant sont présentés aux figures 33 et 34 respectivement, qui illustrent la médiane de
la trajectoire selon différents scénarios. La figure 35 présente la production prévue selon un scénario de F
constant. Les matrices de Kobe II montrant les probabilités de B>BPME, F<FPME, et B>BPME, + F<FPME (quadrant
vert du diagramme de Kobe) selon différents scénarios de prise constante et niveaux de F sont présentées au
tableau 22 pour chaque scénario ASPIC. Selon une prise constante, il est escompté que la médiane de la
biomasse se situe dans le quadrant vert du diagramme de Kobe en 2020 avec au moins 60% de probabilités pour
des TAC de 26.000 t ou moins selon trois des quatre scénarios et de 24.000 t ou moins selon le scénario de
pondération égale de Fox. Selon les projections de F constant, 90 à 95%, ou un pourcentage inférieur, du niveau
de FPME, ont atteint le quadrant vert de Kobe à moyen et long terme avec une probabilité supérieure à 60%.
5.2.2 Projections de BSP
Les scénarios projetés sont fondamentalement les mêmes que ceux d'ASPIC dans le cas de l'Atlantique Sud.
Selon une prise constante, il est escompté que la médiane de la biomasse se situe dans le quadrant vert de Kobe
en 2020 avec au moins 60% de probabilités avec des TAC oscillant entre 18.000 et 34.000 t, selon le scénario
(tableaux 23 et 24, figures 36 et 37). Avec des taux de prise constante, les taux de capture inférieurs à HPME ont
permis à la population de rester à un niveau supérieur à BPME avec une probabilité élevée. Lorsque H est égal à
HPME, tous les scénarios, à l'exception du scénario « logistique de pondération par prise » ont permis à la
population de rester à un niveau supérieur à BPME.
5.2.3 Projections pour l’Atlantique Sud
En combinant les huit scénarios ASPIC et BSP avec des pondérations égales, la matrice de Kobe (tableaux 24 et
25) indique que les prises qui permettent au stock de situer dans le quadrant vert de Kobe en 2020 avec au moins
60% de probabilités oscillaient entre 18.000 et 34.000 t, la moyenne se situant à 25.750 t et la médiane à 26.000
t.
6 Recommandations de gestion
6.1 Stock du germon de l’Atlantique Nord
La Recommandation 15-04 fixe l'objectif de maintenir le stock dans le quadrant vert du diagramme de Kobe
avec 60% de probabilités tout en maximisant la production à long terme et, si B<BPME, de le rétablir d'ici 2020 au
plus tard, tout en maximisant la prise moyenne et en minimisant les fluctuations interannuelles dans les niveaux
du TAC. Les simulations menées jusqu'à présent suggèrent que des HCR incluant des combinaisons de Fcible se
situant en dessous de FPME avec des valeurs de Bseuil inférieures à BPME donnent lieu à des compromis
raisonnablement bons entre les objectifs de durabilité et la rentabilité et la stabilité de la pêche. Cependant,
1185
même si certaines de ces règles de contrôle de l'exploitation ont été testées dans un cadre MSE par rapport à ces
objectifs parfois contradictoires, des travaux supplémentaires sont nécessaires pour les tester intégralement par
rapport à une gamme plus complète d'incertitudes.
Le groupe a noté que l'abondance du germon de l'Atlantique Nord a continué à se rétablir au cours des dernières
décennies et se situe probablement dans une partie du quadrant vert du diagramme de Kobe. Cependant, en
l'absence de davantage d'informations (cf. point 7), l'ampleur du rétablissement n'est pas bien déterminée et reste
sensible à de nombreuses hypothèses différentes. Cela nuit à la capacité du groupe de quantifier de manière
fiable les effets d'un futur TAC ou de scénarios de HCR sur l'état du stock, tant que d'autres sources d'incertitude
et la solidité de l'avis n'auront pas été évaluées à l'avenir par le biais d'une MSE et/ou d'une évaluation du niveau
de référence du stock après avoir rassemblé suffisamment de nouvelles informations. Sur la base des analyses
effectuées en 2016 ainsi qu'en 2013, le groupe estime que le TAC actuel permettrait de maintenir les objectifs à
long terme de la Commission, tel que le spécifie la Rec. 15-04. Compte tenu de l'incertitude entourant l'état
actuel du stock et les projections, le groupe est incapable de formuler un avis sur les risques associés à une
augmentation du TAC. Par conséquent, le groupe ne recommande pas d'augmenter le TAC. Si la Commission
décide d'augmenter le TAC, le groupe recommande de le faire avec un niveau élevé de précaution, et avec
l'exigence d'un meilleur suivi des indicateurs de stock (informations sur les tailles, la prise et l’effort au niveau
opérationnel de l'ensemble des flottilles). En outre, le groupe rappelle à la Commission que sa capacité de suivre
les changements de l'abondance du stock est actuellement limitée aux données dépendantes des pêcheries et il est
souhaitable d'évaluer d'autres outils indépendants des pêcheries afin de pouvoir fournir de meilleures
informations aux fins du suivi de l'état des stocks.
6.2 Stock du germon de l’Atlantique Sud
Les différents scénarios de modèle pris en compte dans l'évaluation du stock de germon de l'Atlantique Sud
fournissent des visions différentes des futurs effets des mesures de gestion alternatives. La matrice de Kobe
montre que les captures qui permettent au stock de se situer dans le quadrant vert du diagramme de Kobe en
2020 avec au moins 60 % de probabilités oscillent entre 18.000 et 34.000 t, selon le scénario considéré. Si l'on
considère l'ensemble des scénarios tout aussi probables, la capture moyenne s'élève à 25.750 t et la médiane à
26.000 t.
Des projections à un niveau conforme au TAC de 2016 (24.000 t) ont fait apparaître que la probabilité de se
situer dans le quadrant vert du diagramme de Kobe selon tous les scénarios passerait à 63% d'ici 2020. Une
réduction supplémentaire du TAC augmenterait la probabilité de se situer dans le cadrant vert dans ces délais.
D'autre part, les prises supérieures à 26.000 t ne permettront pas de maintenir le stock dans le quadrant vert avec
au moins 60% de probabilités d'ici 2020.
7 Recommandations sur la recherche et les statistiques
Le groupe a reconnu qu'il était nécessaire d'intégrer des études environnementales dans les évaluations
du germon et d'autres espèces. Le groupe a reçu de nouvelles informations donnant à penser que la
profondeur de la couche mixte pourrait avoir une incidence sur la capturabilité des pêcheries de surface.
Le groupe a recommandé que des recherches supplémentaires soient réalisées afin de confirmer cette
question et a recommandé d'examiner des sources d'informations environnementales historiques
susceptibles de contribuer à intégrer cette information dans les standardisations de CPUE des pêcheries
de surface.
Le groupe a recommandé d'accroître les efforts en vue d'obtenir des séries historiques de capture,
d'effort, de prise par taille, de distribution géographique et d'autres informations halieutiques connexes
de la pêcherie des chalutiers semi-pélagiques français et d'autres pêcheries.
Le groupe a recommandé que le Secrétariat prenne contact avec le Taipei chinois afin d'obtenir la prise
par taille révisée par mois et en carrés de 5ºx5º.
Le groupe s'est montré préoccupé par le fait que les déplacements et le changement de ciblage des
pêcheries palangrières peuvent avoir eu une incidence sur les tendances de leurs séries standardisées de
CPUE. Par conséquent, le groupe a recommandé de chercher de façon approfondie de meilleurs moyens
pour intégrer les effets spatiaux et de ciblage dans la standardisation de la CPUE. Le groupe a noté que
plus de crédit devrait être accordé aux indices de CPUE fondés sur des données opérationnelles, étant
donné que les analyses de ces données peuvent prendre plusieurs facteurs en compte, et les analystes
sont mieux en mesure de vérifier les données et de détecter des incohérences et des erreurs. L'examen
1186
des données de niveau opérationnel provenant de toutes les flottilles palangrières de l'Atlantique ciblant
le germon (Rép. de Corée, Japon, Taipei chinois, UE-Espagne, UE-Portugal, États-Unis, Uruguay,
Brésil, Venezuela) fournira un meilleur aperçu de la situation du stock, particulièrement si certains jeux
de données présentent une plus faible taille d'échantillonnage ou un effort plus faible pour certaines
années, et que d'autres présentent une plus grande taille d'échantillonnage et un effort plus grand, afin
de disposer en définitive d'un échantillon représentatif couvrant les zones les plus étendues de
l'Atlantique Nord et Sud. Cela permettra également d'éviter l'absence d'information dans certaines
strates si une flottille n'opérait pas à cet endroit-là et d'éviter de combiner deux indices dans ce cas. Par
conséquent, le groupe a recommandé de réaliser une analyse conjointe des données de prise et d'effort
au niveau opérationnel provenant de plusieurs flottilles, sous la direction générale du groupe de travail
sur les méthodes d’évaluation des stocks ad hoc, de développer des méthodes et de fournir des indices
d'abondance pour l'évaluation des stocks de l'Atlantique, ce que font déjà d'autres groupes d’espèces de
l'ICCAT et d'autres ORGP thonières.
Le groupe a recommandé que les pavillons susmentionnés prennent des mesures afin d'assurer que les
données de prise et d'effort de tâche II de leurs flottilles sont fournies aux échelles spatio-temporelles
appropriées et en temps voulu pour la prochaine évaluation du stock de germon. En outre, la série
temporelle de l'effort de pêche de ces flottilles devrait être standardisée afin d'étayer la prochaine
évaluation du germon.
Comme cela a été observé lors de la série la plus récente de réunions scientifiques du groupe d'espèces
sur le germon, plusieurs pays comptant d’importantes pêcheries de germon n’ont pas été représentés
lors de la réunion, ce qui a limité la capacité du groupe de revoir correctement les données halieutiques
de base et quelques CPUE standardisées ont été soumises par voie électronique. Cela continue
d'engendrer des incertitudes non quantifiées et a eu une incidence négative pour atteindre l'objectif de la
réunion avec succès. Afin de surmonter cette limitation, le groupe continue de recommander que les
CPC déploient davantage d'effort pour participer aux réunions et soient informées de l’existence de
fonds disponibles de renforcement des capacités afin de participer et de contribuer aux réunions des
groupes de travail.
Plusieurs lignes de recherche devraient être poursuivies dans le cadre du Vaste programme de recherche
avancée sur le germon (ASAP, selon les sigles anglais) qui n'a pas encore été financé. Dans un premier
temps, la recherche biologique devrait être accélérée. Il est très important de disposer de paramètres
biologiques précis pour l'évaluation du stock et le processus d'évaluation de la capacité du stock de
germon de se rétablir à partir des points limites de référence. Les paramètres biologiques du germon
reposent dans de nombreux cas sur des travaux de recherche limités et il est important d'évaluer si ces
paramètres ont changé au cours du temps ou si les observations actuelles coïncident avec les estimations
de ces études limitées. En deuxième lieu, le groupe a recommandé d'étudier plus en profondeur l'effet
des variables environnementales sur les tendances de CPUE des pêcheries de surface et d'autres
pêcheries. Finalement, le groupe a également recommandé que le cadre MSE en cours d'élaboration soit
affiné pour le germon. Entre autres, il conviendrait de favoriser l’inclusion d’une gamme plus complète
d’incertitudes comprenant les erreurs d’observation, du modèle de processus et de mise en œuvre. Cela
permettrait de mieux définir l'incertitude de l'état actuel et futur du stock, établissant ainsi une base plus
solide aux fins de la formulation de l'avis de gestion. Le groupe a recommandé de préparer, pour la
prochaine réunion du groupe d'espèces sur le germon, une liste des lignes de recherche classées par
ordre de priorité incluant les besoins en termes budgétaires.
Le groupe a recommandé que les résultats des recherches en cours sur la structure du stock dans
l'Atlantique Sud et l'océan Indien soient communiqués le plus tôt possible.
Tel qu'indiqué au point 3, la réalisation d'une MSE est un processus itératif qui requiert la participation
d'un large éventail d'expertise et un dialogue régulier. La prochaine réunion du groupe de travail
conjoint technique sur la MSE, établi dans le cadre de Kobe, est une excellente occasion de faire
progresser la MSE appliquée au germon. La réunion aura lieu au cours de la première semaine de
novembre et le groupe a recommandé que les scientifiques intéressés soient encouragés à y participer,
en effectuant des travaux intersessions au moyen de la plateforme github (http://iccat-
mse.github.io/albn-mse.html), et en faisant ensuite rapport sur ces activités à la réunion.
La matrice de Kobe a été un outil précieux de promotion du dialogue sur l'incertitude entre les
gestionnaires et les scientifiques. Ceci dit, étant donné que le SCRS commence à utiliser la MSE, des
outils de communication supplémentaires devraient être envisagés, tels que des tableaux de décision et
des diagrammes de Pareto, en vue d'aider à identifier les incertitudes pertinentes et les risques associés
et les avantages et inconvénients des mesures de gestion alternatives.
1187
Les diagrammes de phase et les matrices de Kobe dépendent de la quantification fiable de l'incertitude
aux fins de la prise de décision ; cependant, différentes méthodes sont souvent utilisées pour estimer les
probabilités (par exemple, méthode bayésienne et simulation par bootstrap ou méthode delta). Les
avantages des différentes approches doivent être évalués en les testant par simulation dans le cadre
d'une MSE.
Le groupe a fait part de sa préoccupation quant aux différentes approches utilisées pour tenter de
refléter les effets du ciblage dans l'estimation des CPUE standardisées. Auparavant, le SCRS
recommandait qu'il était nécessaire de tester par simulation ces différentes approches, en particulier
celles qui se servent de la prise d'autres espèces comme une mesure de l'effet du ciblage, ce qui doit
encore être atteint. Le groupe de travail sur les méthodes d'évaluation des stocks devrait se charger de ce
sujet afin de faire avancer le processus de mise à l'essai des différentes méthodes.
Au cours des discussions, il a été noté que la liste de contrôle de CPUE proposée par le groupe de
travail sur les méthodes d'évaluation des stocks (Anon., 2013, voir également Brodziak et Dreyfus,
2011) et utilisée par plusieurs groupes d'espèces du SCRS, fournit une base de discussion sur les
avantages et les inconvénients de chacune des séries temporelles de taux de capture disponibles, mais
que la méthode de classification ne devrait pas servir d'unique base pour accepter / rejeter une série
temporelle spécifique. Le groupe a noté que la logique a priori d'acceptation/de rejet d'une série
temporelle offre une base beaucoup plus solide que les critères d'ajustement du modèle, en particulier
lorsque plusieurs séries temporelles concurrentes sont impliquées. Le groupe a recommandé que le
groupe de travail sur les méthodes d'évaluation des stocks examine plus avant la liste de contrôle en vue
de clarifier son objectif.
8 Adoption du rapport et clôture
Le rapport a été adopté et la réunion a été levée.
1188
Références
Anon. 2010. Report of the 2009 ICCAT Albacore Stock Assessment Session. Collect. Vol. Sci. Pap. ICCAT,
65(4): 1113-1253.
Anon. 2013. Report of the 2012 Meeting of the ICCAT Working Group on Stock Assessment Methods (Madrid,
Spain - April 16-20, 2012). Vol. Sci. Pap. ICCAT, 69(3): 1354-1426.
Anon. 2014. Report of the 2013 ICCAT Albacore Stock Assessment Session. Collect. Vol. Sci. Pap. ICCAT,
70(3): 830-995.
Bard F.X. 1981. Le Thon Germon (Thunnus alalunga Bonnaterre 1788) de l'Océan Atlantique. De la dynamique
des populations à la stratégie démographique. PhD Thesis, Université Pierre et Marie Curie : 333 p.
Brodziak and Dreyfus. 2011. Report of the Seminar on the use of the Best Available Scientific Information.
http://isc.fra.go.jp/reports/isc/isc11_reports.html
Carruthers T.R., Kell L.T., Butterworth D.D., Maunder M.N., Geromont H.F., Walters C., McAllister M.K.,
Hillary R., Levontin P., Kitakado T. and Davies C.R. 2016. Performance review of simple management
procedures. ICES Journal of Marine Science, 73(2): 464-482.
Cosgrove R., Minto C., Sheridan M. and Officer R. 2014. Standardised catch rates of albacore tuna (Thunnus
alalunga) from the Irish mid-water paired trawl fleet, 2003-2012. Vol. Sci. Pap. ICCAT, 70(3): 1108-
1122.
Lee L.K. and Yeh S.Y. 2007. Age and growth of South Atlantic albacore – a revision after the revelation of
otolith daily ring counts. Collect. Vol. Sci. Pap. ICCAT, 60(2): 443-456.
Luckhurst B.E. and Arocha F. 2016. Evidence of spawning in the southern Sargasso Sea of fish species managed
by ICCAT - albacore tuna, swordfish and white marlin. Collect. Vol. Sci. Pap. ICCAT, 72(8): 1949-1969.
Maunder M.N. 2003. Is it time to discard the Schaefer model from the stock assessment scientist’s toolbox?
Fisheries Research, 61(1): 145-149.
Nikolic N. and Bourjea J. 2014. Differentiation of albacore stock: Review by oceanic regions. Collect. Vol. Sci.
Pap. ICCAT, 70(3): 1340-1354.
Ortiz de Zárate and Babcock E.A. 2015. Estimating individual growth variability in albacore (Thunnus alalunga)
from the North Atlantic stock; aging for assessment purposes. Fisheries Research, 180: 54–66.
Penney A. 1994. Morphometric relationships, annual catch-at-size for South African-caught South Atlantic
albacore (Thunnus alalunga). Collect. Vol. Sci. Pap. ICCAT, 42(1): 371-382.
Pons M. and Domingo A. 2014. Update of standardized CPUE of albacore tuna, Thunnus alalunga, caught by
Uruguayan longliners in the southwestern Atlantic Ocean (1983-2012). Collect. Vol. Sci. Pap. ICCAT,
70(3): 1007-1020.
Santiago J. 1993. A new length-weight relationship for the North Atlantic albacore. Collect. Vol. Sci. Pap,
ICCAT, 40(2): 316-319.
Santiago J. and Arrizabalaga H. 2005. An integrated growth study for North Atlantic albacore (Thunnus
alalunga Bonn. 1788). Ices J. Mar. Sci., 62: 740-749.
Walter J.F and Cass-Calay S.L. 2013. Identifying biologically implausible interannual variability in CPUE
indices; with application to Atlantic yellowfin tuna. Aquatic Living Resources
1189
INFORME DE LA REUNIÓN DE ICCAT DE 2016 DE EVALUACIÓN DE LOS STOCKS DE ATÚN
BLANCO DEL ATLÁNTICO NORTE Y SUR
(Madeira, Portugal – 28 de abril a 6 de mayo de 2016)
1 Apertura, adopción del orden del día y disposiciones para la reunión
La reunión se celebró en Madeira, Portugal, del 28 de abril al 6 de mayo de 2016. Presidió la reunión el Dr.
Haritz Arrizabalaga (UE-España), relator del Grupo de especies sobre atún blanco. El Dr. Arrizabalaga dio las
gracias (en nombre de ICCAT) al Gobierno regional de Madeira por acoger la reunión y facilitar todas las
disposiciones logísticas y dio también la bienvenida a los participantes en la reunión ("el Grupo"). Invitó a la
Sra. Lidia Gouveia, en representación del Gobierno regional de Madeira, a inaugurar la reunión y a dar la
bienvenida a los participantes.
El Dr. Arrizabalaga procedió a revisar el orden del día, que se adoptó con algunos pequeños cambios (Apéndice
1).
La lista de participantes se adjunta como Apéndice 2. La lista de documentos presentados a la reunión se adjunta
como Apéndice 3. Los siguientes participantes actuaron como relatores:
P. de Bruyn Punto 1
V. Ortiz de Zarate Punto 2.1
C. Palma, L. Gouveia y G. Scott Punto 2.2
J. Ortiz de Urbina y H. Arrizabalaga Punto 2.3
D. Die, G. Merino Punto 3
G. Merino, L. Kell, J. Ortiz de Urbina y H. Arrizabalaga Punto 4.1
K. Yokawa, M. Kanaiwa y T. Matsumoto Punto 4.2
L. Kell, J. Ortiz de Urbina, G. Merino y H. Arrizabalaga Punto 5.1
K. Yokawa, M. Kanaiwa y T. Matsumoto Punto 5.2
H. Arrizabalaga y D. Die Punto 6
G. Scott Punto 7
2 Resumen de los datos disponibles para la evaluación
2.1 Biología
Se puso a disposición del Grupo alguna información nueva sobre biología. Sin embargo, los parámetros
biológicos de ambos stocks se mantendrán igual que en evaluaciones anteriores (Tablas 1 y 2).
En un documento anterior (Nikolic y Bourjea, 2014) los autores presentaban los resultados de una revisión
bibliográfica de la identificación de las poblaciones de atún blanco entre y dentro de las regiones oceánicas
(océanos Atlántico, Pacífico e Índico y mar Mediterráneo). Los autores concluyeron que, debido a las
divergencias en los resultados, el concepto de stock y su delimitación sigue siendo un tema controvertido. Los
autores indicaron que en la mayoría de las regiones del mundo existe una necesidad urgente de que se realicen
más estudios sobre atún blanco para examinar y mejorar las unidades de ordenación actuales utilizadas por las
Organizaciones regionales de ordenación pesquera.
De acuerdo con el SCRS/2016/033, el atún blanco (Thunnus alalunga) se ha capturado como captura fortuita en
las pesquerías de grandes pelágicos de Venezuela que capturan atún durante los últimos 25 años. El documento
analizaba la distribución de tallas espacial y temporal del atún blanco del norte consignada por los programas de
observadores de palangre pelágico de Venezuela (1991-2014), en los cuales se obtuvo un total de 27.472
registros de peces. Las tallas oscilaban entre 42 y 132 cm FL. Se identificaron tres áreas separadas: mar Caribe,
Guyana-Amazonas, y mar de los Sargazos sudoccidental. En el mar de los Sargazos sudoccidental, la
distribución de tallas era estable, con tallas medias de 105-110 cm FL, mientras que en el mar Caribe y Guyana-
Amazonas se consignó una mayor variabilidad en las tallas y un rango más amplio de tallas, pero las tallas
medias eran similares en todas las áreas. La distribución de edades total consistía principalmente en edades 6 y
superiores y en ella la edad 10 representaba al grupo 10+. Las distribuciones de frecuencias de edad reflejaban la
variabilidad en las capturas de atún blanco durante el periodo, desde peces mayores en el mar de los Sargazos
sudoccidental durante 1995-2003, a peces más jóvenes en el mar Caribe y la zona de Guyana-Amazonas durante
el periodo reciente (después de 2007).
1190
Basándose en observaciones oportunistas realizadas al manipular atún blanco capturado, las observaciones
visuales de huevos maduros (oocitos hidratados) se consideraron una indicación de desove. Basándose en la
información consignada por los observadores a bordo, se determinó que el momento y el área de desove ocurre
desde marzo a abril en el mar de los Sargazos sudoccidental (tal y como se indica en Luckhurst y Arocha, 2016).
En el área de Guyana-Amazonas, también basándose en observaciones esporádicas, los ovarios estaban en las
fases de maduración o de regresión. No se indicaba información estacional. El Grupo recomendó más
investigaciones con el fin de comprender mejor la reproducción del atún blanco del norte en la zona.
Se publicó un nuevo estudio sobre el crecimiento del atún blanco del Atlántico norte (Ortiz de Zárate y Babcock,
2015) que describe la variabilidad en el crecimiento individual en el atún blanco del norte. Se asume que el
crecimiento sigue el modelo de von Bertalanffy con el supuesto de que los parámetros de crecimiento son
constantes en el tiempo y son los mismos para todos los peces. Sin embargo, la variabilidad del crecimiento
individual es un factor importante no considerado y que afecta a los datos de entrada en la modelación de
población. Este estudio describe un modelo bayesiano jerárquico aplicado para modelar la variabilidad
individual en los parámetros talla asintótica (L∞) y tasa de crecimiento (K) del modelo de crecimiento de von
Bertalanffy para el atún blanco del Atlántico norte. El método asume que los valores L∞ y K para cada pez
individual se extraen de una distribución aleatoria centrada en los valores medios de la población, con varianzas
estimadas. Se obtuvieron observaciones múltiples del diámetro de la espina por edad de peces individuales
mediante al lectura directa de secciones de espina recogidas en 2011 y 2012. Posteriormente se aplicaron tres
métodos diferentes de retrocálculo a las mediciones de los diámetros de los anillos en los ejemplares cuya edad
se había determinado para retrocalcular las tallas en cada edad. El modelo de von Bertalanffy se ajustó a las
tallas medidas y retrocalculadas. Los modelos con y sin variabilidad en el crecimiento individual se compararon
utilizando el criterio de información de devianza (DIC) para hallar el mejor modelo. Se utilizó un modelo de
distribución de error lognormal y normal para analizar los datos. El enfoque de modelación del crecimiento
permitió tener en cuenta la variabilidad individual en la talla asintótica y en la tasa de crecimiento. Para el atún
blanco, representa una nueva forma de estudiar el crecimiento, basándose en un retrocálculo de la talla a partir de
mediciones de anillos de las espinas. Se halló que la talla asintótica del atún blanco del Atlántico norte (L∞) varía
significativamente entre los ejemplares, pero no la tasa individual de crecimiento (K). Además, se estimaron para
el atún blanco del Atlántico norte las relaciones negativamente correlacionadas (-0,85) entre los parámetros de
crecimiento de von Bertalanffy de la media asintótica (L∞) y la tasa de crecimiento (K) con el conjunto de
modelos explorados. Los valores estimados de K (0,21) y los parámetros de la L∞ de la media de la población
(120,2 cm) eran similares a los valores estimados en estudios previos sobre el atún blanco del Atlántico norte.
El Grupo se mostró de acuerdo en que aún se conocen poco los parámetros biológicos clave del atún blanco del
Atlántico. El conocimiento de la biología de los stocks de atún blanco sirve de base para el asesoramiento del
SCRS, ya que los parámetros biológicos son un valor de entrada clave en los modelos de evaluación de stock
utilizados actualmente por el Grupo. Por tanto, se requiere una cantidad importante de trabajos de investigación
sobre biología para mejorar la calidad del asesoramiento científico y reducir la incertidumbre asociada con dicho
asesoramiento.
2.2 Captura, esfuerzo y talla
Se presentaron en la reunión dos documentos sobre datos pesqueros: el documento SCRS/2016/082 proporciona
una actualización de las estadísticas de túnidos de la pesquería de cebo vivo de UE-Portugal (Madeira) que operó
en las regiones de Azores y Madeira entre 1999 y 2015, incluida la captura total por especies, la composición de
la flota de cebo vivo y las respectivas frecuencias de tallas para las principales especies de túnidos (BET, SKJ y
ALB). Además, describe en detalle los caladeros geográficos utilizados por esta flota en años recientes (2010-
2015) en las regiones de Azores y Madeira.
El documento SCRS/2016/033 analiza la distribución espacial y temporal de tallas de la flota de palangre
venezolana que pesca el stock de atún blanco del norte (fuentes: Programa de observadores de palangre pelágico
de Venezuela patrocinado por ICCAT/EPBR (1991-2011) y Programa nacional de observadores a bordo de
palangreros (2012-2014)). Cubre el mar Caribe, Guyana-Amazonas y el mar de los Sargazos sudoccidental.
A continuación, la Secretaría presentó al Grupo la información más actualizada sobre las pesquerías de atún blanco (T1NC: captura nominal de Tarea I; T2CE: captura-esfuerzo de Tarea II; T2SZ: muestras de talla de Tarea II; T2CS: captura por talla declarada de Tarea II disponible en ICCAT para los stocks de atún blanco del norte (ALB-N) y del sur (ALB-S), cubriendo el periodo de 1950 a 2014. Se presentaron también las estadísticas preliminares de T1NC para 2015. El marcado convencional de ALB y las estimaciones de CATDIS (1950 a 2013) se pusieron también a disposición del Grupo pero no se discutieron en detalle dado que no se habían incorporado muchos cambios a estos conjuntos de datos que fueron más exhaustivamente estudiados en 2013.
1191
Para conseguir una visión consolidada de las estadísticas disponibles de Tarea I y Tarea II se presentaron
también los catálogos de datos estándar del SCRS (ALB-N en la Tabla 3 y ALB-S en la Tabla 4) que cubren el
periodo 1990-2015. En estos catálogos, las pesquerías se clasifican de acuerdo con su contribución a los
desembarques totales de atún blanco de Tarea I (peso medio en todas las series temporales mostradas en las
tablas mencionadas).
2.2.1 Tarea I (capturas)
En la Tabla 5 se presentan las capturas detalladas de T1NC de ALB-N y ALB-S. La Figura 1 (ALB-N) y la
Figura 2 (ALB-S) muestran las capturas acumuladas por arte principal para todo el periodo (1930-2014). En los
mapas de la Figura 3 se presenta la distribución geográfica (cuadrículas de 5ºx5º) de las capturas por década y
arte principal (usando CATDIS, una estimación equivalente de Tarea I por trimestre y cuadrículas de 5x5). Estos
mapas solo cubren el periodo de 1950 a 2013. La Secretaría informó de que se está preparando una estimación
de CATDIS actualizada (incluyendo 2014), que estará disponible para la reunión anual del SCRS.
No existen grandes diferencias en la T1NC al compararla con la versión aprobada por el SCRS en septiembre de
2015, a pesar de algunas actualizaciones presentadas posteriormente por Japón y Taipei Chino.
Las capturas globales de ALB-N muestran una tendencia descendente desde 2006 (~37.000 t) alcanzando un
mínimo de aproximadamente 20.000 t en 2011. Este descenso en las capturas se ha debido sobre todo al
descenso en las capturas de las pesquerías de cebo vivo (un reducción del ~60% en peso) y de curricán (una
reducción del ~65%) en el mar Cantábrico (flota española). Las capturas de las pesquerías de palangre (sobre
todo de Japón y Taipei Chino) también experimentaron una reducción de aproximadamente un 25% en peso.
Desde 2012, las capturas totales aumentaron ligeramente hasta un máximo de 26.500 t en 2014, debido en gran
parte a un aumento en las capturas de las pesquerías de arrastre y cebo vivo europeas de Canarias, Azores y
Madeira, así como de las pesquerías de palangre de Japón y Taipei Chino (especialmente en 2013).
Para el ALB-S, la captura total ha oscilado en torno a 24.000 t entre 2006 y 2012, mostrando después una gran
caída, llegando a menos de 14.000 t (una reducción de más del 40%) en 2014. Este descenso está vinculado a
una reducción en la captura de las principales pesquerías (palangre: Taipei Chino, Japón y Brasil; cebo vivo:
Sudáfrica, Namibia y Brasil). La Secretaría recordó que las capturas brasileñas desde 2012 son todavía
preliminares y posiblemente estén subestimadas.
La declaración de las capturas de 2015 era opcional para esta reunión y, en consecuencia, solo algunas CPC
(UE-España, UE-Irlanda, UE-Reino Unido, UE-Portugal, Japón, Venezuela y Taipei Chino) presentaron
estadísticas provisionales de 2015. Para las proyecciones, se obtuvo una estimación preliminar del rendimiento
total de 2015 para cada stock (Tabla 6) traspasando la captura media de los tres años previos para cada
combinación arte/pabellón sin incluir las capturas disponibles de 2015.
2.2.2 Tarea II (captura y esfuerzo y talla)
Los catálogos de datos de ALB-N (Tabla 3) y ALB-S (Tabla 4) resumen la disponibilidad de los conjuntos de
datos de T2CE, T2SZ y T2CS (respectivamente "a", "b" y "c" en cada fila de Tarea II, es decir cuando el campo
DSet = "t2"). Por defecto, los catálogos no muestran conjuntos de datos (que están disponibles en el sistema de
bases de datos de ICCAT) con una resolución pobre en tiempo (por año), detalles geográficos escasos o
inexistentes (deben tener al menos las áreas de muestreo de ALB), y otros conjuntos de datos específicos que no
suele usar el SCRS (T2CE sin esfuerzo, frecuencias no estándar en T2SZ, intervalos de frecuencias de talla/peso
en T2SZ mayores a 5 cm/kg, etc.).
El catálogo del ALB-N muestra que aproximadamente el 90% del rendimiento total es capturado por solo siete
flotas (flotas de curricán y cebo vivo de UE-España, palangre de Taipei Chino, arrastre y red de enmalle de UE-
Francia, cebo vivo de UE-Portugal y arrastre de UE-Irlanda). Para estas flotas, las series de T2CE y T2SZ están
casi completas (recientemente se ha recuperado la de arrastre de UE-Francia) para los últimos 15 años. Sin
embargo, quedan algunas pequeñas lagunas en las series de T2CE y T2SZ (arrastre de UE-Francia, cebo vivo de
UE-Portugal, y arrastre de UE-Irlanda) que aún deben ser cubiertas. Parte del restante 10% de las pesquerías de
ALB-N tienen aún importantes lagunas en los datos de Tarea II (tanto T2CE como T2SZ). Las series con lagunas
importantes (que faltan al menos dos años de datos de Tarea II) son las pesquerías de palangre de superficie de
Vanuatu, Venezuela, UE-España, Panamá, China y Corea.
1192
El catálogo de ALB-S muestra que el 90% del rendimiento total es capturado por solo cinco grandes flotas
(palangre de Taipei Chino, cebo vivo de Sudáfrica y Namibia, palangre de Brasil y palangre de Japón). En
términos de disponibilidad de Tarea II (T2SZ y T2CE), existen importantes lagunas en las series de Sudáfrica,
Namibia y Brasil. Para el restante 10% de las flotas, la flota de cebo vivo brasileña y las flotas de palangre más
importantes que capturan atún blanco como captura fortuita (Corea, Filipinas, Vanuatu, UE-España y China)
cuentan con importantes lagunas en la serie de Tarea II. Las pesquerías tropicales de cebo vivo y de cerco
(Ghana, UE-Francia, UE-España, Guatemala, Curaçao, etc.) que capturan atún blanco como captura fortuita
tienen también series de Tarea II incompletas.
En términos de recuperaciones históricas de Tarea II, Uruguay ha comunicado una serie histórica de atún blanco
del sur de 14 años en T2SZ. Estas muestras de talla corresponden a la flota de palangre de superficie nacional
(1998-2012) y a las muestras obtenidas en el marco del programa uruguayo de observadores a bordo de
palangreros japoneses (2009 a 2013).
El Grupo continúa observando el número decreciente de ejemplares muestreados por la flota japonesa en el stock
meridional desde 2008, con solo 44 peces medidos en 2014. Esta baja ratio de cobertura (menos del 1% de las
capturas en peso) se ha observado también para otras flotas que pescan el stock de atún blanco del sur. Las flotas
de cebo vivo y palangre de Brasil no han declarado prácticamente muestras desde 2012 (menos de 100
ejemplares muestreados en total).
El Grupo recomendó que la Secretaría trabaje con los corresponsales estadísticos de las CPC que tienen lagunas
en la Tarea II en los catálogos de datos. Para las CPC de ICCAT sin representación científica en la reunión, la
Secretaría debería solicitar a dichas CPC que comuniquen los conjuntos de datos faltantes lo antes posible.
2.2.3 Captura por talla
Se actualizó la matriz de captura por talla (CAS) total (revisión completa de 2011 e inclusión de los años 2012 a
2014) durante la reunión con el fin de estimar de forma adecuada los pesos medios ponderados por arte principal
y por stock. Esta actualización se realizó únicamente con dicha intención y debería revisarse en el futuro con el
conjunto completo de normas de sustitución y criterios de extrapolación utilizados en los stocks de atún blanco
del Atlántico. Las matrices de CAS se presentan en la Tabla 7 para el atún blanco del norte (histogramas en la
Figura 4) y en la Tabla 8 para el atún blanco del sur (histogramas en la Figura 5). Los pesos medios obtenidos
a partir de la CAS por stock (global y por arte principal) se presentan en la Figura 6 (ALB-N) y en la Figura 7
(ALB-S). Los nuevos datos de talla de Uruguay estaban incluidos en estas estimaciones.
2.3 Índices de abundancia relativa
2.3.1 Atlántico norte
El documento SCRS/2016/032 presentaba la CPUE estandarizada para el atún blanco del norte en el Atlántico
norte sudoccidental de los programas de observadores del palangre de Venezuela (1991-2014). El índice se
estimó utilizando modelos lineales mixtos generalizados con un enfoque delta lognormal. El análisis incluía
"año", "categoría de buque", "área", "temporada", "profundidad de pesca", "cebo" y "condición del cebo" como
variables explicativas categóricas. Los diagramas de diagnóstico no presentaron grandes alejamientos del patrón
previsto y las comprobaciones para buscar indicaciones de observaciones influyentes no presentaban grandes
variaciones. La serie temporal estandarizada presentaba una tendencia ascendente relativamente lenta desde la
primera parte del periodo, alcanzando su mayor valor en 2008, posteriormente, la serie cae hasta un valor bajo en
2011. En los años finales de la serie, se observa una fuerte tendencia ascendente en las tasas de captura,
presentando el mayor valor en el último año.
Se indicó que basándose en los resultados del análisis de la composición por edades de la captura de Venezuela
(SCRS/2016/033), dos grupos de edades parecen estar separados por área. Se sugirió que este posible efecto
debería tenerse en cuenta en el proceso de estandarización. Sin embargo, se decidió que este índice podría
reflejar de forma global la abundancia de tallas de peces relativamente grandes.
El documento SCRS/2016/073 informaba sobre índices estandarizados actualizados de atún blanco de la flota de
cebo vivo española para el periodo 1981-2014. Las mareas muestreadas en la pesquería comercial de cebo vivo
consignaron información sobre la fecha de desembarque, el número de días de pesca, la zona del esfuerzo, la
captura en número y la captura en peso (kg). Las tasas de captura nominal (número de peces por día de pesca)
fueron modeladas con un modelo lineal generalizado asumiendo una distribución de error lognormal. Además de
1193
los factores principales "zona" y "trimestre", se evaluaron las interacciones "año*trimestre" y "año*zona" y se
incluyeron como efectos aleatorios para proporcionar estimaciones anuales del índice estandarizado. El modelo
lineal mixto generalizado representó aproximadamente el 30,81% de la variabilidad en la CPUE observada,
representando mejor la variabilidad observada en las tasas de captura nominal del cebo vivo usadas en la última
evaluación, relacionadas con la distribución espacial y temporal anual de las capturas por unidad de esfuerzo.
El Grupo indicó que dado que hay tres flotas (española, irlandesa y francesa) que se dirigen al atún blanco en la
zona del Atlántico noreste, valdría la pena intentar un análisis conjunto con el fin de representar mejor la
variabilidad relacionada con cambios espaciales y temporales en la disponibilidad del recurso.
El documento SCRS/2016/074 presentaba índices estandarizados actualizados del atún blanco de la flota
española de curricán para el periodo 1981-2014, basados en mareas individuales muestreadas en la pesquería
comercial de curricán, e incluyendo información sobre la fecha de desembarque, el número de días de pesca, el
área de esfuerzo, la captura en número y la captura en peso (kg). Las tasas de captura nominal en número de
peces por día de pesca fueron modeladas con un modelo lineal generalizado asumiendo una distribución de error
lognormal. El modelo final representó el 45,6% de la variabilidad en la CPUE consignada e incluía los términos
de interacción "año*trimestre" y "año*zona" como efectos aleatorios. Los resultados del GLMM representan una
mejora en el ajuste del modelo en comparación con el GLM ajustado para estandarizar las tasas de captura
nominal del curricán usadas en la última evaluación. El modelo GLMM parece capturar mejor la variabilidad
observada en las tasas de captura de la flota de curricán en lo que se refiere a la distribución anual espacial y
temporal.
El documento SCRS/2016/078 presentaba la CPUE estandarizada del atún blanco del Atlántico norte capturado
por palangreros de Taipei Chino para el periodo 1967 a 2015 basándose en la información procedente de los
cuadernos de pesca (desde 1981) y en la Tarea II (desde 1967). Los datos se examinaron teniendo en cuenta tres
periodos (1967-1987, 1987-1999 y 1999-2015) y áreas de 5x5 para la distribución de las cuatro especies
principales de túnidos (atún blanco, patudo, rabil y pez espada) con el fin de identificar subáreas de muestreo
adecuadas. Con miras a la estandarización, solo se utilizaron conjuntos de datos dentro de las subáreas de
muestreo propuestas. Se estandarizaron las CPUE para el atún blanco en las subáreas adecuadas de muestreo
para tres periodos (1967-1987, 1987-1999, y 1999-2015). Se asumió un modelo lineal generalizado (GLM) con
una distribución de error lognormal para estandarizar las tendencias de la captura por unidad de esfuerzo (CPUE)
tanto anuales como trimestrales. En el modelo se incluyeron los factores de "año", "trimestre", "subárea" (5x5) y
"efectos de captura fortuita" del patudo, rabil y pez espada para obtener la serie de abundancia estandarizada
anual. En el modelo se construyeron los factores de "series trimestrales", "subárea" (5x5) y "efectos de captura
fortuita" del patudo, rabil y pez espada, así como las interacciones, para obtener la tendencia en la abundancia
estandarizada trimestral. Los resultados mostraron que la CPUE estandarizada anualmente descendía de forma
continua hasta mediados de los 80, fluctuaba mucho antes de principios de los 2000 y aumentaba posteriormente.
Se obtuvieron tendencias similares para la serie de CPUE estandarizada trimestral. Se indicó que el hecho de
separar las series para definir los tres periodos con miras a la estandarización se basaba en cambios en las
operaciones de pesca (de un palangre tradicional a uno más profundo), en la estabilización de la flota y en la
mejora del sistema de recopilación de datos.
El documento SCRS/2016/080 presentaba un índice de abundancia del atún blanco estimado a partir de datos de
captura y esfuerzo de la pesquería de palangre pelágico de Estados Unidos que opera en el Atlántico. El índice
estandarizado fue actualizado para el periodo 1987 a 2014, sin cambios en la metodología usada para estimar el
mismo índice para la evaluación anterior de 2013. En el documento se presentaron el índice anual actualizado y
los diagnósticos del modelo. La estimación actualizada mostraba la misma tendencia que el índice previo, con
2011 como año terminal. El nuevo índice mostraba un descenso en 2012 con respecto a 2011, pero una tendencia
ascendente los siguientes dos años, con el año terminal (2014) con el valor más alto de toda la serie temporal. El
Grupo observó que la serie estandarizada parecía mostrar una señal bastante fuerte para el periodo 2006-2014.
El documento SCRS/2016/068 informaba sobre CPUE actualizadas para el atún blanco del Atlántico norte
capturado por la pesquería japonesa de palangre. Las CPUE se estandarizaron por separado en tres periodos
(1959-69, 1969-75 y 1975-2014) utilizando un modelo binomial negativo, basado en los mismos métodos que en
los estudios anteriores.
Se cuestionó la fiabilidad de las fuertes tendencias ascendentes y descendentes de las CPUE estandarizadas en
los años más recientes tanto en el stock del norte como en el del sur. El Grupo acordó excluirlas de la evaluación
de stock ya que tienen grandes intervalos de confianza y se reconoce que no representan las dinámicas de los
stocks de atún blanco. Los autores sugirieron la posibilidad de que el cambio de objetivo temporal del patudo al
1194
atún blanco en los años en que se obtuvieron CPUE anormalmente grandes podría ser la razón de estos valores
de CPUE, aunque el modelo de estandarización de la CPUE no pudo reflejar suficientemente su efecto. El Grupo
finalmente acordó eliminar los valores de las CPUE estandarizadas para 2013-2014 de la evaluación del stock de
atún blanco septentrional.
Los documentos SCRS/2016/085 y SCRS/2016/086 sugieren que el gran descenso de las CPUE estandarizadas
del palangre japonés anterior a 1993 está sesgado debido principalmente a la escasa cobertura de datos y de
información sobre la especie objetivo. En el periodo analizado, el cambio de especie objetivo, de atún blanco a
atún rojo se produjo dentro de la misma zona y con la misma configuración del arte, lo que produjo un repentino
y gran descenso en la CPUE nominal del atún blanco. El descenso de la capturabilidad del atún blanco de los
palangreros japoneses, que se debe al hecho de que el cambio de especie objetivo produjo un drástico descenso
en el volumen de esfuerzo en el caladero tradicional de atún blanco de los palangreros japoneses, se muestra
también cuando la CPUE nominal del atún blanco desciende. Las CPUE del atún blanco en el sitio donde se
muestra más volumen de esfuerzo desplegado parecen ser aparentemente mayores que las de los sitios donde se
despliega menor volumen de esfuerzo. Dado que no se halló una forma pertinente de estandarizar estos efectos,
los autores propusieron no utilizar los índices japoneses de antes de 1988 para el stock septentrional.
El documento SCRS/2016/087 muestra índices de abundancia alternativos para el stock septentrional utilizando
datos obtenidos de la zona principal (20N – 40N, oeste de 30N) de la pesquería de palangre japonesa. Aunque la
estandarización de la CPUE se llevó a cabo con éxito para los periodos de 1964 – 1974, 1975 – 1993 y 1994 –
2006, los autores indicaron que la única CPUE estandarizada adecuada para la evaluación del stock era la del
periodo entre 1964 y 1971, ya que los palangreros japoneses operaron de forma constante.
Combinando los resultados de los documentos SCRS 085, 086 y 087, los autores propusieron considerar los
siguientes índices para la evaluación del stock septentrional: la CPUE estandarizada para el periodo 1964-1971
de la zona principal, y el periodo 1988-2012 del "periodo de captura fortuita" original actualizado. El Grupo
respaldó de manera general las propuestas de los autores, pero al mismo tiempo se recomendó la recuperación de
la CPUE estandarizada en el periodo perdido. Para este propósito, es necesario desarrollar el método para
estandarizar el efecto del cambio en la especie objetivo sin usar la información de los anzuelos por cesta. Existen
múltiples métodos para ajustar el efecto de la especie objetivo sin usar la información de los anzuelos por cesta,
como utilizar la composición por especies y la CPUE de otras especies, pero aún no existe un consenso en el
SCRS sobre la mejor utilización de estos métodos. Por tanto, el Grupo solicitó que el Grupo de trabajo sobre
métodos de evaluación de stock (WGSAM) evalúe los diferentes métodos de estandarización de la CPUE
utilizados en cada grupo de especies y que elabore unas directrices para la estandarización de la CPUE aplicables
a todas las especies.
2.3.2 Atlántico sur
En el documento SCRS/2016/079 se presentaba la CPUE para la flota palangrera de Taipei Chino. Se
examinaron tanto los conjuntos de datos de los cuadernos de pesca (desde 1981) como los de captura/esfuerzo de
Tarea II (desde 1967) de los palangreros de Taipei Chino, por década y bloques de 5ºx5º, para las características
de la distribución geográfica de las cuatro principales especies de túnidos (atún blanco, patudo, rabil y pez
espada). Esto permitió identificar el área de muestreo más adecuada para el atún blanco del Atlántico sur, que se
extendía de 10ºS a 45ºS y de 55ºW a 20ºE, excluyendo el pequeño bloque en 10°S-15°S/10°W-15°E. En la zona
de muestreo más adecuada para el atún blanco, se realizaron los índices de abundancia estandarizados para el
atún blanco del Atlántico sur, entre 1967 y 2015, basándose en las estadísticas de captura y esfuerzo del palangre
de Taipei Chino y utilizando un procedimiento GLM. Factores como el año, trimestre, subárea (bloques de
5ºx5º), efectos de captura fortuita de patudo, rabil y pez espada e interacciones, fueron utilizados para obtener la
tendencia de la CPUE estandarizada anual desde 1967 hasta 2015. Se obtuvieron también las series de CPUE
estandarizadas trimestrales desde el 3er trimestre de 1967 hasta el 4º trimestre de 2015. Las tendencias estimadas
de la CPUE estandarizada indicaban que la abundancia en peso de la zona de muestreo más adecuada para el
atún blanco del Atlántico sur descendió desde finales de los sesenta hasta 1990, se incrementó hasta mediados de
los noventa, y se estabilizó desde principios de los años 2000 hasta 2015.
El grupo discutió el análisis de conglomerados llevado a cabo desde 1967 a 2015 y formuló sugerencias para una
posible mejora (por ejemplo, considerar un número diferente de conglomerados). Sin embargo, se aclaró que este
análisis se utilizó únicamente para identificar el área a considerar en la estandarización, más que como una
variable explicativa en el GLM. Los pequeños valores de CV, el número relativamente grande de variables
explicativas usadas en el modelo y la tendencia bastante similar entre CPUE estandarizada y nominal podrían
sugerir un posible sobreajuste. Realizar más mejoras en el modelo de estandarización de la CPUE, especialmente
1195
para las variables explicativas, podría mejorar la estimación del índice y de su CV. El palangre tradicional se ha
concentrado siempre en una gran zona de la región meridional y por tanto no había necesidad de separar las
series en esta región. El Grupo señaló también que los CV pequeños no reflejan necesariamente un índice de
abundancia preciso, ya que la varianza estimada depende del conjunto de datos y del método utilizado. Se han
mantenido extensas discusiones en el SCRS sobre posibles usos alternativos de los CV para ponderar las
diferentes series de CPUE. Aunque en los modelos de evaluación de stock que se usan actualmente las series se
ponderan de forma igual o se ponderan proporcionalmente a la captura que representa, los CV estimados pueden
usarse en formulaciones alternativas del modelo de evaluación de stock.
El documento SCRS/2016/067 presentaba una revisión del esfuerzo de la pesquería de palangre japonesa, la
captura y la CPUE de atún blanco en el Atlántico. Los buques palangreros japoneses se dirigían al atún blanco
desde aproximadamente los 60, y posteriormente el atún blanco ya no fue la especie objetivo, pero la proporción
de atún blanco está aumentando en años recientes y de nuevo es una de las especies objetivo. Se observan los
cambios históricos en la proporción de esfuerzo de pesca por área, así como el número de anzuelos por cesta. La
CPUE nominal del atún blanco era elevada durante el primer periodo (hasta aproximadamente 1970), descendió
abruptamente en torno a principios de los 70, se mantuvo comparativamente constante en un nivel bajo hasta
principios o mediados de los 2000 y aumentó posteriormente. En algunas zonas, la proporción de atún blanco en
la captura es constantemente elevada. Se observó un cambio histórico en el número de anzuelos por cesta. El
Grupo consideró que, en años recientes, el atún blanco es especie objetivo de nuevo, por lo que no es apropiado
llamar "periodo de captura fortuita" a este último periodo. Se observó una elevada captura y una elevada tasa de
captura de atún blanco incluso en la zona tropical en 2013, pero la razón no está clara.
El documento SCRS/2016/068 presentaba las CPUE estandarizadas del atún blanco del Atlántico sur capturado
por la pesquería de palangre japonesa, separadas en tres periodos (1959-69, 1969-75 y 1975-2014), utilizando un
modelo binomial negativo y los mismos métodos que en la última evaluación. Se probaron los efectos de
trimestre, área, arte de pesca (número de anzuelos entre flotadores) y diversas interacciones, aunque el efecto del
arte de pesca pudo utilizarse solo desde 1975 en adelante. El efecto de área fue el mayor para los tres periodos.
La CPUE estandarizada en el Atlántico sur descendió desde los 60 hasta finales de los 80. Desde entonces, la
CPUE fluctuó sin ninguna tendencia clara excepto en años recientes, cuando se observó un marcado pico. De
acuerdo con los autores, los índices de CPUE de años recientes parecen ser menos fiables debido a, por ejemplo,
cambios en la especie objetivo. En años recientes, está aumentando la proporción del segundo arte más profundo
(12-15 anzuelos por cesta), lo que indica que el atún blanco es cada vez más la especie objetivo.
Se asumió que el reciente pico agudo en la CPUE podría deberse, al menos parcialmente, a que cada vez más el
atún blanco es la especie objetivo. Por lo tanto, podría ser necesario separar esta serie de "periodo de captura
fortuita" de nuevo en el futuro. Por ahora, el Grupo decidió mantenerla como una serie, y no considerar la
información de los últimos tres años. El Grupo señaló también que el efecto del arte de pesca (número de
anzuelos por cesta) difiere dependiendo de la zona, y por ello consideró necesario examinar este efecto más en
detalle.
El documento SCRS/2016/085 discutía las tendencias de la CPUE de los palangreros japoneses entre 1959 y
1975. Los índices de abundancia del atún blanco del Atlántico estimados estandarizando las CPUE de los
palangreros japoneses muestran una pronunciada tendencia descendente en el periodo entre 1959 y 1975 para
ambos stocks, meridional y septentrional. El resultado de este estudio indica que la tendencia descendente
constante de la CPUE del atún blanco durante el periodo anterior a 1975, tanto para el stock del norte como para
el del sur, está muy sesgada por el cambio de especies objetivo que se produjo en las mismas zonas. El cambio
de especie objetivo, de atún blanco a otros túnidos, no podría ajustarse en el modelo de estandarización de la
CPUE ya que no pudieron introducirse en el modelo variables explicativas (es decir, falta de datos lance por
lance con información sobre los anzuelos por cesta antes de 1975). Por lo tanto, según los autores, la tendencia
de la CPUE estandarizada sobreestima mucho la tendencia descendente y no debería usarse en la evaluación.
El documento SCRS/2016/077 presentaba el índice de CPUE para la pesquería de cebo vivo sudafricana. El atún
blanco es el principal objetivo de la flota atunera de cebo vivo de Sudáfrica que opera en la costa oeste y suroeste
de Sudáfrica y la captura de Sudáfrica es la segunda más grande de la región, con desembarques anuales de
aproximadamente 4.000 t. Se realizó una estandarización de la CPUE de la flota de cebo vivo sudafricana para la
serie temporal 2003-2015, utilizando un modelo mixto aditivo generalizado (GAMM) con un error distribuido
Tweedie. Las variables explicativas del modelo final incluían año, mes, posición geográfica, potencia del buque,
incluida como efecto aleatorio, y especie objetivo. La CPUE estandarizada en su mayoría sigue la CPUE
nominal sin tendencias generales significativas ascendentes o descendentes. El análisis indica que la CPUE para
la pesquería de cebo vivo sudafricana de atún blanco ha sido estable durante la última década.
1196
El Grupo señaló que este documento presenta una metodología diferente (GAMM en comparación con el
normalmente usado GLM/GLMM), y que la estacionalidad se modeló con una función spline en lugar de como
un factor. Por tanto, el grupo recomendó que el WGSAM proporcione algún asesoramiento sobre las ventajas de
procedimientos alternativos que pueden usarse para estandarizar las series de CPUE nominal. Se indicó también
que existe una serie "temprana de cebo vivo sudafricana", desde 1975 hasta 1978. Durante la evaluación de stock
de 2013, la serie "de cebo vivo sudafricana tardía" se inició en 1999, mientras que en el documento
SCRS/2016/077 empieza en 2003. De acuerdo con los autores, los años 1999-2003 fueron excluidos porque la
comunicación de datos fue más constante después de 2003.
El documento SCRS/2016/089 presentaba las tasas de captura estandarizadas de la flota de palangre brasileña.
Se recopiló la información sobre captura y esfuerzo de la flota atunera de palangre brasileña (nacional y fletada)
en el Atlántico suroccidental y ecuatorial entre 1978 y 2012, y se analizaron datos de más de 75.000 lances. Se
estandarizó la CPUE del atún blanco mediante modelos mixtos lineales generalizados (GLMM) utilizando un
enfoque delta lognormal. Los factores utilizados en el modelo fueron trimestre, año, área y estrategia de pesca.
La serie de CPUE estandarizada muestra una oscilación importante en el tiempo, con una tendencia general
creciente desde finales de los ochenta hasta los 2000, posteriormente un marcado descenso hasta 2003,
permaneciendo baja hasta 2010 y después se ha observado una tendencia creciente de nuevo.
El conjunto de datos utilizado para estandarizar la CPUE incluye muchas flotas diferentes. Por lo tanto, los
autores usan un análisis de conglomerados para describir la estrategia de la flota pero podría no existir suficiente
solapamiento en el conjunto de datos para estandarizar adecuadamente esta variable. De hecho, como se indicó
durante la evaluación de stock de 2013, esta serie muestra una forma de cúpula durante los 90, lo que podría
deberse a una mayor influencia de algunas flotas durante este periodo. El Grupo señaló que la varianza de los
valores residuales no era homogénea, y recomendó explorar las tendencias de CPUE para flotas específicas, en
lugar de utilizar todo el conjunto de flotas en el análisis.
2.3.3 Resumen de la CPUE disponible para los stocks del norte y del sur
La tabla elaborada en 2012 por el WGSAM para evaluar las diferentes series de CPUE fue actualizada teniendo
en cuenta la nueva información presentada al Grupo. El Grupo revisó y discutió las puntuaciones actualizadas
(Tabla 9). Se reconoció que, al igual que en la evaluación de 2013, la puntuación es bastante subjetiva y
proporciona una indicación de la naturaleza relativa de las series de CPUE, que pueden aportar información a las
decisiones acerca de su uso eficaz en las evaluaciones. Las diversas series de CPUE estandarizadas presentadas
en los documentos anteriores, así como cualquier otra serie histórica que no fue actualizada en esta reunión del
Grupo, se presentan en las Tablas 10 y 11 para los stocks del norte y sur, respectivamente. Los valores anuales
aparecen también en las Figuras 8 y 9, respectivamente. Se representaron estas series en comparación con un
GAM ajustado a todas las series juntas, para buscar correlaciones y, por tanto, qué series proporcionan
información similar o contradictoria. Esto podría utilizarse posteriormente para aportar información a la decisión
de qué series deberían usarse en las evaluaciones. Estos diagramas se presentan en las Figuras 10a y 10b, y en
las Figuras 11a y b para el Atlántico norte y sur, respectivamente.
Para el Atlántico norte, el Grupo ya había acordado en 2013 no utilizar periodos de transición ni para la serie
japonesa ni para la de Taipei Chino. Las restantes CPUE fueron examinadas por el Grupo con el fin de decidir
cuáles deberían considerarse en los modelos de producción. En este punto, y considerando las dificultades de
estandarizar adecuadamente los índices históricos (ver más arriba), se acordó seguir el procedimiento indicado
en el SCRS/2016/028, considerando por tanto los índices individuales en el marco de un modelo de producción
empezando en 1975. Por lo tanto, las series de CPUE más antiguas fueron descartadas. El índice irlandés de
arrastre epipelágico y el índice de curricán francés fueron también descartados dado que eran relativamente
cortos. Se consideró que las siguientes series, inicialmente, reflejan potencialmente las tendencias en la
abundancia del stock: palangre tardío de Taipei Chino, palangre tardío de Japón (para 1988-2012), curricán de
UE-España, cebo vivo de UE-España, palangre de Venezuela y palangre de Estados Unidos. Estos índices
muestran, en general, una tendencia descendente al inicio de la serie temporal (empezando en 1975), seguida de
una tendencia ascendente en los últimos años. El índice de curricán de UE-España, sin embargo, está
negativamente correlacionado con la mayoría de los demás, mostrando una tendencia ligeramente descendente y
continua. Esto, junto con el hecho de que este índice refleja las clases de edad juveniles (en su mayoría edades 2
y 3), hizo que el Grupo no lo considerara más en los análisis (excepto para los análisis de sensibilidad). Las
series finales de CPUE consideradas aparecen representadas en las Figuras 12a y 12b.
1197
Para el sur, el Grupo revisó las decisiones tomadas en 2013 sobre su uso en la evaluación de stock. Dichas
decisiones incluían no utilizar el periodo de transición de Japón (dado que los periodos de transición son más
difíciles de estandarizar y por tanto es más probable que no reflejen la abundancia del stock), ni el índice de cebo
vivo de Sudáfrica, dado que representa solo a algunos grupos de edad y por ello podría infringir los supuestos de
los modelos de producción. El Grupo se mostró de acuerdo en que la serie de CPUE brasileña no debería
incluirse en los modelos de producción debido a los temas antes discutidos sobre esta serie. Para la actualización
de la evaluación de stock de 2016, se decidió mantener el índice del palangre uruguayo (que muestra un
descenso más marcado que los demás índices en los últimos años), el índice de palangre de Taipei Chino, así
como el índice de palangre japonés. Respecto a este último, basándose en los documentos presentados que
sugieren que la caída temprana en la serie "temprana japonesa" podría no reflejar tendencias reales en la
abundancia (véase más arriba), el grupo acordó utilizar la serie "tardía japonesa" (aunque excluyendo el pico de
los últimos tres años), pero realizar los análisis de sensibilidad con la serie de CPUE "temprana japonesa".
3 Puntos de referencia, normas de control de la captura y evaluaciones de estrategias de ordenación
El Grupo señaló que el trabajo en curso sobre evaluación de estrategias de ordenación (MSE), puntos de
referencia (RP) y normas de control de la captura (HCR) tiene como objetivo contribuir no solo a posibles
decisiones que la Comisión pueda tomar respecto a una posible HCR para el atún blanco del Atlántico norte sino
también a decisiones que deben tomarse durante la reunión de este Grupo para asegurar que el asesoramiento de
la evaluación de stock es robusto ante la incertidumbre.
El Grupo también indicó que otras OROP están también progresando en la MSE para el atún blanco y que los
esfuerzos de ICCAT podrían beneficiarse de la experiencia compartida con el resto de esfuerzos en curso. Esta
interacción podría llevarse a cabo mejor en el marco del Grupo de trabajo conjunto de Kobe sobre MSE, que se
estableció después de la 3ª reunión de Kobe (La Jolla, 2011 - http://www.tuna-org.org/kobe3.htm) como un
grupo de discusión electrónico abierto a partes interesadas y profesionales en este campo. El Grupo discutió la
situación actual de los planes para una reunión cara a cara del Grupo de trabajo conjunto de las OROP de túnidos
sobre MSE para acelerar el proceso de las MSE en todas las OROP de túnidos. El Grupo fue informado de que
aunque dicha reunión no había sido aun formalmente anunciada, una consulta acerca del calendario a un grupo
de científicos nominados por los Secretarios Ejecutivos/Directores de las OROP de túnidos indicaba que sería
posible celebrar una reunión en el último trimestre de 2016. El Grupo fue informado de que un Comité directivo
formado por científicos de los contactados hasta ahora elaboraría un orden del día de la reunión, organizaría los
planes de trabajo para la misma y daría los pasos necesarios para garantizar que el proceso es tanto transparente
como integrador, tal y como estaba previsto en el proceso de Kobe.
Esta sección está compuesta por tres subsecciones. En la primera subsección se examinan brevemente los
progresos recientes en la evaluación de estrategias de ordenación (MSE) del atún blanco del norte y en la
evaluación de normas de control de la captura (HCR), tal y como se describen en varios documentos presentados
a la reunión. En la segunda subsección se presenta una síntesis de los debates sobre cómo puede presentarse este
trabajo a la reunión intersesiones de la Subcomisión 2 de la Comisión, en Sapporo, Japón, y a la reunión anual
del SCRS en septiembre. En la tercera subsección se presentan los resultados de otro trabajo de simulación
realizado para aportar información sobre cómo se puede calcular el riesgo asociado con las decisiones de
ordenación para el atún blanco del Atlántico norte.
3.1 Actualización de los progresos de la MSE de atún blanco del Atlántico norte
El Grupo constató que los trabajos sobre puntos de referencia (PR) y HCR para el atún blanco del Atlántico norte
habían progresado desde 2009 (y probablemente desde antes). El Grupo constató que el proceso MSE ha sido
incorporado como un componente del plan estratégico para la ciencia del SCRS en 2014. Finalmente, el Grupo
también constató que los resultados MSE proporcionados en 2013 con respecto a las proyecciones de un
subconjunto de HCR posibles y las probabilidades de alcanzar los objetivos de la Comisión sirvieron para
orientar parte de la redacción de la Rec. 15-04 por parte de la Comisión.
Se informó al Grupo de que la mayor parte de los trabajos sobre MSE presentados a esta reunión se habían
presentado ya durante este año al WGSAM, que aportó comentarios al equipo MSE que trabaja en simulaciones
para el atún blanco del Atlántico norte. Se informó al Grupo de los comentarios aportados por el WGSAM y se
procedió a su debate. A continuación se resumen los resultados de los debates.
1198
Los primeros pasos a la hora de realizar una MSE son: identificar los objetivos de ordenación y establecer una
correspondencia entre éstos y los indicadores estadísticos de desempeño o funciones de utilidad, ii) seleccionar
las hipótesis que se tienen que considerar en el modelo operativo (OM) que representa las versiones simuladas
de la realidad; iii) condicionar el modelo operativo basándose en los datos y conocimientos, y ponderar las
hipótesis del modelo en función de su plausibilidad; iv) identificar estrategias de ordenación potenciales y
codificarlas como procedimientos de ordenación (MP), v) proyectar el OM en el tiempo utilizando los MP como
procedimientos de control de respuesta para simular el impacto de la ordenación a largo plazo y vi) identificar el
MP (o conjunto de MP) que cumpla estrictamente objetivos de ordenación. Este ciclo podría tener que repetirse
más de una vez, como respuesta a las interacciones entre el SCRS y la Comisión, y cuando se difunda el nuevo
conocimiento del sistema simulado (por ejemplo tras una nueva evaluación completa del stock).
El trabajo realizado para el atún blanco del Atlántico norte, la documentación, los códigos y datos, pueden
descargarse y ejecutarse desde http://iccat-mse.github.io/. Durante la reunión se presentaron una serie de
documentos nuevos en los que se describen los recientes progresos en la implementación de la MSE para el atún
blanco del Atlántico norte: SCRS/2016/015, SCRS/2016/023, SCRS/2016/024, SCRS/2016/025,
SCRS/2016/026, SCRS/2016/027 y SCRS/2016/028. Estos documentos no se presentaron en detalle, sino que se
utilizaron para ilustrar las fases requeridas para llevar a cabo una MSE. Durante la reunión, se presentó un
resumen de los resultados y métodos en una única presentación. Se consideró que éste sería el modo adecuado de
proporcionar la información sobre los progresos en la MSE requerida por el Grupo, sin dedicar a ello demasiado
tiempo de la reunión. En la presentación se aclararon los pasos que ya se han dado para realizar una MSE para el
atún blanco del Atlántico norte. También se comunicó que el análisis de los datos utilizados en el
condicionamiento del modelo operativo sugería que podría haberse producido un cambio en la dinámica de
producción del stock antes de 1975. Por esta razón y a efectos de MSE, el submodelo de observación no simula
datos anteriores a 1975.
El documento SCRS/2016/015 se presentó con más detenimiento. El objetivo de ordenación de ICCAT es
mantener una captura elevada a largo plazo con una elevada probabilidad de que los stocks no estén
sobrepescados o no se produzca sobrepesca. Si se produce sobrepesca o el stock está sobrepescado, el objetivo
de ICCAT es volver a llevar al stock a la zona en la que los stocks no están sobrepescado y en la que no se
produce sobrepesca (cuadrante verde del diagrama de Kobe) con una elevada probabilidad y en el plazo más
corto posible [Rec. 11-13]. Para alcanzar este objetivo, las normas de control de la captura (HCR) son un
conjunto de normas predefinidas y acordadas que pueden utilizarse para determinar las acciones de ordenación
(por ejemplo: cuotas anuales). Estas HCR deben ser acordadas por los responsables de elaborar las políticas, y
deben ser comprendidas y aceptadas por las partes interesadas, lo que a menudo resulta difícil debido a las
numerosas incertidumbres inherentes a las pesquerías. Por ello, la evaluación de estrategias de ordenación
(MSE) se utiliza para estimar los diferentes niveles de probabilidad de alcanzar los objetivos de ordenación
mediante HCR alternativas, teniendo en cuenta las incertidumbres existentes que afectan a la dinámica de las
pesquerías. En esta investigación se ha desarrollado un estudio MSE para el atún blanco del Atlántico norte y se
ha simulado el impacto de HCR alternativas, llegando a la conclusión de que, con ciertos niveles de precaución,
se pueden realizar capturas elevadas estables a largo plazo y se pueden alcanzar los objetivos de conservación. El
Grupo constató que los indicadores de desempeño incluidos en el documento SCRS/2016/015 se basaban en la
Recomendación 15-04.
El Grupo emitió y debatió diversos comentarios sobre los progresos recientes en los trabajos de MSE del atún
blanco del Atlántico norte. El Grupo formuló las siguientes sugerencias para los elementos individuales del
proceso MSE.
3.1.1 Sugerencias de carácter general
El Grupo constató que este trabajo no solo supone un paso hacia adelante en el diálogo actual entre el SCRS y la
Comisión, sino que constituye un importante esfuerzo de investigación para los científicos que participan en él.
Incluso aunque la Comisión acuerde implementar pronto un procedimiento de ordenación que incluya una HCR
para el atún blanco del Atlántico norte, se seguirán requiriendo los conocimientos para llevar a cabo una MSE en
el SCRS durante varios años. Y esto debido a que, tras haber llegado a un acuerdo sobre una HCR, será
necesario revisarla periódicamente. Además, la Comisión dejó claro en su Recomendación 15-07 que quiere
aplicar el concepto MSE a la ordenación de otros stocks de ICCAT.
1199
El Grupo también constató que el objetivo de este tipo de análisis es explorar las HCR más sólidas frente a una
gama de incertidumbres. Aunque en los trabajos realizados hasta la fecha se han considerado ya varias fuentes de
incertidumbre, en el futuro podrán siempre considerarse otras incertidumbres además de las consideradas en este
estudio.
El Grupo constató que el equipo de modelación MSE proporcionó antes de la reunión todos los códigos, datos de
entrada y datos de salida de esta investigación a través de un directorio compartido (Share Point) y el sitio github
para garantizar la transparencia, tal y como solicitó el WGSAM.
3.1.2 Submodelo operativo
El Grupo indicó que las principales incertidumbres cuantificadas por el modelo Multifan CL se habían
incorporado en las simulaciones MSE. Sin embargo, en el documento SCRS/2016/025 se identificaban las
posibles mejoras que podrían incorporarse en el submodelo operativo. El Grupo debatió estas mejoras y propuso
otras.
El Grupo sugirió que el supuesto de utilizar una selectividad única para las flotas que han pescado atún blanco en
una gran parte de su zona de hábitat y que capturan desde juveniles a adultos podría no ser apropiado. En ese
caso, las diferencias en la ratio de cantidad de esfuerzo entre las zonas templadas y las zonas tropicales puede
cambiar en gran medida la selectividad de la flota. Se indicó que en el marco de la MSE dichos cambios en la
selectividad podrían representarse en un primer momento mediante un modelo de error de observación sin tener
que estructurar el modelo operativo para que sea espacialmente explícito.
También se sugirió que se examine la autocorrelación en el reclutamiento que se evidencia en la serie temporal
de reclutamiento estimada a partir de Multifan CL en 2013. Tras examinar esta correlación, el Grupo sugirió que
se utilice el submodelo operativo para modelar escenarios adicionales de autocorrelación en el reclutamiento.
Deben probarse también escenarios adicionales relacionados con los cambios en el régimen de reclutamiento.
3.1.3. Submodelo de error de observación
El Grupo constató que el coeficiente de variación (CV) para las CPUE utilizado en este análisis se basada en el
CV de la evaluación de 2013 realizada con Multifan CL y que estos valores de CV eran comparables con los de
otros estudios MSE en otras OROP de túnidos. Sin embargo, se constató que para los CV más elevados el MP
simulado no podía ajustar el modelo de producción excedente al índice de abundancia y no pudo proporcionar
soluciones viables,
El Grupo sugirió que era necesario revisar el supuesto de capturabilidad constante para generar directamente el
índice de abundancia. Se sugirió la inclusión de un escenario de capturabilidad creciente en las simulaciones de
la MSE. En dicho escenario, los índices tendrían una tendencia histórica a subestimar siempre los cambios en la
abundancia, que crecería continuamente en el tiempo. Esto contrasta con el escenario de hiperestabilidad,
considerado actualmente, en el que la subestimación depende del nivel de biomasa.
3.1.4 Procedimiento de ordenación1
La MSE no puede responder a la pregunta de qué serie de CPUE estimada disponible para las diferentes flotas
debería utilizarse en una evaluación o en el procedimiento de ordenación. Lo máximo que puede hacer es
informar sobre qué tipo de características debe tener un índice de abundancia para ser efectivo en el contexto de
un procedimiento de ordenación. Podrían probarse los índices con muchas incertidumbres o los índices que solo
hacen un seguimiento de algunas partes de la población.
Además, se sugirió que debería probarse un modelo de evaluación que no sea el modelo de producción como
parte del procedimiento de ordenación. Un posible candidato de modelo de evaluación podría ser un modelo de
diferencia retardada (delay-difference) que pueda predecir las dinámicas de reclutamiento separándolas de las del
stock maduro. Dicho modelo podría utilizar de un modo más eficaz los índices de abundancia relativa
disponibles para los juveniles de atún blanco del Atlántico norte. Dichos modelos de diferencia retardada
parecen arrojar mejores resultados en el contexto de la MSE (Carruthers et al., 2016) que muchos otros modelos
de evaluación, incluidos los modelos de producción. Debería evaluarse la posibilidad de adoptar este nuevo
modelo de evaluación dado que supondría un cambio con respecto a las prácticas actuales del Grupo.
1 También se denomina estrategia de ordenación.
1200
El Grupo constató que los puntos de referencia obtenidos a partir de los modelos de producción excedente asumen que la selectividad no cambia a lo largo de la serie temporal. Esto implica que los cambios en la productividad relacionados con los cambios en la selectividad podrían no ser captados totalmente si se elige un modelo de producción excedente como modelo de evaluación. En trabajos futuros deberían evaluarse cuestiones relacionadas con los sesgos y la corrección de objetivos de rendimiento, tal y como se obtienen a partir los modelos de producción excedente. El Grupo recomendó también que se consideren las causas por las que algunos ensayos resultan fallidos en los análisis (el modelo de evaluación no pudo ajustar las observaciones simuladas). Sería importante saber si estos ensayos fallidos están relacionados con problemas de convergencia en la estimación o si reflejan errores en la estructura del modelo operativo o del modelo de error de observación. A solicitud del Grupo, el equipo MSE aclaró que las probabilidades y plazos previstos en la Rec. 15-04 se habían incorporado en los trabajos MSE realizados hasta la fecha. 3.1.5 Submodelo de implementación Debería considerarse la posibilidad de añadir un sesgo en la implementación de las medidas de ordenación, a saber que se pesque sistemáticamente hasta un nivel superior o inferior al TAC. Se indicó que desde que la Comisión adoptó los TAC para el atún blanco, las capturas se han situado generalmente por debajo de los TAC, pero que podría examinarse un sesgo direccional en el error de implementación. 3.2 Implicaciones para la evaluación actual El modelo de evaluación de MSE actual es un modelo de producción excedente. Los resultados de la MSE y otros trabajos previos (por ejemplo, véase Maunder 2003) sugieren que un modelo de producción no simétrico (Pella y Tomlinson, Fox, etc…) explica mejor la dinámica del stock de atún blanco del Atlántico norte, y que dicho modelo debería utilizarse en la evaluación (probablemente sea el resultado del condicionamiento del OM con escenarios específicos de Multifan CL de 2013). Las simulaciones MSE también resaltaron los beneficios de contar con distribuciones previas de r y K, parámetros que resulta difícil estimar con los conjuntos de datos disponibles para el modelo de producción. Los cambios en la selectividad de las flotas que pescan en una amplia zona del stock y que capturan tanto juveniles como adultos se tratan mejor con definiciones alternativas de las flotas que podrían captar las diferencias en la distribución espacial del esfuerzo (por ejemplo, flotas palangreras tropical y templada). La simulación sugería que, dados los cambios potenciales en la productividad en el pasado, un ajuste del modelo de producción a un periodo reciente (desde 1975) podría imitar las tendencias de abundancia del modelo operativo desde 1975. 3.3 Aportaciones a la próxima reunión intersesiones de la Subcomisión 2 de la Comisión en Sapporo El Grupo revisó las Recs. 15-04 y 15-07 para evaluar las aportaciones potenciales que este Grupo y el SCRS podrían realizar a la reunión intersesiones de la Subcomisión 2, que se celebrar en julio de 2016, en Sapporo. El Grupo constató que el objetivo de la reunión de la Subcomisión 2 consiste en brindar una oportunidad para continuar con el diálogo sobre la MSE entre los científicos, las partes interesadas y la Comisión. Durante los dos últimos años este diálogo se ha desarrollado en el marco de las reuniones del SWGSM de ICCAT. En 2015, la Comisión decidió que las discusiones MSE específicas de los stocks deberían desarrollarse en reuniones de las diferentes Subcomisiones de la Comisión. El Presidente del SCRS presentó ideas sobre qué podría incluirse en una presentación sobre la MSE de atún blanco para la reunión intersesiones de la Subcomisión 2 en Sapporo. El Grupo proporcionó una amplia respuesta sobre el potencial contenido de la presentación, lo que incluía:
- una mejor explicación del historial de los trabajos sobre MSE en ICCAT;
- un reconocimiento adecuado del esfuerzo de los científicos que participan actualmente en los trabajos ICCAT sobre MSE de atún blanco del Atlántico norte;
- una simplificación de los contenidos de algunas de las ideas presentadas, lo que incluye propuestas de utilización de analogías más sencillas sobre la idea de gestión del riesgo;
1201
la inclusión de una mención a los progresos del Grupo de trabajo conjunto sobre MSE de las OROP de
túnidos:
en cuanto a la participación de expertos de otras disciplinas, como ingeniería, para contribuir al
desarrollo de HCR potenciales;
en lo que concierne a los intentos de unificar la terminología utilizada para describir el proceso
MSE con el fin de facilitar la comunicación dentro de las OROP de túnidos y entre ellas;
la propuesta a la Subcomisión 2 de incluir en la reunión un juego para tratar de entender cómo perciben las
partes interesadas las ventajas e inconvenientes en términos de rendimiento, tal y como se hizo en la reunión
del SWGSM de 2015.
sugerencias sobre los próximos pasos que puede dar ICCAT tras la reunión intersesiones de la Subcomisión 2.
El Presidente del SCRS aceptó todas las sugerencias y propuso que se preparasen dos presentaciones diferentes
sobre el trabajo MSE: una más simple y con menos información técnica, para la reunión de la Subcomisión 2, y
otra más elaborada para las sesiones plenarias del SCRS.
3.4 Evaluación de riesgos de errores en las decisiones de ordenación
Se expuso una presentación (SCRS/P/2016/021) sobre los trabajos basados en un enfoque de simulación que se
desarrolló utilizando las características del ciclo vital de atún blanco y probando los puntos de referencia
objetivo y límite basados en BRMS y que operaban en niveles de FRMS, respectivamente. El ponente declaró que,
en el futuro, los gestores podrían tener que determinar el mejor equilibrio entre el riesgo para el recurso y los
niveles óptimos de captura a largo plazo para el stock objeto de ordenación. Se evaluó el efecto de que el
objetivo sea la pesca en niveles objetivo, así como el riesgo de situarse por debajo de los puntos de referencia
límite, considerando sus ventajas e inconvenientes frente a la presencia de autocorrelación en el error de proceso.
Se calculó como un indicador de rendimiento el tiempo de recuperación hasta el punto de referencia objetivo y
más allá de puntos de referencia límite. El enfoque presentado mostraba la probabilidad de que se produzcan
acontecimientos adversos y evaluaba los diferentes resultados basándose en umbrales y tasas específicos en los
que los stocks son explotados. Se introdujo el concepto de error de tipo I y tipo II, que define sobre todo la
probabilidad de emprender una acción de ordenación cuando no es necesaria (un falso positivo, riesgo de
emprender una acción de ordenación en una pesquería) frente al riesgo de no emprender una acción de
ordenación cuando es necesaria (falso negativo, riesgo de no proteger el recurso cuando es necesario).
A modo ilustrativo, el ponente demostró que este enfoque daría buenos resultados para un stock teórico de atún
blanco del Atlántico norte condicionado por los resultados obtenidos en 2013 utilizando Multifan CL. El Grupo
constató la pertinencia de esta presentación, y acogió con satisfacción los resultados que mostraban la
probabilidad de errores tipo I y tipo II. El Grupo debatió el modo en que el impacto de la autocorrelación afecta a
la resiliencia del stock, a saber, el tiempo que se requiere para que el stocks se recupere hasta un nivel superior al
nivel de Blim cuando ha descendido hasta un nivel inferior al de dicho punto de referencia. El Grupo también
constató que el análisis de autocorrelación mostrado en dicha presentación puede contribuir al desarrollo de los
trabajos sobre MSE actuales para el atún blanco del Atlántico norte y para otros stocks de ICCAT. El Grupo
instó al ponente a preparar un documento SCRS sobre este tema y a que lo presentase a la reunión del Grupo de
especies de atún blanco de finales de septiembre.
4 Evaluación de stock
4.1 Stock de atún blanco del Atlántico norte
En la evaluación de 2013, se utilizaron varias formulaciones de modelo (MFCL, SS3, VPA y ASPIC) con grados
variables de complejidad. Esto permitió modelar diferentes escenarios que representan diversas hipótesis y
caracterizar la incertidumbre relacionada con el estado del stock. Los resultados mostraban que, aunque el rango
de elementos de referencia de la ordenación estimado era relativamente amplio, la mayoría de los modelos
coincidía en que el stock estaba sobrepescado pero no experimentando sobrepesca actualmente (Anón 2014).
Estos modelos de todas las plataformas mostraban una caída en la biomasa del stock desde 1930 hasta
aproximadamente 1990, y una tendencia ascendente en la biomasa que comenzó aproximadamente en 2000.
Asimismo, la mayoría de los modelos de todas las configuraciones mostraban un pico en la mortalidad por pesca
aproximadamente en 1990 con una tendencia descendente a partir de entonces. Los análisis realizados en 2013
requirieron muchos trabajos de escrutinio y preparación de datos, y el Grupo sugirió que las actualizaciones de
evaluación futuras se realicen utilizando modelos simples (por ejemplo, modelos de producción).
1202
Las proyecciones de la evaluación de 2013 se realizaron utilizando siete escenarios ASPIC (considerando
diferentes conjuntos de índices de CPUE) y predijeron que el stock se recuperaría antes de 2019 con una
probabilidad del 53% con el nivel de TAC actual de 28.000 t y con más rapidez si las capturas se mantienen por
debajo de dicho TAC. Durante los tres últimos años (2012-2014), las capturas se han situado por debajo del TAC
(con un promedio de 25.658 t). En 2016, se utilizó el algoritmo Biodyn para una modelo de dinámica de biomasa basado en ADMB, que está disponible en el paquete mpb del repositorio del proyecto FLR (www.flr-project.org), para realizar una evaluación de stock de atún blanco del Atlántico norte. Biodyn se validó con respecto a ASPIC en el documento SCRS/2016/027, ya que proporciona los mismos resultados utilizando los supuestos y entradas de la evaluación de 2013, y es el algoritmo utilizado en el marco MSE (por ejemplo SCRS/216/015). Para la evaluación de 2016, el Grupo seleccionó cinco series de CPUE para utilizarlas en el marco del modelo de producción (véase el punto 2.3). Estos índices mostraban una tendencia creciente general hacia el final de la serie temporal (Figura 12), que podría reflejar la tendencia creciente del stock durante este periodo de capturas relativamente bajas. Siguiendo el documento SCRS/2016/028, el Grupo consideró inicialmente ajustar los índices individuales a las series temporales de captura. Sin embargo, el Grupo carece de fundamentos para decidir qué serie de CPUE podría representar mejor la abundancia. De hecho, el Grupo reconoció que las diferentes flotas que operan en partes diferentes del Atlántico norte podrían proporcionar conjuntamente una señal mejor de la tendencia del stock que las CPUE de cada flota individual. Basándose en lo anterior, el Grupo acordó considerar la utilización de cinco CPUE conjuntamente en el escenario del caso base y asignarles la misma importancia. A continuación, el Grupo debatió si se debía considerar que las series de captura comenzaban en 1975 o en 1930. Las simulaciones realizadas en el documento SCRS/2016/028 sugieren que un modelo de producción puede imitar mejor las tendencias en la abundancia MFCL desde 1975 que desde 1930. Esto podría explicarse porque el modelo de producción asume una productividad constante a lo largo de todo el periodo y no puede explicar algunos patrones de abundancia derivados de cambio de régimen que producen importantes variaciones del reclutamiento en el tiempo. Sin embargo, el ajuste del modelo de producción desde 1930 sería coherente con la práctica utilizada en la evaluación de stock de 2013, y el ajuste a los datos de captura desde 1975 requeriría un supuesto adicional relacionado con la condición del stock en 1975, aunque el supuesto sobre la condición del stock en 1930 podría justificarse más fácilmente. Para el caso base, se asumió un nivel de biomasa virgen en 1930, y se utilizó un modelo Fox (a saber, BRMS=0,36*K) a diferencia de la evaluación de stock de 2013 (véase la sección 3).
Los resultados del escenario del caso base para el atún blanco del Atlántico norte se muestran en la Tabla 12 y
en la Figura 13. El Grupo constató que la tasa de crecimiento intrínseco estimada (r = 0,09) era muy baja en
comparación con, por ejemplo, la estimada en los modelos operativos considerados para la MSE, la evaluación
de 2013 o para el stock del sur. Los perfiles de verosimilitud parcial sugieren que los índices contenían poca
información y a veces información contradictoria sobre este parámetro (Figura 14). La capacidad de transporte
estimada (K) se situaba por encima de 106 t, y el rendimiento máximo sostenible se estimó en 37.082 t. Los
valores residuales de la CPUE mostraban algunos patrones (Figuras 15 y 16). Los valores residuales del índice
de palangre de Taipei Chino presentaban la tendencia residual más fuerte. Los índices de palangre de Estados
Unidos y Venezuela mostraban también algún patrón temporal, mientras que los valores residuales de la
pesquería de palangre japonesa y de cebo vivo española tenían una distribución más aleatoria en torno a cero,
con una variación relativamente constante. Estos patrones de residuos reflejan las diferentes señales
proporcionadas por las CPUE de estas pesquerías en las diferentes zonas en las que operan.
En la Figura 17 se muestran las tendencias en la biomasa y la mortalidad por pesca en el tiempo, tal y como se estimaron para el caso base. Los resultados sugieren que la biomasa cayó entre los años treinta y la década de los noventa, y se recuperó a partir de entonces. En lo que concierne a los niveles de referencia de RMS, el escenario del caso base estima que el stock se ha recuperado hasta niveles superiores al nivel de BRMS. El diagrama de fase de Kobe del escenario del caso base sometido a bootstrap muestra un patrón típico de desarrollo, sobreexplotación y recuperación de este stock (Figura 18). La incertidumbre en torno al estado actual del stock tiene una forma clara, determinada por la estrecha correlación entre r y K estimada por el modelo de producción. La probabilidad de que el stock esté actualmente en la zona verde del diagrama de Kobe (no sobreexplotado ni siendo objeto de sobreexplotación, F<FRMS y B>BRMS) es del 96,8%, mientras que la probabilidad de estar en la zona amarilla (sobreexplotado o siendo objeto de sobreexplotación, F>FRMS o B<BRMS) es del 3,2%. La probabilidad de situarse en la zona roja (sobreexplotado o experimentando sobrepesca F>FRMS y B<BRMS) es de un 0% (Figura 19).
1203
El Grupo realizó varios análisis de sensibilidad, considerando una función logística de producción, el contenido
de la información de los datos, a saber, duración de la serie temporal de captura (truncada en 1975) y el impacto
de suprimir uno de los cinco índices de CPUE cada vez. Las estimaciones históricas de biomasa absoluta no
fueron muy sensibles al efecto de truncar la serie temporal en 1975 y las funciones de producción estimadas en
ambos escenarios tuvieron como resultado un incremento similar en la biomasa en años recientes (Figura 20).
Sin embargo, otros escenarios demostraron una mayor sensibilidad de las tendencias históricas de biomasa
absoluta (en el periodo anterior a 1975, para el que solo se consideró la información sobre capturas), así como de
K y r, a los datos utilizados (Figura 21). En lo que concierne a los niveles de referencia de RMS, las
sensibilidades históricas se redujeron, pero los indicadores del estado reciente fueron más sensibles. Cuando se
asume una función logística en el modelo de evaluación de dinámica de biomasa, se predijeron valores inferiores
de B/BRMS para la trayectoria durante la totalidad de la serie temporal, mientras que con la exclusión del índice
de palangre de Taipei Chino se obtuvieron valores mucho más elevados de B/BRMS en el periodo reciente. Los
análisis de sensibilidad con respecto a los otros índices no mostraron importantes desviaciones con respecto al
caso base, y todos predijeron que el stock está en el cuadrante verde (Figura 22), aunque el estado reciente
presentaba variaciones en los diferentes escenarios.
Finalmente, el Grupo constató que aunque la trayectoria de B/BRMS mostraba un fuerte patrón retrospectivo
(Figura 23), todas las trayectorias retrospectivas mostraban una mejora en el estado del stock en el periodo más
reciente. Aunque el patrón retrospectivo no era claramente sistemático y la influencia de los puntos de datos
individuales era heterogénea, se sugirió que la estimación del estado actual del stock podría ser objeto de una
importante sobreestimación y, por tanto, podría no ser apropiada para realizar proyecciones hacia el futuro y
facilitar asesoramiento basado en dichas proyecciones, ya que en el futuro podría constatarse que dichas
proyecciones son incorrectas. Para abordar este problema, el Grupo decidió analizar el efecto de dicho patrón
retrospectivo observado en la proyección de la propia matriz de Kobe, como un modo de evaluar la solidez del
asesoramiento (basándose en la proyección del cabo base) con respecto al patrón retrospectivo observado. Esta
cuestión se aborda en la sección 5.1.
En resumen, la información disponible indica que el estado del stock ha mejorado y que lo más probable es que
esté en la zona verde del diagrama de Kobe, aunque la condición exacta del stock no está bien determinada.
4.2 Stock de atún blanco del Atlántico sur
4.2.1 ASPIC
Métodos
En el documento SCRS/2016/069 se presentaba un modelo de producción excedente en no equilibrio para el
stock de atún blanco en el Atlántico sur utilizando un paquete informático ASPIC v. 5.34. La categorización de
la flota (Tabla 13) fue similar a la utilizada en la evaluación de 2013. Se calculó la captura para cada flota
(Tabla 14) basándose en los datos de Tarea I a 19 de abril de 2016. La Tabla 15 muestra los índices de CPUE
utilizados para los modelos. Se utilizaron los índices de CPUE de las mismas flotas que en los escenarios del
caso base de la última evaluación, basándose en las decisiones que se tomaron en la reunión de preparación de
datos sobre atún blanco de 2013. Varias flotas carecían de índice de CPUE. Se examinaron cuatro modelos con
las mismas configuraciones que los de la última evaluación (Tabla 16).
Tras el debate, el Grupo convino en que no debería incluirse la CPUE del palangre de Japón anterior a 1975 y
posterior a 2012, debido al cambio en la estrategia de pesca con respecto al atún blanco (véase la sección 2.3).
Las demás especificaciones del modelo ASPIC son las mismas que las de la última evaluación.
Estado y diagnósticos
En general, todos los modelos predijeron que en alguna etapa del pasado reciente, el stock de atún blanco del Sur
había sido objeto de sobrepesca y había estado sobrepescado. En años recientes, la ratio de B se ha incrementado
y la ratio de F ha descendido. Parece ser que la presión por pesca ha disminuido en los últimos años, lo que se ha
traducido en el subsiguiente incremento de la biomasa del stock.
Los resultados basados en los cuatro casos base sugerían que el nivel de explotación en años recientes era similar
en los cuatro casos (B2015/BRMS oscilaba entre 0,937 y 1,147 y F2014/FRMS entre 0,489 y 0,573, Figura 24 y Tabla
17). Con el fin de generar intervalos de confianza, se llevaron a cabo 500 ensayos de bootstrap para cada
modelo. Los resultados del bootstrap para los cuatro casos se muestran en la Figura 25 (diagrama de Kobe I).
1204
Para todos los escenarios, una porción de los resultados se situaron en el cuadrante verde del diagrama de Kobe
(no sobrepescado ni sobrepesca). El RMS se estima en una gama entre 25.080 t y 26.920 t (Tabla 17), cifra
cercana al doble de la captura total de 2014 (13.677 t).
Se llevaron a cabo varios análisis de sensibilidad y retrospectivos para un escenario (ensayo 8) del modelo
ASPIC (Tabla 18, Figura 26). En el escenario que empieza en el año 1975, B1/K se estableció en 0,63, lo que
se calculó a partir de K y de la biomasa en 1975 estimada en el caso base. Como resultado de los análisis de
sensibilidad, la ratio de B del periodo inicial cambiaba con B1/K diferentes, y al utilizar solo el índice del
periodo de captura fortuita de palangre japonés producía resultados más optimistas. El escenario que empieza en
el año 1975 fue también más optimista. El escenario con la CPUE de cebo vivo de Sudáfrica no convergía. Los
resultados de otro análisis de sensibilidad fueron muy similares a los del caso base. En cuanto a los análisis
retrospectivos, se observaron solo ligeras diferencias cuando se eliminaron los datos de los últimos uno a seis
años. Los modelos en los que se suprimieron los datos de los siete u ocho últimos años no convergieron. Se
observó una ligera sobreestimación de la ratio de B en años recientes, pero la diferencia se mantuvo en un 10%
y, por tanto, el modelo indicó resultados comparativamente robustos.
4.2.2 Modelo de producción excedente bayesiano (BSP)
Se utilizó el Modelo de producción excedente bayesiano (BSP) aplicado al stock de atún blanco del Atlántico sur
en la evaluación de 2013 utilizando tres años adicionales de datos de captura (1956-2014) y las series de CPUE
recomendadas por el Grupo, a saber, palangre de Taipei Chino entre 1967 y 2014, palangre de Japón entre 1976
y 2011 y palangre de Uruguay desde 1983 hasta 2011. Se utilizaron las mismas distribuciones previas que en
2013. Se produjeron también diagramas de Kobe. Las estimaciones del estado actual del stock dependían en gran
medida del método utilizado para ponderar los puntos de datos de CPUE, y los escenarios de ponderación igual
consiguieron una mejor convergencia. La ponderación igual produjo resultados más optimistas, mientras que los
resultados de ponderación por la captura fueron más pesimistas.
Métodos
Se aplicó el modelo bayesiano de producción excedente (BSP) al atún blanco del Atlántico sur para los mismos
cuatro escenarios del casos base del modelo que se utilizaron para ASPIC. Los modelos utilizados fueron: (1)
ponderación igual de los índices, modelo Schaefer; (2) ponderación por captura, modelo Schaefer, (3)
ponderación igual, modelo Fox con BRMS/K=0,37 y (4) ponderación por captura, modelo Fox con BRMS/K=0,37.
Dado que con una ponderación igual de los índices no surgieron problemas en la convergencia del modelo, la
ponderación total se redujo a 1/100. Para los cuatro casos base del modelo se utilizaron las mismas
distribuciones previas bayesianas que se utilizaron en la evaluación de 2013. La distribución previa para la
biomasa de 1956 relativa a K era lognormal con una media de 0,9 y una desviación estándar logarítmica de 0,1,
lo que implica que la población estaba prácticamente sin explotar en el primer año de la pesquería. La
distribución previa para K era uniforme en la escala logarítmica. Se desarrolló una distribución previa
informativa para la tasa intrínseca de crecimiento de la población r como se muestra en Babcock (2012) y en la
evaluación de 2013 y fue aproximada mediante una distribución t con una media de 0,2, una varianza de 0,025 y
df de 10.
El programa BSP que utiliza R y JAGS, que es la versión mejorada de la disponible en el catálogo ICCAT de
métodos, se utilizó para estimar la distribución posterior marginal mediante la utilización del algoritmo MCMC.
Estado y diagnósticos
Al igual que los cuatro casos bases de ASPIC, los dos modelos de ponderación igual de BSP estimaron una
biomasa creciente y una mortalidad por pesca decreciente desde comienzos de la década de 2000 (Figuras 24 y
25). Dos casos base de ponderación por capturas estimaron una tasa de captura decreciente desde la última
evaluación de stock, mientras que la biomasa disminuía ligeramente. Sin embargo, el estado actual con respecto
a BRMS y HRMS (ratio de captura en RMS) dependía de la formulación del modelo (Figura 26, Tablas 17 y19),
dos casos base con ponderación igual y un caso base con ponderación por capturas estimaron que el stock no está
sobrepescado y no está experimentando sobrepesca y un escenario del caso base con ponderación por capturas
estimó que el stock está sobrepescado, pero que no está siendo objeto de sobrepesca. Los cuatro casos base
estimaron unas tasas más elevadas de crecimiento intrínseco (r) y una menor biomasa inicial que ASPIC (véanse
también las Figuras 27 y 28). Tres de los cuatro casos base indicaron incrementos en la ratio de B y descensos
en la ratio de captura (ratio de H) con respecto a la última evaluación de stock y solo el modelo Fox con
ponderación por capturas tuvo como resultado un descenso en la ratio de B y un incremento de la ratio de H que
1205
se deberían a un fuerte descenso en la RMS estimada (Tabla 17). Los intervalos de confianza de las
estimaciones de B/BRMS y F/FRMS tienden a ser más amplios en los modelos con ponderación igual que en los
modelos de ponderación por capturas (Figura 24). Algunos diagnósticos de convergencia, por ejemplo Rhat y
Neff para r y K, parecían adecuados (véanse las Figuras 29 y 30), pero también se hallaron algunas tendencias.
Por tanto la convergencia del modelo podría plantear algún problema y podría requerir investigaciones
adicionales en el futuro.
4.2.3 Resumen del estado del stock
Seis de los ocho escenarios indicaban que el stock no está sobrepescado ni siendo objeto de sobrepesca y los
otros dos escenarios indicaban que el stock está sobrepescado pero que no está siendo objeto de sobrepesca
(Tabla 17). Todos los escenarios ASPIC y dos escenarios BSP estimaban una ratio de B más elevada que en la
última evaluación de stock, y todos los escenarios ASPIC y tres escenarios BSP estimaron una ratio de F/ratio de
H inferior a la de la última evaluación de stock (Tabla 17). Esto indicaba que el estado actual del stock del sur
ha mejorado desde la última evaluación de stock y que existe una elevada probabilidad de que el stock se sitúe
en el cuadrante verde del diagrama de Kobe.
5 Proyecciones
5.1 Stock de atún blanco del Atlántico norte
Los resultados que se presentan en esta sección se obtuvieron proyectando hacia adelante la población estimada
de 2014 presentada en la sección 4.1. Para 2015 y 2016 se asumió una captura de 26.000 t (véase la sección 2.2).
La población de 2017 en adelante se proyectó con un TAC alternativo y normas de control de la captura (HCR,
como combinaciones de mortalidad por pesca objetivo Fobj, biomasa umbral Bumbral y punto de referencia límite
de biomasa provisional Blim). Se proyectaron los 500 resultados del bootstrap del caso base. Las normas de
control de la captura alternativas incluían mortalidades por pesca objetivo alternativas [Fobjetivo= (0,7, 0,75, 0,8,
0,85, 0,9 y 1) x FRMS], niveles de biomasa umbral de (0.6, 0.8 y 1) x BRMS y un punto de referencia límite de la
biomasa BLim=0,4 x BRMS. En las proyecciones hacia adelante, la HCR se evalúa cada tres años y la mortalidad
por pesca se proyecta asumiendo una implementación perfecta.
Los resultados de las proyecciones del caso base se muestran en la Figura 31 y las Tablas 20 y 21, que indican
la probabilidad proyectada de encontrarse en el cuadrante verde del diagrama de Kobe en el plazo indicado. En
el caso de las proyecciones de HCR, se muestra también la captura media prevista para los tres primeros años,
así como la captura acumulada para cada periodo quinquenal futuro. En la Figura 32 se muestra la probabilidad
de que el stock se halle en el cuadrante verde del diagrama de Kobe y el efecto del patrón retrospectivo en el
asesoramiento en materia de ordenación basado en el caso base proyectado. Este análisis sugiere un efecto
insignificante del patrón retrospectivo en el estado del stock. Las matrices de Kobe obtenidas de todos los
escenarios retrospectivos proyectados eran bastante similares y no mostraban ningún patrón sistemático, incluso
aunque el estado actual del stock que se está proyectando presente importantes variaciones entre los diferentes
escenarios (véanse las Figura 23).
Estos K2SM proyectan niveles de captura sostenible notablemente más elevados que la mayoría de las
evaluaciones previas. Durante el debate, el Grupo constató que las proyecciones no tienen totalmente en cuenta
muchas otras fuentes de incertidumbre (por ejemplo, incertidumbre del modelo, como estructura y supuestos del
modelo) que tienen que evaluarse mediante la MSE. Por tanto, el Grupo no depositó mucha confianza en las
probabilidades proyectadas a partir de esta evaluación (K2SM).
5.2 Stock de atún blanco del Atlántico sur
5.2.1. Proyecciones de ASPIC
Basándose en el bootstrap (500 veces) de cada escenario, se llevaron a cabo proyecciones. El periodo de
proyección elegido fue de 16 años (2015-2030). La captura constante futura se estableció entre 12.000 y 34.000 t
(con intervalos de 2.000 t) o se asumió una F constante de entre 0,75*FRMS y 1,00*FRMS (en intervalos de
0,05*FRMS). Se estimó la captura de 2015 (15.570 t) basándose en la captura comunicada o en el promedio de
los tres últimos años, y se asumió que la captura de 2016 era igual al promedio de la captura de 2013-2015
(16.170 t), para ambos escenarios, de captura constante y F constante.
1206
Se utilizó el paquete de software ASPIC ver. 3.16 para realizar proyecciones. Los resultados de estas
proyecciones con escenarios de captura constante y F constante se ilustran en las Figuras 33 y 34,
respectivamente, que muestran la mediana de la trayectoria en los diferentes escenarios. La Figura 35 muestra el
rendimiento predicho en el escenario de F constante. En la Tabla 22 se presentan las matrices de Kobe II que
muestran las probabilidades de que B>BRMS, F<FRMS, y B>BRMS, + F<FRMS (cuadrante verde del diagrama de
Kobe) en diferentes escenarios de captura constante y niveles de F, para cada ensayo ASPIC. Con una captura
constante, se prevé que la mediana de la biomasa se situaría en la zona verde del diagrama de Kobe en 2020 con
una probabilidad de al menos el 60% con un TAC de 26.000 t o inferior en tres de los cuatro escenarios, y con un
TAC de 24.000 t o menos para el escenario Fox de ponderación igual. Para las proyecciones de F constante, con
un 90-95% o menos del nivel de FRMS se alcanzaba la zona verde del diagrama de Kobe a medio y largo plazo
con una probabilidad superior al 60%.
5.2.2 Proyecciones de BSP
Básicamente, los escenarios de la proyección son los mismos que los de ASPIC para el Atlántico sur. Con una
captura constante, se prevé que la mediana de la biomasa se situaría en la zona verde del diagrama de Kobe en
2020 con una probabilidad de al menos el 60% para TAC de 18.000 a 34.000 t, dependiendo del escenario
(Tablas 23 y 24 y Figuras 36 y 37). Con tasas de captura constante, las tasas de captura por debajo de HRMS
permitirían a la población mantenerse en un nivel superior a BRMS con una elevada probabilidad. Cuando H es
igual a HRMS, todos los escenarios, excepto el “logístico de ponderación por capturas”, permitían a la población
alcanzar un nivel superior a BRMS.
5.2.3. Proyecciones para el Atlántico sur
Al combinar los ocho escenarios del modelo ASPIC y BSP, con ponderaciones iguales, la matriz de Kobe
(Tablas 24 y 25) indica que las capturas que permitirían al stock situarse en la zona verde del diagrama de Kobe
en 2020 con una probabilidad de al menos el 60% oscilarían entre 18.000 y 34.000 t; con un promedio de 25.750
t y una mediana de 26.000 t.
6 Recomendaciones de ordenación
6.1 Stock de atún blanco del Atlántico norte
En la Recomendación 15-04 se establece el objetivo de mantener el stock en la zona verde del diagrama de
Kobe, con una probabilidad del 60%, maximizando al mismo tiempo el rendimiento de la pesquería a largo
plazo, y si B<BRMS, conseguir su recuperación antes de 2020 como muy tarde, maximizando la captura media y
minimizando las fluctuaciones interanuales en los niveles de TAC. Las simulaciones realizadas hasta la fecha
sugieren que las HCR con combinaciones de F objetivo por debajo de FRMS, junto con valores de Bumbral por
debajo de BRMS, permiten compromisos razonablemente adecuados entre los objetivos de sostenibilidad y la
rentabilidad y estabilidad de la pesquería. Sin embargo, aunque algunas de estas normas de control de la captura
han sido probadas en un marco MSE con respecto a estos objetivos algunas veces contradictorios, se tienen que
realizar más trabajos para probarlas frente a una gama más completa de incertidumbres.
El Grupo también indicó que la abundancia del atún blanco del norte ha seguido recuperándose durante las
últimas décadas y que es posible que se halle en algún lugar de la zona verde del diagrama de Kobe. Sin
embargo, sin información adicional (véase la sección 7), la magnitud de la recuperación no está bien
determinada y sigue siendo sensible a muchos supuestos diferentes. Esto menoscaba la capacidad del Grupo de
cuantificar de un modo fiable los efectos de TAC futuros o escenarios de HCR sobre el estado del stock, hasta
que no se evalúen más fuentes de incertidumbre y la solidez del asesoramiento en el futuro mediante MSE y/o
evaluaciones de niveles de referencia del stock tras recopilar suficiente información nueva. Basándose en los
análisis realizados en 2016, así como en los de 2013, el Grupo considera que el TAC actual mantendría los
objetivos de la Comisión a largo plazo, tal y como se establece en la Rec. 15-04. Dada la incertidumbre
relacionada con el estado actual del stock y con las proyecciones, el Grupo no puede asesorar sobre los riesgos
que implicaría un incremento en el TAC. Por tanto, el Grupo no recomienda que se incremente el TAC. En el
caso de que la Comisión decida incrementar el TAC, el Grupo recomienda que lo haga con un elevado nivel de
precaución y con el requisito de un mejor seguimiento de los indicadores del stock (información sobre talla,
esfuerzo y captura a nivel operativo de todas las flotas). Además, el Grupo quisiera recordar a la Comisión que
su capacidad de hacer un seguimiento de los cambios en la abundancia del stock se limita actualmente a
información dependiente de la pesquería, y que sería conveniente evaluar herramientas alternativas
independientes de las pesquerías para proporcionar un fundamento mejor para hacer un seguimiento de la
condición del stock.
1207
6.2 Stock de atún blanco del Atlántico sur
Los diferentes escenarios de modelo considerados en la evaluación del stock de atún blanco del Atlántico sur
proporcionan perspectivas diferentes sobre los efectos futuros de acciones de ordenación alternativas. La matriz
de Kobe muestra que las capturas que permiten que el stock se sitúe en la zona verde del diagrama de Kobe en
2020 con una probabilidad de al menos el 60% oscilan entre 18.000 y 34.000 t, en función del escenario
considerado. Considerando que todos los escenarios tienen las mismas probabilidades, la captura media se sitúa
en 25.750 t y la mediana en 26.000 t.
Las proyecciones a un nivel coherente con el TAC de 2016 (24.000 t) mostraron que las probabilidades de
encontrarse en el cuadrante verde del diagrama de Kobe en todos los escenarios se incrementarían hasta el 63%
antes de 2020. Mayores reducciones del TAC aumentarían la probabilidad de estar en la zona verde en dichos
plazos. Por otro lado, capturas superiores a 26.000 t no permitirán mantener al stock en la zona verde con al
menos una probabilidad del 60% antes de 2020.
7 Recomendaciones sobre investigación y estadísticas
El Grupo reconoce la necesidad de incorporar estudios medioambientales en las evaluaciones de atún blanco
y otras especies. El Grupo recibió nueva información que sugería que la profundidad de la capa de mezcla
podría tener algún impacto en la capturabilidad de las pesquerías de superficie. El Grupo recomienda más
investigaciones para confirmarlo, así como una inspección de las fuentes de información medioambiental
histórica que podrían ayudar a integrar esta información en las estandarizaciones de la CPUE de las
pesquerías de superficie.
El Grupo recomienda mayores esfuerzos para obtener las series históricas de captura, esfuerzo, captura por
talla, distribución geográfica y otra información pesquera relacionada de la pesquería de arrastre
semipelágico francesa y otras pesquerías.
El Grupo recomendó que la Secretaría se ponga en contacto con Taipei Chino para obtener la captura por
talla revisada por mes y por cuadrícula de 5ºx5º.
El Grupo manifestó su inquietud respecto a que los cambios espaciales y de especie objetivo en las
pesquerías de palangre podrían haber afectado a las tendencias de sus series de CPUE estandarizadas. Por lo
tanto, el Grupo recomienda explorar de forma más completa otras maneras de incorporar los efectos
espaciales y de especie objetivo en la estandarización de la CPUE. El Grupo constató que debería otorgarse
una mayor credibilidad a los índices de CPUE basados en datos operativos, ya que los análisis de estos datos
pueden tener en cuenta más factores, y los analistas podrían detectar mejor incoherencias o errores en los
datos. El examen de los datos operativos de todas las flotas de palangre del Atlántico que capturan atún
blanco (República de Corea, Japón, Taipei Chino, UE-España, UE-Portugal, Estados Unidos, Uruguay,
Brasil y Venezuela) proporcionará una idea más clara de lo que sucede con el stock, especialmente si algunos
conjuntos de datos tienen un menor tamaño de muestra o menor esfuerzo durante algunos años, y otros tienen
mayor tamaño de muestra y más esfuerzo, de modo que se pueda obtener una muestra representativa que
cubra zonas más amplias en el océano Atlántico norte y sur. De este modo se evitarán las lagunas de
información en algunos estratos cuando una flota no opere en ellos, así como la combinación de dos índices
en ese caso. Por tanto, el Grupo recomendó que se realice un análisis conjunto de los datos operativos de
captura y esfuerzo para múltiples flotas siguiendo las orientaciones generales del Grupo de trabajo sobre
métodos de evaluación de stock para seguir desarrollando métodos y proporcionar índices de abundancia para
las evaluaciones de stock del Atlántico, lo que ya se está haciendo en otros Grupos de especies de ICCAT y
en otras OROP de túnidos.
El Grupo recomendó que los pabellones mencionados antes tomen medidas para garantizar que la
información sobre captura y esfuerzo de Tarea II de sus flotas se facilita en la escala espacio temporal
adecuada y a tiempo para la próxima evaluación del stock de atún blanco. Además, las series temporales de
captura y esfuerzo para dichas flotas deberían estandarizarse para respaldar la próxima evaluación de stock
de atún blanco.
Tal y como se ha indicado en la reuniones científicas más recientes del Grupo de especies de atún blanco,
varios países con importantes pesquerías de atún blanco no estuvieron representados en la reunión, y esto
limitó la capacidad del Grupo a la hora de revisar adecuadamente datos pesqueros básicos y algunas CPUE
1208
estandarizadas, que se presentaron por vía electrónica. Esto tuvo como resultado incertidumbres sin
cuantificar y afectó de manera negativa al objetivo de la reunión. Para solucionar esto, el Grupo sigue
recomendando que las CPC realicen esfuerzos adicionales para participar en las reuniones y que se les
informe de los fondos para creación de capacidad disponibles para participar en las reuniones de los grupos
de trabajo y para contribuir a ellas.
Deben seguirse varias líneas de investigación como parte del aún no financiado Programa sustancialmente
avanzado sobre atún blanco (ASAP). En primer lugar, debe agilizarse la investigación biológica. Es muy
importante contar con parámetros biológicos precisos para la evaluación de stock y para el proceso de evaluar
la capacidad del stock de atún blanco de repuntar desde puntos límite de referencia. Los parámetros
biológicos del atún blanco se basan en muchos casos en trabajos de investigación limitados, y es importante
evaluar si estos parámetros han cambiado con el tiempo o si las observaciones actuales son coherentes con
las estimaciones de estos estudios limitados En segundo lugar, el Grupo recomendó realizar más estudios
sobre el efecto de las variables medioambientales en las tendencias de las CPUE de las pesquerías de
superficie y de otras pesquerías. Finalmente, el Grupo recomendó una elaboración adicional del marco MSE
desarrollado para el atún blanco. Entre otras cosas, debería fomentarse el trabajo para incluir un rango de
incertidumbres más completo, lo que incluye errores de observación, de modelo, del proceso y de
implementación. Esto permitiría describir mejor la incertidumbre en la condición del stock, actual y futura,
proporcionando una base mejorada para el asesoramiento en materia de ordenación. El Grupo recomendó que
para la próxima reunión del Grupo de especies de atún blanco se prepare una lista de líneas de investigación
en orden de prioridad, junto con los requisitos presupuestarios asociados.
El Grupo recomendó que se comuniquen lo antes posible los resultados de la investigación en curso sobre la
estructura del stock en el Atlántico sur y en el océano Índico.
Tal y como se indicó en la sección 3, realizar una MSE es un proceso iterativo que requiere una amplia gama
de conocimientos y experiencia y un diálogo regular. La próxima reunión del Grupo de trabajo técnico
conjunto sobre MSE, establecido en el marco de Kobe, brinda una excelente oportunidad para avanzar en la
MSE de atún blanco. La reunión se celebrará en la primera semana de noviembre y el Grupo recomendó que
se inste a los científicos interesados a participar en el grupo, mediante el trabajo en el periodo intersesiones
utilizando el repositorio github (véase http://iccat-mse.github.io/albn-mse.html) y que después informen de
dichas actividades durante la reunión.
La matriz de Kobe ha sido una herramienta útil para fomentar el diálogo sobre la incertidumbre entre
gestores y científicos. Sin embargo, a medida que el SCRS empiece a utilizar la MSE, deberían investigarse
otras herramientas de comunicación, por ejemplo, tablas de decisión y diagramas de Pareto, para contribuir a
la identificación de incertidumbres pertinentes y de los riesgos asociados y ventajas e inconvenientes de las
diferentes acciones de ordenación alternativas.
Los diagramas de fase y las matrices de Kobe dependen de la cuantificación fiable de la incertidumbre para la
toma de decisiones, sin embargo, a menudo se utilizan diferentes métodos para estimar probabilidades (por
ejemplo, simulación bayesiana y bootstrap o método delta). La evaluación de los beneficios de los diferentes
enfoques mediante pruebas de simulación debe realizarse como una parte del MSE.
El Grupo manifestó su preocupación por los diferentes enfoques utilizados para intentar tener en cuenta los
efectos de la especie objetivo en la estimación de las CPUE estandarizadas. Anteriormente, el SCRS había
indicado que era necesario realizar simulaciones para probar estos enfoques diferentes, especialmente
aquellos que utilizan la captura de otras especies como una medida del efecto especie objetivo, lo que tiene
que conseguirse todavía. El Grupo de trabajo sobre métodos de evaluación de stock debería centrarse en este
tema para avanzar en el proceso de prueba de los diferentes métodos.
Durante los debates, se constató que la lista de comprobación de CPUE propuesta por el Grupo de trabajo
sobre métodos de evaluación de stock (Anón., 2013, véase también Brodziak and Dreyfus, 2011) y utilizada
por varios Grupos de especies del SCRS, proporciona una base para el debate de las ventajas e
inconvenientes de cada serie temporal de tasa de captura disponible, pero que el método de asignación de
puntuación no debería considerarse el único argumento para aceptar o rechazar una serie temporal
determinada. El Grupo constató que la lógica a priori para aceptar/rechazar una serie temporal constituye un
mejor fundamento que los criterios de ajuste del modelo, especialmente en los casos en los que hay múltiples
series temporales que entran en conflicto. El Grupo recomendó que el Grupo de trabajo sobre métodos de
evaluación de stock vuelva a considerar la lista de comprobación con miras a aclarar su objetivo.
1209
8 Adopción del informe y clausura
El informe fue adoptado y la reunión clausurada.
Referencias
Anon. 2010. Report of the 2009 ICCAT Albacore Stock Assessment Session. Collect. Vol. Sci. Pap. ICCAT,
65(4): 1113-1253.
Anon. 2013. Report of the 2012 Meeting of the ICCAT Working Group on Stock Assessment Methods (Madrid,
Spain - April 16-20, 2012). Vol. Sci. Pap. ICCAT, 69(3): 1354-1426.
Anon. 2014. Report of the 2013 ICCAT Albacore Stock Assessment Session. Collect. Vol. Sci. Pap. ICCAT,
70(3): 830-995.
Bard F.X. 1981. Le Thon Germon (Thunnus alalunga Bonnaterre 1788) de l'Océan Atlantique. De la dynamique
des populations à la stratégie démographique. PhD Thesis, Université Pierre et Marie Curie : 333 p.
Brodziak and Dreyfus. 2011. Report of the Seminar on the use of the Best Available Scientific Information.
http://isc.fra.go.jp/reports/isc/isc11_reports.html
Carruthers T.R., Kell L.T., Butterworth D.D., Maunder M.N., Geromont H.F., Walters C., McAllister M.K.,
Hillary R., Levontin P., Kitakado T. and Davies C.R. 2016. Performance review of simple management
procedures. ICES Journal of Marine Science, 73(2): 464-482.
Cosgrove R., Minto C., Sheridan M. and Officer R. 2014. Standardised catch rates of albacore tuna (Thunnus
alalunga) from the Irish mid-water paired trawl fleet, 2003-2012. Vol. Sci. Pap. ICCAT, 70(3): 1108-
1122.
Lee L.K. and Yeh S.Y. 2007. Age and growth of South Atlantic albacore – a revision after the revelation of
otolith daily ring counts. Collect. Vol. Sci. Pap. ICCAT, 60(2): 443-456.
Luckhurst B.E. and Arocha F. 2016. Evidence of spawning in the southern Sargasso Sea of fish species managed
by ICCAT - albacore tuna, swordfish and white marlin. Collect. Vol. Sci. Pap. ICCAT, 72(8): 1949-1969.
Maunder M.N. 2003. Is it time to discard the Schaefer model from the stock assessment scientist’s toolbox?
Fisheries Research, 61(1): 145-149.
Nikolic N. and Bourjea J. 2014. Differentiation of albacore stock: Review by oceanic regions. Collect. Vol. Sci.
Pap. ICCAT, 70(3): 1340-1354.
Ortiz de Zárate and Babcock E.A. 2015. Estimating individual growth variability in albacore (Thunnus alalunga)
from the North Atlantic stock; aging for assessment purposes. Fisheries Research, 180: 54–66.
Penney A. 1994. Morphometric relationships, annual catch-at-size for South African-caught South Atlantic
albacore (Thunnus alalunga). Collect. Vol. Sci. Pap. ICCAT, 42(1): 371-382.
Pons M. and Domingo A. 2014. Update of standardized CPUE of albacore tuna, Thunnus alalunga, caught by
Uruguayan longliners in the southwestern Atlantic Ocean (1983-2012). Collect. Vol. Sci. Pap. ICCAT,
70(3): 1007-1020.
Santiago J. 1993. A new length-weight relationship for the North Atlantic albacore. Collect. Vol. Sci. Pap,
ICCAT, 40(2): 316-319.
Santiago J. and Arrizabalaga H. 2005. An integrated growth study for North Atlantic albacore (Thunnus
alalunga Bonn. 1788). Ices J. Mar. Sci., 62: 740-749.
Walter J.F and Cass-Calay S.L. 2013. Identifying biologically implausible interannual variability in CPUE
indices; with application to Atlantic yellowfin tuna. Aquatic Living Resources.
1210
TABLEAUX
Tableau 1. Paramètres biologiques et facteurs de conversion pour le stock de germon de l'Atlantique Nord.
Tableau 2. Paramètres biologiques et facteurs de conversion pour le stock de germon de l'Atlantique Sud.
Tableau 3. Catalogue du SCRS pour ALB-N (1990-2015): Tâche I et Tâche II par pêcherie (combinaison
pavillon/engin, classement par ordre d'importance décroissant) et année. Seules les 16 principales pêcheries
(représentant 97% de la prise de Tâche I) sont présentées. Dans chaque série de données de la tâche I (DSet=
“t1”, en tonnes), le schéma de disponibilité équivalent de la tâche II (DSet= “t2”) est indiqué. Le schéma de
couleurs de Tâche II, combiné à une concaténation de caractères (« a »= T2CE existe ; « b »= T2SZ existe ;
« c »= CAS existe), représente la disponibilité des données de Tâche II (dans la base de données de l'ICCAT). Le
schéma de couleurs va du rouge (« -1 » = aucune donnée de Tâche II disponible) au vert foncé (« abc »= tous les
jeux de données de Tâche II sont disponibles).
Tableau 4. Catalogue du SCRS pour ALB-S (1990-2015): Tâche I et Tâche II par pêcherie (combinaison
pavillon/engin, classement par ordre d'importance décroissant) et année. Seules les 15 principales pêcheries
(représentant 97% de la prise de Tâche I) sont présentées. Dans chaque série de données de la tâche I (DSet=
“t1”, en tonnes), le schéma de disponibilité équivalent de la tâche II (DSet= “t2”) est indiqué. Le schéma de
couleurs de Tâche II, combiné à une concaténation de caractères (« a »= T2CE existe ; « b »= T2SZ existe ;
« c »= CAS existe), représente la disponibilité des données de Tâche II (dans la base de données de l'ICCAT). Le
schéma de couleurs va du rouge (« -1 » = aucune donnée de Tâche II disponible) au vert foncé (« abc »= tous les
jeux de données de Tâche II sont disponibles).
Tableau 5. Tableau récapitulatif de la Tâche I pour le germon de l'Atlantique. Total des prises estimées (t) par
année (1970 à 2015) du germon (Thunnus alalunga) par zone, engin et pavillon. Les trois dernières années sont
encore préliminaires.
Tableau 6. Séries (pavillon et engin principal) utilisées pour obtenir des estimations globales préliminaires des
prises totales de 2015 par stock (pour les projections). Origine et technique décrites dans "remarks".
Tableau 7. Matrice de prise par taille (CAS) du germon du Nord. Estimations de la composition par taille (classe
des limites inférieures de 2 cm) des captures par an (1975 à 2014).
Tableau 8. Matrice de prise par taille (CAS) du germon du Sud. Estimations de la composition par taille (classe
des limites inférieures de 2 cm) des captures par an (1975 à 2014).
Tableau 9. Évaluation des séries de CPUE des stocks de germon de l'Atlantique Nord et Sud présentées au
groupe. L'évaluation a été réalisée sur la base du protocole établi par le WGSAM en 2012 pour évaluer les séries
de CPUE.
Tableau 10. CPUE annuelles standardisées pour le germon de l'Atlantique Nord.
Tableau 11. CPUE annuelles standardisées pour le germon de l'Atlantique Sud.
Tableau 12. Résultats par bootstrap du modèle Biodyn pour le cas de base de l'évaluation du stock de germon de
l’Atlantique Nord. Production maximale équilibrée (PME), mortalité par pêche à PME (FPME), biomasse à PME
(BPME), taux de croissance intrinsèque (r) et capacité de charge (K).
Tableau 13. Descriptions des flottilles utilisées dans les modèles ASPIC pour le germon de l'Atlantique Sud.
Tableau 14. Prises (t) de germon de l'Atlantique Sud pour chaque flottille selon ASPIC figurant au Tableau 13.
Tableau 15. Séries de CPUE standardisées incluses dans les modèles ASPIC pour le germon de l'Atlantique
Sud.
Tableau 16. Détails de scénarios du modèle ASPIC pour le germon de l'Atlantique Sud.
Tableau 17. Résultats des scénarios des modèles ASPIC et BSP pour le germon de l'Atlantique Sud comparés
avec ceux de l'évaluation de 2013.
Tableau 18. Scénarios d'analyses de sensibilité pour les scénarios du modèle ASPIC pour le germon de
l'Atlantique Sud.
Tableau 19. Estimations des paramètres du modèle BSP.
Tableau 20. Matrice de stratégie de Kobe II. Probabilité que le germon de l’Atlantique Nord soit dans la zone
verte au fil du temps dans le cadre de projections de TAC constants.
1211
Tableau 21. Matrice de stratégie de Kobe II. Probabilité que le germon de l’Atlantique Nord soit dans la zone
verte au fil du temps si l'on utilise des HCR alternatives, comme combinaisons de BLIM (0,4BPME), BSEUIL et
FCIBLE.
Tableau 22. Matrice de risque de Kobe II pour B-ratio et F-ratio (probabilité de ne pas dépasser le niveau de la
PME) sur la base des résultats d'ASPIC pour le germon de l'Atlantique Sud.
Tableau 23. Matrices de stratégie de Kobe II pour chaque scénario du modèle BSP.
Tableau 24. Prise maximale permettant au stock de se trouver dans la zone verte de Kobe en 2020 avec une
probabilité supérieure ou égale à 60% pour chaque scénario d’ASPIC et BSP.
Tableau 25. Matrices de Kobe II pour les huit scénarios d'ASPIC et de BSP combinés pour l'Atlantique Sud.
TABLAS
Tabla 1. Parámetros biológicos y factores de conversión para el stock de atún blanco del norte.
Tabla 2.Parámetros biológicos y factores de conversión para el stock de atún blanco del Atlántico sur.
Tabla 3. Catálogo del SCRS para el atún blanco del norte (1990-2015): Tarea I y Tarea II por pesquería
(combinación pabellón/arte, clasificado en orden descendente de importancia) y año. Solo se muestran las 16
pesquerías más importantes (que representan el 97% de los datos de captura de Tarea I). En cada serie de datos
de Tarea I (DSet= “t1”, en t) se indica el esquema equivalente de disponibilidad de Tarea II (DSet= “t2”). El
esquema de colores de Tarea II, combinado con una concatenación de caracteres (“a”= T2CE existe; “b”= T2SZ
existe; “c”= CAS existe) representa la disponibilidad de datos de Tarea II en las bases de datos de ICCAT. El
patrón del esquema de colores empieza con el rojo (“-1” = Tarea II no disponible) y finaliza con verde oscuro
(“abc”= todos los conjuntos de datos de Tarea II disponibles).
Tabla 4. Catálogo del SCRS para el atún blanco del sur (1990-2015).Tarea I y Tarea II por pesquería
(combinación pabellón/arte, clasificado en orden descendente de importancia) y año. Solo se muestran las 15
pesquerías más importantes (que representan el 97% de los datos de captura de Tarea I). En cada serie de datos
de Tarea I (DSet= “t1”, en t) se indica el esquema equivalente de disponibilidad de Tarea II (DSet= “t2”). El
esquema de colores de Tarea II, combinado con una concatenación de caracteres (“a”= T2CE existe; “b”= T2SZ
existe; “c”= CAS existe) representa la disponibilidad de datos de Tarea II en las bases de datos de ICCAT. El
patrón del esquema de colores empieza con el rojo (“-1” = Tarea II no disponible) y finaliza con verde oscuro
(“abc”= todos los conjuntos de datos de Tarea II disponibles).
Tabla 5. Tabla resumen de Tarea I de atún blanco del Atlántico. Capturas totales estimadas (t) por año (1970 a
2015) de atún blanco (Thunnus alalunga) por zona, arte y pabellón. Los últimos tres años son aún provisionales.
Tabla 6. Series (pabellón y arte principal) utilizadas para obtener estimaciones generales preliminares de las
capturas totales de 2015 por stock (para las proyecciones). Origen y técnica descritos en “remarks”.
Tabla 7. Matriz de captura por talla (CAS) de atún blanco del norte. Estimaciones de composición por talla
(clases de límite inferior de 2 cm) de las capturas por año (1975 a 2014).
Tabla 8. Matriz de captura por talla (CAS) de atún blanco del sur. Estimaciones de composición por talla (clases
de límite inferior de 2 cm) de las capturas por año (1975 a 2014).
Tabla 9. Evaluación de las series de CPUE en los stocks de atún blanco del Atlántico norte y del Atlántico sur
presentadas al Grupo. La evaluación se realizó mediante el protocolo establecido por el WGSAM en 2012 para
evaluar las series de CPUE.
Tabla 10. CPUE anuales estandarizadas para el atún blanco del Atlántico norte.
Tabla 11. CPUE anuales estandarizadas para el atún blanco del Atlántico sur.
Tabla 12. Resultados sometidos a bootstrap del modelo Biodyn para el caso base de la evaluación de stock de
atún blanco del Atlántico norte. Rendimiento máximo sostenible (RMS), mortalidad por pesca en RMS (FRMS),
biomasa en RMS (BRMS), tasa de crecimiento intrínseco (r) y capacidad de transporte (K).
Tabla 13. Descripciones de la flota utilizadas en los modelos ASPIC para el atún blanco del Atlántico sur.
Tabla 14. Capturas (t) para cada flota para ASPIC para el atún blanco del Atlántico sur incluidas en la Tabla 13.
Tabla 15. Series de CPUE estandarizadas incluidas en los modelos ASPIC para el atún blanco del Atlántico sur.
1212
Tabla 16. Detalles de los ensayos del modelo ASPIC para el atún blanco del Atlántico sur.
Tabla 17. Resultados de los ensayos de los modelos ASPIC y BSP para el atún blanco del Atlántico sur
comparados con los de la evaluación de 2013.
Tabla 18. Escenarios de análisis de sensibilidad para los ensayos del modelo ASPIC para el atún blanco del
Atlántico sur.
Tabla 19. Estimaciones de parámetros del modelo BSP.
Tabla 20. Matriz de estrategia de Kobe II. Probabilidad de estar en la zona verde en el tiempo para el atún
blanco del norte en proyecciones con un TAC constante.
Tabla 21. Matriz de estrategia de Kobe II. Probabilidad de estar en la zona verde en el tiempo para el atún
blanco del norte utilizando HCR alternativas como combinaciones de BLIM (0,.4BRMS), BUMBRAL y FOBJETIVO.
Tabla 22. Matriz de riesgo de Kobe II para la ratio de B y la ratio de F (probabilidad de no superar el nivel de
RMS) basada en los resultados de ASPIC para el atún blanco del Atlántico sur.
Tabla 23. Matrices de estrategia de Kobe II para cada ensayo del modelo BSP.
Tabla 24. Captura máxima que permite al stock situarse en la zona verde del diagrama de Kobe en 2020 con una
probabilidad superior o igual al 60% para cada ensayo de ASPIC y BSP.
Tabla 25. Matrices de Kobe II para los ocho escenarios combinados ASPIC y BSP para el Atlántico sur.
FIGURES
Figure 1. Prises accumulées de ALB-N par engin principal pour toute la période (1950-2014).
Figure 2. Prises accumulées de ALB-S par engin principal pour toute la période (1950-2014).
Figure 3. Distribution géographique des prises cumulées de germon par engin principal et décennie (source:
CATDIS). À des fins de comparaisons relatives, la carte « f (2010-13) » a été échelonnée différemment (1/3 de
l'échelle de 10 ans), car elle ne contient que trois années de la décennie.
Figure 4. Histogrammes de la prise par taille du germon du Nord par année (1975-2014).
Figure 5. Histogrammes de la prise par taille du germon du Sud par année (1975-2014).
Figure 6. Poids moyens (kg) du germon du Nord (stock global, et par engin principal) obtenus des estimations
de la CAS.
Figure 7. Poids moyens (kg) du germon du Sud (stock global, et par engin principal) obtenus des estimations de
la CAS.
Figure 8. Séries de CPUE disponibles pour le germon de l'Atlantique Nord.
Figure 9. Séries de CPUE disponibles pour le germon de l'Atlantique Sud.
Figure 10a. Séries de CPUE pour l'Atlantique Nord utilisées comme indices approchants potentiels de
l'abondance du stock. Les points sont les valeurs standardisées, les lignes la prédiction d'un modèle additif
généralisé (GAM) ajusté à tous les indices avec l'année comme terme de lissage et l'indice comme facteur (rouge)
et par indice individuellement (bleu).
Figure 10b. Matrice de corrélation pour l'Atlantique Nord pour l'indice de 2016. Le bleu indique des corrélations
positives et le rouge des corrélations négatives. L'ordre de l'indice et les boîtes rectangulaires sont choisis selon
une analyse par regroupement hiérarchique utilisant un jeu de dissemblances.
Figure 11a. Séries de CPUE pour l'Atlantique Sud utilisées comme indices approchants potentiels de
l'abondance du stock. Les points sont les valeurs standardisées, les lignes la prédiction d'un modèle additif
généralisé (GAM) ajusté à tous les indices avec l'année comme terme de lissage et l'indice comme facteur (rouge)
et par indice individuellement (bleu).
Figure 11b. Matrice de corrélation pour l'Atlantique Sud pour l'indice de 2016. Le bleu indique des corrélations
positives et le rouge des corrélations négatives. L'ordre de l'indice et les boîtes rectangulaires sont choisis selon
une analyse par regroupement hiérarchique utilisant un jeu de dissemblances.
1213
Figure 12a. Séries de CPUE pour l'Atlantique Nord utilisées dans l'évaluation de 2016 comme indices
approchants potentiels de l'abondance du stock.
Figure 12b. Matrice de corrélation pour l'Atlantique Nord pour l'indice de 2016 utilisée dans l'évaluation. Le
bleu indique des corrélations positives et le rouge des corrélations négatives. L'ordre de l'indice et les boîtes
rectangulaires sont choisis selon une analyse par regroupement hiérarchique utilisant un jeu de dissemblances.
Figure 13. Distributions de la densité des paramètres et des points de référence par boostrap estimés pour le
scénario du cas de base de l'évaluation du stock de germon de l’Atlantique Nord avec le modèle Biodyn.
Figure 14. Profils de vraisemblance partiels pour les cinq indices de CPUE pris en compte dans le modèle
dynamique de biomasse pour le stock de germon de l’Atlantique Nord.
Figure 15. Valeurs résiduelles estimées pour l'ajustement du cas de base de l'évaluation du stock aux séries de
CPUE disponibles.
Figure 16. Diagrammes quantile-quantile visant à comparer les distributions résiduelles de la CPUE avec la
distribution normale.
Figure 17. Résultats du cas de base du modèle dynamique de biomasse de l'évaluation du stock de l'Atlantique
Nord avec des intervalles de confiance.
Figure 18. Tendances estimées de B/BPME et F/FPME pour le scénario du cas de base de l'évaluation du stock de
germon de l’Atlantique Nord avec le modèle Biodyn. Points : Coordonnées des bootstraps de B/BPME et F/FPME
de 2014.
Figure 19. Diagramme de Kobe pour le cas de base de l'évaluation du germon de l'Atlantique Nord.
Figure 20. Ajustement du modèle Biodyn du germon de l’Atlantique Nord aux séries de capture à partir de 1930
et 1975. Les conditions initiales dans le scénario tronqué postulaient un BRATIO de 0,5*K.
Figure 21. Estimations des tendances historiques des stocks pour le cas de base (BC, rouge) et les scénarios de
sensibilité (cas de base avec modèle de production logistique et sensibilités à la suppression d’une seule flottille
chaque fois). Les séries de CPUE des flottilles observées (points, dans différents panneaux) pour le cas de base
de l'évaluation du stock de germon de l'Atlantique Nord sont également illustrées.
Figure 22. Estimation de la biomasse relative (B/BPME, gauche) et de la mortalité par pêche relative (F/FPME,
droite) pour le scénario du cas de base (ligne noire) et scénarios de sensibilité (cas de base avec fonction de
production logistique et sensibilités à la suppression d’un seul indice chaque fois).
Figure 23. Analyse rétrospective pour B/BPME. Résultats du cas de base (noir) et résultats de la suppression de 2
à 14 années de données (dans des étapes de deux ans) dans les séries temporelles.
Figure 24. Trajectoires de la biomasse et du taux de capture/mortalité par pêche pour le germon de l’Atlantique
Sud sur la base d'ASPIC (panneaux supérieurs) et de BSP (panneaux inférieurs).
Figure 25. Diagrammes de phase et diagrammes circulaires de Kobe pour le germon de l’Atlantique Sud sur la
base d'ASPIC (en haut) et de BSP (en bas). La dernière année est 2014.
Figure 26. Résultats des analyses de sensibilité (en haut) et des analyses rétrospectives (au milieu) pour le
scénario 8 d’ASPIC pour le germon de l’Atlantique Sud. Les graphiques du bas montrent la différence entre le
cas de base et l'analyse rétrospective.
Figure 27. Estimations par BSP des distributions a priori et a posteriori de r. Les lignes en pointillés montrent
les distributions a priori et les lignes continues montrent les distributions a posteriori.
Figure 28. Estimations par BSP des distributions a priori et a posteriori de K. Les lignes en pointillés montrent
les distributions a priori et les lignes continues montrent les distributions a posteriori.
Figure 29a. Diagnostics du modèle BSP pour le germon de l'Atlantique Sud. Corrélation pour le scénario
"logistique et pondération égale ".
Figure 29b. Diagnostics du modèle BSP pour le germon de l'Atlantique Sud. Corrélation pour le scénario "FOX
et pondération égale ".
Figure 29c. Diagnostics du modèle BSP pour le germon de l'Atlantique Sud. Corrélation pour le scénario
"logistique et pondération par prise".
Figure 29d. Diagnostics du modèle BSP pour le germon de l'Atlantique Sud. Corrélation pour le scénario "FOX
et pondération par prise".
1214
Figure 30a. Diagnostics du modèle BSP pour le germon de l'Atlantique Sud. Diagrammes de Gelman pour le
scénario "logistique et pondération égale ".
Figure 30b. Diagnostics du modèle BSP pour le germon de l'Atlantique Sud. Diagrammes de Gelman pour le
scénario "FOX et pondération égale ".
Figure 30c. Diagnostics du modèle BSP pour le germon de l'Atlantique Sud. Diagrammes de Gelman pour le
scénario "logistique et pondération par prise".
Figure 30d. Diagnostics du modèle BSP pour le germon de l'Atlantique Sud. Diagrammes de Gelman pour le
scénario "FOX et pondération par prise".
Figure 31. Projections de B/BPME (panneau supérieur) et de F/FPME (panneau inférieur) avec un TAC constant
pour le scénario du cas de base du germon de l’Atlantique Nord.
Figure 32. Probabilité de se trouver dans la zone verte en 2020 (a) et 2030 (b) dans le cadre de scénarios
rétrospectifs alternatifs (en supprimant deux années de données dans chaque scénario successif, axe X).
Figure 33. Projection future (16 ans) de B-ratio (B/BPME) et F-ratio (F/FPME) pour quatre scénarios ASPIC pour
le germon de l’Atlantique Sud avec une prise constante.
Figure 34. Projection future (16 ans) de B-ratio (B/BPME) et F-ratio (F/FPME) pour quatre scénarios avec le modèle
ASPIC pour le germon de l’Atlantique Sud avec un F constant.
Figure 35. Production prédite pour la projection future (16 ans) pour les quatre scénarios avec ASPIC pour le
germon de l’Atlantique Sud avec un F constant.
Figure 36. Projections de BRATIO dans chaque scénario avec BSP.
Figure 37. Projections de HRATIO dans chaque scénario avec BSP.
FIGURAS
Figura 1. Capturas acumuladas de atún blanco del norte por artes principales para todo el periodo (1950-2014).
Figura 2. Capturas acumuladas de atún blanco del sur por artes principales para todo el periodo (1950-2014).
Figura 3. Distribución geográfica de la captura acumulada de atún blanco por artes principales y década (fuente:
CATDIS). Para comparaciones relativas, al mapa “f (2010-2013)” se le aplicó una escala diferente (1/3 de la
escala de 10 años) porque solo incluía tres años de la década.
Figura 4. Histogramas de captura por talla de atún blanco del norte por año (1975-2014).
Figura 5. Histogramas de captura por talla de atún blanco del sur por año (1975-2014).
Figura 6. Pesos medios (kg) de atún blanco del norte (stock total y por arte principal) obtenidos a partir de las
estimaciones de CAS.
Figura 7. Pesos medios (kg) de atún blanco del sur (stock total y por arte principal) obtenidos a partir de las
estimaciones de CAS.
Figura 8. Series de CPUE disponibles para el atún blanco del Atlántico norte.
Figura 9. Series de CPUE disponibles para el atún blanco del Atlántico sur.
Figura 10a. Series de CPUE del Atlántico norte utilizadas como posibles aproximaciones de la abundancia del
stock. Los puntos son los valores estandarizados, las líneas la predicción de un GAM ajustado a todos los índices
con “año” como alisador e “índice” como factor (rojo) y por índice individualmente (azul).
Figura 10b. Matriz de correlación del Atlántico norte para el índice de 2016. El color azul indica correlaciones
positivas y el rojo correlaciones negativas. El orden del índice y los rectángulos se escogió basándose en el
análisis jerárquico de conglomerados utilizando un conjunto de diferencias.
Figura 11a. Series de CPUE del Atlántico sur utilizadas como posibles aproximaciones de la abundancia del
stock. Los puntos son los valores estandarizados, las líneas la predicción de un GAM ajustado a todos los índices
con el "año" como alisador e "índice" como factor (rojo) y por índice individualmente (azul).
Figura 11b. Matriz de correlación del Atlántico sur para el índice de 2016. El color azul indica correlaciones
positivas y el rojo correlaciones negativas. El orden del índice y los rectángulos se escogió basándose en el
análisis jerárquico de conglomerados utilizando un conjunto de diferencias.
1215
Figura 12a. Series de CPUE del Atlántico norte utilizadas en la evaluación de 2016 como posibles
aproximaciones de la abundancia del stock.
Figura 12b. Matriz de correlación del Atlántico norte para el índice de 2016 que se utilizó en la evaluación. El
color azul indica correlaciones positivas y el rojo correlaciones negativas. El orden del índice y los rectángulos
se escogió basándose en el análisis jerárquico de conglomerados utilizando un conjunto de diferencias.
Figura 13. Distribuciones de densidad de los parámetros sometidos a bootstrap y puntos de referencia estimados
para el escenario del caso base de la evaluación de stock de atún blanco del Atlántico norte con el modelo
Biodyn.
Figura 14. Perfiles parciales de verosimilitud para los cinco índices de CPUE considerados en el modelo de
dinámica de biomasa para el stock de atún blanco del norte.
Figura 15. Residuos estimados para el ajuste del caso base de la evaluación de stock a las series de CPUE
disponibles.
Figura 16. Diagramas cuantil-cuantil para comparar las distribuciones residuales de CPUE con la distribución
normal.
Figura 17. Resultados del caso base del modelo dinámico de biomasa de la evaluación de stock de atún blanco
del norte con intervalos de confianza.
Figura 18. Tendencias estimadas de B/BRMS y F/FRMS para el escenario del caso base de la evaluación de stock
de atún blanco del Atlántico norte con el modelo Biodyn. Puntos: coordenadas de los bootstraps de B/BRMS y
F/FRMS de 2014.
Figura 19. Gráfico de tarta de Kobe para el caso base de la evaluación de stock de atún blanco del norte.
Figura 20. Ajuste del modelo Biodyn de atún blanco del Atlántico norte a las series de capturas que arrancan en
1930 y en 1975. Condiciones iniciales en el ensayo truncado asumiendo una BRATIO de 0,5*K
Figura 21. Tendencias históricas estimadas del stock para el caso base (BC, rojo) y los ensayos de sensibilidad
(caso base con modelo de producción logístico y sensibilidades al eliminar una sola flota cada vez). También se
muestran las series de CPUE de las flotas observadas (puntos, en los diferentes paneles) para el caso base de la
evaluación de stock de atún blanco del Atlántico norte.
Figura 22. Estimaciones de Biomasa relativa (B/BRMS, izquierda) y mortalidad por pesca relativa (F/FRMS,
derecha) para el escenario del caso base (línea negra) y ensayos de sensibilidad (caso base con función de
producción logística y sensibilidades a la eliminación de un solo índice cada vez).
Figura 23. Análisis retrospectivo para B/BRMS. Resultados del caso base (en negro), y resultados al eliminar
datos de dos a 14 años (en fases de dos años) en las series temporales.
Figura 24. Trayectorias de biomasa y tasa de captura/mortalidad por pesca para el atún blanco del Atlántico sur
basadas en ASPIC (paneles superiores) y BSP (paneles inferiores).
Figura 25. Diagramas de fase y gráficos de tarta de Kobe para el atún blanco del Atlántico sur basadas en
ASPIC (superior) y BSP (inferior). El año final es 2014.
Figura 26. Resultados de los análisis de sensibilidad (arriba) y análisis retrospectivos (en medio) para el Ensayo
8 de ASPIC para el atún blanco del Atlántico sur. Los gráficos inferiores muestran la diferencia entre el caso
base y el análisis retrospectivo.
Figura 27. Distribuciones previas y posteriores estimadas para r mediante BSP. Las líneas punteadas muestran
las distribuciones previas y las líneas continuas las distribuciones posteriores.
Figura 28. Distribuciones previas y posteriores estimadas para K mediante BSP. Las líneas punteadas muestran
las distribuciones previas y las líneas continuas las distribuciones posteriores.
Figura 29a. Diagnósticos del modelo BSP para el atún blanco del Atlántico sur. Correlación para el escenario
“de ponderación igual y logístico”.
Figura 29b. Diagnósticos del modelo BSP para el atún blanco del Atlántico sur. Correlación para el escenario
“de ponderación igual y Fox”.
Figura 29c. Diagnósticos del modelo BSP para el atún blanco del Atlántico sur. Correlación para el escenario
“de ponderación por capturas y logístico”.
1216
Figura 29d. Diagnósticos del modelo BSP para el atún blanco del Atlántico sur. Correlación para el escenario
“de ponderación por capturas y Fox”.
Figura 30a. Diagnósticos del modelo BSP para el atún blanco del Atlántico sur. Diagramas Gelman para el
escenario “de ponderación igual y logístico·”.
Figura 30b. Diagnósticos del modelo BSP para el atún blanco del Atlántico sur. Diagramas Gelman para el
escenario “de ponderación igual y Fox”.
Figura 30c. Diagnósticos del modelo BSP para el atún blanco del Atlántico sur. Diagramas Gelman para el
escenario “de ponderación por capturas y logístico”.
Figura 30d. Diagnósticos del modelo BSP para el atún blanco del Atlántico sur. Diagramas Gelman para el
escenario “de ponderación por capturas y Fox”.
Figura 31. Proyecciones de B/BRMS (panel superior) y F/FRMS (panel inferior) con un TAC constante para el
escenario del caso base del atún blanco del Atlántico norte.
Figura 32. Probabilidad de estar en la zona verde en 2020 (a) y 2030 (b) en escenarios retrospectivos
alternativos (eliminando dos años de datos en cada escenario sucesivo, eje X).
Figura 33. Proyección futura (16 años) de la ratio de B (B/BRMS) y la ratio de F (F/FRMS) para cuatro ensayos
ASPIC para el atún blanco del Atlántico sur con capturas constantes.
Figura 34. Proyección futura (16 años) de la ratio de B (B/BRMS) y la ratio de F (F/FRMS) para cuatro ensayos
ASPIC para el atún blanco del Atlántico sur con F constante.
Figura 35. Rendimiento predicho para proyecciones futuras (16 años) para cuatro ensayos de ASPIC para el
atún blanco del Atlántico sur, asumiendo una F constante.
Figura 36. Proyecciones de BRATIO en cada escenario BSP.
Figura 37. Proyecciones de HRATIO en cada escenario BSP.
APPENDICES
Appendice 1. Ordre du jour.
Appendice 2. Liste des participants.
Appendice 3. Listes des documents et des présentations.
APÉNDICES
Apéndice 1. Orden del día
Apéndice 2. Lista des participantes.
Apéndice 3. Listas des documentos y presentaciones.
1217
Table 1. Biological parameters and conversion factors for the North Atlantic albacore stock.
North Stock Parameters Source
Growth L∞ = 122.198cm; k = 0.21; t0 = -1.338 Santiago and Arrizabalaga, 2005
L∞ = 124.74cm; k = 0.23; t0 = -0.9892 Bard, 1981
Length-weight relationship a=1.339 x 10-5 b=3.1066 Santiago, 1993
Maturity 50% of mature fish at 90 cm (age 5) Bard, 1981
Natural mortality M = 0.3 per year
M at age (1 to 15) 0.63; 0.46; 0.38; 0.34; 0.31; 0.29; 0.31; 0.34; 0.38; 0.44; 0.55; 0.55; 0.55; 0.55; 0.55 Anon., 2010
Table 2. Biological parameters and conversion factors for the South Atlantic albacore stock.
South Stock Parameters Source
Growth L∞ = 147.5 cm; k = 0.209; and t0 = - 1.89 Lee and Yeh, 2007
Length-weight relationship a=1.3718 x 10-5 b=3.0973 Penney, 1994
Maturity 50% of mature fish at 90 cm (age 5) Bard, 1981
Natural mortality M = 0.3 per year
1218
Table 3. SCRS catalogue for ALB-N (1990-2015): Task I and Task II by fishery (flag/gear combination, ranked in descending by order of importance) and year. Only the 16
most important fisheries (representing 97% of Task I catch) are shown. For each data series, Task I (DSet= “t1”, in tonnes) is visualised against its equivalent Task II
availability (DSet= “t2”) scheme. The Task II colour scheme, combined with a concatenation of characters (“a”= T2CE exists; “b”= T2SZ exists; “c”= CAS exists) represents
the Task II data availability in ICCAT-DB. The colour scheme pattern, starts with red (“-1” = no Task II available) and ends with dark green (“abc”= all Task II datasets
available).
1219
Table 4. SCRS catalogue for ALB-S (1990-2015): Task I and Task II by fishery (flag/gear combination, ranked in descending by order of importance) and year. Only the 15
most important fisheries (representing 97% of Task I catch) are shown. For each data series, Task I (DSet= “t1”, in tonnes) is visualised against its equivalent Task II
availability (DSet= “t2”) scheme. The Task-II colour scheme, combined with a concatenation of characters (“a”= T2CE exists; “b”= T2SZ exists; “c”= CAS exists) represents
the Task II data availability in ICCAT-DB. The colour scheme pattern, starts with red (“-1” = no Task II available) and ends with dark green (“abc”= all Task II datasets
available).
1220
Table 5. Atlantic ALB Task I summary table. Estimated total catches (t) by year (1970 to 2015) of albacore (Thunnus alalunga) by area, gear and flag. The last three years are
still preliminary.
1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
TOTAL 69548 81706 81970 73934 69322 59495 76610 75486 73216 74012 61637 58571 72345 66408 56399 71923 84842 78745 63232 59282 65595 53947 67413 70948 70463 65930 57228 57044 56341 62207 64511 65049 54487 53569 48504 54199 61442 42274 39350 37640 38734 44168 50741 43897 40337 14075
ATN 45895 56821 48781 45700 49606 41888 57235 54031 50121 51372 38691 34531 42673 51490 41800 40826 47554 38115 33059 32071 36881 27931 30851 38135 35163 38377 28803 29023 25746 34551 33124 26253 22741 25567 25960 35318 36989 21991 20483 15375 19509 20039 25680 24634 26660 5954
ATS 23653 24885 33189 28234 19716 17607 19375 21455 23095 22640 22946 24040 29672 14918 14599 31097 37288 40630 30173 27212 28714 26016 36562 32813 35300 27552 28426 28022 30595 27656 31387 38796 31746 28002 22543 18882 24453 20283 18867 22265 19225 24129 25061 19263 13677 8121
Landings ATN Bait boat 14388 15677 8196 8833 13986 19687 20227 15559 11958 15764 16177 13412 15857 21108 8313 12589 15202 18756 15933 15374 18624 8968 12436 15646 11967 16411 11338 9821 7562 8780 11072 6103 6638 7840 8128 10458 14273 8496 7931 4994 6026 5530 8816 4975 7341
Longline 15801 17115 14068 18155 14662 12710 23090 21081 14163 12214 9453 9819 13206 16896 19709 17413 21232 7296 3013 2239 2683 5315 3152 7093 7309 4859 4641 4051 4035 6710 7321 7372 6180 7699 6917 6911 5223 3237 2647 2619 3913 3666 3759 6514 3099 3564
Other surf. 0 0 0 0 0 0 0 0 1 62 1 521 694 334 2194 108 213 343 994 1652 3865 3999 5173 7279 7506 3555 3337 4378 6846 6817 5971 2828 422 551 697 624 625 525 274 427 324 412 352 596 162 0
Purse seine 0 0 0 0 0 0 0 0 68 0 0 0 84 364 555 59 60 1 97 12 1 222 139 229 292 278 263 26 91 56 191 264 118 211 348 99 188 198 70 84 74 0 167 7 35
Trawl 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 2 0 262 1693 2240 1033 469 2603 1779 2131 3049 2571 2877 1318 5343 3547 5374 5376 3846 2369 7001 6385 3429 4321 2811 2026 6852 6678 6558 9184 2390
Troll 15706 24029 26517 18712 20958 9491 13918 17391 23931 23332 13059 10778 12831 12788 11029 10654 10847 11457 11329 10554 10675 8959 7348 6109 5959 10226 6652 7870 5894 6845 5023 4312 4007 5419 7501 10224 10296 6105 5239 4440 7146 3578 5909 5891 6660
ATS Bait boat 0 0 0 1 97 46 0 66 43 53 1346 1721 2575 1794 4166 7909 6829 8181 7696 7393 5981 3454 6490 7379 8947 7091 6960 8110 10353 6709 6873 10355 9712 6973 7475 5084 5876 3375 4350 7926 3748 5938 6710 4411 4741
Longline 23653 24885 33079 28134 19553 17456 19178 20982 22800 21855 20671 20426 25255 11941 9834 22672 29815 30964 21894 19407 21590 22008 27162 23947 24806 20040 21000 19547 19799 20640 24398 28039 21671 20626 14735 12977 17740 15087 13218 12113 13471 16445 17846 13863 8887 8121
Other surf. 0 0 100 96 53 104 150 293 201 544 449 89 493 484 234 334 400 537 398 411 1139 137 393 39 483 10 209 127 0 73 58 377 323 82 299 288 395 1762 1219 2066 1651 1538 66 897 7 0
Purse seine 0 0 10 3 13 1 47 114 51 188 480 1804 1349 699 365 182 244 948 185 0 4 416 2517 1448 1064 412 257 117 434 183 58 25 39 309 16 534 442 58 81 160 355 208 437 91 42
Trawl 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 120 9 52 0 0 0 12 18 0 0 0 0 0 0 0 0 0 0
Discards ATN Longline 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 93 180
ATS Longline 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0
Landings ATN Barbados 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 2 5 8 10 13 9 7 7 4 6 4 20 22 13
Belize 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 22 26 39 416 351 155 230 79
Brazil 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 4 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Canada 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 21 47 22 6 5 1 9 32 12 24 31 23 38 122 51 113 56 27 52 27 25 33 11 14 28 34 32 47
Cape Verde 0 0 0 0 0 0 0 0 0 0 0 0 0 10 10 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
China PR 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 14 8 20 0 0 21 16 57 196 155 32 112 202 59 24 27 142 101 21 81 35
Chinese Taipei 4675 2871 4410 9501 9538 8130 14837 13723 9324 6973 7090 6584 10500 14254 14923 14899 19646 6636 2117 1294 3005 4318 2209 6300 6409 3977 3905 3330 3098 5785 5299 4399 4330 4557 4278 2540 2357 1297 1107 863 1587 1367 1180 2394 947 2857
Cuba 0 0 36 12 0 87 85 83 89 7 31 48 82 38 69 20 31 15 4 1 2 0 0 0 0 0 0 0 0 0 0 0 1 322 435 424 527 0 0 0 0 0 0 0 0
Côte d'Ivoire 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 25 53 39 146 0 0
Dominican Republic 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 323 121 73 95 0 0 0 0 0 0 0 0 0 0 0 0 0 0
EU.España 23731 30196 25121 19799 25290 22601 26735 25155 25404 29630 25202 20819 25478 29557 15656 20672 24387 28206 26738 25424 25792 17233 18175 18380 16998 20197 16324 17295 13285 15363 16000 9177 8952 12530 15379 20447 24538 14582 12725 9617 12961 8357 13719 10502 11607
EU.France 6163 9210 9158 6859 8425 5666 6800 7733 10400 9320 3955 2929 2855 2391 2797 1860 1200 1921 2805 4050 3625 4123 6924 6293 5934 5304 4694 4618 3711 6888 5718 6006 4345 3456 2448 7266 6585 3179 3009 1122 1298 3348 3361 4592 6716
EU.Ireland 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 40 60 451 1946 2534 918 874 1913 3750 4858 3464 2093 1100 755 175 306 521 596 1517 1997 788 3597 3575 2231 2485 2390
EU.Netherlands 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 6 0 0 0
EU.Portugal 200 300 434 887 1229 911 610 62 85 149 79 442 321 1778 775 657 498 433 184 169 3185 709 1638 3385 974 6470 1634 395 91 324 278 1175 1953 553 513 556 119 184 614 108 202 1046 1231 567 2609
EU.United Kingdom 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 59 499 613 196 49 33 117 343 15 0 0 0 0 6 19 30 50 67 118 57 50 133 136 31
FR.St Pierre et Miquelon 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 4 0 7 2 0 3 0 0 0 0 0 0 0
Grenada 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 1 6 7 6 12 21 23 46 25 29 19 20 15 18 18 18 0 0 0
Guatemala 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 3 0 0 0 0
Iceland 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Japan 5875 6472 1319 1467 2059 1331 1345 825 531 1219 1036 1740 781 1156 576 844 470 494 723 764 737 691 466 485 505 386 466 414 446 425 688 1126 711 680 893 1336 781 288 402 288 525 336 400 1745 274 331
Korea Rep. 5011 7707 7922 4794 2823 2843 5379 5579 3048 2997 797 938 1326 478 967 390 373 18 16 53 34 1 0 8 0 2 2 1 0 0 0 0 0 0 0 59 45 12 59 82 110 60 200 184 64
Maroc 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 55 81 120 178 98 96 99 130 0 0 0 0 0
Mexico 0 0 0 0 0 0 0 0 0 0 2 0 0 33 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 3
NEI (Flag related) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 11 19 13 10 8 11 3 8 12 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Panama 0 0 240 2366 217 226 1227 557 768 425 193 177 494 357 2551 601 525 44 0 0 0 0 29 60 117 73 11 5 0 0 0 0 0 0 0 0 96 298 113 45 154 103 0 246 126
Philippines 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 151 4 0 0 0 0 0 9 0 8 19 54 0 0 83 0 0
Sierra Leone 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 10 0 0 0 0 0 0 0 0 0 0 0 91 0 0 0 0 0 0 0 0 0 0 0 0 0
St. Vincent and Grenadines 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 0 0 1 704 1370 300 1555 89 802 76 263 130 135 177 329 305 286 328
Sta. Lucia 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 1 1 0 0 0 1 3 2 10 0 2 2 2 2 0 130 2 3 2 0
Suriname 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 249 216 0
Trinidad and Tobago 0 0 0 0 0 0 0 0 0 0 0 0 0 268 194 318 0 0 0 0 4 0 247 0 0 0 0 2 1 1 2 11 9 12 12 9 12 18 32 17 17 23 47 67 71
U.S.A. 0 0 0 0 0 0 0 0 1 0 6 472 699 347 2206 98 251 301 288 243 357 479 438 509 741 545 472 577 829 315 406 322 480 444 646 488 400 532 257 189 315 422 418 599 459
U.S.S.R. 0 0 0 0 0 0 84 212 74 59 0 51 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
UK.Bermuda 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 2 2 2 0 0 1 1 0 0 0 0 0 1 0 0 1
UK.Turks and Caicos 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2
Vanuatu 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 414 507 235 95 20 140 187 196 172 228 195
Venezuela 240 65 141 14 25 93 133 102 397 593 300 331 137 823 1076 467 172 26 137 41 94 302 193 246 282 279 315 75 107 91 299 348 162 346 457 175 321 375 222 398 288 247 312 181 285 344
ATS Angola 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 168 0 5
Argentina 500 281 100 44 13 97 48 80 8 0 4 2 7 55 209 153 356 469 344 354 151 60 306 0 2 0 0 120 9 52 0 0 0 12 18 0 0 0 0 0 130 43 0 0 0
Belize 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 8 2 0 0 0 0 0 54 32 31 213 303 365 171 87 98
Brazil 0 63 16 60 169 170 296 688 494 515 476 276 800 731 732 382 520 395 421 435 514 1113 2710 3613 1227 923 819 652 3418 1872 4411 6862 3228 2647 522 556 361 535 487 202 271 1269 1857 1821 438
Cambodia 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 5 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Cape Verde 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 8 46 24 0 5 0 5 0 0 0
China PR 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 39 89 26 30 26 112 95 100 35 25 89 97 80 61 65 34
Chinese Taipei 12225 17491 24985 22157 16686 13384 14600 16092 20467 20340 18710 18187 22800 9502 7889 19643 27592 28790 20746 18386 21369 19883 23063 19400 22573 18351 18956 18165 16106 17377 17221 15833 17321 17351 13288 10730 12293 13146 9966 8678 10975 13032 12812 8519 6675 7157
Cuba 0 0 64 21 0 13 15 17 11 12 27 53 29 36 67 27 24 10 2 1 2 17 5 3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Curaçao 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 9 192 0 2 0 0 0 0 0 0 0 0 21 4 4 24 0 0
Côte d'Ivoire 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 47 43 45 50 0 0
EU.España 0 0 0 0 0 0 0 0 0 0 0 889 106 295 307 155 200 807 185 0 0 280 1943 783 831 457 184 256 193 1027 288 573 836 376 81 285 367 758 933 1061 294 314 351 369 259
EU.France 0 0 0 0 0 0 47 112 40 172 457 912 947 372 7 18 35 100 0 0 0 50 449 564 129 82 190 38 40 13 23 11 18 63 16 478 347 12 50 60 109 53 161 73 38
EU.Portugal 0 0 0 0 0 0 0 0 0 0 0 0 0 0 741 1357 1029 899 1153 557 732 81 184 483 1185 655 494 256 124 232 486 41 433 415 9 43 8 13 49 254 84 44 11 1 3
EU.United Kingdom 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0
Ghana 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 5 10 14 25 0 0 0 0
Guatemala 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 40 0 0 0 56 0 0 15 0
Guinea Ecuatorial 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 6 0 0
Guinée Rep. 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 7 7 74 0 0
Honduras 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 29 0 0 2 0 7 1 6 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Japan 5898 3218 2087 280 109 306 73 107 135 105 333 558 569 188 224 623 739 357 405 450 587 654 583 467 651 389 435 424 418 601 554 341 231 322 509 312 316 238 1370 921 973 1194 2903 3106 1129 964
Korea Rep. 5030 3832 5655 3731 2393 3230 3376 3829 1413 878 803 682 563 599 348 511 321 383 180 54 19 31 5 20 3 3 18 4 7 14 18 1 0 5 37 42 66 56 88 374 130 70 89 33 2
Maroc 0 0 0 0 0 0 0 0 2 0 0 0 113 0 0 0 0 41 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
NEI (ETRO) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 4 8 122 68 55 63 41 5 27 0 0 10 14 53 0 7 0 0 0 0 0 0 0 0 0
NEI (Flag related) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 149 262 146 123 102 169 47 42 38 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Namibia 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1111 950 982 1199 1429 1162 2418 3419 2962 3152 3328 2344 5100 1196 1958 4936 1320 3791 2420 848 1057
Panama 0 0 172 1841 183 256 770 377 354 125 167 129 210 0 0 0 280 924 0 0 0 240 482 318 458 228 380 53 60 14 0 0 0 0 0 17 0 87 5 6 1 0 12 3 0
Philippines 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 5 4 0 0 0 0 0 52 0 13 79 45 95 96 203 415 18
Seychelles 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
South Africa 0 0 100 100 150 150 150 150 150 480 1850 2320 3180 2760 3540 6697 5930 7275 6636 6890 5280 3410 6360 6881 6931 5214 5634 6708 8412 5101 3610 7236 6507 3469 4502 3198 3735 3797 3468 5043 4147 3380 3553 3510 3719
St. Vincent and Grenadines 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2116 4292 44 0 0 0 65 160 71 51 31 94 92 97 110
U.S.A. 0 0 10 0 13 1 0 2 9 11 16 2 102 0 0 0 0 0 0 0 0 0 0 0 0 0 1 5 1 1 1 2 8 2 1 0 0 0 0 0 0 0 0 0 0
U.S.S.R. 0 0 0 0 0 0 0 0 0 0 99 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
UK.Sta Helena 0 0 0 0 0 0 0 1 12 2 4 7 11 7 9 0 0 2 1 1 1 5 28 38 5 82 47 18 1 1 58 12 2 0 0 0 62 46 94 81 3 120 2 2 0
Uruguay 0 0 0 0 0 0 0 0 0 0 0 23 235 373 526 1531 262 178 100 83 55 34 31 28 16 49 75 56 110 90 90 135 111 108 120 32 93 34 53 97 24 37 12 209 0
Vanuatu 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 684 1400 96 131 64 104 85 35 83 91
Discards ATN Chinese Taipei 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Venezuela 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 93 179
ATS Chinese Taipei 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0
Korea Rep. 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
South Africa 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
1221
Table 6. Series (flag and major gear) used to obtain preliminary overall estimations of 2015 total catches by
stock (for projections). Origin and technique described in “remarks”.
1222
Table 7. ALB-N catch-at-size (CAS) matrix. Estimations of the size (2 cm lower limit classes) composition of the catches by year (1975 to 2014).
1223
Table 8. ALB-S catch-at-size (CAS) matrix. Estimations of the size (2 cm lower limit classes) composition of the catches by year (1975 to 2014).
1224
Table 9. Evaluation of the CPUE series on North and South Atlantic albacore stocks presented to the group. The evaluation was made using the protocol established by the
WGSAM in 2012 to evaluate CPUE series.
North Atlantic stock
Paper SCRS/2016/068 Cosgrove et al.,
2014 SCRS/2016/080 SCRS/2016/074 SCRS/2016/073 SCRS/2016/078 SCRS/2016/032 SCRS/16/087
Index Japan LL Irish trawl US pelagic LL Spain Trol Spain BB Chinese Taiepei LL Venezuela LL Japan Core Area
Diagnostics 4 4 4 4 4 4 5 4
Appropriateness of data
exclusions and
classifications (e.g. to
identify targeted trips)
5 (data exclusion
are identified and
justified, model
explicitly covers
targeting)
4 (data exclusions
are clearly
identified and
justified)
4 (data
exclusions are
clearly
identified and
justified)
4 (apparently
no need to
exclude any
data)
4 (data
exclusions are
clearly
identified and
justified)
4 (data exclusions
identified and
justified)
4 (analysis of
influential data
conducted and
decisions not to
exclude any data
justified)
4 (data
exclusions
identified and
justified)
Geographical coverage
4
(extensive
coverage and
distribution areas
provided in a
map)
2
(limited to north
eastern Atlantic.
Good distribution
of effort maps
provided)
3
(large area of
operation but
only in
northwest
Atlantic)
3 2 4 3 4
Catch fraction 2 2 1 3 3 2 1 2
Length of time series
relative to the history of
exploitation
5 (series runs
from 1959)
2 (time series only
available from
2003)
3 (1987-2014) 3 (since 1981) 3 (since 1981) 4 (1967-2015) 3 (1991-2014) 4 (1964-2006)
Are other indices
available for the same
time period?
4 3 3 3 3 4 3 4
1225
Does the index
standardization account
for known factors that
influence
catchability/selectivity?
4 (gear, area,
hooks and other
factors that may
influence
catchability and
selectivity are
included, as are
interaction terms)
3 (the model
includes few
factors, although
including vessels
may address
aspects of
catchability or
selectivity)
3 (operating
procedure, gear
configuration)
2 (only year,
quarter, area
and interactions
are considered)
2 (only year,
quarter, area
and interactions
are considered)
4 (year, quarter, area,
other species)
4 (gear, area,
hooks and other
factors that may
influence
catchability and
selectivity are
included, as are
interaction
terms)
4 (gear, area,
hooks and other
factors that may
influence
catchability)
Is the interannual
variability within
plausible bounds (e.g.
Walter and Cass-Calay,
2013)
4 3 4 3 3 4 3 4
Are biologically
implausible interannual
deviations severe? (e.g.
Walter and Cass-Calay,
2013)
5 3 5 3 3 5 3 5
Assessment of data
quality and adequacy of
data for standardization
purpose (e.g. sampling
design, sample size,
factors considered)
2 (not enough
observations to
properly
standardize for
all the factors
believed to be
affected)
3 (data quality is
explicitly
addressed, model
includes
interactions to
obtain more info
from the data and
model structured
to account for
possible changes.
Size data for
portion of
population
covered by this
CPUE is not
provided)
3 (nº
observations per
variable factor
category not
shown)
3 (sampling
design and size
appropriate, not
many factors
included)
3 (sampling
design and size
appropriate, not
many factors
included)
3 (nº observations per
each variable factor
category not shown)
3 (nº
observations per
variable factor
category not
shown)
2 (not enough
observations to
properly
standardize for
all the factors
believed to be
affected)
Is this CPUE time
series continuous? 5 5 5 5 5 5 5 5
1226
South Atlantic stock
Paper SCRS/2016/068 Pons and Domingo, 2014 SCRS/2016/089 SCRS/2016/079 SCRS/16/077
Index Japan LL Uruguay LL Brazil LL Chinese Taipei LL South African BB
Diagnostics 3 3 4 3 2 (no residual patterns
shown)
Appropriateness of data
exclusions and
classifications (e.g. to
identify targeted trips)
4 (data exclusion are
identified and justified,
model explicitly covers
targeting)
4 (data exclusions are
clearly identified and
justified, vessel targeting
also covered)
3 (fishing strategy
addressed, but
apparently no data
exclusion is
conducted)
4 (data exclusions
identified and
justified)
4 (data exclusion
explained and
justified)
Geographical coverage
4 (extensive coverage
and distribution areas
provided in a map)
3 (limited to south
western Atlantic. Good
distribution of effort maps
provided)
4 (extensive coverage
and distribution areas
provided in a map)
4 3
Catch fraction 2 1 2 5 4
Length of time series
relative to the history of
exploitation
5 (series runs from
1959) 3 (series runs from 1983) 3 (1978-2012) 4 (1967-2015)
3 (2003-2014, but
there is an older one
1985-1998)
Are other indices
available for the same
time period?
5 3 3 4 4
Does the index
standardization account
for known factors that
influence
catchability/selectivity?
4 (gear, area, hooks and
other factors that may
influence catchability
and selectivity are
included, as are
interaction terms)
4 (analysis includes many
factors that could affect
fishing
efficiency/selectivity.
Multiple interactions
included)
3 (time, area, and
fishing strategy are
considered, but the
latter is not very
clear)
4 (year, quarter,
area, other species)
4 (year, month,
position, vessel power,
vessel type, target)
1227
Is the interannual
variability within
plausible bounds (e.g.
Walter and Cass-Calay,
2013)
4 4 3 4 4
Are biologically
implausible interannual
deviations severe? (e.g.
Walter and Cass-Calay,
2013)
5 5 4 5 5
Assessment of data
quality and adequacy of
data for standardization
purpose (e.g. sampling
design, sample size,
factors considered)
2 (previously the WG
considered the sampling
design was relatively
good, as well as the
sample size and factors
considered. However,
subsequent analyses
indicate that there are
not enough observations
to properly standardize
for all factors believed
to be affected)
4 (information includes
length frequencies of
catches in recent years.
Multiple factors and
interactions included.
Sample design takes into
account effort distribution
although proportion of
effort cover01ed is not
explicitly discussed)
3 (heterogeneous
dataset but relatively
good residuals)
3 (nº observations
per each variable
factor category not
shown)
3 (nº observations per
variable factor
category not shown)
Is this CPUE time series
continuous? 5 5 5 5 5
1228
Table 10. Standardized annual CPUEs for North Atlantic albacore.
Japan
LL Japan LL Japan LL
Japan LL
core
Japan LL
core
Japan
LL core
Chinese
Taipei LL
Chinese
Taipei LL
Chinese
Taipei LL
Early Transition By-catch Early Transition By-catch 1st period 2nd period 3rd period
Irish
MWT
Q3 US LL
Spanish
Troll
France
TR
Spanish
BB
Venezuela
LL
Age
Range 3-8+ 3-8+ 3-8+ 3-8+ 3-8+ 3-8+ 2-8+ 2-8+ 2-8+ 2-3 3-8 2-3 2-3 1-4 5-8+
Catch
Units Number Number Number Number Number Number Weight Weight Weight Weight Number Number Number Number Number
Effort
Units
1000
hooks
1000
hooks 1000 hooks
1000
hooks 1000 hooks
1000
hooks 1000 hooks 1000 hooks 1000 hooks
Days at
sea
1000
hooks
Fishing
days
1000
hooks
Fishing
days
1000
hooks
Model
Neg.
binomial
Neg.
binomial
Neg.
binomial
Neg.
binomial
Neg.
binomial
Neg.
Binomial LogNormal LogNormal LogNormal
Delta
log-
normal
Delta
log-
normal
Log-
Normal
Delta
log-
normal
Log-
Normal
Delta log-
normal
Used in
assess. No No
Yes
(1988-2012) No No No No No Yes No Yes No No Yes Yes
Year
1959 27.459
1960 23.329
1961 19.188
1962 28.380
1963 14.992
1964 14.918
33.83729
1965 11.043
31.14848
1966 10.358
36.91554
1967 10.922
33.25215
294.6791
1968 11.144
30.58286
509.5313
1969 9.137 10.657
33.61161
409.4818
1970
10.501
36.94203
389.2505
1971
5.946
18.78532
317.8628
1972
2.999
4.482254
311.4597
1973
4.135
5.991785
305.3485
1974
3.602
9.308208
317.9450
1975
3.077 2.610
0.0000809
294.2251
1.36
1976
2.203
0.0000889
291.7729
0.95
1229
1977
1.455
0.000077
287.0757
1.23
1978
1.231
0.0000683
256.3453
1.46
1979
1.489
0.0000612
295.9886
1.27
1980
1.457
0.0000794
329.5752
1.46
1981
1.471
0.0000536
383.6085
4.5086 1.55 120.3355
1982
1.335
0.0000494
458.9732
4.2247 1.55 142.1404
1983
1.213
0.0000339
432.0405
4.2092 0.86 211.781
1984
1.036
0.0000425
366.9191
3.9418 0.47 105.5021
1985
1.161
0.0000446
310.7035
4.1261 1.70 187.1337
1986
0.670
0.00000684
274.2483
4.4814 0.37 143.0091
1987
0.477
0.0000211
235.7245 283.9162
0.49 4.2205 0.62 207.4696
1988
0.780
0.0000348
353.0965
0.56 4.2496
207.9697
1989
0.739
0.0000338
342.1148
0.68 3.8423
166.3143
1990
0.575
0.000015
301.7633
1.02 4.1443
234.0441
1991
0.664
7.98E-10
285.1749
1.03 4.8585
182.3254 0.354
1992
0.518
0.000000001
226.0827
0.74 4.8065
139.7415 0.407
1993
0.510
0.0000212
424.6678
1.16 4.4924
179.4904 0.341
1994
0.693
5.46376
345.4850
1.30 4.0982
248.3461 0.667
1995
0.441
2.07878
398.5791
1.31 4.8424
179.4813 0.787
1996
0.387
3.6832
234.5771
0.84 4.4832
206.3494 0.795
1997
0.533
2.60247
312.8780
1.07 4.7074
209.1378 0.856
1998
0.868
0.54474
431.8790
1.03 4.3456
263.5269 1.082
1999
0.486
1.98103
245.1944 220.9084
1.26 4.3656
133.7631 1.054
2000
0.802
1.1334
175.4527
1.13 3.4317
132.3419 1.154
2001
1.098
1.6931
170.0116
1.31 3.4859
88.5964 0.672
2002
1.165
1.23169
158.9563
1.07 3.8258
90.6544 0.840
2003
0.839
1.30132
199.2920 495.48 0.86 3.8601
178.4587 1.040
2004
0.619
1.15949
281.6502 411.17 0.84 4.2377
184.171 1.089
2005
0.845
1.08905
281.8669 1151.74 0.87 4.5893
179.4839 1.150
2006
0.735
0.95077
404.8764 2948.40 0.72 4.6848
274.9101 1.177
2007
0.427
320.8192 683.32 0.75 4.1171
204.3802 1.958
2008
0.445
305.1050 2655.88 0.60 4.5269
155.6245 2.031
2009
0.670
375.2456 1419.13 0.80 4.2735
250.7806 1.085
2010
1.002
448.5055 248.99 1.01 3.4839
201.0325 0.910
1230
2011
0.678
347.5100 3824.67 1.31 3.9809
423.3189 0.521
2012
0.790
456.7708
1.11 4.7090
340.1043 0.785
2013
9.233
706.7904
1.38 3.8416
329.9506 1.366
2014
0.012
1263.3011
1.75 3.4965
136.0997 1.881
2015
492.6446
1231
Table 11. Standardized annual CPUEs for South Atlantic albacore.
Uruguay
LL Brazil LL
Chinese
Taipei LL
Japan
LL_early
Japan
LL_transiti
on
Japan
LL_by-
catch
South
Africa BB
early
South
Africa BB
late
Age range 3-8+ 3-8+ 3-8+ 3-8+ 3-8+ 3-8+ 2-3 2-3
Catch units Weight Number Number Number Number Number Weight Weight
Effort units 1000 hooks 1000 hooks 1000 hooks 1000 hooks 1000 hooks 1000
hooks
Fishing
days
Fishing
days
Model Delta log-
normal
Delta log-
normal LogNormal
Neg.
Binomial
Neg.
Binomial
Neg.
Binomial LogNormal LogNormal
Use in
assess. Yes No Yes No No
Yes
(1975-
2011)
No No
Year
1959
1.888
1960
1.780
1961
1.430
1962
1.025
1963
0.992
1964
0.996
1965
0.671
1966
0.610
1967
801.353 0.648
1968
791.725 0.598
1969
743.267 0.362 2.199
1970
599.703
1.057
1971
629.150
1.673
1972
415.401
0.897
1973
319.227
0.603
1974
343.323
0.357
1975
405.044
0.213
1976
374.692
1.133
1977
449.758
0.716
1978
2.562 384.151
1.320
1979
3.856 352.288
0.538
1980
1.437 361.367
0.796
1981
1.394 321.198
1.656
1982
1.227 301.332
1.307
1983 1.689 2.411 294.834
1.049
1984 1.459 2.941 368.196
1.072
1985 1.526 1.694 300.707
1.808 1.092
1986 1.509 3.382 295.304
2.126 0.982
1987 1.411 4.264 263.458
0.868 1.187
1988 1.467 3.125 195.449
0.613 0.945
1232
1989 1.754 4.945 165.609
0.767 0.867
1990 1.148 4.262 177.618
1.050 0.856
1991 1.333 2.429 197.547
1.205 0.805
1992 0.884 1.322 214.567
0.665 0.973
1993 1.546 7.881 218.197
0.566 0.895
1994 0.690 5.518 282.081
0.824 0.940
1995 1.103 4.621 276.066
0.523 0.969
1996 1.511 5.949 292.352
0.570 1.012
1997 1.110 5.967 308.641
0.764 1.227
1998 1.532 5.363 281.759
0.750 1.250
1999 1.217 4.892 197.968
0.771
2000 0.970 6.141 174.602
1.298
2001 0.564 3.703 218.395
1.349
2002 0.455 2.03 175.165
0.847
2003 0.317 1.051 153.284
0.925
1320.9
2004 0.229 1.459 202.268
0.979
923.6
2005 0.145 1.019 253.888
0.717
1321.4
2006 0.561 1.201 202.059
0.392
1228.7
2007 0.706 0.605 239.128
0.300
1474.4
2008 0.531 0.978 248.354
0.624
1126.9
2009 0.671 0.895 262.413
0.767
1502.1
2010 0.589 0.628 286.470
0.951
1272.8
2011 0.371 2.268 240.716
0.828
1032.8
2012
3.572 250.9277
2.118
830.5
2013
270.3402
3.552
1241.4
2014
180.6426
0.477
1441.3
Table 12. Bootstrapped results of the Biodyn model for the North Atlantic albacore Base Case stock assessment.
Maximum Sustainable Yield (MSY), Fishing mortality at MSY (FMSY), Biomass at MSY (BMSY), intrinsic
growth rate (r) and carrying capacity (K).
Median Mean Standard Deviation
MSY 37081.7632 38175.8805 3413.8010
FMSY 0.0917 0.0970 0.0318
BMSY 406885.5986 407566.6848 53470.5590
r 0.0918 0.0971 0.0318
K 1105477.2204 1107327.6799 145275.4414
1233
Table 13. Fleet descriptions used in the ASPIC models for South Atlantic albacore.
Fleet Fleet 1 Fleet 2 (1956-1969)
Fleet 3 (1970-1975)
Fleet 4 (1976-2014)
Fleet 5 Fleet 6 (1956 –1998)
Fleet 7 (1999 –2014)
Fleet 8
CPUE Chinese
Taipei
(LL)
Japan (LL) (1976-2011)
None (1956-1969)
None (1970-1975)
None None Urugua
y (LL)
Catch Chinese
Taipei
(LL)
Korea
(LL)
China LL
EU.Spain (LL)
EU.Portugal (LL)
Japan (LL)
Philippines (LL)
St Vincent and Grenadier
(LL)
USA (LL)
Vanuatu (LL)
Honduras (LL)
Nei (LL)
Côte D'Ivoire (LL)
EU.United Kingdom (LL)
Seychelles (LL)
UK.St Helena (LL)
Angola (LL)
Senegal (LL)
Brazil (LL, SU)
Panama (LL)
South Africa
(LL, UN)
Argentina (LL,
TW, UN)
Belize (LL)
Cambodia (LL)
Cuba (LL, UN)
Namibia (LL)
Brazil (BB, GN, HL, PS,
TW, UN)
EU.Spain (PS)
EU.France (BB, PS)
EU.Portugal (BB, PS)
Japan (BB, PS)
Namibia (BB)
Korea (BB)
Maroc (PS)
Panama (PS)
South Africa (BB, HL, PS,
RR, SP)
USA (PS)
USSR (SU)
UK.St Helena (BB, RR)
Chinese Taipei (GN)
Nei (BB, PS)
Argentina (PS)
Belize (PS)
Cabo Verde (PS)
Curaçao (PS)
Guatemala (PS)
Côte D'Ivoire (PS)
Ghana (BB, PS)
Guinea Ecuatorial (UN,
HL)
Guinée Rep. (PS)
Urugua
y (LL)
1234
Table 14. Catches (t) for each fleet for ASPIC for south Atlantic albacore listed in Table 13.
Year Fleet 1 Fleet 2 Fleet 3 Fleet 4 Fleet 5 Fleet 6 Fleet 7 Fleet 8 Total
1956 21 21 1957 725 725 1958 1,047 1,047 1959 3,015 1,700 4,715 1960 8,673 1,802 10,475 1961 8,893 1,872 10,765 1962 16,422 2,549 18,971 1963 15,104 2,281 17,385 1964 115 23,738 2,124 22 25,999 1965 346 28,309 1,190 29,845 1966 5,275 21,023 998 27,296 1967 7,412 7,719 752 15,883 1968 12,489 11,857 1,304 38 25,688 1969 21,732 6,331 430 28,493 1970 17,255 5,898 500 23,653 1971 21,323 3,218 344 24,885 1972 30,640 2,087 352 110 33,189 1973 25,888 277 1,969 100 28,234 1974 19,079 109 365 163 19,716 1975 16,614 306 536 151 17,607 1976 17,976 73 1,129 197 19,375 1977 19,858 105 1,162 330 21,455 1978 21,837 135 867 256 23,095 1979 21,218 105 666 651 22,640 1980 19,400 333 1,024 2,189 22,946 1981 18,869 558 996 3,594 23 24,040 1982 23,363 569 1,114 4,391 235 29,672 1983 10,101 162 1,360 2,922 373 14,918 1984 8,237 224 1,061 4,551 526 14,599 1985 20,154 623 517 8,272 1,531 31,097 1986 27,913 739 1,263 7,111 262 37,288 1987 29,173 357 1,733 9,189 178 40,630 1988 20,926 405 816 7,926 100 30,173 1989 18,440 450 788 7,450 83 27,212 1990 20,461 587 638 6,973 55 28,714 1991 19,914 804 1,333 3,930 34 26,016 1992 23,068 1,001 3,374 9,089 31 36,562 1993 19,420 748 3,753 8,863 28 32,813 1994 22,576 923 1,684 10,100 16 35,300 1995 18,354 695 941 7,513 49 27,552 1996 18,974 785 1,165 7,426 75 28,426 1997 18,169 673 769 8,354 56 28,022 1998 16,113 487 3,098 10,787 110 30,595 1999 17,391 1,560 1,651 6,965 90 27,656 2000 17,239 3,041 4,027 6,989 90 31,387 2001 15,834 5,235 6,834 10,757 135 38,796 2002 17,321 1,142 3,097 10,074 111 31,746 2003 17,356 534 2,641 7,364 108 28,002 2004 13,325 703 606 7,789 120 22,543 2005 10,772 1,446 727 5,905 32 18,882 2006 12,359 2,247 3,041 6,713 93 24,453 2007 13,202 1,313 538 5,195 34 20,283 2008 10,054 2,633 478 5,650 53 18,867 2009 9,052 2,470 493 10,152 97 22,265 2010 11,105 1,693 649 5,754 24 19,225 2011 13,103 1,888 1,417 7,684 37 24,129 2012 12,902 3,708 1,226 7,213 12 25,061 2013 8,553 4,136 966 5,399 209 19,263 2014 6,677 1,645 564 4,790 13,677
1235
Table 15. Standardized CPUE series included in the ASPIC models for South Atlantic albacore.
Fleet
represented Fleet 1 Fleet 2 Fleet 3 Fleet 4 Fleet 5 Fleet 6 Fleet 7 Fleet 8
CPUE
series flag
Chinese
Taipei LL
Japan
LL1*
Japan
LL2*
Japan
LL3
Brazil
LL*
South
Africa
BB1*
South
Africa
BB2*
Uruguay
LL
1959 1.888 1960 1.780 1961 1.430 1962 1.025 1963 0.992 1964 0.996 1965 0.671 1966 0.610 1967 2.517 0.648 1968 2.487 0.598 1969 2.335 0.362 2.199 1970 1.884 1.057 1971 1.976 1.673 1972 1.305 0.897 1973 1.003 0.603 1974 1.078 0.357 1975 1.272 0.213 1976 1.177 1.133 1977 1.413 0.716 1978 1.207 1.320 0.838 1979 1.107 0.538 1.261 1980 1.135 0.796 0.470 1981 1.009 1.656 0.456 1982 0.946 1.307 0.401 1983 0.926 1.049 0.789 1.689 1984 1.156 1.072 0.962 1.459 1985 0.945 1.808 0.554 1.092 1.526 1986 0.928 2.126 1.106 0.982 1.509 1987 0.828 0.868 1.395 1.187 1.411 1988 0.614 0.613 1.022 0.945 1.467 1989 0.520 0.767 1.618 0.867 1.754 1990 0.558 1.050 1.394 0.856 1.148 1991 0.620 1.205 0.795 0.805 1.333 1992 0.674 0.665 0.432 0.973 0.884 1993 0.685 0.566 2.578 0.895 1.546 1994 0.886 0.824 1.805 0.940 0.690 1995 0.867 0.523 1.512 0.969 1.103 1996 0.918 0.570 1.946 1.012 1.511 1997 0.969 0.764 1.952 1.227 1.110 1998 0.885 0.750 1.754 1.250 1.532 1999 0.622 0.771 1.600 1.217 2000 0.548 1.298 2.009 0.970 2001 0.686 1.349 1.211 0.564 2002 0.550 0.847 0.664 0.455 2003 0.481 0.925 0.344 1.077 0.317 2004 0.635 0.979 0.477 0.753 0.229 2005 0.797 0.717 0.333 1.077 0.145 2006 0.635 0.392 0.393 1.002 0.561 2007 0.751 0.300 0.198 1.202 0.706 2008 0.780 0.624 0.320 0.919 0.531 2009 0.824 0.767 0.293 1.225 0.671 2010 0.900 0.951 0.205 1.038 0.589 2011 0.756 0.828 0.742 0.842 0.371 2012 0.788 2.118* 1.168 0.677 2013 0.849 3.552* 1.012 2014 0.567 0.477* 1.175
*Eliminated in the Base Case scenarios.
1236
Table 16. Details of model runs in the ASPIC for South Atlantic albacore.
Run Weight B1/K Model
(fixed)
2 Equal for all fleets 0.9 Logistic
6 Equal for all fleets 0.9 Fox
7 Weighted by catch 0.9 Logistic
8 Weighted by catch 0.9 Fox
Table 17. Results of the ASPIC and BSP model runs for South Atlantic albacore compared to those of the 2013
assessment.
ASPIC 2016 results
Model
run MSY (t) FMSY BMSY (t)
B2012/
BMSY
F2011/
FMSY K (t) r
Run2 26,920 0.212 127,100 0.937 0.573 254,300 0.42
Run6 25,200 0.172 146,200 1.001 0.564 397,300 0.17
Run7 26,210 0.145 180,300 1.097 0.491 360,600 0.29
Run8 25,080 0.138 182,000 1.147 0.489 494,800 0.14
ASPIC 2013 results
Model
run MSY (t) FMSY BMSY (t)
B2012/
BMSY
F2011/
FMSY K (t) r
Run2 28,060 0.301 93,330 0.813 1.076 254,300 0.60
Run6 25,660 0.199 128,800 0.861 1.098 397,300 0.20
Run7 22,620 0.070 323,000 0.816 1.301 360,600 0.14
Run8 24,250 0.127 191,300 0.950 1.047 494,800 0.13
BSP 2016 results
Model run MSY (t) BMSY (t) BCUR/BMSY HCUR/HMSY K r
EQ SH 29,598 121,380 1.181 0.786 254,706 0.53
EQ FOX 23,037 88,887 1.972 0.316 243,656 0.58
CW SH 31,684 86,691 0.508 0.851 173,499 0.73
CW FOX 14,854 72,636 1.110 0.831 196,266 0.41
BSP 2013 results
Model run MSY (t) BMSY (t) BCUR/BMSY HCUR/HMSY K r
EQ SH 23,230 345,701 0.87 1.35 704,250 0.18
EQ FOX 23,580 303,850 1.13 1.14 843,490 0.23
CW SH 37,330 410,376 1.25 0.89 802,680 0.23
CW FOX 52,240 323,333 1.68 0.69 864,040 0.42
1237
Table 18. Scenarios of sensitivity analyses for the ASPIC model runs for South Atlantic albacore.
Scenario Abbreviation in the graph
B1/K fix at 0.8 B1/K 0.8
B1/K fix at 1.0 B1/K 1.0
Only with Taiwanese LL index Only TWLL
Only with index of Japan LL3 (1975-2011) Only JPLL3
Without Uruguay LL index No URG LL
Additional South Africa BB index (early+late)
Additional Brazil LL index Add BZLL
Start year 1975 Start 1975
Table 19. BSP model parameter estimates.
a) Equal weighted logistic model BSP.
b) Equal weighted FOX model BSP.
c) Catch weighted logistic model.
d) Catch weighted FOX model.
1238
Table 20. Kobe II strategy matrix. Probability of being green over time for North Atlantic albacore under
constant TAC projections.
TAC 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030
20000 96 97 99 99 100 100 100 100 100 100 100 100 100 100
22000 96 97 98 99 100 100 100 100 100 100 100 100 100 100
24000 96 96 97 99 99 100 100 100 100 100 100 100 100 100
26000 96 96 97 97 99 99 99 100 100 100 100 100 100 100
28000 96 96 96 97 97 98 99 99 99 100 100 100 100 100
30000 96 96 96 96 96 97 97 98 98 99 99 99 99 100
32000 96 96 96 96 96 96 96 96 96 97 97 97 98 98
34000 95 95 96 96 96 96 96 96 96 96 96 96 96 96
36000 94 94 93 93 93 92 92 92 92 92 91 91 91 91
38000 89 89 88 88 88 88 88 87 87 86 86 86 85 85
40000 86 85 85 84 84 83 83 82 81 80 80 79 79 77
42000 83 82 80 79 79 77 76 75 74 73 72 71 71 70
44000 79 77 75 74 73 71 71 69 67 66 64 63 61 60
46000 74 72 71 69 67 66 63 61 59 58 56 55 55 54
48000 71 67 66 63 60 58 57 55 54 53 51 50 49 48
50000 66 62 59 57 55 54 52 50 49 48 46 43 42 41
52000 60 57 55 54 52 49 48 46 43 41 40 38 37 36
54000 56 54 52 49 48 44 42 40 38 36 35 35 34 32
56000 53 50 48 46 42 39 38 36 35 34 32 30 28 25
58000 50 48 44 41 38 36 35 34 31 29 26 24 23 20
60000 48 44 40 38 35 35 32 29 26 24 21 19 16 15
1239
Table 21. Kobe 2 Strategy matrix. Probability of being green over time for North Atlantic albacore using alternative HCRs, as combinations of BLIM (0.4BMSY), BTHRESHOLD
and FTARGET.
Avge catch Cumulative catch over
Bthresh Ftarget 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030 over 3y 5 y 10 y 15 y 20 y
.6 0.75 97 98 99 100 100 100 100 100 100 100 100 100 100 100 100 41759 205785 401061 591403 779155
0.6 0.8 97 98 99 99 100 100 100 100 100 100 100 100 100 100 100 44327 217559 420676 616784 809106
0.6 0.85 97 98 99 99 99 100 100 100 100 100 100 100 100 100 100 46870 229110 439550 640801 837030
0.6 0.9 97 98 99 99 99 99 100 100 100 100 100 100 100 100 100 49386 240440 457706 663512 863029
0.6 0.95 97 98 99 99 99 99 99 99 99 100 100 100 100 100 100 51877 251553 475165 684973 887200
0.6 1 97 93 94 95 96 96 95 95 93 94 94 92 94 92 92 54342 262453 491950 705238 909638
0.8 0.75 97 98 99 100 100 100 100 100 100 100 100 100 100 100 100 41759 205785 401061 591403 779155
0.8 0.8 97 98 99 99 100 100 100 100 100 100 100 100 100 100 100 44327 217559 420676 616784 809106
0.8 0.85 97 98 99 99 99 100 100 100 100 100 100 100 100 100 100 46870 229110 439550 640801 837030
0.8 0.9 97 98 99 99 99 99 100 100 100 100 100 100 100 100 100 49386 240440 457706 663512 863029
0.8 0.95 97 98 99 99 99 99 99 99 99 100 100 100 100 100 100 51877 251553 475165 684973 887200
0.8 1 97 93 94 95 96 96 95 95 93 94 94 92 94 92 92 54342 262453 491950 705238 909638
1 0.75 97 98 99 100 100 100 100 100 100 100 100 100 100 100 100 41695 205605 400927 591304 779079
1 0.8 97 98 99 100 100 100 100 100 100 100 100 100 100 100 100 44259 217368 420537 616684 809032
1 0.85 97 98 99 100 100 100 100 100 100 100 100 100 100 100 100 46798 228907 439406 640701 836958
1 0.9 97 98 99 99 100 100 100 100 100 100 100 100 100 100 100 49311 240226 457556 663412 862960
1 0.95 97 98 99 99 100 100 100 100 100 100 100 100 100 100 100 51798 251328 475010 684873 887134
1 1 97 94 95 96 97 97 96 96 95 96 96 93 96 94 93 54259 262215 491785 705134 909574
1240
Table 22. Kobe II risk matrix for B-ratio and F-ratio (probability of not exceeding MSY level) based on ASPIC
results for South Atlantic albacore.
Run02 Probability B>BMSY
Run02 Probability F<FMSY
Catch (t) 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 203012,000 73% 88% 95% 97% 97% 98% 98% 98% 98% 98% 98% 98% 98% 98%14,000 73% 86% 95% 96% 97% 97% 97% 97% 97% 97% 97% 97% 97% 97%16,000 73% 85% 92% 95% 96% 96% 96% 96% 96% 96% 96% 96% 96% 96%18,000 73% 82% 89% 93% 95% 95% 95% 96% 96% 96% 96% 96% 96% 96%20,000 73% 79% 86% 89% 92% 93% 94% 94% 94% 94% 94% 95% 95% 95%22,000 73% 78% 81% 86% 87% 89% 90% 90% 91% 91% 91% 91% 91% 91%24,000 73% 75% 77% 77% 79% 82% 83% 83% 84% 84% 84% 84% 84% 84%26,000 73% 72% 72% 72% 72% 71% 70% 70% 68% 67% 66% 66% 65% 65%28,000 73% 70% 68% 62% 58% 55% 50% 47% 43% 41% 36% 34% 30% 27%30,000 73% 67% 59% 52% 43% 37% 32% 27% 20% 15% 10% 8% 6% 2%32,000 73% 64% 52% 41% 32% 23% 17% 10% 7% 3% 1% 1% 1% 1%34,000 73% 59% 44% 32% 21% 13% 7% 4% 2% 1% 1% 1% 0% 0%
F 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 20300.75*FMSY 73% 76% 78% 79% 80% 82% 82% 82% 83% 83% 83% 83% 83% 83%0.80*FMSY 73% 74% 75% 76% 77% 77% 77% 77% 77% 78% 78% 78% 78% 78%0.85*FMSY 73% 73% 72% 73% 73% 73% 73% 73% 73% 73% 73% 73% 73% 73%0.90*FMSY 73% 71% 70% 69% 69% 68% 67% 67% 67% 67% 67% 66% 66% 66%0.95*FMSY 73% 69% 67% 64% 63% 62% 61% 59% 58% 57% 56% 56% 55% 55%1.00*FMSY 73% 68% 63% 58% 55% 54% 51% 50% 50% 49% 48% 47% 47% 46%
Catch (t) 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 202912,000 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100%14,000 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100%16,000 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100%18,000 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100%20,000 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100%22,000 97% 98% 98% 98% 98% 98% 98% 98% 98% 98% 98% 98% 98%24,000 90% 91% 93% 94% 94% 94% 94% 94% 94% 93% 93% 93% 93%26,000 79% 78% 77% 76% 76% 76% 75% 74% 74% 73% 74% 74% 73%28,000 63% 58% 54% 50% 46% 42% 40% 35% 32% 31% 29% 26% 22%30,000 44% 38% 31% 26% 20% 16% 12% 9% 7% 4% 3% 1% 1%32,000 28% 22% 15% 11% 7% 5% 3% 2% 1% 1% 1% 1% 0%34,000 17% 12% 7% 5% 3% 2% 1% 1% 1% 1% 0% 0% 0%
F 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2015-2017 2015-2019 2017-2019
0.75*FMSY 91% 91% 91% 91% 91% 91% 91% 91% 91% 91% 91% 91% 91% 20,857 24,032 29,4730.80*FMSY 84% 84% 84% 84% 84% 84% 84% 84% 84% 84% 84% 84% 84% 21,460 24,890 30,9030.85*FMSY 79% 79% 79% 79% 79% 79% 79% 79% 79% 79% 79% 79% 79% 22,057 25,718 32,2830.90*FMSY 72% 72% 72% 72% 72% 72% 72% 72% 72% 72% 72% 72% 72% 22,640 26,510 33,6030.95*FMSY 62% 62% 62% 62% 62% 62% 62% 62% 62% 62% 62% 62% 62% 23,217 27,268 34,8671.00*FMSY 51% 51% 51% 51% 51% 51% 51% 51% 51% 51% 51% 51% 51% 23,783 27,994 36,077
Estimated average catch
1241
Table 22. (continued)
Run02 Probability of being green
Run06 Probability B>BMSY
Catch (t) 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 202912,000 73% 88% 95% 97% 97% 98% 98% 98% 98% 98% 98% 98% 98%14,000 73% 86% 95% 96% 97% 97% 97% 97% 97% 97% 97% 97% 97%16,000 73% 85% 92% 95% 96% 96% 96% 96% 96% 96% 96% 96% 96%18,000 73% 82% 89% 93% 95% 95% 95% 96% 96% 96% 96% 96% 96%20,000 73% 79% 86% 89% 92% 93% 94% 94% 94% 94% 94% 95% 95%22,000 73% 78% 81% 86% 87% 89% 90% 90% 91% 91% 91% 91% 91%24,000 73% 75% 77% 77% 79% 82% 83% 83% 84% 84% 84% 84% 84%26,000 73% 72% 72% 72% 72% 71% 70% 70% 68% 67% 66% 66% 65%28,000 63% 58% 54% 50% 46% 42% 40% 35% 32% 31% 29% 26% 22%30,000 44% 38% 31% 26% 20% 16% 12% 9% 7% 4% 3% 1% 1%32,000 28% 22% 15% 11% 7% 5% 3% 2% 1% 1% 1% 1% 0%34,000 17% 12% 7% 5% 3% 2% 1% 1% 1% 1% 0% 0% 0%
F 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 20290.75*FMSY 73% 76% 78% 79% 80% 82% 82% 82% 83% 83% 83% 83% 83%0.80*FMSY 73% 74% 75% 76% 77% 77% 77% 77% 77% 78% 78% 78% 78%0.85*FMSY 73% 73% 72% 73% 73% 73% 73% 73% 73% 73% 73% 73% 73%0.90*FMSY 71% 70% 69% 69% 68% 68% 67% 66% 66% 66% 66% 66% 66%0.95*FMSY 62% 61% 60% 60% 59% 59% 58% 57% 56% 56% 55% 55% 55%1.00*FMSY 51% 51% 51% 51% 50% 49% 48% 48% 47% 47% 46% 45% 45%
Catch (t) 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 203012,000 76% 89% 96% 99% 99% 100% 100% 100% 100% 100% 100% 100% 100% 100%14,000 76% 87% 94% 97% 99% 99% 99% 99% 100% 100% 100% 100% 100% 100%16,000 76% 84% 91% 95% 97% 99% 99% 99% 99% 99% 99% 99% 99% 99%18,000 76% 83% 87% 92% 94% 96% 97% 98% 98% 98% 98% 98% 99% 99%20,000 76% 79% 83% 86% 88% 91% 92% 94% 94% 95% 96% 96% 96% 96%22,000 76% 77% 78% 79% 81% 82% 83% 83% 85% 85% 85% 86% 86% 86%24,000 76% 75% 74% 72% 70% 68% 65% 63% 62% 60% 58% 56% 54% 51%26,000 76% 72% 66% 62% 58% 53% 48% 43% 40% 35% 29% 25% 21% 19%28,000 76% 69% 61% 54% 46% 40% 33% 27% 22% 18% 15% 10% 8% 6%30,000 76% 64% 55% 45% 37% 28% 22% 17% 12% 9% 6% 4% 3% 3%32,000 76% 62% 50% 39% 28% 20% 15% 10% 7% 4% 3% 3% 2% 1%34,000 76% 60% 45% 32% 22% 15% 10% 6% 4% 3% 2% 1% 1% 0%
F 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 20300.75*FMSY 76% 79% 82% 84% 86% 87% 88% 88% 88% 89% 89% 89% 89% 89%0.80*FMSY 76% 77% 79% 80% 81% 82% 82% 83% 83% 83% 83% 83% 83% 83%0.85*FMSY 76% 76% 76% 76% 76% 77% 77% 77% 76% 76% 76% 76% 76% 76%0.90*FMSY 76% 75% 74% 73% 72% 71% 70% 69% 69% 69% 69% 68% 68% 68%0.95*FMSY 76% 73% 70% 68% 65% 63% 63% 62% 62% 61% 60% 60% 60% 59%1.00*FMSY 76% 71% 66% 63% 61% 58% 57% 55% 54% 53% 53% 52% 51% 51%
1242
Table 22. (continued)
Run06 Probability F<FMSY
Run06 Probability of being green
Catch (t) 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 202912,000 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100%14,000 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100%16,000 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100%18,000 99% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100%20,000 95% 97% 98% 99% 99% 99% 99% 99% 99% 99% 99% 99% 99%22,000 86% 86% 87% 88% 88% 89% 90% 90% 90% 91% 91% 91% 91%24,000 69% 66% 64% 62% 61% 60% 58% 56% 54% 51% 49% 47% 44%26,000 50% 46% 42% 38% 35% 30% 26% 23% 21% 17% 15% 13% 10%28,000 35% 31% 26% 22% 18% 14% 12% 10% 8% 5% 4% 3% 3%30,000 25% 21% 16% 12% 10% 7% 5% 4% 3% 3% 2% 2% 1%32,000 17% 13% 11% 8% 5% 4% 3% 2% 2% 1% 1% 0% 0%34,000 13% 10% 7% 5% 3% 2% 2% 1% 1% 1% 0% 0% 0%
F 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2015-2017 2015-2019 2017-2019
0.75*FMSY 92% 92% 92% 92% 92% 92% 92% 92% 92% 92% 92% 92% 92% 20,003 22,986 27,7300.80*FMSY 87% 87% 87% 87% 87% 87% 87% 87% 87% 87% 87% 87% 87% 20,570 23,824 29,1270.85*FMSY 78% 78% 78% 78% 78% 78% 78% 78% 78% 78% 78% 78% 78% 21,130 24,636 30,4800.90*FMSY 68% 68% 68% 68% 68% 68% 68% 68% 68% 68% 68% 68% 68% 21,683 25,420 31,7870.95*FMSY 59% 59% 59% 59% 59% 59% 59% 59% 59% 59% 59% 59% 59% 22,230 26,178 33,0501.00*FMSY 52% 52% 52% 52% 52% 52% 52% 52% 52% 52% 52% 52% 52% 22,770 26,908 34,267
Estimated average catch
Catch (t) 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 202912,000 76% 89% 96% 99% 99% 100% 100% 100% 100% 100% 100% 100% 100%14,000 76% 87% 94% 97% 99% 99% 99% 99% 100% 100% 100% 100% 100%16,000 76% 84% 91% 95% 97% 99% 99% 99% 99% 99% 99% 99% 99%18,000 76% 83% 87% 92% 94% 96% 97% 98% 98% 98% 98% 98% 99%20,000 76% 79% 83% 86% 88% 91% 92% 94% 94% 95% 96% 96% 96%22,000 76% 77% 78% 79% 81% 82% 83% 83% 85% 85% 85% 86% 86%24,000 69% 66% 64% 62% 61% 60% 58% 56% 54% 51% 49% 47% 44%26,000 50% 46% 42% 38% 35% 30% 26% 23% 21% 17% 15% 13% 10%28,000 35% 31% 26% 22% 18% 14% 12% 10% 8% 5% 4% 3% 3%30,000 25% 21% 16% 12% 10% 7% 5% 4% 3% 3% 2% 2% 1%32,000 17% 13% 11% 8% 5% 4% 3% 2% 2% 1% 1% 0% 0%34,000 13% 10% 7% 5% 3% 2% 2% 1% 1% 1% 0% 0% 0%
F 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 20290.75*FMSY 76% 79% 82% 84% 86% 87% 88% 88% 88% 89% 89% 89% 89%0.80*FMSY 76% 77% 79% 80% 81% 82% 82% 83% 83% 83% 83% 83% 83%0.85*FMSY 76% 76% 76% 76% 76% 76% 76% 76% 76% 76% 76% 76% 76%0.90*FMSY 68% 68% 68% 68% 68% 68% 67% 67% 67% 67% 66% 66% 66%0.95*FMSY 59% 59% 59% 59% 59% 59% 59% 59% 58% 58% 58% 57% 57%1.00*FMSY 52% 52% 51% 51% 51% 51% 51% 51% 51% 50% 50% 49% 49%
1243
Table 22. (continued)
Run07 Probability B>BMSY
Run07 Probability F<FMSY
Catch (t) 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 203012,000 93% 97% 98% 99% 99% 99% 99% 99% 99% 99% 99% 99% 99% 99%14,000 93% 97% 98% 99% 99% 99% 99% 99% 99% 99% 99% 99% 99% 99%16,000 93% 95% 97% 98% 99% 99% 99% 99% 99% 99% 99% 99% 99% 99%18,000 93% 95% 96% 97% 98% 98% 98% 99% 99% 99% 99% 99% 99% 99%20,000 93% 94% 95% 95% 95% 96% 96% 97% 97% 97% 97% 97% 97% 98%22,000 93% 93% 94% 94% 94% 95% 95% 95% 95% 95% 95% 95% 95% 95%24,000 93% 92% 92% 92% 91% 90% 89% 89% 87% 87% 86% 86% 85% 85%26,000 93% 91% 89% 86% 85% 83% 82% 79% 77% 75% 72% 69% 66% 62%28,000 93% 89% 85% 82% 78% 74% 68% 62% 57% 49% 42% 34% 28% 24%30,000 93% 87% 83% 77% 69% 60% 52% 40% 31% 24% 19% 15% 11% 8%32,000 93% 86% 80% 69% 58% 44% 32% 23% 17% 13% 9% 5% 4% 3%34,000 93% 85% 76% 61% 44% 30% 22% 14% 9% 6% 4% 3% 2% 2%
F 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 20300.75*FMSY 93% 93% 93% 93% 93% 93% 94% 94% 94% 94% 94% 94% 94% 94%0.80*FMSY 93% 92% 92% 92% 92% 91% 91% 91% 90% 90% 90% 90% 90% 90%0.85*FMSY 93% 92% 90% 89% 88% 86% 86% 85% 85% 85% 85% 85% 85% 85%0.90*FMSY 93% 90% 87% 85% 85% 84% 83% 83% 82% 82% 81% 80% 80% 79%0.95*FMSY 93% 89% 85% 84% 83% 80% 78% 77% 76% 74% 73% 72% 71% 70%1.00*FMSY 93% 88% 84% 82% 77% 75% 71% 69% 66% 64% 62% 61% 59% 58%
Catch (t) 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 202912,000 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100%14,000 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100%16,000 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100%18,000 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100%20,000 99% 100% 100% 100% 99% 100% 100% 100% 100% 100% 100% 100% 100%22,000 98% 98% 98% 98% 98% 98% 98% 98% 98% 99% 99% 99% 99%24,000 93% 93% 92% 92% 92% 91% 90% 90% 89% 89% 88% 87% 87%26,000 83% 80% 77% 74% 71% 67% 64% 61% 57% 55% 52% 47% 43%28,000 64% 57% 50% 43% 36% 31% 27% 23% 19% 16% 14% 12% 9%30,000 41% 32% 26% 22% 17% 14% 11% 9% 6% 5% 4% 3% 3%32,000 25% 19% 15% 10% 9% 6% 5% 3% 2% 2% 2% 2% 1%34,000 16% 11% 9% 6% 5% 3% 2% 2% 2% 1% 1% 1% 0%
F 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2015-2017 2015-2019 2017-2019
0.75*FMSY 97% 97% 97% 97% 97% 97% 97% 97% 97% 97% 97% 97% 97% 19,057 21,560 25,3530.80*FMSY 93% 93% 93% 93% 93% 93% 93% 93% 93% 93% 93% 93% 93% 19,587 22,410 26,7700.85*FMSY 87% 87% 87% 87% 87% 87% 87% 87% 87% 87% 87% 87% 87% 20,113 23,244 28,1600.90*FMSY 79% 79% 79% 79% 79% 79% 79% 79% 79% 79% 79% 79% 79% 20,633 24,056 29,5130.95*FMSY 66% 66% 66% 66% 66% 66% 66% 66% 66% 66% 66% 66% 66% 21,153 24,854 30,8431.00*FMSY 51% 51% 51% 51% 51% 51% 51% 51% 51% 51% 51% 51% 51% 21,667 25,632 32,140
Estimated average catch
1244
Table 22. (continued)
Run07 Probability of being green
Run08 Probability B>BMSY
Catch (t) 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 202912,000 93% 97% 98% 99% 99% 99% 99% 99% 99% 99% 99% 99% 99%14,000 93% 97% 98% 99% 99% 99% 99% 99% 99% 99% 99% 99% 99%16,000 93% 95% 97% 98% 99% 99% 99% 99% 99% 99% 99% 99% 99%18,000 93% 95% 96% 97% 98% 98% 98% 99% 99% 99% 99% 99% 99%20,000 93% 94% 95% 95% 95% 96% 96% 97% 97% 97% 97% 97% 97%22,000 93% 93% 94% 94% 94% 95% 95% 95% 95% 95% 95% 95% 95%24,000 93% 92% 92% 92% 91% 90% 89% 89% 87% 87% 86% 86% 85%26,000 83% 80% 77% 74% 71% 67% 64% 61% 57% 55% 52% 47% 43%28,000 64% 57% 50% 43% 36% 31% 27% 23% 19% 16% 14% 12% 9%30,000 41% 32% 26% 22% 17% 14% 11% 9% 6% 5% 4% 3% 3%32,000 25% 19% 15% 10% 9% 6% 5% 3% 2% 2% 2% 2% 1%34,000 16% 11% 9% 6% 5% 3% 2% 2% 2% 1% 1% 1% 0%
F 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 20290.75*FMSY 93% 93% 93% 93% 93% 93% 94% 94% 94% 94% 94% 94% 94%0.80*FMSY 93% 92% 92% 92% 92% 91% 91% 91% 90% 90% 90% 90% 90%0.85*FMSY 87% 87% 87% 87% 86% 86% 86% 85% 85% 85% 85% 85% 85%0.90*FMSY 79% 79% 79% 79% 79% 79% 79% 79% 79% 78% 78% 78% 78%0.95*FMSY 66% 66% 66% 66% 66% 66% 66% 66% 66% 66% 66% 66% 66%1.00*FMSY 51% 51% 51% 51% 51% 51% 51% 51% 51% 51% 51% 51% 51%
Catch (t) 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 203012,000 90% 95% 97% 99% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100%14,000 90% 94% 96% 98% 99% 100% 100% 100% 100% 100% 100% 100% 100% 100%16,000 90% 94% 95% 97% 98% 99% 99% 100% 100% 100% 100% 100% 100% 100%18,000 90% 93% 95% 95% 96% 97% 98% 98% 98% 99% 99% 99% 99% 100%20,000 90% 91% 94% 94% 95% 95% 96% 96% 97% 97% 97% 97% 97% 98%22,000 90% 90% 91% 91% 91% 92% 92% 93% 93% 93% 93% 93% 93% 94%24,000 90% 89% 88% 87% 86% 85% 84% 84% 81% 81% 80% 80% 79% 77%26,000 90% 88% 85% 82% 80% 77% 75% 72% 69% 67% 62% 60% 56% 53%28,000 90% 86% 82% 77% 73% 69% 63% 58% 53% 48% 41% 36% 32% 29%30,000 90% 84% 79% 72% 67% 59% 52% 44% 36% 31% 27% 24% 20% 17%32,000 90% 83% 75% 68% 58% 50% 39% 32% 27% 23% 19% 14% 11% 10%34,000 90% 82% 71% 62% 51% 38% 30% 25% 20% 16% 12% 10% 7% 5%
F 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 20300.75*FMSY 90% 90% 90% 91% 91% 91% 91% 91% 91% 91% 91% 91% 91% 91%0.80*FMSY 90% 90% 89% 88% 88% 87% 87% 87% 87% 86% 86% 86% 86% 86%0.85*FMSY 90% 89% 87% 85% 84% 83% 82% 82% 81% 81% 81% 80% 80% 80%0.90*FMSY 90% 87% 84% 82% 81% 79% 78% 77% 76% 75% 75% 74% 74% 73%0.95*FMSY 90% 86% 82% 79% 77% 75% 73% 71% 71% 69% 69% 68% 67% 66%1.00*FMSY 90% 84% 80% 76% 73% 71% 69% 67% 64% 63% 62% 60% 58% 57%
1245
Table 22. (continued)
Run08 Probability F<FMSY
Run08 Probability of being green
Catch (t) 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 202912,000 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100%14,000 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100%16,000 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100%18,000 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100%20,000 98% 98% 99% 99% 99% 100% 100% 100% 100% 100% 100% 100% 100%22,000 94% 95% 95% 95% 95% 95% 95% 95% 95% 95% 95% 96% 96%24,000 84% 83% 82% 81% 80% 79% 77% 76% 76% 75% 74% 73% 71%26,000 71% 69% 65% 63% 59% 55% 52% 50% 44% 40% 37% 35% 32%28,000 56% 52% 46% 40% 34% 31% 29% 27% 23% 22% 19% 17% 14%30,000 42% 34% 30% 27% 24% 21% 18% 15% 12% 11% 10% 8% 7%32,000 30% 26% 23% 19% 15% 12% 10% 9% 7% 5% 4% 4% 4%34,000 24% 20% 16% 12% 10% 9% 7% 5% 4% 4% 4% 3% 2%
F 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2015-2017 2015-2019 2017-2019
0.75*FMSY 94% 94% 94% 94% 94% 94% 94% 94% 94% 94% 94% 94% 94% 19,340 22,002 26,0900.80*FMSY 86% 86% 86% 86% 86% 86% 86% 86% 86% 86% 86% 86% 86% 19,883 22,858 27,5170.85*FMSY 78% 78% 78% 78% 78% 78% 78% 78% 78% 78% 78% 78% 78% 20,423 23,694 28,9100.90*FMSY 70% 70% 70% 70% 70% 70% 70% 70% 70% 70% 70% 70% 70% 20,960 24,510 30,2700.95*FMSY 62% 62% 62% 62% 62% 62% 62% 62% 62% 62% 62% 62% 62% 21,490 25,304 31,5931.00*FMSY 52% 52% 52% 52% 52% 52% 52% 52% 52% 52% 52% 52% 52% 22,017 26,082 32,890
Estimated average catch
Catch (t) 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 202912,000 90% 95% 97% 99% 100% 100% 100% 100% 100% 100% 100% 100% 100%14,000 90% 94% 96% 98% 99% 100% 100% 100% 100% 100% 100% 100% 100%16,000 90% 94% 95% 97% 98% 99% 99% 100% 100% 100% 100% 100% 100%18,000 90% 93% 95% 95% 96% 97% 98% 98% 98% 99% 99% 99% 99%20,000 90% 91% 94% 94% 95% 95% 96% 96% 97% 97% 97% 97% 97%22,000 90% 90% 91% 91% 91% 92% 92% 93% 93% 93% 93% 93% 93%24,000 84% 83% 82% 81% 80% 79% 77% 76% 76% 75% 74% 73% 71%26,000 71% 69% 65% 63% 59% 55% 52% 50% 44% 40% 37% 35% 32%28,000 56% 52% 46% 40% 34% 31% 29% 27% 23% 22% 19% 17% 14%30,000 42% 34% 30% 27% 24% 21% 18% 15% 12% 11% 10% 8% 7%32,000 30% 26% 23% 19% 15% 12% 10% 9% 7% 5% 4% 4% 4%34,000 24% 20% 16% 12% 10% 9% 7% 5% 4% 4% 4% 3% 2%
F 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 20290.75*FMSY 90% 90% 90% 91% 91% 91% 91% 91% 91% 91% 91% 91% 91%0.80*FMSY 86% 86% 86% 86% 86% 86% 86% 86% 86% 86% 86% 86% 86%0.85*FMSY 78% 78% 78% 78% 78% 78% 78% 78% 78% 78% 78% 78% 78%0.90*FMSY 70% 70% 70% 70% 70% 70% 70% 70% 70% 70% 70% 70% 70%0.95*FMSY 62% 62% 62% 62% 62% 62% 62% 62% 62% 62% 61% 61% 61%1.00*FMSY 52% 52% 52% 52% 52% 52% 52% 52% 52% 52% 52% 52% 52%
1246
Table 23. Kobe II strategy matrices for each BSP model run.
Run02 Probability B>BMSY
1247
Table 23. (continued)
Run02 Probability H<HMSY
1248
Table 23. (continued)
Run02 Probability of being green
1249
Table 23. (continued)
Run06 Probability B>BMSY
1250
Table 23. (continued)
Run06 Probability H<HMSY
1251
Table 23. (continued)
Run06 Probability of being green
1252
Table 23. (continued)
Run07 Probability B>BMSY
1253
Table 23. (continued)
Run07 Probability H<HMSY
1254
Table 23. (continued)
Run07 Probability of being green
1255
Table 23. (continued)
Run08 Probability B>BMSY
1256
Table 23. (continued)
Run08 Probability H<HMSY
1257
Table 23. (continued)
Run08 Probability of being green
Table 24. Maximum catch which enables Kobe green zone in 2020 with a probability higher than or equal to
60%, for each ASPIC and BSP run.
Model Run CatchASPIC Run2 26,000
Run6 24,000 Run7 26,000 Run8 26,000
BSPM EQ SH 30,000EQ FOX 34,000CW SH 22,000CW FOX 18,000
Average 25,750Median 26,000
1258
Table 25. Kobe II matrices for the 8 ASPIC and BSP scenarios combined in the South Atlantic.
Probability B>BMSY
Probability F<FMSY/H<HMSY
1259
Table 25. (continued)
Probability of being green
1260
Figure 1. ALB-N accumulated catches by major gear for the entire period (1950-2014).
Figure 2. ALB-S accumulated catches by major gear for the entire period (1950-2014).
0
10000
20000
30000
40000
50000
60000
70000
19
30
19
33
19
36
19
39
19
42
19
45
19
48
19
51
19
54
19
57
19
60
19
63
19
66
19
69
19
72
19
75
19
78
19
81
19
84
19
87
19
90
19
93
19
96
19
99
20
02
20
05
20
08
20
11
20
14
t
year
ALB-N: Task I by gear Other surf.TrawlTrollPurse seineLonglineBait boatTAC
0
5000
10000
15000
20000
25000
30000
35000
40000
45000
19
50
19
52
19
54
19
56
19
58
19
60
19
62
19
64
19
66
19
68
19
70
19
72
19
74
19
76
19
78
19
80
19
82
19
84
19
86
19
88
19
90
19
92
19
94
19
96
19
98
20
00
20
02
20
04
20
06
20
08
20
10
20
12
20
14
t
year
ALB-S: Task I by gear Other surf.TrawlPurse seineLonglineBait boatTAC
1261
a. ALB(1950-59)
b. ALB(1960-69)
c. ALB(1970-79)
d. ALB(1980-89)
e. ALB(1990-99)
f. ALB(2000-09)
1262
g. ALB(2010-13)
Figure 3. Geographical distribution of cumulative
albacore catches by main gears and decade (Source:
CATDIS). For relative comparisons, map “f (2010-
13)” was differently scaled (1/3 of 10 years scale)
because it only contains three years in the decade.
Figure 4. Histograms of northern albacore catch-at-size by year (1975-2014).
1975
1978
1981
1984
1987
1990
1993
1996
1999
2002
2005
2008
2011
2014
0
100
200
300
400
500
600
700
800
900
40 46 52 58 64 70 76 82 88 94 100 106 112 118 124 130 136 142 148
year
Tho
usa
nd
s
Class (2cm-lower limit)
ALB-N catch-at-size1975197619771978197919801981198219831984198519861987198819891990199119921993199419951996199719981999200020012002200320042005200620072008200920102011201220132014
YearC
Li2cm+
Sum of csNt
StockID csGearG FlagName
1263
Figure 5. Histograms of southern albacore catch at size by year (1975-2014).
Figure 6. Means weights (kg) of northern albacore (overall stock, and by major gear) obtained from the CAS
estimations.
1975
1978
1981
1984
1987
1990
1993
1996
1999
2002
2005
2008
2011
2014
0
50
100
150
200
250
300
40 46 52 58 64 70 76 82 88 94 100 106 112 118 124 130 136 142 148
year
Tho
usa
nd
s
Class (2cm-lower limit)
ALB-S catch-at-size1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
YearC
Li2cm+
Sum of csNt
StockID csGearG FlagName
0
5
10
15
20
25
30
19
751
976
19
771
978
19
791
980
19
811
982
19
831
984
19
851
986
19
871
988
19
891
990
19
911
992
19
931
994
19
951
996
19
971
998
19
992
000
20
012
002
20
032
004
20
052
006
20
072
008
20
092
010
20
112
012
20
132
014
kg
year
ALB-N mean weights (kg) BBLLTRTWoverall
1264
Figure 7. Means weights (kg) of southern albacore (overall stock, and by major gear) obtained from the CAS
estimations.
Figure 8. Available North Atlantic CPUE series.
0
5
10
15
20
25
301
97
51
97
61
97
71
97
81
97
91
98
01
98
11
98
21
98
31
98
41
98
51
98
61
98
71
98
81
98
91
99
01
99
11
99
21
99
31
99
41
99
51
99
61
99
71
99
81
99
92
00
02
00
12
00
22
00
32
00
42
00
52
00
62
00
72
00
82
00
92
01
02
01
12
01
22
01
32
01
4
kg
year
ALB-S mean weights (kg) BB
LL
overall
1265
Figure 9. Available South Atlantic CPUE series.
1266
Figure 10a. North Atlantic CPUE series used as potential proxies for stock abundance. Points are the
standardized values; lines, the prediction from a GAM fitted either to all the indices with 'year' as a smooth term
and 'index' as a factor (red), and by index individually (blue).
1267
Figure 10b. North Atlantic correlation matrix for the 2016 index. Blue indicates positive correlations and red,
negative correlations. The order of the index and the rectangular boxes are chosen based on a hierarchical cluster
analysis using a set of dissimilarities.
1268
Figure 11a. South Atlantic CPUE series used as potential proxies for stock abundance. Points are the
standardized values; lines, the prediction from a GAM fitted either to all the indices with 'year' as a smooth term
and 'index' as a factor (red), and by index individually (blue).
1269
Figure 11b. South Atlantic correlation matrix for the 2016 indices. Blue indicates positive correlations and red,
negative correlations. The order of the index and the rectangular boxes are chosen based on a hierarchical cluster
analysis using a set of dissimilarities.
1270
Figure 12a. North Atlantic CPUE series used in the 2016 assessment as potential proxies for stock abundance.
Figure 12b. North Atlantic correlation matrix for the 2016 indices used in the assessment. Blue indicates
positive correlations and red, negative correlations. The order of the index and the rectangular boxes are chosen
based on a hierarchical cluster analysis using a set of dissimilarities.
1271
Figure 13. Density distributions of bootstrapped parameters and reference points estimated for the Base Case
scenario of the North Atlantic albacore stock assessment with the Biodyn model.
Figure 14. Partial likelihood profiles for the 5 CPUE indices considered in the biomass dynamic model for the
Northern Atlantic albacore stock.
1272
Figure 15. Estimated residuals for the Base Case stock assessment fit to the available CPUE series.
Figure 16. Quantile-quantile plots to compare CPUE residual distributions with the normal distribution.
1273
Figure 17. North Atlantic biomass dynamic Base Case stock assessment results with confidence intervals.
1274
Figure 18. Estimated trends in B/BMSY and F/FMSY with the Base Case scenario of the North Atlantic albacore
stock assessment with the Biodyn model. Dots: Bootstrapped 2014 B/BMSY and F/FMSY coordinates.
Figure 19. Kobe pie plot for the Base Case North Atlantic assessment.
1275
Figure 20. North Atlantic albacore Biodyn model fit to the catch series starting in 1930 and in 1975. Initial
conditions in the truncated run were assuming BRATIO of 0.5*K.
1276
Figure 21. Estimated historical stock trends for the Base Case (BC, red) and sensitivity runs (Base Case with
logistic production model and sensitivities removing one single fleet each time). The observed fleets’ CPUE
series (dots, in different panels) for the Base Case North Atlantic albacore stock assessment are also shown.
Figure 22. Estimated relative biomass (B/BMSY, left) and fishing mortality (F/FMSY, right) for the Base Case
scenario (black line) and sensitivity runs (Base Case with logistic production function and sensitivities removing
one single index each time).
China Taipei late Esp Baitboat
Japan bycatch US cont
Ven LL
250
500
750
1000
1250
200
400
600
0.5
1.0
1.5
2.0
1
2
1
2
3
1950 1975 2000 1950 1975 2000
1950 1975 2000 1950 1975 2000
1950 1975 2000
year
ob
s
.id
All 5 indexes FOX 1975 (b0=0.36)
All 5 indexes LOGISTIC (b0=0.36)
BC - CT
BC - EspBB
BC - JP
BC - US
BC - VEN
1277
Figure 23. Retrospective analysis for B/BMSY. Base Case results (black), and results when dropping 2 to 14 years
(in 2 year steps) data in the time series.
Figure 24. Biomas and fishing mortality/harvest rate trajectories for South Atlantic albacore based on ASPIC
(upper panels) and BSP (lower panels).
1278
Figure 25. Kobe phase plots and pie charts for South Atlantic albacore based on ASPIC (upper) and BSP
(lower). End year is 2014.
1279
Figure 26. Results of sensitivity (top) and retrospective (middle) analyses for ASPIC Run08 for South Atlantic
albacore. Bottom graphs show the difference between base case and retrospective analysis.
1280
Figure 27. Estimated prior and posterior distributions for r by BSP. Dashed lines show prior and solid lines
show posterior distributions.
Figure 28. Estimated prior and posterior distributions for K by BSP. Dashed lines show prior and solid lines
show posterior distributions.
1281
Figure 29a. South Atlantic albacore BSP model diagnostics. Correlation for “equal weighted and logistic”
scenario.
Figure 29b. South Atlantic albacore BSP model diagnostics. Correlation for “equal weighted and FOX”
scenario.
1282
Figure 29c. South Atlantic albacore BSP model diagnostics. Correlation for “catch weighted and logistic”
scenario.
Figure 29d. South Atlantic albacore BSP model diagnostics. Correlation for “catch weighted and FOX”
scenario.
1283
Figure 30a. South Atlantic albacore BSP model diagnostics. Gelman plots for “equal weighted and logistic”
scenario.
Figure 30b. South Atlantic albacore BSP model diagnostics. Gelman plots for “equal weighted and FOX”
scenario.
1284
Figure 30c. South Atlantic albacore BSP model diagnostics. Gelman plots for “catch weighted and logistic”
scenario.
Figure 30d. South Atlantic albacore BSP model diagnostics. Gelman plots for “catch weighted and FOX”
scenario.
0e+00 2e+04 4e+04 6e+04 8e+04 1e+05
12
34
56
78
last iteration in chain
shrink f
acto
r
median
97.5%
deviance
0e+00 2e+04 4e+04 6e+04 8e+04 1e+05
020
40
60
80
last iteration in chain
shrink f
acto
r
median
97.5%
K
0e+00 2e+04 4e+04 6e+04 8e+04 1e+05
050
100
150
200
250
last iteration in chain
shrink f
acto
r
median
97.5%
r
1285
Figure 31. Projections of B/BMSY (upper panel) and F/FMSY (lower panel) at constant TAC for the North Atlantic
albacore Base Case scenario.
1286
a)
b)
Figure 32. Probability of being in the green area in 2020 (a) and 2030 (b) under alternative retrospective
scenarios (dropping 2 years of data in each successive scenario, X axis).
0
10
20
30
40
50
60
70
80
90
100
0 2 4 6 8 10 12
Pro
bab
ility
of
bei
ng
in t
he
gre
en
are
a in
20
20
Retrospective years
20000
22000
24000
26000
28000
30000
32000
34000
36000
38000
40000
42000
44000
46000
48000
50000
0
10
20
30
40
50
60
70
80
90
100
0 2 4 6 8 10 12
Pro
bab
ility
of
bei
ng
in t
he
gre
en
are
a in
20
30
Retrospective years
20000
22000
24000
26000
28000
30000
32000
34000
36000
38000
40000
42000
44000
46000
48000
50000
1287
Figure 33. Future projection (16 years) of B-ratio (B/BMSY) and F-ratio (F/FMSY) for 4 ASPIC runs for South
Atlantic albacore under constant catch.
1288
Figure 34. Future projection (16 years) of B-ratio (B/BMSY) and F-ratio (F/FMSY) for 4 ASPIC runs for South
Atlantic albacore under constant F.
Figure 35. Predicted yield for future projection (16 years) for 4 ASPIC runs for South Atlantic albacore under
constant F.
1289
Figure 36. Projections for BRATIO by each BSP scenario.
1290
Figure 37. Projections for HRATIO by each BSP scenario.
1291
Appendix 1
Agenda
1. Opening, adoption of the Agenda and meeting arrangements
2. Summary of available data for assessment
2.1 Biology
2.2 Catch, effort and size
2.3 Relative abundance indices
3. Reference Points, Harvest Control Rules and Management Strategy Evaluation
3.1 Update of the progress of the North Atlantic Albacore MSE
3.2 Implications for current assessment
3.3 Input to the upcoming Commission Panel 2 meeting in Sapporo
3.4 Assessing risks of errors in management decisions
4. Stock status relative to target and limit reference points
4.1 North Atlantic albacore stock
4.2 South Atlantic albacore stock
5. Projections
5.1 North Atlantic albacore stock
5.2 South Atlantic albacore stock
6. Management recommendations
6.1 North Atlantic albacore stock (including harvest control rules)
6.2 South Atlantic albacore stock
7. Recommendations on research and statistics
8. Adoption of the Report and closure
Appendix 2
List of participants
CONTRACTING PARTIES
ANGOLA
André António, Miguel
Chef de Département auprès de la Direction Nationale des Pêches et de l’Aquaculture, Ministère de la Pêche, Direction
Nationale des Pêches, Avenida 4 de Fevereiro, 26 - Edificio Atlântico, Luanda
Tel: +244 923 797608, Fax: +244 912 208970, E-Mail: [email protected]
do A.M. Barreto, Tânia Célia
Ministério das Pescas, Avenida 4 de Fevereiro, 30, Edificio Atlántico, Caixa Postal 83 Luanda
Tel: +244 912 202 100, Fax: +244 222 310 759, E-Mail: [email protected]
BRAZIL
Hazin, Fabio H. V.
Universidade Federal Rural de Pernambuco - UFRPE / Departamento de Pesca e Aqüicultura - DEPAq, Rua Desembargador
Célio de Castro Montenegro, 32 - Apto 1702, Monteiro Recife Pernambuco
Tel: +55 81 3320 6500, Fax: +55 81 3320 6512, E-Mail: [email protected]; [email protected]
CÔTE D'IVOIRE
Amandè, Monin Justin
Chercheur Halieute, Centre de Recherches Océanologiques de Côte d'Ivoire, Département Ressources Aquatiques Vivantes -
DRAV29 Rue des Pêcheurs, BP V 18, Abidjan 01
Tel: +225 05 927 927, Fax: +225 21 351 155, E-Mail: [email protected]; [email protected]
EUROPEAN UNION
Alves, Adriana
Estrada da Potinha, 9004-562 Funchal, Madeira, Portugal
Tel: +351 291 203 200, E-Mail: [email protected]
1292
Amorim, Antonieta
DSIDP, Estrada da Potinha, 9004-562 Funchal, Madeira, Portugal
Tel: +351 291 203200, E-Mail: [email protected]
Arrizabalaga, Haritz
AZTI - Tecnalia /Itsas Ikerketa Saila, Herrera Kaia Portualde z/g, 20110 Pasaia Gipuzkoa, Spain
Tel: +34 94 657 40 00, Fax: +34 94 300 48 01, E-Mail: [email protected]
Duncan, Roxanne
Galway - Mayo Institute of Technology, Dublin Road, Galway, Ireland
Tel: +353 91 753161, Fax: +35391 751 107, E-Mail: [email protected]
Ferreira de Gouveia, Lidia
Direcçao Regional das Pescas, Estrada da Pontinha, Edificio da Sociedade Metropolitana de Câmara de Lobos - Praça da
Autonomia 9300-138 Câmara de Lobos, 9000 Funchal Madeira, Portugal
Tel: +351 291 203251, Fax: +351 291 229691, E-Mail: [email protected]
Hermida, Margarida
CIIMAR - Madeira, Edificio Madeira Tecnopolo, piso Q, Caminho da Penteada, 9020-105 Funchal, Madeira, Portugal
Tel: +351 291 721 216, E-Mail: [email protected]
Keatinge, Michael
BIM (The Irish Sea fisheries Board), Crofton Road, Dun Laoghaire, Dublin, Ireland
Tel: +353 1 214 4230, Fax: +353 1 230 0564, E-Mail: [email protected]
Merino, Gorka
AZTI - Tecnalia /Itsas Ikerketa Saila, Herrera Kaia Portualde z/g, 20110 Pasaia - Gipuzkoa, Spain
Tel: +34 94 657 4000; +34 664 793 401, Fax: +34 94 300 4801, E-Mail: [email protected]
Minto, Cóilin
Stock Assessment Scientist, Galway-Mayo Institute of Technology, Dublin Road, Galway, Ireland, Ireland
Tel: +353 91 742514, E-Mail: [email protected]
Ortiz de Urbina, José María
Ministerio de Economía y Competitividad, Instituto Español de Oceanografía, C.O. de Málaga, Puerto Pesquero s/n, 29640
Fuengirola Málaga, Spain
Tel: +34 952 197 124, Fax: +34 952 463 808, E-Mail: [email protected]
Ortiz de Zárate Vidal, Victoria
Ministerio de Economía y Competitividad, Instituto Español de Oceanografía, C.O. de Santander, Promontorio de San Martín
s/n, 39012 Santander Cantabria, Spain
Tel: +34 942 291 716, Fax: +34 942 27 50 72, E-Mail: [email protected]
Santiago Burrutxaga, Josu
Head of Tuna Research Area, AZTI-Tecnalia, Txatxarramendi z/g, 48395 Sukarrieta (Bizkaia) País Vasco, Spain
Tel: +34 94 6574000 (Ext. 497); 664303631, Fax: +34 94 6572555, E-Mail: [email protected]; [email protected]
JAPAN
Kanaiwa, Minoru
Tokyo University of Agriculture, 196 Yasaka, Abashiri, Hokkaido
Tel: +81 152 483 906, Fax: +81 152 482 940, E-Mail: [email protected]
Matsumoto, Takayuki
Senior Researcher, Tuna and Skipjack Resources Division, National Research Institute of Far Seas Fisheries, Fisheries
Research Agency, 5-7-1 Orido, Shizuoka Shimizu 424-8633
Tel: +81 54 336 6000, Fax: +81 54 335 9642, E-Mail: [email protected]
Uozumi, Yuji
Visiting Scientist, National Research Institute of Far Seas Fisheries, Fisheries Research Agency, 5-7-1 Orido, Shizuoka
Shimizu 424-8633
Tel: +81 54 336 6000, E-Mail: [email protected]; [email protected]
Yokawa, Kotaro
Research Coordinator, National Research Institute of Far Seas Fisheries, Fisheries Research Agency, 5-7-1 Orido, Shimizu-
ku, Shizuoka 424-8633
Tel: + 81 54 336 5834, Fax: +81 543 359642, E-Mail: [email protected]
1293
UNITED STATES
Díaz, Guillermo
NOAA-Fisheries, Southeast Fisheries Science Center, 75 Virginia Beach Drive, Miami Florida 33139
Tel: +1 305 361 4277, Fax: E-Mail: [email protected]
Sharma, Rishi
NOAA, 75 Virginia Key Dr., Miami, Florida 33149
Tel: +1 305 361 4487, Fax: +1 305 361 4219, E-Mail: [email protected]
URUGUAY
Domingo, Andrés
Dirección Nacional de Recursos Acuáticos - DINARA, Laboratorio de Recursos Pelágicos, Constituyente 1497, 11200
Montevideo
Tel: +5982 400 46 89, Fax: +5982 401 32 16, E-Mail: [email protected]; [email protected]
VENEZUELA
Arocha, Freddy
Instituto Oceanográfico de Venezuela Universidad de Oriente, A.P. 204, 6101 Cumaná Estado Sucre
Tel: +58-293-400-2111 - Mobile: 58 416 693 0389, E-Mail: [email protected]; [email protected]
OBSERVERS FROM COOPERATING NON-CONTRACTING PARTIES, ENTITIES, FISHING ENTITIES
CHINESE TAIPEI
Chang, Feng-Chen
Overseas Fisheries Development Council, 3F, No.14, Wenzhou St. Da'an Dist. 106, 106 Taipei City, Chinese Taipei
Tel: +886 2 2368 0889, Fax: +886 2 2368 1530, E-Mail: [email protected]; [email protected]
OBSERVERS FROM NON-GOVERNMENTAL ORGANIZATIONS
INTERNATIONAL SEAFOOD SUSTAINABILITY FOUNDATION – ISSF
Scott, Gerald P.
11699 SW 50th Ct, Cooper City, Florida 33330, United States
Tel: +1 954 465 5589, E-Mail: [email protected]
SCRS CHAIRMAN Die, David
SCRS Chairman, Cooperative Institute of Marine and Atmospheric Studies, University of Miami, 4600 Rickenbacker
Causeway, Miami Florida 33149, United States
Tel: +1 305 421 4607, Fax: +1 305 421 4221, E-Mail: [email protected]
******
ICCAT Secretariat
C/ Corazón de María 8 – 6th floor, 28002 Madrid – Spain
Tel: +34 91 416 56 00; Fax: +34 91 415 26 12; E-mail: [email protected]
De Bruyn, Paul
Kell, Laurence
Palma, Carlos
1294
Appendix 3
List of documents and presentations
SCRS/2016/015 Evaluation of Harvest Control Rules for North Atlantic
albacore through Management Strategy Evaluation
Merino G., Arrizabalaga H.,
Murua H., Santiago J.,
Ortiz de Urbina J., Scott G.P.,
Kell L.T.
SCRS/2016/023 Conditioning an operating model for North Atlantic
albacore
Kell L.T., Arrizabalaga H.,
Merino G. and de Bruyn P.
SCRS/2016/024 An observation error model for North Atlantic albacore Kell L.T., Arrizabalaga H.,
Merino G., and De Bruyn P.
SCRS/2016/025 The implicit North Atlantic albacore management
procedure
Kell L.T., Arrizabalaga H.,
Merino G. and de Bruyn P.
SCRS/2016/026 Cross testing of Biodyn an R package to implement
management procedures based on biomass dynamic models
Kell L.T., Arrizabalaga H.,
Merino G., and De Bruyn P.
SCRS/2016/027 Validation of Biodyn an R package to implement
management procedures based on biomass dynamic models
Kell L.T., Arrizabalaga H.,
Merino G. and de Bruyn P.
SCRS/2016/028 A preliminary stock assessment for North Atlantic albacore
using a biomass dynamic model
Kell L.T., Arrizabalaga H.,
Merino G. and de Bruyn P.
SCRS/2016/032
Standardized catch rates for northern albacore (Thunnus
alalunga) from the Venezuelan pelagic longline fishery off
the Caribbean Sea and adjacent areas of the Western
Central Atlantic
Arocha F., Ortiz M.,
Marcano J. H.
SCRS/2016/033
Spatial and temporal size/age distribution patterns of
northern albacore (Thunnus alalunga) in the Caribbean Sea
and adjacent waters of the Western Central Atlantic from
observer data of the Venezuelan fisheries
Arocha F., Ortiz M.,
Evaristo E., Gutiérrez X.,
Marcano J. H.
SCRS/2016/067 Review of operation and albacore catch by Japanese
longline fishery including recent status in the Atlantic Matsumoto et al.
SCRS/2016/068 Updating of standardized CPUE for North and South
Atlantic albacore by the Japanese longline fishery Matsumoto et al.
SCRS/2016/069 Stock assessment for South Atlantic albacore using a non-
equilibrium production model Matsumoto et al.
SCRS/2016/073 Standardized North Atlantic albacore (Thunnus alalunga)
CPUEs from the Spanish baitboat fleet, period: 1981-2014
Ortiz de Zárate V., Ortiz M.
and Pérez B.
SCRS/2016/074 Standardized North Atlantic albacore (Thunnus alalunga)
CPUEs from the Spanish troll fleet, period: 1981-2014
Ortiz de Zárate V., Ortiz M.
and Pérez B.
SCRS/2016/077
Standardization of the Catch Per Unit Effort For albacore
(Thunnus alalunga) for the South African tuna pole-line
(baitboat) fleet for the time series 2003-2015
Winker H., Kerwath S.E. and
West W.M.
SCRS/2016/078 CPUE standardization on northern Atlantic albacore caught
by Taiwanese longliners, 1967 to 2015 Chang F.-C.
SCRS/2016/079 CPUE standardization on southern Atlantic albacore caught
by Taiwanese longliners, 1967 to 2015 Chang F.-C.
SCRS/2016/080 Updated standardized indices of albacore tuna, Thunnus
alalunga, from the United States pelagic longline fishery Lauretta M.V.
SCRS/2016/082 Updated fishery statistics for bigeye, skipjack and albacore
tunas from Madeira archipelago
Gouveia L., Amorim A.,
Alves A. and Hermida M.
1295
SCRS/2016/085 Catch and effort analysis of the Atlantic albacore caught by
Japanese longliners in the period between 1960 and 1975
Yokawa K., Shiozaki K.,
Kanaiwa M. and
Matsumoto T.
SCRS/2016/086
Catch and effort analysis of the northern Atlantic albacore
caught by Japanese longliners in the period between 1975
and 1993
Yokawa K., Shiozaki K.,
Kanaiwa M. and
Matsumoto T.
SCRS/2016/087 Standardized CPUE of the north Atlantic albacore caught
by Japanese longliners in the proposed core area
Kanaiwa M., Yokawa K.,
Matsumoto T. and Kimoto A.
SCRS/2016/089
Standardized catch rates of albacore (Thunnus alalunga)
caught by the Brazilian fleet (1978-2012) using
Generalized Linear Mixed Models (GLMM) – Delta Log
approach
Sant’Ana R., Hazin H.G.,
Hazin F.H.V, Mourato B.,
Andrade H.A. and
Travassos P.
SCRS/P/2016/021 Defining risk and evaluating limit reference points using a
simple simulation model Sharma R.