REPORT OF THE 2015 ICCAT BIGEYE TUNA DATA PREPARATORY ... · REPORT OF THE 2015 ICCAT BIGEYE TUNA...
Transcript of REPORT OF THE 2015 ICCAT BIGEYE TUNA DATA PREPARATORY ... · REPORT OF THE 2015 ICCAT BIGEYE TUNA...
SCRS/2015/011 Collect. Vol. Sci. Pap. ICCAT, 72(1): 1-85 (2016)
1
REPORT OF THE 2015 ICCAT BIGEYE TUNA
DATA PREPARATORY MEETING (Madrid, Spain - May 4 to 8, 2015)
SUMMARY
The meeting was held in Madrid, Spain, 4-8 May 2015. The major objectives of the meeting were to revise
all available statistical data (catch, effort, size and tagging), fisheries indicators and indices of relative
abundances, with a view to the stock assessment session in July.
RÉSUMÉ
La réunion a eu lieu à Madrid (Espagne) du 4 au 8 mai 2015. Les principaux objectifs de la réunion
étaient de réviser toutes les données statistiques disponibles (prise, effort, taille et marquage), les
indicateurs des pêcheries et les indices d'abondance relative, en vue de la session d'évaluation du stock de
juillet.
RESUMEN
La reunión se celebró del 4 al 8 de mayo de 2015, en Madrid, España. El principal objetivo de la reunión
era revisar todos los datos estadísticos disponibles (captura, esfuerzo, talla y marcado), indicadores de
las pesquerías e índices de abundancia relativa con miras a la sesión de evaluación del stock de julio.
1. Opening, adoption of agenda and meeting arrangements
The meeting was held at the ICCAT Secretariat in MaDr.id from May 4 to 8, 2015. Dr. Pilar Pallarés on behalf
the ICCAT Executive Secretary opened the meeting and welcomed participants. In opening the meeting Dr.
Pallarés introduced the new Scientific Coordinator, Dr. Miguel Neves dos Santos, who will replace her after her
retirement. Dr. Pallarés highlighted the fact that the majority of the documents of the meeting were submitted
within the deadlines established by the SCRS, while the standardized CPUEs were not submitted in time.
Dr. Hilario Murua (EU), the meeting Chairperson, welcomed meeting participants (“the group”) and proceeded
to review the Agenda which was adopted without 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:
Section Rapporteur
Items 1, 10 and 11 P. Pallarés,
Item 2 R. Forselledo
Item 3 C. Palma, M. Ortiz, C. Lam and D. Die
Item 4 C. Palma and M. Ortiz
Item 5 M. Sculley
Item 6 C. Brown, T. Matsumoto and H. Ashhida
Item 7 J. Walter and M. Schirripa
Items 8 and 9 H. Murua
2. Review of historical and new information on biology
Two documents were presented in this section.
In document SCRS/15/094 log transformed catch per unit effort data from the ICCAT Task II are evaluated to
describe seasonal changes in relative abundance to inform movement patterns of skipjack tuna (Katsuwonus
pelamis), yellowfin tuna (Thunnus albacares), and bigeye tuna (Thunnus obesus). Seasonal trends are observed
in the three northernmost regions: the Azores, Canary Islands, and Senegal regions. Bigeye tuna move into the
Azores and Canary Islands during the spring and summer months as evidenced by an increase in CPUE in those
regions during that time, and correspond to a decrease in CPUE in Senegal, suggesting fish are moving from
2
Senegal to the northern regions and returning again at the beginning of fall. Skipjack also move into the Azores
and Canary Islands in the summer and early fall, but these increases in CPUE do not correspond to a decrease in
CPUE in Senegal. Yellowfin tuna do not move into the Azores Islands in large numbers, but movement into the
Azores and the Canary Islands takes place in the fall. There is little pattern in CPUE for any of the other regions
studied. The patterns in these regions suggest a seasonal movement north along the African coastline from the
spring through the fall. Each of the three species has different timings of movements. Bigeye tuna begin their
movement north first followed by skipjack and yellowfin moving north last. In the regions within the Gulf of
Guinea, changes in relative abundance due to movement cannot be distinguished from changes due to
recruitment.
As discussed in the document, comments were related to some aspects of the fisheries that are not included in the
standardization model that could have affected the results, masking movements inferred for the species. These
aspects include for example the differentiation of purse seine from longline captures, or between FAD and free
schools. Moreover, it was observed that different gears capture different size classes, and no distinction is
included in the analysis, so seasonal movements observed might not be general for the species. However,
seasonal movements observed for bigeye tuna are supported by previous studies based on tagging data (Sculley
and Die, 2014).
Document SCRS/2015/096 reports size and weight relationships for bigeye tuna (Thunnus obesus) in the
southwestern Atlantic Ocean. Relationships presented, for sexes combined and by sex, are length-length between
Fork length (FL) and Predorsal length (LD1), weight-weight between Eviscerated and Round weight, and length-
weight between FL and Eviscerated weight and LD1 and Eviscerated weight. Data used in this document were
gathered by Uruguay’s National Observer Program on board the Uruguayan pelagic longline fleet between 1998
and 2011, and on board the Japanese tuna longline fleet operating in Uruguayan jurisdictional waters in the
period 2009 – 2011 and 2013. The length-length and weight-weight relationships obtained were compared with
those adopted by ICCAT (Table 1). For the weight-weight relationship the differences are on average 2 kg over
the whole range of size classes in comparison to ICCAT data. For the length-length relationship the results were
1 to 4 cm larger for specimens smaller than 48 cm LD1; whereas, for larger specimens, the results were from 8 to
26 cm smaller compared to ICCAT relationships. The relationships provided in this contribution cover at least an
extended portion of the reported full size spectrum of bigeye tuna, and represents the first conversions available
for the southwestern Atlantic Ocean.
The Group noted the importance of this type of contributions, and suggested to prepare a detailed description of
the type of measurements used as well as for the eviscerating process of the fish, in order to discuss the adoption
of these relationships at least for some fleets or regions. It was also suggested to test different nonlinear
regressions for the length-weight relationships. Moreover, a more detailed comparison with the formulas that are
being used should be conducted. Some participants offered to work together in order to compare these results
with data from the eastern Atlantic.
Biological parameters and conversion factors for bigeye tuna in the Atlantic Ocean currently adopted by ICCAT
are presented in Tables 1 and 2.
3. Review of fishery statistics
3.1 Task I (catches) data
The Secretariat presented the status of bigeye tuna Task I data (nominal catches) from 1950-2014 (Table 3,
Figure 1). The information on detailed CPC catches by fleet and gear was reviewed by the Working Group. For
2014 the catch reports are incomplete and preliminary. A catalogue with a summary of the information regarding
Task I and II was also presented (Table 4) highlighting the main gaps in data in latest years. Overall for the main
fleets and gears that catch bigeye, there is Task II data (catch and effort, size frequency and catch at size) for the
latest decades.
The Working Group noted that approximately 90% of data for Task I for 2014 had been already submitted.
Examining the catches, the Secretariat reported on the ongoing research and recovery of Angolan tropical tuna
fisheries statistics, a program supported by the Secretariat and the JCAP program. The preliminary report
indicated that for at least seven years (2009 to 2014), foreign flag vessels (about 65 different vessels, mostly
longliners and purse seiners) were licensed (the type of fishing arrangement unknown) by Angolan authorities to
operate in Angolan waters with Angolan fishing companies. However, it is still unclear if the catches have been
3
reported to ICCAT by the flag CPCs or Angola. For Angola Task I, the 2012 reported catch of BET is 4069 t,
over ten times higher than in prior years. After revision of the submission reports, it appears that this value is
incorrect and could likely represent an error. The Working Group recommended that for 2012 to 2014 the total
BET catch for Angola be estimated as a carry over of the average from 2009-11. It further recommends
continuing with the recovery of Angola fisheries statistics and clarifying with the interested CPCs if those
catches have been properly reported by the flag State. The Secretariat will inform periodically the SCRS on the
progress made with the Angolan data recovery project.
For 2014 it was indicated that CPCs have not yet reported BET catches (Task I NC) including United States,
Venezuela, Guinea, Brazil, Korea, Côte d’Ivoire, South Africa, Namibia, Vanuatu and Barbados. A Uruguayan
scientist informed that in 2014 there were zero catches of BET from their fleet. It was noted that catches of BET
by Korea (who reported the data during the meeting) have decreased substantially (50%) in recent years,
unfortunately no scientists were present to indicate the reasons for such decline. The Working Group
recommends that the Secretariat contact these CPCs asking for availability and submission of the data prior to
May 22. Provisionally, for those missing figures, the group agreed to carry over the average of the latest three
years.
The group also accepted the revision made to the statistics of the faux poissons (landings: 1982 to 2014; size
samples: 2007 to 2014) in document SCRS/2015/072. This information was integrated into Task I (as purse
seine catches by fleet) for all fleets except for the case of Ghana where these faux-poissons quantities are
presumably reported under Task I official catch (Table 5). The group considers that, there is the possibility that
some fraction of these catches could be double counted in Task I if they are also included in the logbooks and
reported within Task I reports and, thus, the group recommended to investigate further this issue.
The group noted the analysis presented in SCRS/2015/102 where the EU data processing of purse seine FAD catches is presented. This document showed that BET catch estimation can be biased due to: (1) large time/area strata used (by quarter and 6 areas) to estimate the size and species composition of the FAD catches, which were homogeneous when the strata were defined, but are no longer considered as homogeneous since BET catches are less abundant in coastal waters than offshore; and (2) various assumptions used in the analysis, such as the minimum ratio of samples by weight of catch or the minimum number of tunas sampled in each strata. The Working Group also took note of the very high level of multispecies sampling on the EU purse seine FAD catches, a sampling that has been covering during recent years nearly all the significantly fished 5°month strata. The Working Group agreed on the need to review the method used to correct the species composition of the purse seine catches, which was developed 20 years ago, in order to discuss if the assumptions used for time/area stratification are still valid for estimate Task I and II by species. Thus, the Working Group recommends that a statistical analysis of the log book and sampling data of the EU purse seiners (and of the fleet of associated flags) should be conducted by EU scientists in order to review current methodology to estimate catches and sizes by species of the purse seine fleet. This study should be focused in order of priority: (1) the revision and identification of best time and area strata that should be used in the data processing, and (2) the revision of basic criteria to be used in an improved data processing system (e.g. concerning the minimum level of samples used, sampling rate and number of fish measured and, when needed, the rules used in strata substitution). EU scientists reported about the current status for the revision and updates for the Ghanian fisheries statistics, in particular for the 2006-2014 period. During a prior meeting, estimates of catch for this period were developed for all three tropical species (BET, YFT, and SKJ) but concerns were raised for BET as these estimates did not included sampling from the Ghana port sampling programs. The author has requested the group to define the time-space strata, species composition and size data for estimating the Ghana 2006-2013/14 fisheries catch, catch-effort, size distribution by species that should be used with the AVDTH software. It was further request to provide these data to the Secretariat before the June 8 2015 (see section 3.3). The group inquired about the quality of the fisheries statistics (Task I and II) submitted by the different CPCs to the Secretariat. On this point it was reminded that the SCRS and in particular the Subcommittee of Statistics have for several years tried to address this issue, requesting of CPCs submitting reports on fisheries data reliability, completeness and level of uncertainty. Unfortunately very little if any reports have been provided. The Secretariat informed that in the bluefin species group, it has been designed a form that will be circulated to the main catching CPCs, asking for details of their sampling and data collection programs as well as the protocols for fisheries statistics estimation. It was recommended that a similar form be proposed for the tropical tuna fisheries, in order to provide the group with some information which can be used for evaluation of the quality of the fisheries data submitted.
4
The Secretariat presented a brief summary of the bigeye statistical document, indicating some of the restrictions
of this information. Some of the limitations of the statistical document database are due to the lack of conversion
factors for different product types and between frozen and fresh. It was also indicated that not all trade among
countries is reported and that dates of catch and trade can extend for several months (see section 5).
3.2 Task II (catch-effort and size samples) data
The bigeye tuna related Task II information (T2CE: catch and effort data; T2SZ: size data) was presented by the
Secretariat. Both catalogues and data were presented to the group, with the most up to date (as of 2015-04-30)
information available in the ICCAT database. The time series covered all the years (1950 to 2014) for which data
were available for bigeye tuna.
3.2.1 Catch and effort
The Working Group reviewed the available T2CE time series with bigeye tuna catch. The Secretariat presented a
catalogue of Task I and II for BET with a summary of the main catches by fleet-gear from 1990 to 2014. Overall
for fleets that cover up to 97% of the total catch during this time period, there is information on catch-effort and
size or catch at size (Table 4). Some gaps in the data were identified, for example size data for the purse seine
EU fleets. EU scientists indicated that this information is available and will be provided to the Secretariat soon.
3.2.2 Size information
The Secretariat presented a list of size samples for bigeye that are either duplicated, not truly size sampled but
raised to some catch levels (Table 6). The group recommended not using this size information as input for size
information in statistical catch models. Moreover, the group recommends that for catch statistical models (e.g.
stock synthesis) actual size samples should be used instead of raised catch at size.
New size information was presented to the group. A revised size composition estimation of the global faux
poissons (all species combined) landed in Abidjan (1998-2013) was presented to the group. The group decided
to associate this size information with a unique purse seine fishery for the models with multiple fisheries
implementation for the faux poisson catch component of the purse seine.
Document SCRS/2015/095 synthetized the information regarding size sampling of bigeye tuna conducted by the
Uruguayan onboard Observer Program in Japanese tuna fleet vessels. Between 2009 and 2011 Japanese-flagged
tuna fishing vessels operated with a research fishing license targeting bigeye in Uruguayan EEZ waters of the
southwestern Atlantic Ocean. The Uruguayan Observer Program covered 100% of the fishing trips of the fleet,
with a total observed effort of 2,459,825 hooks in 1,060 sets. A total of 3,834 bigeye tuna were measured with a
mean fork length (FL) of 147 cm, range 54-207 cm in the period 2009-2011. Size class distributions by sex and
year were presented. The information here presented has been reported to ICCAT in the required format of
Task II – Size sampling (ST04-T2SZ).
Document SCRS/2015/097 synthetized the information regarding size sampling of bigeye tuna conducted by
DINARA in a Port Sampling Program developed for the main Uruguayan fisheries. Between 1984 and 1992 a
total of 75 port samplings were conducted, with a maximum of 23 during 1984 and a minimum of 1 in 1992. Of
the total longline fishing trips in 1984, 40% were sampled at port. Of the total capture reported in logbooks for
this year, 30% (range: 7-95%) were measured at port samplings. Size measurements collected were Pre-dorsal
length (LD1) with a mean of 38.5 cm (range: 20-62 cm, n = 3,785). Using the length-length and length-weight
relationships presented in document SCRS/2015/096, the observed specimens during port samplings were
between 67-223 cm fork length, and between 5-202 kg of eviscerated weight. Size class distributions by sex and
quarter for 1984 were also presented. The information was reported to ICCAT in the required format.
During the meeting size and catch information was received from EU-Spain longline fisheries, Korea longline,
Guinea purse seine, Cape Verde, and, Côte d’Ivoire. In addition, the SCRS request of the actual size information
of the European PS sampling has been provided and will be integrated into the ICCAT database (1980 to 2014).
All the French Task II size frequencies (all species) from 1980 onwards (more than 2 million records) were
received and will be soon added to the ICCAT-DB system. The Spanish equivalent information will soon be
reported to the Secretariat and integrated into the ICCAT-DB system.
5
3.3 Review of 2006-2014 Ghana estimations (both Task I and II)
The tropical tunas species group elaborated in 2011 a work plan, starting in 2012, to improve the Ghanaian Task
II statistics. The plan included technical support in port sampling and data analysis as well as the development of
the software needed to obtain accurate Task II catch/effort and size data. The plan also included the estimate of
the historical data. In 2013, the tropical tunas species group adopted the estimation made up to 2005. Scientists
from the Working Group met the week before the data preparatory group to discuss how to progress and resolve
the issue of the species composition of catch and size data for the Ghana fishery for 2006-2014. More of such
discussions occurred during the meeting of the Working Group. The group summarized the main issues to
consider in this context:
Presence of bias in the multispecies sampling procedure in Tema which invalidated the use of samples
made in Tema in the period prior to 2012 to estimate the species composition of the catch1;
Difficulty in identifying BB and PS catch, due to the collaboration and potential exchange of catch
between both types of vessels;
Lack of vessel’s well plan and consequently impossibility of using well as sampling unit or identifying
individual sets;
Disagreement between total catch estimated from landings and logbooks, in some years (especially in
2013);
Presence of two fleet components, with very different characteristics (Component A and PANOFI);
No possibility of determining the proportions of faux poissons to be assigned to the different fleets
landing in Ghana and monitored in Abidjan.
Thus, for the estimation of the Ghanian statistics several assumptions should be agreed. The following guidelines
have been elaborated by the group for the estimation of the most recent statistics of catch by species and catch at
size for 2006-2014. The Working Group agreed to consider the following criteria to estimate catches of Ghana
for 2006-2014:
1. Separate the Ghanian fleet in two components:
a) A_fleet: which includes all gears (BB and PS) together fishing in more coastal areas than the EU
purse seine fleet and landing in Tema,
b) P_fleet: purse seiners fishing offshore, similar to the EU fleet, and landing in Abidjan in cargos;
2. Use vessel as sampling unit;
3. Estimation of total catch of tropical tunas: if there is disagreement between estimates of catch obtained
from reported landings and from logbooks, use the higher value.
4. Estimation of catch by species:
a) For both fleet components use the species composition from the EU fleet fishing on FADs2, within the
appropriate spatial and time strata;
5. Estimation of size composition of the catch for each species:
a) A_fleet: Use size samples obtained by Ghana in Tema for the 3 species,
b) P_fleet: Use size samples obtained from the EU purse seine fleet fishing on FADs, within the
appropriate spatial and time strata;
6. Faux poissons: Ghana reports that these catches are included in their reported catch so the above
estimates of catch and catch at size are considered to include faux poissons.
1 Samples from 2012 and onwards may still produce a biased species composition. These samples still give a proportion of SKJ that are
considerably lower than those of EU FAD and the MW Brand. 2 The Group strongly recommends to conduct further comparative analyses on the species composition estimates from different sources
(Ghanaian samples since 2012, EU samples on FADs, canneries…) in order to understand how to improve the species composition
estimated at Tema by Ghana. The group recognizes that such sampling should eventually be the source of information to characterize
landings of the A component of the fleet.
6
The Working Group therefore recommends that the Task I and Task II size data resulting from these calculations
be adopted by the SCRS.
Within the overall plan of improving Ghana statistics, in 2014, the SCRS recommended developing and applying
software necessary for the treatment of Ghana statistics. At its 2014 annual meeting, the Commission requested
the SCRS to prioritize the recommendations with financial implications. The SCRS scientists considered that
this activity could be funded by other sources (e.g. JCAP) and did not include it in the list of activities eventually
approved by the Commission. The JCAP estimated budget for 2015 will not be able to cover the total cost of this
project. Considering the importance of completing this activity for the assessment of all tropical tunas the group
recommends that the Secretariat seek alternative funds to complete this activity.
3.4 Other information (tagging)
Only one new paper on tagging was presented to the Working Group. Document SCRS/2015/093 reviewed
tagging carried out in the Atlantic, with a focus on recent results from electronic tags. ICCAT conventional
tagging database (version tagBET_20140908) has a limited number of tag returns (2879 out of 11224 releases)
on bigeye tuna, mostly between 50-100 cm FL. The majority of tags was returned within six months at liberty
and displayed few trans-Atlantic movements. Five bigeye were recaptured after three years at liberty; with the
longest liberty at 9.4 years (released at 76 cm FL; recaptured at 210 cm FL). The group considered the longest
bigeye at liberty could be useful for setting the oldest age and estimating natural mortality.
The electronic tagging effort on bigeye has been sparse; and earlier studies suffered from tag shedding, short
deployment period (<113 days) and few returned data. Recent results in the West Atlantic showed movement
patterns derived from tags released up to ten months at liberty. Seasonal movement patterns from tags agreed
with the shifts in distribution of the U.S. and Japanese longline CPUEs, and bigeye moved north and south along
the West Atlantic. The group explored the relevance of such movement patterns to current spatial configuration
(i.e. three areas) in assessment models, and agreed while the N-S directionality was similar to that observed by
conventional tags, a larger sample size of electronic tags is warranted to evaluate alternative configurations.
Vertical behavior was described, and bigeye displayed a daytime use of 200-400 m between 16-18 °C and
nighttime use of 0-100 m between 16-25°C. Depth distribution depended on geographic location; and
temperature experienced by bigeye reflected the depth in which they are distributed, rather than them seeking a
preferred temperature (Figure 2). The group identified light level or day length may mediate bigeye depth
distribution. Lastly, tag failure (up to 65%) was discussed and the group noted that the highly variable tag
performance and data return should be considered when designing deployments for AOTTP.
4. Review and update of CAS/CAA
The Secretariat presented a preliminary version of the catch at size (CAS) for 1950-2014 (Table 7). A table with
a summary of the available size and CAS information was provided, indicating also the size substitutions by
fleet-gear-years required to complete the full CAS. Since the last assessment of BET in 2010, new size and CAS
information has been provided in particular for the Ghana baitboat and purse seine fisheries 1975-2006. Also
updated CAS information was provided for some major longline fisheries (Chinese Taipei and Japan) and for
various purse seine fisheries (Cape Verde, EU-Spain, EU-France) with faux poisons. The Secretariat informed
that the revised CAS from Japan was received just before the meeting and was not included in the overall CAS
presented by the Secretariat. The CAS update for Japan included revised estimates for the longline fleet from
1995 to 2014, document SCRS/2015/070 provided details of the protocols used for the Japanese CAS update.
The group requested a comparison of the JPN-CAS update versus the series provided at the last assessment in
2010. The comparison indicated that there were differences between the two JPN CAS series; i) in the total
number of fish caught by year, where the updated CAS reported a larger number of bigeye caught for all years of
up to 25% (Figure 3) and (ii) in the size frequency distribution, with in general larger size fish being reported in
the updated CAS (Figure 4). Hence, the estimated weight of the landings from the updated JPN-CAS is greater
than the reported Task I NC in some years around 20-25% larger. The group inquired about the new procedure
and recommended to use the update size frequency distributions but to estimate the CAS adjusted to the Task I
NC for the longline Japan fleet. The group also recommended that Japanese scientists review the protocols for
CAS estimation and report on the reasons for differences in the estimated landings and the reported Task I NC in
particular for 1995 to 1998.
7
5. Review of fishery indicators
Trade statistics on frozen bigeye tuna are collected by ICCAT following Recommendations 01/21 and 06/13.
Task I data were compared to the trade statistics documents for exports of bigeye tuna. The export of bigeye tuna
compared to the catch from a country may provide an indicator for changes in the bigeye fisheries. The
cumulative Task I catch was plotted with the cumulative exports, in product weight, from 2006 to 2014. Since
the export data is in product weight, which is unlikely to be whole fish, which is the weight reported for the Task
I statistics (live weight), we expect the total exports to be less than the Task I data. The export data would need
to be scaled to live weight in order to better compare the two statistics.
Some countries which fish exclusively with longlines (Figure 5), like China and the Philippines, appear to
export all or almost all of their catch. For Korea and Chinese Taipei, which also fish exclusively with longlines,
the export of bigeye is less than the Task I catch. The proportion that exports represent is relatively stable over
time. The other longline exclusive fleet, Japan, has very low exports which are expected since they are one of the
largest importers of fish in general. For those countries which fish exclusively with purse seine and baitboat
fleets (Figure 6), Ghana, EU-France and Senegal, there are very low exports, although a slight increase in
exported fish occurs in the last few years. Those countries which use LL, BB and PS or LL and PS (Figure 7)
also have low export rates. The EU-Spain and EU-Portugal LL fleets have exports starting in 2008 and 2012.
It was agreed that the development of an export market, like those apparently observed in EU-Portugal and EU-
Spain may be useful as indicators of the development of the fisheries. However, there were several problems
discussed with the export trade statistics. First, there is not a universal policy for trade documentation. Countries
like the EU, United States, and Japan all require these documents and countries exporting bigeye to those
countries would be accounted for. However, many countries, like China and some African nations do not have
these requirements and those exports would be unaccounted for. Also, it was brought up that the exports reported
by a country may not have been caught by that country’s fleet, but other countries may land their catches there
and export them. This would cause discrepancies between the export data and Task I data for those countries.
Finally, missing information from the trade documents may present a problem with analyzing these data. Exports
may be lagged by 6 months to a year from their time at catch, and in the past trade information has been only for
frozen tuna. Also, it is often difficult to determine in which ocean the bigeye being exported was caught, and the
documents may represent a mixture of fish from any of the three oceans. Despite these problems, it was agreed
that with additional information on the compliance details for these trade statistics and the conversion of the
weight product from the export data into live weights, it would be worthwhile to further investigate these data as
a potential indicator of catches. Furthermore, it was brought up that trade data have been used to identify
underreporting of catches in the past (e.g. southern bluefin tuna in CCSBT), so comparing the export data to the
total landings may contribute to identify any systematic underreporting practice.
6. Review of available indices of relative abundance by fleet and estimation of combined indices
The Working Group reviewed several documents regarding catch per unit effort (CPUE). These documents and
the group discussion that followed are summarized below. The relative abundance indices are summarized in a
series of tables, and the assessment methods that they may be used for are identified (Tables 8 to 12, Figure 8).
In general, annual indices may be used for production models and such age-structured models as VPA. The
group is requesting that indices by year-quarter be provided so that these may be available for more complex
models such as stock synthesis. The Group recommends that those quarterly indices are made available by May
27. All indices were standardized using delta-lognormal or similar approaches unless otherwise noted.
6.1 Longline indices
Document SCRS/2015/071 describes the construction of standardized CPUE indices of bigeye tuna for the
Japanese tuna longline fisheries operated in the Atlantic Ocean during 1961-2014. The methods, which
incorporated SST (sea surface temperature) were the same as those applied during the assessment of bigeye in
2007. The following area definitions were used: (1) the whole Atlantic area, (2) the three areas used in the
previous assessment analyzed separately and (3) main fishing ground for bigeye tuna. Annual and quarterly
CPUEs in number, and annual biomass based indices were calculated to provide abundance indices to be used in
models for the bigeye stock assessment in 2015. The trends were quite similar between number based and weight
based CPUE both in the total Atlantic and main fishing ground indices.
8
Following the initial presentation of the indices, the group requested that additional analyses be conducted
during the meeting in order to further evaluate the influence of factors considered in the models. Results
demonstrated that differences in CPUE trends by quarter and subarea in the main fishing ground were observed
during the early period (1960s-1970s), which could be an indication that the effect of changes in targeting might
not be fully accounted for by the model. A comparison of standardized CPUE trends with and without the
inclusion of number of hooks between floats confirmed that this factor had a substantial effect on the index.
Noting that much of the apparent changes in targeting occurred outside of the main fishing grounds, the group
suggested that use of the main fishing ground index might reduce the impact of the changes in targeting.
The group discussed some potential improvements to be considered in future CPUE standardization analyses for
this fishery. There was general concern that the GLM models were over-parameterized. It was noted that many
factors might be regarded as significant based on the F value, due to the large sample sizes, yet have little
influence on the standardized trend. It was recommended that future analyses require that additional criteria be
met before a factor is included in the final model, such as achieving a minimum level of reduction of deviance
per degree of freedom. A reduced model would also facilitate an evaluation of the effects of individual factors,
which is difficult with the current models given the large number of interaction terms and polynomial factors.
Considering that Japanese longline continues to target species other than bigeye tuna (e.g. YFT and ALB),
especially in the temperate and subtropical areas, the group proposed a better understanding of spatial structure
of the catch. As yellowfin tuna is dominant in some parts of main fishing ground, revision of the definition of
“main fishing ground” may be necessary. The group also examined the nominal catch rates of both BET and
YFT by SST and noted that the substantial differences observed between the species might be useful in future
standardizations as a means of further accounting for changes in targeting, such as by defining SST categories
which reflect these differences or by filtering the data.
Document SCRS/2015/091 describes the standardization of bigeye tuna CPUEs for the Chinese Taipei longline
fisheries operating in the Atlantic Ocean (1967-2014). The variables used included year, month, area, catch
percentage of albacore, catch percentage of bigeye, fleet, and interaction of year and month. Two datasets,
Task II from 1967 to 2014 and logbooks from 1981 to 2014 were used in four areas; including the whole, north,
tropical and south Atlantic Ocean. The bigeye CPUE was low and decreasing from 1967 to 1989, partly due to
the fact that bigeye was a bycatch of Chinese Taipei fleets. Bigeye catches increased in the early 1990s when it
became the target and decreased since 1995. The whole Atlantic abundance indices differed substantially from
the nominal trends.
Although the residual patterns appear better for the logbook based index, the group pointed out that the recovery
rate of logbooks was low before 1993. The group advised that it would be better to conduct standardizing CPUE
using the two time series separately (1968-1992, 1993-2014) because the main target species of Chinese Taipei
longline changed from albacore to bigeye tuna as evidenced by historical trends of catch, coinciding with a trend
of increase in hooks between floats (a change that would be expected to produce relative deeper longline sets).
The Groups was concerned about using the quarterly catch ratio of albacore or bigeye tuna to the total bigeye
and albacore as factors in the standardized CPUE models, since this made use of the bigeye as both independent
and dependent variables, which may be expected to flatten any trend in the catch rate data. In response to
requests by the group, the authors presented the standardized CPUE in two time series set (1962-1992, 1993-
2014) which removed the factors of albacore or bigeye catch ratio in the standardized models after the CPUE
sessions. The authors also presented a requested comparison of standardized CPUE between whole and core
area. Ultimately, noting that beginning in 1993 separate groups of vessels could be identified as either albacore
targeting or bigeye targeting, the group recommended that the split between the two time periods be maintained,
but that the index of the latter period should be developed using only the bigeye fleet.
Document SCRS/2015/098 presents an update of the standardized CPUE of bigeye caught by Uruguayan longliners in the southwestern Atlantic Ocean between 1982 and 2010 based on data from the fishing industry logbooks. The Uruguayan tuna fleet started its activities in 1981 and can be divided into two well-defined periods regarding vessels, type of gear and target species characteristics. The first period (1982-1991), the fleet was comprised mainly of freezer vessels with Japanese type longline targeting bigeye tuna. During the second period (1992-2010) most of the fleet was replaced by fresh fishing vessel operating mainly with American type longline and a few operating with multifilament longline, Spanish type. For this new period most of the fleet targeted swordfish and a small part targeted blue shark. Three standardized CPUE series were presented, one for the complete time series (1982-2010), and two series based on the change of the fleet characteristics (1982-1991 and 1992-2010). All three standardized series present a clear decline in bigeye tuna CPUE, and a great variability was observed between 1993 and 1997 in the complete time series index.
9
The group made some suggestions, mainly related to the large variability of the standardized CPUE of the first
years of the second time series (1992-2010). A review of the explanatory variables was suggested, mainly in the
use of target, as well as a review of the areas as a means to explain the variability of the standardized series. It
was noted that the spatial coverage of the fishery was much more limited than that of the Japanese and Chinese
Taipei longline fisheries, or the EU purse seine fisheries, and that as a consequence these indices may be less
reflective of changes in abundance for the entire stock.
Document SCRS/2015/082 presents indices in number and in weight of standardized catch rates of bigeye in the
U.S. pelagic longline fishery. Spatial strata were defined by an adaptive area stratification methodology and
observations that clearly were affected by fishing regulations (closed areas or bait restrictions) were excluded
when these factors could not be accounted for in the modeling. Standardized indices were estimated using
Generalized Linear Mixed Models with a delta binomial-lognormal approach. Both indices indicate an overall
decline since the mid-1980s, a second decline in the late 2000s, and stable but low values since 2007 and slight
increases in 2013 and 2014. It was noted that the adaptive area stratification closely resembled the a priori strata
used for separating U.S. pelagic longline data. Removing observations in closed areas both before and after
closures and observations clearly affected by regulations diminished the impact of spurious year and area
interactions and improved the model.
The group considered that this index may primarily apply only to the western Atlantic and represented a small
fraction of the total catch, but did note that the spatial area covered by the fishery was fairly broad. There were
some concerns that the use of the proportion of swordfish to the total catch and the use of the operations code
were not the ideal factors to account for targeting but that, for the entire duration of the series there were few
other available variables.
Document SCRS/2015/075 presents an index derived from the Moroccan longline fishery operating in the
Atlantic. This approach used positive catch in weight data obtained from a Moroccan fishing market, covering
570 trips conducted during the period 2003-2014, applying a GLM. Effort for each trip was estimated by
calculating total trip length from consecutive landing dates, subtracting an assumed two days to account for
travel time to and from the fishing grounds to get fishing days, and assuming a constant 1000 hooks set per
fishing day on the fishing grounds. The bigeye catch in weight was calculated by assuming a constant proportion
of 30% of the total weight of the two tropical tunas species that are combined together in the market data
(yellowfin and bigeye tuna) caught by the longliners.
The group expressed a number of concerns regarding this index. Considering that the fishery covered a relatively
small area, it might not reflect overall stock abundance. There were concerns regarding the accuracy of the effort
estimation procedure, which made a number of assumptions. But the primary concern was the assumption that
bigeye represented a constant proportion of the total catch per trip of yellowfin and bigeye tuna. A consequence
of the assumption (which was confirmed with the author via correspondence) is that any index could, at best,
reflect changes in abundance of the two species combined, not bigeye tuna alone. It was therefore determined
that this index was not suitable for use in the various assessment models.
6.2 Baitboat indices
Document SCRS/2015/062 describes analyses conducted during this data preparatory workshop standardizing
Azorean baitboat catch rates, using methods that were nearly identical to those used previously for the Azores
baitboat fishery, as described by Ortiz et al. (2010). A delta-lognormal model was used to model the CPUE data.
The proportion of positive catches were modeled using a binomial GLM model with a logit link function and the
log-transformed positive catches were modeled using a Gaussian GLM with an identity link function. Three
explanatory variables and their interactions were included in the full model. The final model included those
variables which explained at least 5% of the total deviance, a method described previously for this fishery. The
annual indices varied without trend for the majority of the time series, until around 1995. After this period there
was a significant decline in CPUE followed by an increase again starting in 2003 until 2014. With further
analysis, the variations in the CPUE index are correlated the changes in the Atlantic Multi-decadal Oscillation
index, and the decrease in 1995 occurs when the AMO switches from positive to negative. As in the past, the
diagnostic plots show a good model fit to the data, however in the future it may be worthwhile to explore
including the summer AMO index as an explanatory variable which may reduce the variability observed in the
standardized CPUE. Standardized CPUEs in the current analysis is in general agreement with previous
standardizations.
10
The discussion concerning this index focused on the causes for the high degree of fluctuation in the index.
Considering that the Azorean baitboat fleet is fairly restricted in its area of operation, the general view has been
that this is reflecting environmentally driven changes in year to year availability of bigeye tuna to the fishery,
rather than changes in overall stock abundance. In fact, an analysis conducted during the meeting confirmed that
there was a high correlation between this index and the Atlantic Multi-decadal Oscillation (AMO). It was
determined that this index could be utilized for stock synthesis, when the AMO is taken into account, but would
otherwise not be useful as an index of abundance.
6.3 Purse seine indices
At the start of the meeting, there were no purse seine indices available to the group for consideration. Work was
conducted during the meeting to produce an index.
Document SCRS/2015/106 described the potential utility of Lasso regression in the selection of independent
variables for CPUE standardization, due to the prediction accuracy and interpretability of Lasso models. In the
Atlantic Ocean, the tropical tuna purse seine fishery often capture juveniles of bigeye tuna in sets on drifting Fish
Aggregating Devices (dFADs), even if this species is not targeted by this fishing gear. The dFAD fishery is
complex and fishing effort depends on a number of factors, including the number and types of deployed buoys
equipping the dFADs. The authors composed a comprehensive list of candidate variables that describe the dFAD
fishery and used them as descriptors of fishing effort in bigeye tuna CPUE standardization models. They
performed variable selection using Lasso penalization in GLM and GLMM frameworks. Several variables, not
traditionally included in tuna CPUE standardization models, were retained by the Lasso model selection process,
such as: the skipper, the vessel, the price of targeted tuna species, the number and spatial distribution of FADs
and the number/type of deployed buoys among others. Additional non-conventional information is needed to
describe and quantify fishing effort due to advances in fishing technology and because vessels differentiate in the
types of technologies they are using. The authors highlight in particular this need in the dFAD fishery, where
traditional indices of fishing effort such as searching time are meaningless. A systematic collection of selected
variables and their usage in dFAD related tuna CPUE standardization was proposed.
The group welcomed the efforts being made, and fully supported this proposal, as a means to improve the
information for these fisheries for which CPUE standardization has typically been quite problematic.
Document SCRS/2015/105 reported on work conducted during this data preparatory meeting on the
standardization of purse seine indices. The group commented on these preliminary results, and suggested that
various alternative treatments be explored. One priority identified was the need to accurately reflect effort likely
to encounter bigeye tuna, such as through spatial filters or accounting for changing levels of FAD usage, to avoid
biases introduced by shifts in fleet methods or spatial distribution of operations. The group recommended that
this work continue in preparation for the stock assessment meeting.
6.4 CPUE index diagnostics
A table of indicators describing CPUE indices was developed for the meeting following the recommendations of
the Working Group of Stock Assessment Methods (WGSAM) (Table 8) and potentially to be used in the
discussions regarding the appropriateness of CPUE indices for the assessment. Specific values in the table reflect
subjective assessments of each individual index and were included only to facilitate the discussion.
An analysis was performed on available abundance indices as a means of evaluating interannual deviations, in
order to provide additional information for the evaluation of the indices. The method to identify “biologically
implausible” deviations (SCRS/2012/039) was applied to all indices. In this approach, the maximum “plausible”
stock biomass increase in one year would be that predicted by the assumed r and relative biomass level if no
fishing was occurring (even though the fishing was actually taking place). The maximum “plausible” stock
biomass decline in one year was assumed to be as a reduction of no greater than 50% of the population. Noting
that this method is not, in isolation, an indication that an index may not be useful for modeling, it does indicate
when severe interannual variability may exist. We assumed an r of 0.4, based on the average estimate from the
three 2010 ASPIC runs used for advice. We also assumed that all indices started at a B/K of 0.5. A sensitivity
was run with an r = 0.7 as well.
11
Several of the indices showed interannual deviations outside of plausible bounds in over 20% of the years:
Morocco (82%), Uruguay indices (78, 39 and 54%), Azores baitboat (53%), and U.S. longline in number (21%),
as shown in Table 9 and Figure 8. For the Moroccan index, the deviations were quite severe. For the r = 0.7 test,
the same indices showed similarly high percent of deviations, except that the U.S. index dropped to 18% in
number. The results were generally the same between an r of 0.4 or 0.7. Two years of the JLL index (1975 and
1976), flagged as implausible deviations in 1975 and 1977 represented exceptional deviations suggestive of
some odd pattern to the catch rates that could be further explored.
This method of evaluating whether deviations are inconsistent with production model dynamics is configured to
allow wide plausibility bounds, for instance assuming a high value for exploitation, assuming all removals occur
at the end of the year and assuming that B1/K = 0.5. Had we assumed B1/K = 1 at the start of the times series of
an index, then no growth would have been possible and any index that increased would be implausible.
There was discussion of the merits of this approach to evaluating indices, with some participants feeling that it
was not a worthwhile metric to consider and that it would be more appropriate to consider the performance of the
indices within the model. It was noted that performance within the model was not a criterion for evaluating the
suitability of an index during the data preparatory meeting and that indices should be considered independent of
their influence upon or performance in models. Nonetheless this method does make an assumption of production
model-like dynamics and does assume a value for r. Notwithstanding concerns over the utility of the method, the
group considered the results as one of a suite of metrics by which to evaluate the indices.
6.5 Use of CPUE indices in stock assessment models
Table 10 shows the indices of abundance; specifying the area/time period and data used; agreed to be used in
different assessment models. Annual indices (Table 11 and Figure 8) may be used for production models and
age-structured models as VPA and quarterly indices by year-quarter (Table 12) for more complex models such
as stock synthesis.
The group agreed not to generate a combined index as this means that it is not possible to evaluate the effect of
the separate CPUE series on the assessment. Instead the group preferred to include each series separately in the
production models and check their influence on the fit to the stock assessment model.
7. Identification of data inputs and specifications for the different assessment models and advice
framework
All models will require landings data. This information can be as simple as total landings by year, or as complex
as landings by fishery, season, and area. Discards or dead discards, if considered significant, should be included
either separately (if the modeling platform can accommodate) or included in the catch. Similarly, all models will
require at least one index of abundance. Like landings, this can be a single CPUE or as complex as separate
indices by fishery, season, and area.
7.1 Natural mortality specifications applicable to both SS and VPA
The group reevaluated natural mortality assumptions used in the VPA and SS. The Working Group no longer
prefers the former natural mortality vector (Age 0-1 = 0.8, Ages 2+ 0.4) and recommended the use of a Lorenzen
(2005) natural mortality function developed by the group in 2009, and confirmed in 2015. Age-specific M was
derived using a Lorenzen (2005) function with the reference M = 0.2794 over the “fully selected” age classes (1-
15). The reference M was approximated using a maximum age of 15 (Hoenig, 1983). The value for the plus
group (age 8+ or 7+) comes from the weighted average of extending the estimate of M out to ages 7-20. The M
vector was developed using the Hallier et al. (2005) growth curve and an offset of 0.5 years to obtain a middle of
the year estimate of the M period, and additionally an offset to account for the assumed February birthdate in the
VPA (Table 13, Figure 10). Vectors that examine sensitivities to higher or lower M were obtained by increasing
or decreasing the target M by 25%.
7.2 Data requirements for VPA-2Box
Regarding VPA-2Box, the group proposed the following specifications. The VPA will be run using data from 1975-2014. The total catch at age (all fleets combined) will be calculated using an age-slicing routine and the ICCAT catch-at-size database. Catch at age matrices will be developed to at least age 15 to allow exploration of the plus-group specification. The group recommended ages 0-7+ be examined (as in 2010), but that additional plus-group configurations (e.g. 12+) be considered. Using the current growth curve (Hallier et al., 2005), age 7
12
corresponds to a size of approximately 165 cm. Hence there is the possibility of substantial growth within the plus group but the age-slicing may not support the practical partitioning of ages beyond this. Hence it will be critical to evaluate the F-ratio specifications, which were modeled as a random walk in the 2010 assessment.
The model will use catch rates indices and fleet-specific catch at age for the longline fleets of Japan, Uruguay,
United States and Chinese Taipei (see Table 11). The group also reviewed an index for the European purse seine
which was decided not to be included in the VPA. However further work on this index will be conducted
intersessionally and the index could be used as sensitivity runs. Indices for the Azores BB and Moroccan LL
were also prepared, but were not recommended for the VPA (see Section 6 for discussion). Formerly an index of
the Brazilian longline was available, but this index was not updated in 2015. The group recommended that this
index be excluded from the 2015 VPA models.
The group recommended that the index weightings be explored using two approaches: 1) equal weighting of all
indices using a default CV of 0.2 (2010 assumption) and 2) weighting the indices by freely estimating a single
index variance scalar, then estimating the other variance scalars as a deviation from that parameter.
The group recommended the use of the biological parameters currently adopted by the SCRS for bigeye tuna
except for the natural mortality vector for which the group agreed to use new values included in Table 13.
For indices provided in numbers, an annual weight-at-age matrix is required. For that purpose, the group recommended the use of the annual mean weight at age from the corresponding fisheries (i.e. fleet landings in kg/number of fish landed). The VPA also requires an annual matrix of fecundity at age. The group recommended a proxy, weight-at-age, to be calculated as the total landings in kg / number of fish landed during Quarter 1 as the peak of spawning is presumed to occur in Quarter 1 (i.e. February 15). The group retained all other parameterizations from the 2010 base VPA model (e.g. penalty on vulnerability, no penalty on recent recruitment, no penalty on stock-recruitment relationship, index specifications). The group recommended the following sensitivity runs: 1) extend the plus-group as possible, 2) use the low and high Lorenzen M vectors developed for the stock synthesis models, 3) use the recommended two-stanza growth curve to recalculate CAA and in projections. This sensitivity run would also require the recalculation of the base Lorenzen M vector. For projections, the peak date of spawning has been adjusted and is now February 15. That will require the adjustment of the “offset parameters” in the projection control files. The WAA matrix to reference spawning stock biomass should be adjusted as described above. The plus-group should be allowed to grow during projections according to the default (Hallier et al., 2005) and two-stanza growth equations. For the sensitivity run with the 2-stanza growth curve this can be accommodated in the projections by using the observed size at age for the historical period and allowing the plus group to grow according to the 2-stanza model, without any recoding or Pro2Box to accommodate alternative growth curves. 7.3 Data requirements for ASPIC The ASPIC model requires total landings and at least one index of abundance. One of the key assumptions with a surplus production model such as ASPIC is that all fish are fully selected. In previous ASPIC models either only the single longline indices or combined biomass indices were used. The combined index was created using several different methods of combination based on equal weighting, weighting by catch or by area fished. Other combined indices only used years 1971 forward or excluded either the JPN LL or CH_TAI_LL prior to 1970. The general practice in ICCAT has been to use either the individual CPUEs or to create a single combined CPUE, when production models could not reconcile divergent individual indices. In general, production models should not include conflicting indices in the same run. However, recent work (SCRS/2015/73) advises against using combined indices; instead use individual indices as appropriate. 7.4 Data requirements for stock synthesis (SS) It was noted that the SS modeling exercise would require several important decisions be made, beyond those made for the VPA-2Box model. While increased model complexity may be desirable to capture certain nuances of the fishery, this would involve tradeoffs in the investment of time in model development, run time, and examination of diagnostics. The most fundamental decisions would be fleet structure and possible divisions within time (seasons) and space (areas). The previous bigeye tuna assessment utilized MFCL which was partitioned into four seasons and three areas. Continuing with this configuration within the SS framework was discussed but it was noted that if this configuration was to be continued each of the indices of abundance would need to be redone in order to accommodate this configuration.
13
The Working Group was presented with a proposal of possible model configurations for considerations. The
proposal included two growth functions (Hallier et al., 2005) and the one similar to the one used by the IOTC),
three natural mortalities based on a Lorenzen function, and three values of steepness. This matrix was designed
to attempt and incorporate the major axis of biological uncertainty. The group discussed the possibility of time
varying selectivity as well as fleet catchability. While changes in catchability in one or more of the longline
fleets was recognized, there were not clear external data available for guiding the time varying parameter. The
group agreed that the initial model would consist of the Hallier et al. (2005) growth function, the Lorenzen
natural mortality as calculated previously by the group, a steepness of 0.80, and a constant catchability for the
Japanese CPUE time series.
It was noted that the SS modeling exercise was much more labor intensive than the other platforms and that
many of the data sets necessary to construct the SS model would not be ready for several weeks after the data
preparatory meeting. Given the brief period of time between the expected arrival of the full dataset necessary to
run the SS model and the start of the bigeye tuna assessment meeting (estimated to be 6 weeks) it was noted that
all attempts will be made to complete the SS model, but that the very abbreviated time may prevent completion
of the entire set of analysis requested.
The following decisions were made:
1. First year of SS assessment will be 1950. The last year of assessment will be 2014 and the indices will go
through 2014;
2. The time/area configuration of four seasons and three areas will be maintained (Figure 11);
3. Fleet structure will remain the same as it was used in the 2010 assessment;
4. Length data: Remove purse seine lengths from 1967-1975 due to biased sampling;
5. The CPUEs indices will be assigned to the three areas as follows:
a) Area 1: Azores BB, Japan_Area1, USA LL,
b) Area 2: Japan_Area2, Chinese-Taipei,
c) Area 3: Japan_Area3, Uruguay,
d) It was reminded to the Working Group that each of the CPUE time series would need to be produced
on a quarterly basis,
e) The group recommends not using the available PS indices;
6. The trends in the CVs for each of the CPUEs will be maintained but will be set to a minimum of 20
percent;
7. Ages 0-8 were used previously. While expanding the age structure to age 15 was discussed, no decision
was made to deviate from this;
8. Discards will not be considered due to the lack of evidence of them being significant;
9. It was demonstrated that the tagging data have virtually no influence on the 2010 model outcome and that
the differential reporting rates made the data not useful. Thus, it was decided not to use them until they
could be more thoroughly examined.
7.5 Model diagnostics
Documents SCRS/2015/023 and SCRS/2015/073 presented some potential diagnostics based on the 2010 ASPIC
assessment. In each ASPIC assessment run, a single CPUE series had been used. These were composite indices
created using an ad-hoc GLM with the CPUE series that had been standardized by CPC.
Several stock assessment specifications were considered, i.e. i) initial guesses for estimated parameters, ii) form
of the production function and iii) B0/K. In total 96 specifications were run of which three runs were chosen to
take forward to provide management advice. Diagnostics presented included likelihood profiles to check
convergence and the impact of the data on parameter estimates and the consequence of fixing parameters. A jack
knife was run to check for bias due to highly correlated or ill-defined parameters, lack of model convergence and
uninformative data. A cross-validation, in the form of a retrospective hindcast (Kell et al. submitted), was run to
check the ability of the CPUE index to provide a representative index of abundance informative for the
assessment. The diagnostics showed several problems (i.e. local minima, correlated parameters, difficulties in
choosing the shape of the production function or B0 based on the data alone) such as that single points can have
a large influence and bias in Monte Carlo simulation estimates that indicate problem with the model and the data
and that the assessment had little predictive power.
14
The diagnostics are generic and can be applied to models that use other datasets and estimate more parameters
and so can be used to compare models with different structures. As the complexity of models increase,
diagnostics become more important to understand the robustness of estimates and how they propagate through to
advice. Diagnostics also make the stock assessment process more transparent and help identify where more
knowledge and better data are required.
A possible strategy for running the stock assessment was suggested, i.e. agree in advance on hypotheses and
goodness of fit tests, identify groups of indices using an hierarchical cluster analysis, conduct a hindcast to
evaluate ability of assessment to provide robust advice and before estimating probability based stock status use
the Jack knife or Bootstrap to check for problems with the data and model mis-specifications. Biomass dynamic
models have been criticized (e.g. Maunder, 2003) as being too simplistic to capture the actual population
dynamics. However, if a simple model can provide advice on stock status relative to reference points and predict
the response of a stock to management it may not be necessary to use anything more complicated (Ludwig and
Walters, 1985). Neither the form of the model nor its parameters are meant to provide an accurate representation
of the dynamics of the population. Rather, it has been demonstrated by MSE that when used as an integral part of
a management strategy with HCR biomass dynamics models can allow robust calculation and setting of catches
limits (Butterworth and Punt, 1999 and, see http://iccat-mse.github.io/ for the North Atlantic MSE that is
evaluating the current advice framework based on a biomass dynamic model).
8. Review of the progress of the Atlantic Ocean Tropical Tunas Tagging Programme
The group was informed about the current situation and progress of the Atlantic Ocean Tropical Tunas Tagging
Programme (AOTTP). The group was informed that the contract between EU DG-DevCo and ICCAT is waiting
to be signed which is planned to be finalized by the end of May. Once the contract is signed, ICCAT will
proceed to hire the Chief Coordination of the Tagging Programme as well as the Administrative and Financial
Officer for the project. The Coordinator will be responsible to develop the terms of reference for the contracts of
the 6 people that will be hired by ICCAT to run the AOTTP (1 publicity and tag recovery Coordinator, 1
Assistant to support the Chief Coordinator of the project, 1 Accountant and 2 data entry persons). Once the
AOTTP team is set up they will develop the detailed plan of work in order to start the tagging activities early in
2016 followed by the tag recovery campaigns in mid- 2016.
The Group noted that the EU will fund 80% of the AOTTP and, thus, 20% of the action would need to be
co-funded by other Contracting Parties (10 % in cash and 10 % in-kind contribution), funding agency, the private
sector or NGOs. The Secretariat has contacted several CPCs and some of those contacted have expressed their
interest in co-funding the AOTTP, although they did not inform about the exact percentage of the co-funding.
The group therefore recommended the Secretariat to continue contacting other potential donors.
The group noted that the AOTTP not only has resources to implement the tagging and recovery program but also
to run several analyses with the tagging data (see AOTTP work plan and budget). The group considers that this
is very important to assure the success of the tagging programme.
The group also discussed the implication of the tropical tunas species group in the project. In this regard, it was
noted that there would be two tropical tunas species group meetings before the project starts running the tagging
activities and, therefore, it was recommended that in both meetings an item be included in the agenda to discuss
the detailed design and work plan to achieve the objectives of the AOTTP. As the project Coordinator will be
hired by July/September, the group recommends that the AOTTP Coordinator present the work plan and design
of the AOTTP to tropical tunas species group in the July BET Assessment meeting, if possible, or during the
species group meeting in September. As such, the species group will have the opportunity to discuss the day-to-
day plan of work and recommend adjustments, if necessary.
Moreover, the group was informed that the AOTTP will have a Steering Committee with the participation of the
SCRS Chair, tropical species rapporteurs, external experts, the Project coordinator and the Secretariat. The
Working Group considers that the Steering Committee should aim to have a balanced geographical
representation. This will allow the tropical tunas species group to be continuously informed about the progress of
the tagging program and the details and progress of the work will be presented to the tropical tunas species group
meetings and the SCRS.
15
The group noted that the tropical tunas species group can contribute to identify the possible additional samples to
be collected and analysis to be done for a future project taking advantage of an extensive sampling coverage due
to the tagging programme. As such, for example, it was discussed the possibility to collect and storage genetic
samples of tagged fish to expand the analysis with other approaches.
9. Recommendations
9.1 Provision of data
All countries that have not supplied Task I and Task II data for 2014 (and previous years) need to do so
by May 22, 2015, in the appropriate ICCAT format. This data is essential for stock assessment and
population projections to be conducted during the July assessment meeting. Only data provided to the
ICCAT Secretariat by the deadline, in the appropriate ICCAT format, will be used in preparing the
information required for the assessment. On the contrary, estimations of Task I for those countries as
agreed by the group will be used for nominal catch.
Conduct a new revision and consolidation of the Ghana landing (weight and fish size by species) and
catch at size for the period 2006-2014 by June 8, 2015 so that they can be incorporated in Task I and II
for stock assessment.
Statistical analysis of the log book and sampling data of the EU purse seiners (and of the fleet of
associated flags) should be conducted by EU scientists in order to review current methodology to estimate
catches and sizes by species of the purse seine fleet. This study should be focused in order of priority: (1)
the revision and identification of best time and area strata that should be used in the data processing, and
(2) the revision of basic criteria to be used in an improved data processing system (e.g. concerning the
minimum levels of samples used, sampling rate and number of fish measured and, when needed, the rules
used in strata substitution).
The group recommends continuing with the recovery of fisheries statistics from Angola in particular for
tropical tuna species. The group supports the efforts of the Secretariat and the JCAP program to continue
working with Angola scientists and the CPCs involved with tropical tuna catches within the Angola EEZ
(foreign fleets) to confirm the level of catches and if these have or not already been reported to ICCAT.
The group requests a report be made available for review for the next species group.
The group reviewed and compared the updated BET catch at size provided by Japan and the current data
available at the Secretariat. It was found differences in the size frequency distributions by years and total
estimated numbers of fish caught by year. When estimated landings were compared to reported Task I it
was also significant differences for some years. The group is requesting that Japan review these
differences and report to the group the reasons for such differences, indicating what will be the best
scientific estimates of total catch.
The group reviews the update of faux poissons by species and country and integrated the revision of faux
poissons by species and country in Task I data of faux poisson landings. However, the group was
concerned about the possibility that some fraction of these catches could be double counted in Task I as
they can be reported also in logbooks. Therefore, the group recommends that CPCs review and identify
whether the faux poisson catches are included in the logbook to avoid the double-counting of catches. The
group also considered to substitute the term faux poisson, currently used as category in the ICCAT
databases, by a more descriptive name such as local market. However, the group considered that this
decision should be postponed to the next Sub-Committee on Statistics meeting.
The group inquired about the quality of the fisheries statistics (Task I and II) submitted by the different
CPCs to the Secretariat. A form has been designed to be circulated to the main catching CPCs, asking for
details of their sampling and data collection programs as well as the protocols for fisheries statistics
estimation in other ICCAT species groups. It was recommended that a similar form be proposed for the
tropical tuna fisheries, in order to provide the group with some information which can be used for
evaluation of the quality of the fisheries data submitted.
16
Within the overall plan of improving Ghana statistics, in 2014, the SCRS recommended developing and
applying software necessary for the treatment of Ghana statistics. At its 2014 annual meeting, the
Commission considered that this activity could be funded by other sources (e.g. JCAP) and did not
include it in the list of activities eventually approved by the Commission. The JCAP estimated budget for
2015 will not be able to cover the total cost of this project. Thus, the group recommends that the
Secretariat seek alternative funds to complete this activity.
9.2 Improvements in biological knowledge
Due to the lack of reproductive biology of bigeye and the importance of these data in all stock assessment
model approaches, the group recommended, as a matter of priority, that reproductive biology (maturity,
fecundity…) studies are carried out as soon as possible.
The Working Group recommends that direct size at age observations be obtained, either historical or
current, to allow for growth estimation in integrated models, such as catch statistical models. This could
be direct otoliths readings or other direct ageing methods in conjunction with size growth information
from tagging.
9.3 Atlantic Ocean Tropical Tuna Tagging Programme (AOTTP)
The group noted that the EU will fund 80% of the AOTTP and, thus, 20% of the action would need to be
co-funded by other Contracting Parties (10% in cash and 10% in-kind contribution). The group
recommends the Secretariat to continue contacting other potential donors.
Support continued efforts and participation in the Atlantic Ocean Tropical Tuna Tagging Programme
Steering Committee to maintain a fluent communication between the tropical tunas species group and the
Atlantic Ocean Tropical Tuna Tagging Programme.
The Working Group recommends CPCs to participate in funding in order to reach the 20% needed for co-
funding the AOTTP.
The group recommended that the AOTTP Steering Committee should aim to have a balanced
geographical representation.
9.4 Assessment methodologies
The group recommends that those quarterly CPUE indices to be used in SS are made available by first
week of June.
The ICCAT Secretariat is to prepare catch at size data by May 30, 2015 and provide them to scientists in
preparation for the assessment meeting. These data are to be used by the Working Group in the estimation
of catch at age prior to the start of the meeting.
The Working Group must complete the preparation of data for VPA and SS-3 up to 2014 by
correspondence before the assessment meeting. This must be done in coordination with the ICCAT
Secretariat staff that will provide the catch and effort data used in the development of the VPA and SS-3
input files by the second week of June.
10. Other matters
No other matters were discussed.
11. Adoption of the report and closure
The report was adopted during the meeting.
The Chairman thanked the participants for their hard work.
The meeting was adjourned.
17
References
Butterworth, D. and Punt, A. 1999. Experiences in the evaluation and implementation of management
procedures. ICES Journal of Marine Science, 56: 985–998. 1999.
Champagnat, C. and Pianet, R. 1974. Croissance du patudo (Thunnus obesus) dans les régions de Dakar et de
Pointe Noire. Col. Vol. Sci. Pap. ICCAT 2: 141-144.
Hallier, J. P., Stequert, B., Maury, O., and Bard, F. X. 2005. Growth of bigeye tuna (Thunnus obesus) in the
eastern Atlantic Ocean from tagging-recapture data and otolith readings. Collect. Vol. Sci. Pap. ICCAT,
57(1): 181-194.
Hoenig, J. M. 1983. Empirical use of longevity data to estimate mortality rates. Fish. Bull. 82:898–903.
Kell, L.T., Kimoto, A. and Kitakado T. (submitted). An Elimination of the Unnecessary to allow the Necessary
to Speak. An Evaluation of the Ability of Stock Assessment Models to Provide Advice. ICES Journal of
Marine Science.
Lorenzen, K. 2005. Population dynamics and potential of fisheries stock enhancement: practical theory for
assessment and policy analysis. Philosophical Transactions of the Royal Society of London. Fisheries Theme
Issue 360, No. 1453: 71-189.
Ludwig, D., and Walters, C. J. 1985. Are age-structured models appropriate for catch-effort data? Can. J. Fish.
Aquat. Sci. 42: 1066-1072.
Maunder, M. N. 2003. Is it time to discard the Schaefer model from the stock assessment scientist’s toolbox?
Fisheries Research, 61: 145-149.
Morita, Y. 1973. Conversion factors for estimating live weight from gilled-and-gutted weight of bigeye and
yellowfin tunas. Bull. Far Seas Fish. Res. Lab., 9, November: 109-121.
Sculley, M. and Die, D. J. 2014. An analysis of historical tagging data to estimate migration rates for tropical
tuna in the Atlantic: an example using bigeye tuna (Thunnus obesus). Collect. Vol. Sci. Pap. ICCAT, 71(1):
342-358.
18
RAPPORT DE LA RÉUNION ICCAT DE 2015 DE
PRÉPARATION DES DONNÉES SUR LE THON OBÈSE
(Madrid, Espagne, 4-8 mai 2015)
1. Ouverture, adoption de l’ordre du jour et organisation des sessions
La réunion a été tenue au Secrétariat de l’ICCAT à Madrid du 4 au 8 mai 2015. Dr Pilar Pallares, au nom du
Secrétaire exécutif de l'ICCAT, a ouvert la réunion et a souhaité la bienvenue aux participants. En ouvrant la
réunion, la Dre Pallarés a présenté le nouveau coordinateur scientifique, Dr Miguel Neves dos Santos, qui va la
remplacer après son départ à la retraite. Dr Pallarés a souligné que la majorité des documents de la réunion ont
été transmis dans les délais établis par le SCRS, tandis que les CPUE standardisées n'étaient pas parvenues à
temps.
Le Dr Hilario Murua (UE), Président de la réunion, a souhaité la bienvenue aux participants de la réunion (« le
groupe ») et a passé en revue l’ordre du jour qui a été adopté sans modification (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 participants suivants ont assumé les fonctions de rapporteur :
Point Rapporteur
Points 1, 10 et 11 P. Pallarés
Point 2 R. Forselledo
Point 3 C. Palma, M. Ortiz, C. Lam et D. Die
Point 4 C. Palma et M. Ortiz
Point 5 M. Sculley
Point 6 C. Brown, T. Matsumoto et H. Ashhida
Point 7 J. Walter et M. Schirripa
Points 8 et 9 H. Murua
2. Examen des informations historiques et des nouvelles informations sur la biologie
Deux documents ont été présentés dans cette section.
Dans le document SCRS/2015/094, les données de prise par unité d'effort traitées par transformation
logarithmique en provenance de la Tâche II de l'ICCAT sont évaluées pour décrire les changements saisonniers
de l'abondance relative afin de fournir des informations sur les schémas de déplacement du listao (Katsuwonus
pelamis), de l'albacore (Thunnus albacares) et du thon obèse (T. obesus). Les tendances saisonnières sont
observées dans les trois régions les plus septentrionales, les Açores, les îles Canaries et les régions du Sénégal.
Le thon obèse se déplace dans les Açores et les îles Canaries au printemps et en été, comme en témoigne
l'augmentation de la CPUE dans ces régions pendant cette période, laquelle correspond à une diminution de la
CPUE au Sénégal, ce qui suggère que les poissons vont du Sénégal aux régions septentrionales et retournent
ensuite au Sénégal au début de l'automne. Le listao se déplace également dans les Açores et les îles Canaries en
été et au début de l'automne, mais ces augmentations de la CPUE ne correspondent pas à une diminution de la
CPUE au Sénégal. L'albacore ne se déplace pas en grands nombres dans les îles des Açores, mais les
déplacements dans les îles Canaries et des Açores ont lieu à l'automne. La CPUE ne dégage pratiquement pas de
tendance dans n'importe laquelle des autres régions étudiées. Les tendances dans ces régions semblent indiquer
un déplacement saisonnier vers le Nord le long de la côte africaine du printemps à l'automne. Chacune des trois
espèces a différents calendriers de déplacement. Le thon obèse est le premier à se déplacer vers le Nord, suivi du
listao et en dernier de l'albacore. Dans les régions à l'intérieur du golfe de Guinée, les changements de
l'abondance relative dus aux déplacements ne peuvent pas être distingués des changements dus au recrutement.
Comme indiqué dans le document, les commentaires portaient sur certains aspects des pêcheries qui ne figurent
pas dans le modèle de standardisation qui auraient pu affecter les résultats, en masquant les déplacements déduits
pour l'espèce. Ces aspects comprennent, par exemple, la différenciation entre les captures des senneurs et les
captures à palangre, ou entre les captures sous DCP et en bancs libres. En outre, on a fait observer que différents
engins capturent différentes classes de taille, et qu'aucune distinction n'est incluse dans l'analyse ; c'est pourquoi
les déplacements saisonniers observés pourraient ne pas être généralisés aux espèces. Toutefois, les
déplacements saisonniers observés pour le thon obèse sont étayés par des études antérieures basées sur les
données de marquage (Sculley et Die, 2014).
19
Le document SCRS/2015/096 décrit les relations taille-poids pour le thon obèse (Thunnus obesus) dans le Sud-
Ouest de l'océan Atlantique. Les relations présentées, pour sexes combinés et par sexe, sont longueur-longueur
entre longueur à la fourche (FL) et longueur prédorsale (LD1), poids-poids entre poids éviscéré et poids vif, et
longueur-poids entre FL et poids éviscéré et LD1 et poids éviscéré. Les données utilisées dans ce document ont
été recueillies par le programme d'observateur national de l'Uruguay mené à bord de la flottille palangrière
pélagique uruguayenne entre 1998 et 2011, et de la flottille palangrière japonaise opérant dans les eaux sous la
juridiction uruguayenne au cours de la période 2009-2011 et en 2013. Les relations longueur-longueur et poids-
poids obtenues ont été comparées avec celles adoptées par l'ICCAT (tableau 1). Pour la relation poids-poids,
toute la gamme de classes de taille fait apparaître en moyenne 2 kg de plus que les données de l'ICCAT. Pour la
relation longueur-longueur, les résultats étaient de 1 à 4 cm plus élevés pour les spécimens inférieurs à 48 cm
LD1 ; tandis que, pour les spécimens plus gros, les résultats étaient de 8 à 26 cm plus petits par rapport aux
relations de l'ICCAT. Les relations décrites dans ce document couvrent au moins une grande portion de toute la
gamme de tailles déclarées du thon obèse et sont les premières conversions disponibles pour l'océan Atlantique
Sud-Ouest.
Le groupe a souligné l'importance de ce type de document et a suggéré de préparer une description détaillée du
type de mesures utilisées ainsi que du processus d'éviscération du poisson, afin de discuter de l'adoption de ces
relations au moins pour certaines flottilles ou zones. Il a également été suggéré de tester différentes régressions
non linéaires pour la relation longueur-poids. En outre, il conviendrait de réaliser une comparaison plus détaillée
avec les formules actuellement utilisées. Quelques participants ont proposé de travailler ensemble afin de
comparer ces résultats avec les données originaires de l'Atlantique Est.
Les paramètres biologiques et les coefficients de conversion pour le thon obèse de l'océan Atlantique
actuellement adoptés par l'ICCAT sont présentés dans les tableaux 1 et 2.
3. Examen des statistiques des pêcheries
3.1 Données de Tâche I (captures)
Le Secrétariat a présenté la situation des données de la Tâche I pour le thon obèse (captures nominales) de 1950
à 2014 (tableau 3, figure 1). Le Groupe de travail a examiné les informations relatives aux captures détaillées
des CPC par flottille et engin. Pour 2014, les rapports de capture sont incomplets et préliminaires. Un catalogue
avec un résumé des informations concernant la Tâche I et II a également été présenté (tableau 4), mettant en
évidence les principales lacunes dans les données de ces toutes dernières années. Dans l'ensemble, pour les
principales flottilles et engins qui capturent le thon obèse, on dispose des données de la Tâche II (prise et effort,
fréquence des tailles et prise par taille) des dernières décennies.
Le Groupe de travail a fait observer qu'environ 90% des données de Tâche I au titre de 2014 avait déjà été
soumis. Lors de l'examen des captures, le Secrétariat a fait état des travaux de recherche et de récupération des
statistiques halieutiques sur les thonidés tropicaux actuellement en cours en Angola, programme soutenu par le
Secrétariat et le programme JCAP. Le rapport préliminaire a indiqué que pendant au moins sept ans (2009-
2014), les autorités angolaises avaient donné l'autorisation (type d'accord de pêche inconnu) à des navires battant
pavillon étranger (environ 65 différents navires, principalement des senneurs et des palangriers) d'opérer dans les
eaux angolaises avec des sociétés de pêche angolaises. On ne sait toutefois pas clairement si les prises ont été
déclarées à l’ICCAT par les CPC de pavillon ou l'Angola. Pour la Tâche I de l'Angola, les captures de thon obèse
de 2012 déclarées s'élèvent à 4.069 t, plus de dix fois supérieures à celles des années antérieures. Après révision
des rapports de déclaration, il semble que cette valeur soit incorrecte et qu'elle représenterait probablement une
erreur. Le Groupe de travail a recommandé que pour 2012 à 2014, la prise totale de thon obèse de l'Angola soit
estimée comme étant un report de la moyenne de 2009-2011. Il a, de surcroît, recommandé de poursuivre la
récupération des statistiques halieutiques de l'Angola et de vérifier auprès des CPC intéressées si ces captures ont
été correctement déclarées par l'État de pavillon. Le Secrétariat informera régulièrement le SCRS des progrès
réalisés par le projet angolais de récupération des données.
On a signalé que, pour 2014, les CPC n'avaient pas encore déclaré les prises de thon obèse (Tâche I NC), à
savoir les États-Unis, le Venezuela, la Guinée, le Brésil, la Corée, la Côte d'Ivoire, l'Afrique du Sud, la Namibie,
le Vanuatu et la Barbade. Un scientifique de l'Uruguay a fait savoir qu'en 2014, sa flottille n'avait réalisé aucune
capture de thon obèse. Il a été noté que les prises de thon obèse par la Corée (qui a déclaré les données lors de la
réunion) ont diminué de façon marquée (50 %) au cours de ces dernières années ; malheureusement, aucun
scientifique n'était présent pour expliquer les raisons de cette baisse. Le Groupe de travail a recommandé que le
Secrétariat contacte ces CPC et leur demande de transmettre les données avant le 22 mai. Pour ces chiffres
manquants, le groupe a décidé à titre provisoire, de reporter la moyenne des trois dernières années.
20
Le groupe a aussi accepté la révision apportée aux statistiques des faux poissons (débarquements : 1982 à 2014 ;
échantillons des tailles : 2007 à 2014) dans le document SCRS/2015/072. Cette information a été intégrée dans la
Tâche I (comme captures à la senne de la flottille) pour toutes les flottilles, sauf dans le cas du Ghana où ces
quantités de faux poissons sont probablement déclarées dans les captures officielles de la Tâche I (tableau 5). Le
groupe estime qu'il est possible qu'une fraction de ces captures soit doublement comptabilisée dans la Tâche I si
elles sont également incluses dans les carnets de pêche techniques et déclarées dans les rapports de la Tâche I ;
c'est pourquoi le groupe a recommandé de réfléchir davantage sur cette question.
Le groupe a pris note de l'analyse fournie dans le SCRS/2015/102 qui présente le traitement des données de l'UE
concernant les prises sous DCP réalisées par les senneurs. Ce document montrait que l'estimation des prises de
thon obèse peut être faussée à cause des facteurs suivants : (1) les grandes strates spatiotemporelles utilisées (par
trimestre et 6 zones) pour estimer la composition des espèces et des tailles des captures sous DCP, qui étaient
homogènes lorsque les strates ont été définies, mais ne sont plus considérées aussi homogènes depuis que les
prises de thon obèse sont moins abondantes dans les eaux côtières qu'au large ; et (2) diverses hypothèses
utilisées dans l'analyse, comme le ratio minimal d'échantillons par poids de la capture ou le nombre minimal de
thonidés échantillonnés dans chaque strate. Le Groupe de travail a également pris note du niveau très élevé de
l'échantillonnage plurispécifique des prises des senneurs communautaires sous DCP, échantillonnage couvrant
cette dernière année pratiquement toutes les strates mensuelles de 5º considérablement pêchées.
Le Groupe de travail a convenu de la nécessité d'examiner la méthode utilisée pour corriger la composition
spécifique des prises des senneurs, qui a été mise au point il y a 20 ans, afin d'examiner si les hypothèses
utilisées pour la stratification spatiotemporelle sont toujours valables pour estimer la Tâche I et la Tâche II par
espèces. Ainsi, le Groupe de travail recommande qu'une analyse statistique des données des livres de bord et des
échantillonnages des senneurs de l'UE (et de la flottille des pavillons associés) soit réalisée par les scientifiques
de l'UE afin d'examiner la méthodologie actuelle pour estimer les captures et les tailles par espèce de la flottille
de senneurs. Cette étude devrait se concentrer par ordre de priorité sur les aspects suivants : (1) la révision et
l'identification des meilleures strates spatiotemporelles devant être utilisées dans le traitement des données et (2)
la révision des critères de base devant être utilisés dans un système amélioré de traitement des données (p. ex.
concernant le niveau minimal des échantillons utilisés, le taux d'échantillonnage et le nombre de poissons
mesurés et, si nécessaire, les règles utilisées dans la substitution des strates).
Les scientifiques de l'UE ont informé de l'état actuel de la révision et des mises à jour des statistiques
halieutiques ghanéennes, en particulier pour la période 2006-2014. Lors d'une réunion préalable, on avait mis au
point des estimations des prises des trois espèces tropicales (thon obèse, albacore et listao) pour cette période,
mais des préoccupations ont été exprimées en ce qui concerne le thon obèse étant donné que ces estimations
n'incluaient pas l'échantillonnage réalisé dans le cadre des programmes d'échantillonnage au port du Ghana.
L'auteur a demandé au groupe de définir les strates spatiotemporelles, la composition des espèces et les données
de taille afin d'estimer les captures, la prise et l'effort et la distribution des tailles par espèces des pêcheries
ghanéennes entre 2006 et 2013/14 qui devraient être utilisées avec le logiciel AVDTH. Il a en outre été demandé
de fournir ces données au Secrétariat avant le 8 juin 2015 (voir section 3.3).
Le groupe s'est interrogé sur la qualité des statistiques halieutiques (Tâche I et II) transmises au Secrétariat par
les différentes CPC. À cet égard, on a rappelé que le SCRS et en particulier le Sous-comité des statistiques
tentent depuis plusieurs années de résoudre cette question, demandant aux CPC de transmettre leurs rapports sur
la fiabilité des données halieutiques, leur exhaustivité et le degré d'incertitude. Malheureusement, très peu de
rapports, voire aucun rapport n'a été fourni. Le Secrétariat a informé qu'au sein du Groupe d'espèces sur le thon
rouge, un formulaire a été conçu et sera diffusé aux principales CPC de capture, sollicitant des informations
détaillées sur leurs programmes d'échantillonnage et de collecte des données ainsi que sur les protocoles
d'estimation des statistiques halieutiques. Il a été recommandé qu'un formulaire similaire soit proposé pour les
pêcheries de thonidés tropicaux afin de fournir au groupe des informations qui peuvent être utilisées pour évaluer
la qualité des données halieutiques soumises.
Le Secrétariat a présenté un bref résumé du document statistique du thon obèse, indiquant certaines des
restrictions de cette information. Certaines des limitations de la base de données du document statistique sont
dues à l'absence de coefficients de conversion pour différents types de produits et entre les produits frais et
surgelés. Il a également été indiqué que le commerce entre les pays n'est pas tout déclaré et que les dates de
capture et de commercialisation peuvent s'étendre à plusieurs mois (voir section 5).
21
3.2 Données de Tâche II (prise-effort et échantillons de taille)
Le Secrétariat a présenté les données de Tâche II sur le thon obèse (T2CE : données de prise et d'effort ; T2SZ :
données de tailles). Les catalogues ainsi que les données ont été présentés au groupe avec les dernières mises à
jour (au 30/04/2015) disponibles dans la base de données de l’ICCAT. Les séries temporelles pour lesquelles des
données relatives au thon obèse étaient disponibles couvraient toutes les années (de 1950 à 2014).
3.2.1 Prise et effort
Le Groupe de travail a examiné les séries temporelles disponibles de T2CE comprenant des captures de thon
obèse. Le Secrétariat a présenté un catalogue des Tâches I et II pour le thon obèse contenant le résumé des
principales prises par flottille-engin de 1990 à 2014. Dans l'ensemble, on dispose d'information sur la prise-effort
et la taille ou la prise par taille (tableau 4) pour les flottilles qui couvrent jusqu'à 97 % du total des captures au
cours de cette période. Quelques lacunes dans les données ont été identifiées, par exemple des données de taille
pour les flottilles des senneurs communautaires. Des scientifiques de l'UE ont indiqué que cette information est
disponible et qu'elle sera prochainement fournie au Secrétariat.
3.2.2 Information relative aux tailles
Le Secrétariat a présenté une liste d'échantillons de taille pour le thon obèse qui font double emploi, ou qui ne
sont pas vraiment des échantillons de taille mais plutôt extrapolés à certains niveaux de capture (tableau 6). Le
groupe a recommandé de ne pas utiliser cette information sur la taille comme donnée d'entrée pour les
informations relatives aux tailles dans des modèles statistiques de capture. En outre, le groupe recommande que
pour les modèles statistiques de capture (par exemple stock synthèse), des échantillons de taille réelle soient
utilisés au lieu de la prise par taille extrapolée.
De nouvelles informations sur la taille ont été présentées au groupe. Une estimation révisée de la composition
par tailles du total de faux poissons (toutes espèces confondues) débarqués à Abidjan entre 1998 et 2013 a été
présentée au groupe. Le groupe a décidé d'associer cette information sur les tailles à une seule pêcherie de
senneurs pour les modèles fonctionnant avec plusieurs pêcheries pour la composante de la capture de faux
poissons des senneurs.
Le document SCRS/2015/095 synthétisait les informations relatives à l'échantillonnage des tailles du thon obèse
mené par le programme d'observateurs uruguayens déployés à bord de navires thoniers japonais. Entre 2009 et
2011, des navires de pêche de thonidés sous pavillon japonais opéraient avec un permis de pêche de recherche
ciblant le thon obèse dans les eaux de la ZEE uruguayenne du Sud-Ouest de l'océan Atlantique. Le programme
d'observateurs uruguayens couvrait l'intégralité des sorties de pêche de la flottille, l'effort total observé s'élevant
à 2.459.825 hameçons au cours de 1.060 opérations. Au total, 3.834 thons obèses ont été mesurés avec une
longueur moyenne à la fourche (FL) de 147 cm, s'inscrivant dans une gamme de 54-207 cm au cours de la
période 2009-2011. Les distributions de classe de tailles par sexe et année ont été présentées. L'information
présentée ici a été déclarée à l'ICCAT dans le format requis de la Tâche II – échantillonnage des tailles (ST04-
T2SZ).
Le document SCRS/2015/097 synthétisait les informations relatives à l'échantillonnage des tailles du thon obèse
mené par DINARA dans un programme d'échantillonnage au port mis au point pour les principales pêcheries
uruguayennes. Entre 1984 et 1992, au total, 75 échantillonnages ont été menés au port, avec un maximum de 23
en 1984 et au moins 1 en 1992. Sur la totalité des sorties de pêche palangrière réalisées en 1984, 40 % ont fait
l'objet d'un échantillonnage au port. Sur la capture totale déclarée dans les carnets de pêche pour cette année,
30% (fourchette: 7-95%) ont été mesurées lors d'échantillonnages au port. Les mesures de taille recueillies
étaient la longueur pré-dorsale (LD1) avec une moyenne de 38,5 cm (fourchette : 20-62 cm, n = 3,785). En
utilisant les relations longueur-longueur et poids-longueur, présentées dans le document SCRS/2015/096, les
spécimens observés pendant l'échantillonnage au port mesuraient entre 67 et 223 cm de longueur à la fourche et
pesaient entre 5 et 202 kg de poids éviscéré. Les distributions de classe de tailles par sexe et trimestre pour 1984
ont également été présentées. L'information a été déclarée à l'ICCAT dans le format requis.
Au cours de la réunion, l'information sur la taille et la capture a été reçue des pêcheries palangrières de UE-
Espagne et de Corée et des pêcheries de senneurs de Guinée, du Cap-vert et de Côte d'Ivoire. En outre, à la
demande du SCRS, l'information sur les tailles réelles de l'échantillonnage des senneurs européens a été fournie
et sera intégrée dans la base de données de l'ICCAT (1980 à 2014). Toutes les fréquences des tailles de la Tâche
II de UE-France (toutes les espèces) à partir de 1980 (plus de 2 millions de registres) ont été reçues et seront
bientôt ajoutées au système de base de données de l'ICCAT. Les informations équivalentes espagnoles seront
bientôt communiquées au Secrétariat et intégrées dans le système de base de données de l'ICCAT.
22
3.3 Examen des estimations du Ghana de 2006-2014 (Tâche I et Tâche II)
Le Groupe d'espèces sur les thonidés tropicaux a élaboré en 2011 un plan de travail, à partir de 2012, visant à
améliorer les statistiques ghanéennes de la Tâche II. Le plan prévoyait un appui technique dans l'échantillonnage
au port et l'analyse des données ainsi que le développement de logiciels nécessaires pour obtenir des données
précises de Tâche II prise/effort et de taille. Le plan prévoyait également l'estimation des données historiques. En
2013, le Groupe d'espèces sur les thonidés tropicaux a adopté l'estimation réalisée jusqu'en 2005. Les
scientifiques du Groupe de travail se sont réunis au cours de la semaine précédant la réunion de préparation des
données pour discuter de la façon de procéder et de résoudre la question relative à la composition spécifique des
données de capture et de taille pour la pêcherie ghanéenne au titre de 2006-2014. Des discussions de même
nature ont également eu lieu au cours de la réunion du Groupe de travail. Le Groupe a résumé les principales
questions à examiner dans ce contexte :
Présence de biais dans la procédure d'échantillonnage multispécifique à Tema qui invalidait l'utilisation
des échantillons prélevés à Tema au cours de la période antérieure à 2012 pour estimer la composition
spécifique de la capture1 ;
Difficulté à identifier les captures des canneurs et des senneurs en raison de la collaboration et l'éventuel
échange des prises entre les deux types de navires ;
Absence de plan des cuves du navire, d'où impossibilité d'utiliser les cuves comme unité
d'échantillonnage ou d'identifier les opérations individuelles ;
Désaccord entre la prise totale estimée à partir des débarquements et celle estimée à partir des carnets de
pêche, certaines années (surtout en 2013) ;
Présence de deux composantes de la flottille, avec des caractéristiques très différentes (composante A et
PANOFI) ;
Aucune possibilité de déterminer les proportions des faux poissons devant être assignées aux différentes
flottilles qui débarquent au Ghana et sont contrôlées à Abidjan.
C'est pourquoi il faudrait convenir de plusieurs postulats pour l'estimation des statistiques ghanéennes. Les
directives suivantes ont été élaborées par le groupe pour estimer les statistiques les plus récentes des prises par
espèce et des prises par taille pour 2006-2014. Le Groupe de travail a décidé de tenir compte des critères
suivants pour estimer les captures du Ghana de 2006-2014 :
1. Séparer la flottille ghanéenne en deux composantes :
a) A_fleet : qui comprend tous les engins (BB et PS) qui pêchent ensemble dans plus de zones côtières
que la flottille de senneurs de l'UE et qui débarquent à Tema ;
b) P_fleet : senneurs pêchant au large, similaires à la flottille de l'UE et débarquant à Abidjan dans des
navires de charge.
2. Utiliser le bateau comme unité d'échantillonnage ;
3. Estimation des captures totales de thons tropicaux : s'il y a divergence entre les estimations de captures
obtenues des débarquements déclarés et des carnets de pêche, utiliser la valeur plus élevée.
4. Estimation des captures par espèce :
a) Pour les deux composantes de la flottille, utiliser la composition spécifique de la flottille de l'UE qui
pêche sous DCP2, à l'intérieur de strates spatiotemporelles appropriées.
5. Estimation de la composition des tailles de la capture pour chaque espèce :
a) A_fleet : Utiliser les échantillons des tailles obtenus par le Ghana à Tema pour les trois espèces.
b) P_fleet: Utiliser les échantillons des tailles obtenus de la flottille de senneurs communautaires pêchant
sous DCP, à l'intérieur de strates spatiotemporelles appropriées.
1 Les échantillons à compter de 2012 et au-delà peuvent encore produire une composition spécifique biaisée. Ces échantillons donnent
toujours une proportion de listao considérablement inférieure à celle des captures de l'UE sous DCP et de la marque MW. 2 Le groupe recommande fortement d'effectuer de nouvelles analyses comparatives sur les estimations de la composition spécifique à partir
de différentes sources (échantillons ghanéens depuis 2012, échantillons de l'UE obtenus avec DCP, conserveries...) afin de comprendre
comment améliorer la composition spécifique estimée à Tema par le Ghana. Le Groupe reconnaît que cet échantillonnage devrait être la
source d'information permettant de décrire les débarquements de la composante A de la flottille.
23
6. Faux poissons : Le Ghana indique que ces captures sont incluses dans sa capture déclarée ; en
conséquence, les estimations de capture et de prise par taille susmentionnées sont censées inclure les faux
poissons.
Le Groupe de travail recommande donc que le SCRS adopte les données de taille de la Tâche I et de la tâche II
résultant de ces calculs.
Dans le plan global d'amélioration des statistiques du Ghana, en 2014, le SCRS a recommandé de développer et
d'appliquer le logiciel nécessaire au traitement des statistiques du Ghana. Lors de sa réunion annuelle de 2014, la
Commission a demandé au SCRS d'établir l'ordre de priorité des recommandations qui ont des incidences
financières. Les scientifiques du SCRS ont estimé que cette activité pouvait être financée par d'autres sources (p.
ex. JCAP) et ils ne l'ont pas incluse dans la liste des activités que la Commission a par la suite approuvées. Le
budget estimé du JCAP pour 2015 ne sera pas en mesure de couvrir le coût total de ce projet. Compte tenu de
l'importance d'achever cette activité pour l'évaluation de tous les thonidés tropicaux, le groupe recommande que
le Secrétariat recherche d'autres fonds pour la mener à son terme.
3.4 Autres informations (marquage)
Seul un nouveau document sur le marquage a été présenté au Groupe de travail. Le document SCRS/2015/093
examinait le marquage effectué dans l'Atlantique, en mettant l'accent sur les résultats récemment obtenus des
marques électroniques. La base de données de marquage conventionnel de l'ICCAT (version tagBET_20140908)
compte un nombre limité de récupérations de marques (2.879 récupérations sur 11.224 remises à l’eau) apposées
au thon obèse, mesurant pour la plupart entre 50 et 100 cm FL. La majorité des marques ont été récupérées au
bout de six mois en liberté et ont fait apparaître peu de déplacements transatlantiques. Cinq thons obèses ont été
récupérés au bout de trois ans en liberté, un spécimen étant resté 9,4 ans en liberté (remis à l'eau à 76 cm FL et
récupéré à 210 cm FL). Le groupe a considéré que le thon obèse qui avait passé le plus de temps en liberté
pourrait être utile pour établir l'âge le plus avancé et pour estimer la mortalité naturelle.
L'effort de marquage électronique sur le thon obèse a été rare et les études antérieures ont pâti de la perte des
marques, de périodes de déploiement courtes (< 113 jours) et de peu de données récupérées. Les récents résultats
provenant de l'Atlantique Ouest ont montré des schémas de déplacement obtenus de marques récupérées au bout
de 10 mois en liberté. Les schémas de déplacement saisonnier fournis par les marques ont concordé avec les
changements de distribution de la CPUE palangrière des États Unis et du Japon ; le thon obèse s'est déplacé vers
le Nord et le sud le long de l'Atlantique Ouest. Le groupe a exploré la pertinence de ces schémas de déplacement
pour la configuration spatiale actuelle (c.-à-d., trois zones) dans les modèles d'évaluation, et a convenu que,
même si l'orientation N-S était similaire à celle observée par les marques conventionnelles, il est justifié
d'augmenter la taille de l'échantillon des marques électroniques pour évaluer des configurations alternatives.
On a décrit le comportement vertical et le thon obèse a fait apparaître une utilisation diurne de 200-400 m entre
16 et 18ºC et une utilisation nocturne de 0-100 m entre 16 et 25ºC. La distribution en profondeur dépendait de
l'emplacement géographique et la température expérimentée par les thons obèses reflétait la profondeur à
laquelle ils sont distribués, plutôt que le fait qu'ils recherchent une température préférée (figure 2). Le groupe a
identifié le fait que la luminosité ou la longueur du jour pourraient légèrement modifier la distribution en
profondeur du thon obèse. Enfin, l'échec du marquage (jusqu'à 65%) a été discuté et le groupe a fait remarquer
que la forte variabilité des performances des marques et des récupérations des marques devrait être prise en
compte lors de la conception des déploiements pour l'AOTTP.
4. Examen et actualisation de CAS/CAA
Le Secrétariat a présenté une version préliminaire de la prise par taille (CAS) pour 1950-2014 (tableau 7). Un
tableau contenant un résumé de l'information disponible sur la taille et la CAS a été fourni, indiquant également
les substitutions de la taille par flottille-engin-année nécessaires pour compléter entièrement la CAS. Depuis la
dernière évaluation du thon obèse en 2010, de nouvelles informations sur la taille et la CAS ont été fournies, en
particulier pour les pêcheries de canneurs et de senneurs ghanéens au titre de la période 1975-2006. Des
informations actualisées sur la CAS ont également été fournies pour les principales pêcheries palangrières
(Taipei chinois et Japon) et pour diverses pêcheries de senneurs (Cap-Vert, UE-Espagne, UE-France) avec des
faux poissons. Le Secrétariat a informé que la CAS révisée du Japon a été reçue juste avant la réunion et ne
figurait pas dans la CAS globale présentée par le Secrétariat. La mise à jour de la CAS pour le Japon incluait des
estimations pour la flottille palangrière de 1995 à 2014 ; le document SCRS/2015/070 fournissait des détails sur
24
les protocoles utilisés pour la mise à jour de la CAS japonaise. Le groupe a sollicité une comparaison de la mise
à jour de la CAS japonaise par rapport à la série fournie à la dernière évaluation de 2010. La comparaison a
indiqué qu'il y avait des différences entre les deux séries de CAS japonaise : i) dans le nombre total de poissons
capturés par année, où la CAS mise à jour signalait un plus grand nombre de thons obèses capturés pour tous les
ans jusqu'à 25 % (figure 3) et ii) dans la distribution de fréquence des tailles, en général les poissons de plus
grande taille étant déclarés dans la CAS actualisée (figure 4). Par conséquent, le poids estimé des débarquements
provenant de la CAS japonaise mise à jour est supérieur à la Tâche I NC déclarée, certaines années ce dernier
étant d'environ 20-25% supérieur. Le groupe s'est interrogé sur la nouvelle procédure et a recommandé d'utiliser
les distributions actualisées de fréquence des tailles, mais d'estimer la CAS ajustée à la Tâche I NC pour la
flottille palangrière japonaise. Le groupe a également recommandé que les scientifiques du Japon révisent les
protocoles d'estimation de la CAS et fassent un rapport sur les raisons des différences apparaissant dans les
débarquements estimés et la Tâche I NC déclarée, en particulier de 1995 à 1998.
5. Examen des indicateurs des pêcheries
Les statistiques commerciales sur le thon obèse congelé sont collectées par l'ICCAT, conformément aux
Recommandations 01/21 et 06/13. Les données de la Tâche I ont été comparées aux documents statistiques
commerciaux pour les exportations de thon obèse. L'exportation de thon obèse par rapport à la capture d'un pays
peut fournir un indicateur des changements dans les pêcheries de thon obèse. La capture cumulative de la Tâche
I a été illustrée sur un diagramme avec les exportations cumulées, en poids du produit, de 2006 à 2014. Étant
donné que les données d'exportation sont en poids du produit, étant peu probable qu'il s'agisse de poissons
entiers, ce qui est le poids déclaré pour les statistiques de la Tâche I (poids vif), nous nous attendons à ce que le
total des exportations soit inférieur aux données de la Tâche I. Les données d'exportation devraient être
converties en poids vif afin de pouvoir mieux comparer les deux statistiques.
Certains pays qui pêchent exclusivement avec des palangres (figure 5), comme la Chine et les Philippines,
semblent exporter la totalité ou la quasi-totalité de leurs prises. Pour la Corée et le Taipei chinois, qui pêchent
aussi exclusivement à la palangre, les exportations de thon obèse sont inférieures à la capture de Tâche I. La
proportion que représentent les exportations est relativement stable dans le temps. L'autre flottille palangrière
exclusive, le Japon, a des exportations très faibles, ce qui n'est pas étonnant puisque le Japon est l'un des plus
grands importateurs de poissons en général. Pour les pays qui pêchent exclusivement avec des flottilles de
senneurs et de canneurs (figure 6), soit le Ghana, UE-France et le Sénégal, on compte de très faibles
exportations, même si l'on observe au cours de ces dernières années une légère augmentation des poissons
exportés. Les pays qui utilisent la palangre, la canne et moulinet et la senne ou la palangre et la senne (figure 7)
ont aussi des taux d'exportation faibles. Les flottilles palangrières de UE-Espagne et UE-Portugal ont des
exportations à partir de 2008 et 2012.
Il a été convenu que le développement d'un marché d'exportation, comme ceux apparemment observés dans UE-
Portugal et UE-Espagne pourrait s'avérer utile comme indicateurs du développement des pêcheries. Cependant,
plusieurs problèmes relatifs aux statistiques commerciales d'exportation ont été discutés. Tout d'abord, il n'existe
pas de politique universelle pour les documents commerciaux. Des pays comme l'UE, les États-Unis et le Japon
exigent tous ces documents et les pays qui exportent le thon obèse vers ces pays ne passeraient pas inaperçus.
Cependant, de nombreux pays, comme la Chine et certains pays africains, n'ont pas ces exigences et ces
exportations passeraient dans les mailles du filet. En outre, on a signalé le fait que les exportations déclarées par
un pays pouvaient ne pas avoir été capturées par la flottille de ce pays, mais que d'autres pays peuvent y
débarquer leurs prises et les exporter. Cela provoquerait des divergences entre les données d'exportation et les
données de la Tâche I pour ces pays. Enfin, l'information qui manque dans les documents commerciaux peut
poser un problème au niveau de l'analyse de ces données. Il peut se produire un décalage de six mois à un an
entre le moment de la capture et l'exportation et, par le passé, les informations commerciales n'ont concerné que
les thons congelés. En outre, il est souvent difficile de déterminer dans quel océan le thon obèse faisant l'objet de
l'exportation a été capturé, et les documents peuvent représenter un mélange de poissons provenant de n'importe
lequel des trois océans. Malgré ces problèmes, il a été convenu qu'avec des informations supplémentaires sur les
détails d'application pour ces statistiques commerciales et la conversion du poids du produit provenant des
données d'exportation en poids vif, il conviendrait d'étudier plus avant ces données comme un indicateur
potentiel des captures. De surcroît, on a signalé que les données commerciales ont été utilisées par le passé pour
identifier la sous-déclaration des captures (p.ex. thon rouge du Sud à la CCSBT) ; c'est pourquoi le fait de
comparer les données d'exportation avec les débarquements totaux pourrait contribuer à identifier toute pratique
systématique de sous-déclaration.
25
6. Examen des indices disponibles d’abondance relative par flottille et estimation des indices combinés
Le Groupe de travail a examiné plusieurs documents concernant la capture par unité d’effort (CPUE). Ces
documents et la discussion du groupe qui a eu lieu sont résumés ci-dessous. Les indices d'abondance relative
sont résumés dans une série de tableaux et les méthodes d'évaluation pour lesquelles ils pourraient être utilisés
sont identifiés (tableaux 8-12, figure 8). En général, les indices annuels sont utilisables pour les modèles de
production et les modèles structurés par âge, comme la VPA. Le groupe demande que des indices par année-
trimestre soient fournis afin que ceux-ci soient disponibles pour des modèles plus complexes, comme Stock
Synthèse. Le groupe recommande que ces indices trimestriels soient disponibles avant le 27 mai. Tous les
indices ont été standardisés en utilisant une approche delta-lognormale ou similaire, sauf indication contraire.
6.1 Indices palangriers
Le document SCRS/2015/071 décrit l’élaboration d’indices standardisés de CPUE de thon obèse pour les
pêcheries thonières palangrières du Japon menées dans l'océan Atlantique entre 1961 et 2014. Les méthodes, qui
incorporaient la température de surface de la mer (SST), étaient les mêmes que celles appliquées pendant
l'évaluation du thon obèse de 2007. Les définitions de zone suivantes ont été employées : (1) toute la zone de
l'Atlantique, (2) les trois zones utilisées dans l'évaluation précédente analysées séparément et (3) la zone de
pêche principale du thon obèse. Les CPUE annuelles et trimestrielles en nombre et les indices fondés sur la
biomasse annuelle ont été calculés afin de fournir des indices d'abondance à utiliser dans les modèles pour
l'évaluation du thon obèse au titre de 2015. Les tendances étaient assez semblables entre la CPUE basée sur le
nombre et la CPUE basée sur le poids à la fois dans les indices de l'ensemble de l'Atlantique et des principales
zones de pêche.
Suite à la présentation initiale des indices, le groupe a demandé que des analyses supplémentaires soient menées
au cours de la réunion afin d'évaluer plus avant l'influence des facteurs pris en compte dans les modèles. Les
résultats ont démontré que des différences dans les tendances des CPUE par trimestre et sous-zone dans la zone
de pêche principale ont été observées au début de la période (années 1960-1970), ce qui pourrait indiquer que le
modèle ne tient pas entièrement compte de l'effet des changements de ciblage. Une comparaison des tendances
de CPUE standardisées avec et sans l'inclusion du nombre d'hameçons entre flotteurs a confirmé que ce facteur
avait un effet considérable sur l'indice.
Notant qu'une grande partie des changements apparents de ciblage s'est produite à l'extérieur des principales
zones de pêche, le groupe a suggéré que l'utilisation de l'indice de la zone de pêche principale pourrait réduire
l'impact des changements de ciblage.
Le groupe a discuté des améliorations potentielles qui pourraient être envisagées dans les futures analyses de
standardisation de la CPUE pour cette pêcherie. On s'est dit préoccupé par le fait que les modèles GLM étaient
trop paramétrés. Il a été noté que de nombreux facteurs peuvent être considérés comme importants sur la base de
la valeur de F, en raison des grandes tailles des échantillons, mais qu'ils ont pourtant peu d'influence sur la
tendance standardisée. Il a été recommandé que les analyses futures exigent que des critères supplémentaires
soient remplis avant l'inclusion d'un facteur dans le modèle final, comme par exemple atteindre un niveau
minimal de réduction de la déviance par degré de liberté. Un modèle réduit faciliterait également une évaluation
des effets des facteurs individuels, ce qui est difficile avec les modèles actuels, compte tenu du grand nombre de
termes d'interaction et de facteurs polynomiaux.
Étant donné que la palangre japonaise continue de cibler des espèces autres que le thon obèse (p.ex. albacore et
germon), notamment dans les zones subtropicales et tempérées, le groupe a suggéré de mieux appréhender la
structure spatiale de la capture. Comme l'albacore domine dans certaines parties de la zone de pêche principale,
il pourrait s'avérer nécessaire de réviser la définition de « zone de pêche principale ». Le groupe a également
examiné les taux de captures nominales du thon obèse et de l'albacore par SST et a fait remarquer que les
différences considérables observées entre les espèces pourraient être utiles dans des standardisations futures
comme moyen de tenir davantage compte des modifications de ciblage, en définissant par exemple les catégories
de SST qui reflètent ces différences ou en filtrant les données.
Le document SCRS/2015/091 décrit la standardisation des CPUE du thon obèse pour les pêcheries palangrières
du Taipei chinois opérant dans l'océan Atlantique (1967-2014). Les variables utilisées incluaient l'année, le mois,
la zone, le pourcentage des captures de germon, le pourcentage des captures de thon obèse, la flottille et
l'interaction de l'année et du mois. Deux jeux de données, Tâche II de 1967 à 2014 et carnets de pêche de 1981 à
2014, ont été utilisés dans quatre zones : océan Atlantique total, océan Atlantique Nord, tropical et Sud. La
26
CPUE du thon obèse était faible et décroissante de 1967 à 1989, en partie à cause du fait que le thon obèse était
une prise accessoire des flottilles du Taipei chinois. Les captures de thon obèse ont augmenté au début des
années 90, quand ce dernier est devenu la cible, et elles sont en diminution depuis 1995. Les indices d'abondance
de l'ensemble de l'Atlantique ont substantiellement différé des tendances nominales.
Bien que les schémas résiduels semblent meilleurs pour l'indice basé sur les carnets de pêche, le groupe a
souligné que le taux de récupération des carnets de pêche était faible avant 1993. Le groupe a avisé qu'il serait
préférable de standardiser la CPUE en utilisant séparément les deux séries temporelles (1968-1992, 1993-2014)
étant donné que l'espèce-cible principale de la palangre du Taipei chinois est passée du germon au thon obèse,
comme en témoignent les tendances historiques des captures, coïncidant avec une tendance à augmenter le
nombre d'hameçons entre flotteurs (changement qui devrait produire des opérations palangrières à une plus
grande profondeur relative). Le groupe s'est montré inquiet quant à l'emploi du ratio de capture trimestrielle de
germon ou de thon obèse par rapport à la capture totale de thon obèse et de germon comme facteurs dans les
modèles de CPUE standardisées, étant donné que ceci faisait appel au thon obèse comme variables à la fois
indépendantes et dépendantes, ce qui est censé aplanir toute tendance dans les données de taux de capture. En
réponse aux demandes formulées par le groupe, les auteurs ont présenté la CPUE standardisée en deux jeux de
séries temporelles (1962-1992, 1993-2014), ce qui a supprimé les facteurs du ratio de capture du germon ou du
thon obèse dans les modèles standardisés après les sessions sur la CPUE. Les auteurs ont également présenté une
comparaison sollicitée de la CPUE standardisée entre l'ensemble de la zone et la zone centrale. Finalement,
notant qu'au début de 1993, des groupes distincts de navires pouvaient être identifiés comme ciblant le germon
ou ciblant le thon obèse, le groupe a recommandé que la séparation entre les deux périodes temporelles soit
maintenue, mais que l'indice de la dernière période soit élaboré en utilisant seulement la flottille ciblant le thon
obèse.
Le document SCRS/2015/098 présente une mise à jour de la CPUE standardisée du thon obèse capturé par les
palangriers uruguayens dans l'Atlantique Sud-Ouest entre 1982 et 2010 en se fondant sur les données des carnets
de pêche de l'industrie de la pêche. La flottille thonière uruguayenne a débuté ses activités en 1981 et se divise
en deux périodes clairement définies en ce qui concerne les bateaux, le type d'engin et les caractéristiques des
espèces-cibles. Durant la première période (1982-1991), la flottille se composait principalement de navires
congélateurs ciblant le thon obèse à la palangre de type japonais. Au cours de la deuxième période (1992-2010),
la plus grande partie de la flottille a été remplacée par des navires de pêche de poisson frais et opérant
essentiellement à la palangre de type américain, quelques-uns opérant à la palangre multifilament, de type
espagnol. Pour cette nouvelle période, la plupart de la flottille ciblait l'espadon et une petite partie ciblait le
requin peau bleue. Trois séries de CPUE standardisées ont été présentées, l'une pour la série temporelle complète
(1982-2010) et deux séries basées sur les changements de caractéristiques de la flottille (1982-1991 et 1992-
2010). Les trois séries standardisées présentent une nette diminution de la CPUE du thon obèse, et une grande
variabilité a été observée entre 1993 et 1997 dans l'indice de la série temporelle complète.
Le groupe a fait quelques suggestions, concernant principalement la grande variabilité de la CPUE standardisée
des premières années de la deuxième série temporelle (1992-2010). On a suggéré la réalisation d'un examen des
variables explicatives, principalement dans l'utilisation des cibles, ainsi qu'un examen des zones comme moyen
d'expliquer la variabilité des séries standardisées. Il a été noté que la couverture spatiale de la pêcherie a été
beaucoup plus limitée que celle des pêcheries palangrières japonaises et du Taipei chinois, ou des pêcheries de
senneurs communautaires et que, par conséquent, ces indices pourraient moins refléter les changements
d'abondance de l'ensemble du stock.
Le document SCRS/2015/082 présente des indices en nombre et en poids des taux standardisés de capture de
thon obèse réalisée par la pêcherie palangrière pélagique des États-Unis. Des strates spatiales ont été définies au
moyen d'une méthodologie souple de stratification spatiale et on a exclu les observations qui ont clairement été
affectées par les réglementations en matière de pêche (fermetures de zones ou restrictions concernant les appâts)
lorsque ces facteurs n'ont pas pu être pris en compte dans le modèle. Les indices standardisés ont été estimés à
l’aide de modèles mixtes linéaires généralisés selon une approche delta binomiale-lognormale. Les deux indices
font apparaître une chute générale depuis le milieu des années 80, une deuxième chute à la fin des années 2000 et
des valeurs stables mais faibles depuis 2007 ainsi que de légères augmentations en 2013 et 2014. Il a été fait
remarquer que la stratification spatiale souple ressemblait à la strate a priori utilisée pour séparer les données de
la pêcherie palangrière pélagique des États-Unis. La suppression des observations dans des zones de fermeture
avant et après les fermetures ainsi que des observations clairement affectées par les réglementations a réduit
l'impact d'interactions faussées année-zone et a amélioré le modèle.
27
Le groupe a considéré que cet indice peut s'appliquer principalement et uniquement à l'Atlantique Ouest et qu'il
représente une petite partie de la prise totale, mais a fait remarquer que la zone couverte par la pêcherie était
relativement vaste. Quelques inquiétudes ont été exprimées en ce qui concerne le fait que l'utilisation de la
proportion d'espadon de la prise totale et l'utilisation de code d'opérations ne constituaient pas les facteurs idéaux
pour tenir compte du ciblage, mais que très peu d'autres variables couvrant toute la durée de la série n'étaient
disponibles.
Le document SCRS/2015/075 présente un indice calculé sur la base de la pêcherie palangrière marocaine opérant
dans l'Atlantique. Cette démarche utilisait la prise positive des données de poids provenant d'un marché
marocain de poissons, couvrant 570 sorties réalisées pendant la période 2003-2014, appliquant un GLM. L'effort
de chaque sortie a été estimé en calculant la longueur totale de chaque sortie à partir des données consécutives de
débarquements, en supprimant deux jours afin de tenir compte de la durée de déplacement vers et depuis les
zones de pêche pour obtenir les jours de pêche et en postulant une opération constante de 1000 hameçons par
jour de pêche dans les zones de pêche. La prise de thon obèse en poids a été calculée en postulant une proportion
constante de 30% du poids total des deux espèces de thonidés tropicaux qui ont été combinées dans les données
commerciales (albacore et thon obèse) capturées par les palangriers.
Cet indice a suscité de nombreuses préoccupations auprès du groupe. Étant donné que la pêcherie couvre une
zone relativement petite, elle pourrait ne pas refléter l'abondance totale du stock. Des inquiétudes ont été
soulevées en ce qui concerne la précision de la procédure d'estimation de l'effort, qui a fourni plusieurs postulats.
L'inquiétude principale avait trait au postulat selon lequel le thon obèse représentait une proportion constante de
la prise totale par sortie d'albacore et de thon obèse. Une conséquence du postulat (qui a été confirmée avec
l'auteur par correspondance) est que tout indice pourrait, au mieux, refléter des changements de l'abondance de
deux espèces combinées, et non pas du thon obèse uniquement. Il a donc été déterminé que cet indice ne
convenait pas à une utilisation dans les divers modèles d'évaluation.
6.2 Indices des canneurs
Le document SCRS/2015/062 décrit les analyses réalisées pendant cette réunion de préparation des données en
standardisant les taux de capture des canneurs des Açores, en utilisant des méthodes presque identiques à celles
utilisées préalablement pour la pêcherie des canneurs des Açores, tel que le décrivent Ortiz et al (2010). Un
modèle delta log-normal a été utilisé pour modéliser les données de CPUE. La proportion de prises positives a
été modélisée au moyen d'un modèle binomial GLM avec une fonction logarithmique de lien et les prises
positives traitées par transformation logarithmique ont été modélisées au moyen d'un GLM gaussien avec une
fonction de lien d'identité. Trois variables explicatives et leurs interactions ont été incluses dans le modèle
complet. Le modèle final incluait ces variables qui expliquaient au moins 5% de l'écart total, une méthode
décrite préalablement pour cette pêcherie. Les indices annuels variaient sans afficher de tendance pour la
majorité de la série temporelle, jusqu'en 1995 environ. Après cette période, une baisse considérable de la CPUE
a été observée, suivie par une nouvelle augmentation à partir de 2003 jusqu'en 2014. Après une analyse plus
poussée, les variations de l'indice de CPUE sont en corrélation avec les changements de l'indice de l'oscillation
pluridécennale de l'Atlantique et la diminution de 1995 est apparue lorsque l'AMO est passé du positif au négatif.
Comme par le passé, les diagrammes de diagnostics présentent un ajustement satisfaisant du modèle aux
données, même s'il pourrait être utile à l'avenir d'explorer l'inclusion de l'indice estival de l'AMO en tant que
variable explicative qui pourrait réduire la variabilité observée dans la CPUE standardisée. Les CPUE
standardisées de l'analyse actuelle correspondaient généralement aux standardisations antérieures.
Le débat portant sur cet indice s'est concentré sur les causes du niveau élevé de fluctuation dans l'indice. Étant
donné que la flottille de canneurs des Açores opère dans une zone relativement limitée, d'après l'avis général,
ceci reflète des changements climatiques de la disponibilité d'année en année du thon obèse dans la pêcherie,
plutôt que des changements de l'abondance globale du stock. En fait, une analyse réalisée pendant la réunion est
venue confirmer qu'il existait une corrélation importante entre cet indice et l'oscillation pluridécennale de
l'Atlantique (AMO). Il a été déterminé que cet indice pourrait être utilisé pour le Stock Synthesis, si l'AMO est
prise en considération, mais qu'il ne serait pas utile en tant qu'indice d’abondance.
6.3 Indices des senneurs
Au début de la réunion, aucun indice des senneurs n'avait été mis à la disposition du groupe à des fins d'examen.
Le travail d'élaboration d'un indice a été réalisé pendant la réunion.
28
Le document SCRS/2015/106 décrivait l'utilité potentielle de la régression de Lasso pour sélectionner des
variables indépendantes aux fins de la standardisation de la CPUE, en raison de l'exactitude des prévisions et de
l'interprétabilité des modèles de Lasso. Dans l'océan Atlantique, la pêcherie de senneurs ciblant des thons
tropicaux capturent souvent des juvéniles de thon obèse dans des opérations sous dispositifs dérivants de
concentration des poissons (DCPd), même si l'espèce n'est pas ciblée par cet engin de pêche. La pêcherie sous
DCPd est complexe et l'effort de pêche dépend de plusieurs facteurs, dont le nombre et le type de bouées
équipant les DCPd déployés. Les auteurs ont dressé une liste exhaustive de variables susceptibles de décrire la
pêcherie sous DCPd et les ont utilisées comme descripteurs de l'effort de pêche dans les modèles de
standardisation de la CPUE du thon obèse. Ils ont sélectionné les variables en appliquant la pénalisation de Lasso
dans les cadres GLM et GLMM. Plusieurs variables, généralement non incluses dans les modèles de
standardisation de la CPUE, ont été retenues lors du processus de sélection du modèle de Lasso, à savoir : le
capitaine, le navire, le prix des espèces thonières ciblées, le nombre et la distribution spatiale des DCP et le
nombre/type de bouées déployées, entre autres. D'autres informations non conventionnelles sont nécessaires afin
de décrire et de quantifier l'effort de pêche en raison des progrès accomplis en matière de technologie de pêche et
car les navires se sont différenciés en termes de technologies utilisées. Les auteurs ont souligné que cela était
particulièrement nécessaire dans le cas de la pêcherie sous DCPd, dans lequel cas les indices traditionnels de
l'effort de pêche tels que le temps de recherche sont dénués de sens. Une collecte systématique des variables
sélectionnées et de leur utilisation aux fins de la standardisation de la CPUE de thonidés liée aux DCPd a été
proposée.
Le groupe a salué les efforts accomplis et a apporté son soutien complet à cette proposition, qui représente une
façon d'améliorer les informations pour ces pêcheries pour lesquelles la standardisation de la CPUE a
généralement représenté un problème.
Le document SCRS/2015/105 faisait état des travaux réalisés pendant cette réunion de préparation des données
sur la standardisation des indices des senneurs. Le groupe a formulé des commentaires au sujet de ces résultats
préliminaires et a suggéré que plusieurs traitements alternatifs soient étudiés. L'une des priorités identifiées
concernait la nécessité de refléter avec précision l'effort probable de trouver du thon obèse, par exemple par le
biais de filtres spatiaux ou en tenant compte des niveaux variables de l'utilisation des DCP, afin d'éviter les biais
découlant des changements des méthodes des flottilles ou de la distribution spatiale des opérations. Le groupe a
recommandé de poursuivre ces travaux en vue de la préparation de la réunion d'évaluation des stocks.
6.4 Diagnostics de l'indice de CPUE
Un tableau réunissant les indicateurs décrivant les indices de CPUE a été préparé pour la réunion, en réponse aux
recommandations du groupe de travail sur les méthodes d’évaluation des stocks (WGSAM) (tableau 8). Celui-ci
pourrait être utilisé dans le cadre des discussions concernant la pertinence des indices de CPUE pour
l'évaluation. Des valeurs spécifiques dans le tableau reflètent des évaluations subjectives de chaque indice
individuel et ont été incluses uniquement afin de faciliter la discussion.
Une analyse a été réalisée au sujet des indices d'abondance disponibles comme un moyen d'évaluer les écarts
interannuels, afin de fournir des informations supplémentaires aux fins de l'évaluation des indices. La méthode
servant à identifier les écarts « biologiquement invraisemblables » (SCRS/2012/039) a été appliquée à tous les
indices. Selon cette démarche, l'augmentation maximale « vraisemblable » de la biomasse du stock en une année
serait celle prédite par le r postulé et le niveau de biomasse relative si aucune pêche n'était réalisée (même si la
pêche avait réellement lieu). Il a été postulé que la baisse maximale « vraisemblable » de la biomasse du stock en
une année était une réduction ne dépassant pas 50% de la population. Même si cette méthode de manière isolée
n'indique pas si un indice peut ne pas être utile aux fins de la modélisation, elle indique toutefois lorsqu'une
variabilité interannuelle importante peut exister. Nous avons postulé un r de 0,4 sur la base de l'estimation
moyenne issue des trois scénarios Aspic de 2010 utilisés pour formuler un avis. Nous avons également postulé
que tous les indices débutaient à un niveau de B/K de 0,5. Un scénario de sensibilité a également été exécuté
avec un r=0,7.
Plusieurs indices affichaient des écarts interannuels s'écartant des limites vraisemblables de plus de 20% des
années : Maroc (82%), indices de l'Uruguay (78, 39 et 54%), canneurs des Açores (53%) et palangre des États-
Unis en nombre (21%), tel qu'illustré dans le tableau 9 et la figure 8. En ce qui concerne l'indice marocain, les
écarts étaient relativement importants. En ce qui concerne le test de r=0,7, les mêmes indices présentaient de la
même manière un pourcentage élevé d'écarts, à l'exception de l'indice des États-Unis qui a chuté et est passé à
18% en nombre. Les résultats obtenus étaient généralement les mêmes entre un r de 0,4 ou de 0,7. Deux années
de l'indice JLL (1975 et 1976), considérées comme des écarts invraisemblables en 1975 et 1977, représentaient
des écarts exceptionnels évoquant un schéma surprenant de taux de capture qui pourrait être étudié plus en
profondeur.
29
Cette méthode d'évaluation visant à déterminer si les écarts ne sont pas compatibles avec les dynamiques du
modèle de production est configurée de façon à permettre d'amples limites de plausibilité, par exemple en
postulant une valeur élevée pour l'exploitation, en postulant que toutes les ponctions ont eu lieu à la fin de
l'année et en postulant que B1/K = 0,5. Si nous avions postulé que B1/K = 1 au début de la série temporelle d'un
indice, aucune croissance n'aurait été possible et l'augmentation de quelconque indice aurait été invraisemblable.
Un débat a porté sur les avantages de cette approche pour évaluer les indices, et quelques participants étaient
d'avis qu'il ne s'agissait pas d'une métrique utile à envisager et qu'il serait plus opportun d'examiner les
prestations des indices au sein du modèle. Il a été fait remarquer que les prestations au sein du modèle ne
représentaient pas un critère servant à évaluer la pertinence d'un indice pendant la réunion de préparation des
données et que les indices devraient être considérés sans tenir compte de leur influence sur les modèles ou des
prestations au sein de celui-ci. Cette méthode émet toutefois une hypothèse des dynamiques comme s’il
s’agissait d’un modèle de production et postule une valeur pour r. En dépit des inquiétudes concernant l'utilité de
la méthode, le groupe a examiné les résultats comme faisant partie d'une série de métriques servant à évaluer les
indices.
6.5 Utilisation des indices de CPUE dans les modèles d'évaluation des stocks
Le tableau 10 montre les indices d'abondance, en spécifiant la zone/la période ainsi que les données utilisées. Il
a été convenu de les utiliser dans différents modèles d'évaluation. Les indices annuels (tableau 11 et figure 8)
peuvent être utilisés dans les modèles de production et les modèles structurés par âge tels que la VPA. Les
indices trimestriels par année-trimestre (tableau 12) peuvent être utilisés dans des modèles plus complexes tels
que le Stock Synthèse.
Le groupe a convenu de ne pas créer d'indice combiné car cela signifie qu'il n'a pas été possible d'évaluer l'effet
de séries de CPUE séparées sur l'évaluation. Le groupe a plutôt préféré inclure chaque série séparément dans les
modèles de production et vérifier leur influence sur l'ajustement du modèle d'évaluation des stocks.
7. Identification des données d’entrée et des spécifications de données pour les différents modèles
d'évaluation et le cadre de l'avis
Tous les modèles auront besoin des données de débarquement. Cette information peut être aussi simple que les
débarquements totaux par an, ou aussi complexe que les débarquements par pêcherie, saison et zone. Les rejets
ou les rejets morts, si ceux-ci sont jugés importants, devraient être inclus séparément (si la plateforme de
modélisation peut en tenir compte) ou inclus dans la capture. De même, tous les modèles nécessiteront au moins
un indice d’abondance. Comme dans le cas des débarquements, ceci peut être une seule CPUE ou, de manière
plus complexe, des indices séparés par pêcherie, saison et zone.
7.1 Spécifications de la mortalité naturelle applicables au SS et à la VPA
Le groupe a réévalué les postulats de mortalité naturelle utilisés dans la VPA et le SS. Le groupe de travail
préfère ne plus utiliser l'ancien vecteur de mortalité naturelle (âge 0-1 = 0,8, âges 2+ 0,4) et a recommandé
d'utiliser une fonction de mortalité naturelle de Lorenzen (2005) élaborée par le groupe en 2009 et confirmée en
2015. Le M spécifique à l'âge a été calculé au moyen d'une fonction de Lorenzen (2005) en employant la
référence M=0,2794 sur toutes les classes d'âge « complètement sélectionnées » (1-15). Le M de référence a été
calculé par approximation au moyen d'un âge maximum de 15 ans (Hoenig 1983). La valeur du groupe-plus (âge
8+ ou 7+) provient de la moyenne pondérée de l'élargissement de l'estimation de M aux âges 7-20. Le vecteur M
a été élaboré au moyen de la courbe de croissance de Hallier et al (2005) et d'une compensation de 0,5 an afin
d'obtenir une estimation en moitié d'année de la période de M ainsi qu'une compensation afin de tenir compte de
la date de naissance postulée en février dans la VPA (tableau 13, figure 10). Les vecteurs qui examinent les
sensibilités à un M supérieur ou inférieur ont été obtenus en augmentant ou en diminuant le M cible de 25%.
7.2 Exigences en matière de données pour le VPA2-Box
En ce qui concerne le VPA-2Box, le groupe a proposé les spécifications suivantes. La VPA sera lancée avec des
données de 1975 à 2014. La prise totale par âge (toutes les flottilles combinées) sera calculée au moyen d'une
routine de découpage des âges et la base de données de l'ICCAT de prise par taille. Les matrices de prise par âge
seront élaborées jusqu'à l'âge de 15 ans au moins afin de pouvoir étudier la spécification du groupe-plus. Le
groupe a recommandé d'examiner les âges 0-7 + (comme en 2010), mais de prendre en considération les
30
configurations supplémentaires du groupe-plus (p.ex. 12+). En appliquant la courbe de croissance actuelle
(Hallier et al., 2005), l'âge 7 correspond à une taille d'environ 165 cm. Une croissance importante au sein du
groupe-plus est donc possible, mais le découpage des âges peut ne pas supporter la segmentation pratique des
âges au-delà de cela. Il sera donc essentiel d'évaluer les spécifications du ratio F, qui ont été modélisées en tant
que marche aléatoire dans l'évaluation de 2010.
Le modèle utilisera les indices des taux de capture et la prise par âge spécifique aux flottilles pour les flottilles
palangrières du Japon, de l'Uruguay, des États-Unis et du Taipei chinois (cf. tableau 11). Le groupe a également
examiné un indice concernant les senneurs de l'Union européenne, qui, suite à une décision, n'allait pas être
inclus dans la VPA. Néanmoins, des travaux supplémentaires sur cet indice seront réalisés pendant la période
intersession et l'indice pourrait être utilisé comme scénario de sensibilité. Les indices pour les canneurs des
Açores et les palangriers marocains ont également été préparés, mais n'ont pas été recommandés pour la VPA
(cf. point 6 pour discussion). Un indice de la palangre brésilienne était disponible antérieurement, mais cet indice
n'a pas été mis à jour en 2015. Le groupe a recommandé que cet indice soit exclu des modèles de la VPA de
2015.
Le groupe a recommandé que les pondérations de l'indice soient étudiées au moyen de deux approches : 1)
pondération identique de tous les indices au moyen d'un coefficient de variation par défaut de 0,2 (postulat de
2010) et 2) pondérations des indices en estimant librement une seule variance scalaire d'un indice, en estimant
ensuite d'autres variances scalaires comme une déviation de ce paramètre.
Le groupe a recommandé d'utiliser les paramètres biologiques adoptés actuellement par le SCRS pour le thon
obèse à l'exception du vecteur de mortalité naturelle pour lequel le groupe a convenu d'utiliser de nouvelles
valeurs incluses dans le tableau 13.
En ce qui concerne les indices fournis en nombres, une matrice annuelle de poids par âge est nécessaire. À cet
effet, le groupe a recommandé d'utiliser le poids annuel moyen par âge des pêcheries correspondantes (à savoir
les débarquements de la flottille en kg/nombre de poissons débarqués). Une matrice annuelle de fécondité par
âge est également nécessaire pour la VPA. Le groupe a recommandé qu'un indice approchant, poids par âge, soit
calculé en tant que débarquements totaux en kg/ nombre de poissons débarqués pendant le premier trimestre car
il est postulé que le pic de reproduction a lieu pendant le premier trimestre (à savoir en février 2015).
Le groupe a retenu toutes les autres paramétrisations du cas de base du modèle VPA de 2010 (à savoir,
pénalisation de la vulnérabilité, aucune pénalisation du recrutement récent, aucune pénalisation de la relation
stock-recrutement, spécifications de l'indice).
Le groupe a recommandé les scénarios de sensibilité suivants : 1) élargir le groupe-plus le plus possible, 2)
utiliser les vecteurs M de Lorenzen faibles et élevés élaborés pour les modèles de Stock Synthesis, 3) utiliser la
courbe de croissance à deux stances recommandée pour recalculer la CAA et dans des projections. Ce scénario
de sensibilité impliquerait également le recalcul du vecteur M de Lorenzen de base.
En ce qui concerne les projections, la date du pic de reproduction a été ajustée et correspond désormais au 15
février. Cela impliquera un ajustement des « paramètres de compensation » dans les fichiers de contrôle des
projections. La matrice de poids par âge servant de référence à la biomasse du stock reproducteur devrait être
ajustée de la manière décrite ci-dessus. Le groupe-plus devrait pouvoir grandir pendant les projections
conformément aux équations de croissance par défaut (Hallier et al., 2005) et à deux stances. En ce qui concerne
le scénario de sensibilité incluant la courbe de croissance à deux stances, cela peut être inclus dans les
projections en utilisant la prise par âge observée pour la période historique et en permettant au groupe-plus de
grandir conformément au modèle à deux stances, sans devoir recoder Pro2Box afin de tenir compte d'autres
courbes de croissance.
7.3 Exigences en matière de données pour Aspic
Le modèle ASPIC requiert les débarquements totaux et au moins un indice d'abondance. L'un des postulats clés
obtenus avec un modèle de production excédentaire tel que ASPIC concerne le fait que tous les poissons sont
complètement sélectionnés. Dans les modèles ASPIC antérieurs, les indices palangriers uniques ou bien les
indices combinés de la biomasse ont été utilisés. L'indice combiné avait été crée en appliquant différentes
méthodes de combinaison reposant sur la pondération égale, la pondération par prise ou par zone pêchée.
D'autres indices combinés n'utilisaient que les années à partir de 1971 ou excluaient la palangre du Japon ou la
palangre du Taipei chinois avant 1970. Selon la pratique courante au sein de l'ICCAT, des CPUE individuelles
31
ont été utilisées ou une seule CPUE combinée a été créée, lorsque les modèles de production ne pouvaient pas
faire concorder des indices individuels divergents. De manière générale, les modèles de production ne devraient
pas inclure des indices contradictoires dans le même scénario. Toutefois, des travaux récents (SCRS/2015/073)
déconseillaient l'utilisation d'indices combinés et conseillaient d'utiliser plutôt des indices individuels le cas
échéant.
7.4 Exigences en matière de données pour le Stock Synthèse (SS)
Il a été fait remarquer que l'exercice de modélisation SS nécessiterait la prise de plusieurs décisions importantes,
allant au-delà de celles arrêtées pour le modèle VPA2-Box. Même s'il serait souhaitable d'utiliser des modèles
plus complexes pour saisir certaines nuances de la pêcherie, cela impliquerait de faire des compromis en termes
d'investissement en temps pour élaborer le modèle, l'exécuter et examiner les diagnostics. Les décisions les plus
cruciales doivent être prises en matière de structure de la flottille et d'éventuelles divisions du temps (saisons) et
de l’espace (zone). L'évaluation antérieure du stock de thon obèse utilisait le modèle MFCL qui avait été divisé
en quatre saisons et trois zones. On s'est demandé s'il était opportun de continuer à utiliser cette configuration au
sein du cadre SS, mais il a été fait remarquer que si cette configuration était encore utilisée, chacun des indices
d’abondance devrait être élaboré à nouveau afin de tenir compte de cette configuration.
On a présenté au groupe de travail une proposition de configurations possibles du modèle pour examen. La
proposition incluait deux fonctions de croissance (la fonction de Hallier et al., 2005 et une fonction analogue à
celle utilisée par la CTOI), trois mortalités naturelles fondées sur une fonction de Lorenzen et trois valeurs de la
pente à l'origine de la relation stock-recrutement. Cette matrice a été élaborée afin de tenter d’incorporer l'axe
principal de l'incertitude biologique. Le groupe a discuté de la possibilité d'avoir recours à la sélectivité variant
dans le temps ainsi qu'à la capturabilité de la flottille. Même si les changements de capturabilité d'une ou
plusieurs flottilles palangrières ont été reconnus, des données externes claires servant à orienter le paramètre
variant dans le temps n’étaient pas disponibles. Le groupe a convenu que le modèle initial serait composé de la
fonction de croissance de Hallier et al. (2005), de la mortalité naturelle de Lorenzen telle que calculée
préalablement par le groupe, une inclinaison de 0,80 et une capturabilité constante pour la série temporelle de
CPUE japonaise.
Il a été observé que l'exercice de modélisation SS représentait une charge de travail beaucoup plus importante
que dans le cadre des autres plateformes et que de nombreux jeux de données nécessaires pour construire le
modèle SS ne seraient prêts que plusieurs semaines après la réunion de préparation des données. Compte tenu du
bref laps de temps entre l'arrivée prévue du jeu de données complet nécessaire pour exécuter le modèle SS et le
début de la réunion d’évaluation du thon obèse (environ six semaines), il a été observé que tout sera mis en
œuvre pour tenter de compléter le modèle SS, mais que ce délai très court pourrait empêcher d'achever la série
complète d'analyses requise.
Les décisions suivantes ont été prises :
1. La première année de l'évaluation SS sera 1950. La dernière année de l'évaluation sera 2014 et les
indices iront jusqu'en 2014.
2. La configuration spatio-temporelle des quatre saisons et des trois zones sera conservée (figure 11).
3. La structure de la flottille sera la même que celle utilisée dans l’évaluation de 2010.
4. Données de taille : supprimer les tailles des senneurs de 1967-1975 en raison de l'échantillonnage
biaisé.
5. Les indices de CPUE seront attribués aux trois zones de la manière suivante:
a) Zone 1 : Açores BB, Japon_Zone 1, États-Unis LL.
b) Zone 2 : Japon_Zone 2, Taipei chinois.
c) Zone 3 : Japon_Zone 3, Uruguay.
d) Il a été rappelé au groupe de travail que chacune des séries temporelles de CPUE devraient être
générées par trimestre.
e) Le groupe recommande de ne pas utiliser les indices des senneurs disponibles.
6. Les tendances des coefficients de variation de chacune des CPUE seront conservées mais seront fixées à
un minimum de 20 pour cent.
7. Les âges 0-8 ont été précédemment utilisés. On a débattu de l'élargissement de la structure des âges
jusqu'à l'âge de 15 ans, mais il a été décidé de ne pas s'écarter de cette structure.
32
8. Les rejets ne seront pas pris en compte car il n'a pas été démontré qu'ils étaient significatifs.
9. Il a été démontré que les données de marquage n'exerçaient pratiquement aucune influence sur les
résultats du modèle de 2010 et que les taux de déclaration différentiels rendaient les données inutiles. Il
a donc été décidé de ne pas les utiliser tant qu'elles n'auront pas été examinées en profondeur.
7.5 Diagnostics de modélisation
Les documents SCRS/2015/023 et SCRS/2015/073 présentaient quelques diagnostics potentiels fondés sur
l'évaluation ASPIC de 2010. Dans chaque scénario ASPIC, une série de CPUE a été utilisée. Des indices
composés ont été créés au moyen d'un GLM ad hoc avec la série de CPUE qui avait été standardisées par CPC.
Plusieurs spécifications de l'évaluation du stock ont été envisagées, à savoir i) suppositions initiales avancées
pour les paramètres estimés, ii) forme de la fonction de production et iii) B0/K. Au total, 96 spécifications ont
été exécutées et trois scénarios d'entre elles ont été retenus afin de servir à la formulation d'un avis de gestion.
Les diagnostics présentés incluaient des profils de probabilité visant à vérifier la convergence et l'impact des
données sur les estimations des paramètres et les conséquences de l'établissement des paramètres. Un scénario
par eustachage a été exécuté afin de vérifier le biais causé par des paramètres hautement corrélés ou mal définis,
l'absence de convergence du modèle et des données non informatives. Une validation croisée, sous la forme
d'une simulation rétrospective (Kell et al. soumis), a été lancée afin de vérifier la capacité d'un indice de CPUE
de fournir un indice représentatif de l'abondance d'informations pour l'évaluation. Les diagnostics ont fait
apparaître plusieurs problèmes (p.ex. minimums locaux, paramètres corrélés, difficultés rencontrées pour choisir
la forme de la fonction de production ou B0 reposant uniquement sur des données) tels que le fait que des points
puissent exercer une grande influence sur les estimations de Monte Carlo et engendrer un biais dans celles-ci, ce
qui peut être le reflet d'un problème avec le modèle et les données et indiquer que l'évaluation a peu de pouvoir
prédictif.
Les diagnostics sont génériques et peuvent être appliqués aux modèles qui utilisent d'autres jeux de données et
estiment plus de paramètres. Ils peuvent dès lors être utilisés pour comparer les modèles avec différentes
structures. Plus la complexité des modèles augmente, plus les diagnostics acquièrent d'importance pour
comprendre la solidité des estimations et la façon dont elles se reflètent dans l'avis. Les diagnostics rendent
également le processus d’évaluation des stocks plus transparent et contribuent à identifier à quels endroits une
plus grande quantité et de meilleures données sont nécessaires.
On a suggéré une stratégie potentielle pour exécuter l'évaluation du stock, à savoir se mettre d'accord à l'avance
sur des hypothèses et des tests de la qualité de l'ajustement, identifier des groupes d'indices en ayant recours à
une analyse de groupement hiérarchique, réaliser une simulation pour évaluer la capacité de l'évaluation de
fournir un avis sensé et, avant d'estimer la probabilité reposant sur l'état des stocks, utiliser une analyse par
eustachage ou bootstrap afin de déceler des problèmes avec les données et les erreurs de spécifications du
modèle. Des modèles de dynamique de la biomasse ont été critiqués (p.ex. Maunder, 2003) en raison de leur
nature trop simpliste qui ne permet pas de capturer les dynamiques réelles des populations. Néanmoins, si un
modèle simple permet de formuler un avis sur l'état du stock par rapport aux points de référence et de prévoir la
réponse d'un stock à la gestion, il pourrait ne pas être nécessaire d'utiliser des modèles plus compliqués (Ludwig
et Walters, 1985). Ni la forme du modèle ni ses paramètres ne sont conçus pour fournir une représentation
précise des dynamiques de la population. En revanche, il a été démontré au moyen de la MSE que lorsque l'on
utilise comme partie intégrante d'une stratégie de gestion avec une HCR, les modèles de dynamiques de la
biomasse permettent un calcul cohérent et l'établissement de limites de capture (Butterworth et Punt, 1999, et
http://iccat-mse.github.io/ pour la MSE de l'Atlantique Nord qui évalue le cadre d'avis actuel fondé sur un
modèle de dynamique de la biomasse).
8. Examen des progrès accomplis concernant le programme de marquage des thonidés tropicaux dans
l'océan Atlantique
Le groupe a été informé de la situation actuelle et de l'état d'avancement du programme de marquage des
thonidés tropicaux dans l'océan Atlantique (AOTTP). Il a été porté à la connaissance du groupe que le contrat
conclu entre la DG-DevCo de l'Union européenne et l'ICCAT est en attente d'être signé, ce qui devrait être fait
avant la fin du mois du mai. Dès que le contrat aura été signé, l'ICCAT recrutera le coordinateur en chef du
programme de marquage ainsi que le responsable administratif et financier du projet. Le coordinateur sera
chargé d'élaborer les termes de référence des contrats des six personnes qui seront recrutées par l'ICCAT afin de
mettre en place l'AOTTP (1 coordinateur de la publicité et de la récupération des marques, 1 assistant du
33
coordinateur en chef du projet, 1 comptable et 2 personnes chargées de la saisie des données). Dès que l'équipe
de l'AOTTP aura été composée, elle se chargera d'élaborer le plan détaillé du travail à réaliser afin de
commencer les activités de marquage au début de l'année 2016 et ensuite les campagnes de récupération des
marques au milieu de l'année 2016.
Le groupe a indiqué que l'Union européenne financera 80 % de l'AOTTP et que 20% de l'action devront donc
être co-financés par d'autres Parties contractantes (10 % en espèces et 10 % en contribution en nature), des
agences de financement, le secteur privé ou des ONG. Le Secrétariat a pris contact avec plusieurs CPC et
quelques-unes d'entre elles ont fait part de leur intérêt à cofinancer l'AOTTP, même si elles n'ont pas précisé le
pourcentage de ce cofinancement. Le groupe a dès lors recommandé au Secrétariat de continuer à prendre
contact avec d'autres bailleurs de fonds potentiels.
Le groupe a constaté que l'AOTTP dispose non seulement des ressources nécessaires pour mettre en œuvre le
programme de marquage et de récupération, mais également pour réaliser plusieurs analyses avec les données de
marquage (cf. plan de travail et budget de l'AOTTP). Le groupe estime que cela revête une grande importance
pour garantir le succès du programme de marquage.
Le groupe a également discuté de la participation du groupe d'espèces sur les thonidés tropicaux au projet. À cet
égard, il a été noté que deux réunions du groupe d'espèces sur les thonidés tropicaux auront lieu avant le
lancement des activités de marquage et il a donc été recommandé qu’un point au titre de l'ordre du jour de ces
deux réunions soit inclus afin d'aborder la conception détaillée et le plan de travail en vue d'atteindre les objectifs
de l'AOTTP. Étant donné que le coordinateur va être recruté en juillet/septembre, le groupe recommande que le
coordinateur de l'AOTTP présente le plan de travail et la conception de l'AOTTP au groupe de travail sur les
thonidés tropicaux lors de la réunion d'évaluation du thon obèse de juillet, si possible, ou pendant la réunion du
groupe d'espèces en septembre. Le groupe d’espèces aura ainsi la possibilité de débattre d'un plan de travail
journalier et de recommander des ajustements si nécessaire.
De plus, il a été porté à la connaissance du groupe que l'AOTTP comptera un comité de direction composé du
président du SCRS, des rapporteurs du groupe d'espèces sur les thonidés tropicaux, d'experts externes, du
coordinateur du projet et du Secrétariat. Le groupe de travail estime que le comité directeur devrait s'efforcer
d'avoir une représentation géographique équilibrée. Ceci permettra au groupe d'espèces sur les thonidés
tropicaux d'être informé en permanence de l'état d'avancement du projet. Les détails et les progrès du travail
seront présentés lors des réunions du groupe d'espèces sur les thonidés tropicaux et du SCRS.
Le groupe a observé que le groupe d'espèces sur les thonidés tropicaux peut contribuer à identifier d'autres
échantillons pouvant être recueillis et les analyses à réaliser pour un futur projet en tirant profit d'une vaste
couverture d’échantillonnage obtenue grâce au programme d'échantillonnage. À cet effet, le groupe a discuté de
la possibilité, par exemple, de recueillir et de stocker des échantillons génétiques de poissons marqués afin
d'élargir l'analyse avec d'autres approches.
9. Recommandations
9.1 Présentation des données
Les pays n’ayant pas soumis de données de Tâche I et de Tâche II au titre de 2014 (et des années antérieures)
sont priés de le faire avant le 22 mai 2015, dans le format ICCAT requis. Ces données sont fondamentales
pour l'évaluation des stocks et les projections de population à réaliser pendant la réunion d’évaluation du
mois de juillet. Seules les données fournies au Secrétariat de l’ICCAT dans les délais convenus et dans le
format requis par l’ICCAT seront utilisées pour la préparation de l'information nécessaire à l’évaluation. En
revanche, les estimations de la Tâche I pour ces pays, comme convenu par le groupe, seront utilisées pour la
prise nominale.
Réaliser une nouvelle révision et consolidation des débarquements du Ghana (poids et taille des poissons par
espèce) et prise par taille pour la période 2006-2014 le 8 juin 2015 au plus tard afin de pouvoir l'incorporer
dans la tâche I et la tâche II pour l'évaluation du stock.
34
L'analyse statistique des données des livres de bord et des échantillonnages des senneurs de l'UE (et de la
flottille des pavillons associés) devrait être réalisée par les scientifiques de l'UE afin d'examiner la
méthodologie actuelle pour estimer les captures et les tailles par espèce de la flottille de senneurs. Cette étude
devrait se concentrer sur les points suivants, classés par ordre de priorité : (1) la révision et l'identification des
meilleures strates spatio-temporelles devant être utilisées dans le traitement des données et (2) la révision des
critères de base devant être utilisés dans un système amélioré de traitement des données (p. ex. concernant les
niveaux minimaux des échantillons utilisés, le taux d'échantillonnage et le nombre de poissons mesurés et, si
nécessaire, les règles utilisées dans la substitution des strates).
Le groupe recommande de poursuivre la récupération des statistiques des pêcheries de l'Angola, notamment
des pêcheries de thonidés tropicaux. Le groupe appuie les efforts déployés par le Secrétariat et le programme
JCAP en vue de continuer à travailler avec les scientifiques angolais et les CPC participant à la capture des
thonidés tropicaux au sein de la ZEE angolaise (flottilles étrangères) afin de confirmer le niveau des captures
et si celles-ont été déclarées à l'ICCAT, ou si cela n'a pas encore été fait. Le groupe a demandé à ce qu'un
rapport soit présenté à la prochaine réunion du groupe d’espèces.
Le groupe a examiné et comparé la prise par taille mise à jour du thon obèse fournie par le Japon et celle dont
dispose actuellement le Secrétariat. On a constaté des différences entre les distributions de fréquence des
tailles par année et les nombres totaux estimés de poissons capturés par an. Si l'on compare les
débarquements estimés à la Tâche I déclarée, des différences significatives sont également apparues pour
quelques années. Le groupe demande au Japon de revoir ces différences et de déclarer au groupe les raisons
expliquant ces différences, en indiquant quelles seront les meilleures estimations scientifiques de la prise
totale.
Le groupe a examiné la mise à jour des faux poissons par espèce et pays et a intégré la révision des faux
poissons par espèce et pays dans les données de Tâche I des débarquements de faux poissons. Ceci dit, le
groupe s'est montré préoccupé devant la possibilité que certaines parties de ces prises puissent être
doublement comptabilisées dans la tâche I alors qu'elles sont déclarées également dans les carnets de pêche.
Par conséquent, le groupe recommande que les CPC examinent et identifient si les prises de faux poissons
sont incluses dans le carnet de pêche afin d'éviter la double comptabilisation des prises. Le groupe a
également envisagé de remplacer le terme de « faux poissons », servant actuellement de catégorie dans les
bases de données de l’ICCAT, par un nom plus descriptif tel que « marché local ». Néanmoins, le groupe a
estimé que cette décision devrait être reportée à la prochaine réunion du Sous-comité des statistiques.
Le groupe a souhaité en savoir plus au sujet de la qualité des statistiques des pêcheries (tâche I et II)
soumises par les différentes CPC au Secrétariat. Un formulaire a été préparé et sera circulé aux principales
CPC de capture, afin de leur demander de soumettre des détails sur leurs programmes d'échantillonnage et de
collecte de données ainsi que sur les protocoles aux fins de l'estimation des statistiques halieutiques dans
d'autres groupes de travail de l'ICCAT. Il a été recommandé qu'un formulaire similaire soit proposé pour les
pêcheries de thonidés tropicaux, afin de fournir au groupe des informations pouvant être utilisées pour
évaluer la qualité des données des pêcheries soumises.
Dans le plan global d'amélioration des statistiques du Ghana, en 2014, le SCRS a recommandé de développer
et d'appliquer le logiciel nécessaire au traitement des statistiques du Ghana. À sa réunion annuelle de 2014, la
Commission a estimé que cette activité pouvait être financée par d'autres sources (p. ex. JCAP) et ne l'a pas
incluse dans la liste des activités que la Commission a par la suite approuvées. Le budget estimé du JCAP
pour 2015 ne sera pas en mesure de couvrir le coût total de ce projet. Le groupe recommande donc que le
Secrétariat cherche des financements alternatifs pour mener cette activité à bien.
9.2 Améliorations des connaissances biologiques
Faute de connaissance sur la biologie de la reproduction du thon obèse et en raison de l'importance que
revêtent ces données dans l'approche du modèle d’évaluation des stocks, le groupe a recommandé, à titre
prioritaire, de réaliser des études sur la biologie reproductive (maturité, fécondité, etc.) dès que possible.
Le groupe de travail recommande d'obtenir des observations directes de la prise par âge, historique ou
actuelle, afin d’obtenir une estimation de la croissance dans des modèles intégrés, tels que les modèles
statistiques de capture. Cela pourrait être réalisé au moyen de lectures directes d'otolithes ou d'autres
méthodes de détermination directe de l’âge parallèlement avec des informations sur la croissance issues du
marquage.
35
9.3 Programme de marquage des thonidés tropicaux dans l'Atlantique (AOTTP)
Le groupe a indiqué que l'Union européenne financera 80% de l'AOTTP et que 20% de l'action devront donc
être co-financés par d'autres Parties contractantes (10% en espèces et 10% en contribution en nature). Le
groupe recommande au Secrétariat de continuer à prendre contact avec d'autres bailleurs de fonds potentiels.
Il est nécessaire de soutenir les efforts continus et la participation au comité directeur du programme de
marquage des thonidés tropicaux dans l'Atlantique afin de conserver une communication fluide entre le
groupe d'espèces sur les thonidés tropicaux et le programme de marquage.
Le groupe de travail recommande aux CPC de participer au financement afin d'atteindre les 20% nécessaires
du co-financement de l'AOTTP.
Le groupe a recommandé que le comité directeur de l'AOTTP s'efforce d'avoir une représentation
géographique équilibrée.
9.4 Méthodologies d’évaluation
Le groupe recommande que ces indices trimestriels de la CPUE à utiliser dans le SS soient fournis avant la
première semaine de juin.
Le Secrétariat de l’ICCAT va préparer les données de prise par taille avant le 30 mai 2015 et les fournir aux
scientifiques en vue de la préparation de la réunion d'évaluation. Ces données seront utilisées par le groupe
de travail pour estimer la prise par âge avant le début de la réunion.
Le groupe de travail devra compléter la préparation des données pour la VPA et SS-3 jusqu’en 2014 par
correspondance avant la réunion d’évaluation. Ce travail devra être réalisé en coordination avec le personnel
du Secrétariat de l’ICCAT qui fournira les données de prise et d'effort utilisées pour le développement des
fichiers d'entrée VPA et SS-3 avant la deuxième semaine du mois de juin.
10. Autres questions
Aucune autre question n’a été discutée.
11. Adoption du rapport et clôture
Le rapport a été adopté pendant la réunion.
Le Président a remercié les participants pour le travail intense accompli.
La réunion a été levée.
36
Références
Butterworth, D. and Punt, A. 1999. Experiences in the evaluation and implementation of management
procedures. ICES Journal of Marine Science, 56: 985–998. 1999.
Champagnat, C. and Pianet, R. 1974. Croissance du patudo (Thunnus obesus) dans les régions de Dakar et de
Pointe Noire. Col. Vol. Sci. Pap. ICCAT 2: 141-144.
Hallier, J. P., Stequert, B., Maury, O., and Bard, F. X. 2005. Growth of bigeye tuna (Thunnus obesus) in the
eastern Atlantic Ocean from tagging-recapture data and otolith readings. Collect. Vol. Sci. Pap. ICCAT,
57(1): 181-194.
Hoenig, J. M. 1983. Empirical use of longevity data to estimate mortality rates. Fish. Bull. 82:898–903.
Kell, L.T., Kimoto, A. and Kitakado T. (submitted). An Elimination of the Unnecessary to allow the Necessary
to Speak. An Evaluation of the Ability of Stock Assessment Models to Provide Advice. ICES Journal of
Marine Science.
Lorenzen, K. 2005. Population dynamics and potential of fisheries stock enhancement: practical theory for
assessment and policy analysis. Philosophical Transactions of the Royal Society of London. Fisheries
Theme Issue 360, No. 1453: 71-189.
Ludwig, D., and Walters, C. J. 1985. Are age-structured models appropriate for catch-effort data? Can. J. Fish.
Aquat. Sci. 42: 1066-1072.
Maunder, M. N. 2003. Is it time to discard the Schaefer model from the stock assessment scientist’s toolbox?
Fisheries Research, 61: 145-149.
Morita, Y. 1973. Conversion factors for estimating live weight from gilled-and-gutted weight of bigeye and
yellowfin tunas. Bull. Far Seas Fish. Res. Lab., 9, November: 109-121.
Sculley, M. and Die, D. J. 2014. An analysis of historical tagging data to estimate migration rates for tropical
tuna in the Atlantic: an example using bigeye tuna (Thunnus obesus). Collect. Vol. Sci. Pap. ICCAT, 71(1)
342-358.
37
INFORME DE LA REUNIÓN ICCAT DE 2015 DE
DE PREPARACIÓN DE DATOS DE PATUDO (Madrid, España, 4 a 8 de mayo de 2015)
1 Apertura, adopción del orden del día y disposiciones para la reunión
La reunión se celebró en la Secretaría de ICCAT, en Madrid, del 4 al 8 de mayo de 2015. La Dra. Pilar Pallarés,
en nombre del Secretario Ejecutivo de ICCAT, inauguró la reunión y dio la bienvenida a los participantes. Al
inaugurar la reunión, la Dra. Pallarés presentó al nuevo Coordinador científico, el Dr. Miguel Neves dos Santos,
quién la sustituirá tras su jubilación. La Dra. Pallarés resaltó el hecho de que la mayoría de los documentos de la
reunión fueron enviados dentro del plazo establecido por el SCRS, mientras que las CPUE estandarizadas no
fueron enviadas a tiempo.
El Dr. Hilario Murúa (UE), Presidente de la reunión, dio la bienvenida a los participantes (el Grupo) y procedió a
revisar el orden del día, que fue adoptado sin 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:
Sección Relatores
Puntos 1, 10 y 11 P. Pallarés
Punto 2 R. Forselledo
Punto 3 C. Palma, M. Ortiz, C. Lam y D. Die
Punto 4 C. Palma y M. Ortiz
Punto 5 M. Sculley
Punto 6 C. Brown, T. Matsumoto y H. Ashhida
Punto 7 J. Walter y M. Schirripa
Puntos 8 y 9 H. Murua
2 Examen de la información nueva e histórica sobre biología
En esta sección se presentaron dos documentos:
En el documento SCRS/2015/094 se evalúan los datos de captura por unidad de esfuerzo transformados
logarítmicamente de la Tarea II de ICCAT para describir cambios estacionales en la abundancia relativa con el
fin de aportar información sobre los patrones de movimiento del listado (Katsuwonus pelamis), el rabil (Thunnus
albacares) y el patudo (Thunnus obesus). Se observan tendencias estacionales en las tres regiones más
septentrionales, las regiones de Azores, Canarias y Senegal. El patudo se traslada hacia las Azores y las Canarias
durante los meses de primavera y verano, tal y como demuestra el aumento en la CPUE en estas regiones durante
dicho periodo y se corresponde con un descenso en Senegal, lo que sugiere que los peces se trasladan desde
Senegal a regiones más septentrionales y vuelven al inicio del otoño. El listado se traslada también a las Azores
y las Canarias en verano y principios del otoño, pero estos aumentos en la CPUE no se corresponden con un
descenso en la CPUE en Senegal. El rabil no se traslada a las Azores en gran número, pero el movimiento hacia
las Azores y las Canarias tiene lugar en otoño. Hay pocos patrones en la CPUE en las demás regiones estudiadas.
Los patrones en estas regiones sugieren un movimiento estacional hacia el norte a lo largo de la costa africana
desde la primavera hasta el otoño. Cada una de las tres especies tiene diferentes momentos de movimiento. El
patudo empieza el primero el movimiento hacia el norte, seguido por el listado y el rabil. En las regiones dentro
del golfo de Guinea, los cambios en la abundancia relativa debidos al movimiento no pueden distinguirse de los
cambios debidos al reclutamiento.
Como se discute en el documento, los comentarios estaban relacionados con algunos aspectos de las pesquerías que no están incluidos en el modelo de estandarización y que podrían haber afectado a los resultados, encubriendo los movimientos deducidos para las especies. Estos aspectos incluyen por ejemplo la diferenciación de las capturas de cerco de las de palangre o entre los DCP y los bancos libres. Además, se observó que diferentes artes capturan diferentes clases de talla, y en el análisis no se ha incluido una distinción, por lo que los movimientos estacionales observados podrían no ser generales para la especie. Sin embargo, los movimientos estacionales observados para el patudo están respaldados por estudios previos basados en datos de marcado (Sculley & Die, 2014).
38
El documento SCRS/2015/096 presenta las relaciones talla peso para el patudo (Thunnus obesus) en el Atlántico
sudoccidental. Las relaciones presentadas, por sexos combinados y por sexo, son talla-talla entre longitud a la
horquilla (FL) y longitud predorsal (LD1), peso-peso entre peso eviscerado y peso vivo, y talla-peso entre FL y
peso eviscerado y LD1 y peso eviscerado. Los datos utilizados en este documento fueron recogidos por el
Programa Nacional de Observadores de Uruguay a bordo de la flota de palangre pelágico uruguaya entre 1998 y
2011, y a bordo de la flota atunera de palangre japonés que operaba en aguas jurisdiccionales uruguayas en el
periodo 2009-2011 y 2013. Las relaciones talla-talla y peso-peso obtenidas se compararon con las adoptadas por
ICCAT (Tabla 1). Para la relación peso-peso, las diferencias son, de media, 2 kg más para todo el rango de
clases de talla en comparación con los datos de ICCAT. Para la relación talla-talla, los resultados fueron de 1 a 4
cm más grandes para los ejemplares inferiores a 48 cm LD1, mientras que para los ejemplares más grandes, los
resultados fueron de 8 a 26 cm inferiores en comparación con las relaciones ICCAT. Las relaciones facilitadas
en este documento cubren al menos una amplia parte del espectro de tallas completo declarado de patudo, y
representan las primeras conversiones disponibles para el océano Atlántico sudoccidental.
El Grupo constató la importancia de este tipo de documentos y sugirió preparar una descripción detallada del
tipo de mediciones usadas, así como para el proceso de eviscerar el pez, con el fin de discutir la adopción de
estas relaciones al menos para algunas flotas o regiones. Se sugirió también probar diferentes regresiones no
lineales para las relaciones talla-peso. Además, debería llevarse a cabo una comparación más detallada con las
fórmulas que se están utilizando. Algunos participantes se ofrecieron a trabajar juntos para comparar estos
resultados con los datos del Atlántico oriental.
En las Tablas 1 y 2 se presentan los parámetros biológicos y los factores de conversión para el patudo en el
océano Atlántico actualmente adoptados por ICCAT.
3 Examen de las estadísticas de las pesquerías
3.1 Datos de Tarea I (capturas)
La Secretaría presentó la situación de los datos de Tarea I de patudo (capturas nominales) del periodo 1950-2014
(Tabla 3, Figura 1). La información sobre capturas detalladas de las CPC por flota y arte fue revisada por el
Grupo de trabajo. Para 2014, los informes de captura son incompletos y preliminares. Se presentó también un
catálogo con un resumen de la información sobre Tarea I y la Tarea II (Tabla 4) destacando las principales
lagunas en los datos en los últimos años. En general para las principales flotas y artes que capturan patudo, se
dispone de datos de Tarea II (captura y esfuerzo, frecuencia de tallas y captura por talla) para las últimas
décadas.
El Grupo de trabajo indicó que aproximadamente el 90% de los datos para la Tarea I de 2014 han sido ya
presentados. Examinando las capturas, la Secretaría informó sobre la investigación en curso y la recuperación de
las estadísticas de las pesquerías de túnidos tropicales de Angola, un programa respaldado por la Secretaría y el
programa JCAP. El informe preliminar indicaba que, al menos durante siete años (2009 a 2014), los buques con
pabellón extranjero (cerca de 65 buques diferentes, principalmente palangreros y cerqueros) obtuvieron licencia
(se desconoce el tipo de acuerdo pesquero) de las autoridades angoleñas para operar en aguas de Angola con
empresas pesqueras de Angola. Sin embargo, no está claro si las capturas han sido declaradas a ICCAT por las
CPC del pabellón o por Angola. Para la Tarea I de Angola, la captura declarada de patudo de 2012 es de 4069 t,
más de diez veces más elevada que en años anteriores. Tras la revisión de los informes de declaración, parece
que esta cifra es incorrecta y podría ser un error. El Grupo recomendó que para 2012 a 2014, la captura total de
patudo de Angola fuera estimada como un traspaso de la media de 2009-2011. Además, recomienda continuar
recuperando las estadísticas pesqueras de Angola y aclarar con las CPC interesadas si estas capturas han sido
adecuadamente declaradas por el Estado del pabellón. La Secretaría informará periódicamente al SCRS sobre los
progresos realizados en el proyecto de recuperación de datos de Angola.
Para 2014, se indicó que las CPC no habían comunicado aún capturas de patudo (Tarea I NC), incluidas Estados Unidos, Venezuela, Guinea, Brasil, Corea, Côte d'Ivoire, Sudáfrica, Namibia, Vanuatu y Barbados. El científico de Uruguay informó de que en 2014 había habido captura cero de patudo en su flota. Se indicó que las capturas de patudo de Corea (que comunicó los datos durante la reunión) habían descendido sustancialmente (50%) en años recientes, lamentablemente no había científicos presentes para indicar las razones de dicho descenso. El Grupo recomienda que la Secretaría contacte con estas CPC y les pregunte por la disponibilidad de los datos y su envío antes del 22 de mayo. Provisionalmente, para estas cifras que faltan, el Grupo adoptó traspasar la media de los últimos tres años.
39
El Grupo aceptó también las revisiones realizadas a las estadísticas de los desembarques de faux poisson: 1982 a
2014; muestras de talla: 2007 a 2014 en el documento SCRS/2015/072. Esta información se integró en la Tarea I
(como capturas de cerco por flota) en todas las flotas, excepto en el caso de Ghana, en el que estas cantidades de
faux poisson se declaran probablemente en la captura oficial de Tarea I (Tabla 5). El Grupo considera que existe
la posibilidad de que una parte de estas capturas pueda estar duplicada en la Tarea I si están también incluidas en
los cuadernos de pesca y comunicadas dentro de los informes de Tarea I, por ello, el Grupo recomendó
investigar más este tema.
El Grupo mencionó el análisis presentado en el documento SCRS/2015/102, en el que se presenta el tratamiento
de los datos de la UE de las capturas del cerco con DCP. Este documento mostraba que la estimación de la
captura de patudo puede estar sesgada debido a: (1) el gran estrato espacio/temporal utilizado (por trimestre y 6
áreas) para estimar la composición por talla y especies de las capturas de DCP, que eran homogéneas cuando se
definieron los estratos, pero ya no se consideran homogéneas ya que las capturas de patudo son menos
abundantes en aguas costeras que en alta mar y (2) diversos supuestos utilizados en el análisis, como el ratio
mínimo de las muestras por peso de la captura o el número mínimo de atunes muestreados en cada estrato. El
Grupo de trabajo tomó nota del muy alto nivel de muestreo multiespecífico en las capturas del cerco con DCP de
la UE, un muestreo que ha cubierto durante años recientes casi todos los estratos por mes y 5º con pesca
importante.
El Grupo de trabajo se mostró de acuerdo en la necesidad de revisar el método utilizado para corregir la
composición por especies de las capturas de cerco, que fue desarrollado hace 20 años, con el fin de discutir si los
supuestos utilizados para la estratificación espacio/temporal siguen siendo válidos para estimar la Tarea I y la
Tarea II por especies. Por tanto, el Grupo de trabajo recomienda que se realice un análisis estadístico de los datos
de cuadernos de pesca y de muestreo de los cerqueros de la UE (y de la flota de pabellones asociada) por parte
de los científicos de la UE para revisar la actual metodología que se utiliza para estimar las capturas y tallas por
especies de la flota de cerco. Este estudio debería centrarse, en orden de prioridad: (1) en la revisión e
identificación de los mejores estratos espacio/temporales que deberían utilizarse en el tratamiento de los datos y
(2) en la revisión de los criterios básicos a utilizar en un sistema de tratamiento de los datos mejorado (por
ejemplo, respecto al nivel mínimo de muestras usadas, tasa de muestreo y número de peces medidos y, cuando
sea necesario, las normas usadas en la sustitución de estratos).
Los científicos de la UE informaron acerca de la situación actual de la revisión y las actualizaciones de las
estadísticas pesqueras de Ghana, en particular para el periodo 2006-2014. Durante una reunión anterior, se
desarrollaron las estimaciones de la captura para este periodo para las tres especies tropicales (rabil, listado y
patudo) pero se plantearon inquietudes respecto al patudo, ya que estas estimaciones no incluían el muestreo de
los programas de muestreo en puerto de Ghana. El autor ha solicitado al Grupo que defina los estratos
espacio/temporales, la composición por especies y los datos de talla para estimar la captura, la captura-esfuerzo,
y las distribuciones de talla por especie de las pesquerías de Ghana 2006-2013/14 que deberían usarse con el
software AVDTH. Se solicitó además que proporcionase estos datos a la Secretaría antes del 8 de junio de 2015
(véase la sección 3.3).
El Grupo preguntó acerca de la calidad de las estadísticas pesqueras (Tarea I y Tarea II) presentadas por las
diferentes CPC a la Secretaría. En este punto, se recordó que el SCRS, y en particular el Subcomité de
estadísticas, habían intentado solucionar este tema durante varios años, solicitando a las CPC que enviaran
informes sobre la fiabilidad de los datos pesqueros, sobre si eran completos y sobre el nivel de incertidumbre.
Lamentablemente, se han presentado muy pocos o ninguno. La Secretaría informó de que en el Grupo de
especies de atún rojo, se ha diseñado un formulario que se circulará a las principales CPC de captura solicitando
detalles de sus programas de muestreo y recopilación de datos, así como de los protocolos para la estimación de
estadísticas pesqueras. Se recomendó proponer un formulario similar para las pesquerías de túnidos tropicales
con el fin de proporcionar al Grupo información que pueda utilizarse para evaluar la calidad de los datos
pesqueros presentados.
La Secretaría presentó un breve resumen del documento estadístico para el patudo, indicando alguna de las
restricciones de esta información. Algunas de las limitaciones de la base de datos del documento estadístico se
deben a la falta de factores de conversión para los diferentes tipos de productos y entre producto congelado y
fresco. Se informó también de que no se declara todo el comercio entre los países y de que las fechas de captura
y comercio pueden durar varios meses (véase la sección 5).
40
3.2 Datos de Tarea II (captura-esfuerzo y muestras de talla)
La Secretaría presentó la información de Tarea II relacionada con el patudo (T2CE: datos de captura y esfuerzo,
T2SZ: datos de talla). Ambos, los catálogos y los datos, fueron presentados al Grupo con la información más
actualizada disponible (a 30 de abril de 2015) en la base de datos de ICCAT. La serie temporal cubría todos los
años (1950 a 2014) para los que se dispone de datos de patudo.
3.2.1 Captura y esfuerzo
El Grupo de trabajo examinó la serie temporal de T2CE disponible con captura de patudo. La Secretaría presentó
un catálogo de la Tarea I y la Tarea II para el patudo con un resumen de las principales capturas por flota-arte
para 1990-2014. En general, para las flotas que cubren hasta el 97% de la captura total durante este periodo, hay
información sobre captura-esfuerzo y talla o sobre captura por talla (Tabla 4). Se identificaron algunas lagunas
en los datos, por ejemplo los datos de talla para las flotas de cerco de la UE. Los científicos de la UE indicaron
que está información está disponible y que la enviarán pronto a la Secretaría.
3.2.2 Información sobre tallas
La Secretaría presentó una lista de muestras de talla para el patudo que están duplicadas, no son verdaderamente
muestreo de tallas sino que están extrapoladas a algunos niveles de captura (Tabla 6). El Grupo recomendó no
utilizar esta información sobre tallas como datos de entrada para la información sobre talla de los modelos
estadísticos de captura. Además, el Grupo recomienda que para los modelos estadísticos de captura (por ejemplo,
Stock Shynthesis), se utilizaran muestras reales de talla en lugar de la captura por talla extrapolada.
Se presentó al Grupo nueva información sobre tallas. Se presentó al Grupo una estimación revisada de la
composición por tallas de todo el faux poisson (todas las especies combinadas) desembarcado en Abiyán (1998-
2013). El Grupo decidió asociar esta información sobre tallas con una única pesquería de cerco para los modelos
que funcionan con pesquerías múltiples para el componente de captura faux poisson del cerco.
El documento SCRS/2015/095 sintetizaba la información sobre el muestreo de tallas de patudo llevado a cabo
por el Programa de observadores a bordo de los atuneros japoneses de Uruguay. Entre 2009 y 2011, los atuneros
con pabellón japonés operaron con una licencia de pesca de investigación dirigiéndose al patudo en aguas de la
ZEE de Uruguay en el Atlántico sudoccidental. El Programa de observadores de Uruguay cubrió el 100% de las
mareas de la flota, con un esfuerzo total observado de 2.459.825 anzuelos en 1.060 lances. Se midieron en total
3.834 patudos, con una longitud a la horquilla media (FL) de 147 cm, rango 54-207 cm en el periodo 2009-2011.
Se presentaron las distribuciones de clases de talla por sexo y año. La información presentada aquí ha sido
declarada a ICCAT en el formato requerido de Tarea II - muestreo de tallas (ST04-T2SZ).
El documento SCRS/2015/097 sintetizaba la información sobre el muestreo de tallas de patudo llevado a cabo
por la DINARA en un Programa de muestreo en puerto desarrollado en las principales pesquerías de Uruguay.
Entre 1984 y 1992, se llevaron a cabo 75 muestreos en puerto, con un máximo de 23 durante 1984 y un mínimo
de 1 en 1992. De todas las mareas de palangre en 1984, el 40% fue objeto de muestreo en puerto. De la captura
total declarada en los cuadernos de pesca para ese año, el 30% (rango 7-95%) fue medida en los muestreos en
puerto. Las mediciones de talla recopiladas eran en longitud pre-dorsal (LD1) con una media de 38,5 cm (rango:
20 – 62 cm, n=3,785). Utilizando las relaciones talla-talla y talla-peso presentadas en el documento
SCRS/2015/096, los ejemplares observados durante los muestreos en puerto eran de entre 67-223 cm de longitud
a la horquilla y de entre 5-202 kg de peso eviscerado. Se presentaron también las distribuciones de clases de talla
por sexo y trimestre para 1984. La información se presentó a ICCAT en el formato requerido.
Durante la reunión, se recibió información sobre captura y talla de las pesquerías de palangre de UE-España, de
palangre de Corea, de cerco de Guinea, de Cabo Verde y de Côte d'Ivoire. Además, la petición del SCRS de la
información sobre tallas real del muestreo del cerco de la UE se ha respondido y se integrará en la base de datos
de ICCAT (1980 a 2014). Se recibieron todas las frecuencias de talla de Tarea II francesas (todas las especies)
desde 1980 en adelante (más de dos millones de registros) y pronto se añadirán al sistema de bases de datos de
ICCAT. La información española equivalente se comunicará en breve a la Secretaría y se integrará en el sistema
de bases de datos de ICCAT.
41
3.3 Revisión de las estimaciones de Ghana 2006-2014 (Tarea I y Tarea II)
El Grupo de especies tropicales elaboró en 2011 un plan de trabajo, a empezar en 2012, para mejorar las
estadísticas de Tarea II de Ghana. El plan incluía apoyo técnico en el muestreo en puerto y en los análisis de los
datos, así como el desarrollo del software necesario para obtener datos precisos de talla y de captura/esfuerzo de
Tarea II. El Plan incluía también la estimación de los datos históricos. En 2013, el Grupo de especies tropicales
adoptó la estimación realizada hasta 2005. Científicos del Grupo de especies se reunieron la semana antes de la
reunión de preparación de datos para discutir cómo avanzar en el tema de la composición por especies de los
datos de captura y talla para la pesquería de Ghana para 2006-2014 y cómo solucionarlo. Durante la reunión del
Grupo de trabajo se mantuvieron más discusiones al respecto. El Grupo resumió los temas principales a
considerar en este contexto:
Presencia de sesgo en el procedimiento de muestreo multiespecífico en Tema, lo que invalidaba el
uso de muestras tomadas en Tema en el periodo anterior a 2012 para estimar la composición por
especies de la captura1;
Dificultad a la hora de identificar la captura de cebo vivo y de cerco, debido a la colaboración y
posible intercambio de captura entre ambos tipos de buques;
Falta del plano de bodega de los buques y por consiguiente imposibilidad de utilizar la bodega
como unidad de muestreo o identificar lances individuales;
Desacuerdo entre la captura total estimada a partir de los desembarques y los cuadernos de pesca en
algunos años (especialmente en 2013);
Presencia de dos componentes de la flota con características muy diferentes (componente A y
PANOFI).
Imposibilidad de determinar las proporciones de faux poisson a asignar a las diferentes flotas que
desembarcan en Ghana y que son objeto de seguimiento en Abiyán.
Por tanto, para la estimación de las estadísticas de Ghana, deberían acordarse varios supuestos. El Grupo elaboró
las siguientes directrices para estimar las estadísticas más recientes de captura por especies y captura por talla
para 2006-2014. El Grupo se mostró de acuerdo en considerar los siguientes criterios para estimar las capturas de
Ghana para 2006-2014:
1. Separar la flota de Ghana en dos componentes:
a) Flota_A: que incluye todos los artes (cebo vivo y cerco) que pescan en zonas más costeras que la flota
de cerco de UE y desembarcan en Tema.
b) Flota_P: cerqueros que pescan en alta mal, similares a la flota de la UE, y desembarcan en Abiyán en
cargueros.
2. Utilizar el buque como unidad de muestreo;
3. Estimación de la captura total de túnidos tropicales: si existe desacuerdo entre las estimaciones de captura
obtenidas a través de los desembarques comunicados y de los cuadernos de pesca, utilizar la cifra más
elevada.
4. Estimación de la captura por especies:
a) Para ambos componentes de la flota, utilizar la composición por especies de la flota de la UE que
pesca con DCP2, dentro de los estratos espaciales y temporales adecuados.
5. Estimación de la composición por tallas de la captura para cada especie:
a) Flota_A: Utilizar las muestras de talla obtenidas por Ghana en Tema para las tres especies.
b) Flota_P: Utilizar las muestras de talla obtenidas mediante la flota de cerco de la UE que pesca con
DCP, dentro de los estratos espaciales y temporales adecuados.
6. Faux poisson: Ghana informa de que estas capturas están incluidas en su captura declarada, por lo que se
considera que las estimaciones anteriores de captura y captura por talla incluyen el faux poisson.
El Grupo de trabajo recomienda, por tanto, que los datos de talla de Tarea I y Tarea II que se obtengan como
resultado de estos cálculos, sean adoptados por el SCRS.
Dentro del plan global para mejorar las estadísticas de Ghana, en 2014, el SCRS recomendó desarrollar y aplicar 1 Las muestras desde 2012 en adelante pueden seguir produciendo una composición por especies sesgada. Estas muestras aún dan como
resultado una proporción de listado considerablemente inferior a la de los DCP de la UE y a la de MW Brand.
El Grupo recomienda encarecidamente llevar a cabo más análisis comparativos sobre las estimaciones de la composición por especies
procedentes de diversas fuentes (muestras de Ghana desde 2012, muestras de la UE sobre DCP, enlatadoras...) con el fin de comprender
cómo mejorar la composición por especies estimada por Ghana en Tema. El Grupo reconoce que dicho muestreo podría ser eventualmente la
fuente de información para describir los desembarques del componente A de la flota.
42
el software necesario para el tratamiento de las estadísticas de Ghana. En su reunión anual de 2014, la Comisión
solicitó al SCRS que estableciera prioridades en las recomendaciones con implicación financiera. Los científicos
del SCRS consideraron que esta actividad podría financiarse a través de otras fuentes (por ejemplo, JCAP) y no
la incluyeron en la lista de las actividades que aprobó la Comisión. El presupuesto estimado del JCAP para 2015
no podrá cubrir el coste total de este proyecto. Considerando la importancia de llevar a cabo este proyecto para la
evaluación de todos los túnidos tropicales, el Grupo recomienda que la Secretaría busque fondos alternativos
para llevar a cabo este proyecto.
3.4 Otra información (marcado)
Solo se presentó al Grupo de trabajo un documento nuevo sobre marcado. El documento SCRS/2015/093
revisaba el marcado llevado a cabo en el Atlántico, centrándose en los resultados recientes procedentes de las
marcas electrónicas. La base de datos de marcado convencional de ICCAT (versión tagBET_20140908) tiene un
número limitado de recuperaciones de marcas (2879 de 11224 colocaciones) de patudo, principalmente entre 50-
100 cm FL. La mayoría de las marcas se recuperó dentro del periodo de seis meses en libertad y presentaban
pocos movimientos transatlánticos. Cinco patudos se recapturaron después de tres años en libertad, y el mayor
periodo de tiempo en libertad fue de 9,4 años (liberado con 76 cm FL y recapturado con 210 cm FL). El Grupo
consideró que el patudo con más tiempo en libertad podría ser útil para establecer la mayor edad y estimar la
mortalidad natural.
Las actividades de marcado electrónico respecto al patudo han sido escasas, y en los estudios anteriores se
produjo mucho desprendimiento de marcas, periodos cortos de colocación de las marcas (<113 días) y pocos
datos recuperados. Los recientes resultados procedentes del Atlántico occidental mostraban patrones de
movimiento derivados de las marcas colocadas de hasta diez meses en libertad. Los patrones de movimiento
estacional derivados a partir de las marcas eran coherentes con los cambios en la distribución de la CPUE de
palangre de Japón y de Estados Unidos, y el patudo se desplazaba hacia el norte y hacia el sur a largo del
Atlántico occidental. El Grupo examinó la importancia de dichos patrones de movimiento en relación con la
actual configuración espacial (es decir, tres áreas) de los modelos de evaluación, y llegó al acuerdo de que
aunque la direccionalidad norte-sur era similar a la observada a partir de las marcas convencionales, es necesario
un tamaño de muestra mayor de marcas electrónicas para evaluar configuraciones alternativas.
Se describía el comportamiento vertical, y el patudo presentaba un uso diurno de los 200-400 m entre 16-18ºC y
un uso nocturno de 0-100 m entre 16-25ºC, La distribución en profundidad dependía de la ubicación geográfica,
y la temperatura reflejaba la profundidad en la que se distribuye el patudo, más que reflejar que busca un
temperatura preferida (Figura 2). El Grupo identificó el hecho de que el nivel de luz o la duración del día
pueden influir en la distribución de profundidad del patudo. Por último, el Grupo discutió el fallo de las marcas
(de hasta el 65%) y señaló que el rendimiento altamente variable de las marcas y la obtención de datos deberían
tenerse en cuenta al diseñar las actividades de colocación en el marco del AOTTP.
4 Revisión y actualización de CAS/CAA
La Secretaría presentó una versión preliminar de la captura por talla (CAS) para 1950-2014 (Tabla 7). Se facilitó
una tabla con un resumen de la información disponible sobre CAS y sobre talla, indicando también las
sustituciones de talla por flota-arte-años requeridas para completar la CAS total. Desde la última evaluación de
patudo de 2010, se ha proporcionado nueva información sobre talla y sobre CAS, en particular para las
pesquerías de cebo vivo y de cerco de Ghana para 1975-2006. También se facilitó información actualizada sobre
CAS para algunas de las pesquerías de palangre más importantes (Taipei Chino y Japón) y para varias pesquerías
de cerco (Cabo Verde, UE-España y UE-Francia) con faux poisson. La Secretaría informó de que justo antes de
la reunión se recibió la CAS revisada de Japón y por ello no estaba incluida en la CAS global presentada por la
Secretaría. La actualización de CAS de Japón incluía las estimaciones revisadas para la flota de palangre desde
1995 hasta 2014, y el documento SCRS/2015/070 proporcionaba detalles de los protocolos usados para
actualizar la CAS japonesa. El Grupo solicitó una comparación de la actualización de la CAS japonesa con la
serie facilitada en la última evaluación de 2010. La comparación indicaba que había diferencias entre las dos
series de CAS japonesas: (i) en el número total de peces capturados por año, donde la CAS actualizada
presentaba un mayor número, hasta el 25%, de patudos capturados para todos los años (Figura 3) y (ii) en la
distribución de frecuencia de tallas, presentando la CAS actualizada en general peces más grandes (Figura 4).
Por ello, el peso estimado de los desembarques a partir de la CAS japonesa actualizada es mayor que la T1NC
declarado en algunos años, aproximadamente un 20-25% mayor. El Grupo preguntó por el nuevo procedimiento
y recomendó usar las distribuciones de frecuencia de tallas actualizadas pero estimar la CAS ajustada a la T1NC
43
para la flota de palangre japonés. El Grupo recomendó también que los científicos de Japón revisaran los
protocolos para la estimación de la CAS e informaran sobre las razones para las diferencias en los desembarques
estimados y la T1NC declarada, en particular para el periodo 1995-1998.
5 Examen de los indicadores de la pesquería
De conformidad con las Recomendaciones 01-21 y 06-13, ICCAT recopila estadísticas comerciales de patudo
congelado. Los datos de Tarea I se compararon con los documentos de estadísticas comerciales para las
exportaciones de patudo. La comparación de la exportación de patudo con la captura de un país, puede ser un
indicador de cambios en las pesquerías de patudo. Se ilustró en un diagrama la captura acumulada de Tarea I
respecto a las exportaciones acumuladas, en peso de producto, para 2006 a 2014. Dado que los datos de
exportación están en peso de producto, que es poco probable que sea el pez entero, que es el peso en el que se
declaran las estadísticas de Tarea I (peso vivo), se prevé que las exportaciones totales sean inferiores a los datos
de Tarea I. Los datos de exportación deberían escalarse al peso vivo para poder comparar mejor las dos
estadísticas.
Algunos países que pescan exclusivamente con palangre (Figura 5), como China y Filipinas, parecen exportar
toda o casi toda su captura. Para Corea y Taipei Chino, que también pescan exclusivamente con palangre, la
exportación de patudo es inferior a la captura de Tarea I. La proporción que exportan es relativamente estable a
lo largo del tiempo. La otra flota que pesca exclusivamente con palangre, Japón, tiene pocas exportaciones, algo
previsible ya que es uno de los mayores importadores de pescado en general. Para aquellos países que pescan
exclusivamente con flotas de cerco y cebo vivo (Figura 6), Ghana, UE-Francia y Senegal, hay muy pocas
exportaciones, aunque en los últimos años se producido un ligero aumento en los peces exportados. Aquellos
países que usan palangre, cebo vivo y cerco o palangre y cerco (Figura 7) también tienen tasas de exportación
bajas. Las flotas de palangre de UE-España y UE-Portugal cuentan con exportaciones que empiezan en 2008 y
2012.
Se acordó que el desarrollo de un mercado de exportación, como los observados en UE-Portugal y UE-España,
podría ser útil como indicador del desarrollo de las pesquerías. Sin embargo, se discutieron varios problemas
relacionados con las estadísticas comerciales de exportación. En primer lugar, no existe una política universal
para la documentación comercial. Países como la UE, Estados Unidos y Japón requieren estos documentos y los
países que exportan patudo a dichos países no pasan desapercibidos. Sin embargo, muchos países como China y
algunas naciones africanas no tienen estos requisitos, y estas exportaciones no se contabilizan. Además, se
planteó que las exportaciones declaradas por un país pueden no haber sido capturadas por la flota de dicho país,
sino que otros países pueden desembarcar sus capturas allí y luego exportarlas. Esto causaría discrepancias entre
los datos de exportación y los datos de Tarea I de dichos países. Por último, la información que falta de los
documentos comerciales podría presentar un problema al analizar los datos. Las exportaciones pueden retrasarse
de 6 meses a un año desde el momento de la captura, y en el pasado la información comercial solo se refería al
atún congelado. Además, a menudo es difícil determinar en qué océano se capturó el patudo que se está
exportando y los documentos pueden representar una mezcla de peces de cualquiera de los tres océanos. A pesar
de estos problemas, se acordó que con información adicional sobre los detalles de cumplimiento de estas
estadísticas comerciales y la conversión del peso de producto de los datos de exportación en peso vivo,
convendría investigar más en profundidad estos datos como posible indicador de capturas. Asimismo se planteó
que los datos comerciales se habían usado para identificar la infradeclaración de capturas en el pasado (por
ejemplo, de atún rojo del sur en la CCSBT), por lo que comparar los datos de exportación con los desembarques
totales podría contribuir a identificar cualquier práctica sistemática de infradeclaración.
6 Examen de los índices de abundancia relativa disponibles por flota y estimación de índices
combinados
El Grupo de trabajo examinó varios documentos sobre la captura por unidad de esfuerzo (CPUE). Estos
documentos y la discusión posterior del Grupo, se resumen a continuación. Los índices de abundancia relativa se
resumen en una serie de tablas, y se identifican los métodos de evaluación para los que podrían usarse (Tablas 8-
12, Figura 8). En general, los índices anuales podrían usarse para los modelos de producción y para modelos
estructurados por edad como VPA. El Grupo solicita que se presenten índices por año-trimestre para puedan
estar disponibles para modelos más complejos como stock Synthesis. El Grupo de trabajo recomienda que estos
índices trimestrales se presenten antes del 27 de mayo. Todos los índices se estandarizaron usando enfoques
delta-lognormal o similares a menos que se indicara lo contrario.
44
6.1 Índices de palangre
El documento SCRS/2015/071 describe la elaboración de índices de CPUE estandarizados de patudo para las
pesquerías de palangre atunero japonés que operaron en el Atlántico durante 1961-2014. Los métodos, que
incorporaban la temperatura de la superficie del mar (SST) eran los mismos que los aplicados durante la
evaluación de patudo de 2007. Se utilizaron las siguientes definiciones de área: (1) toda la zona atlántica, (2) las
tres zonas utilizadas en la evaluación anterior analizadas por separado y (3) el principal caladero de patudo. Se
calcularon las CPUE anuales y trimestrales en número, así como índices basados en la biomasa anual con el fin
de proporcionar índices de abundancia para utilizarlos en modelos para la evaluación del stock de patudo de
2015. Las tendencias eran bastante similares entre las CPUE basadas en número y las basadas en peso, tanto en
el índice del Atlántico total como en el índice del principal caladero.
Tras la presentación inicial de los índices, el Grupo solicitó que se llevaran a cabo análisis adicionales durante la
reunión para evaluar más en profundidad la influencia de factores considerados en los modelos. Los resultados
demostraron que durante el primer periodo (1960-1970) se observaron diferencias en las tendencias de CPUE
por trimestre y subárea en el principal caladero, lo que podría ser una indicación de que el efecto de los cambios
en la especie objetivo podría no haber sido totalmente tenido en cuenta por el modelo. Una comparación de las
tendencias de la CPUE estandarizada con y sin la inclusión del número de anzuelos entre flotadores confirmó
que este factor tenía un efecto considerable en el índice.
Observando que gran parte de los cambios aparentes en la estrategia de pesca se produjeron fuera de los
principales caladeros, el Grupo sugirió que el uso del índice del principal caladero podría reducir el impacto de
los cambios en la estrategia de pesca.
El Grupo discutió algunas posibles mejoras a considerar en futuros análisis de estandarización de la CPUE para
esta pesquería. Se planteó la inquietud general de que los modelos GLM estaban sobreparametrizados. Se indicó
que muchos factores podrían considerarse importantes basándose en el valor F, debido a los grandes tamaños de
las muestras, aunque tienen poca influencia en la tendencia estandarizada. Se recomendó que los futuros análisis
requieran que se cumplan criterios adicionales antes de que un factor se incluya en el modelo final, como lograr
un nivel mínimo de reducción de la desviación por grado de libertad. Un modelo reducido facilitaría también una
evaluación de los efectos de los factores individuales, lo que es difícil con los modelos actuales teniendo en
cuenta el gran número de términos de interacción y factores polinomiales.
Considerando que el palangre japonés continúa dirigiéndose a especies distintas al patudo (por ejemplo, rabil y
atún blanco), especialmente en zonas templadas y subtropicales, el Grupo propuso una mejor comprensión de la
estructura espacial de la captura. Dado que el rabil es dominante en algunas partes del caladero principal, podría
ser necesaria una revisión de la definición de "caladero principal". El Grupo examinó también las tasas de
captura nominal tanto del patudo como en rabil por superficie de la temperatura del mar (SST) e indicó que las
diferencias sustanciales observadas entre las especies podrían ser útiles en estandarizaciones futuras como un
medio de tener en cuenta los cambios en la estrategia de pesca, por ejemplo definiendo categorías de SST que
reflejen estas diferencias o filtrando los datos.
El documento SCRS/2015/091 describe la estandarización de la CPUE del patudo para las pesquerías de
palangre de Taipei Chino que operan en el Atlántico (1967-2014). Las variables usadas incluían año, mes, área,
porcentaje de la captura de atún blanco, porcentaje de la captura de patudo, flota e interacción de año y mes. Dos
conjuntos de datos, la Tarea II desde 1967 hasta 2014 y los cuadernos de pesca desde 1981 hasta 2014, se
utilizaron en cuatro zonas, que incluían el Atlántico entero, norte, tropical y sur. La CPUE del patudo era baja y
descendía desde 1967 hasta 1989, debido en parte al hecho de que el patudo era captura fortuita de las flotas de
Taipei Chino. Las capturas de patudo aumentaron a principios de los 90, cuando se convirtió en especie objetivo
y descendieron desde 1995. Los índices de abundancia de todo el Atlántico diferían sustancialmente de las
tendencias nominales.
Aunque los patrones residuales parecen mejores para el índice basado en los cuadernos de pesca, el Grupo indicó
que la tasa de recuperación de cuadernos de pesca era baja antes de 1993. El Grupo advirtió de que sería mejor
llevar a cabo la estandarización de la CPUE usando las dos series temporales por separado (1968-1992 y 1993-
2014), porque la principal especie objetivo del palangre de Taipei Chino cambió de atún blanco a patudo, tal y
como demuestran las tendencias históricas de la captura, coincidiendo con una tendencia de aumento de los
anzuelos entre flotadores (un cambio que se esperaría produjera lances de palangre relativamente más
profundos). El Grupo manifestó su inquietud por el hecho de usar la ratio de captura trimestral de atún blanco o
patudo respecto a la captura total de patudo o atún blanco como factores en los modelos de CPUE estandarizada,
45
ya que esta usa el patudo como variable tanto dependiente como independiente, lo que podría esperarse que
aplanara cualquier tendencia en los datos de la tasa de captura. En respuesta a las peticiones del Grupo, los
autores presentaron la CPUE estandarizada en dos conjuntos de series temporales (1962-1992, 1993-2014), lo
que eliminó los factores de la ratio de captura de atún blanco o patudo en los modelos estandarizados después de
las sesiones de CPUE. Los autores presentaron también la comparación solicitada de CPUE estandarizada entre
toda el área y el área principal. Por último, señalando que a partir de 1993 podrían identificarse grupos separados
de buques que se dirigían bien al patudo o bien al rabil, el Grupo recomendó que se mantuviera la separación
entre los dos periodos, pero que el índice del último periodo se desarrollara usando solo la flota dirigida al
patudo.
El documento SCRS/2015/098 presenta una actualización de la CPUE estandarizada del patudo capturado por la
flota de palangre uruguaya en el Atlántico sudoccidental entre 1982 y 2010, basándose en datos de los cuadernos
de pesca de la industria pesquera. La flota atunera uruguaya inició sus actividades en 1981 y puede dividirse en
dos periodos bien definidos respecto a los buques, el tipo de arte y las características de la especie objetivo. En el
primer periodo (1982-1991), la flota estaba compuesta principalmente por buques congeladores con palangre
tipo japonés que se dirigían al patudo. Durante el segundo periodo (1992-2010), la mayoría de la flota fue
reemplazada por buques de pescado fresco que operaban principalmente con palangre tipo americano y unos
pocos que operaban con palangre de multifilamento, tipo español. Para el primer periodo, la mayoría de la flota
se dirigía al pez espada y una pequeña parte se dirigía a la tintorera. Se presentaron tres series de CPUE
estandarizada, una para toda la serie temporal (1982-2010) y dos series basadas en el cambio de las
características de la flota (1982-1991, 1992-2010). Las tres series estandarizadas presentan un claro descenso en
la CPUE del patudo y entre 1993-1997 se observó una gran variabilidad en el índice de la serie completa.
El Grupo hizo alguna sugerencia, principalmente relacionada con la gran variabilidad de la CPUE estandarizada
de los primeros años de la segunda serie temporal (1992-2010). Se sugirió un examen de las variables
explicativas, principalmente en el uso del objetivo, así como una revisión de las áreas como medio de explicar la
variabilidad de la serie estandarizada. Se indicó que la cobertura espacial de la pesquería era mucho más limitada
que la de las pesquerías de palangre japonés y de Taipei Chino, o que la de la pesquería de cerco de la UE, y que,
como consecuencia, estos índices podrían reflejar menos los cambios en la abundancia de todo el stock.
El documento SCRS/2015/082 presenta los índices en número y peso de las tasas de captura estandarizadas del
patudo en la pesquería de palangre pelágico de Estados Unidos. Se definieron los estratos espaciales mediante
una metodología de estratificación del área adaptativa y se excluyeron las observaciones claramente afectadas
por reglamentaciones pesqueras (zonas vedadas o restricciones de cebo) cuando estos factores no podían tenerse
en cuenta en la modelación. Los índices estandarizados se estimaron utilizando modelos lineales mixtos
generalizados con el enfoque del modelo delta binomial-lognormal. Ambos índices indicaron un descenso global
desde mediados de los 80, un segundo descenso a finales de los 2000, valores estables pero bajos desde 2007 y
ligeros aumentos en 2013 y 2014. Se señaló que la estratificación del área adaptativa se parecía estrechamente a
los estratos a priori utilizados para separar los datos del palangre pelágico estadounidense. Eliminando
observaciones en zonas vedadas tanto antes como después de las vedas, y las observaciones claramente afectadas
por reglamentaciones, se disminuía el impacto de falsas interacciones año y zona y mejoraba el modelo.
El Grupo consideró que este índice podría aplicarse principalmente solo al Atlántico occidental y que
representaba una pequeña fracción de la captura total, pero indicó que la zona cubierta por la pesquería era
bastante amplia. Se plantearon algunas inquietudes respecto a que el uso de la proporción de pez espada respecto
a la captura total y que el uso del código de operaciones no eran los factores ideales para tener en cuenta la
especie objetivo pero que, para toda la duración de la serie había pocas variables más disponibles.
El documento SCRS/2015/075 presenta un índice derivado de la pesquería de palangre marroquí que opera en el
Atlántico. Este enfoque usaba la captura positiva en los datos de peso obtenidos de un mercado de pescado
marroquí, cubriendo 570 mareas llevadas a cabo durante el periodo 2003-2014 y aplicando un GLM. Se estimó
el esfuerzo de cada marea calculando la duración total de la marea a partir de las fechas de desembarque
consecutivas, restando dos días para tener en cuenta el tiempo de viaje hacia y desde los caladeros para obtener
los días de pesca y asumiendo una constante de 1000 anzuelos calados por día de pesca en los caladeros. Se
calculó la captura de patudo en peso asumiendo una proporción constante del 30% del peso total de las dos
especies de túnidos tropicales que están combinadas en los datos del mercado (rabil y patudo) y capturadas por
los palangreros.
46
El Grupo manifestó varias inquietudes respecto a este índice. Considerando que la pesquería cubre una zona
relativamente pequeña, podría no reflejar la abundancia global del stock. Se plantearon inquietudes respecto a la
precisión del procedimiento de estimación del esfuerzo, que hacía varios supuestos. Pero la principal inquietud
era el supuesto de que el patudo representaba una proporción constante de la captura total por marea de rabil y
patudo. Una consecuencia del supuesto (que fue confirmado por el autor por correspondencia) es que cualquier
índice podría, en el mejor de los casos, reflejar los cambios en la abundancia de las dos especies combinadas, no
solo del patudo. Por tanto, se determinó que este índice no era adecuado para usarlo en los diversos modelos de
evaluación.
6.2 Índices de cebo vivo
El documento SCRS/2015/062 describe los análisis llevados a cabo durante esta reunión de preparación de datos
estandarizando las tasas de captura de cebo vivo de las Azores, utilizando métodos que eran casi idénticos a los
usados anteriormente para la pesquería de cebo vivo de las Azores tal y como se describen en Ortiz et al. (2010).
Se utilizó un modelo delta lognormal para modelar los datos de CPUE. La proporción de capturas positivas se
modeló usando un modelo GLM binomial con una función de vínculo logarítmica y las capturas positivas
transformadas logarítmicamente se modelaron usando un GLM gaussiano con una función de vínculo de
identidad. En el modelo completo se incluyeron tres variables explicativas y sus interacciones. El modelo final
incluía aquellas variables que explicaban al menos el 5% de la desviación total, un método descrito
anteriormente para esta pesquería. Los índices anuales variaban sin tendencia para la mayoría de la serie
temporal, hasta aproximadamente 1995. Después de este periodo, se produjo un descenso significativo en la
CPUE seguido por un nuevo aumento desde 2003 hasta 2014. En más análisis, las variaciones en el índice de
CPUE están correlacionadas con los cambios en el índice de Oscilación Multidecadal del Atlántico (AMO), y el
descenso en 1995 se produce cuando el AMO cambia de positivo a negativo. Como en el pasado, los diagramas
de diagnóstico muestran un buen ajuste del modelo a los datos, sin embargo, en el futuro podría merecer la pena
explorar la inclusión del índice AMO estival como variable explicativa que podría reducir la variabilidad
observada en la CPUE estandarizada. Las CPUE estandarizadas en el análisis actual están, en general, de
acuerdo con estandarizaciones anteriores.
La discusión sobre este índice se centró en las causas de su elevado nivel de fluctuación. Considerando que la
flota de cebo vivo de las Azores está bastante restringida en su zona de operaciones, la opinión general ha sido
que esto refleja cambios debidos al medio ambiente en la variabilidad interanual del patudo en la pesquería, más
que cambios en la abundancia total del stock. De hecho, los análisis llevados a cabo durante la reunión
confirmaron que existe una elevada correlación entre este índice y la Oscilación Multidecadal del Atlántico
(AMO). Se determinó que este índice podría utilizarse para el Stock Shynthesis, cuando el AMO se tiene en
cuenta, pero no sería útil como índice de abundancia.
6.3 Índices del cerco
Al inicio de la reunión, el Grupo no disponía de índices del cerco para su consideración. Durante la reunión se
elaboró un índice.
El documento SCRS/2015/106 describe la posible utilidad de la regresión Lasso en la selección de variables
independientes para la estandarización de la CPUE, debido a la precisión de la predicción y a la interpretabilidad
de los modelos Lasso. En el océano Atlántico, la pesquería de cerco de túnidos tropicales a menudo captura
juveniles de patudo en los lances sobre dispositivos de concentración de peces a la deriva (DCPd), incluso
cuando esta especie no es la especie objetivo. La pesquería de DCPd es compleja y el esfuerzo pesquero depende
de varios factores, incluido el número y tipo de boyas que equipan los DCPd plantados. Los autores elaboraron
una exhaustiva lista de posibles variables que describe la pesquería de DCPd y las utilizaron como descriptores
del esfuerzo pesquero en los modelos de estandarización de la CPUE para el patudo. Realizaron la selección de
variables utilizando la penalización Lasso en el marco de GLM y GLMM. Diversas variables, no incluidas
tradicionalmente en los modelos de estandarización de la CPUE para los túnidos, fueron mantenidas por el
proceso de selección del modelo Lasso, como por ejemplo: el patrón, el buque, el precio de las especies de
túnidos objetivo, el número y distribución espacial de los DCP y el número/tipo de boyas plantadas, entre otras.
Es necesaria información no convencional adicional para describir y cuantificar el esfuerzo pesquero debido a
avances en la tecnología pesquera y a causa de que los buques varían en los tipos de tecnologías que están
utilizando. Los autores destacan en especial esta necesidad en la pesquería de DCPd, donde los índices
tradicionales de esfuerzo pesquero, como el tiempo de búsqueda, no tienen sentido. Se propuso una recopilación
sistemática de las variables seleccionadas, así como su utilización en la estandarización de la CPUE para los
túnidos relacionada con los DCPd.
47
El Grupo acogió con satisfacción los esfuerzos que se están realizando y respaldó plenamente esta propuesta
como una forma de mejorar la información sobre estas pesquerías para las que la estandarización de la CPUE ha
sido habitualmente bastante problemática.
El documento SCRS/2015/105 informaba sobre el trabajo llevado a cabo durante esta reunión de preparación de
datos en la estandarización de los índices de cerco. El Grupo comentó los resultados preliminares y sugirió
explorar varios tratamientos alternativos. Una prioridad identificada era la necesidad de reflejar de forma precisa
el esfuerzo que es probable que encuentre patudo, por ejemplo mediante filtros espaciales o teniendo en cuenta
los niveles cambiantes del uso de DCP, con el fin de evitar los sesgos introducidos por cambios en los métodos
de la flota o la distribución espacial de las operaciones. El Grupo de trabajo recomendó que este trabajo se
continúe en preparación para la reunión de evaluación de stock.
6.4 Diagnósticos del índice de CPUE
Para la reunión, se elaboró una tabla de indicadores que describe los índices de CPUE, siguiendo las
recomendaciones del Grupo de trabajo sobre métodos de evaluación de stock (WGSAM) (Tabla 8) y para usarla
potencialmente en las discusiones sobre la adecuación de los índices de CPUE para la evaluación. Los valores
específicos en la tabla reflejan evaluaciones subjetivas de cada índice individual y se incluyeron únicamente para
facilitar la discusión.
Se realizó un análisis de los índices de abundancia disponibles como forma de evaluar las desviaciones
interanuales, para proporcionar información adicional para la evaluación de los índices. El método para
identificar desviaciones "biológicas no plausibles" (SCRS/2012/039) se aplicó a todos los índices. En este
enfoque, el máximo aumento "plausible" de la biomasa del stock en un año sería el predicho por la r asumida y
el nivel de biomasa relativa si no se pescara (incluso aunque se esté pescando). Se asumió que el máximo
descenso "plausible" de la biomasa del stock en un año sería una reducción de no más del 50% de la población.
Observando que este método, aislado, no es una indicación de que un índice pueda no ser útil para la
modelación, sí indica cuándo podría existir una variabilidad interanual grande. Asumimos una r de 0,4
basándonos en la estimación media de los tres ensayos de ASPIC de 2010 utilizados para formular el
asesoramiento. También asumimos que todos los índices empezaban con una B/K de 0,5. Además se llevó a
cabo un análisis de sensibilidad con una r=0,7.
Varios de los índices mostraban desviaciones interanuales fuera de límites plausibles en más del 20% de los
años: Marruecos (82%), índices de Uruguay (78,39 y 54%), cebo vivo de las Azores (53%) y palangre
estadounidense en número (21%), tal y como se muestra en la Tabla 9 y la Figura 8. Para el índice marroquí, las
desviaciones eran bastante grandes. Para la prueba de r=0,7, los mismos índices mostraban un porcentaje
similarmente alto de desviaciones, excepto el índice de Estados Unidos, que caía hasta el 18% en número. Los
resultados eran generalmente los mismos con una r de 0,4 que con una de 0,7. Dos años del índice de palangre
japonés (1975 y 1976), señalados como desviaciones no plausibles en 1975 y 1977 representaban desviaciones
excepcionales que sugieren un patrón extraño de las tasas de captura que podrían ser más explorados.
Este método de evaluar si las desviaciones son incoherentes con la dinámica del modelo de producción está
configurado para permitir unos amplios límites de plausibilidad, por ejemplo, asumiendo un elevado valor para
la explotación, asumiendo que todas las extracciones se producen al final del año y asumiendo que B1/K = 0,5.
Si se asume que B1/K=1 al inicio de la serie temporal de un índice, entonces no habría sido posible ningún
crecimiento y cualquier índice que aumentara no sería plausible.
Se mantuvo una discusión sobre los méritos de este enfoque para evaluar índices, y algunos participantes
consideraban que no es una medición que merezca la pena considerar y que sería más adecuado considerar el
rendimiento de los índices dentro del modelo. Se indicó que el rendimiento dentro del modelo no era un criterio
para evaluar si un índice es adecuado durante la reunión de preparación de datos y que los índices deberían
considerarse independientemente de su influencia o del rendimiento en los modelos. No obstante, este método
hace un supuesto de la dinámica como un modelo de producción y asume un valor para r. A pesar de las
inquietudes respecto a la utilidad del método, el Grupo consideró los resultados como una parte de un conjunto
de mediciones con las que evaluar los índices.
48
6.5 Uso de los índices de CPUE en modelos de evaluación de stock
La Tabla 10 muestra los índices de abundancia, especificando el área/periodo y los datos utilizados, que se ha
acordado usar en diferentes modelos de evaluación. Los índices anuales (Tabla 11 y Figura 8) pueden usarse
para los modelos de producción y para los modelos estructurados por edad como el VPA, y los índices
trimestrales por año-trimestre (Tabla 12) para modelos más complejos como Stock Synthesis.
El Grupo acordó no generar un índice combinado ya que esto significa que no es posible evaluar el efecto de las
series de CPUE separadas en la evaluación. En su lugar, el Grupo prefirió incluir cada serie por separado en los
modelos de producción y comprobar su influencia en el ajuste al modelo de evaluación de stock.
7 Identificación de datos de entrada y especificaciones para los diferentes modelos de evaluación y
marco de asesoramiento
Todos los modelos requerirán datos de desembarques. Esta información puede ser simple, como desembarques
totales por año, o tan compleja como desembarques por pesquería, temporada y área. Los descartes o descartes
de ejemplares muertos, si se consideran importantes, deberían incluirse bien por separado (si la plataforma de
modelación lo acepta) o incluirse en la captura. De forma similar, todos los modelos requerirán al menos un
índice de abundancia. Al igual que los desembarques, puede ser una única CPUE o tan compleja como índices
separados por pesquería, temporada y área.
7.1 Especificaciones sobre mortalidad natural aplicables tanto a SS como al VPA
El grupo reevaluó los supuestos sobre mortalidad natural utilizados en VPA y SS. El Grupo de trabajo prefiere
no utilizar el anterior vector de mortalidad natural (Edad 0-1=0,8, Edades 2+=0,4) y recomendó el uso de una
función de mortalidad natural de Lorenzen (2005) desarrollada por el Grupo en 2009 y confirmada en 2015. La
mortalidad natural específica de la edad se derivó usando una función Lorenzen (2005) con la M=0,2794 de
referencia en las clases de edad "plenamente seleccionadas" (1-15). La M de referencia se aproximó usando una
edad máxima de 15 (Hoenig, 1983). El valor para el grupo plus (edad 8+ o 7+) procede de la media ponderada
de ampliar la estimación de M hasta las edades 7-20. El vector M se desarrolló usando la curva de crecimiento de
Hallier et al. (2005) y una compensación de 0,5 años para obtener una estimación en la mitad del año del periodo
M, y además una compensación para tener en cuenta la fecha de nacimiento asumida de febrero en el VPA
(Tabla 13, Figura 10). Los vectores que examinan las sensibilidades a una M mayor o menor se obtuvieron
incrementando o decreciendo la M objetivo en un 25%.
7.2 Requisitos de datos para VPA2-Box
Respecto al VPA-2Box, el grupo propuso las siguientes especificaciones. El VPA se ejecutará usando datos del
periodo 1975-2014. La captura por edad total (todas las flotas combinadas) se calculará utilizando una rutina de
separación de edades (filo de cuchillo) y la base de datos de captura por talla de ICCAT. Las matrices de captura
por edad se desarrollarán, como mínimo, hasta la edad 15 para permitir la exploración de la especificación del
grupo plus. El Grupo recomendó que se examinaran las edades 0-7+ (como en 2010), pero que se consideraran
configuraciones adicionales del grupo plus (por ejemplo 12+). Utilizando la curva de crecimiento actual (Hallier
et al., 2005), la edad 7 corresponde a una talla de aproximadamente 165 cm. Por ello, existe la posibilidad de un
crecimiento importante dentro del grupo plus, pero la separación de edades podría no respaldar la partición
práctica de edades más allá de esto. De ahí que será crítico evaluar las especificaciones de la ratio de F, que
fueron modeladas con un desarrollo aleatorio en la evaluación de 2010.
El modelo utilizará índices de tasas de captura y la captura por edad específica de cada flota para las flotas de
palangre de Japón, Uruguay, Estados Unidos y Taipei Chino (véase la Tabla 11). El Grupo examinó también un
índice para el cerco europeo que se decidió no incluir en el VPA. Sin embargo, se trabajará en este índice en el
periodo intersesiones y podría utilizarse como ensayo de sensibilidad. Se prepararon también los índices para el
cebo vivo de Azores y el palangre marroquí, pero no se recomendaron para el VPA (véase la sección 6).
Antiguamente se disponía de un índice de palangre brasileño, pero este índice no se actualizó en 2015. El Grupo
recomendó que este índice fuera excluido de los modelos VPA de 2015.
El Grupo recomendó que se exploraran las ponderaciones de los índices usando dos enfoques: 1) ponderación
igual de todos los índices usando un CV por defecto de 0,2 (supuesto de 2010) y 2) ponderando los índices
estimando libremente una única varianza escalada para el índice, estimando luego los demás valores para las
varianzas escaladas como una desviación de dicho parámetro.
49
El Grupo recomendó el uso de los parámetros biológicos actualmente adoptados por el SCRS para el patudo,
excepto el vector de mortalidad natural para el que el Grupo acordó usar los nuevos valores incluidos en la
Tabla 13.
Para los índices facilitados en números, se requiere una matriz de peso por edad anual. Con este fin, el grupo
recomendó el uso del peso medio anual por edad de las pesquerías correspondientes (es decir, desembarques de
la flota en kg/número de peces desembarcados). El VPA requiere también una matriz anual de fecundidad por
edad. El Grupo recomendó calcular una aproximación, peso por edad, como los desembarques totales en
kg/número de peces desembarcados durante el Trimestre 1 dado que se asume que el pico de desove va a ocurrir
en el Trimestre 1 (es decir, febrero de 2015).
El Grupo mantuvo todas las demás parametrizaciones del caso base del modelo VPA de 2010 (a saber,
penalización a la vulnerabilidad, sin penalización al reclutamiento reciente, sin penalización a la relación stock
reclutamiento, especificaciones del índice).
El Grupo recomendó los siguientes ensayos de sensibilidad: 1) ampliar el grupo plus en la medida de lo posible,
2) usar los vectores de M de Lorenzen altos y bajos desarrollados para los modelos de Stock Shynthesis, 3) usar
la curva de crecimiento de dos estanzas recomendada para recalcular la CAA y en las proyecciones. Este ensayo
de sensibilidad requeriría también recalcular el vector M Lorenzen de base.
Para las proyecciones, la fecha pico de desove se ha ajustado y es ahora el 15 de febrero. Esto requerirá el ajuste
de los "parámetros de compensación" en los archivos de control de la proyección. La matriz de peso por edad
(WAA) que sirve de referencia para la biomasa del stock reproductor debería ajustarse tal y como se describe
más arriba. Debería permitirse que el grupo plus creciera durante las proyecciones de acuerdo con las ecuaciones
de crecimiento por defecto (Hallier et al. 2005) y de dos estanzas. Para el ensayo de sensibilidad con la curva de
crecimiento de dos estanzas, esto puede incluirse en las proyecciones utilizando la talla por edad observada para
el periodo histórico y permitiendo al grupo plus que crezca de acuerdo con el modelo de dos estanzas, sin
recodificar Pro2Box para acomodar curvas de crecimiento alternativas.
7.3 Requisitos de datos para ASPIC
El modelo ASPIC requiere los desembarques totales y al menos un índice de abundancia. Uno de los supuestos
clave con un modelo de producción excedente como ASPIC es que todos los peces están totalmente
seleccionados. En modelos ASPIC anteriores, se usan bien índices únicos de palangre o bien índices de biomasa
combinados. El índice combinado se creó utilizando diferentes métodos de combinación basados en la
ponderación igual, la ponderación por captura o por el área pescada. Otros índices combinados solo utilizaban
los años desde 1971 en adelante o excluían bien el palangre japonés o el palangre de Taipei Chino anteriores a
1970. La práctica general en ICCAT ha sido usar bien las CPUE individuales o bien crear una CPUE única
combinada, cuando los modelos de producción no pueden conciliar índices individuales divergentes. En general,
los modelos de producción no deberían incluir índices contradictorios en el mismo ensayo. Sin embargo, trabajos
recientes (SCRS/2015/073) aconsejan en contra de usar índices combinados, indicando que el uso de índices
individuales es más adecuado.
7.4 Requisitos de datos para Stock Synthesis (SS)
Se indicó que el ejercicio de modelación de SS requeriría tomar varias decisiones importantes, más allá de las
tomadas para el modelo VPA-2Box. Aunque podría ser deseable una mayor complejidad del modelo para
capturar ciertos matices de la pesquería, esto implicaría un equilibrio entre la inversión de tiempo en el
desarrollo del modelo, su ejecución y el examen de los diagnósticos. Las decisiones más fundamentales serían la
estructura de la flota y posibles divisiones dentro del tiempo (temporadas) y el espacio (áreas). La evaluación
anterior de patudo utilizó MFCL, que se dividió en cuatro temporadas y tres áreas. Se discutió si continuar con
esta configuración dentro del marco de SS, pero se indicó que si se continúa con esta configuración, cada uno de
los índices de abundancia debería ser rehecho con el fin de ajustarse a esta configuración.
Se presentó una propuesta al grupo de trabajo sobre posibles configuraciones del modelo para su consideración.
La propuesta incluía dos funciones de crecimiento (Hallier et al. 2005) y una similar a la utilizada por la IOTC,
tres mortalidades naturales basadas en una función Lorenzen y tres valores de inclinación. Esta matriz se diseñó
para intentar incorporar el eje principal de la incertidumbre biológica. El Grupo discutió la posibilidad de una
selectividad que varía también en el tiempo y la capturabilidad de la flota. Aunque se reconocieron los cambios
50
en la capturabilidad en una o más de las flotas de palangre, no se disponía de datos externos claros con los que
guiar el parámetro variable en el tiempo. El Grupo convino en que el modelo inicial contaría con la función de
crecimiento de Hallier et al. (2005), la mortalidad natural de Lorenzen tal y como fue calculada previamente por
el Grupo, una inclinación de 0,80 y una capturabilidad constante para la serie temporal de CPUE de Japón.
Se observó que el ejercicio de modelación de SS requiere mucho más trabajo que las demás plataformas y que
muchos de los conjuntos de datos necesarios para construir el modelo SS no estarían preparados hasta varias
semanas después de la reunión de preparación de datos. Teniendo en cuenta el breve periodo entre la llegada
prevista de todo el conjunto de datos necesario para ejecutar el modelo SS y el inicio de la reunión de evaluación
de patudo (estimado en 6 semanas), se indicó que se harán todos los esfuerzos necesarios para completar el
modelo SS, pero que el poco tiempo disponible podría impedir que se completara todo el conjunto de análisis
solicitados.
Se tomaron las siguientes decisiones:
1. El primer año de la evaluación con SS será 1950. El último año de evaluación será 2014 y los índices
serán hasta 2014 inclusive.
2. Se mantendrá la configuración espacio/tiempo de las cuatro temporadas y las tres áreas (Figura 11).
3. La estructura de la flota permanecerá igual que la utilizada en la evaluación de 2010.
4. Datos de talla: Eliminar las tallas del cerco de 1967-1975 debido a un muestreo sesgado.
5. Los índices de CPUE se asignarán a tres áreas de la manera siguiente:
a) Área 1: Azores BB, Japón_Area1, Estados Unidos LL;
b) Área 2: Japón_Area2, Taipei-Chino;
c) Área 3: Japón_Area3, Uruguay;
d) Se recordó al Grupo que cada una de las series temporales de CPUE debería hacerse trimestralmente.
e) El Grupo de trabajo recomienda no utilizar los índices de cerco disponibles.
6. Las tendencias en los CV para cada una de las CPUE se mantendrán pero se establecerá un mínimo del 20 por ciento.
7. Las edades 0-8 se usaron anteriormente. Aunque se discutió si ampliar la estructura por edad a la edad 15, se tomó la decisión de no hacerlo.
8. Los descartes no se considerarán debido a la falta de evidencia de que sean significativos.
9. Se demostró que los datos de marcado no tuvieron virtualmente influencia en el resultado del modelo de 2010 y que las tasas de comunicación diferenciales hicieron que los datos no fueran útiles. Por tanto, se decidió no usarlos hasta que puedan ser más exhaustivamente examinados.
7.5 Diagnósticos del modelo Los documentos SCRS/2015/023 y SCRS/2015/073 presentaban algunos diagnósticos potenciales basados en la evaluación de ASPIC de 2010. En cada ensayo de la evaluación de ASPIC se utilizó una única serie de CPUE. Eran índices compuestos creados usando un GLM ad hoc con las series de CPUE que habían sido estandarizadas por CPC. Se consideraron varias especificaciones de la evaluación de stock, es decir, i) supuestos iniciales para parámetros estimados, ii) forma de la función de producción y iii) B0/K. En total, se ejecutaron 96 especificaciones, de las cuales tres fueron elegidas para seguir adelante y formular el asesoramiento de ordenación. Los diagnósticos presentados incluían perfiles de verosimilitud para comprobar la convergencia y el impacto de los datos en las estimaciones de parámetros y la consecuencia de fijar los parámetros. Se ejecutó un jack-knife para comprobar el sesgo debido a parámetros altamente correlacionados o mal definidos, la falta de convergencia del modelo y los datos no informativos. Se ejecutó también una verificación cruzada, en forma de simulación retrospectiva (Kell et al. presentado), para comprobar la capacidad del índice de CPUE de proporcionar un índice de abundancia representativo e informativo para la evaluación. Los diagnósticos mostraron varios problemas (a saber, mínimo local, parámetros correlacionados, dificultades al elegir la forma de la función de producción o B0 basado solo en los datos), como por ejemplo que los puntos únicos pueden tener una gran influencia y sesgo en las estimaciones de la simulación Monte Carlo que indica problemas con el modelo y los datos e indicaban que la evaluación tiene poco poder predictivo.
51
Los diagnósticos son genéricos y pueden aplicarse a modelos que usan otros conjuntos de datos y estiman más
parámetros y por ello pueden usarse para comparar modelos con diferentes estructuras. A medida que aumenta la
complejidad de los modelos, los diagnósticos se vuelven más importantes para entender la robustez de las
estimaciones y cómo se reflejan en el asesoramiento. Los diagnósticos también hacen que el proceso de
evaluación de stock sea más transparente y ayudan a identificar dónde se requieren más conocimientos y mejores
datos.
Se sugirió una posible estrategia para ejecutar la evaluación de stock, es decir, acordar con antelación las
hipótesis y las pruebas de la bondad del ajuste, identificar grupos de índices usando un análisis de
conglomeración jerárquico, llevar a cabo una simulación para evaluar la capacidad de la evaluación de
proporcionar un asesoramiento robusto y antes de estimar la probabilidad basada en el estado del stock usar el
Jack-Knife o el bootstrap para comprobar si hay problemas con los datos o errores en las especificaciones del
modelo. Se ha criticado a los modelos de dinámica de la biomasa (por ejemplo, Maunder, 2003) por ser
demasiado simplistas para capturar la dinámica real de la población. Sin embargo, si un modelo simple puede
proporcionar asesoramiento sobre el estado del stock en relación con puntos de referencia y predecir la respuesta
de un stock a la ordenación, podría no ser necesario usar un modelo más complicado (Ludwig y Walters, 1985).
Ni la forma del modelo ni sus parámetros están pensados para proporcionar una representación precisa de la
dinámica de la población. En su lugar, se ha demostrado mediante la MSE que cuando se usa como parte integral
de una estrategia de ordenación con HCR, un modelo de dinámica de biomasa puede permitir un cálculo robusto
y el establecimiento de límites de capturas (Butterworth y Punt, 1999 y véase http://iccat-mse.github.io/ para la
MSE del Atlántico norte que está evaluando el marco de asesoramiento actual basado en un modelo de dinámica
de la biomasa).
8 Examen de los progresos del Programa de marcado
El Grupo fue informado acerca de la situación actual y de los progresos del Programa de marcado para los
túnidos tropicales en el océano Atlántico (AOTTP). El Grupo fue informado de que el contrato entre EU DG-
DevCo e ICCAT está a la espera de ser firmado, y está previsto que lo sea a finales del mes de mayo. Una vez
que el contrato esté firmado, ICCAT procederá a contratar al Coordinador del Programa de marcado, así como a
los responsables financiero y administrativo. El Coordinador será responsable de elaborar los términos de
referencia para los contratos de las 6 personas que contratará ICCAT para llevar el AOTTP (1 coordinador de
publicidad y recuperación de marcas, 1 ayudante para el Coordinador jefe, 1 contable y 2 personas para
introducir datos). Una vez que el equipo del AOTTP esté establecido, desarrollarán un plan de trabajo detallado
con el fin de iniciar las actividades de marcado a principios de 2016, y posteriormente se iniciarán las campañas
de recuperación de marcas a mediados de 2016.
El Grupo señaló que la UE financiará el 80% del AOTTP y, por tanto el restante 20% debe ser cofinanciado por
otras Partes contratantes (10% en efectivo y 10% en contribuciones en especie), agencias de financiación, el
sector privado o las ONG. La Secretaría ha contactado con varias CPC y alguna de ellas ha expresado su interés
en cofinanciar el AOTTP, aunque no han informado sobre el porcentaje exacto de la cofinanciación. Por lo tanto,
el Grupo recomendó a la Secretaría que continúe contactando con otros posibles donantes.
El Grupo indicó que el AOTTP no solo tiene recursos para implementar el programa de marcado y recuperación,
sino que también tiene recursos para llevar a cabo varios análisis con los datos de marcado (véase el plan de
trabajo y presupuesto del AOTTP). El Grupo considera que esto es muy importante para asegurar el éxito del
programa de marcado.
El Grupo también debatió la implicación del grupo de especies de túnidos tropicales en el proyecto. En este
sentido, se indicó que se celebrarían 2 reuniones del grupo de especies de túnidos tropicales antes de que el
proyecto inicie las actividades de marcado y, por tanto, se recomienda incluir en el orden del día de ambas
reuniones un punto para discutir el diseño detallado y el plan de trabajo para lograr los objetivos del AOTTP.
Dado que el Coordinador se contratará en julio/septiembre, el Grupo recomienda que el coordinador del AOTTP
presente el plan de trabajo y el diseño del AOTTP al grupo de especies tropicales en la reunión de evaluación de
patudo de julio, si es posible, o durante la reunión del grupos de especies de septiembre. De esta forma, el Grupo
de especies tendrá la oportunidad de discutir el plan de trabajo diario y recomendar ajustes si fuera necesario.
52
Además, el grupo fue informado de que el AOTTP contará con un Comité directivo con la participación del
Presidente del SCRS, los relatores de las especies tropicales, expertos externos, el Coordinador del Proyecto y la
Secretaría. El Grupo de trabajo considera que el Comité directivo debería tener una representación geográfica
equilibrada. Esto permitirá al Grupo de especies tropicales estar informado sobre el progreso del programa de
marcado de forma continua y los detalles y el progreso del trabajo se presentarán en las reuniones del grupo de
especies tropicales y del SCRS.
El Grupo observó que el grupo de especies tropicales puede contribuir a identificar posibles muestras adicionales
a recopilar y los análisis que deben realizarse para un futuro proyecto aprovechando la amplia cobertura de
muestreo debida al programa de marcado. Así, por ejemplo, se discutió la posibilidad de recopilar y almacenar
muestras genéticas de los peces marcados para ampliar el análisis con otros enfoques.
9 Recomendaciones
9.1 Presentación de datos
Todos los países que no hayan presentado datos de Tarea I y Tarea II para 2014 (y años anteriores)
deben hacerlo antes del 22 de mayo de 2015 en el formato adecuado de ICCAT. Estos datos son
esenciales para la evaluación de stock y las proyecciones de población que se realizarán durante la
reunión de evaluación de julio. Solo los datos proporcionados a la Secretaría de ICCAT antes de la
fecha límite, en el formato adecuado de ICCAT, se utilizarán para preparar la información requerida
para la evaluación. Por el contrario, las estimaciones de Tarea I para aquellos países que haya acordado
el Grupo, se utilizarán para la captura nominal,
Llevar a cabo una nueva revisión y consolidación de los desembarques peso y talla de los peces por
especies) y de la captura por talla de Ghana para el periodo 2006-2014 antes del 8 de junio de 2015 para
que puedan ser incorporados en la Tarea I y la Tarea II para la evaluación de stock.
Los científicos de la UE llevarán a cabo un análisis estadístico de los cuadernos de pesca y los datos de
muestreo de los cerqueros de la UE (y de la flota de pabellones asociada) para revisar la actual
metodología que se utiliza para estimar las capturas y tallas por especies de la flota de cerco. Este
estudio debería centrarse, en orden de prioridad: (1) en la revisión e identificación de los mejores
estratos espacio/temporales que deberían utilizarse en el tratamiento de los datos y (2) en la revisión de
los criterios básicos a utilizar en un sistema de tratamiento de los datos mejorado (por ejemplo, respecto
a los niveles mínimos de muestras usadas, tasa de muestreo y número de peces medidos y, cuando sea
necesario, las normas usadas en la sustitución de estratos).
El Grupo de trabajo recomienda continuar la recuperación de las estadísticas pesqueras de Angola, en
particular para las especies de túnidos tropicales. El Grupo respalda los esfuerzos de la Secretaría y el
programa JCAP para seguir trabajando con los científicos de Angola y las CPC involucradas que
capturas túnidos tropicales en la ZEE de Angola (flotas extranjeras) para confirmar el nivel de capturas
y si dichas capturas han sido declaradas a ICCAT. El Grupo solicita que para la próxima reunión del
Grupo de especies se presente un informe.
El Grupo examinó y comparó la captura por talla actualizada de patudo facilitada por Japón y la que
está actualmente disponible en la Secretaría. Se hallaron diferencias en las distribuciones de frecuencias
de talla por años y los números totales estimados de peces capturados por año. Cuando los
desembarques estimados se compararon con la Tarea I declarada, se hallaron también diferencias
significativas en algunos años. El Grupo ha solicitado a Japón que examine estas diferencias e informe
al Grupo de la razón de las mismas, indicando cuál serán las mejores estimaciones científicas de la
captura total.
El Grupo examinó la actualización de faux poisson por especies y país e integró dicha revisión en los
datos de Tarea I y en los desembarques de faux poisson. Sin embargo, el Grupo se mostró preocupado por la posibilidad de que alguna parte de estas capturas pudiera estar contabilizada dos veces en la Tarea I ya que pueden declararse también en los cuadernos de pesca. Por tanto, el Grupo recomienda que las CPC revisen e identifiquen si las capturas de faux poisson están incluidas en los cuadernos de pesca con el fin de evitar el doble cómputo de estas capturas. El Grupo consideró también sustituir el término faux poisson, actualmente usado como una categoría en las bases de datos de ICCAT, por un nombre más descriptivo como mercado local. Sin embargo, el Grupo consideró que esta decisión debería aplazarse hasta la próxima reunión del Subcomité de estadísticas.
53
El Grupo preguntó a la Secretaría acerca de la calidad de las estadísticas pesqueras (Tarea I y Tarea II)
presentadas por las diferentes CPC. Se ha diseñado un formulario que se circulará a las principales CPC
de captura solicitando detalles de sus programas de muestreo y recopilación de datos, así como de los
protocolos para la estimación de estadísticas pesqueras en otros Grupos de trabajo de ICCAT. Se
recomendó proponer un formulario similar para las pesquerías de túnidos tropicales con el fin de
proporcionar al Grupo información que pueda utilizarse para evaluar la calidad de los datos pesqueros
presentados.
Dentro del plan global para mejorar las estadísticas de Ghana, en 2014, el SCRS recomendó desarrollar
y aplicar el software necesario para el tratamiento de las estadísticas de Ghana. En su reunión anual de
2014, la Comisión consideró que esta actividad podría financiarse a través de otras fuentes (por
ejemplo, JCAP) y no la incluyeron en la lista de las actividades que aprobó la Comisión. El presupuesto
estimado del JCAP para 2015 no podrá cubrir el coste total de este proyecto. Por tanto, el Grupo
recomienda que la Secretaría busque fondos alternativos para llevar a cabo esta actividad.
9.2 Mejoras en los conocimientos biológicos
Debido a la falta de datos sobre biología reproductiva del patudo, y a la importancia de estos datos en
todos los enfoques de los modelos de evaluación de stock, el Grupo recomendó, como cuestión
prioritaria, que se lleven a cabo estudios sobre biología reproductiva (madurez, fecundidad...) lo antes
posible.
El Grupo de trabajo recomienda que se obtengan observaciones directas de la talla por edad, bien
históricas o actuales, para permitir la estimación del crecimiento en un modelo integrado como los
modelos estadísticos de captura. Esto podría hacerse mediante lecturas directas de otolitos u otros
métodos de determinación directa de la edad junto con la información sobre crecimiento procedente del
marcado.
9.3 Programa de marcado (AOTTP)
El Grupo señaló que la UE financiará el 80% del AOTTP y, por tanto el restante 20% debe ser
cofinanciado por otras Partes contratantes (10% en efectivo y 10% en contribuciones en especie). El
Grupo de trabajo recomienda que la Secretaría continúe contactando con posibles donantes.
Es necesario respaldar los continuos esfuerzos y la participación en el Comité directivo del Programa de
marcado de túnidos tropicales en el Atlántico para mantener una comunicación fluida entre el Grupo de
especies tropicales y el Programa de marcado.
El Grupo de trabajo recomienda a las CPC que participen en la financiación con el fin de alcanzar el 20%
necesario para la cofinanciación del AOTTP.
El Grupo de trabajo recomienda que el Comité directivo del AOTTP debe intentar tener una
representación geográfica equilibrada.
9.4 Metodologías de evaluación
El Grupo recomienda que aquellos índices trimestrales de CPUE que se vayan a usar en SS estén
disponibles antes de la primera semana de junio.
Las Secretaría de ICCAT deberá preparar los datos de captura por talla antes del 30 de mayo de 2015 y
proporcionarlos a los científicos en preparación para la reunión de evaluación. Estos datos los utilizará el
Grupo de trabajo en la estimación de la captura por edad antes del inicio de la reunión.
El Grupo de trabajo debe finalizar la preparación de los datos para el VPA y el SS-3 hasta 2014 por
correspondencia antes de la reunión de evaluación. Esto debe hacerse en coordinación con el personal de
la Secretaría que facilitará los datos de captura y esfuerzo utilizados en el desarrollo de los archivos de
entrada del VPA y el SS-3 antes de la segunda semana de junio.
54
10 Otros asuntos
No se debatieron otros asuntos.
11 Adopción del informe y clausura
El informe fue adoptado durante la reunión.
El Presidente expresó su agradecimiento a los participantes por el gran trabajo realizado.
La reunión fue clausurada.
TABLEAUX
Tableau 1. Relations longueur-longueur et poids-poids comparées aux formules adoptées par l'ICCAT dans le
SCRS/2015/096.
Tableau 2. Paramètres biologiques et coefficients de conversion pour le thon obèse. (Source : Manuel de
l’ICCAT).
Tableau 3. Estimations des prises (t) de thon obèse (BET, Thunnus obesus) de la Tâche I par zone, engin et
pavillon (les séries de capture du Ghana de 2006 à 2014 pourraient changer pour l'évaluation). Les estimations
du faux poisson sans association de pavillon (navires de charge) entre 2005 et 2011 (cellules ombrées) ont été
ajoutées comme pavillons mixtes (flottille tropicale de l'UE).
Tableau 4. Catalogue standard du SCRS sur les statistiques (Tâche I et Tâche II) de thon obèse par stock,
principale pêcherie (combinaisons pavillon/engin classées par ordre d'importance) et année (1995 à 2014).
Seules les pêcheries les plus importantes (représentant environ 98% de la prise totale de Tâche I) sont présentées.
Chaque série de données de la Tâche I (DSet= “t1”, en tonnes) est représentée par rapport au schéma de
disponibilité équivalent de la Tâche II (DSet= “t2”). Le schéma de couleurs de Tâche II présente une
concaténation de caractères (“a”= T2CE existe; “b”= T2SZ existe; “c”= CAS existe) qui représente la
disponibilité des données de Tâche II dans la base de données de l'ICCAT.
Tableau 5. Séries de capture de faux poissons actualisées de la Tâche I (toutes les espèces, t) obtenues du
document SCRS/2015/072. Pour la période 1982-2004, les ratios de BET, SKJ et YFT utilisés pour diviser les
thonidés non classifiés (TUN) étaient respectivement 9,7%, 75,7% et 14,6% (adoptés dans l'évaluation du stock
de listao, Dakar 2014).
Tableau 6. Jeux de données dans l'information de taille de la Tâche II (CAS ou T2SZ) identifiés comme
problématiques (voir remarques) et non utilisés dans les estimations de la CAS totale (à effacer du système de
base de données de l'ICCAT).
Tableau 7. Estimations préliminaires de la composition globale des tailles (toutes les pêcheries) des captures
(matrice de CAS) par année (1975-2014) et classes de longueur (longueur droite à la fourche, limite inférieure de
5 cm). Les captures équivalentes au poids de la CAS représentent un indice approchant (±2% de différence) des
captures totales en tonnes de la Tâche I.
Tableau 8. Tableau récapitulatif d'évaluation de la CPUE. L'évaluation a été réalisée en suivant les critères
définis par le Groupe de travail sur les méthodes d’évaluation des stocks.
Tableau 9. Indices de CPUE et limites de plausibilité pour chaque indice.
Tableau 10. Indices disponibles et application du modèle.
Tableau 11. Indices de CPUE disponibles.
Tableau 12. Indices de CPUE disponibles devant être utilisés dans les modèles trimestriels (il convient de noter
que certains indices sont en attente).
Tableau 13. Vecteurs de mortalité naturelle obtenus pour les modèles structurés par âge.
55
TABLAS
Tabla 1. Relaciones talla-talla y peso-peso comparadas con las fórmulas adoptadas por ICCAT en el
SCRS/2015/096.
Tabla 2. Parámetros biológicos y factores de conversión para el patudo. (Fuente: Manual de ICCAT).
Tabla 3. Capturas estimadas de Tarea I (t) de patudo (Thunnus obesus, BET) por área, arte y pabellón (las series
de captura de Ghana desde 2006 hasta 2014 podrían cambiar para la evaluación). Las estimaciones de faux
poisson sin una asociación de pabellón (buques de transporte) entre 2005 y 2011 (celdas sombreadas) se
añadieron como pabellones mixtos (UE tropical).
Tabla 4. Catálogos estándar del SCRS de estadísticas (Tarea I y Tarea II) del patudo por stock, pesquería
principal (combinaciones pabellón-arte clasificadas por orden de importancia) y año (1995 a 2014). Solo se
muestran las pesquerías más importantes (que representan aproximadamente el 98% de la captura total 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 tiene una concatenación de caracteres (“a”= T2CE
existe; “b”= T2SZ existe; “c”= CAS existe) que representa la disponibilidad de datos de Tarea II en las bases de
datos de ICCAT].
Tabla 5. Series de captura actualizadas de faux poisson de Tarea I (todas las especies, t) obtenidas del
documento SCRS/2015/072. Para el periodo 1982 a 2004, las ratios de patudo, listado y rabil utilizadas para
separar los túnidos sin clasificar (TUN) eran, respectivamente, 9,7%, 75,7% y 14,6% (adoptadas en la evaluación
de stock de listado, Dakar 2014).
Tabla 6. Conjuntos de datos de la información sobre tallas de Tarea II (CAS o T2SZ) identificados como
problemáticos (véase el apartado observaciones) y no utilizados en las estimaciones de la CAS total (a eliminar
del sistema de bases de datos de ICCAT).
Tabla 7. Estimaciones preliminares de la composición por tallas total (todas las pesquerías) de las capturas
(matriz de CAS) por año (1975-2014) y clases de talla (longitud a la horquilla recta, 5 cm el límite inferior). Las
capturas equivalentes al peso en CAS representan una aproximación (±2% de diferencia) de las capturas totales
de Tarea I en toneladas.
Tabla 8. Tabla resumen de evaluación de la CPUE. La evaluación se realizó siguiendo los criterios definidos por
el Grupo de trabajo sobre métodos de evaluación de stock (WGSAM).
Tabla 9. Índices de CPUE y límites de plausibilidad para cada índice.
Tabla 10. Índices disponibles y aplicación en el modelo.
Tabla 11. Índices de CPUE disponibles.
Tabla 12. Índices de CPUE disponibles para usar en los modelos trimestrales (cabe señalar que algunos índices
están aún pendientes).
Tabla 13. Vectores de mortalidad natural derivados para los modelos estructurados por edad.
FIGURES
Figure 1. Total des prises de thon obèse de la Tâche I (t) par année et engin principal.
Figure 2. Fonctions de densité de probabilité de la température (gauche) et de la profondeur (droit) du thon
obèse (n=8) à diverses bandes de latitude de 10º pour le jour (rose) et la nuit (bleu).
Figure 3. Comparaison de l'actualisation de la CAS japonaise avec la série fournie à la dernière évaluation de
2010 en nombre total de poissons.
56
Figure 4. Comparaison des distributions cumulées des fréquences de tailles de la mise à jour de la CAS
japonaise par rapport à la série fournie à la dernière évaluation de 2010. La ligne déplacée vers la droite indiquait
la fréquence des tailles des poissons de plus grande taille.
Figure 5. Capture cumulée de la Tâche I et exportations pour les CPC qui déclarent l'engin de palangre soit
exclusivement, soit quasi exclusivement.
Figure 6. Capture cumulée de la Tâche I et exportations pour les CPC qui déclarent exclusivement la canne et
moulinet et l'engin de palangre.
Figure 7. Capture cumulée de la Tâche I et exportations pour les CPC qui déclarent des combinaisons de
palangre, canne et moulinet et senne.
Figure 8. Tous les indices de CPUE disponibles, échelonnés à la moyenne commune, si disponible.
Figure 9. Évaluation des déviations graves de la dynamique du modèle de production.
Figure 10. Vecteurs de mortalité naturelle obtenus pour les modèles structurés par âge.
Figure 11. Zones spatiales pour la construction de l'indice et le modèle SS.
FIGURAS
Figura 1. Capturas totales de Tarea I de patudo (t) por año y arte principal.
Figura 2. Funciones de densidad de probabilidad de la temperatura (izquierda) y la profundidad (derecha) del
patudo (n=8) en varias bandas de latitud de 10º para el día (rosa) y la noche (azul).
Figura 3. Comparación de la actualización de la CAS de Japón frente a las series facilitadas en la última
evaluación de 2010 en número total de peces.
Figura 4. Comparación de las distribuciones acumuladas de frecuencias de tallas de la CAS japonesa con la
serie facilitada en la última evaluación de 2010. El desplazamiento de la línea a la derecha indicaba las
frecuencias de tallas de peces más grandes en total.
Figura 5. Captura acumulativa de Tarea I y exportaciones para las CPC que exclusivamente o casi
exclusivamente declaran palangre.
Figura 6. Captura acumulativa de Tarea I y exportaciones para las CPC que exclusivamente declaran cerco y
cebo vivo.
Figura 7. Captura acumulativa de Tarea I y exportaciones para las CPC que declaran combinaciones de cerco,
palangre y cebo vivo.
Figura 8. Todos los índices de CPUE disponibles, escalados a una media común cuando se dispone de ella.
Figura 9. Evaluación de desviaciones graves de la dinámica del modelo de producción.
Figura 10. Vectores de mortalidad natural derivados para los modelos estructurados por edad.
Figura 11. Áreas para la elaboración del índice y el modelo SS.
APPENDICES
Appendice 1. Ordre du jour.
Appendice 2. Liste des participants.
Appendice 3. Liste des documents.
APÉNDICES Apéndice 1. Orden del día
Apéndice 2. Lista de participantes.
Apéndice 3. Lista de documentos.
57
Table 1. Length-length and weight-weight relationships compared with adopted formulas by ICCAT in
SCRS/2015/096.
Item Formulation Notes Reference
Length - length
LD1 = - 21.451+5.28756 LF1/2
If LD1 > 48: LF=[(LD1+0.5+21.4510)/5.28756]2
LD1 range: 13-48 cm
N = 2853
ICCAT –
Champagnat and
Pianet (1974)
FL = 3.6299 x LD1 – 5.819 R2 = 0.8948
N = 5,365 SCRS/2015/96
Weight - weight
RWT = 1.16 x GWT FL range: 50.2-175.5 cm
N = 99
ICCAT – Morita
(1973)
RW = 1.145 x EW + 1.4084 R2 = 0.9971
N = 79 SCRS/2015/96
FL/LF: fork length in cm; LD1: pre-dorsal length in cm; RW/RWT: round weight in kg; EW/GWT: eviscerated
or gutted weight in kg.
Table 2. Biological parameters and conversion factors for bigeye tuna. (Source: ICCAT Manual).
Item Formulation Notes
Growth* )1(3.217 )709.0(18.0 tt eL
L=FL in cm;
t=years
Natural mortality* 0.8 for ages 0 and 1
0.4 for older ages
per year
Length-weight
9774.2510396.2 FLRWT
RWT=round
weight in kg
FL=fork length in
cm
Length conversion factor, LD1>48 cm
2
28756.5
45108.215.01
LDFL
FL =fork length in
cm
LD1=Lower jaw -
1st dorsal length in
cm
Length conversion factor, LD1<48 cm Consult www.iccat.int/Pubs_FieldManual.htm
Product conversion factor
GWTRWT 13.1
RWT=round
weight in kg
GWT=gilled and
gutted weight in
kg
Size at first maturity
Between 100 and 110 cm (0% mature for ages 0-
2, 50% at age 3, and 100 % for ages 4 onwards)
* A new natural mortality vector was agreed by the Group for the next SS and VPA assessments (see section 7 and Table 13).
* A new growth vector was also agreed by the Group to be used during SS3 assessment (see section 7).
58
Table 3. Estimated Task I catches (t) of bigeye tuna (BET, Thunnus obesus) by area, gear and flag (Ghana catch series from 2006 to 2014 could change for the assessment).
Estimations of faux poissons without a flag association (cargo vessels) between 2005 and 2011 (shaded cells) were added as Mix flags (EU tropical).
1950 1951 1952 1953 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 1964 1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981
TOTAL A+M 808 1651 2018 2951 2932 4808 2779 8720 4290 7732 9113 17060 23132 26039 23631 39394 25386 25252 23911 36889 42433 55866 47287 56991 64093 61301 45302 54880 52693 45975 63597 67869
Landings Bait boat 808 1651 2018 2951 2932 4808 2769 8266 3837 6254 6127 5805 7112 10927 5698 9822 5320 11434 3792 9770 10518 11846 9304 13620 17922 14636 9939 12758 14629 9591 12350 10124
Longline 0 0 0 0 0 0 10 454 453 1478 2986 11255 16020 15112 17928 29572 20046 13726 19683 24149 28526 39904 33293 38453 39535 41347 27847 29531 28796 27560 41677 41608
Other surf. 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 449 716 174 481 366 365
Purse seine 0 0 0 0 0 0 0 0 0 0 0 0 0 0 5 0 20 92 436 2970 3389 4116 4690 4918 6636 5318 7067 11875 9094 8343 9204 15772
(Faux P.) Purse seine 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Discards 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
Landings 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
Argentina 0 0 0 0 0 0 0 0 0 0 56 163 213 235 187 400 200 75 347 200 100 44 0 25 18 95 176 84 23 0 0 0
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 0 0 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 0 0 0 0 0 0 0
Benin 0 0 0 0 0 0 0 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
Brazil 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 37 28 70 197 181 678 1183 812 782 698 505
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 0 0 0
Canada 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 23 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 0 111 95 146 142 131 115 50 47 464 45 27 72
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 0 0 0
Chinese Taipei 0 0 0 0 0 0 0 0 0 0 0 0 20 47 54 0 672 2521 6039 8456 8538 6191 5639 4314 3499 4464 3701 3364 2970 2486 2561 1887
Congo 0 0 0 0 0 0 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
Cuba 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 89 300 217 886 1027 4100 3200 2000 2600 2400 1900 1300 1800 2300 2300 1385 711
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 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
Dominica 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
EU.España 0 0 0 0 0 0 0 0 0 0 0 0 98 491 144 1017 1145 1272 1399 1810 4072 7418 4015 5681 4515 8882 7436 9736 6849 5419 8430 10010
EU.France 0 0 0 0 0 0 0 0 0 0 0 0 400 2400 840 10 60 1740 155 3645 3885 3972 3954 4442 5201 4901 6485 8970 8985 7308 6283 8020
EU.Ireland 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
EU.Poland 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
EU.Portugal 808 1651 2018 2951 2932 4808 2769 8266 3837 6254 6127 5805 6588 8021 4684 8670 4133 8051 1597 5620 5133 2892 3962 5855 10945 6813 2929 4522 5350 3483 3706 3086
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
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
Faroe Islands 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Gabon 0 0 0 0 0 0 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
Ghana 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 30 73 84 170 237 124 238 332 780
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 0 0 0 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
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
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
Honduras 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 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
Japan 0 0 0 0 0 0 10 454 453 1478 2904 11044 15746 14505 17366 28663 17578 9012 11345 11783 9504 21299 19665 22014 22946 17548 8170 10144 9863 12150 20922 22091
Korea Rep. 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 289 320 263 1857 4079 7353 5730 6018 7831 10493 6923 8090 9716 8022 10235 12274
Liberia 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Libya 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
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 15 170 324 394 414 387 622
Mexico 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Mixed flags (FR+ES) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 116
NEI (ETRO) 0 0 0 0 0 0 0 0 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 (Flag related) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 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 0 0 0 0 0 0 0 0
Nigeria 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Norway 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Panama 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 182 2710 2081 2091 2135 1493 2127 513 4518 2500
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 0 0 0 0
Russian Federation 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
S. Tomé e Príncipe 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Senegal 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
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
Sierra Leone 0 0 0 0 0 0 0 0 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 0 286 214 0 0 0 0 0 0 0 0 1 0 0 0 0 0 19 422 381
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 0 0
Sta. Lucia 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Togo 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Trinidad and Tobago 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
U.S.A. 0 0 0 0 0 0 0 0 0 0 0 0 0 0 5 0 0 0 18 148 195 544 212 113 865 67 28 331 248 212 202 158
U.S.S.R. 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 385 680 1820 1677 2200 2580 2729 1637 2961 3367 3652 4907 4086 2202 2229 2813 2832
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 0 0 0 0 0
UK.Sta Helena 0 0 0 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 22 8 9 14
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
Uruguay 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 86
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
Venezuela 0 0 0 0 0 0 0 0 0 0 26 48 67 54 137 160 329 224 185 143 136 92 117 15 24 0 21 464 244 347 661 1684
(Faux P.) 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
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
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 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
EU.España 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
EU.France 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 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
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
Mixed flags (EU tropical) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Panama 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 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 0 0 0 0 0 0 0 0 0
Discards 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
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
59
Table 3. (Continuation).
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
TOTAL A+M 73682 59586 71129 78262 65445 57416 66410 78720 85264 97207 100117 113862 134936 128018 120751 110261 107804 121643 103680 91201 75726 87702 90534 67964 65011 73482 67955 85040 85189 88861 75332 64641 66609
Landings Bait boat 6950 9853 11439 17651 15618 13458 9710 12672 18280 17750 16248 16467 20361 25576 18300 21276 18999 22301 12365 14540 8523 11450 20812 13058 13686 12703 9064 14509 10000 15294 12099 9225 8885
Longline 51805 33757 43303 52595 39942 35570 47766 58389 56537 61556 62403 62871 78898 74852 74930 68310 71856 76527 71193 55265 46438 54466 48396 38035 34182 46232 41063 43985 42925 38211 35005 32062 33395
Other surf. 290 163 247 415 550 626 474 644 293 437 607 652 980 567 357 536 434 1377 1226 1628 1138 1340 1301 717 552 448 220 257 461 977 678 838 520
Purse seine 14476 15654 16063 7554 9286 7148 7859 6371 9407 15524 19223 31582 32665 25355 26624 19147 15525 20254 17533 19511 19414 19578 19005 15128 16048 13408 16837 25207 30809 33103 26708 21861 23181
(Faux P.) Purse seine 161 158 77 46 48 613 600 644 747 1941 1636 2290 2032 1667 540 993 989 1184 1363 257 214 867 1019 1026 542 692 772 1082 994 1277 823 632 609
Discards 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 19 24 18
Landings Angola 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 476 75 0 0 0 452 410 320 394 375 363
Argentina 0 0 0 100 41 72 50 17 78 22 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Barbados 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 24 17 18 18 6 11 16 19 27 18 14 14 7 12 7 15 11 11
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 4 60 70 234 249 1218 1242 1336 1502
Benin 45 0 0 0 15 6 7 8 10 10 7 8 9 9 9 30 13 11 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Brazil 776 521 656 419 873 756 946 512 591 350 790 1256 601 1935 1707 1237 644 2024 2768 2659 2582 2455 1496 1081 1479 1593 958 1189 1151 1799 1400 1159 1451
Cambodia 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 32 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Canada 0 0 0 0 11 144 95 31 10 26 67 124 111 148 144 166 120 263 327 241 279 182 143 187 196 144 130 111 103 137 166 197 218
Cape Verde 200 293 167 112 86 60 117 100 52 151 105 85 209 66 116 10 1 1 2 0 1 1 1 1077 1406 1247 444 545 554 1037 713 1333 2204
China PR 0 0 0 0 0 0 0 0 0 0 0 70 428 476 520 427 1503 7347 6564 7210 5840 7890 6555 6200 7200 7399 5686 4973 5489 3720 3231 2371 2232
Chinese Taipei 2147 1623 925 1220 1125 1488 1469 940 5755 13850 11546 13426 19680 18023 21850 19242 16314 16837 16795 16429 18483 21563 17717 11984 2965 12116 10418 13252 13189 13732 10805 10316 13272
Congo 0 0 0 8 19 10 10 14 15 12 12 14 9 9 8 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Cuba 521 421 447 239 171 190 151 87 62 34 56 36 7 7 5 0 0 0 0 0 16 16 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 1893 2890 2919 3428 2359 2803 1879 2758 3343 0 416 252 1721 2348 2688 3441 2890 1964 1585
Côte D'Ivoire 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 0 0 0 0 0 790 576 47 507 635 323
Dominica 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
EU.España 9332 8794 13617 10340 10884 9702 8475 8263 10355 14705 14656 16782 22096 17849 15393 12513 7110 13739 11250 10133 10572 11120 8365 7618 7454 6675 7494 11966 11272 13100 10914 10082 10736
EU.France 7074 8124 4254 4615 4266 3905 4161 3261 5023 5581 6888 12719 12263 8363 9171 5980 5624 5529 5949 4948 4293 3940 2926 2816 2984 1629 1130 2313 3329 3507 3756 3222 3549
EU.Ireland 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 10 0 0 0 33 0 0 0 0 0 0 0 0
EU.Poland 4 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
EU.Portugal 1861 4075 4354 6457 7428 5036 2818 5295 6233 5718 5796 5616 3099 9662 5810 5437 6334 3314 1498 1605 2590 1655 3204 4146 5071 5505 3422 5605 3682 6920 6128 5345 3922
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 3 0 0 32 0 0 0 0
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 21 0 28 6 0 2 3 0 2 0 0 0
Faroe Islands 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 11 8 0 0 0 0 0 0 0 0 0 0 0 0 0
Gabon 0 0 0 0 0 0 0 0 0 0 0 1 87 10 0 0 0 184 150 121 0 0 0 0 0 0 0 0 0 0 0 0
Ghana 791 491 2162 1887 1720 1178 1214 2158 5031 4090 2866 3577 4738 5517 4751 10165 10155 10416 5269 9214 5611 8646 17744 8860 8177 6531 7963 12778 15123 14769 8974 2786 4369
Grenada 0 0 0 0 0 0 0 0 0 65 25 20 10 10 0 1 0 0 0 0 0 0 0 0 0 10 31 0 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 0 998 949 836 998 913 1011 282 262 163 993
Guinea Ecuatorial 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 50 0 58 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 0 328 322 1516 1429 902
Honduras 0 0 0 0 0 0 0 0 0 0 44 0 0 61 28 59 20 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Iceland 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Japan 33513 15212 24870 32103 23081 18961 32064 39540 35231 30356 34722 35053 38503 35477 33171 26490 24330 21833 24605 18087 15306 19572 18509 14026 15735 17993 16684 16395 15205 12306 15390 13397 10855
Korea Rep. 10809 9383 8989 10704 6084 4438 4919 7896 2690 802 866 377 386 423 1250 796 163 124 43 1 87 143 629 770 2067 2136 2599 2134 2646 2762 1908 1151 1123
Liberia 0 0 0 0 0 0 0 206 16 13 42 65 53 57 57 57 57 57 57 57 57 57 0 0 0 0 0 0 0 0 0 0
Libya 0 0 0 0 0 0 0 0 0 0 508 1085 500 400 400 400 400 400 400 31 593 593 0 0 4 0 0 0 0 0 0 0
Maroc 625 552 120 30 0 8 0 0 0 0 0 0 0 0 0 0 0 700 770 857 913 889 929 519 887 700 802 795 276 300 300 308 300
Mexico 0 0 0 0 0 0 0 0 0 0 0 1 4 0 2 6 8 6 2 2 7 4 5 4 3 3 1 1 3 1 1 2
Mixed flags (FR+ES) 0 0 0 0 0 0 0 0 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) 338 1141 157 0 0 85 20 93 959 1221 2138 4594 5034 5137 5839 2746 1685 4011 2285 3027 2248 2504 1387 294 42 0 0 0 0 0 0 0
NEI (Flag related) 0 46 369 354 758 1406 2155 4650 5856 8982 6151 4378 8964 10697 11862 16569 24896 24060 15092 8470 531 0 0 0 0 0 0 0 0 0 0 0
Namibia 0 0 0 0 0 0 0 0 0 0 0 0 715 29 7 46 16 423 589 640 274 215 177 307 283 41 146 108 181 289 376 135 232
Nigeria 0 0 0 0 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 1 0 0
Norway 0 0 0 0 0 0 60 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Panama 2844 2789 3165 4461 5173 5616 3847 3157 5258 7446 9991 10138 13234 9927 4777 2098 1252 580 952 89 63 0 1521 2310 2415 2922 2263 2405 3047 3462 1694 2774 2315
Philippines 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1154 2113 975 377 837 855 1854 1743 1816 2368 1874 1880 1399 1267 532 1323 1964
Russian Federation 0 0 0 0 0 0 0 0 0 0 0 0 0 0 13 38 4 8 91 0 0 0 0 1 1 26 73 43 0 0 0 0
S. Tomé e Príncipe 0 0 0 0 0 0 5 8 6 3 4 4 3 6 4 5 6 5 4 4 4 4 11 6 4 0 92 94 97 0 0 0
Senegal 0 0 0 0 0 0 0 0 0 15 5 9 126 237 138 258 730 1473 1131 1308 565 474 561 721 1267 805 926 1042 858 239 230 646 361
Seychelles 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 58 0 162 0 0 0 0 0 0 0 0 0 0 0
Sierra Leone 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 6 2 0 0 0 0 0 0 0 0 0 1088 0 0
South Africa 137 187 60 102 168 200 561 367 296 72 43 88 79 27 7 10 53 55 249 239 341 113 270 221 84 171 226 159 145 153 47 435 212
St. Vincent and Grenadines 0 0 0 0 0 0 0 0 0 0 1 3 0 0 4 2 2 1 1216 506 15 103 18 0 114 567 171 292 396 38 25 16 26
Sta. Lucia 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 1 2 2 0 2 0 0 0 0 0 0 0 0
Togo 0 14 52 18 24 22 7 12 12 6 2 86 23 6 33 33 33 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Trinidad and Tobago 0 191 41 22 0 0 1 19 57 263 0 3 29 27 37 36 24 19 5 11 30 6 5 9 12 27 69 56 40 33 33 37 58
U.S.A. 422 315 539 639 1085 1074 1127 847 623 975 813 1090 1402 1209 882 1138 929 1263 574 1085 601 482 416 484 991 527 508 515 571 722 867 881 711
U.S.S.R. 635 352 1233 870 1071 1887 1077 424 95 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 1 1 0 0 0 0 0 0 0 0 0
UK.Sta Helena 23 14 19 0 0 5 1 1 3 3 10 6 6 10 10 12 17 6 8 5 5 0 0 0 25 18 28 17 11 190 51 19 17
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 4 2
Uruguay 397 605 714 597 177 204 120 55 38 20 56 48 37 80 124 69 59 28 25 51 67 59 40 62 83 22 27 201 23 15 2 30
Vanuatu 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 104 109 52 132 91 34 42 39 23 9 23
Venezuela 1027 4284 4142 2918 1136 349 332 115 161 476 270 809 457 457 189 274 222 140 221 708 629 516 1060 243 261 318 122 229 85 264 98 94 152
(Faux P.) 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 12 46 42 16 41 23
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 75 28 37 38 61 102 40 22 45 97
Curaçao 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 13 25 20 13 117 59 46 60 34 42
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 2 95 45
EU.España 0 7 41 24 34 355 204 192 242 625 571 764 605 371 58 255 328 487 474 0 0 223 244 143 88 49 190 250 211 216 98 80 143
EU.France 96 93 14 3 8 154 233 281 352 653 686 1032 970 713 314 437 467 553 607 229 205 446 397 222 79 26 51 150 122 394 192 56 54
Guatemala 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 56 28 15 26 9 18 6 11 5 15
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 72 0 60 20 22 74 203 288 245 209
Mixed flags (EU tropical) 65 58 23 20 7 103 164 172 153 663 379 494 457 582 169 301 193 143 281 28 8 198 378 294 189 348 337 375 324 257 0 0
Panama 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 151 106 135 97 85 38 70 41 80 27
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 1 0 0 0 0
Discards 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 19 24 18
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
60
Table 4. Standard SCRS catalogues on statistics (Task I and Task II) of BET by stock, major fishery (flag/gear combinations ranked by order of importance) and year (1995
to 2014). Only the most important fisheries (representing about 98% of Task I total catch) are shown. For each data series, Task I (DSet= “t1”, in t) is visualised against its
equivalent Task II availability (DSet= “t2”) scheme. The Task II colour scheme, has a concatenation of characters (“a”= T2CE exists; “b”= T2SZ exists; “c”= CAS exists) that
represents the Task II data availability in the ICCAT-DB.
TOTAL 85264 97207 100117 113862 134936 128018 120751 110261 107804 121643 103680 91201 75726 87702 90534 67964 65011 73482 67955 85040 85189 88861 75332 64641 66609 Ok 2308790
Species Stock Status FlagName GearGrp DSet 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 Rank Σ(1990-14) % %cum
BET A+M CP Japan LL t1 35024 29488 34128 35053 38503 35477 33171 26490 24330 21833 24605 18087 15306 19572 18509 14026 15735 17993 16684 16395 15205 12306 15390 13397 10855 1 557563 24.1% 24%
BET A+M CP Japan LL t2 abc abc abc abc abc abc abc abc abc abc abc abc abc abc abc abc abc abc abc abc abc abc abc abc abc 1
BET A+M NCC Chinese Taipei LL t1 5744 13850 11546 13426 19680 18023 21850 19242 16314 16837 16795 16429 18483 21563 17717 11984 2965 12116 10418 13252 13189 13732 10824 10340 13290 2 359610 15.6% 40%
BET A+M NCC Chinese Taipei LL t2 ab ab ab ab ab ab ab ab ab ab ab ab ab ab ab ab ab ab ab ab ab ab ab ab ab 2
BET A+M CP EU.España PS t1 6302 9395 9362 12495 12700 9971 8970 6240 4863 5508 6901 5923 7038 6595 4187 3155 3416 3359 5456 8019 7910 8050 7485 6849 6464 3 176612 7.6% 47%
BET A+M CP EU.España PS t2 ac ac ac abc ac ac ac ac ac ac ac ac ac ac ac ac ac ac ac ac ac ac ac ac ac 3
BET A+M NCO NEI (Flag related) LL t1 5856 8982 6146 4378 8964 10697 11862 16569 24896 24060 15092 8470 531 4 146503 6.3% 54%
BET A+M NCO NEI (Flag related) LL t2 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 4
BET A+M CP EU.España BB t1 3814 5484 5518 4901 9848 8073 6248 6260 2165 8563 4084 3897 3164 4158 3838 4417 3783 3007 1959 3868 2819 4506 2913 2389 3463 5 113141 4.9% 59%
BET A+M CP EU.España BB t2 ac ac ac ac ac ac ac abc ac ac abc ac abc abc abc abc ac abc ac abc abc abc abc ac abc 5
BET A+M CP EU.Portugal BB t1 6159 5598 5639 5493 3036 9629 5810 5437 6334 3314 1498 1605 2420 1572 3161 3721 4626 4872 2738 5121 2872 6470 5986 5240 3790 6 112140 4.9% 63%
BET A+M CP EU.Portugal BB t2 abc abc abc abc abc abc abc abc abc abc abc abc abc abc abc abc abc abc abc abc abc abc abc abc abc 6
BET A+M CP EU.France PS t1 2636 3971 5682 11733 11046 7076 7128 4671 4149 4056 4620 3584 3668 3628 2736 2135 2481 287 1039 2193 3294 3663 3766 3253 3528 7 106026 4.6% 68%
BET A+M CP EU.France PS t2 -1 ac ac ac ac ac ac ac ac ac ac ac ac ac ac ac ac ac ac ac ac ac ac ac ac 7
BET A+M CP Ghana PS t1 1328 2961 2646 5360 3105 4972 4738 4915 6057 5444 4874 4335 4894 8758 11970 11384 6842 2349 3598 8 100530 4.4% 72%
BET A+M CP Ghana PS t2 ab ab ab ab ab ab ab ab ab ab abc ab ac abc ac a a a -1 8
BET A+M CP Ghana BB t1 5031 4090 2866 3577 4738 5517 3423 7204 7509 5056 2164 4242 873 3731 11687 3416 3303 2196 3069 4020 3153 3385 2132 437 771 9 97590 4.2% 77%
BET A+M CP Ghana BB t2 ac abc abc abc abc abc abc ab ab ab ab ab ab ab ab ab ab ab a ab a a a a -1 9
BET A+M CP China PR LL t1 70 428 476 520 427 1503 7347 6564 7210 5840 7890 6555 6200 7200 7399 5686 4973 5489 3720 3231 2371 2232 10 93331 4.0% 81%
BET A+M CP China PR LL t2 -1 b b b -1 a a a ab ab a ab ab ab a ab ab ab ab ab ab abc 10
BET A+M CP Panama PS t1 1013 2517 4113 5378 4304 1934 431 175 319 378 89 63 1521 2461 2521 3057 2360 2490 3085 3531 1736 2853 2341 11 48672 2.1% 83%
BET A+M CP Panama PS t2 -1 -1 -1 -1 -1 -1 -1 -1 a a -1 -1 a a a ac ac ac ac ac ac ac ac 11
BET A+M CP Panama LL t1 5258 6320 7474 5998 7709 5623 2843 1667 1077 484 12 44453 1.9% 85%
BET A+M CP Panama LL t2 -1 -1 -1 -1 -1 -1 -1 -1 -1 a 12
BET A+M CP Curaçao PS t1 1893 2890 2919 3428 2359 2803 1879 2758 3343 13 441 272 1734 2465 2747 3488 2950 1998 1627 13 42008 1.8% 87%
BET A+M CP Curaçao PS t2 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 a ac ac ac ac ac ac ac ac 13
BET A+M NCO NEI (ETRO) PS t1 785 1221 1938 4360 4858 4932 5585 2403 1350 2539 979 1857 1790 1992 1191 267 42 14 38089 1.6% 88%
BET A+M NCO NEI (ETRO) PS t2 a ac ac ac ac ac ac ac ac ac ac ac ac ac ac ac ac c a a a 14
BET A+M CP Brazil LL t1 591 350 790 1256 596 1935 1707 1237 644 2024 2762 2534 2582 2374 1379 1014 1423 927 785 1009 1049 1436 846 820 1034 15 33104 1.4% 90%
BET A+M CP Brazil LL t2 ab ab ab ab ab ab a a a ab ab ab ab ab ab ab ab ab ab ab ab ab ab a -1 15
BET A+M CP EU.France BB t1 2739 2263 1892 2018 2187 2000 2357 1746 1942 1998 1921 1593 786 758 587 597 571 1130 141 269 156 238 175 25 74 16 30162 1.3% 91%
BET A+M CP EU.France BB t2 b abc abc abc abc abc abc abc abc abc abc abc abc abc abc abc abc abc abc abc abc abc abc abc abc 16
BET A+M CP Korea Rep. LL t1 2690 802 866 377 386 423 1250 796 163 124 43 1 87 143 629 770 2067 2136 2599 2134 2646 2762 1908 1151 1123 17 28077 1.2% 92%
BET A+M CP Korea Rep. LL t2 ab ab ab a a a a a a a a a a a a a a a a a ab b abc abc abc 17
BET A+M CP Philippines LL t1 1154 2113 975 377 837 855 1854 1743 1816 2368 1874 1880 1399 1267 532 1323 1964 18 24331 1.1% 93%
BET A+M CP Philippines LL t2 a a a -1 -1 a a a a a a ab ab abc abc abc abc 18
BET A+M CP U.S.A. LL t1 559 855 564 836 943 982 713 795 696 930 532 682 536 284 310 312 521 381 428 430 443 603 582 509 587 19 15011 0.7% 94%
BET A+M CP U.S.A. LL t2 ab ab ab ab ab ab ab ab ab ab ab abc abc abc abc abc abc abc abc abc abc abc abc abc bc 19
BET A+M CP Senegal BB t1 10 5 11 60 84 204 676 1473 1131 1308 565 474 561 721 1267 804 926 1041 843 215 226 639 361 20 13606 0.6% 94%
BET A+M CP Senegal BB t2 -1 -1 a a ac -1 -1 -1 -1 a -1 -1 -1 ac ac ac ac ac ac ac ac ac ac 20
BET A+M CP Cape Verde PS t1 1151 1433 1283 482 605 655 1076 734 1377 2302 21 11097 0.5% 95%
BET A+M CP Cape Verde PS t2 -1 ab abc abc ac ac ac ac ac ac 21
BET A+M CP EU.España LL t1 481 451 347 150 153 176 233 268 385 116 598 211 333 427 417 104 337 346 268 327 751 700 585 865 928 22 9956 0.4% 95%
BET A+M CP EU.España LL t2 ab ab ab ab ab ab ab -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 b 22
BET A+M CP Guatemala PS t1 1054 977 851 1024 922 1029 288 273 168 1007 23 7592 0.3% 96%
BET A+M CP Guatemala PS t2 a a ac ac ac ac ac ac ac ac 23
BET A+M NCO NEI (ETRO) BB t1 174 200 234 176 205 253 343 335 1472 1306 1169 458 512 196 27 24 7061 0.3% 96%
BET A+M NCO NEI (ETRO) BB t2 a ac ac ac ac ac ac ac ac ac ac ac ac ac ac ac c 24
BET A+M NCO Mixed flags (EU tropical) PS t1 153 663 379 494 457 582 169 301 193 143 281 28 8 198 378 294 189 348 337 375 324 257 25 6553 0.3% 96%
BET A+M NCO Mixed flags (EU tropical) PS t2 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 b b -1 -1 -1 25
BET A+M CP Guinée Rep. PS t1 72 60 20 22 402 525 1804 1674 1111 26 5690 0.2% 97%
BET A+M CP Guinée Rep. PS t2 -1 -1 -1 -1 -1 -1 ac ac ac 26
BET A+M CP Venezuela PS t1 53 321 169 326 140 140 131 205 214 75 181 513 444 359 611 92 211 220 102 122 49 223 87 70 127 27 5184 0.2% 97%
BET A+M CP Venezuela PS t2 a -1 -1 b ab ab b ab ab ab ab ab ab ab ab ab ab ab ab ab ab ab ab ab -1 27
BET A+M CP Libya LL t1 308 785 400 400 400 400 400 400 400 31 593 593 4 28 5114 0.2% 97%
BET A+M CP Libya LL t2 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 28
BET A+M CP Maroc SU t1 700 770 857 913 889 929 29 5058 0.2% 97%
BET A+M CP Maroc SU t2 -1 -1 -1 -1 -1 -1 29
BET A+M CP Belize PS t1 186 246 704 1246 1274 1362 30 5018 0.2% 97%
BET A+M CP Belize PS t2 ac a a a a a 30
BET A+M CP Maroc LL t1 519 887 700 802 795 276 99 90 88 80 31 4336 0.2% 98%
BET A+M CP Maroc LL t2 b abc abc abc abc ab ab -1 -1 -1 -1 ab 31
BET A+M CP U.S.A. RR t1 47 74 104 149 263 20 147 334 228 318 34 366 50 192 101 165 447 127 71 78 118 110 270 345 100 32 4256 0.2% 98%
BET A+M CP U.S.A. RR t2 ab ab ab ab ab ab b ab ab ab ab abc abc abc abc abc abc abc abc abc abc bc bc bc bc 32
BET A+M CP EU.Portugal LL t1 23 50 53 11 33 1 170 83 42 332 443 633 619 484 527 273 133 100 131 33 4140 0.2% 98%
BET A+M CP EU.Portugal LL t2 a a a -1 a -1 a a a ab ab ab ab ab ab ab ab ab ab 33
BET A+M CP Canada LL t1 10 26 67 124 111 147 133 161 109 244 285 220 265 161 135 169 172 137 107 107 97 121 155 190 186 34 3639 0.2% 98%BET A+M CP Canada LL t2 b -1 a a a a a a a ab ab abc ab ab ab ab ab ab ab ab ab abc abc abc abc 34
61
Table 5. Updated faux poissons catch series of Task I (all species, t) obtained from document SCRS/2015/072. For the period 1982 to 2004 the BET, SKJ and YFT ratios used
to split the unclassified tuna (TUN) were respectively 9.7%, 75.7% and 14.6% (adopted in the SKJ stock assessment, Dakar 2014).
Species G. Species Flag 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
BET Belize 12 46 42 16 41 23
Cape Verde 75 28 37 38 61 102 40 22 45 97
Côte D'Ivoire 2 95 45
Curaçao 13 25 20 13 117 59 46 60 34 42
EU.España 7 41 24 34 355 204 192 242 625 571 764 605 371 58 255 328 487 474 223 244 143 88 49 190 250 211 216 98 80 143
EU.France 96 93 14 3 8 154 233 281 352 653 686 1032 970 713 314 437 467 553 607 229 205 446 397 222 79 26 51 150 122 394 192 56 54
Guatemala 56 28 15 26 9 18 6 11 5 15
Guinée Rep. 72 60 20 22 74 203 288 245 209
Mixed flags (EU tropical) 65 58 23 20 7 103 164 172 153 663 379 494 457 582 169 301 193 143 281 28 8 198 378 294 189 348 337 375 324 257
Panama 151 106 135 97 85 38 70 41 80 27
St. Vincent and Grenadines 1
BET Total 161 158 77 46 48 613 600 644 747 1941 1636 2290 2032 1667 540 993 989 1184 1363 257 214 867 1019 1026 542 692 772 1082 994 1277 823 632 609
SKJ Belize 114 395 368 179 636 301
Cape Verde 419 131 162 276 603 726 411 230 428 1362
Côte D'Ivoire 42 562 544 202
Curaçao 88 171 116 105 917 415 441 545 520 351
EU.España 58 316 185 262 2773 1590 1495 1888 4876 4455 5959 4719 2899 453 1990 2562 3802 3700 1738 1907 713 437 366 1158 1994 1394 1842 983 998 1623
EU.France 749 726 106 22 59 1205 1817 2189 2749 5094 5355 8055 7573 5568 2447 3414 3647 4316 4740 1786 1601 3484 3096 918 346 206 287 1120 743 1480 1646 463 440
Guatemala 260 69 66 162 59 136 51 102 72 93
Guinée Rep. 387 330 118 359 614 1778 2379 1670 2146
Mixed flags (EU tropical) 505 451 181 153 56 807 1279 1341 1192 5176 2959 3858 3568 4543 1316 2345 1508 1119 2194 218 65 1547 2953 1708 1478 3003 2998 2624 3427 2372
Panama 796 548 977 693 680 354 609 284 962 400
SKJ Total 1254 1235 603 360 378 4786 4686 5025 5828 15145 12769 17873 15860 13010 4217 7749 7716 9237 10634 2004 1666 6769 7956 5288 3181 5226 5796 8471 8205 9395 6909 6293 6918
YFT Belize 19 50 71 27 109 35
Cape Verde 77 28 39 40 103 152 58 35 82 256
Côte D'Ivoire 2 267 116 24
Curaçao 15 25 22 16 176 95 89 114 86 78
EU.España 11 61 36 51 535 307 288 364 940 859 1149 910 559 87 384 494 733 714 335 368 142 154 67 270 279 352 358 140 146 353
EU.France 145 140 20 4 11 232 350 422 530 982 1033 1554 1461 1074 472 658 703 832 914 344 309 672 597 244 128 33 52 203 181 344 347 129 115
Guatemala 57 35 17 32 9 34 8 12 13 19
Guinée Rep. 72 66 20 67 95 389 876 487 461
Mixed flags (EU tropical) 97 87 35 30 11 156 247 259 230 998 571 744 688 876 254 452 291 216 423 42 13 298 570 292 251 416 464 467 857 1601
Panama 155 125 177 114 99 54 101 54 163 59
St. Vincent and Grenadines 1
YFT Total 242 238 116 70 73 923 904 969 1124 2921 2463 3447 3059 2509 813 1495 1488 1781 2051 387 321 1305 1534 1054 747 836 1008 1423 1869 3021 1872 1332 1401
FRI Belize 100 154 71 86 78 107
Cape Verde 144 84 200 189 188 428 130 271 256 268
Côte D'Ivoire 3 177 81 236
Curaçao 29 55 29 36 225 233 139 214 149 224
EU.España 265 191 108 663 866 889 708 576 555 586
EU.France 444 217 94 151 264 555 500 605 520 221
Guatemala 142 75 69 99 53 105 25 150 42 65
Guinée Rep. 168 24 37 174 518 542 672 441
Mixed flags (EU tropical) 507 105 161 383 631 764 247
Panama 274 230 251 297 261 157 230 158 234 92
FRI Total 1972 958 936 1855 2587 3459 2571 2780 2585 2240
LTA Belize 18 223 51 238 144 133
Cape Verde 45 76 265 214 189 262 266 179 438 178
Côte D'Ivoire 3 162 56 12
Curaçao 39 42 50 160 185 167 209 284 284
EU.España 41 126 208 844 970 1030 1096 577 583 873
EU.France 102 145 141 103 207 695 994 1354 720 365
Guatemala 35 178 92 118 17 121 43 126 145 64
Guinée Rep. 15 21 2 358 260 666 1186 202
Mixed flags (EU tropical) 18 139 306 364 262 516 530
Panama 35 191 577 368 228 106 250 259 72 30
LTA Total 290 894 1652 2062 2050 3496 3660 3770 3629 2141
WAH Belize 2 40
Cape Verde 92 9 55 60 22 29 25 4
Côte D'Ivoire 3
Curaçao 13 7 31 57 23 78 9
EU.España 92 63 44 224 262 136 240 56
EU.France 28 10 3 16 26 26 17
Guatemala 68 11 21 28 7 8
Guinée Rep. 10 8 15 7
Mixed flags (EU tropical) 28 30 44 97 26 39
Panama 39 44 104 102 65 13 66 15
WAH Total 357 179 285 572 471 269 477 85
TOTAL 1657 1631 796 476 499 6323 6190 6638 7699 20007 16868 23610 20951 17186 5570 10236 10193 12202 14047 2648 2201 8942 10510 9986 6501 9626 12065 16084 18292 20400 16238 14470 13310
1-T
un
a (
majo
r sp
.)2-T
una
(sm
all)
62
Table 6. Datasets in Task II size information (CAS or T2SZ) identified as problematic (see Remarks) and not used in the overall CAS estimations (to be deleted from the
ICCAT-DB system).
DSetID Year Flag FleetCode GearGrp Yield(t) Number Li(range)Li (med) Wi (med) szInfo Class interval szFrqT TPerGrp Remarks
12419 2011 Philippines PHL LL 24 389 120-165 142.1 62.8 CAS 2 (lower limit) FL mm Number in CAS < Number in T2SZ
26306 2012 Philippines PHL LL 33 547 128-161 141.4 61.1 CAS 2 (lower limit) FL mm Number in CAS < Number in T2SZ
27645 2013 Philippines PHL LL 42 712 130-151 139.9 58.8 CAS 2 (central point) FL mm Number in CAS < Number in T2SZ
27937 2014 Philippines PHL LL 46 768 130-153 140.8 60.0 CAS 2 (lower limit) FL mm Number in CAS < Number in T2SZ
25371 2011 Korea Rep. KOR LL 70 1685 63-287 120.3 41.3 T2SZ 2 (central point) FL yy Available by month
26291 2012 Korea Rep. KOR LL 94 1264 80-208 146.1 74.0 CAS 2 (central point) FL mm Number in CAS < Number in T2SZ
27661 2013 Korea Rep. KOR LL 148 3001 65-197 128.8 49.4 CAS 2 (central point) FL mm Number in CAS < Number in T2SZ
27876 2014 China PR CHN LL 66 1240 76-183 133.7 53.5 CAS 2 (lower limit) FL mm Number in CAS < Number in T2SZ
27936 2014 Namibia NAM BB 10 199 73-173 127.2 48.0 CAS 1 (lower limit) FL mm Number in CAS < Number in T2SZ
10599 2007 Mixed flags (EU tropica l ) MIX.EU-ETRO PS 5010 1457997 24-193 49.2 3.4 CAS 2 (lower limit) FL mm T2SZ exis ts by Flag
10588 2008 Mixed flags (EU tropica l ) MIX.EU-ETRO PS 5525 1863991 26-193 47.7 3.0 CAS 2 (lower limit) FL mm T2SZ exis ts by Flag
63
Table 7. Preliminary estimations of the overall (all fisheries) size composition of the catches (CAS matrix) by year (1975-2014) and length (strait fork length, 5 cm lower
limit) classes. CAS weight equivalent catches represent a proxy (±2% difference) of Task I overall catches in t.
Li
(5cm)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
20 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 33 0 0 0 0 92 0 0 0 0 0 0 0 2 0 0 52 3 0 0 0
25 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 16 0 0 0 0 9 0 1 2 0 0 0 0 0 0 0 0 0 57 0 0
30 0 7 0 0 0 42 10 0 0 0 0 0 0 0 2 0 0 0 18 0 0 0 2 0 9 0 0 0 0 0 0 35 0 9 0 26 0 14 0 0
35 3 0 2 0 0 0 16 0 44 0 0 0 0 0 0 0 0 0 1 16 63 1 17 0 1 0 0 1 0 12 1 0 1 4 2 90 4 14 2 0
40 10 0 0 0 0 112 108 95 79 59 3 6 6 0 0 0 0 0 716 179 291 127 96 22 29 18 2590 28 23 1 0 33 16 5 0 4 84 33 1 4
45 78 29 0 247 66 282 103 348 190 21 63 49 10 9 266 0 0 3 1444 60 697 43 643 25 6 25 4436 20 0 0 50 74 1 9 17 19 54 81 0 11
50 168 98 235 263 14 870 168 599 79 346 326 95 460 76 610 51 46 75 1372 307 2515 786 958 182 81 110 6016 16 0 1 18 168 3 58 50 547 71 104 2 10
55 478 119 1177 426 190 2100 180 2144 417 464 473 329 341 144 194 15 37 109 6262 3477 2029 1709 473 119 82 730 1546 23 15 11 24 54 47 37 15 203 113 447 4 12
60 2379 599 2132 770 352 5534 2197 2457 304 536 598 634 941 310 583 122 102 267 12448 7582 3667 3679 2067 734 263 3310 771 144 45 48 631 396 108 67 4001 641 207 738 422 48
65 3266 1803 9258 1030 1788 3927 2134 5138 1074 1281 1567 1640 1696 825 1628 579 690 249 11956 3825 4450 8498 2571 926 650 5730 1042 327 152 238 3999 463 445 13914 1107 2457 412 2007 1047 151
70 7005 2987 17308 2859 2878 4203 4649 6125 1883 2474 3497 2699 3190 3776 2788 3851 1530 2585 10556 10174 9889 10845 4988 3300 11278 10338 2733 588 651 501 12656 844 904 24255 7359 1929 920 4445 2427 306
75 7740 3113 16958 6583 6030 5169 9326 10133 4453 5386 7263 3628 5906 5485 4814 7369 2824 5777 15141 13844 10961 7085 9217 6979 18152 13139 5776 1217 1899 1725 23387 3238 1183 3383 12138 7288 5061 5190 4190 480
80 13663 5045 17959 13581 12773 11054 13390 17075 7955 13855 16292 9488 13970 12469 10730 12287 6861 27897 21803 30060 21233 21438 26454 52197 68976 72383 21580 7779 3164 3635 10793 7919 3870 7086 13591 6949 5153 6639 7408 1178
85 13895 7207 19913 12545 12173 13827 14396 23203 8963 14435 26425 10422 13565 25704 21346 30537 20251 24823 19951 32483 22582 30280 25128 49974 78774 89747 27561 12042 6263 6371 8633 10248 4516 8074 17241 9417 10768 10560 14162 1922
90 18478 9536 19815 14526 28940 23769 19546 29751 12555 24208 35418 17635 23892 34015 24334 40981 31853 45722 27314 40702 40646 59297 51056 101393 132758 127132 51932 23695 9763 22900 15170 16316 10161 16155 19962 12449 20242 26604 22905 4946
95 26907 14360 30858 15413 38816 33175 29793 38170 23860 35719 51339 26415 30941 43049 29304 46089 41308 59801 37893 57519 38497 69819 57272 118724 150894 146177 51377 26301 22925 22888 27701 62543 19627 21243 27116 21848 31660 26797 35041 7199
100 34232 23292 40160 24697 53059 45926 54351 71058 37456 54442 73790 43438 47480 61011 51181 84891 66588 121971 65536 80861 70068 78535 79714 96225 131632 147849 68939 45277 36142 42371 42961 65334 26572 25178 37091 37129 33059 37644 25202 9988
105 32958 29809 36801 26387 33996 59954 50459 78558 39114 52559 66912 54605 53416 69209 60007 97641 94686 113854 87346 110041 56504 68741 60516 115637 167907 177563 80300 46593 42847 36340 29408 52331 22361 26871 36301 32870 29318 30464 24570 10896
110 41039 30430 37236 33872 37037 83841 64876 82913 46274 66976 76339 63368 52842 67023 81018 103900 84343 156632 85852 132474 106853 93563 99931 114299 137326 140127 82045 58210 50493 53570 41676 60021 35314 32153 35009 30078 35901 35462 34979 15768
115 53348 30194 44623 39234 38154 83334 76026 91575 61331 86044 101239 82492 58873 93765 107190 120124 104405 147886 103620 165644 150093 116409 123817 117167 170156 170029 105803 75936 69958 66721 55390 62504 47671 36818 50714 50376 60412 104802 38787 21304
120 65958 32694 45299 44219 50630 87892 82480 99124 63312 86259 100565 82474 63983 101757 114493 114399 100541 168309 117320 151176 197472 139136 170373 143960 143307 149911 111064 91233 88662 77709 55156 53762 52781 49911 66767 62091 59348 86136 43833 27816
125 63103 40822 50737 47274 43738 71397 78922 104441 72894 85744 101729 79276 68305 112286 131241 136217 201178 147136 132310 112159 104260 125534 184772 162623 125626 136675 120604 79328 94292 92142 67030 48389 53336 49788 57680 49676 50530 54132 40299 32307
130 71217 41533 42544 40422 42647 72661 91006 107111 67067 78451 100937 74399 63453 95591 113546 114338 174887 109725 115807 112526 103521 101383 163283 156254 130316 107532 113452 90174 98797 94222 70168 49431 60436 58988 65467 61134 49830 60895 46689 47797
135 62546 48546 44122 39277 28991 51293 77435 94517 63725 81144 99079 67251 60896 96465 106946 108143 143587 88345 100201 105013 98843 111181 103563 100058 96927 74835 101202 86036 123392 96073 66572 41966 56147 62389 65657 63632 50105 46306 44552 45695
140 57043 44325 40431 41084 28134 56961 63546 75636 46618 61236 78491 59012 78069 73435 93596 83071 95976 78315 102609 118772 101203 106490 85408 98479 92174 62089 79684 82594 102200 77397 55915 43039 57098 56454 58046 53156 46851 37668 40655 42095
145 48941 41000 35235 31261 22997 37057 35761 48742 33613 47992 59671 45978 48446 46028 72776 64834 61721 44556 82306 99839 82613 87166 52832 62744 67291 47857 59402 54230 77425 60860 48022 36216 51068 46747 51471 50175 44751 34390 32307 37643
150 38505 30164 26280 25877 21065 43381 33426 39352 26721 37781 50654 35133 36514 32904 53902 45415 37644 39992 62766 70735 69482 64726 49589 58186 59640 38864 38365 37509 48237 45720 35338 33194 49264 40377 47336 56059 37700 32710 31002 35139
155 32398 27112 22090 22310 18551 24701 20782 32840 19893 24374 32570 24975 18450 26499 38816 31199 29317 33007 43797 59246 48797 53787 39270 40474 45002 26851 24074 28328 38948 41875 32510 24707 41100 34796 41845 40671 36557 25675 24065 25671
160 28656 19248 21616 21841 19940 27348 22926 26463 15368 20327 26927 24309 15715 20107 29504 18819 19956 25302 29172 43972 51167 50646 33458 28359 31762 35761 19533 24390 27942 34434 23492 23620 41282 29972 32885 29656 29293 25481 23893 22973
165 21663 14318 15233 15908 14016 14364 12756 19452 14791 19056 18135 16311 9661 14818 22675 11926 12714 17787 23791 35818 35878 44022 22556 22219 18822 24619 15950 19142 24461 20834 18532 16615 32845 25461 26004 29019 23524 19837 20574 20993
170 17874 10799 9426 14352 11329 13501 11709 12295 9198 10520 10073 8586 4814 8891 12412 6255 5703 10078 13984 24539 30202 27853 16060 13402 15329 22859 11134 13303 14456 12069 11905 10443 31203 25191 20034 20163 17120 16524 16491 16384
175 13389 5535 4610 7010 7884 5974 5642 7607 7065 5509 4342 3997 2276 5801 6809 2380 2621 5906 8646 17240 21737 17189 11468 9439 8706 12226 8245 9571 9323 5629 6823 6117 19416 16004 13189 15034 12803 12624 10520 12327
180 8733 3195 2452 5222 5975 4235 5211 2865 3291 2318 1608 1834 664 2069 2378 1611 1546 2696 3292 9711 10902 11920 6774 5384 6179 6038 4830 4921 5136 3888 3642 3094 13984 10053 8196 9348 7480 7560 6676 8667
185 2723 1519 953 2114 1797 1910 2093 1066 2196 1131 669 757 138 683 1084 801 322 764 956 3928 4280 4174 2559 2478 2574 2840 3656 2199 3586 1712 1767 1556 6947 5441 4142 4354 4091 4404 3789 4039
190 1380 742 537 1435 1889 853 1454 569 689 259 246 93 25 259 470 193 162 350 392 1306 2075 1618 704 1454 3139 1573 2825 1179 2373 1085 749 948 3707 2850 1895 2133 1937 2724 1873 1977
195 504 138 269 722 822 2097 501 89 536 20 179 1 10 262 82 8 36 46 64 182 604 600 353 695 1083 873 2642 852 1996 416 316 447 1512 1527 882 737 753 1321 760 901
200 25 50 4 611 489 191 245 23 117 12 48 3 8 23 0 1 0 51 0 37 102 154 68 454 678 130 14 16 227 211 120 107 705 590 108 360 327 688 74 112
205 0 10 2 359 196 119 8 35 79 8 46 7 7 132 23 5 0 0 0 0 10 39 13 11 0 98 38 0 130 138 79 62 382 274 12 23 11 185 2 3
210 61 0 0 120 294 31 21 52 18 814 0 0 2 31 0 0 0 0 0 0 0 5 4 9 14 7 0 0 68 45 36 53 282 246 4 0 1 116 0 0
215 0 0 0 60 196 0 0 40 0 0 0 0 0 4 0 0 0 0 0 0 0 0 2 0 0 1 0 0 10 26 21 1 198 104 4 0 0 58 17 0
220 0 0 0 60 0 0 0 0 0 0 0 0 0 0 0 0 0 31 0 20 1 0 0 0 0 92 0 0 0 2 7 0 17 27 0 0 0 61 0 0
225 0 0 0 0 0 0 0 0 0 0 0 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 11 0 0
230 0 0 0 0 0 0 0 0 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 1 0 62 0 0
235 0 0 0 0 0 0 0 0 0 0 0 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 68 0 0
240+ 0 0 0 0 0 0 0 0 0 33 0 0 0 0 0 1 0 15 0 0 0 1 0 0 1 0 0 0 0 0 2 0 0 0 0 6 14 0 0 0
Total 790364 520378 656277 553970 587846 893086 887653 1131660 693220 921791 1147513 841339 778963 1054915 1196746 1288052 1343434 1480064 1346643 1655514 1504185 1518482 1488026 1684585 1917649 1856139 1231161 923203 1006002 923821 770703 736285 746513 732509 823338 761803 706465 761741 599219 456762
64
Table 8. Summary CPUE evaluation table. The evaluation was made following the criteria defined by the Working Group on Stock Assessment Methods (WGSAM).
1 2 3 4 5 6
Paper SCRS/15/71 SCRS/15/75 SCRS/15/82 SCRS/15/91 SCRS/15/98
Index Japanese LL(All atilantic, area
specific, main fishing ground)
Morocco LL USA LL Taiwanese LL Uruguay LL (81-2010) Azores BB
1 Diagnostics 5 (Comprehensive diagnostics
provided)
4 (diagnostics provided) 5 (Comprehensive diagnostics provided) 4 (diagnostic plots provided) 4 (Comprehensive diagnostics
provided)
4 (Comprehensive diagnostics
provided)
2 Appropriateness of data
exclusions and
classifications (e.g. to
identify targeted trips).
3 (exclusions are mentioned i.e.
filtering based on number of
hooks. Hooks between floats,
and line material included as
targetting variables )
2 (No data exclusions mentioned, no targetting
factor is included)
4 (Data exclusions are discussed and justified
and classifications appear appropriate.
Targetting is included as a factor, although the
targeting proxy is not without its limitations)
3(No exclusions mentioned.
Targetting has been included as a
ratio term in the GLM which may or
may not be appropriate)
4 (Data exclusions are explicitly
addressed and justified. Targetting
factor is included)
3 (No data exclusions mentioned)
3 Geographical Coverage 5 (Main fishing ground, area
specific and entire Atlantic)
2 (Limited to small region in West Africa) 3 (fairly wide distribution. Covers Western
North Atlantic)
5 (Wide coverage over most of
Atlantic)
3 (Fairly wide distribution in
Southwestern Atlantic, but mainly
concentrated in smaller area near
2 (Limited to small region in West
Africa)
4 Catch Fraction 5 (Largest proportion of total
catches in number: 53% in Atl
(2014))
2 (Catches are relatively small: 1% - BET
bycatch)
2 (Catches not amongst the top 10 fleets:
0.87%)
4 (second largest catches in Atl:
16.7%)
1 (Catches are small: 0.1%) 3 (around 10 % in some years)
5 Length of Time Series
relative to the history of
exploitation.
5 (Series runs from 1961) 2 (Series runs from 2003) 4 (Series run from 1986) 5 (series is divided into time periods,
but data is available since 1967)
3 (Series runs from 1981) 4
6 Are other indices available
for the same time period?
5 (none other available during the
early time period)
2 (Most other series are longer) 2 (Almost all other series are longer) 4 (Few other series are longer) 3 (Japanese series and Taiwanese time
series are longer
3 (Japanese series and Taiwanese time
series are longer
7 Does the index
standardization account for
Known factors that
influence
catchability/selectivity?
4 (Quarter, area, branchline and
SST information are all included. )
2 (Year and quarter are only factors in model.
Unlikely to account for changes in selectivity
and probably only minor influence on
selectivity)
2 (model uses targeting as a fraction of
SWO/total catch and operations code, other
gear characteristics not significant)
4 (month, area and fleet information
are all included. )
4 (SST is included, also Gear or Target
depending on the time series is
included. Quarter and Area were also
considered as factors)
4 (Gear or Target depending on the
time series is included. Quarter and
Area were also considered as factors).
SST no included
8 Are there conflicts between
the catch history and the
CPUE response?
3 (For most of the time series
CPUE tracks catches, but that's
because catches were derived
from CPUE)
3 (No noticebale conflicts) 4(no severe conflicts noted) 3 (for most of the time series CPUE tracks catches)3 (No noticebale conflicts) 3 (No noticebale conflicts)
9 Is the interannual variability
within plausible bounds
(e.g. SCRS/2012/039)
4 (CPUE in All atlantic show
seasonal oscillations
2 (There is a lot of variability between 2007 and
2009)
2 (There is variability 5 (no major fluctuations noted) 3 (There is variability) 3 (There is variability in the first part
of the period)
10 Are biologically implausible
interannual deviations
severe? (e.g. SCRS/2012/039)
3 (see above) 2 (relatively severe during the timeframe
mentioned above)
2 (relatively severe during the timeframe
mentioned above)
5 (no major fluctuations noted) 2 (relatively severe during the timeframe
mentioned above)
3
11 Assessment of data quality
and adequacy of data for
standardization purpose
(e.g. sampling design,
sample size, factors
considered)
4 (descriptions of the different
data sources used have been
provided and explained)
2 (Data incorporated into the model is very
limited with very few factors considered)
4 (descriptions of the different data sources
used have been provided as well as caveats
regarding the different input data sets are
mentioned)
4 (descriptions of the different data
sources used have been provided as
well as caveats regarding the
different input data sets are
mentioned)
4 (Descriptions of the different data
sources used have been provided and
explained)
4 (Descriptions of the different data
sources used have been provided and
explained)
12 Is this CPUE time series
continuous?
5 (Series is continuous) 5 (Series is continuous) 5 (Series is continuous) 5 (Series is continuous) 5 (Series is continuous) 5 (Series is continuous)
65
Table 9. CPUE indices and plausibility bounds for each index.
PercOut Nout total N
Avg annual
percent change
PercOut, assuming
an r=0.7
US_N.index 21% 6 28 2% 18%
US_W.Index 11% 3 28 1% 18%
TAI_ALL_N_T2.index 17% 4 24 1% 13%
TAI_ALL_N_LOG.index 14% 3 21 1% 14%
TAI_CORE_N_LOG.index 14% 3 21 1% 14%
JLL_CORE_N.index 4% 2 53 0% 8%
JLL_CORE_W.index 8% 4 53 0% 9%
JLL_ALL_N.index 8% 4 53 0% 4%
JLL_ALL_W.index 4% 2 53 1% 6%
URU_W_1.index 78% 7 9 3% 67%
URU_W_2.index 39% 7 18 5% 50%
URU_W_full.index 54% 15 28 2% 64%
MOR_W.index 82% 9 11 45% 82%
AZ_BB 53% 27 51 6% 47%
Table 10. Available indices and model application.
Index Description Document VPA ASPIC SS SS area
US_N US PLL index in number 1986-2014 SCRS/2015/082 Yes Yes 1
US_W US PLL index in weight 1986-2014 "
Yes
CH_TAI_ALL_N_T2 CH_TAI LL index in number, Task II data
(1968-1992), whole Atlantic Ocean SCRS/2015/091 Yes
Yes 2
CH_TAI_ALL_N_LOG CH_TAI LL index in number, BET fleet, from
logbook data all Atlantic, 1993-2014 "
CH_TAI_CORE_N_LOG CH_TAI LL index in number, logbook data,
BET fleet, core area, 1993-2014 " Yes
Yes 2
JN_LL_CORE_N
JNLL index in N, core area (2, mainly, 1961-
2014) SCRS/2015/071 Yes
Yes* 1, 2, 3
JN_LL_CORE_W JNLL index in W, core area (2, mainly, 1961-
2014) "
Yes
JN_LL_ALL_N JNLL index in W, all areas (1961-2014) "
JN_LL_ALL_W JNLL index in N, all areas, (1961-2014) "
URU_W_1 index URU LL index time period 1 (1982-1991) in w SCRS/2015/098 Yes Yes Yes 3
URU_W_2 URU LL index time period 2 (1992-2010) in w " Yes Yes Yes 3
URU_W_full index URU LL index time (1982-2010) in w "
MOR_W Moroccan longline index in W SCRS/2015/075
AZ_BB Azores baitboat index SCRS/2015/062
Yes 1
CH_TAI_ALL_W_T2 CH_TAI LL index in weight, Task II data
(1968-1992), whole Atlantic Ocean SCRS/2015/091
Yes
CH_TAI_ALL_W_LOG
CH_TAI LL index in weight, from logbook data
all Atlantic, BET fleet, 1993-2014 "
CH_TAI_CORE_W_LOG
CH_TAI LL index in weight, logbooks, core
area, BET fleet, 1993-2014 "
Yes
EU_PS
To be developed further, considered as
sensitivity SCRS/2015/105
66
Table 11. Available CPUE indices.
YEAR US_N US_W CH_TAI_ALL
_N_T2
CH_TAI_ALL
_N_LOG
CH_TAI_CO
RE_N_LOG
JNPLL_CO
RE_N
JNPLL_CO
RE_W
JNPLL_A
LL_N
JNPLL_AL
L_W
URU_
W_1
URU_
W_2
URU_
W_full
MOR_W AZ_BB CH_TAI_ALL
_W_T2
CH_TAI_ALL
_W_LOG
CH_TAI_COR
E_W_LOG
1961
9.21 0.50 5.53 0.31
1962
10.78 0.58 6.15 0.34
276.54
1963
9.02 0.48 5.05 0.28
375.99
1964
9.02 0.47 6.38 0.33
457.50
1965
9.31 0.49 5.85 0.30
233.89
1966
9.28 0.49 5.87 0.30
289.87
1967
1.77
11.34 0.59 6.66 0.35
483.59 76.44
1968
2.20
10.79 0.58 7.15 0.39
638.38 99.16
1969
1.83
10.04 0.53 7.63 0.43
370.58 92.50
1970
1.39
9.25 0.49 6.83 0.39
474.72 69.31
1971
1.08
9.98 0.52 7.47 0.43
610.28 46.99
1972
1.06
11.67 0.61 10.24 0.63
465.46 40.84
1973
1.13
12.91 0.64 9.61 0.61
458.68 42.05
1974
1.10
7.66 0.36 6.93 0.36
334.97 42.41
1975
1.03
7.87 0.37 7.22 0.39
321.19 31.80
1976
1.14
13.52 0.70 8.66 0.53
484.12 43.58
1977
1.04
10.93 0.55 8.81 0.50
615.88 38.19
1978
0.90
10.24 0.49 8.08 0.45
632.71 30.03
1979
1.06
11.25 0.54 8.85 0.49
312.03 39.09
1980
0.80
9.23 0.43 7.03 0.36
372.57 32.71
1981
0.58
8.81 0.41 6.68 0.34 190.1
6
157.2
8 350.99 23.67
1982
0.57
10.09 0.43 6.88 0.37 92.79
75.73
511.55 23.26
1983
0.61
9.33 0.42 7.12 0.37 50.95
40.41
568.93 24.68
1984
0.48
9.41 0.43 7.26 0.37 99.42
86.00
374.09 19.39
1985 2.89 143.88 0.44
10.37 0.47 6.87 0.36 52.52
37.91
305.88 16.43
67
1986 5.08 245.31 0.70
11.94 0.54 7.68 0.40 74.82
62.57
222.16 24.39
1987 3.21 154.09 0.38
11.27 0.51 7.44 0.38 48.41
37.93
228.71 14.51
1988 3.23 155.30 0.43
8.36 0.37 5.86 0.29 22.82
20.14
335.65 16.28
1989 3.13 148.98 0.90
7.32 0.33 5.63 0.28 23.92
19.75
170.86 35.27
1990 3.22 155.27 1.03
6.90 0.31 5.27 0.26 23.08 17.80
358.16 39.45
1991 2.44 117.72 1.24
6.77 0.34 4.97 0.27
68.48 38.71
613.67 48.57
1992 2.49 98.49 3.74 5.33 6.86 0.32 5.25 0.26
165.9
6 67.52
612.54
166.96 229.12
1993 2.14 88.44
5.68 7.63 5.86 0.32 4.63 0.27
64.50 49.79
416.59
209.66 300.42
1994 2.17 85.09
5.41 7.35 5.61 0.32 4.32 0.26
80.93 61.93
332.59
215.46 308.84
1995 2.56 98.73
3.83 4.90 4.73 0.24 3.79 0.21
68.71 57.45
275.60
155.42 215.47
1996 2.24 82.67
2.74 3.62 4.39 0.21 3.44 0.18
62.06 30.22
200.12
115.97 164.84
1997 2.50 91.34
3.46 4.59 4.24 0.21 3.49 0.18
40.13 22.32
128.06
135.82 192.96
1998 3.52 145.43
2.65 3.55 4.42 0.20 3.61 0.18
24.92 18.13
153.57
111.26 160.34
1999 2.62 105.72
2.54 3.30 4.55 0.21 3.38 0.17
20.91 17.31
81.26
109.22 152.69
2000 2.66 113.43
2.94 3.96 3.98 0.18 2.89 0.15
17.10 14.67
51.77
121.02 171.75
2001 2.23 70.74
3.18 4.11 4.04 0.19 2.83 0.15
11.70 11.20 119.38
132.99 183.37
2002 1.46 52.38
2.78 3.57 3.96 0.20 3.00 0.17
8.77 13.70 0.73 31.99
119.58 165.35
2003 1.27 49.09
2.38 3.11 2.80 0.14 2.28 0.12
3.18 4.79 2.65 96.02
103.82 146.59
2004 2.02 78.65
2.37 3.18 2.96 0.15 2.32 0.12
4.05 8.02 3.30 80.24
105.56 149.76
2005 2.66 99.74
2.95 3.89 3.41 0.16 2.50 0.13
15.06 22.24 3.54 136.27
133.15 187.78
2006 1.61 72.84
3.50 4.59 2.63 0.14 2.25 0.13
12.61 11.70 1.93 160.22
174.33 243.28
2007 1.74 74.27
2.88 3.80 2.12 0.11 1.96 0.11
15.09 15.63 3.92 190.51
141.70 199.23
2008 1.50 58.27
2.69 3.53 2.25 0.12 1.91 0.11
18.91 19.10 1.07 252.25
131.27 184.63
2009 1.46 53.47
3.00 3.95 2.38 0.12 1.85 0.10
9.59 8.28 1.34 217.23
142.56 200.55
2010 1.48 51.88
2.54 3.38 2.20 0.11 1.80 0.09
0.98 232.21
114.84 164.48
2011 1.45 55.79
2.22 2.92 2.71 0.13 2.41 0.12
1.61 384.59
101.79 145.11
2012 1.91 66.87
3.77 4.98 3.59 0.18 2.86 0.15
1.67 257.38
176.96 249.68
2013 2.40 83.98
3.35 4.40 2.84 0.14 2.10 0.13
2.58 238.57
183.15 255.48
2014
9.21 0.50 5.53 0.31
68
Table 12. Available CPUE indices to be used in quarterly models (note that some indices are still pending).
INDEX
US_N
CH_TAI_ALL_N_T2 CH_TAI_CORE_N_LOG JLL_1_N JLL_2_N JLL_3_N URU_W_1 URU_W_2 AZ_BB
UNITS
MODEL
AREA
1
2
2
1
2
3
3
3
1
year season cpue cv cpue cv cpue cv cpue cv cpue cv cpue cv cpue cv cpue cv cpue cv
1961 1
3.44 0.02 0.47 0.92
1961 2
7.22 0.01
1961 3
9.82 0.01 10.62 0.03
1961 4
6.57 0.01 7.23 0.02
1962 1
4.15 0.02 1.31 0.15
1962 2
6.89 0.01 8.55 0.05
1962 3
2.16 0.18 8.92 0.01 8.83 0.03
1962 4
0.20 4.05 7.27 0.01 5.00 0.03
1963 1
5.00 0.01 1.46 0.10
1963 2
1.29 0.32 8.33 0.01 4.84 0.09
647.4 0.15
1963 3
1.93 0.11 9.88 0.01 5.88 0.04
937.9 0.31
1963 4
7.78 0.01 5.59 0.03
1964 1
0.25 3.24 5.99 0.01 1.44 0.08
1964 2
0.86 0.16 6.78 0.01 3.09 0.10
367.3 0.16
1964 3
1.52 0.11 6.57 0.01 4.43 0.03
541.1 0.39
1964 4
8.44 0.03 7.34 0.01 3.62 0.02
1965 1
5.06 0.03 5.79 0.01 1.55 0.08
1965 2
1.97 0.05 6.49 0.01 4.22 0.03
694.0 0.10
1965 3
2.07 0.09 7.74 0.01 4.44 0.02
531.0 0.25
1965 4
8.63 0.02 6.37 0.01 5.37 0.02
1966 1
1.84 0.15 5.62 0.01 1.58 0.07
1966 2
2.10 0.06 5.85 0.01 2.07 0.05
354.7 0.19
1966 3
9.42 0.03 8.03 0.01 3.46 0.03
520.4 0.38
1966 4
6.94 0.03 7.19 0.01 3.31 0.03
1967 1
1.18 0.14 7.24 0.01 1.93 0.07
1967 2
1.36 0.11 5.98 0.01 3.25 0.05
811.2 0.11
1967 3
3.40 0.10 6.37 0.01 3.94 0.03
623.2 0.30
1967 4
9.13 0.03 6.93 0.01 3.87 0.02
1968 1
1.16 0.13
1.51 0.13 6.49 0.01 1.65 0.10
1968 2
1.74 0.13
3.09 0.06 7.00 0.01 3.50 0.03
561.1 0.24
1968 3
2.77 0.10
7.23 0.06 9.49 0.01 3.96 0.02
1225.4 0.54
1968 4
1.76 0.12
4.18 0.07 7.80 0.01 3.84 0.03
1969 1
2.27 0.10
1.18 0.14 8.35 0.01 2.71 0.04
1969 2
1.57 0.09
1.82 0.12 7.29 0.01 5.55 0.02
772.9 0.20
69
1969 3
3.48 0.08
1.92 0.25 7.96 0.01 4.34 0.03
483.5 0.19
1969 4
2.00 0.09
6.96 0.05 8.26 0.01 4.97 0.03
1970 1
1.47 0.09
1.69 0.10 7.25 0.01 2.87 0.03
1970 2
1.61 0.09
2.77 0.05 6.89 0.01 3.08 0.02
333.6 0.18
1970 3
3.59 0.07
7.02 0.02 7.51 0.01 1.96 0.05
342.1 0.19
1970 4
1.36 0.08
5.86 0.02 9.03 0.01 3.42 0.03
1971 1
1.29 0.08
1.98 0.05 7.96 0.01 2.24 0.04
1971 2
1.33 0.09
4.78 0.02 6.50 0.01 2.41 0.03
252.4 0.57
1971 3
1.96 0.09
3.29 0.04 6.22 0.01 2.81 0.03
344.1 0.45
1971 4
1.11 0.09
4.36 0.02 7.30 0.01 2.71 0.04
1972 1
0.90 0.10
1.80 0.06 5.91 0.01 1.59 0.06
1972 2
1.14 0.11
2.95 0.05 7.05 0.01 2.37 0.03
535.1 0.22
1972 3
1.73 0.09
3.04 0.04 8.86 0.01 1.92 0.06
560.9 0.21
1972 4
0.84 0.11
6.12 0.02 10.47 0.01 3.78 0.03
1973 1
0.74 0.12
2.55 0.06 11.44 0.01 2.00 0.05
1973 2
1.18 0.13
8.16 0.02 7.76 0.01 2.32 0.05
614.4 0.27
1973 3
1.88 0.12
4.51 0.03 9.54 0.01 3.79 0.03
550.4 0.11
1973 4
0.78 0.11
11.60 0.01 8.64 0.01 4.09 0.03
1974 1
0.86 0.09
6.24 0.02 14.77 0.01 2.54 0.06
1974 2
0.89 0.09
3.88 0.03 8.93 0.02 3.40 0.04
1244.9 0.12
1974 3
1.99 0.09
3.04 0.04 6.94 0.01 3.60 0.04
701.6 0.09
1974 4
1.05 0.10
8.92 0.01 6.21 0.02 3.13 0.04
1975 1
0.96 0.09
2.57 0.04 8.61 0.01 1.80 0.07
1975 2
0.93 0.10
3.39 0.03 7.47 0.01 2.10 0.07
770.9 0.12
1975 3
2.02 0.09
2.96 0.04 5.32 0.01 4.69 0.03
575.3 0.12
1975 4
0.92 0.11
5.83 0.02 7.60 0.01 3.36 0.03
1976 1
0.82 0.09
1.90 0.06 5.99 0.02 1.85 0.06
1976 2
1.09 0.09
2.30 0.04 7.35 0.01 2.32 0.07
385.0 0.13
1976 3
1.64 0.09
3.62 0.03 6.23 0.01 4.79 0.05
303.4 0.24
1976 4
0.77 0.10
5.35 0.02 15.52 0.01 6.29 0.02
1977 1
0.86 0.09
1.97 0.07 10.45 0.01 1.96 0.06
1977 2
1.25 0.09
4.85 0.02 11.01 0.01 2.62 0.04
937.0 0.18
1977 3
1.71 0.09
3.03 0.05 11.93 0.01 6.15 0.03
547.3 0.31
1977 4
0.95 0.08
5.96 0.02 15.42 0.01 5.80 0.02
1978 1
0.89 0.08
3.34 0.04 8.99 0.01 2.01 0.05
1978 2
1.23 0.09
2.85 0.04 11.24 0.01 2.46 0.04
919.8 0.11
1978 3
1.27 0.09
4.23 0.03 10.83 0.01 3.48 0.03
459.0 0.21
1978 4
0.89 0.09
8.03 0.01 10.45 0.01 5.64 0.03
1979 1
0.85 0.11
2.36 0.05 11.71 0.01 1.89 0.05
1979 2
0.87 0.11
3.67 0.03 11.80 0.01 2.52 0.03
1119.2 0.11
1979 3
1.12 0.10
3.73 0.04 10.74 0.01 3.82 0.04
516.8 0.14
1979 4
0.78 0.10
5.60 0.02 10.95 0.01 3.92 0.03
70
1980 1
0.91 0.09
4.36 0.03 13.92 0.01 2.11 0.04
1980 2
0.98 0.10
7.92 0.01 12.60 0.01 2.67 0.03
436.8 0.10
1980 3
1.40 0.08
5.13 0.02 10.29 0.01 3.38 0.03
142.0 0.27
1980 4
1.06 0.10
5.01 0.02 10.24 0.01 2.16 0.05
1981 1
0.63 0.08
1.83 0.05 11.48 0.01 1.94 0.04
1981 2
0.83 0.09
3.22 0.03 9.84 0.01 2.38 0.03
398.7 0.10
1981 3
0.98 0.08
3.16 0.03 8.25 0.01 3.31 0.04
270.2 0.19
1981 4
0.84 0.09
3.60 0.02 8.79 0.01 2.58 0.04
1982 1
0.50 0.08
3.47 0.04 9.15 0.01 2.17 0.04
1982 2
0.68 0.08
3.57 0.03 9.19 0.01 2.26 0.03
462.1 0.11
1982 3
0.77 0.08
3.17 0.04 8.19 0.01 3.01 0.03
1252.0 0.20
1982 4
0.49 0.09
2.89 0.03 9.67 0.01 1.93 0.05
1983 1
0.79 0.08
2.83 0.04 9.33 0.01 1.89 0.07
1983 2
0.53 0.11
3.41 0.03 11.02 0.01 2.27 0.05
1192.3 0.08
1983 3
0.58 0.09
3.46 0.04 10.37 0.01 2.87 0.04
1189.5 0.13
1983 4
0.46 0.10
2.73 0.05 10.33 0.01 2.92 0.03
1984 1
0.53 0.09
2.38 0.04 10.34 0.01 1.91 0.08
1984 2
0.71 0.11
3.13 0.03 9.98 0.01 2.26 0.04
987.7 0.12
1984 3
0.70 0.09
3.90 0.04 8.57 0.01 3.14 0.03
583.0 0.14
1984 4
0.52 0.10
5.32 0.02 9.77 0.01 2.63 0.04
1985 1
0.56 0.08
2.29 0.05 10.94 0.01 3.32 0.05
1985 2
0.47 0.10
3.88 0.03 9.04 0.01 2.70 0.03
584.2 0.08
1985 3
0.53 0.08
6.12 0.02 8.79 0.01 2.56 0.04
390.7 0.14
1985 4
0.41 0.09
4.50 0.02 10.05 0.00 2.35 0.05
1986 1
0.33 0.08
2.07 0.06 11.46 0.00 1.69 0.06
1986 2
0.37 0.08
2.00 0.05 11.69 0.01 2.17 0.04
439.2 0.07
1986 3 7.12 0.24 0.67 0.08
3.59 0.03 9.21 0.01 3.04 0.03
338.4 0.13
1986 4 6.60 0.05 0.41 0.08
3.32 0.03 10.25 0.01 1.83 0.06
1987 1 3.86 0.04 0.51 0.09
2.74 0.04 11.95 0.01 3.00 0.05
1987 2 3.72 0.04 0.77 0.09
3.06 0.03 10.28 0.01 2.71 0.03
419.3 0.07
1987 3 4.33 0.03 1.20 0.09
3.17 0.04 11.75 0.01 3.23 0.03
415.4 0.13
1987 4 7.21 0.03 0.48 0.09
2.27 0.04 14.69 0.00 3.18 0.04
1988 1 4.05 0.04 0.34 0.11
1.32 0.08 12.82 0.00 1.72 0.08
1988 2 4.19 0.04 0.47 0.14
1.72 0.06 11.15 0.01 2.72 0.03
293.0 0.12
1988 3 2.86 0.03 0.58 0.16
2.70 0.05 11.53 0.00 2.75 0.03
128.5 0.10
1988 4 6.17 0.03 0.33 0.14
2.83 0.03 12.03 0.00 2.31 0.04
1989 1 3.89 0.03 0.26 0.10
1.43 0.06 9.96 0.00 2.14 0.07
1989 2 2.55 0.04 0.48 0.10
1.35 0.07 8.47 0.01 2.54 0.03
816.8 0.11
1989 3 3.90 0.03 0.56 0.10
3.39 0.05 8.79 0.01 3.20 0.03
118.4 0.13
1989 4 5.16 0.03 0.46 0.10
2.73 0.03 7.67 0.01 1.37 0.06
1990 1 3.42 0.03 0.61 0.11
1.83 0.05 7.79 0.01 1.89 0.10
1990 2 1.70 0.05 1.11 0.11
2.44 0.04 7.05 0.01 2.37 0.03
441.1 0.14
71
1990 3 2.40 0.03 1.11 0.12
5.46 0.03 7.17 0.01 2.72 0.03
111.6 0.18
1990 4 6.46 0.03 0.80 0.14
3.91 0.02 7.96 0.01 2.42 0.04
1991 1 2.35 0.04 0.85 0.09
2.11 0.04 7.99 0.01 1.38 0.08
1991 2 1.81 0.05 1.00 0.09
3.79 0.03 7.29 0.01 1.89 0.03
390.9 0.15
1991 3 4.19 0.02 1.27 0.10
5.10 0.03 7.09 0.01 2.18 0.03
193.5 0.17
1991 4 4.66 0.03 1.01 0.10
2.84 0.03 7.33 0.01 1.82 0.05
1992 1 2.17 0.04 1.56 0.11
1.86 0.05 7.77 0.01 1.18 0.10
1992 2 1.38 0.05 1.06 0.11
2.29 0.04 5.48 0.01 2.05 0.03
631.6 0.15
1992 3 2.38 0.03 1.10 0.13
2.39 0.06 7.92 0.01 2.05 0.04
424.7 0.15
1992 4 3.35 0.03 1.18 0.14
3.23 0.03 8.18 0.01 2.54 0.04
1993 1 1.91 0.04
7.02 0.05 1.06 0.10 7.13 0.01 0.70 0.32
1993 2 1.41 0.05
4.69 0.06 2.19 0.04 7.46 0.01 2.30 0.03
1192.6 0.14
1993 3 3.72 0.02
4.62 0.04 2.59 0.05 7.65 0.01 2.90 0.02
604.0 0.12
1993 4 4.74 0.03
5.46 0.03 3.32 0.03 7.59 0.01 2.66 0.03
1994 1 1.57 0.04
8.14 0.03 0.96 0.12 7.58 0.01 1.51 0.08
1994 2 1.26 0.05
8.14 0.03 1.46 0.06 6.70 0.01 2.67 0.02
889.3 0.24
1994 3 2.84 0.03
7.64 0.03 1.75 0.12 6.20 0.01 2.36 0.02
618.9 0.17
1994 4 4.84 0.03
9.07 0.02 3.40 0.02 6.83 0.01 1.39 0.05
1995 1 2.03 0.04
8.74 0.03 1.42 0.08 7.58 0.01 2.00 0.06
1995 2 1.50 0.04
8.04 0.02 1.62 0.04 6.65 0.01 2.61 0.02
1023.7 0.15
1995 3 2.73 0.02
6.13 0.02 2.70 0.06 6.43 0.01 2.53 0.02
284.9 0.16
1995 4 4.72 0.03
6.41 0.02 1.71 0.05 5.82 0.01 1.17 0.06
1996 1 2.23 0.04
6.45 0.02 1.68 0.08 6.65 0.01 1.72 0.06
1996 2 1.81 0.04
5.23 0.02 2.16 0.03 5.54 0.01 1.76 0.03
658.2 0.14
1996 3 2.38 0.03
4.28 0.01 2.99 0.04 4.62 0.01 2.65 0.03
233.0 0.24
1996 4 4.01 0.04
5.35 0.01 1.88 0.04 4.41 0.01 2.01 0.04
1997 1 1.96 0.04
5.64 0.01 1.96 0.05 5.36 0.01 1.04 0.13
1997 2 1.55 0.05
3.01 0.02 2.17 0.04 4.33 0.01 1.55 0.04
430.6 0.13
1997 3 2.57 0.03
2.42 0.02 1.97 0.11 4.54 0.01 3.06 0.02
100.7 0.24
1997 4 4.15 0.03
4.51 0.01 1.87 0.04 4.20 0.01 1.78 0.05
1998 1 1.87 0.04
4.84 0.02 1.59 0.05 5.77 0.01 0.45 0.45
1998 2 1.27 0.05
4.28 0.02 1.93 0.04 5.08 0.01 1.54 0.04
599.6 0.16
1998 3 2.37 0.03
4.25 0.02 2.41 0.07 4.40 0.01 2.69 0.03
118.1 0.16
1998 4 5.73 0.03
5.24 0.02 2.40 0.03 4.03 0.01 1.06 0.07
1999 1 3.59 0.04
4.32 0.01 2.21 0.04 4.32 0.01 0.69 0.25
1999 2 3.12 0.04
3.75 0.01 3.09 0.03 4.42 0.01 1.73 0.04
312.7 0.14
1999 3 4.49 0.03
2.96 0.01 1.77 0.13 4.86 0.01 2.20 0.03
21.5 0.59
1999 4 6.07 0.03
3.72 0.01 2.20 0.04 5.41 0.01 1.37 0.06
2000 1 2.89 0.05
4.33 0.01 1.59 0.06 6.82 0.01 0.80 0.25
2000 2 2.04 0.05
3.87 0.01 3.08 0.03 5.17 0.01 1.60 0.04
99.6 0.16
2000 3 2.06 0.04
2.55 0.02 2.60 0.06 4.33 0.01 1.33 0.06
32.9 0.31
2000 4 3.91 0.03
3.56 0.01 1.42 0.06 3.98 0.01 0.75 0.11
72
2001 1 2.28 0.05
4.76 0.01 2.02 0.04 4.49 0.01 0.37 0.42
2001 2 2.24 0.04
4.23 0.02 2.46 0.03 4.42 0.01 1.12 0.07
80.8 0.20
2001 3 2.02 0.04
3.30 0.02 1.34 0.11 3.59 0.02 2.28 0.05
37.6 0.32
2001 4 4.69 0.03
3.90 0.02 1.15 0.07 3.15 0.02 1.73 0.05
2002 1 2.35 0.04
5.26 0.01 0.92 0.08 3.24 0.02 0.97 0.31
2002 2 1.18 0.05
4.89 0.01 1.37 0.07 4.10 0.02 1.70 0.06
82.3 0.32
2002 3 1.81 0.04
3.89 0.02 0.96 0.43 4.82 0.01 1.56 0.07
68.0 0.38
2002 4 4.54 0.03
3.77 0.02 1.15 0.08 4.50 0.01 1.91 0.06
2003 1 1.80 0.04
5.50 0.01 1.32 0.06 5.23 0.01 1.48 0.16
2003 2 0.61 0.07
3.12 0.02 2.21 0.04 4.54 0.01 1.60 0.05
42.8 0.35
2003 3 0.65 0.06
2.49 0.02 0.84 0.24 3.65 0.02 2.37 0.03
53.7 0.37
2003 4 3.03 0.04
4.44 0.02 1.04 0.09 3.39 0.02 1.06 0.08
2004 1 1.00 0.06
5.42 0.02 1.31 0.06 2.96 0.02 0.00 53.47
2004 2 0.37 0.09
2.54 0.02 1.44 0.06 2.95 0.02 0.67 0.13
280.9 0.21
2004 3 0.76 0.07
2.41 0.02 1.17 0.17 3.00 0.02 1.69 0.05
49.1 0.29
2004 4 5.51 0.04
2.97 0.02 0.87 0.10 3.52 0.02 1.32 0.06
2005 1 2.05 0.04
3.19 0.01 0.79 0.09 3.02 0.02 1.40 0.43
2005 2 1.03 0.07
3.66 0.01 1.51 0.05 3.05 0.02 1.47 0.07
336.0 0.17
2005 3 2.02 0.05
2.73 0.01 1.19 0.16 2.81 0.02 1.78 0.05
63.3 0.17
2005 4 5.06 0.04
3.56 0.01 0.97 0.09 3.30 0.02 1.97 0.06
2006 1 2.61 0.05
5.62 0.02 0.55 0.13 3.66 0.01 0.15 4.11
2006 2 1.44 0.06
3.66 0.02 1.37 0.07 3.79 0.01 1.52 0.07
308.9 0.33
2006 3 3.34 0.04
3.02 0.03 1.29 0.21 3.62 0.02 1.70 0.05
231.3 0.33
2006 4 5.94 0.03
3.60 0.03 0.81 0.14 3.78 0.01 1.18 0.08
2007 1 3.06 0.05
5.55 0.01 0.32 0.29 3.95 0.01 3.35 0.13
2007 2 1.00 0.06
3.99 0.01 1.34 0.11 3.47 0.02 1.24 0.09
320.5 0.15
2007 3 1.96 0.04
3.72 0.01 1.45 0.18 2.77 0.02 1.97 0.06
107.2 0.22
2007 4 2.82 0.04
5.18 0.01 0.91 0.16 3.17 0.02 1.13 0.09
2008 1 1.36 0.05
4.09 0.01 0.32 0.38 3.37 0.01 0.96 0.21
2008 2 0.80 0.06
3.38 0.01 1.29 0.13 2.73 0.02 1.43 0.06
145.9 0.24
2008 3 1.76 0.04
3.52 0.02 0.61 0.41 2.67 0.02 1.65 0.04
166.6 0.11
2008 4 3.53 0.03
4.33 0.01 0.83 0.16 2.35 0.02 1.11 0.07
2009 1 1.10 0.06
4.59 0.01 0.11 1.95 3.18 0.02 0.34 0.46
2009 2 0.94 0.06
3.40 0.01 1.51 0.15 2.47 0.02 1.93 0.05
247.9 0.10
2009 3 1.68 0.04
2.58 0.01 0.64 0.42 2.29 0.02 1.66 0.05
178.1 0.08
2009 4 2.63 0.04
4.23 0.01 0.86 0.18 2.95 0.02 1.41 0.08
2010 1 1.33 0.05
3.79 0.01 0.55 0.40 2.64 0.02 0.35 0.72
2010 2 0.62 0.06
4.11 0.01 1.38 0.20 2.47 0.02 1.12 0.08
284.8 0.10
2010 3 2.27 0.03
3.79 0.01 0.21 1.25 2.59 0.02 1.92 0.04
226.9 0.11
2010 4 2.46 0.04
4.11 0.01 0.71 0.26 2.59 0.02 1.35 0.09
2011 1 0.79 0.06
3.28 0.01 0.19 1.48 3.18 0.02 0.37 0.46
2011 2 1.29 0.05
4.00 0.01
2.46 0.02 1.07 0.08
504.9 0.09
73
2011 3 2.69 0.03
2.97 0.01 0.22 1.45 2.05 0.03 2.58 0.03
264.3 0.12
2011 4 3.61 0.03
3.72 0.01 1.70 0.11 2.28 0.02 0.06 2.86
2012 1 0.88 0.05
3.20 0.01 1.06 0.55 2.70 0.02 0.79 0.29
2012 2 1.11 0.05
2.93 0.01 0.38 1.51 2.83 0.02 1.13 0.08
321.0 0.13
2012 3 2.92 0.03
2.61 0.01 0.15 2.00 2.43 0.03 4.06 0.02
140.7 0.15
2012 4 1.99 0.03
3.35 0.01 0.78 0.27 3.44 0.02 3.05 0.03
2013 1 1.75 0.04
4.49 0.01 0.22 3.64 3.59 0.01 0.66 0.30
2013 2 0.90 0.05
5.84 0.01
3.18 0.02 1.02 0.07
406.3 0.09
2013 3 2.69 0.03
4.86 0.02 0.14 1.92 2.69 0.03 2.52 0.03
338.5 0.13
2013 4 2.55 0.03
4.64 0.01 0.75 0.25 5.54 0.01 2.56 0.04
2014 1 1.62 0.04
5.29 0.01
4.19 0.01
2014 2 1.11 0.05
3.98 0.01
3.27 0.02 1.04 0.07
721.5 0.10
2014 3 4.01 0.03
4.38 0.01
3.09 0.02 1.69 0.05
295.9 0.11
2014 4 2.59 0.04
4.55 0.01 0.05 6.89 5.88 0.05 0.55 0.78
74
Table 13. Natural mortality vectors derived for the age-structured models.
Figure 1. Total BET (bigeye) Task I catches (t) by year and major gear.
Age Length LowM base M HighM
SS vector, plus group
8
VPA vector,
plus group 8
0 42 0.540 0.720 0.900 0.720 0.720
1 71 0.365 0.486 0.608 0.486 0.486
2 95 0.287 0.383 0.479 0.383 0.383
3 115 0.245 0.326 0.408 0.326 0.326
4 132 0.217 0.290 0.362 0.290 0.290
5 146 0.199 0.265 0.332 0.265 0.265
6 158 0.186 0.248 0.310 0.248 0.248
7 168 0.176 0.235 0.294 0.235 0.214
8 176 0.169 0.225 0.281 0.209 9 183 0.163 0.218 0.272
10 188 0.159 0.212 0.265 11 193 0.155 0.207 0.259 12 197 0.152 0.203 0.254 13 200 0.150 0.200 0.250 14 203 0.148 0.198 0.247 15 206 0.147 0.196 0.244 16 207 0.145 0.194 0.242
17 209 0.144 0.193 0.241 18 210 0.144 0.191 0.239 19 212 0.143 0.190 0.238 20 213 0.142 0.190 0.237
0
20000
40000
60000
80000
100000
120000
140000
160000
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
BET Task I by major gear Other surf.
Purse seine
Longline
Bait boat
75
Figure 2. Probability density functions of temperature (left) and depth (right) of bigeye tuna (n=8) at various 10°
latitude bands for day (pink) and night (blue).
Figure 3. Comparison of the JPN-CAS update versus the series provided at the last assessment in 2010 in total
number of fish.
0
100,000
200,000
300,000
400,000
500,000
600,000
700,000
800,000
1995 2000 2005 2010 2015
Comparison CAS JPN vr 1 (Sec) and Update (JPN)
NEW CAS
CAS vr1
76
Figure 4. Comparison of the cumulative size frequency distributions of JPN-CAS update versus the series provided at the last assessment in 2010. Line displaced to the right
indicated size frequency of larger size fish overall.
77
Figure 5. Cumulative catch from Task I and exports for CPCs that either exclusively or almost exclusively
report longline gear.
78
Figure 6. Cumulative catch from Task I and exports for CPCs that exclusively report baitboat and purse seine
gear.
Figure 7. Cumulative catch from task I and exports for CPCs that report combinations of longline, baitboat and
purse seine gear.
79
Figure 8. All available CPUE indices, scaled to common mean when available.
Figure 9. Evaluation of severe deviations from production model dynamics.
0.0
1.0
2.0
3.0
4.0
5.0
6.0
7.0
8.0
1960 1970 1980 1990 2000 2010
cpue indices scaled to common mean during periods of overlap
US_N
US_W
CH_TAI_ALL_N_T2
CH_TAI_ALL_N_LOG
CH_TAI_CORE_N_LOG
JLL_CORE_N
JLL_CORE_W
JLL_ALL_N
URU_W_1
URU_W_2
URU_W_full
MOR_W
AZ_BB
CH_TAI_ALL_W_T2
CH_TAI_ALL_W_LOG
CH_TAI_CORE_W_LOG
80
Figure 10. Natural mortality vectors derived for the age-structured models.
Figure 11. Spatial areas for the index construction and SS model.
0,000
0,100
0,200
0,300
0,400
0,500
0,600
0,700
0,800
0,900
1,000
0 2 4 6 8 10 12 14
Nat
ura
l Mo
rtal
ity
Age
higher
M
lower
81
Appendix 1
AGENDA
1. Opening, adoption of Agenda and meeting arrangements
2. Review of historical and new data on bigeye biology
3. Review of fishery statistics
3.1 Task I (catches) data
3.2 Task II (catch-effort and size samples) data
3.3 Review of 2006-2012 Ghana estimations (both Task I and II)
3.4 Other information (tagging)
4. Review and update of CAS/CAA
5. Review of available indices of relative abundances by fleet and estimation of combined indices
6. Identification of data inputs and specifications for the different assessment models and advice framework
6.1 Data requirements for VPA2-Box
6.2 Data requirements for ASPIC
6.3 Data requirements for BSP
6.4 Data requirements for stock synthesis (SS)
7. Review of the progress of the Tagging Programme
8. Recommendations
9. Other matters
10. Adoption of the report and closure
Appendix 2
LIST OF PARTICIPANTS
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]
CONTRACTING PARTIES
CAPE VERDE
Marques da Silva Monteiro, Vanda
Instituto Nacional de Desenvolvimento das Pescas, Cova de Inglesa, C.P. 132, Mindelo Sao Vicente, Cape Verde
Tel: +238 232 13 73, Fax: +238 232 16 16, E-Mail: [email protected]
EUROPEAN UNION
Fonteneau, Alain
9, Bd Porée, 35400 Saint Malo, France
Tel: +33 4 99 57 3200, Fax: +33 4 99 57 32 95, E-Mail: [email protected]
Gaertner, Daniel
I.R.D. UR nº 109 Centre de Recherche Halieutique Méditerranéenne et Tropicale, Avenue Jean Monnet - B.P. 171, 34203
Sète Cédex, France
Tel: +33 4 99 57 32 31, Fax: +33 4 99 57 32 95, E-Mail: [email protected]
82
Murua, Hilario
AZTI - Tecnalia /Itsas Ikerketa Saila, Herrera Kaia Portualde z/g, 20110 Pasaia Gipuzkoa, Spain
Tel: +34 667 174 433, Fax: +34 943 004801, 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]
Soto, María
Instituto Español de Oceanografía, C/ Corazón de María 8, 28002 Madrid, Spain
Tel: +34915107533, E-Mail: [email protected]
Fernández, Felipe
Instituto Español de Oceanografía, C/ Corazón de María 8, 28002 Madrid, Spain
Tel: +34915107923, E-Mail: [email protected]
JAPAN
Ashida, Hiroshi
5-7-1 Orido, Shimizu-ku, Shizuoka-shi, Shizuokaken 424 8633, Japan
Tel: +81 54 336 6000, Fax: +81 1154 335 9642, 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, Japan
Tel: +81 54 336 6000, E-Mail: [email protected]
MAURITANIA
Habibe, Beyahe Meissa
Institut Mauritanien de Recherches Océanographiques et des Pêches - IMROP, B.P. 22, Nouadhibou, Mauritania
Tel: +222 2242 1047, Fax: +222 574 5081, E-Mail: [email protected]
SENEGAL
Sow, Fambaye Ngom
Chercheur Biologiste des Pêches, Centre de Recherches Océanographiques de Dakar Thiaroye, CRODT/ISRALNERV -
Route du Front de Terre - BP 2241, Dakar, Senegal
Tel: +221 3011 32196, Fax: +221 33 832 8262, E-Mail: [email protected]
UNITED STATES
Brown, Craig A.
Chief, Highly Migratory Species Branch, Sustainable Fisheries Division, NOAA Fisheries Southeast Fisheries Science
Center, 75 Virginia Beach Drive, Miami Florida 33149, United States
Tel: +1 305 361 4590, Fax: +1 305 361 4562, E-Mail: [email protected]
Cass-Calay, Shannon
NOAA Fisheries, Southeast Fisheries Center, Sustainable Fisheries Division75 Virginia Beach Drive, Miami Florida 33149,
United States
Tel: +1 305 361 4231, Fax: +1 305 361 4562, E-Mail: [email protected]
Lam, Chi Hin
Large Pelagics Research, University of Massachusetts, P O Box 3188, Gloucester, Massachusetts MA01931, United States
Tel: +1 978 238 8208, Fax: +1 978 283 0297, E-Mail: [email protected]
Schirripa, Michael
NOAA Fisheries, Southeast Fisheries Science Center 75 Virginia Beach Drive, Miami Florida 33149, United States
Tel: +1 305 361 4568, Fax: +1 305 361 4562, E-Mail: [email protected]
Sculley, Michelle
University of Miami, Rosenstell School of Marine and Atmospheric Science, 4600 Richenbacker Causeway, Miami Florida
33149, United States
Tel: +1 305 421 4831, Fax: 4600 Richen, E-Mail: [email protected]
Walter, John
NOAA Fisheries, Southeast Fisheries Center, Sustainable Fisheries Division75 Virginia Beach Drive, Miami Florida 33149,
United States
Tel: +305 365 4114, Fax: +1 305 361 4562, E-Mail: [email protected]
83
URUGUAY
Forselledo Cladera, Rodrigo
Dirección Nacional de Recursos Acuáticos - DINARA, Sección de Recursos Pelágicos de Altura Constituyente 1497, 11200
Montevideo, Uruguay
Tel: +598 2400 46 89, Fax: +598 241 32 16, E-Mail: [email protected]
OBSERVERS FROM NON-CONTRACTING PARTIES
CHINESE TAIPEI
Chang, Feng-Chen
Overseas Fisheries Development Council, 3F, No 14, Wenzhou St. Da'an Dist. 106, Taipei City, Chinese Taipei
Tel: +886 2 2368 0889, Fax: +886 2 2368 1530, E-Mail: [email protected]; [email protected]
Huang, Julia Hsiang-Wen
Assistant Professor, National Taiwan Ocean University, No. 2 Pei-Ning Road, 20224 Keelung, Chinese Taipei
Tel: +886 2 2462 2192 Ext. 5608, Fax: +886 2 2463 3986, E-Mail: [email protected]
OBSERVERS FROM NON-GOVERNMENTAL ORGANISATIONS
INTERNATIONAL SEAFOOD SUSTAINABILITY FOUNDATION – ISSF
Justel, Ana
ISSF-Spain, C/ Francisco Giralte, 2, 28002 Madrid, Spain
Tel: +34 91 745 3075, E-Mail: [email protected]
**********
ICCAT Secretariat
C/ Corazón de María, 8 - 6th floor, 28002 Madrid, Spain
Tel: + 34 91 416 5600; Fax: +34 91 415 2612: E-Mail: [email protected]
De Bruyn, Paul
Kell, Laurence
Ortiz, Mauricio
Pallarés, Pilar
Palma, Carlos
84
Appendix 3
LIST OF DOCUMENTS
SCRS/2015/023 An Evaluation of the Impact on Uncertainty in Data Processing on Stock Assessment and
Management Advice. Carruthers T. R., Kell L. and Palma C.
SCRS/2015/062 An update of the Azores baitboat fishery catch per unit effort standardization for 1963 –
2014. Sculley M., Pereira, J.G. and Schirripa M.
SCRS/2015/070 Review of bigeye tuna catch including fish size by Japanese longline fishery in the Atlantic
Ocean. Matsumoto T.
SCRS/2015/071 Standardized CPUE for bigeye tuna caught by the Japanese tuna longline fisheries operated in
the Atlantic Ocean up to 2014. Ashida H., Matsumoto T. and Satoh K.
SCRS/2015/072 Tuna fisheries catch landed in Abidjan (Côte d’Ivoire) and sold on local fish market for the
period 1982-2014. Chavance P., Dewals P., Amandè M. J., Delgado de Molina A., Cauquil P.
and Irié D.
SCRS/2015/073 Diagnostics for a biomass dynamic stock assessment of Atlantic bigeye tuna (Thunnus
obesus). Merino G. and Kell L.
SCRS/2015/074 A post-assessment examination of model diagnostics for the 2010 Stock Synthesis model for
bigeye tuna. Schirripa M.
SCRS/2015/075 Updated standardized catch rate of the bigeye tuna (Thunnus obesus) from the Moroccan
longline fishery operating in the Atlantic. Abid N., Baibbat S. and M’hamed A.
SCRS/2015/082 Standardized catch rates for bigeye tuna (Thunnus obesus) from the United States pelagic
longline fishery Walter J. and Lauretta M.
SCRS/2015/083 Statistiques de la pêche et les activités de recherche menées au Cap-Vert sur le thon, les
requins et les poissons à rostre. Monteiro V. and Monteiro C.
SCRS/2015/091 Standardized CPUE of bigeye tuna (Thunnus obesus) of the Taiwanese longline fisheries
operated in the Atlantic Ocean (1967-2014). Huang H. and Chang F.
SCRS/2015/092 Historical review: 50 years of tropical tuna fishing by Senegalese fisheries. Ngom F. and
Fonteneau A.
SCRS/2015/093 Identifying priorities for bigeye tuna electronic tagging in the western Atlantic Ocean. Lam
C., Galuardi B. and Lutcavage M.E.
SCRS/2015/094 Inferring seasonal movements of tropical tunas between regions in the eastern Atlantic Ocean
from catch per unit effort. Sculley M. and Die D.
SCRS/2015/095 Bigeye tuna: update on Task II size sampling based on Japanese tuna fleet operating in
Uruguayan EEZ (2009-2011). Mas F., Domingo A. and Forselledo R.
SCRS/2015/096 Length-length and length-weight relationships for bigeye tuna (Thunnus obesus) in the
southwestern Atlantic Ocean. Forselledo R., Mas F. and Domingo A.
SCRS/2015/097 Historical data recovery based on port sampling for bigeye tuna (Thunnus obesus) caught by
Uruguayan longline fleet (1984). Domingo A. and Forselledo R.
SCRS/2015/098 Update of standardized CPUE of bigeye tuna, Thunnus obesus, caught by Uruguayan
longliners in the southwestern Atlantic Ocean (1981-2010). Forselledo R., Mas F. Pons M.
and Domingo A.
85
SCRS/2015/102 Bigeye catches estimated for EU purse seiners: a need to apply a new post stratification in the
TASK II data processing of recent years. Fonteneau A.
SCRS/2015/105 Standardized CPUE for juvenile bigeye caught by the European and associated PS fishery on
FADs. Soto M.
SCRS/2015/106 Standardization of catch rates in a FAD fishery: Application to the French purse seine tropical
Atlantic bigeye tuna. Katara I, Gaertner D. and Maufroy A.