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: ddie@rsmas.miami.edu

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: vanda.monteiro@indp.gov.cv

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: alain.fonteneau@ird.fr

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: daniel.gaertner@ird.fr

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: hmurua@azti.es

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: jsantiago@azti.es; flarrauri@azti.es

Soto, María

Instituto Español de Oceanografía, C/ Corazón de María 8, 28002 Madrid, Spain

Tel: +34915107533, E-Mail: maria.soto@md.ieo.es

Fernández, Felipe

Instituto Español de Oceanografía, C/ Corazón de María 8, 28002 Madrid, Spain

Tel: +34915107923, E-Mail: felipe.fernandez@md.ieo.es

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: hashida@affrc.go.jp

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: matumot@affrc.go.jp

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: bmouldhabib@gmail.com

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: famngom@yahoo.com

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: craig.brown@noaa.gov

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: shannon.calay@noaa.gov

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: tagtuna@gmail.com

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: michael.schirripa@noaa.gov

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: mjohnston@rsmas.miami.edu

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: john.f.walter@noaa.gov

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: rforselledo@gmail.com

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: fengchen@ofdc.org.tw; d93241008@ntu.edu.tw

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: julia@ntou.edu.tw

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: ajustel@iss-foundation.org

**********

ICCAT Secretariat

C/ Corazón de María, 8 - 6th floor, 28002 Madrid, Spain

Tel: + 34 91 416 5600; Fax: +34 91 415 2612: E-Mail: info@iccat.int

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.