Skip to main content

Combining multiple Bayesian data analyses in a sequential framework for quantitative fisheries stock assessment

Buy Article:

$50.00 plus tax (Refund Policy)

Abstract:

This paper presents a sequential Bayesian framework for quantitative fisheries stock assessment that relies on a wide range of fisheries-dependent and -independent data and information. The presented methodology combines information from multiple Bayesian data analyses through the incorporation of the joint posterior probability density functions (pdfs) in subsequent analyses, either as informative prior pdfs or as additional likelihood contributions. Different practical strategies are presented for minimising any loss of information between analyses. Using this methodology, the final stock assessment model used for the provision of the management advice can be kept relatively simple, despite the dependence on a large variety of data and other information. This methodology is illustrated for the assessment of the mixed-stock fishery for four wild Atlantic salmon (Salmo salar) stocks in the northern Baltic Sea. The incorporation of different data and information results in a considerable update of previously available smolt abundance and smolt production capacity estimates by substantially reducing the associated uncertainty. The methodology also allows, for the first time, the estimation of stock–recruit functions for the different salmon stocks.

Notre travail présente un réseau bayésien séquentiel pour l’évaluation quantitative des stocks de pêche, basé sur une gamme étendue de données et de renseignements dépendants et indépendants de la pêche commerciale. La méthodologie présentée combine des renseignements provenant de nombreuses analyses bayésiennes de données par l’incorporation des fonctions de densité de probabilité a posteriori (pdf) conjointe dans les analyses subséquentes, soit comme des pdf a priori informatives, soit comme contributions additionnelles de vraisemblance. Nous signalons plusieurs stratégies pratiques différentes pour minimiser les pertes d’information entre les analyses. Par cette méthodologie, le modèle pour l’évaluation finale du stock qui fournit des avis de gestion peut demeurer relativement simple, malgré sa dépendance d’une grande variété de données et d’autres renseignements. Nous illustrons la méthodologie en évaluant une pêche commerciale à stocks mixtes, soit le cas de quatre stocks sauvages de saumons atlantiques (Salmo salar) du nord de la Baltique. L’incorporation des divers renseignements et données fournit une mise à jour importante des estimations actuellement disponibles de l’abondance des saumoneaux et de la capacité de production des saumoneaux en réduisant substantiellement l’incertitude associée. La méthodologie permet aussi, pour la première fois, d’estimer les fonctions stock–recrutement pour les différents stocks de saumons.[Traduit par la Rédaction]

Document Type: Research Article

Publication date: 2008-05-01

More about this publication?
  • Published continuously since 1901 (under various titles), this monthly journal is the primary publishing vehicle for the multidisciplinary field of aquatic sciences. It publishes perspectives (syntheses, critiques, and re-evaluations), discussions (comments and replies), articles, and rapid communications, relating to current research on cells, organisms, populations, ecosystems, or processes that affect aquatic systems. The journal seeks to amplify, modify, question, or redirect accumulated knowledge in the field of fisheries and aquatic science. Occasional supplements are dedicated to single topics or to proceedings of international symposia.
  • Information for Authors
  • Submit a Paper
  • Subscribe to this Title
  • Terms & Conditions
  • Sample Issue
  • Reprints & Permissions
  • Ingenta Connect is not responsible for the content or availability of external websites
  • Access Key
  • Free ContentFree content
  • Partial Free ContentPartial Free content
  • New ContentNew content
  • Open Access ContentOpen access content
  • Partial Open Access ContentPartial Open access content
  • Subscribed ContentSubscribed content
  • Partial Subscribed ContentPartial Subscribed content
  • Free Trial ContentFree trial content
Cookie Policy
X
Cookie Policy
Ingenta Connect website makes use of cookies so as to keep track of data that you have filled in. I am Happy with this Find out more