Skip to main content

Hierarchical Bayesian estimation of recruitment parameters and reference points for Pacific rockfishes (Sebastes spp.) under alternative assumptions about the stock–recruit function

Buy Article:

$50.00 plus tax (Refund Policy)


Hierarchical Bayesian meta-analysis can be a useful method for improving estimation of key parameters for harvested fish populations. In hierarchical models, data from multiple populations are used simultaneously to obtain estimates of parameters for individual populations and characterize the variability among populations. Many populations of Pacific rockfishes (Sebastes spp.) have declined off the US West Coast since the 1980s, and there is also concern for their conservation in Canada. We develop a hierarchical Bayesian meta-analysis to improve estimates of stock–recruit parameters, characterize management-related parameters (e.g., optimal harvest rate), and address uncertainties in the structural form of the stock–recruit function for Pacific rockfishes. We estimate steepness and optimal harvest rates for 14 populations of Pacific rockfishes under alternative assumptions about the underlying stock–recruit function (Beverton–Holt and Ricker). We provide a posterior predictive distribution of steepness for rockfishes that can be used as a prior in future assessments for similar populations. We also evaluate whether F40% is an appropriate proxy for FMSY for Pacific rockfishes and show that uncertainty in the natural mortality rate can have a significant effect on management advice derived from meta-analyses of stock–recruit data.

Une méta-analyse hiérarchique bayésienne peut être une méthode utile pour améliorer l’estimation des paramètres importants des populations de poissons exploitées. Dans les modèles hiérarchiques, on utilise simultanément des données provenant de plusieurs populations pour obtenir des estimations des paramètres pour les populations individuelles et caractériser la variabilité entre les populations. Plusieurs populations de sébastes (Sebastes spp.) du Pacifique connaissent un déclin depuis les années 1980 sur la côte occidentale des É.-U. et il y a aussi des inquiétudes au sujet de leur conservation au Canada. Nous avons mis au point une méta-analyse hiérarchique bayésienne pour améliorer l’estimation des paramètres de stock–recrutement, pour caractériser les paramètres reliés à la gestion (par ex., le taux optimal de récolte) et pour tenir compte de certaines incertitudes concernant la forme structurelle de la fonction stock–recrutement chez les sébastes du Pacifique. Nous estimons l’inclinaison et les taux optimaux de récolte de 14 populations de sébastes du Pacifique sous diverses présuppositions de rechange concernant les fonctions sous-jacentes de stock–recrutement (Beverton–Holt et Ricker). Nous fournissons une distribution prédictive a posteriori de l’inclinaison pour les sébastes qui peut servir de distribution a priori dans des évaluations futures de populations semblables. Nous vérifions aussi si F40 % peut servir de valeur de remplacement de FMSY chez les sébastes du Pacifique et nous démontrons que l’incertitude dans le taux de mortalité naturelle peut avoir un effet significatif sur les recommandations de gestion tirées des méta-analyses des données de stock–recrutement.

Document Type: Research Article

Publication date: October 1, 2010

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 Content
Free content
New Content
New content
Open Access Content
Open access content
Partial Open Access Content
Partial Open access content
Subscribed Content
Subscribed content
Free Trial Content
Free trial content
Cookie Policy
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