Performance of time-varying catchability estimators in statistical catch-at-age analysis

We used Monte Carlo simulations to evaluate how different methods of estimating fishery catchability within statistical catch-at-age analysis (SCA) performed when fishery catchability changed over time. Data-generating models included cases where catchability changed abruptly or gradually over time and where catchability was explicitly a function of population abundance, and we considered corresponding estimation models. In many cases, including fishery effort data in the estimation model and allowing catchability to follow a random walk provided the best (or nearly best) estimates of biomass in the last year as measured by the median of the absolute value of the relative error. Exceptions were cases where fishing mortality was low and catchability trended over time. The estimation model that ignored fishery effort data performed well in cases with a good survey, but performance degraded as survey precision decreased. The white noise estimation model performed poorly in situations where catchability trended over time. No estimation model was best for all underlying models of catchability, but the random walk estimation model performed well under most circumstances and should be used as a starting point for SCAs. Résumé : Des simulations de Monte Carlo nous ont servi à évaluer comment fonctionnent les différentes méthodes d’estimation de la capturabilité de pêche dans des modèles statistiques de captures en fonction de l’âge (SCA), lorsque la capturabilité de pêche varie dans le temps. Les modèles de génération de données englobent des situations dans lesquelles la capturabilité change abruptement ou graduellement dans le temps et dans lesquelles la capturabilité est explicitement une fonction de l’abondance de la population et nous avons considéré les modèles d’estimation correspondants. Dans plusieurs cas, inclure les données d’effort de pêche dans le modèle d’estimation et laisser la capturabilité suivre un trajet aléatoire fournissent les meilleures (ou presque les meilleures) estimations de la biomasse de l’année précédente, d’après la mesure de la médiane de la valeur absolue de l’erreur relative. Les exceptions incluent les cas où la mortalité due à la pêche est basse et la capturabilité suit une tendance temporelle. Le modèle d’estimation qui ne tient pas compte des données d’effort de pêche fonctionne bien dans les cas qui comportent un bon inventaire, mais sa performance se dégrade à mesure que la précision des inventaires diminue. Le modèle d’estimation de bruit blanc fonctionne mal dans les situations où la capturabilté suit une tendance temporelle. Aucun des modèles d’estimation ne s’avère être le meilleur pour tous les modèles sous-jacents de capturabilité, mais le modèle d’estimation de trajet aléatoire fonctionne bien dans la plupart des circonstances et devrait servir de point de départ pour les SCA. [Traduit par la Rédaction] Wilberg and Bence 2285