Effect of individual variability on estimation of population parameters from length-frequency data

    loading  Checking for direct PDF access through Ovid

Abstract

We consider estimation of mortality rates and growth parameters from length-frequency data of a fish stock when there is individual variability in the von Bertalanffy growth parameter Linfinity and investigate the possible bias in the estimates when the individual variability is ignored. Three methods are examined: (i) the regression method based on the Beverton and Holt's (1956, Rapp. P.V. Reun. Cons. Int. Explor. Mer, 140: 67–83) equation; (ii) the moment method of Powell (1979, Rapp. P.V. Reun. Int. Explor. Mer, 175: 167–169); and (iii) a generalization of Powell's method that estimates the individual variability to be incorporated into the estimation. It is found that the biases in the estimates from the existing methods are, in general, substantial, even when individual variability in growth is small and recruitment is uniform, and the generalized method performs better in terms of bias but is subject to a larger variation. There is a need to develop robust and flexible methods to deal with individual variability in the analysis of length-frequency data.

Nous avons considéré l'estimation des taux de mortalité et des paramètres de croissance à partir de données de fréquence des longueurs pour un stock de poissons dans lequel il y a variabilité individuelle du paramètre de croissance Linfinity de von Bertalanffy, et examiner le biais possible dans les estimations quand la variabilité individuelle est ignorée. Trois méthodes sont examinées: (i) la méthode de régression fondée sur l'équation de Beverton et Holt (1956, Rapp. P. V. Réun. Cons. Int. Explor. Mer, 140: 67–83); (ii) la méthode des moments de Powell (1979, Cons.Int. Explor. Mer, 175: 167–169); et (iii) une généralisation de la méthode de Powell qui estime la variabilité individuelle à incorporer dans l'estimation. Nous avons trouvé que les biais dans les estimations des méthodes existantes sont généralement substantiels, même quand la variabilité individuelle de la croissance est faible et que le recrutement est uniforme; en outre, la méthode généralisée donne de meilleurs résultats au chapitre du biais, mais donne aussi une plus grande variation. L'élaboration de méthodes robustes et souples pour composer avec la variabilité individuelle dans l'analyse des données de fréquence de longueurs s'avère nécessaire.

Related Topics

    loading  Loading Related Articles