From 323f1f69f983c476de7c9e5c0b5a7e241bd628fb Mon Sep 17 00:00:00 2001 From: Chris Grandin Date: Wed, 15 May 2024 19:38:13 -0700 Subject: [PATCH] French for 3 more sections --- doc/020-stock-assessment-modelling.Rmd | 148 ++++++++++++++++++--- doc/030-statistical-catch-at-age-model.Rmd | 65 ++++++++- doc/033-bridging.Rmd | 65 +++++++-- 3 files changed, 245 insertions(+), 33 deletions(-) diff --git a/doc/020-stock-assessment-modelling.Rmd b/doc/020-stock-assessment-modelling.Rmd index e1f6635..3daddb3 100644 --- a/doc/020-stock-assessment-modelling.Rmd +++ b/doc/020-stock-assessment-modelling.Rmd @@ -9,8 +9,15 @@ Reference points based on estimated equilibrium unfished spawning biomass, $B_0$ ") ``` -```{r sam-stock-modelling-fr, eval = fr(), results = 'asis', needs_trans = TRUE} -<> +```{r sam-stock-modelling-fr, eval = fr(), results = 'asis', needs_trans = FALSE} +cat("# MODÈLE D'ÉVALUATION DES STOCKS +Nous avons appliqué un modèle statistique de prise par âge à deux sexes et deux flottilles dans un cadre d'estimation bayésien afin d'évaluer le stock de `r sp` à l'échelle de la côte. L'analyse de la composition par sexe des données de l'échantillon commercial et de l'échantillon d'enquête a indiqué que le stock est composé d'environ `r total_prop_female` femelles ; voir l'appendice \@ref(app:prop-female), le tableau \@ref(tab:prop-female-table). Tous les modèles de la présente évaluation, y compris le modèle de base, les modèles de transition, les modèles de sensibilité et les modèles rétrospectifs, ont été exécutés en utilisant `r total_prop_female` comme proportion de femelles dans le stock. Les modèles de transition 1 et 2, avant l'ajout des données jusqu'en 2021, utilisaient 0,70 pour la proportion de femelles, ce qui était le cas dans `r la`. + +Le modèle a été adapté aux données de captures commerciales de deux flottes, à six indices d'abondance avec les coefficients de variation associés, et aux données de composition par âge des flottes de chalutage commercial et de quatre des six enquêtes. Les paramètres biologiques utilisés dans le modèle, y compris les calendriers de croissance, de poids à l'âge et de maturité, ont été estimés indépendamment pour chaque sexe (Annexe \@ref(app:bio-data-appendix)) et introduits dans le modèle d'évaluation en tant que paramètres fixes supposés rester constants dans le temps. + +Des points de référence basés sur la biomasse reproductrice non pêchée à l'équilibre estimée, $B_0$, ont été estimés (Section \@ref(decisions)). Une table de décision sur les captures (tableau \@ref(tab:decision-table)) a été créée en projetant le modèle d'évaluation un an dans l'avenir pour une gamme de niveaux de capture constants. Pour chaque niveau de capture, les tables de décision indiquent la probabilité que la biomasse reproductrice projetée dans `r base_model$dat$end.yr + 2` soit inférieure aux points de référence basés sur la biomasse reproductrice, et la probabilité que le taux de récolte de `r base_model$dat$end.yr + 2` soit supérieur aux points de référence basés sur le taux de récolte (Section \@ref(decisions)). Les points de référence basés sur le rendement maximal durable (RMD), y compris la biomasse reproductrice ($B_\mathrm{MSY}$) et le taux d'exploitation annuel produisant le RMD ($U_\mathrm{MSY}$), ont été estimés mais ne sont pas inclus dans la table de décision car ils ne sont pas présentés pour avis. Elles ont été estimées pour montrer que les valeurs de $F_\mathrm{MSY}$ (et $U_\mathrm{MSY}$) sont déraisonnablement élevées, en raison d'une sélectivité estimée supérieure à la maturité, comme décrit dans la section \@ref(selex). + +") ``` ```{r sam-data-inputs-en, eval = !fr(), results = 'asis'} @@ -25,8 +32,16 @@ Data were extracted using the R package [gfdata](https://github.com/pbs-assess/g ") ``` -```{r sam-data-inputs-fr, eval = fr(), results = 'asis', needs_trans = TRUE} -<> +```{r sam-data-inputs-fr, eval = fr(), results = 'asis', needs_trans = FALSE} +cat("## ENTRÉES DE DONNÉES +### SOURCES DE DONNÉES +Les données ont été extraites à l'aide du paquet R [gfdata] (https://github.com/pbs-assess/gfdata), qui applique des routines SQL standard à plusieurs bases de données et reconstruit les différentes séries temporelles en conséquence. Les bases de données consultées pour cette évaluation sont les suivantes + +1. GFBioSQL : Contient toutes les données modernes d'échantillons biologiques pour les enquêtes et les pêcheries commerciales. Cette base de données comprend la plupart des données sur les spécimens de poissons de fond collectées depuis les années 1950. +2. PacHarvTrawl : Contient les données de débarquement des chaluts canadiens de 1996 au 31 mars 2007. +3. GFFOS : contient les données sur les débarquements canadiens au chalut du 1er avril 2007 à aujourd'hui. Cette base de données est essentiellement une copie de la base de données des opérations de pêche (FOS) de Pêches et Océans Canada (MPO), avec une structure légèrement différente qui la rend plus facile à utiliser pour nos besoins d'évaluation. + +") ``` ```{r sam-catch-data-en, eval = !fr(), results = 'asis'} @@ -37,9 +52,14 @@ Prior to the introduction of freezer trawlers into the British Columbia groundfi ") ``` -```{r sam-catch-data-fr, eval = fr(), results = 'asis', needs_trans = TRUE} -<> +```{r sam-catch-data-fr, eval = fr(), results = 'asis', needs_trans = FALSE} +cat("### Données de capture {#sec:catch-data} +Les données de la pêche commerciale sont présentées pour la période allant du 21 février, `r base_model$dat$start.yr` au 20 février, `r base_model$dat$end.yr`. Les débarquements et les rejets à l'échelle de la côte sont présentés dans le Tableau \@ref(tab:overall-catch-table) et par flottille dans le Tableau \@ref(tab:ft-catch-table). L'évaluation actuelle ajuste un modèle bayésien structuré par âge à deux sexes aux données de capture, d'enquête et de composition par âge des années `r base_model$dat$start.yr` à `r base_model$dat$end.yr`, pour les zones de gestion 3CD (côte ouest de l'île de Vancouver), 5AB (détroit de la Reine-Charlotte), 5CD (détroit d'Hécate), et 5E (côte ouest de Haida Gwaii). + +Avant l'introduction des chalutiers congélateurs dans la flotte de pêche au chalut du poisson de fond de la Colombie-Britannique en 2005, la plupart des prises historiques de `r sp` ont été rejetées en mer en grandes quantités en raison de la protéolyse de la chair, comme indiqué ci-dessus. Dans de nombreux cas, des traits entiers ont été rejetés, ce qui exclut l'utilisation d'estimateurs de ratio ou d'autres méthodes statistiques d'estimation des rejets non observés. Toutes les données de capture antérieures à l'introduction d'une couverture à 100 % par des observateurs en mer en 1996 ont donc été omises de cette évaluation, sur la recommandation de nos conseillers sectoriels et de notre groupe de travail technique, et conformément à ce qui a été fait dans le `r la` [@grandin2017]. +") ``` + ```{r sam-abundance-indices-en, eval = !fr(), results = 'asis'} cat("### Abundance Indices @@ -79,8 +99,43 @@ A standardized commercial CPUE index, as has been used in other recent DFO Pacif ") ``` -```{r sam-abundance-indices-fr, eval = fr(), results = 'asis', needs_trans = TRUE} -<> +```{r sam-abundance-indices-fr, eval = fr(), results = 'asis', needs_trans = FALSE} +cat("### Indices d'abondance + +Six indices d'abondance indépendants de la pêche ont été utilisés dans cette évaluation : + +1. `r qcs` +2. `r hsmas` +3. `r hss` +4. `r wcvis` +5. `r wchgs` (uniquement pour les ponts) +6. `r dcpue` + +**`r qcs`** + +Le `r qcs` a été réalisé en juillet-août en 2003, 2004, et les années impaires à partir de 2005. La zone de relevé est divisée en blocs de 2 km $\times$ 2 km et chaque bloc se voit attribuer l'une des quatre strates de profondeur en fonction de la profondeur moyenne du fond dans le bloc. Les quatre strates de profondeur pour cette étude sont 50--125 m, 125--200 m, 200--330 m, et 330--500 m. Chaque année, des blocs sont sélectionnés au hasard dans chaque strate de profondeur. En outre, pour les besoins de l'attribution des blocs, l'étude est divisée en strates spatiales septentrionales et méridionales. + +**`r hsmas`** + +Une série de campagnes de chalutage de fond multi-espèces a été menée dans le détroit d'Hécate en mai-juin 1984, 1987, 1989, 1991, 1993, 1995, 1996, 1998, 2000, 2002 et 2003 (@westrheim1984 ; @fargo1984 ; @fargo1988 ; @wilson1991 ; @hand1994 ; @workman1996 ; @workman1997 ; @choromanski2002 ; @choromanski2005). La présente évaluation n'utilise que les observations de 1996 jusqu'à la fin de l'étude en 2003. La conception originale de cette étude attribuait les lieux de pêche par intervalles de 10 brasses de profondeur à l'intérieur d'une grille de 10 milles nautiques dans le détroit d'Hécate. L'étude a été stratifiée a posteriori en utilisant des intervalles de 10 brasses de profondeur pour l'ensemble de la zone d'étude, traitant ainsi chaque intervalle de profondeur comme une strate unique. Malgré les tentatives d'application de la stratification post-échantillonnage, cette approche a entraîné une variance élevée de la campagne [@sinclair2007]. En 2004, le `r hsmas` a été abandonné au profit du `r hss` (décrit ci-dessous). + +**`r hss`** + +Le `r hss` fait partie d'un ensemble coordonné de relevés à long terme qui, ensemble, couvrent le plateau continental et le haut du talus de la majeure partie de la côte de la Colombie-Britannique. Les campagnes `r qcs` et `r wcvis` décrites dans cette section font partie du même ensemble de campagnes. Toutes les campagnes synoptiques suivent un plan aléatoire stratifié en profondeur. La répartition relative des blocs entre les strates de profondeur a été déterminée en modélisant les captures attendues de poissons de fond et en déterminant le nombre cible de traits par strate qui fournirait les données les plus précises sur les taux de capture pour le plus grand nombre d'espèces possible. L'étude a été réalisée de mai à juin les années impaires à partir de 2005. La zone d'étude est divisée en blocs de 2 km $\times$ 2 km et chaque bloc se voit attribuer l'une des quatre strates de profondeur en fonction de la profondeur moyenne du fond dans le bloc. Les quatre strates de profondeur pour cette étude sont 10--70 m, 70--130 m, 130--220 m, et 220--500 m. Chaque année, des blocs sont sélectionnés au hasard dans chaque strate de profondeur. + +**`r wcvis`** + +Le `r wcvis` a été mené de mai à juin les années paires à partir de 2004. La zone de relevé est divisée en blocs de 2 km et chaque bloc se voit attribuer l'une des quatre strates de profondeur en fonction de la profondeur moyenne du fond dans le bloc. Les quatre strates de profondeur pour cette étude sont 50--125 m, 125--200 m, 200--330 m, et 330--500 m. Chaque année, des blocs sont sélectionnés au hasard dans chaque strate de profondeur. En outre, pour l'attribution des blocs, l'étude est divisée en strates spatiales septentrionales et méridionales. + +**`r wchgs`** + +La campagne `r wchgs` a été menée en août-septembre les années paires à partir de 2006. La zone de relevé est divisée en blocs de 2 km $\times$ 2 km et chaque bloc se voit attribuer l'une des quatre strates de profondeur en fonction de la profondeur moyenne du fond dans le bloc. Les quatre strates de profondeur pour cette étude sont 180-330 m, 330-500 m, 500-800 m et 800-1 300 m. + +**`r dcpue`** + +Un indice normalisé de CPUE commerciale, utilisé dans d'autres évaluations récentes du MPO dans le Pacifique, n'a pas été utilisé en raison du comportement de la pêcherie. Les `r sp` sont ciblés sur des zones connues et les informations relatives à la localisation sont partagées entre les pêcheurs, de sorte qu'il existe un biais en faveur d'une CPUE élevée. Au lieu de cela, les parties prenantes ont suggéré une `r dcpue` comme approche pour créer un indice d'abondance qui couvrirait chaque année de l'évaluation et serait moins influencé par les changements dans le comportement de ciblage qu'un indice de CPUE commercial standard. L'indice a été construit en utilisant la CPUE pour une « flotte » définie de navires et n'a inclus que les traits dans lesquels 100 % des `r sp` ont été rejetés. Voir l'annexe \@ref(app:dcpue) pour plus de détails. + +") ``` ```{r sam-swept-area-en, eval = !fr(), results = 'asis'} @@ -125,8 +180,46 @@ We also included a set of geostatistical-model-standardized indices in our sensi ") ``` -```{r sam-swept-area-fr, eval = fr(), results = 'asis', needs_trans = TRUE} -<> +```{r sam-swept-area-fr, eval = fr(), results = 'asis', needs_trans = FALSE} +cat("**Analyse de la zone balayée pour les indices d'abondance** + +Pour toutes les campagnes, l'estimation de la biomasse de la zone balayée pour l'année $y$ a été obtenue en additionnant le produit de la CPUE et de la zone étudiée dans les strates étudiées $i$ : +\begin{equation} + B_y = \sum_{i=1}^{k} C_{y_i} A_i = \sum_{i=1}^{k} B_{y_i} +(\#eq:swept-area) +\end{equation} + +où $C_{y_i}$ est la densité moyenne de CPUE (kg/km$^2$) pour les espèces de la strate $i$, $A_i$ est la surface de la strate $i$, $B_{y_i}$ est la biomasse de `r sp` dans la strate $i$ pour l'année $y$, et $k$ est le nombre de strates. + +La CPUE ($C_{y_i}$) pour `r sp` dans la strate $i$ pour l'année $y$ a été calculée comme une densité en $kg/km^2$ par : +\begin{equation} + C_{y_i} = \frac{1}{n_{y_i}} \sum_{j=1}^{n_{y_i}} \frac{W_{y_i,j}}{D_{y_i,j}w_{y_i,j}} +(\#eq:cpue-density) +\end{equation} + +où $W_{y_i,j}$ est le poids de la capture en kg pour `r sp` dans la strate $i$, l'année $y$, et le trait $j$, $D_{y_i,j}$ est la distance parcourue en km pour le trait $j$ dans la strate $i$ et l'année $y$, $w_{y_i,j}$ est l'ouverture nette en km par le trait $j$, la strate $i$ et l'année $y$, et $n_{y_i}$ est le nombre de traits dans la strate $i$. + +La variance de l'estimation de la biomasse de l'enquête $V_y$ pour `r sp` au cours de l'année $y$ est calculée en kg$^2$ comme suit : +\begin{equation} + V_y = \sum_{i=1}^{k} \frac{\sigma_{y_i}^2 A_i^2}{n_{y_i}} = \sum_{i=1}^{k} V_{y_i} +(\#eq:enquête-biomasse-variance) +\end{equation} + +où $\sigma_{y_i}^2$ est la variance de la CPUE en kg$^2$/km$^4$ pour l'année $y$ dans la strate $i$, $V_{y_i}$ est la variance de `r sp` dans la strate $i$ pour l'année $y$, où $\sigma_{y_i}^2$ a été obtenu à partir d'échantillons bootstrapped (voir ci-dessous). + +Le CV de `r sp` pour chaque année $y$ a été calculé comme suit : +\begin{equation} + \textrm{CV}_y = \frac{V_y^{1/2}}{B_y} +(\#eq:survey-cv) +\end{equation} + +où $\textrm{CV}_y$ est le CV pour l'année $y$. + +Mille répliques bootstrap avec remplacement ont été construites à partir des données de l'enquête pour estimer les régions de confiance à 95% corrigées des biais pour chaque année de l'enquête [@efron1982]. Les estimations de la biomasse moyenne de l'étude obtenues à partir de l'Eq. \@ref(eq:swept-area) avec les CV (Eq. \@ref(eq:survey-cv)) sont présentées pour les indices indépendants de la pêche dans le tableau \@ref(tab:survey-index-data-table). + +Nous avons également inclus un ensemble d'indices normalisés par un modèle géostatistique dans nos analyses de sensibilité (annexe \@ref(app:geostat)). + +") ``` ```{r sam-age-data-en, eval = !fr(), results = 'asis'} @@ -148,8 +241,23 @@ Age composition data were input to the assessment models as weighted proportions Commercial ageing requests included randomly chosen samples from many vessels across both commercial fleets.") ``` -```{r sam-age-data-fr, eval = fr(), results = 'asis', needs_trans = TRUE} -<> +```{r sam-age-data-fr, eval = fr(), results = 'asis', needs_trans = FALSE} +cat("### Données sur l'âge + +Les âges pour les années 1996--2019 sont inclus dans cette évaluation et proviennent des deux flottes commerciales et des trois études synoptiques. Les échantillons ont été vieillis par la méthode « break-and-bake », qui consiste à placer un grand nombre d'otolithes dans un plateau, à les cuire dans un four spécialement conçu à cet effet, puis à les briser pour effectuer la lecture de l'âge. Au cours de ce processus, si la personne qui vieillit les otolithes en trouve un qui n'est pas assez cuit, elle le brûle manuellement pour lui donner le bon contraste pour la lecture de l'âge. Cette étape supplémentaire de cuisson rend cette méthode équivalente à la méthode traditionnelle 'break-and-burn' dans laquelle le lecteur d'âge brûle chaque otolithe individuellement (S. Wischniowski, Sclerochronology Laboratory, Pacifc Biological Station, Pers. Comm.). + +Les données sur la composition par âge représentaient l'ensemble de la côte pour les années suivantes : + +1. Chalutiers congélateurs (Figure \@ref(fig:fig-ages)), `r paste(range(as_tibble(base_model$dat$age.comps[[1]])$year), collapse = '--')` +1. Rivage (Figure \@ref(fig:fig-ages)), `r paste(range(as_tibble(base_model$dat$age.comps[[2]])$year), collapse = '--')` +1. `r qcs` (Figure \@ref(fig:fig-ages)), `r paste(range(as_tibble(base_model$dat$age.comps[[3]])$year), collapse = '--')` +1. `r hss` (Figure \@ref(fig:fig-ages)), `r paste(range(as_tibble(base_model$dat$age.comps[[4]])$year), collapse = '--')` +1. `r wcvis` (Figure \@ref(fig:fig-ages)), `r paste(range(as_tibble(base_model$dat$age.comps[[5]])$year), collapse = '--')` +1. `r wchgs` (Figure \ref(fig:fig-ages)), 2016--2018, (modèles de transition uniquement) + +Les données sur la composition par âge ont été introduites dans les modèles d'évaluation sous forme de proportions pondérées en fonction de l'âge. La pondération était basée sur un schéma stratifié qui ajustait l'effort d'échantillonnage inégal entre les strates de profondeur et la densité de la biomasse du trait (enquêtes) ou la période trimestrielle au sein d'une année et le poids de la capture du trait (commercial). Les détails sont donnés dans @holt2016 (page 160) et le `r la` [@grandin2017]. Les méthodes sont codées dans le paquet [gfplot] (https://github.com/pbs-assess/gfplot). Le `r la` a utilisé un code personnalisé car le package gfplot n'était pas encore disponible. + +Les demandes de vieillissement commercial comprenaient des échantillons choisis au hasard sur de nombreux navires des deux flottes commerciales.") ``` ```{r sam-length-data-en, eval = !fr(), results = 'asis'} @@ -162,10 +270,14 @@ Females did not vary in length significantly between the two fleets, with both h Females have been sampled more often than males in both fleets. This difference in sampling is due to the proportion of females in the population being higher than males. Appendix \@ref(app:prop-female) describes in detail how the proportion female was calculated.") ``` - +```{r sam-length-data-fr, eval = fr(), results = 'asis', needs_trans = FALSE} +cat("### Données de longueur + +Les données de longueur provenant des flottes de chalutiers congélateurs et des flottes côtières ainsi que des campagnes synoptiques sont présentées dans la figure \@ref(fig:fig-lengths). Les longueurs de l'étude sont présentées par sexe et les longueurs commerciales sont agrégées. Certains histogrammes de longueur commerciale sont bimodaux, ce qui illustre le dimorphisme sexuel de cette espèce. -```{r sam-length-data-fr, eval = fr(), results = 'asis', needs_trans = TRUE} -<> +La longueur des femelles ne varie pas de manière significative entre les deux flottes, qui présentent toutes deux une médiane globale de `r median(length_samples_ft$length, na.rm = TRUE)` cm. Les mâles avaient une médiane de `r median(filter(length_samples_ft, sex == 1)$length, na.rm = TRUE)` cm pour la flottille de chalutiers congélateurs et de `r median(filter(length_samples_ss, sex == 1)$length, na.rm = TRUE)` cm pour la flottille de chalutiers côtiers. Les femelles avaient une médiane de `r median(filter(length_samples_ft, sex == 2)$length, na.rm = TRUE)` cm pour la flotte de chalutiers congélateurs et `r median(filter(length_samples_ss, sex == 2)$length, na.rm = TRUE)` cm pour la flotte côtière. + +Les femelles ont été échantillonnées plus souvent que les mâles dans les deux flottes. Cette différence d'échantillonnage est due au fait que la proportion de femelles dans la population est plus élevée que celle des mâles. L'annexe \@ref(app:prop-female) décrit en détail comment la proportion de femelles a été calculée.") ``` ```{r sam-growth-parameters-en, eval = !fr(), results = 'asis'} @@ -174,6 +286,8 @@ Growth parameters were estimated outside the `r iscam` framework. They were inpu ") ``` -```{r sam-growth-parameters-fr, eval = fr(), results = 'asis', needs_trans = TRUE} -<> +```{r sam-growth-parameters-fr, eval = fr(), results = 'asis', needs_trans = FALSE} +cat("### Paramètres de croissance +Les paramètres de croissance ont été estimés en dehors du cadre `r iscam`. Ils ont été introduits dans les fichiers de données pour le modèle d'évaluation du stock. L'appendice \@ref(app:bio-data-appendix) contient des détails, y compris les équations et les valeurs estimées des paramètres de croissance pour le modèle de base dans le tableau \@ref(tab:growth-params-table). +") ``` diff --git a/doc/030-statistical-catch-at-age-model.Rmd b/doc/030-statistical-catch-at-age-model.Rmd index 682e172..7df7820 100644 --- a/doc/030-statistical-catch-at-age-model.Rmd +++ b/doc/030-statistical-catch-at-age-model.Rmd @@ -17,8 +17,23 @@ Selectivity-at-age for the trawl fisheries, four surveys, and Discard CPUE index Variance components of the model were partitioned into observation and process errors. The key parameter is the total variance (i.e., $\vartheta^2$, total precision). The total variance is partitioned into observation and process error components by the model parameter $\rho$, which represents the proportion of the total variance that is due to observation error [@punt1999; @deriso2007]. The total variance is partitioned into observation errors ($\sigma$) and process errors ($\tau$) using Eq. \@ref(eq:df17) from Appendix \@ref(app:model-desc). The parameters $\vartheta^2$ and $\rho$ were fixed in the current assessment (Table \@ref(tab:param-settings-table)) at values that gave $\sigma = 0.2$ and $\tau = 0.8$. See Section \@ref(sens-sigma) for sensitivity analyses to this assumption. See Appendix \@ref(app:model-desc) for further details on the treatment of variance in this assessment.") ``` -```{r scam-model-description-fr, eval = fr(), results = 'asis', needs_trans = TRUE} -<> +```{r scam-model-description-fr, eval = fr(), results = 'asis', needs_trans = FALSE} +cat("## Modèle statistique de capture à l'âge {#scam-model} +### Description du modèle {#scam-model-desc} + +Un modèle statistique de capture en fonction de l'âge, bayésien et à deux sexes, a été appliqué pour évaluer l'état du stock de `r sp` sur l'ensemble de la côte. Le modèle est basé sur le cadre du modèle statistique intégré de capture par âge (`r iscam`), @martell2011. Les détails complets du modèle sont fournis dans l'annexe \@ref(app:model-desc). + +Nous définissons un modèle de base avec des paramètres fixes et estimés décrits dans le tableau \@ref(tab:param-settings-table). Un total de `r num_params` paramètres du modèle ont été estimés par le modèle de base (le tableau \@ref(tab:param-settings-table) montre la plupart d'entre eux). Le modèle a estimé des séries temporelles de logarithmes d'anomalies de recrutement et de logarithmes de taux de mortalité par pêche, ainsi que des valeurs invariantes dans le temps du recrutement non pêché, de la pente de la relation stock-recrutement de Beverton-Holt, de la mortalité naturelle, du recrutement moyen et des paramètres de sélectivité logistique pour les deux pêcheries commerciales et les quatre campagnes synoptiques. Les distributions de probabilités préalables pour le modèle de base sont présentées dans le tableau \@ref(tab:param-settings-table) et la figure \@ref(fig:fig-base-priors-posts) et décrites dans la section \@ref(scam-model-priors). La sensibilité du modèle aux paramètres fixes et aux distributions de probabilité préalables supposées est présentée à la section \@ref(sens-analyses). + +Le modèle a été conditionné par les données de capture observées (`r ct_start_yr`--`r ct_end_yr`), qui ont été supposées connues sans erreur. Le modèle a été ajusté à quatre indices d'abondance de l'enquête, à l'indice de CPUE des rejets et aux données de composition par âge provenant des deux pêcheries commerciales et de trois enquêtes synoptiques. Les paramètres biologiques déterminant les calendriers de poids à l'âge et de maturité à l'âge ont été estimés indépendamment (Annexe \@ref(app:bio-data-appendix)) et introduits dans le modèle d'évaluation en tant que paramètres fixes qui sont restés constants dans le temps (Tableau \@ref(tab:growth-params-table)). + +Les indices de biomasse de l'enquête ont été traités comme des indices d'abondance relative directement proportionnels à la biomasse vulnérable de l'enquête au début de chaque année. Les erreurs d'observation dans les indices d'abondance relative ont été supposées être distribuées selon une loi log-normale. Le paramètre de capturabilité $q_k$ a été estimé pour chaque indice $k$. Les distributions de probabilités préalables pour $\ln(q_k)$ sont décrites dans la section \@ref(scam-model-priors). + +Les observations relatives à la composition par âge ont été supposées tirées d'une distribution Dirichlet-multinomiale. On a supposé que les âges étaient lus sans erreur. + +La sélectivité en fonction de l'âge pour les pêcheries au chalut, les quatre campagnes et l'indice de CPUE des rejets a été modélisée à l'aide d'une fonction logistique à deux paramètres avec une asymptote à 1. La vulnérabilité en fonction de l'âge à 50 % ($\hat{a}_k$) et l'écart type de la courbe de sélectivité logistique ($\hat{\gamma}_k$) pour chaque engin $k$ ont été estimés pour les pêcheries au chalut et les trois campagnes synoptiques. Aucune donnée sur la composition par âge n'étant disponible pour les engins `r hsmas` et `r dcpue`, la sélectivité a été fixée avec $\hat{a}_k$ = `r f(base_model$ctl$sel[2, 4])` et $\hat{\gamma}_k$ = `r f(base_model$ctl$sel[3, 4], 1)`, de manière similaire aux valeurs estimées pour les autres engins. D'autres simulations de sensibilité non incluses dans le présent document d'évaluation ont indiqué que le modèle était peu sensible à cette hypothèse. + +Les composantes de la variance du modèle ont été divisées en erreurs d'observation et erreurs de processus. Le paramètre clé est la variance totale (c'est-à-dire $\vartheta^2$, précision totale). La variance totale est divisée en composantes d'erreur d'observation et de processus par le paramètre de modèle $\rho$, qui représente la proportion de la variance totale due à l'erreur d'observation [@punt1999 ; @deriso2007]. La variance totale est divisée en erreurs d'observation ($\sigma$) et en erreurs de processus ($\tau$) à l'aide de l'équation suivante \@ref(eq:df17) de l'annexe \@ref(app:model-desc). Les paramètres $\vartheta^2$ et $\rho$ ont été fixés dans l'évaluation actuelle (tableau \@ref(tab:param-settings-table)) à des valeurs qui donnent $\sigma = 0,2$ et $\tau = 0,8$. Voir la section \@ref(sens-sigma) pour les analyses de sensibilité à cette hypothèse. Voir l'annexe \@ref(app:model-desc) pour plus de détails sur le traitement de la variance dans cette évaluation.") ``` ```{r scam-priors-en, eval = !fr(), results = 'asis'} @@ -33,8 +48,17 @@ A normal distribution was assumed for $\ln(M)$ for both sexes with mean = $\ln$( Normal prior probability distributions were assumed for the log survey catchability parameters $\ln(q_k)$ for each survey $k$. Normal distributions with mean = $\ln$(`r base_qk_mean`) and SD = `r base_qk_sd` in log space were selected because the survey estimates of biomass were derived from swept area analysis (Eqs. \@ref(eq:swept-area), \@ref(eq:cpue-density), and \@ref(eq:survey-biomass-variance)) and could therefore reasonably be expected to be within 1–2 orders of magnitude of unity. A large standard deviation was used to reflect ignorance of the scale of the swept area analysis compared with the true biomass.") ``` -```{r scam-priors-fr, eval = fr(), results = 'asis', needs_trans = TRUE} -<> +```{r scam-priors-fr, eval = fr(), results = 'asis', needs_trans = FALSE} +cat("### Distributions de probabilités préalables {#scam-model-priors} + +Les distributions de probabilités préalables pour le modèle de base sont présentées dans la figure \@ref(fig:fig-base-priors-posts) et le tableau \@ref(tab:param-settings-table). Les sensibilités du modèle aux distributions préalables supposées sont présentées dans les sections \@ref(sens-sigma), \@ref(sens-m) et \@ref(sens-q). + +Des distributions de probabilités uniformes ont été supposées pour $\ln(R_0)$, $\ln(\bar{R})$, $\ln(R_\mathrm{init})$ et les paramètres de sélectivité (tableau \@ref(tab:param-settings-table)). Une distribution Bêta a été supposée pour la pente ($h$) de la relation stock-recrutement, avec des paramètres de forme qui ont abouti à une distribution avec une moyenne = `r f(base_h_prior1, 2)` et un CV = `r f(base_h_prior2, 2)` (Bêta($\alpha$ = `r f(base_h$p1, 1)`, $\beta$ = `r f(base_h_prior2, 1)`)). Cet a priori est basé sur une revue de la littérature sur les paramètres de pente pour les espèces de poissons plats du Pacifique réalisée par @holt2016 et a été utilisé dans le `r la` pour le `r sp`. Un examen des estimations de la pente pour les espèces de poissons plats par @maunder2012 a suggéré que la pente des poissons plats utilisant une relation stock-recrutement de Beverton-Holt pourrait être d'environ 0,94$ (où $h$ approchant 1,0$ implique que le recrutement est indépendant de la biomasse de frai). + +Une distribution normale a été supposée pour $\ln(M)$ pour les deux sexes avec une moyenne = $\ln$(`r f(exp(base_m_female$p1), 2)`) et un écart-type = `r f(exp(base_m_female$p2), 2)` pour les femmes et moyenne = $\ln$(`r f(exp(base_m_male$p1), 2)`) et écart-type = `r f(exp(base_m_male$p2), 2)` pour les hommes (en espace logarithmique). @holt2016 a examiné la littérature et les évaluations des stocks et a supposé une distribution de probabilité préalable pour M avec une moyenne = 0,2 dans leur évaluation de `r bc` Rock Sole (*Lepidopsetta spp.*). @goa2021 a supposé une valeur de M = 0,2 pour les femelles et M = 0,35 pour les mâles dans l'évaluation de `r sp` du Golfe de l'Alaska ; la même chose a été faite pour le stock des îles Aléoutiennes de la mer de Béring [@bering2019]. + +Des distributions de probabilités normales préalables ont été supposées pour les paramètres logarithmiques de capturabilité des relevés $\ln(q_k)$ pour chaque relevé $k$. Des distributions normales avec une moyenne = $\ln$(`r base_qk_mean`) et un écart-type = `r base_qk_sd` dans l'espace logarithmique ont été sélectionnées parce que les estimations de la biomasse de l'enquête ont été dérivées de l'analyse de la zone balayée (Eqs. \@ref(eq:swept-area), \@ref(eq:cpue-density), et \@ref(eq:survey-biomass-variance)) et que l'on pouvait donc raisonnablement s'attendre à ce qu'elles se situent dans un intervalle de 1 à 2 ordres de grandeur par rapport à l'unité. Un écart-type important a été utilisé pour refléter l'ignorance de l'échelle de l'analyse de la zone balayée par rapport à la biomasse réelle. +") ``` ```{r scam-fishery-reference-points-en, eval = !fr(), results = 'asis'} @@ -80,6 +104,35 @@ Although the PA Policy recommends $F_\mathrm{MSY}$ as a provisional reference re ") ``` -```{r scam-fishery-reference-points-fr, eval = fr(), results = 'asis', needs_trans = TRUE} -<> +```{r scam-fishery-reference-points-fr, eval = fr(), results = 'asis', needs_trans = FALSE} +cat("## POINTS DE RÉFÉRENCE DE LA PÊCHE {#scam-ref-points} + +Le cadre décisionnel pour la pêche du MPO intégrant la politique de l'approche de précaution (AP) [@dfo2009] exige que l'état des stocks soit caractérisé à l'aide de trois points de référence : + +1. Un taux de prélèvement de référence +1. Un point de référence du stock supérieur (USR) +1. Un point de référence limite (LRP) + +Les valeurs provisoires de USR = $0.8B_\mathrm{MSY}$ et LRP = $0.4B_\mathrm{MSY}$ sont suggérées en l'absence de points de référence spécifiques aux stocks. Le cadre suggère un taux de prélèvement de référence de $F_\mathrm{MSY}$. Une règle de contrôle de l'exploitation basée sur ces points de référence qui coïncide avec le choix du PRL, du TU et de la référence de prélèvement appliquerait une réduction linéaire de la mortalité par pêche lorsque le stock tombe en dessous du TU et cesserait de pêcher lorsque le stock atteint le PRL [par exemple, figure 6 dans @grandin2017]. + +Le $F_\mathrm{MSY}$ (et le taux de récolte annuel $U_\mathrm{MSY}$) est estimé très important dans ce modèle en raison d'une sélectivité supérieure à la maturité, comme décrit dans la section \@ref(selex). Nous présentons donc des points de référence basés sur $B_0$ pour `r sp` qui sont moins dépendants de la sélectivité estimée et de la maturité à l'âge. Nous suggérons un LRP = 0,2B_0$ et un USR = 0,4B_0$. Il s'agit des points de référence convenus lors de la dernière évaluation pour `r sp` dans `r bc` [@grandin2017]; nous développons davantage notre raisonnement ci-dessous. + +### LRP + +Nous suggérons un PRL de 0,2B_0$ comme indicateur de la surpêche de recrutement. Une valeur de 0,2B_0$ est un seuil en dessous duquel il y a généralement au moins une certaine réduction du recrutement par habitant [@myers1994 ; @sainsbury2008]. Ce seuil a été recommandé dans les récentes orientations nationales [@barrett2022]. En outre, ce seuil est conforme aux recommandations d'autres juridictions : une valeur limite de 0,2B_0$ est la recommandation par défaut (et la valeur minimale acceptable) dans le cadre de la politique de stratégie de récolte des pêcheries du Commonwealth australien [@dawr2018] et constitue le déclencheur par défaut des plans de reconstitution dans le cadre de la stratégie de récolte de la Nouvelle-Zélande [@mf2008]. + +### USR + +Dans le cadre de la politique de l'AP, l'USR peut remplir deux fonctions : (1) un « seuil en dessous duquel les prélèvements doivent être progressivement réduits afin d'éviter d'atteindre le PLR » (un point de contrôle opérationnel ou « OCP ») et (2) un « point de référence cible déterminé par des objectifs de productivité pour le stock, des considérations biologiques plus larges, et des objectifs sociaux et économiques pour la pêcherie » [@dfo2009]. @marentette2020 souligne que le rôle principal de l'USR est son premier rôle, en tant qu'OCP, pour éviter le LRP. La politique de l'AP décrit comment l'USR est censée être développée par les gestionnaires de la pêche en consultation avec les parties intéressées et avec l'avis des scientifiques. Nous fournissons donc l'avis scientifique suivant concernant l'USR. + +Premièrement, l'une des raisons du choix de 0,4B_0$ est que, dans le cadre d'un modèle de production excédentaire de Schaefer, $B_\mathrm{MSY}$ est égal à 0,5 $B_0$ et, étant donné que 0,8 $B_\mathrm{MSY}$ est le RVU provisoire et que 0,8 $\mathrm{MSY}$ fois 0,5 = 0,4, 0,4B_0$ est le RVU équivalent basé sur le $B_0$. Un raisonnement similaire s'applique à 0,2B_0$ en tant que PLR : 0,4 $B_\mathrm{MSY}$ est le PLR provisoire et 0,4 $\times$ 0,5 = 0,2, ce qui donne 0,2 $B_0$ en tant que PLR. + +En outre, il existe une justification concernant le rôle de l'USR dans le déclenchement des réductions de la pêche afin de réduire le risque de dépassement du PRL par le stock. La politique de l'AP note que « si des facteurs socio-économiques peuvent influencer l'emplacement de l'USR, ces facteurs ne doivent pas diminuer sa fonction minimale d'orientation de la gestion du risque de dépassement du PRL ». Nous suggérons que les facteurs scientifiques suivants soient pris en compte en ce qui concerne le moment de l'ajustement de l'intensité de la pêche lorsque le stock s'approche du PRL : (1) le niveau d'incertitude autour de la biomasse reproductrice relative ; (2) la fréquence de l'évaluation ; (3) la disponibilité de sources de données importantes ; et (4) les futurs taux de déclin plausibles. Nous présentons les conseils suivants en ce qui concerne ces facteurs pour la plie rouge (comme le montreront les résultats) : + +1. Le niveau d'incertitude concernant la biomasse relative est raisonnablement élevé, les IC à 95 % couvrant approximativement la largeur entre 0,2B_0$ et 0,4B_0$. Une plus grande incertitude signifie que l'USR devrait être plus éloignée du LRP pour garantir une tolérance au risque équivalente. + +2. Bien que plusieurs années se soient écoulées depuis la dernière évaluation, nous recommandons que l'évaluation du stock soit mise à jour tous les deux ans environ, lorsqu'une année supplémentaire de données est disponible pour chaque étude. Des intervalles plus longs entre les évaluations nécessiteraient que l'USR soit plus éloignée du LRP afin de garantir un risque équivalent. + +3. Les échantillons d'âge commerciaux ne sont pas disponibles pour ce stock depuis 2019 et on ne sait pas quand cet échantillonnage reprendra. Ces données constituent une source essentielle d'informations sur le recrutement et la sélectivité. Les résultats de l'évaluation montrent que les baisses du recrutement estimé au cours de la dernière décennie sont responsables d'une grande partie des récentes baisses estimées de la SSB. L'absence d'échantillons d'âge peut introduire une incertitude pour l'avenir, ce qui aurait pour conséquence +") ``` diff --git a/doc/033-bridging.Rmd b/doc/033-bridging.Rmd index 9c9cf03..437ab86 100644 --- a/doc/033-bridging.Rmd +++ b/doc/033-bridging.Rmd @@ -10,8 +10,17 @@ The Technical Working Group (TWG) agreed that the model should be split-sex, bas All bridge models were run using MCMC (Markov chain Monte Carlo) sampling with a chain length of `r f(mcmc_chain_length)`, retaining every `r f(mcmc_sample_freq)`th sample, giving `r f(mcmc_num_samples)` samples, which were then burned in by `r f(mcmc_burn_in)` giving a total of `r f(mcmc_actual_samples)` samples used for inference. ") ``` -```{r bridging-para-01-fr, eval = fr(), results = 'asis', needs_trans = TRUE} -<> +```{r bridging-para-01-fr, eval = fr(), results = 'asis', needs_trans = FALSE} +cat("## RÉSULTATS +### Modèles de transition {#bridging} +Un ensemble de modèles de transition a été exécuté pour déterminer les effets des modifications incrémentielles du modèle lors du passage du modèle `r la` unisexe et à flotte unique au modèle unisexe et à flotte double utilisé dans cette évaluation. + +Le modèle de base du `r la` [@grandin2017] a été exécuté avec la dernière version du code `r iscam` [@iscam] et les fichiers de données originaux. Les estimations des paramètres, les points de référence, les trajectoires estimées, les ajustements de l'indice et les ajustements de la composition par âge ont été jugés identiques. Le modèle de 2015 était un modèle de capture à l'âge pour les femelles uniquement, avec 4 indices d'abondance, qui incluaient les trois relevés synoptiques et le relevé d'assemblage multispécifique du détroit d'Hécate. + +Le Groupe de travail technique (GTT) a convenu que le modèle devait être divisé en deux sexes, sur la base du dimorphisme sexuel observé dans les données d'âge et de longueur pour cette espèce, et du fait qu'il y avait 8 années supplémentaires de données depuis le `r la`, ce qui permettait d'avoir un plus grand nombre de spécimens proportionnels à l'âge pour chaque sexe. + +Tous les modèles de pont ont été exécutés en utilisant un échantillonnage MCMC (Markov chain Monte Carlo) avec une longueur de chaîne de `r f(mcmc_chain_length)`, retenant chaque `r f(mcmc_sample_freq)`ème échantillon, ce qui donne `r f(mcmc_num_samples)` échantillons, qui ont ensuite été brûlés par `r f(mcmc_burn_in)` donnant un total de `r f(mcmc_actual_samples)` échantillons utilisés pour l'inférence. +") ``` \clearpage @@ -34,8 +43,22 @@ cat("Each model in this list is based on the previous one with only one change m ") ``` -```{r bridging-para-02-fr, eval = fr(), results = 'asis', needs_trans = TRUE} -<> +```{r bridging-para-02-fr, eval = fr(), results = 'asis', needs_trans = FALSE} +cat("Chaque modèle de cette liste est basé sur le précédent avec une seule modification afin de pouvoir suivre les changements incrémentaux. + +1. Modèle de base 2015 [@grandin2017]. +1. Extraction des données pour le modèle 2015 à l'aide des packages [gfdata](https://github.com/pbs-assess/gfdata)/[gfplot](https://github.com/pbs-assess/gfplot), qui ont été utilisés dans plusieurs évaluations et dans le rapport [gfsynopsis](https://github.com/pbs-assess/gfsynopsis) [@anderson2019synopsis; @dfo2022synopsis]. +1. En utilisant les mêmes méthodes d'extraction de données qu'à l'étape précédente, les données ont été ajoutées jusqu'en 2021 inclus. La proportion de femmes a été modifiée dans cette étape, passant de 0,70 à `r total_prop_female`. +1. Ajout de l'indice `r wchgs` et des données sur la composition par âge. On a essayé de déterminer comment les années d'enquête supplémentaires depuis 2015 contribuaient à l'ajustement du modèle. +1. Nous avons changé la vraisemblance de la composition par âge de multinomiale à la paramétrisation saturante de la Dirichlet-multinomiale [@thorson2016]. Nous avons fait cela parce que dans les configurations de modèles plus complexes, la logistique normale multivariée avait des problèmes de convergence et le multinomial standard aurait nécessité de repondérer manuellement les proportions d'âge pour chaque exécution du modèle [@francis2016]. +1. Le modèle est passé d'une à deux flottes commerciales. Cela divise la prise commerciale au chalut en prise des chalutiers congélateurs et des flottes côtières. Ceci a été fait sur la recommandation du groupe de travail technique (TWG) puisque les grands chalutiers congélateurs peuvent pêcher différemment et avoir une sélectivité différente de celle des navires côtiers. +1. Ajout d'un indice de CPUE des rejets. Il s'agit d'un indice de capture par unité d'effort pour les navires qui ne pêchaient pas de `r sp` et qui rejetaient donc tout ce qu'ils capturaient accidentellement. La sélectivité n'a pas pu être estimée pour cet indice car il n'existe pas de données sur la composition par âge, de sorte que sa sélectivité a été fixée à des valeurs représentatives d'autres sélectivités estimées pour d'autres engins. Voir l'annexe \@ref(app:dcpue) pour plus de détails sur la façon dont cet indice a été généré. +1. Conversion du modèle de la femelle uniquement en un modèle à deux sexes. Dans ce modèle, les deux paramètres de mortalité naturelle pour les mâles et les femelles ont été estimés. +1. Modification de l'année de pêche pour qu'elle commence le 21 février (au lieu du 1er janvier), qui est la date actuellement utilisée par la gestion des pêches pour l'année de pêche. +1. Suppression de l'indice `r wchgs` et des comps d'âge. L'enquête ne contribuait pas de manière significative à l'évaluation et les sélectivités estimées n'étaient pas viables en raison du nombre insuffisant d'échantillons. Sa suppression a été suggérée par le GTT. +1. Fixation des paramètres de mortalité naturelle des mâles et des femelles. Les valeurs estimées étaient assez faibles pour cette espèce d'après les évaluations réalisées dans les juridictions voisines [@goa2017; @goa2019; @goa2020; @goa2021]. + +") ``` ```{r bridging-para-03-en, eval = !fr(), results = 'asis'} @@ -50,8 +73,15 @@ Adding the `r wchgs` age compositions and index into the model had a scaling eff ") ``` -```{r bridging-para-03-fr, eval = fr(), results = 'asis', needs_trans = TRUE} -<> +```{r bridging-para-03-fr, eval = fr(), results = 'asis', needs_trans = FALSE} +cat(" +**Modèles de pont groupe 1 (modèles 1-4)** +La figure \@ref(fig:bridge-biomass-group1) montre la biomasse de frai absolue et relative pour les quatre premiers modèles de transition de la liste ci-dessus (éléments de la liste 1--4). Le changement de la méthode d'extraction des données pour toutes les données jusqu'en 2014 n'a eu qu'un effet minime, avec seulement une petite différence dans la biomasse absolue de 2015 et une très petite différence dans la biomasse relative de 2015. Les petits changements dans les données sont principalement dus à des changements dans les indices d'enquête, qui sont causés par des blocs d'enquête qui ont été retirés de la série d'enquête entière. Ces blocs ont été jugés non pêchables ou inappropriés pour l'indice dans les enquêtes depuis 2014 et ont été retirés de l'ensemble de la série, modifiant légèrement les indices historiques par rapport à ceux inclus dans le `r la`. + +L'ajout des données de 2015 - `r base_model$dat$end.yr` a provoqué un changement important dans les trajectoires de la biomasse (Figure \@ref(fig:bridge-biomass-group1)). La biomasse a commencé à chuter plus rapidement à partir de 2002, avec une chute relativement importante entre 2010 et 2020. Cette baisse de la biomasse est principalement due à la diminution des indices d'abondance au cours de cette période. À partir de 2021-2022, le modèle montre le début d'une tendance à la hausse. Les intervalles de crédibilité (IC) sont devenus beaucoup plus étroits avec l'ajout des données 2015--`r base_model$dat$end.yr`. Cependant, les paramètres estimés (à l'exception de la pente) sont tous modérément à fortement corrélés (Figure \@ref(fig:fig-bridge3-pairs)). Tous les modèles de transition qui suivent ont une corrélation élevée entre les paramètres, à l'exception du dernier dans lequel les mortalités naturelles pour les deux sexes ont été fixées. + +L'ajout de la composition par âge et de l'indice `r wchgs` dans le modèle a eu un effet d'échelle dans la première partie de la trajectoire, mais les biomasses absolues et relatives étaient presque identiques pour 2022 (Figure \@ref(fig:bridge-biomass-group1)). +") ``` ```{r bridging-para-04-en, eval = !fr(), results = 'asis'} @@ -66,8 +96,17 @@ The next step in the bridging was to convert the model into a split-sex model. A ") ``` -```{r bridging-para-04-fr, eval = fr(), results = 'asis', needs_trans = TRUE} -<> +```{r bridging-para-04-fr, eval = fr(), results = 'asis', needs_trans = FALSE} +cat("**Groupe de modèles de transition 2 (modèles 5-8)** +La figure \@ref(fig:bridge-biomass-group2) montre la biomasse de frai absolue et relative pour le deuxième groupe de quatre modèles de pontage (éléments de liste 5--8). La modification de la pondération des données sur l'âge en faveur de la méthode multinomiale de Dirichlet saturée (DM) [@thorson2016] a entraîné une baisse de la biomasse absolue et de $B_0$. La médiane $B_0$ pour le premier modèle de la figure \@ref(fig:bridge-biomass-group2), comparée à la médiane $B_0$ pour le dernier modèle de la figure \@ref(fig:bridge-biomass-group1), montre une différence de `r f(as.numeric(bvals[[1]][[4]]$bo[1]) - as.numeric(bvals[[2]][[1]]$bo[1]))` mille t (de `r bvals[[1]][[4]]$bo[1]` à `r bvals[[2]][[1]]$bo[1]` mille t). Toutefois, les estimations de la biomasse ont également été réduites, de sorte que la biomasse relative de `r bvals[[1]][[4]]$depl[3]` n'a diminué que légèrement (de `r bvals[[1]][[4]]$depl[1]` à `r bvals[[2]][[1]]$depl[1]`). + +Pour le modèle de transition suivant, la pêche commerciale au chalut a été divisée en deux flottes : les flottes `r base_model$dat$fleet_gear_names[1]` et `r base_model$dat$fleet_gear_names[2]`. Cela a modifié les éléments internes du modèle mais a eu un effet négligeable sur les trajectoires de la biomasse et de la biomasse relative (figure \@ref(fig:bridge-biomass-group2)). + +L'ajout de `r dcpue` (DCPUE) au modèle n'a eu pratiquement aucun effet sur les estimations de la biomasse absolue et de $B_0$. Elle a cependant réduit l'intervalle de crédibilité (Figure \@ref(fig:bridge-biomass-group2)) sur la série temporelle de la biomasse de frai absolue. + +L'étape suivante du rapprochement a consisté à convertir le modèle en un modèle à deux sexes. Tous les modèles de pont précédents étaient exclusivement féminins. Cette étape a impliqué des modifications significatives du code du modèle `r iscam`. Ce changement a entraîné une baisse de la biomasse de l'année finale et de la biomasse relative, ainsi qu'une augmentation globale de la trajectoire historique de la biomasse relative (figure \@ref(fig:bridge-biomass-group2)). Les estimations de la sélectivité de l'âge à 50% ($\hat{a}$) pour les femelles dans les `r wchgs` pour ce modèle étaient déraisonnables à `r split_sex_model_sel_ahat` ans. + +") ``` ```{r bridging-para-05-en, eval = !fr(), results = 'asis'} @@ -80,6 +119,12 @@ The natural mortality estimates from the model at this point were `r bvals[[3]][ ") ``` -```{r bridging-para-05-fr, eval = fr(), results = 'asis', needs_trans = TRUE} -<> +```{r bridging-para-05-fr, eval = fr(), results = 'asis', needs_trans = FALSE} +cat("**Groupe de modèles de transition 3 (modèles 9--13)** +Les diagrammes de biomasse pour le dernier groupe de modèles de transition (éléments de la liste 9-13) figurent dans la figure \ref(fig:bridge-biomass-group3). Pour le premier de ces modèles, l'année de pêche a été modifiée par rapport à ce qu'elle était dans le `r la`, à savoir du 1er janvier au 31 décembre, au 21 février au 20 février. Ce changement a été effectué pour refléter la date de début de la pêche chaque année au Canada (21 février). Cela a pour effet d'augmenter légèrement la médiane $B_0$ de `r bvals[[2]][[4]]$sbo[1]` à `r bvals[[3]][[1]]$sbo[1]` mille t, et la `r bvals[[2]][[4]]$depl[3]` biomasse relative étant ramenée de `r bvals[[2]][[4]]$depl[1]` à `r bvals[[3]][[1]]$depl[1]`. L'intervalle de crédibilité de la biomasse absolue est fortement réduit par cette modification de la période de pêche, qui passe de `r bvals[[2]][[4]]$sbt[2]` à `r bvals[[3]][[1]]$sbt[2]`. L'intervalle de crédibilité de la biomasse relative est également beaucoup plus petit que celui du modèle précédent dans le groupe 2 ; `r bvals[[2]][[4]]$depl[2]` pour le modèle précédent contre `r bvals[[3]][[1]]$depl[2]` pour le modèle avec changement de période de pêche (figure \@ref(fig:bridge-biomass-group3)). Ce minuscule intervalle de crédibilité indique que les paramètres sont fortement autocorrélés, comme le montrent les figures \@ref(fig:fig-bridge-fishing-year-autocor) et \@ref(fig:fig-bridge-fishing-year-selpars-autocor). + +Le `r wchgs` a été supprimé (il a également été supprimé dans le `r la`) car il avait peu d'effet sur la biomasse et les estimations de sélectivité étaient médiocres (Figure \@ref(fig:bridge-biomass-group3)). Le résultat a été une trajectoire de biomasse réduite, avec une biomasse relative similaire à celle du modèle précédent. + +Les estimations de la mortalité naturelle du modèle à ce stade étaient `r bvals[[3]][[2]]$m_male[1]` pour les mâles et `r bvals[[3]][[2]]$m_female[1]` pour les femelles, avec des intervalles crédibles de `r bvals[[3]][[2]]$m_male[2]` et `r bvals[[3]][[2]]$m_female[2]`, respectivement. L'estimation de la mortalité naturelle des femelles était proche de la valeur fixée pour les femelles dans les évaluations réalisées dans les juridictions voisines (0,20), mais l'estimation des mâles était beaucoup plus faible que celle utilisée dans les stocks voisins (0,35). Sur la base des valeurs estimées de la mortalité naturelle et de la forte corrélation entre les paramètres estimés pour ce modèle (Figure \@ref(fig:fig-bridge10-pairs)), nous avons décidé de fixer les mortalités naturelles aux mêmes valeurs que les évaluations du Golfe de l'Alaska et de la Mer de Béring et des Iles Aléoutiennes [@goa2021; @goa2020; @goa2019; @bering2019]; 0,20 pour les femelles et 0,35 pour les mâles. +") ```