Annual indices of Atlantic bluefin tuna (Thunnus thynnus) larvae in the Gulf of Mexico developed using delta-lognormal and multivariate models^*

¹ National Marine Fisheries Service, Southeast Fisheries Science Center, Mississippi Laboratories, 3209 Frederic Street, Pascagoula, MS, 39567, USA
² National Marine Fisheries Service, Southeast Fisheries Science Center, Protected Resources and Biodiversity Division, 75 Virginia Beach Drive, Miami, FL, 33149-1099, USA

Corresponding author: Walter.Ingram@noaa.gov

Received: 16 February 2009

Abstract

Fishery independent indices of spawning biomass of Atlantic bluefin tuna in western North Atlantic Ocean are presented which utilize National Marine Fisheries Service ichthyoplankton survey data collected from 1977 through 2007 in the Gulf of Mexico. Indices were developed using similarly standardized data from which previous indices were developed (i.e. abundance of larvae with a first daily otolith increment formed per 100 m² of water sampled with bongo gear). Indices were also developed for the first time from standardized data collected with neuston gear [i.e. abundance of 5-mm larvae (i.e. seven-day-old larvae) per 10 minute tow]. Indices of larval abundance were developed using delta-lognormal models, including following covariates: time of day, time of month, area sampled and year. Due to the large frequency of zero catches during ichthyoplankton surveys, a zero-inflated delta-lognormal approach was also used to develop indices. Finally, a multivariate delta-lognormal approach was employed to develop indices of annual abundance based on both bongo and neuston catches. The results of these approaches were compared with one another and with other indices of larval abundance previously developed for the Gulf of Mexico. Residual analyses indicated that abundance indices of Atlantic bluefin tuna larvae were more appropriately developed from bongo-collected data through the zero-inflated delta-lognormal approach than other data sets and modeling approaches. Also, when modeling bongo-collected data with the zero-inflated delta-lognormal approach, the index values increased, indicating some correction for zero-inflation, and their variability decreased as compared to indices developed with the delta-lognormal approach.

Résumé

Des indices d'abondance, indépendants de la biomasse "féconde" du thon rouge de Atlantique nord-ouest, sont présentés en utilisant les données ichtyoplanctoniques des campagnes océanographiques américaines (NMFS) collectées dans le golfe du Mexique de 1977 à 2007. Des indices sont développés en utilisant des données standardisées à partir des indices antérieurs (abondance des larves dont les otolithes présentent une seule zone d'accroissement journalier, par 100 m² d'eau échantillonnée avec un filet bongo). Des indices sont aussi développés pour la première fois à partir de données collectées avec un filet à neuston et standardisées (abondance de larves de 5-mm, âgées de 7 jours) par trait de 10 minutes. Des indices d'abondance larvaire sont développés en utilisant des distributions delta-log normales, incluant les covariables suivantes : jour, mois, zone échantillonnée, année. Dû à la fréquence importante de captures nulles durant ces campagnes d'ichtyoplancton, un ajustement, au moyen d'une distribution delta-log normale pour des données présentant une grande quantité de valeurs nulles, est aussi utilisé pour développer des indices. Finalement, une approche delta-log normale multivariée est employée pour développer des indices d' abondance annuelle, basés sur les captures aux filets bongo et à neuston. Les résultats sont comparés entre eux et avec des indices d'abondance larvaire du golfe du Mexique, développés antérieurement. Des analyses des valeurs résiduelles de l'ajustement indiquent que ces indices d'abondance de larves de thon rouge sont plus appropriés lorsqu'ils sont développés à partir des données larvaires collectées au filet bongo, et suivant une distribution delta-log normale pour des données avec une grande quantité de valeurs nulles ("zero-inflated") que ceux résultant d'autres séries de données ou d'autres modèles. Les valeurs des indices augmentent lorsque les données sont traitées par ce modèle, indiquant quelque correction pour cette inflation de zéros, et leur variabilité diminue, comparée aux indices développés avec l'ajustement delta-log normal.