Reconstruction of spatiotemporal capture data by means of orthogonal functions: the case of skipjack tuna (Katsuwonus pelamis) in the central-east Atlantic

Abstract

The information provided by the International Commission for the Conservation of Atlantic Tunas (ICCAT) on captures of skipjack tuna (Katsuwonus pelamis) in the central-east Atlantic has a number of limitations, such as gaps in the statistics for certain fleets and the level of spatiotemporal detail at which catches are reported. As a result, the quality of these data and their effectiveness for providing management advice is limited. In order to reconstruct missing spatiotemporal data of catches, the present study uses Data INterpolating Empirical Orthogonal Functions (DINEOF), a technique for missing data reconstruction, applied here for the first time to fisheries data. DINEOF is based on an Empirical Orthogonal Functions decomposition performed with a Lanczos method. DINEOF was tested with different amounts of missing data, intentionally removing values from 3.4% to 95.2% of data loss, and then compared with the same data set with no missing data. These validation analyses show that DINEOF is a reliable methodological approach of data reconstruction for the purposes of fishery management advice, even when the amount of missing data is very high.

Los datos de capturas de atún bonito-listado (Katsuwonus pelamis) en el Atlántico Centro Oriental, suministrados por la Comisión Internacional para la Conservación del Atún Atlántico (ICCAT), presentan limitaciones, tales como lagunas de información en las series estadísticas de determinadas flotas o en el nivel de detalle espacio-temporal con el que son suministrados dichos datos. Como resultado de ello, la calidad de tales datos y su utilidad para el asesoramiento en la gestión pesquera es limitada. En el presente estudio se usa la técnica de interpolación por Funciones Ortogonales Empíricas (DINEOF) para la reconstrucción de datos espacio-temporales perdidos, por primera vez aplicada a series de captura. El DINEOF se basa en una descomposición en Funciones Ortogonales Empíricas (EOF) realizada con un método Lanczos. El DINEOF fue aplicado a series con diferentes cantidades de datos perdidos (entre el 3,4% y 95,2% de los valores perdidos), y las reconstrucciones fueron posteriormente comparadas con las series completas originales. Los análisis de validación muestran que el DINEOF es una método fiable para la reconstrucción de series de datos de origen pesqueros, incluso cuando la cantidad de valores perdidos es muy alta.