Quantifying habitat associations in marine fisheries: a generalization of the KolmogorovSmirnov statistic using commercial logbook records linked to archived environmental data
Notice bibliographique
Résumé
Understanding specieshabitat associations is critical for designing marine reserves, defining essential fish habitat, and predicting the impacts of climate change on fisheries. For many species, however, there is a paucity of fisheries-independent data that simultaneously track abundance and environmental variables, as is the case for widow rockfish (Sebastes entomelas), a commercially important fishery off the west coast of the United States. In this paper, I generalize a previous approach to identifying habitat associations so that fisheries-dependent data can be used. In analyzing Oregon commercial logbook records and archived environmental data from the National Oceanographic Data Center, I found three environmental variables (bottom depth, vertical depth of fish in the water column, and temperature) to be statistically adequate. Using a generalized KolmogorovSmirnov test statistic, I compared an empirically derived cumulative distribution function (CDF) of the habitat sampled to a CDF weighted by widow rockfish catch. Results suggest that the significant habitat association for widow rockfish includes bottom depths between 136 and 298 m, vertical depths between 101 and 197 m, and temperatures between 7.1 and 8.1°C. This novel use of commercial logbook data, which links disparate data sources and explicitly accounts for unequal spatial sampling, is a methodological advance that also provides initial insights into widow rockfish habitat preferences.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,024 | 0,117 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».