Finding the hotspots within a biodiversity hotspot: fine‐scale biological predictions within a submarine canyon using high‐resolution acoustic mapping techniques
Notice bibliographique
Résumé
Abstract Submarine canyons are complex geomorphological features that have been suggested as potential hotspots for biodiversity. However, few canyons have been mapped and studied at high resolution (tens of m). In this study, the four main branches of Whittard Canyon, Northeast Atlantic, were mapped using multibeam and sidescan sonars to examine which environmental variables were most useful in predicting regions of higher biodiversity. The acoustic maps obtained were ground truthed by 13 remotely operated vehicle (ROV) video transects at depths ranging from 650 to 4000 m. Over 100 h of video were collected, and used to identify and georeference megabenthic invertebrate species present within specific areas of the canyon. Both general additive models (GAMs) and random forest (RF) were used to build predictive maps for megafaunal abundance, species richness and biodiversity. Vertical walls had the highest diversity of organisms, particularly when colonized by cold‐water corals such as Lophelia pertusa and Solenosmilia variabilis. GAMs and RF gave different predictive maps and external assessment of predictions indicated that the most adequate technique varied based on the response variable considered. By using ensemble mapping approaches, results from more than one model were combined to identify vertical walls most likely to harbour a high biodiversity of organisms or cold‐water corals. Such vertical structures were estimated to represent less than 0.1% of the canyon's surface. The approach developed provides a cost‐effective strategy to facilitate the location of rare biological communities of conservation importance and guide further sampling efforts to help ensure that appropriate monitoring can be implemented.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».