Where the wild things are: predicting hotspots of seabird aggregations in the California Current System
Notice bibliographique
Résumé
Marine protected areas (MPAs) provide an important tool for conservation of marine ecosystems. To be most effective, these areas should be strategically located in a manner that supports ecosystem function. To inform marine spatial planning and support strategic establishment of MPAs within the California Current System, we identified areas predicted to support multispecies aggregations of seabirds ("hotspots"). We developed habitat-association models for 16 species using information from at-sea observations collected over an 11-year period (1997-2008), bathymetric data, and remotely sensed oceanographic data for an area from north of Vancouver Island, Canada, to the USA/Mexico border and seaward 600 km from the coast. This approach enabled us to predict distribution and abundance of seabirds even in areas of few or no surveys. We developed single-species predictive models using a machine-learning algorithm: bagged decision trees. Single-species predictions were then combined to identify potential hotspots of seabird aggregation, using three criteria: (1) overall abundance among species, (2) importance of specific areas ("core areas") to individual species, and (3) predicted persistence of hotspots across years. Model predictions were applied to the entire California Current for four seasons (represented by February, May, July, and October) in each of 11 years. Overall, bathymetric variables were often important predictive variables, whereas oceanographic variables derived from remotely sensed data were generally less important. Predicted hotspots often aligned with currently protected areas (e.g., National Marine Sanctuaries), but we also identified potential hotspots in Northern California/Southern Oregon (from Cape Mendocino to Heceta Bank), Southern California (adjacent to the Channel Islands), and adjacent to Vancouver Island, British Columbia, that are not currently included in protected areas. Prioritization and identification of multispecies hotspots will depend on which group of species is of highest management priority. Modeling hotspots at a broad spatial scale can contribute to MPA site selection, particularly if complemented by fine-scale information for focal areas.
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 | 0,001 | 0,002 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».