A comparison of two techniques for the rapid assessment of marine habitat complexity
Notice bibliographique
Résumé
Summary Monitoring and assessment of the status and distribution of marine seabed habitats is needed to support existing and emerging environmental policy commitments. Traditional monitoring of habitats and associated species using grabs and trawls is costly and labour intensive and might usefully be complemented by cheaper and more readily automated methods that can be used at higher frequencies and/or on larger spatial scales. We develop and apply two methods to measure seabed habitat complexity and demonstrate how they can be used to describe impacts (e.g. fishing gear impacts) and monitor recovery. The first method relies on the analysis of deviations in a laser line projected on the seabed. The second method is based on the pixel value distribution in seabed photographs. We use both methods to quantify the complexity created by different substrates and habitat‐forming species and to establish links between habitat complexity and faunal diversity (richness) and abundance. The habitat complexity index calculated with the laser line method provided a reliable index of complexity across a range of habitat types, showing a monotonic increase with coarseness of the substratum and the abundance of sessile epifauna. Pixel value distributions in the photographs did not reflect the increase in complexity due to sessile epifauna but only reflected substratum differences. Results suggested that the laser line method would be suitable for monitoring the effect of disturbance on habitats ranging from gravelly sands to rock, and their subsequent recovery. The photographic method would be better suited to assessing complexity and heterogeneity of the substratum. Both methods complement conventional biological sampling and can be used at higher frequencies and/or on larger spatial scales per unit cost. The laser line method has considerable potential to support demands for frequent monitoring of seabed habitats and human impacts at a range of spatial scales. It is less costly and labour intensive than existing approaches and can be deployed from vessels of many sizes.
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 | 0,007 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,011 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».