How much sampling does it take to detect trends in coral‐reef habitat using photoquadrat surveys?
Notice bibliographique
Résumé
ABSTRACT Coral‐reef managers must detect and reverse collapses in habitat and evaluate the success of such interventions. Since these responsibilities must be met with limited time and resources, methods used should balance statistical power with practical and logistical constraints. Photoquadrat analysis is a commonly used method to survey coral habitats. This method, which involves photographing substratum along transects and digitally analysing habitat at points on the ‘photoquadrats’, affords efficiency in the field but is costly and requires extensive desk‐based analysis. It remains unclear what is the optimal combination of sampling units (points, photoquadrats and transects) needed to detect important trends in coral habitat. Here, a dataset on Philippine coral‐reef habitats, collected using intensive photoquadrat surveys, was used to explore the reliability of using different numbers of points per photoquadrat, photoquadrats per transect and transects per site to detect spatial differences in habitat. Results of leave‐some‐out analyses were compared with analysis of the complete dataset. Using fewer points per photoquadrat and fewer photoquadrats per transect caused little decline in ability to detect key trends, and lessened desk‐based time; reducing the number of photoquadrats also lessened field time. Using fewer transects reduced time requirements but at the expense of statistical reliability. Prospective power analyses revealed that common rates of coral recovery could not be detected using even the most intensive photoquadrat protocols. This result implies that coral recoveries within protected areas might go undetected using standard surveying techniques. Using fixed rather than randomly placed photoquadrats, or more sensitive indicators of habitat recovery than coral cover (e.g. coral surface area) may improve power to detect coral recoveries. Finally, protocols that minimize desk time rarely also minimize field time and vice versa, which highlights the need to prioritize different logistical constraints when designing methods. Copyright © 2013 John Wiley & Sons, Ltd.
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 | 0,040 | 0,114 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».