Multi‐scale marine biodiversity patterns inferred efficiently from habitat image processing
Notice bibliographique
Résumé
Cost-effective proxies of biodiversity and species abundance, applicable across a range of spatial scales, are needed for setting conservation priorities and planning action. We outline a rapid, efficient, and low-cost measure of spectral signal from digital habitat images that, being an effective proxy for habitat complexity, correlates with species diversity and requires little image processing or interpretation. We validated this method for coral reefs of the Great Barrier Reef (GBR), Australia, across a range of spatial scales (1 m to 10 km), using digital photographs of benthic communities at the transect scale and high-resolution Landsat satellite images at the reef scale. We calculated an index of image-derived spatial heterogeneity, the mean information gain (MIG), for each scale and related it to univariate (species richness and total abundance summed across species) and multivariate (species abundance matrix) measures of fish community structure, using two techniques that account for the hierarchical structure of the data: hierarchical (mixed-effect) linear models and distance-based partial redundancy analysis. Over the length and breadth of the GBR, MIG alone explained up to 29% of deviance in fish species richness, 33% in total fish abundance, and 25% in fish community structure at multiple scales, thus demonstrating the possibility of easily and rapidly exploiting spatial information contained in digital images to complement existing methods for inferring diversity and abundance patterns among fish communities. Thus, the spectral signal of unprocessed remotely sensed images provides an efficient and low-cost way to optimize the design of surveys used in conservation planning. In data-sparse situations, this simple approach also offers a viable method for rapid assessment of potential local biodiversity, particularly where there is little local capacity in terms of skills or resources for mounting in-depth biodiversity surveys.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».