Distribution models of temperate habitat-forming species on the continental shelf In eastern Australia: setting the baseline to monitor and predict future changes
Notice bibliographique
Résumé
Habitat-formers (e.g. kelp beds, corals, sessile invertebrate assemblages) are key to the structure and functioning of reef ecosystems worldwide. In southeast Australia, a region identified as a global hotspot for climate-driven ocean warming, the structure and distribution of deep (> 30 m) benthic sessile communities are poorly known given these habitats are hard to quantitatively survey. Using high-resolution imagery of the seafloor from a recent national-scale AUV-based survey program, we establish a critical baseline about the latitudinal gradient in benthic community composition from 27S to 43S on the eastern seaboard of Australia.<br> </br>Over >1,800 AUV images taken across the 7 different survey regions along the eastern seaboard of Australia, we estimated percentage cover of 51 pre-selected invertebrate morphospecies, including two ascidians, four bryozoans, seven cnidarians and 38 sponges. These morphospecies were chosen for their strong features (i.e. size, shape, colour), which facilitated their identification and detectability on the images. Three levels of details (i.e. group, shape, colour) were reported for each record, so as to test the sensitivity of our results to alternative invertebrate classification schemes of increasing resolution.<br> </br>Large-scale latitudinal variability between three major community types (sub-tropical, warm temperate and cool temperate) mostly correlates with primary productivity and temperature climatology, while local scale variability relates well with depth. <br> </br>Using environmental variables that capture past climatology both in terms of means and extremes (frequency and magnitude), we develop alternative distribution models for several habitat-forming species. Our models characterise the thermal tolerance of individual morphospecies in terms of suitable and/or critical boundary conditions. We compare model performance, discriminate between different types of latitudinal distribution (e.g. truncated or continuous), identify indicator morphospecies more likely to respond to climate-driven changes in ocean conditions, and discuss these results in the context of ongoing and future ocean changes. Our study provides an important benchmark to detect and predict future climate-driven changes in southeastern Australia, and our methodology has general applicability for monitoring of deep reef environments.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 tête enseignante, 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 ».