Characterizing sedimentary bedforms as habitat for fishes and invertebrates in the San Juan Archipelago, Washington, USA, and the Georgia Basin, British Columbia
Notice bibliographique
Résumé
Based on multibeam bathymetry, multibeam backscatter datasets, Remotely Operated Vehicle (ROV) observations and sediment grab data collected in the San Juan Archipelago and Georgia Basin region, sedimentary bedforms including sediment waves, ripples and ripples overlying waves were identified and characterized as habitat for fishes and invertebrates according to the deep-water classification scheme for marine benthic habitats by Greene et al. (1999). Analysis of long term bathymetric survey data in a GIS suggests that sediment waves were dynamic and influenced by modern physical oceanographic processes. Direct observational data collected in the sediment wave fields revealed that sediment waves were poorly sorted and composed of both fine-grained sediment (sand) and coarse-grained sediment (cobbles, pebbles and coquina). Density, percent composition and distribution of fishes and invertebrates, specifically in San Juan Channel, were calculated. Pacific sand lance (Ammodytes hexapterus) had high percent composition values among the observed fishes in both the mixed and sand substrates. Spot prawns (Pandalus platyceros) dominated the gravel, mixed sediment and sand substrates. There were significant density differences for individuals in the families Hexagrammidae and Scorpaenidae, but there were no significant density differences for the remaining fish or invertebrates observed in both the sand wave and non-sand wave areas. Percent composition varied between gravel, mixed sediment, rock and sand substrates; however, based on Chi-squared analyses, there were significant differences detected among varying substrate types in both sand wave and non-sand wave transects which suggests that species occurrences are not independent of habitat types.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».