Investigation and integration of spatial analyses in benthic habitat mapping with application to nearshore Arctic environments
Notice bibliographique
Résumé
The field of benthic habitat mapping has entered an era of automated statistical methods that have increased the capacity to produce maps as marine management tools. Spurred by a confluence of advances in acoustic remote sensing, open-source statistical tools, GIS, and computing power, these methods facilitate quick and objective mapping of habitats and physical seabed characteristics. Their performance and accessibility have led to widespread uptake, yet key spatial issues associated with these methods have not fully translated into the benthic habitat mapping workflow. Towards establishing “best practices”, this thesis explores the application of several spatial concepts to benthic habitat mapping using three Canadian Arctic case studies. Relationships between seabed morphology and benthic habitats are well-established. Though recognized as a critical element in the field of geomorphometry, the scale dependence of these relationships is commonly neglected in habitat mapping. Chapter 2 provides evidence of the scale dependence of benthic terrain variables and demonstrates methods for testing and selecting from among many variables and scales for modelling the distribution of sediment grain size near Qikiqtarjuaq, Nunavut. Given challenges associated with marine data collection that are pronounced in the Arctic, benthic habitat maps commonly utilize multi-year and multisource datasets. Despite apparent advantages, there can be substantial challenges associated with the compatibility and spatial properties of such data. Chapter 3 demonstrates that spatially autocorrelated samples are likely to inflate estimates of predictive performance and uses a spatial resampling strategy to estimate and correct for inflation in a multi-model Arctic clam habitat map near Qikiqtarjuaq, Nunavut. Classified seabed maps are a common requirement for marine management and one of two broad approaches are often selected to produce them. Chapter 4 examines differences between classification and continuous modelling approaches in a spatial context to produce classified seabed sediment maps for inner Frobisher Bay, Nunavut. Non-spatial methods failed to indicate whether models could extrapolate to unsampled areas, which was a requirement for this study. When evaluated in a spatial context, the qualities of the classification approach made it more suitable, which was a function of ground-truth dataset characteristics and the predictive goals of the model. Non-spatial techniques may be appropriate for interpolation, but the ability to extrapolate needs to be examined in a spatial context.
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 | 0,005 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».