Integrating fine‐scale seafloor mapping and spatial pattern metrics into marine conservation prioritization
Notice bibliographique
Résumé
Abstract Marine protected area (MPA) planning often relies on scientific principles that help ensure that an area selected for conservation will effectively protect biodiversity. Capturing ecological processes in MPA network planning has received increased attention in recent years. High‐resolution seafloor maps, which show patterns in seafloor bio‐physical characteristics, can support our understanding of ecological processes. In part, owing to a global lack of high‐resolution seafloor maps, studies that aim to integrate seascape spatial pattern and conservation prioritization often focus on shallow biogenic habitats with less attention paid to deeper benthic seascapes (benthoscapes) mapped using acoustic techniques. Acoustic seafloor mapping strategies yield the spatial information required to extend conservation prioritization research into these environments, making incorporating seafloor ecological processes into conservation prioritization increasingly achievable. Here, a new method is proposed and tested that combines benthoscape mapping, landscape ecology metrics and a conservation decision support tool to prioritize areas with structural and potential connectivity value in MPA placement. Using a case study in eastern Canada, benthoscape composition and configuration were quantified using spatial pattern metrics and integrated into Marxan. Results illustrate how large patches of seafloor habitat in close proximity to neighbouring patches can be preferentially selected when benthoscape configuration is considered. The flexibility of the method for including relevant spatial pattern metrics or species‐specific movement data is discussed to illustrate how benthic habitat maps can improve existing conservation planning methods and complement existing and future work to support marine biodiversity conservation.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».