MétaCan
Menu
Retour à la cohorte
Enregistrement W3110372780 · doi:10.3354/meps13564

Species distribution models for deep-water coral habitats that account for spatial uncertainty in trap-camera fishery data

2020· article· en· W3110372780 sur OpenAlexafffundabout
Bob Doherty, SP Cox, CN Rooper, AR Kronlund

Notice bibliographique

RevueMarine Ecology Progress Series · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCoral and Marine Ecosystems Studies
Établissements canadiensFisheries and Oceans CanadaSimon Fraser UniversityHuntsman Marine Science Centre
Organismes subventionnairesFisheries and Oceans CanadaNatural Sciences and Engineering Research Council of CanadaMitacs
Mots-clésFisheryFishingCoralOceanographyHabitatEnvironmental scienceEcologyBiologyGeology

Résumé

récupéré en direct d'OpenAlex

Bottom-contact fisheries present risks to vulnerable marine ecosystems (VMEs) such as deep-water coral and sponge communities. Managing these risks requires better knowledge about VME spatial distribution within fishing areas. In this paper, we develop predictive species distribution models for alcyonacean (Order Alcyonacea) corals at SGaan Kinghlas-Bowie Seamount (SK-B) in British Columbia, Canada, based on direct presence/absence observations obtained from deep-water cameras attached to commercial fishing gear. We obtained in situ presence/absence observations of deep-water corals (Order Alcyonacea, Order Antipatharia, Order Pennatulacea, Family Stylasteridae) and sponges (Class Hexactinellida, Class Demospongiae) at 124 locations during commercial fishing trips at the SK-B marine protected area. We developed species distribution models for alcyonacean corals at SK-B and compared the performance of models using 4 different estimators of trap landing position (surface drop position and 3 Bayesian estimators) to account for spatial uncertainty in observation locations. We found that the different estimators for landing position affected variable selection, model performance, and model predictions. The best-fitting models using the 4 different landing position estimators had mean AUC values ranging from 0.71 to 0.78 and maximum kappa values ranging from 0.36 to 0.47. This study demonstrates how collaborative research surveys with commercial fisheries can provide fine-scale spatial data for coral and sponge habitat mapping using an approach that is scalable for benthic habitat risk assessment for large, possibly remote, areas where fisheries operate.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,101

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,248
Écart entre enseignants0,199 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueMarine Ecology Progress SeriesMême sujetCoral and Marine Ecosystems StudiesTravaux en français237 207