Kelp in the Eastern Canadian Arctic: Current and Future Predictions of Habitat Suitability and Cover
Notice bibliographique
Résumé
Climate change is transforming marine ecosystems through the expansion and contraction of species’ ranges. Sea ice loss and warming temperatures are expected to expand habitat availability for macroalgae along long stretches of Arctic coastlines. To better understand the current distribution of kelp forests in the Eastern Canadian Arctic, kelps were sampled along the coasts for species identifications and percent cover. The sampling effort was supplemented with occurrence records from global biodiversity databases, searches in the literature, and museum records. Environmental information and occurrence records were used to develop ensemble models for predicting habitat suitability and a Random Forest model to predict kelp cover for the dominant kelp species in the region – Agarum clathratum, Alaria esculenta, and Laminariaceae species (Laminaria solidungula and Saccharina latissima). Ice thickness, sea temperature and salinity explained the highest percentage of kelp distribution. Both modeling approaches showed that the current extent of arctic kelps is potentially much greater than the available records suggest. These modeling approaches were projected into the future using predicted environmental data for 2050 and 2100 based on the most extreme emission scenario (RCP 8.5). The models agreed that predicted distribution of kelp in the Eastern Canadian Arctic is likely to expand to more northern locations under future emissions scenarios, with the exception of the endemic arctic kelp L. solidungula, which is more likely to lose a significant proportion of suitable habitat. However, there were differences among species regarding predicted cover for both current and future projections. Notwithstanding model-specific variation, it is evident that kelps are widespread throughout the area and likely contribute significantly to the functioning of current Arctic ecosystems. Our results emphasize the importance of kelp in Arctic ecosystems and the underestimation of their potential distribution there.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».