Incorporating spatial analyses into conservation and monitoring of deep-sea megafauna in Marine Protected Areas (MPAs)
Notice bibliographique
Résumé
Deep-sea ecosystems are being impacted by anthropogenic stressors, such as trawling and oil-gas exploration. Protection of these ecosystems is delayed by limited understanding of spatial distribution, suitable habitat, species associations, and recruitment. Imagery was analyzed from the Laurentian Channel AOI and 3 canyons (Corsair, Georges, Fiddlers Cove) on the western Scotian Slope in the Northwest Atlantic Ocean. We used two sampling designs, exploratory linear transects and a systematic-cluster transect array and will compare the information that can be extracted from each method. Megaepifaunal biodiversity, abundance, and species-species associations were identified at each site. For example, at Fiddlers Cove, different types of Gorgonian corals (e.g. Acanella, Desmophyllum, and stoloniferous coral), soft corals, and sponges occurred mainly on outcrops; sea pens and anemones, along with large colonies of Paragorgia arborea were present in Corsair Canyon; and several Gorgonian corals, anemones, lobsters, and Holothuroidea were present in Georges Canyon. We will use spatial analyses to measure spatial structure at local and regional scales, identify species-environment associations, and predict suitable habitat for deep-sea megaepifauna. Overall, the study will provide a broader understanding of deep-sea megaepifaunal ecosystems, and develop recommendations for a deep-sea MPA monitoring framework to achieve effective conservation that promotes biodiversity.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».