Ensemble modelling to predict the distribution of vulnerable marine ecosystems indicator taxa on data‐limited seamounts of Cabo Verde (NW Africa)
Notice bibliographique
Résumé
Abstract Aim Seamounts are conspicuous geological features with an important ecological role and can be considered vulnerable marine ecosystems (VMEs). Since many deep‐sea regions remain largely unexplored, investigating the occurrence of VME taxa on seamounts is challenging. Our study aimed to predict the distribution of four cold‐water coral (CWC) taxa, indicators for VMEs, in a region where occurrence data are scarce. Location Seamounts around the Cabo Verde archipelago (NW Africa). Methods We used species presence–absence data obtained from remotely operated vehicle (ROV) footage collected during two research expeditions. Terrain variables calculated using a multiscale approach from a 100‐m‐resolution bathymetry grid, as well as physical oceanographical data from the VIKING20X model, at a native resolution of 1/20°, were used as environmental predictors. Two modelling techniques (generalized additive model and random forest) were employed and single‐model predictions were combined into a final weighted‐average ensemble model. Model performance was validated using different metrics through cross‐validation. Results Terrain orientation, at broad scale, presented one of the highest relative variable contributions to the distribution models of all CWC taxa, suggesting that hydrodynamic–topographic interactions on the seamounts could benefit CWCs by maximizing food supply. However, changes at finer scales in terrain morphology and bottom salinity were important for driving differences in the distribution of specific CWCs. The ensemble model predicted the presence of VME taxa on all seamounts and consistently achieved the highest performance metrics, outperforming individual models. Nonetheless, model extrapolation and uncertainty, measured as the coefficient of variation, were high, particularly, in least surveyed areas across seamounts, highlighting the need to collect more data in future surveys. Main Conclusions Our study shows how data‐poor areas may be assessed for the likelihood of VMEs and provides important information to guide future research in Cabo Verde, which is fundamental to advise ongoing conservation planning.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| 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 tête enseignante, 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 ».