Presence-only fisheries bycatch data produce biased species distribution predictions for Alcyonacean corals on British Columbia’s continental shelf and slope
Notice bibliographique
Résumé
Sedentary benthic species such as Alcyonacea corals form critical habitat for fishes and invertebrates. Assessing anthropogenic risks to these organisms requires unbiased, species distribution models (SDMs) that attempt to map probabilities of coral presence in relation to bio-physical ocean characteristics; however, in deep-water settings, the accuracy of SDMs is highly variable and dependent on spatial and taxonomic resolution. Here we investigated how data and model types affect SDM predictions of Alcyonacea probability of presence. We compared predictions from generalized additive models (GAMs) fitted to presence–absence observations over a stratified-random survey design with predictions from maximum entropy models (Maxent) fitted to presence-only bycatch records from commercial fisheries. We use a simulation analysis to show that both model types (i.e., GAM or Maxent) using presence-only bycatch data produced biased estimates of species distribution, while both model types using presence–absence data from a stratified random survey design produced unbiased estimates of species distribution. Additionally, the maxent model fit using presence-only bycatch data produced biased estimates of performance metrics (AUC and TSS) that were overly optimistic. This study demonstrates a need for presence–absence data collected using a robust survey sampling design to fit SDMs that will better inform marine protected area placement while minimizing unnecessary economic losses, such as forgone fishing yield, due to sub-optimal placement.
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 | 0,006 | 0,017 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».