What is hidden in the distribution of sea cucumber faecal casts? Spatial point pattern analysis reveals tracemaker community competition in the Bering Sea abyssal plain
Notice bibliographique
Résumé
Sea cucumbers are one of the most abundant deep-sea benthic megafauna, both in terms of abundance and biomass. As efficient bioturbators, they assimilate nutrients from ingested material while excreting sediments (i.e., faecal cast lebensspuren), playing an important role as ecosystem engineers of the deep seafloor. Thus, distribution of the faecal casts produced by sea cucumbers, one of the most common morphotypes of deep-sea lebensspuren assemblages, may reflect the nutrient composition of the seafloor. However, the implications of these lebensspuren for understanding competition among tracemaker communities (i.e., benthic fauna responsible of lebensspuren formation) in the deep-sea have rarely been explored. Here, we apply spatial point pattern analysis (SPPA) based on still images of rounded faecal casts and their producer ( Elpidia minutissima ) in an abyssal transect of the Bering Sea that was studied during the RV Sonne expedition AleutBio (Aleutian Trench Biodiversity Studies) (SO293). Elpidia minutissima is a well-known tracemaker that performs non-random foraging movements, and is able to detect and feed on nutrient-rich patches. We found that 24 rounded faecal cast populations best-fit a Complete Spatial Randomness (CSR) model, and 16 best-fit a Heterogeneous Poisson (HP) model (i.e., aggregated distribution). CSR populations were negatively correlated with tracemaker density and digesting lebensspuren assemblage, suggesting a low nutrient seafloor. HP populations were positively correlated with locomotion lebensspuren assemblage, suggesting a more favorable seafloor. We highlight the utility of SPPA on faecal casts, one of the most common lebensspuren on deep-sea still images, as a proxy for seafloor nutrient conditions.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».