Habitats and fish communities at mesophotic depths in the Mexican Pacific
Notice bibliographique
Résumé
Aim: Mesophotic ecosystems, found at the limit of light penetration in the ocean, are rich in biodiversity and harbor unique ecological communities. However, they remain among the least studied habitat zones on earth due to high costs and technological limitations. Here, we characterize mesophotic communities in two marine reserves across a range of habitat types, depths, and temperatures using submersible technologies, with the goal of understanding the processes that structure these communities across biogeographic regions. Location: The Bay of La Paz and the Revillagigedo Archipelago, Mexico. Taxa: Fish and algal species. Methods: We used a small and inexpensive Remotely Operated Vehicle (ROV) to conduct roving-swim surveys of major habitat types in depths from 20–100 m. With the resulting binary data of fish species presence, we used generalized linear mixed models and canonical correspondence analysis and to determine whether biogenic habitat, depth, and/or temperature best explained species richness and community structure across reef and non-reef substrate. Results: We identified 81 species, including new depth records for nine fish species and a new geographic record for one fish species. Our surveys included large undocumented rhodolith beds (free-living coralline algae) and mesophotic algal communities, in addition to diverse communities of soft corals and sponges. Fish species richness was positively associated with rocky substrate and warmer water, and reef fish communities differed significantly by depth, temperature, and biogenic habitat. Main conclusion: Our results highlight the importance of biogenic habitat in structuring communities across gradients of depth and temperature. We also demonstrate the effectiveness of a small and economical ROV for conducting mesophotic surveys in remote regions. Our methods and results provide a framework that can be used to greatly increase the biogeographic and taxonomic scope of mesophotic research, especially for readily identifiable taxa such as fish.
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 | 0,000 |
| 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 ».