Définition de biotopes marins littoraux distincts à l'échelle de la côte de la Colombie-Britannique
Bibliographic record
Abstract
On a défini et cartographié neuf biotopes épibenthiques littoraux ainsi que trois physiotopes en fonction des conditions environnementales pour la côte de la Colombie-Britannique. La définition des biotopes comprend les espèces corrélées avec sept conditions environnementales (substrat, pente, profondeur, exposition, température, salinité et courant de marée) présentes dans chaque biotope. Trois physiotopes ont été définis comme des zones environnementales uniques et n’ont pas été définis à l’aide de données sur les espèces. On a inclus 72 modèles de répartition des espèces (MRE monospécifiques) dans l’analyse pour définir les biotopes. De nombreuses espèces incluses dans le relevé ont une vaste répartition le long de la côte de la Colombie-Britannique et ne peuvent pas servir à différencier les biotopes (p. ex., l’oursin rouge, Mesocentrotus franciscanus, était corrélé avec cinq biotopes); par conséquent, des espèces indicatrices n’ont pas pu être déterminées. Après 10 ans de cartographie de l’habitat benthique (CHB), des lacunes dans notre compréhension des espèces côtières subsistent. On manque de connaissances sur la répartition de nombreuses espèces côtières, sur ce qui détermine leur répartition et sur les espèces auxquelles elles sont associées. Une collecte de données continue pourrait affiner la liste des espèces et améliorer la classification des biotopes. D’autres espèces, y compris des espèces plus rares, devraient être prises en compte dans les futurs relevés, et la collecte de données devrait être axée sur une taxinomie de niveau inférieur (c.-à-d. genre, espèce). Il existe peu de prédicteurs environnementaux disponibles pour la zone littorale. De nombreux prédicteurs utilisés dans les MRE du milieu marin sont dérivés de modèles océanographiques comprenant une résolution en kilomètres qui ne fournissent que des relations espèce-environnement à grande échelle. La disparité d’échelle entre les données de relevé et les covariables environnementales peut limiter l’utilité des variables océanographiques dans la modélisation (c.-à-d. qu’aucune relation n’est trouvée) ou restreindre leur applicabilité aux échelles plus fines. Sur les sept covariables environnementales, seulement trois (substrat, profondeur et exposition) ont une gamme de valeurs qui n’est pas commune à tous les biotopes. À l’exception de la pente, les autres prédicteurs (salinité, température et courant) sont dérivés de modèles océanographiques pour lesquels le littoral n’est pas bien résolu. Une résolution prédictive plus élevée pourrait donc entraîner des relations mieux résolues avec la répartition des espèces, une meilleure définition des biotopes et une augmentation du nombre de biotopes. Bien que les cartes fournissent des renseignements précieux sur la répartition des biotopes, elles doivent être interprétées en tenant compte de leurs limites de résolution et du potentiel de variabilité à plus petite échelle dans les environnements littoraux. Au cours des 10 années de ce projet, l’équipe était composée de nombreux biologistes très expérimentés dans l’identification des espèces et ayant une vaste expérience de travail dans les habitats médiolittoraux et infralittoraux sur toute la côte de la Colombie-Britannique. Leur expérience et leurs connaissances ont été essentielles pour valider les biotopes obtenus en ce qui a trait à l’inclusion d’espèces et aux associations environnementales. L’analyse est fiable et reproductible et, par conséquent, les extrants du biotope peuvent être utilisés pour appuyer les décisions de gestion dans la région du Pacifique, y compris les initiatives portant sur la planification spatiale marine et les incidents environnementaux.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".