相关实验视频
Updated: Jun 28, 2025

07:16
Thermal Limits Determination for Zooplankton Using a Heat Block
Published on: November 18, 2022
1.4K
基于数据的动物浮游生物区域的确定和强度分析
Patrick R Pata1,2, Moira Galbraith3, Kelly Young3
1Institute for the Oceans and Fisheries, University of British Columbia, Vancouver, B.C., Canada.
MethodsX
|April 15, 2024
概括
这项研究使用K-means集群识别了东北太平洋的四个不同的动物浮游生物区域. 选择的方法被证明是稳健的,尽管数据变化,但提供可靠的生态区分.
科学领域:
- 海洋生态海洋生态学
- 生物地理学 生物地理学 生物地理学
- 量化生态学 量化生态学
背景情况:
- 生态系统分区依赖于使用物种分布数据识别生物地理区域.
- 选择适当的集群分析方法对于准确的生物区域化至关重要.
- 来自东北太平洋的动物浮游生物社区数据被汇总和策划用于分析.
研究的目的:
- 开发一个数据驱动的流程来选择最佳的生物区域化方法.
- 为了比较九个集群分析算法和十个集群良性指数.
- 评估生物区域化对采样和分类学变异性的稳定性.
主要方法:
- 应用到日志和弦转换动物浮游生物丰度数据的K-平均集群.
- 使用十个集群良性指数的九个集群算法的比较.
- 通过分析具有不同空间,时间和分类学特征的数据子集进行稳定性测试.
主要成果:
- K-means集群的日志和弦转换丰富性确定了四个生物区域:离岸,深层架,近岸和深层峡湾.
- 选择的方法在采样频率,方法和分类学覆盖范围的变化方面表现出稳定性.
- 生物区域化始终反映了跨架梯度.
结论:
- K-means集群方法为东北太平洋的动物浮游生物区域化提供了一种可靠的方法.
- 已确定的生物区域为研究区域提供了强大的生态区划框架.
- 该方法可适应生物区域化研究,使用具有固有的变异性的社区数据.

