综合专家范围地图和海鱼物种在范围估计中的机会性发生记录
Zhixin Zhang1,2,3, Ákos Bede-Fazekas4,5, Jorge García Molinos6
1State Key Laboratory of Tropical Oceanography, Guangdong Provincial Key Laboratory of Applied Marine Biology, South China Sea Institute of Oceanology, Chinese Academy of Sciences, Guangzhou, China.
将专家范围地图集成到物种分布模型 (SDM) 中可以改善海洋鱼类范围预测. 这种方法可以避免过度预测,并提高生物多样性评估的准确性.
科学领域:
- 生态生态学 生态生态学
- 保护生物学 保护生物学
- 海洋生物学 海洋生物学
背景情况:
- 物种分布模型 (SDM) 对于生物多样性评估和保护规划至关重要.
- SDM 中的机会性发生数据可以引入偏差,缺乏范围限制信息.
- 将专家范围地图集成到SDM中未得到充分利用,特别是在海洋物种方面.
研究的目的:
- 评估将专家范围地图整合到海洋鱼类的SDM中的影响.
- 为了比较SDM合奏与没有专家范围地图集成.
- 识别影响范围预测不相似性的因素.
主要方法:
- 开发了 196 种海洋鱼类 (Epinephelidae 和 Syngnathidae) 的 SDM,使用了 4 种算法和发生数据.
- 创建了两个SDM组合类型:一个具有专家范围地图集成,一个没有.
- 量化范围估计不相似性和探索影响因素 (分类学,地理,保护状况).
主要成果:
- 这两种SDM组合类型都表现出良好的预测性能.
- 专家范围地图信息合集成功阻止了超越地理障碍的过度预测.
- 不相似性受到发生数据特征,接近专家范围和鱼类家族的影响.
结论:
- 专家范围地图提高了海洋物种分布模型的准确性.
- 将专家知识与事件数据相结合,提供了可靠预测的补充信息.
- 使用SDM预测海洋物种分布的推实践包括整合两种数据类型.
更多相关视频
09:32Development of New Methods for Quantifying Fish Density Using Underwater Stereo-video Tools
Published on: November 20, 2017
07:43Methods for Image-based Surveys of Benthic Macroinvertebrates and Their Habitat Exemplified by the Drop Camera Survey for the Atlantic Sea Scallop
Published on: July 2, 2018
相关概念视频
Multi-species Conserved Sequences
Although the genome of each species varies greatly from each other, a few sequences are highly conserved. Such conserved...
Speciation Rates
Osmoregulation in Fishes
Design Example: Analyzing Capacity Contours for Flood Risk Assessment
