文献

J-GLOBAL ID：202002211624385056   整理番号：20A2059344

メキシコ湾における深海骨格形成イシサンゴ類の予測生息地適合性モデリング【JST・京大機械翻訳】

Predictive habitat suitability modeling of deep-sea framework-forming scleractinian corals in the Gulf of Mexico

著者 (4件)： Hu Zhiyong (Department of Earth & Environmental Sciences, University of West Florid, 11000 University Parkway, Pensacola, FL 32514, USA) ,  Hu Jilin (Department of Earth & Environmental Sciences, University of West Florid, 11000 University Parkway, Pensacola, FL 32514, USA) ,  Hu Hongda (Guangzhou Institute for Geography, 100 Xianlie Middle Rd, Guangzhou, Guangdong Province 510070, China) ,  Zhou Yaguang (Chongqing Institute of Surveying and Mapping, Ministry of Natural Resources of China, 10 Tengfang Ave, Chongqing 401120, China)
資料名： Science of the Total Environment  (Science of the Total Environment)
巻： 742  ページ： Null  発行年： 2020年 
JST資料番号： C0501B  ISSN： 0048-9697  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： フレームワーク形成スクレラクチン(FFS)サンゴは,豊富で多様な底生群集を支持する構造的に複雑な生息場所を提供するが,環境変化や人為的擾乱に脆弱である。適切な生息地の科学的モデリングは環境条件の影響に重要な洞察を提供し,生息場所適合性に関する知識におけるギャップを埋める。本研究は,GoMにおける深海(深さ>50m)のFFSサンゴに対する予測生息場所適合性モデリングを提示した。まず,各数値環境変数の関数として観測されたサンゴ点プロセス強度のノンパラメトリック推定を行った。次に,4つの機械学習モデル,最大エントロピー(ME),サポートベクトルマシン(SVM),ランダムフォレスト(RF),および深層ニューラルネットワーク(DNN)の集合を用いて,種分布モデリング(SDM)を行った。サンゴ分布を制御する最も重要な変数は,超優性砂利と岩石下層,SWとSEの側面,斜面急勾配,塩分,深さ,温度,酸性,溶存酸素,クロロフィルaであった。高度に好適な生息場所は,テキサス,Louisiana,および熊本の大陸斜面と西フロリダの陸棚と斜面にあると予測される。すべての4つのモデルは,0.95以上のAUC値を有する顕著な予測性能を有した。DNNモデルは最良(AUC=0.987)であった。本研究は,サンゴ点プロセス強度,DNNおよびSVMモデルのノンパラメトリック関数を含むユニークな方法を提示することにより,サンゴSDM,ポスト分類モデル組立,およびパーセンタイルアプローチに用いられない,2成分マップに適性スコアマップを分類するための閾値を決定する,というユニークな方法を提示することによって,サンゴ生息場所モデリング研究に寄与する。著者らの知見は,保存優先順位付け,管理および計画を支援し,新しい野外探査を導くのに役立つであろう。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 岩石 ,  大陸棚 ,  溶存酸素 ,  クロロフィルa ,  ノンパラメトリック法 ,  塩分 ,  大陸斜面 ,  *イシサンゴ類 ,  優性 ,  *生息場所 ,  機械学習 ,  *深海 ,  サポートベクトルマシン
準シソーラス用語： 環境条件 ,  ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (5件)： Scleractinia ,  最大エントロピー ,  ランダムフォレスト ,  サポートベクトルマシン ,  深層ニューラルネットワーク

分類 (4件)： 研究開発  (SA01040R) ,  動物に対する影響  (EE05040R) ,  気圏環境汚染  (SB03020M) ,  自然保護  (SB06000L)

タイトルに関連する用語 (8件)： メキシコ ,  深海 ,  骨格形成 ,  イシサンゴ類 ,  予測 ,  生息地 ,  適合性 ,  モデリング