高分辨率波数据对提高海洋栖息地适宜性模型
奇亚拉·m·贝尔泰利
威廉·g·班尼特
Harshinie Karunarathna
多米尼克·e·里夫
理查德·k·f·山区,
James c .牛- 科学与工程学院、斯旺西大学、斯旺西,英国威尔士
栖息地适宜性模型(HSM)是一种工具,越来越多的被用于帮助保护决策管理。它也可以被用来修复的努力集中在我们的海洋。为了改善模型性能,最好的环境数据以及物种分布数据是必要的。海洋栖息地往往生态位定义物理环境条件和特别重要的浅水物种是能量波。在这项研究中,我们调查了相关改进HSM输出,可以通过生产高分辨率Delft-3D模仿波高数据,看看模型预测可以提高精细。海草被作为范例和比较精细显示相当大的差异,预测适合海草面积增长和大幅增加波浪的重要性作为一个预测变量与开源相比低分辨率波能源数据。
1。介绍
越来越多的兴趣,使用自然的解决方案来帮助减轻气候变化带来的最恶劣影响。最大的重点围绕这个兴趣是恢复的栖息地。与2021年到2030年定义为联合国十年的生态系统恢复重建的野心从来没有更大的生物多样性。这包括增加关注海洋中恢复(Danovaro et al ., 2021)项目专注于恢复牡蛎、珊瑚礁、红树林、海草和盐沼(沃尔瑟姆et al ., 2020)。
保护研究需要长期在大面积调查活动,需要承诺资金雄厚,测量的战略计划。由于实际困难这个姿势,栖息地的质量和程度是有限的数据集。结果是,很难直接修复工作的地方他们会成功的最好机会。
栖息地适宜性模型(HSM)是一个工具越来越多地用于帮助指导决策。也称为物种分布模型(SDM)和生态位模型(运用),他们都遵循相同的前提下,捕获一个物种的意识到利基可用于不同的目的(欧那密Araujo, 2016;Guisan et al ., 2017)。HSM可以被用来预测分布的稀有和/或脆弱的物种保护管理的目的汤普森et al ., 2014;劳登et al ., 2017),评估键或入侵物种分布的变化从气候变化(山谷et al ., 2014)和通知最合适区域生境保护与修复(亚当斯et al ., 2016;胡锦涛等人。,2021年)。
这种类型的建模使用环境参数已知的决定或影响物种的分布和存在问题,然后项目预测物种应该能够存在如果满足这些参数(Guisan et al ., 2017)。能够成功做到这一点,良好的可用性物种存在或分布和环境参数需要能够为模型提供足够的数据进行测试和培训(Guisan et al ., 2017;Araujo et al ., 2019)。环境参数将由不仅限制的条件,但也影响物种的分布和范围进行了研究。准确的栖息地存在数据是最重要的因素之一,为成功HSM分布数据的不准确会导致约束模型(Araujo et al ., 2019)。存在数据需要由物种的地理位置,因此数据点(坐标)往往是最有用的和容易使用。
提供优秀的案例研究为理解海草hsm的使用在海洋环境地理丰富,有一个定义良好的环境在浅海水域范围,有一个越来越感兴趣关于恢复行动,但仍差映射(麦肯齐et al ., 2020;绿色et al ., 2021)。海草修复领域,在欧洲,已经明显在过去的十年里,由于增加的理解这个海洋栖息地退化的程度(赌博et al ., 2021)。目前是一个养成海草草甸物种广泛的地理范围在整个北半球,27到70°N。为z滨作为一个水下水生植被,影响其分布的参数包括光可用性(高秤和Alberte, 1985;贝尔泰利和山区,2018年影响光衰减),水深()(尼尔森et al ., 2002),海水温度(马什et al ., 1986;摩尔和贾维斯,2008年)、盐度(萨罗城et al ., 2014),物理因素如暴露于波浪和洋流(丰和贝尔,1998年;范Katwijk Hermus, 2000;科赫et al ., 2001)。海草是普遍存在于浅,保护沿海地区,在软沉积物(科赫et al ., 2006)。在英国和爱尔兰,这些位置主要是东北东部或海湾,他们面临着与盛行风的方向和波取回,或者在泻湖和河口(D 'Avack et al ., 2019)。
回顾以前的海草HSM研究(贝尔泰利et al ., 2022发现最常用的海水环境参数温度、水深、光可用性、盐度、波浪作用,衬底和海底斜坡。然而,最终使用的变量也会一定程度上依赖于环境数据是现成的,其时间和空间分辨率。光可用性,特别是光合有效辐射(PAR)这是光的光谱范围,用于光合作用,可以说是最重要的一个变量来考虑,因为这将决定植物可以生存在沿海水域(李et al ., 2007;短et al ., 2007;Kuusemae et al ., 2016)。在确定深度测量法也很关键,海草,轻随深度衰减(Duarte 1991)。在它的地理范围内,z滨通常是发现在一个狭窄的深度范围内,通常根据水清晰(5 - 10米深戴维森和休斯,1998;尼尔森et al ., 2002;Krause-Jensen et al ., 2003;李et al ., 2007;杰克逊et al ., 2013)。z滨可以容忍一个宽温度范围从1°C在北极地区亚热带30°C。然而,温度会影响呼吸率在植物和生命阶段将产生重大影响,如开花、发芽。z滨也宽容可以找到一系列的矿化度和河口内以及完全海洋条件,从18岁事业单位40个事业单位(D 'Avack et al ., 2019)。
光限制不是问题,如均匀浅地区不受其他影响水质问题,其他物理参数将影响海草的存在更重要。海草是暴露于局部流体力学波的形式,潮汐、风驱动电流和波驱动电流(科赫et al ., 2006),这些物理因素已经被认定为重要因素影响空间分布和殖民的最小深度(史蒂文斯和花边,2012)。海草增长水运动是很重要的,但是水动力能量太高可以成为海草生长的限制因素(丰和贝尔,1998年;佩拉尔塔et al ., 2006)。形态学的变化被发现在当地水动力学与增加有关。波能量(波高和波周期)的函数,也暗示了种子埋葬和幼苗发展,因此时需要考虑的最重要的一个环境变量选择恢复网站(范Katwijk et al ., 2009;婴儿et al ., 2016;马里昂et al ., 2021)。恢复需要打破消极的反馈系统中,许多这些与低物理限制的幼苗(Temmink et al ., 2020)。成功幼苗建立被发现与较低的最大的浪高和较低的轨道速度(婴儿et al ., 2011;马里昂et al ., 2020)和补丁形成早期容易受到水动力力量(福曼和彼得森,2015)。
本研究的目的是调查使用栖息地适宜性模型预测潜在的海草的最佳位置在四个关键位置恢复在威尔士,英国,使用高分辨率波数据的好处精细预测。我们定义,实现这一目标的两个关键挑战:1)识别最新的、高分辨率的海草分布数据和适当的环境协变量数据;2)使用高分辨率波建模数据的好处比较低分辨率,免费提供水动力数据。
2。方法
2.1。网站描述
最初的考虑是看HSM整个海岸英国、爱尔兰和海峡群岛目前海草被发现在很多地方和存在数据是现成的(补充数据表S1)其次,重点在当地潜在的恢复网站规模(HSM图1)。这些领域是有趣,因为他们是被我们的团队经验丰富的海草科学家包含条件可能适合海草等浅水域,东风面临(远离盛行风),平静水域远离任何主要的膨胀和软沉积物。更专注的领域也由于考虑选择的结果,这些网站是为恢复由于现有或潜在的历史记录海草的存在。丽茵半岛南部海岸的(区域1)小z滨草地目前出席,但很大程度上分散成小补丁前分布但许多坊间的观察。西方安格尔西岛(区域2)有小片,就像丽茵半岛也有传闻的观察前分布。安格尔西岛的东部(3)区域没有现有的海草但是一些以前的记录和描述,然而,历史矿业污染提供了很好的理由来假定历史损失。最后,在彭布罗克郡(4区)有一些旧的记录,坊间的观察也没有现在的海草。
图1网站的潜力目前恢复在威尔士(英国)用于高分辨率的栖息地适宜性模型使用高分辨率波模型数据。区域从丽茵半岛北威尔士(区域1),其次是安格尔西岛西海岸(区域2),东安格尔西岛(区域3)最后南威尔士,彭布罗克郡(4)领域。
我们的研究也试图改进免费水动力数据通过使用波模型来创建高分辨率波在感兴趣的领域的信息和比较不同的输出。最后,我们研究这些数据源产生决策工具用于通知海草恢复网站从模型输出。
2.2。目前存在数据
实现本研究的目的是我们试图获取业务数据z滨在英国和爱尔兰所有可用的来源。这包括检查和精炼数据点删除离群值和重复。z滨存在数据的来源表S1上传到QGIS (QGIS开发团队,2019年)和地理。这允许可视化的数据层和识别等错误的点的坐标,将记录在陆地或在深(> 20-30m)近海水域发生的地方z滨是极不可能的。这些点被删除和复制记录最终的数据集。一旦数据细化,超过2500点仍出现在英国,爱尔兰和海峡群岛。这些点数据(图2)是用于测试合适HSM在广泛的范围内,将精制方法在较小的空间范围内潜在的恢复网站。多边形数据也可以使用,但这将限制数据源的数量和需要进一步分析得到所需的点坐标的长效磺胺方案和分析方法用于这项研究。
2.3。环境预测变量目前
我们获得最高分辨率免费提供环境数据的重要性z滨存在为目的的精炼恢复站点选择在当地规模。审查由作者(贝尔泰利et al ., 2022)确定最常用的环境变量用于预测海草存在使用栖息地适宜性或物种分布模型。最高分辨率,免费提供环境数据被确定的来源。所有数据被下载2020年9月至2021年2月,覆盖时间范围从2001下载的时间(表S2)和上传到QGIS可视化。
环境数据可在一系列不同的决议,格式和创建使用各种方法。光合有效辐射(PAR)在海底(从欧洲海洋观测和数据网络,EMODNet通过EUSeaMap)决定从光在水里列的字段和卫星数据,然后通过计算光衰减深度和靠近海岸(EUSeaMap 2012)~ 0.3公里的决议。波能量(动能)海底和海底水流的动能EMODNet是基于模拟输出国家海洋中心(NOC)波和当前模型(见EUSeaMap 2012)~ 0.3公里的决议。哥白尼海洋环境监测的数据服务(CMEMS,https://www.copernicus.eu/en/services/marine)是用作源的盐度和温度每日平均计算的预测数据,因此可以提供时间范围的决议~ 1.7公里。深度测量法可以从EMODNet下来~小分辨率70 x 116分辨率下载,或者英国海洋数据中心BODC (2020)GEBCO(一般的海洋水深图)~ 0.2公里。所有环境数据层发现适合的栖息地适宜性模型编译补充数据(表S2)。
2.4。数据建模
2.4.1。大规模的栖息地适宜性模型
最初的栖息地适宜性模型使用公开可用的环境数据层和发达z滨存在数据为整个英伦三岛和爱尔兰。这是测试的有效性模型方法使用可用的环境数据。环境数据层上传到R版本4.0.2 (R核心团队,2020年)随着光栅文件z滨存在点坐标数据作为空间数据帧。五公开可用的变量数据集是基于建议海草的存在确定的预测变量贝尔泰利et al。(2022)在海底光可用性(PAR),水深、温度、盐度、波能在海底和能量从海底水流。
海洋环境数据集往往缺乏覆盖率浅海岸线和像素覆盖陆地和海洋常常排除(Yesson et al ., 2015)。克服这一点,一个缓冲工具是用于QGIS(光栅填补nodata后的工具)从邻近的像素插入数据覆盖沿海地区的距离3像素。环境数据层都使用“重新取样”函数重新取样和近邻方法(ngb的)“光栅”包R,所以他们都是相同的分辨率层深度测量法(15弧,证交会,~ 0.4公里),范围和格式。同线性的所有环境因素层进行测试和共线的变量低于一个阈值的0.9被使用VIF(方差膨胀因子)测试(vifstep和vifcor)R,推荐给变量选择(欧那密et al ., 2014;Guisan et al ., 2017)。绘制使用剩下的预测变量两两相关情节想象并检查无共线性问题依然存在。
一套方法用于栖息地适宜性模型使用长效磺胺的包(欧那密Araujo, 2016)r .这个包允许使用范围广泛的最常见的建模算法参数、非参数回归和机器学习方法使用。一系列的算法选择不同类型的建模方法。其中包括广义线性模型(GLM),普遍添加剂模型(GAM),多元自适应回归样条函数(火星),随机森林(RF),提高了回归树(BRT)和最大熵(MaxEnt),包括一些最受欢迎的方法在其他HSM研究(山谷et al ., 2013;Guisan et al ., 2017;贝尔泰利et al ., 2022)。海草的模型跟随一个公式存在作为预测变量的函数(一堆环境变量层)使用不同的方法。工作只有存在数据、长效磺胺的软件需要一系列的随机抽样从研究区“背景”点视为pseudoabsences (欧那密Araujo, 2016)。1050年英国和爱尔兰地区,海草存在点整理与同等数量的pseudoabsences HSM。存在点的样本数据用于测试模型采用引导法(欧那密Araujo, 2016)。性能模型的评估使用曲线下面积(AUC)的接受者操作特征(ROC)为每个模型运行(Beca-Carretero et al ., 2020)。model-independent变量重要性值也计算,这是一个模型的灵敏度分析,不同的预测(Harisena et al ., 2021)。这是通过使用变量重要性指标计算所有可能的排名species-environment关系这是最受欢迎的措施使用(Harisena et al ., 2021)。预测存在的概率被为每个模型创建方法。最后,一个整体的方法(使用AUC分数的加权平均)是用于创建预测输出光栅层的形式表示的概率是否适合海草存在从0 - 1 (欧那密Araujo, 2021)。
2.4.2。高分辨率波建模
获取高分辨率波数据在研究四种恢复网站,使用公开可用的计算沿海造型套件Delft3D (较小的et al ., 2004)。Delft3D-WAVE模块利用第三代光谱天鹅波模型(Booij et al ., 1999)来模拟波在时间和空间。Delft3D计算模型与一个矩形域包括爱尔兰海1160 x 1850创建网格将近海近岸波浪。高分辨率近岸域与50 m x 50 m网格分辨率为每个的四个网站,创建和爱尔兰海嵌套模型(图3)获得高分辨率波HSM所需数据。深度测量法为每个高分辨率创建域使用EMODnet数据在71 x 116分辨率。海洋的一般水深图(GEBCO) (https://www.gebco.net/data_and_products/gridded_bathymetry_data/)570 x 925分辨率数据集被用来提供额外的深度测量法与爱尔兰海的EMODnet数据域。被迫的爱尔兰海模型时间(小时)和space-varying(5°)欧洲中期天气预报中心(ECMWF) ERA5近海波浪(Hersbach et al ., 2018)提供在其海上边界。每小时0.5°决议ERA5风数据实现在整个模型域提供大气强迫模型。HSM所需模拟波条件之前,Deft3D波模型验证通过比较模拟波浪与波浪浮标观测在三个地方在更大的领域。
图3(一)Delft3D大型计算域和深度测量法,包括爱尔兰海和扩展到大西洋。粉色标记表明Scarweather的位置,西彭布罗克郡,波浪浮标和利物浦湾。网格细胞x1850 1160决议。嵌套模型领域(B)西方安格尔西岛(区域2);(C)东安格尔西岛(3)区域;(D)丽茵半岛(区域1);和(E)彭布罗克郡(4)领域。水深数据被从GEBCO、EMODnet数据集。一些地形地区也在这个数据层解释的高正值深度范围内,但不会影响输出这些区域不会被水覆盖,所以避免在造型。
一系列的波进行模拟使用验证波模型在四个网站提供高分辨率的数据。1个月,3月,8月和10月的2015年至2019年提供共有20模式运行。模型输出包括有效波高、波平均值和峰值时期,和波浪方向每隔一小时提供。时间意味着有效波高计算为每个模拟期间,将在HSM使用。图4显示了1月一个这样的例子。
2.4.3。精细的栖息地适宜性模型
近岸波浪的波高数据模型,包括有效波高,提供更高的分辨率数据用于精细HSM。然而,开源波能量(EMODNet)数据也剪恢复区(图1),这样也可以在最后的模型用于两者之间的比较。高分辨率波数据基于时态数据计算,四个月根据季节选择重要的生命周期z滨。这几个月是:1月作为最高的潜在影响由于波浪作用和风速,3月时种子萌发和幼苗出现,10月8月峰值生物量和种子生产,等种子建立和修复工作的合适的种植季节(Sand-Jensen 1975;奥尔特和摩尔,1986年;勃洛克et al ., 2018)。从哥白尼盐度和温度数据得到每一个月来的平均每天的意思。其他数据没有暂时解决所以仍然作为一个单独的数据层(水深、PAR、边坡和电流)。所有环境数据层被夹在感兴趣的领域(HSM地区1 - 4,图2),重新取样的分辨率波高和水深数据使用的重新取样函数和近邻方法(ngb的)“光栅”包在r .海草面前记录英国剪从原始数据集感兴趣的领域,导致32点和更多的背景“pseudo-absence”点(n= 90)改善模型性能。
使用VIF(方差通货膨胀因素),所有的环境预测层检测multicolinearity和变量高于0.9的标准阈值被移除,用于许多研究(欧那密et al ., 2014;Perger et al ., 2021;汗et al ., 2022)。剩余的预测变量也策划利用两两相关情节屏幕共线性(补充图S1)。
剩下的九个变量数据层(1月波高,意味着temp。3月,意味着temp。8月,意味着temp。10月,8月平均盐度,PAR在海底,水深、水流和斜率)堆放,用作HSM的预测变量。GAM发现不再收敛,造成越来越多的变量和低数量的观察,所以另一个算法使用灵活的辨别分析(FDA),这是另一个回归模型。这个过程被重复替换高分辨率波高数据(Delft3D)与原开源,低分辨率波能源数据(EMODNet)对比模型和变量的重要性。
合适的栖息地被格式化在QGIS领域产生一个连续模型的规模输出作为一个“热图”显示的概率适用性(0 - 1)。层然后剪和平滑区域只显示一个高概率的模型结果使用低分辨率波能量数据和高分辨率的波高数据。阈值的0.6被选为一个值超过0.5的概率适用性返回一个合理和实用面积与未来应用的修复工作。阈值高于0.6(0.7或0.8)留下了大大减少区域,离开小范围实际修复。HSM的应用的一个关键挑战是将连续输出转化为二进制输出决策。我们选择0.6作为这一过程的一个例子,从业人员可以使用另一个值可以选择。合适的栖息地领域超过一个阈值的计算0.6公里2使用向量QGIS计算器功能。
3所示。结果
3.1。大规模的栖息地适宜性模型的结果
海草的点出现在英国,爱尔兰和海峡群岛,预测变量的平均值计算提供一个估计适合海草的存在。平均深度为海草的存在,从深度测量法计算,是6.7米(5.4±标准差),平均水平12.1 Mol.phot.m2。d1美国南达科他州(±8.1),波能1671新墨西哥州2。s1美国南达科他州(±24577.4),能量从电流119.5新墨西哥州2。s1美国南达科他州(±218.5),盐度为33.8 ppt(±1.7。)和温度8.4°C (±1.1。)。
预测变量用于大规模HSM没有发现任何共线性问题。变量重要性计算在长效磺胺的包R,使用方法概述Elith et al。(2005)(欧那密Araujo, 2016)。深度测量法是最具影响力的变量(63%基于相关矩阵——天哪,基于曲线下面积,AUC)和32.3%其次是PAR在海底(表1)。结果从整体模型所示补充材料,表S4显示,所有模型算法跑成功了AUC分数≥0.9,相关系数≥0.76,和真正的汇总统计(TSS)≥0.73。
表1总结基于相关性的变量重要性度量和AUC的最终模型,大规模的英国和爱尔兰模型,使用低分辨率的精细模型波能源数据(开源EMODNet)和使用高分辨率的精细模型模拟波高数据(Delft3D)。
的深度测量法被发现变量重要性最高,浅层海底的大部分地区,在英国,爱尔兰和海峡群岛被预测为合适的栖息地海草(图5)。然而,这还包括地区的海岸线暴露于高波能量(例如,面临西南海岸线,明白了补充材料,数字S3、S4)。波能量才发现有0.9%至0.8作为预测变量重要性,这也解释了为什么高能源网站保留适合海草增长(表1)。这凸显了需要更好地解决预测变量,特别是波浪能量或暴露已知直接影响海草的存在。
3.2。高分辨率波数据的结果
利物浦湾、西彭布罗克郡和Scarweather中心环境、渔业和水产养殖科学(CEFAS)波浪浮标提供每小时观察在威尔士海岸。观察期间1圣——3月31日圣2016年3月被用于模型验证,由于可用性一致的观察这三个浮标。时间序列模拟有效波高在此期间直接与观察到的海浪的高度。比较了R2值0.87西彭布罗克郡和Scarweather浮标,利物浦湾浮标和0.93,表明该计算模型可以准确模拟波在爱尔兰海。
在图41月,平均波高在1月5模型运行(2015 - 2019)在研究的四个网站显示,洞悉波的特征在每个位置。在所有四个站点浪高最大的离岸,更暴露了彭布罗克郡最大的网站(2 - 2.5)和至少庇护东安格尔西岛网站(1.25 -1.35)。海浪快速减少水在级深度降低(图3),海角提供自然的庇护的主要波的方法。这提供了大面积近岸在每个站点的意思是浪高0.5 - 1 m之间根据网站。
图4意味着从1月5模型运行有效波高(2015 - 2019)在四个选择的网站。左上角——西方安格尔西岛(区域2),右上角——东安格尔西岛(区域3),左下角——丽茵半岛(区域1),右下角,彭布罗克郡(4)领域。
图5目前预测栖息地适宜性,基于整体模型的结果为英国、爱尔兰和海峡群岛。传说显示了概率的栖息地适宜性色标黄色(低)红色(高)。
3.3。精细的栖息地适宜性模型的结果
许多预测变量的平均值限于海草在当地修复领域从大规模数据差异很大。海草的存在相当低的平均深度0.4米(南达科他州±3.5),波能在160新墨西哥州2。s1美国南达科他州(±403.3)和能量从电流51.2新墨西哥州2。s1南达科他州(±68.8)。最优标准仅为14.1 Mol.phot.m略高2。d1美国南达科他州(±7.3)比大规模海草的存在。盐度、温度和模仿波高变化取决于月平均(见补充数据,表S3)。1月平均温度范围从7.7°C到18.7°C。盐度范围从30.4 ppt在1月至3月份的31.7。计算的平均斜率高分辨率水深数据被发现89.9°。
删除共线的变量离开一月的平均波高;3月平均温度;8月份平均气温;10月平均温度;8月的平均盐度;在海底相当;深度测量法;在海底能源由于电流和海底斜坡。所有剩余的预测变量显示低于0.7(两两相关补充材料,图S1)。变量重要性显著改变的精细模型的大规模模型相比,随着波高成为更有影响力的在预测海草的存在(表1,补充材料,图S2)。结果预测合适的栖息地z滨所示图6每个恢复站点周边地区的威尔士,模型结果显示补充材料,表S4。所有模型算法导致AUC分数等于或大于0.9的可以被解释为良好甚至优秀的预测基于尺度定义在其他研究(Araujo et al ., 2005)。TSS(真总结统计)也是一个有用的模型验证测量的独立流行或数据集的大小,较小的数据恢复领域存在的限制很低(Allouche et al ., 2006)。TSS值接近1显示更高的预测精度,和所有模型得分高于0.8。随机森林(RF)被发现(AUC 0.98±0.03 s.d表现最好的,COR 0.83 ± 0.06 S.D. and TSS 0.95 ± 0.09 S.D.) and flexible discriminate analysis (FDA) the lowest scoring (AUC 0.9 ± 0.03 S.D., COR 0.54 ± 0.17 SD and TSS 0.82 ± 0.1 S.D.). Mean wave height (January) was the most important variable based on the average correlation metric (30.1% ± 24.9 S.D.) and the AUC metric (20.3% ± 20.8 S.D.) for all model runs, followed by PAR at seabed (COR 27.2%, AUC 16.2%, see表1)。
图6领域的绿色海草栖息地适合威尔士周围的四个选择领域。左上角——西方安格尔西岛(区域2),右上角——东安格尔西岛(区域3),左下角——丽茵半岛(区域1),右下角,彭布罗克郡(4)领域。地图显示了6的结果从整体模型方法,只使用存在数据和所有non-colinear变量包括高分辨率波高数据。功能是向量层输出概率阈值> 0.6时应用到模型与低分辨率波数据模型(粉红色)和高分辨率波数据模型(蓝色)进行比较。
当模型与低分辨率的波能重复数据的高分辨率波高数据,在海底PAR(软木31%±0.3。,AUC 23% ± 0.2 SD), bathymetry (COR 29.6% ± 0.2 SD, AUC 23% ± 0.2 S.D.) and mean temperature in March (COR 29.3% ± 0.3 SD, AUC 16.8% ± 0.3 S.D.) were the most important variables influencing habitat suitability (表1)。AUC,软木和TSS分数较低的模型运行在低分辨率波能量数据表明该模型符合代替没有成功当高分辨率波高数据是包括在内。只有两个方法AUC意味着分数超过0.9 (FDA 0.96±0.05美国和美国南达科他州MaxENT 0.92±0.06),没有了TSS值≥0.8 (补充材料,表S4)。
图6,7显示区域的概率≥0.6的适合z滨存在整体模型使用低分辨率波能源数据和高分辨率的波高数据为不同的区域。HSM的总合适面积≥0.6预测使用高分辨率波数据的两倍多(13.69公里2从HSM)预测区域使用低分辨率波能源数据(6.17摄氏度,图6,7)。在同一地区,该地区预测≥0.6适合大规模模型92.3公里的海草2。
图7不同区域(公里2使用≥0.6)预测合适的概率阈值整体模型使用低分辨率波能源数据和高分辨率的波高数据。
4所示。讨论
决定在哪里投资有限的金融资源物种和栖息地的恢复或环境增强需要适当的决策支持工具。栖息地适宜性模型是一个有用的工具来协助这一过程通过识别地区物种和栖息地应该能够基于存在的环境数据,这些数据是可用的。在这里,我们提供了一个新案例研究说明了如何创建高分辨率环境数据集,和整体造型技术的使用可以导致更多的精炼hsm更好地预测这些恢复的机会之窗,最终导致环境和金融风险的减少重大生态建设项目。
我们的研究发现,潜在的海草修复领域可以定义到一个更好的规模和生态代表水平通过合并目标高分辨率Delft3D波数据的海洋栖息地适宜性模型。模型验证结果对初始模型行为的大规模使用开放存取环境数据集,然而地图输出overpredicted适用性的地区不适合海草生长,如非常暴露的大片地区海岸线在安格尔西岛岛(自然资源威尔士,2009)和深度(> 15米)等地区从威尔士海岸近海波浪能源第二个最重要的变量。环境的低分辨率数据可以在一个更广泛的规模仍将识别适合海草的区域增长,但这个规模的空间重叠使得人们更难区分条件较小区域内最合适的地方。
整体模型的结果使用Delft3D波数据显示适当的预测海草生长在小尺度的高分辨率环境预测波高度和深度测量法。从波模型获得的平均波高为1月被发现是最重要的预测变量海草适用性的月预测海浪的高度和适宜性最高增加波高减小。PAR在海底是第二个最重要的预测变量海草在威尔士周围的四个领域。
开源波能源数据中使用相同的整体模型是不太重要的预测变量,斜率和深度测量法最重要的因素。由此产生的区域预测非常适合海草生长被发现当使用低分辨率低50%多波数据。
整体造型的使用允许几种模型方法的组合来提供预测这将更健壮的从使用单一方法(可能出现的不确定性Araujo和新,2007年;拉蒂夫et al ., 2013)。这消除了需要选择一个“最佳”模型,模型选择偏见和限制减少了需要消除预测变量为步进式模型选择是常有的事。该方法用于预测在新的条件可能不同地区或数据缺乏(Guisan et al ., 2017)。
HSM输出可以相对主观的解释基于先验知识的网站和物种的问题。AUC,软木和TSS分数允许模型比较和将指示那些最适合,然而当输出非常相似,目视判读才能评估结果是现实的。模型结果显示更高的AUC,软木和TSS分数高分辨率小波高数据包括潜在的修复领域。更多的地区适合区域1和4,林恩半岛和西南威尔士海岸,安格尔西岛和北海岸地区(2和3)。这可能是由于区域2和3有更高的潮间带地区海岸线。由于巨大的资源需求,内波模型Delft3D并非潮汐过程耦合,因此波建模进行了平均水位。波浪造型上潮间带,因此不提供数据限制预测浅浪高的区段,尤其是在土地也是阻碍潜在波能量,因此这种模型限制地区潮下的区域。然而,这个问题是一致的与其他开源环境数据,如在海底,这突显出在海洋hsm延伸到潮间带地区的困难。波高数据外推提供重叠在浅水处,但只有3像素来维护数据完整性为其他环境数据层进行。也可以认为,使用高分辨率波数据只使用领域更受到波浪作用的影响,比如一个开放的海湾,有梯度等波接触区域1和4。可能不太有效的庇护地区流行的波如在一个群岛,或在东北面临封闭海湾其他流体动力学可能有更多的影响(如潮汐和洋流),这可能是浅的区域在安格尔西岛- 2和图3。 The best way of testing this is to trial restoration in the sites and compare results from the different outputs such as outlined by托姆et al。(2018)这是下一步。然而,结果表明,恢复应该更成功的由于环境条件的所有领域,将提供一个良好的基准选择站点恢复在未来。本研究方法提供了证据表明,使用高分辨率波数据如Delft3D在这项研究中,可以提高模型输出和突出波接触的重要性作为一个因素在决定海草的存在。
5。结论
栖息地适宜性模型是一个有价值的工具,用于保护管理的目的和意识到气候变化的风险关键物种也帮助恢复我们的海洋系统的决策。这项研究显示了HSM利益获取高分辨率的预测变量数据在小区域尺度。海草的预测合适的条件,在高分辨率波高数据被发现是最重要的变量和模型输出相比大大提高,不同使用低分辨率波能源数据。然而,它也应该认识到,缺乏可用性浅的沿海的许多环境变量的数据,包括潮间带地区。这对提高HSM恢复使力量集中在成功的机会将最高的领域。
数据可用性声明
最初的贡献提出了研究中都包含在这篇文章/补充材料。进一步询问可以针对相应的作者。
作者的贡献
CB:写初稿,方法论、调查、数据管理、形式分析和验证。WB:写作——方法论、数据管理、形式分析和验证。博士、香港、JB、俄罗斯:概念化、调查,审查和编辑。俄文、JB、香港,博士:融资收购,监督方法。所有作者的文章和批准提交的版本。
资金
最初的研究由世界自然基金会和天空海草海洋救援项目跟进资助补种NERC资金NE / V01711X / 1继续并完成调查。
确认
本研究进行了使用欧盟哥白尼海洋服务信息;https://doi.org/10.48670/moi - 00054从EMODNet - 4.0 CC-BY下许可从欧洲海洋观测和数据网络(EMODNet)海底栖息地计划(www.emodnet-seabedhabitats.eu),由欧洲委员会资助。
的利益冲突
作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。
出版商的注意
本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。
补充材料
本文的补充材料在网上可以找到:https://www.雷竞技rebatfrontiersin.org/articles/10.3389/fmars.2022.1004829/full补充材料
引用
亚当斯m P。,Saunders M. I., Maxwell P. S., Tuazon D., Roelfsema C. M., Callaghan D. P., et al. (2016). Prioritizing localized management actions for seagrass conservation and restoration using a species distribution model.Aquat。Conserv。3月Freshw。Ecosyst。26日,639 - 659。doi: 10.1002 / aqc.2573
Allouche O。,Tsoar A。,Kadmon R. (2006). Assessing the accuracy of species distribution models: Prevalence, kappa and the true skill statistic (TSS).j:。生态。43岁,1223 - 1232。doi: 10.1111 / j.1365-2664.2006.01214.x
Araujo m B。,Anderson R. P., Barbosa A. M., Beale C. M., Dormann C. F., Early R., et al. (2019). Standards for distribution models in biodiversity assessments.科学。睡觉。5、1 - 12。doi: 10.1126 / sciadv.aat4858
Araujo m B。,New M. (2007). Ensemble forecasting of species distributions.生态发展趋势。另一个星球。22日,42-47。doi: 10.1016 / j.tree.2006.09.010
Araujo M。,Pearson R., Thuiller W., Erhard M. (2005). Validation of species-climate impact models under climate change.水珠。改变医学杂志。11日,1504 - 1513。doi: 10.1111 / j.1365-2486.2005.001000.x
Beca-Carretero P。万利拉S。,Stengel D. B. (2020). A novel method combining species distribution models, remote sensing, and field surveys for detecting and mapping subtidal seagrass meadows.Aquat。Conserv。3月Freshw。Ecosyst。1098 - 1110年。doi: 10.1002 / aqc.3312
贝尔泰利c . M。,斯托克斯·h·J。,牛j . C。,Unsworth R. K. F. (2022). The use of habitat suitability modelling for seagrass: A review.前面。3月Sci。doi: 10.3389 / fmars.2022.997831
贝尔泰利c . M。,Unsworth R. K. F. (2018). Light stress responses by the eelgrass, zostera marina (L).前面。环绕。科学。6。doi: 10.3389 / fenvs.2018.00039
勃洛克s E。,Olesen B., Krause-Jensen D. (2018). Life history events of eelgrass zostera marina l. populations across gradients of latitude and temperature.3月生态。掠夺。爵士。590年,79 - 93。doi: 10.3354 / meps12479
Booij N。,Ris R. C., Holthuijsen L. H. (1999). A third-generation wave model for coastal regions 1. model description and validation.j .地球物理学。研究海洋。104年,7649 - 7666。jc02622 doi: 10.1029/98
Danovaro R。,Aronson J., Cimino R., Gambi C., Snelgrove P. V. R., Van Dover C. (2021). Marine ecosystem restoration in a changing ocean.备份文件夹。生态。29日,1 - 8。doi: 10.1111 / rec.13432
D 'Avack e·a·S。,Tyler-Walters H。野生的C。,Garrard S. M. (2019). “Zostera (Zostera) marina beds on lower shore or infralittoral clean or muddy sand,” in海洋生物信息网络:生物学和敏感关键信息的评论。Eds。Tyler-Walters H。,Hiscock K. Available at:https://www.marlin.ac.uk/habitats/detail/257。
高秤w . C。,Alberte R. S. (1985). Role of daily light period in the depth distribution of zostera marina (eelgrass).3月生态。掠夺。爵士。25日,51 - 61。doi: 10.3354 / meps025051
Elith J。,Ferrier S., Huettmann F., Leathwick J. (2005). The evaluation strip: A new and robust method for plotting predicted responses from species distribution models.生态。模型。186 (3),280 - 289。
丰塞卡m . S。,Bell S. S. (1998). Influence of physical setting on seagrass landscapes.3月生态。掠夺。爵士。171年,109 - 121。doi: 10.3354 / meps171109
福曼b T。,Peterson B. J. (2015). Sexual recruitment in zostera marina: Progress toward a predictive model.《公共科学图书馆•综合》10、1 - 20。doi: 10.1371 / journal.pone.0138206
GEBCO水深编译组2020 (2020)。“GEBCO_2020电网——连续地形模型的全球海洋和陆地,”(NERC、英国:英国海洋数据中心,国家海洋学中心)。doi: 10.5285 / a29c5465 b138 - 234 d - e053 6 - c86abc040b9
绿色a E。,Unsworth R. K. F., Chadwick M. A., Jones P. J. S. (2021). Historical analysis exposes catastrophic seagrass loss for the united kingdom.前面。植物科学。12。doi: 10.3389 / fpls.2021.629962
Guisan。,Thuiller W., Zimmermann N. E. (2017).生境适宜性和分布模型:应用R(生态、生物多样性和保护)(剑桥:剑桥大学出版社)。doi: 10.1017 / 9781139028271
Harisena n V。,Groen t . A。,Toxopeus A. G., Naimi B. (2021). When is variable importance estimation in species distribution modelling affected by spatial correlation?描述生态学(警察)。44岁,778 - 788。doi: 10.1111 / ecog.05534
Hersbach H。,贝尔B。,Berrisford P., Biavati G., Horányi A., Muñoz Sabater J., et al. (2018).ERA5每小时一个水平的数据从1979年到现在(哥白尼气候变化服务(c3)气候数据存储(CDS)。doi: 10.24381 / cds.adbb2d47
胡锦涛W。,Zhang D., Chen B., Liu X., Ye X., Jiang Q., et al. (2021). Mapping the seagrass conservation and restoration priorities: Coupling habitat suitability and anthropogenic pressures.生态。印度的。129年,107960年。doi: 10.1016 / j.ecolind.2021.107960
婴儿E。,Eriander L., Moksnes P. (2016). Eelgrass (Zostera marina) restoration on the west coast of Sweden using seeds.3月生态。掠夺。爵士。546年,31 - 45岁。doi: 10.3354 / meps11615
婴儿E。,奥尔。,Bouma T. J., Simarro G., Terrados J. (2011). Posidonia oceanica and cymodocea nodosa seedling tolerance to wave exposure.Limnol。Oceanogr。56岁,2223 - 2232。doi: 10.4319 / lo.2011.56.6.2223
杰克逊·e·L。,Griffiths C. A., Durkin O. (2013). A guide to assessing and managing anthropogenic impact on marine angiosperm habitat - part 1: Literature review.自然病。委托代表。
汗Z。,Ali S. A., Parvin F., Mohsin M., Shamim S. K., Ahmad A. (2022). Predicting the effects of climate change on prospective banj oak (Quercus leucotrichophora) dispersal in kumaun region of uttarakhand using machine learning algorithms.模型。地球系统。环境。doi: 10.1007 / s40808 - 022 - 01485 - 5
科赫e·W。,Sanford L. P., Chen S.-N., Shafer D. J., Smith J. M. (2006). System-wide water resources research program and submerged aquatic vegetation restoration research program (Waves in seagrass Systems : Review and technical recommendations).Eng。Dev >,分。
科赫e·W。,Verduin J. J., Katwijk V. (2001). Measurements of physical parameters in seagrass habitats.水珠。海草的方法》,325 - 344。doi: 10.1016 / b978 - 044450891 - 1/50018 - 9所示
Krause-Jensen D。她m F。,Jensen C. (2003). Regulation of eelgrass (Zostera marina) cover along depth gradients in Danish coastal waters.河口26日,866 - 877。doi: 10.1007 / BF02803345
Kuusemae K。,Rasmussen E. K., Canal-Vergés P., Flindt M. R. (2016). Modelling stressors on the eelgrass recovery process in two Danish estuaries.生态。上一次。333年,11-42。doi: 10.1016 / j.ecolmodel.2016.04.008
拉蒂夫问:S。,Saab V. A., Dudley J. G., Hollenbeck J. P. (2013). Ensemble modeling to predict habitat suitability for a large-scale disturbance specialist.生态。另一个星球。3,4348 - 4364。doi: 10.1002 / ece3.790
李K.-S。,Park S. R., Kim Y. K. (2007). Effects of irradiance, temperature, and nutrients on growth dynamics of seagrasses: A review.j . Exp。3月生物。生态。350年,144 - 175。doi: 10.1016 / j.jembe.2007.06.016
小g R。,Roelvink J. A., van Kester J. A. T. M., Stelling G. S. (2004). Development and validation of a three-dimensional morphological model.海岸。Eng。51岁,883 - 915。doi: 10.1016 / j.coastaleng.2004.07.014
马里恩美国R。,奥尔特r . J。,丰塞卡M。,Malhotra A. (2021). Seed burial alleviates wave energy constraints on zostera marina (Eelgrass) seedling establishment at restoration-relevant scales.河口海岸44 (2),352 - 366。doi: 10.1007 / s12237 - 020 - 00832 - y
马什J。,高秤w . C。,Alberte R. S. (1986). Effects of temperature on photosynthesis and respiration in eelgrass (Zostera marina l.).j . Exp。3月生物。生态。101年,257 - 267。0022 - 0981 . doi: 10.1016 / (86) 90267 - 4
麦肯齐l . J。,Nordlund L. M., Jones B. L., Cullen-Unsworth L. C., Roelfsema C., Unsworth R. K. F. (2020). The global distribution of seagrass meadows.环绕。卷。15日,074041年。1748 - 9326 . doi: 10.1088 / / ab7d06
摩尔k。,Jarvis J. C. (2008). Environmental factors affecting recent summertime eelgrass diebacks in the lower Chesapeake bay: implications for long-term persistence.j .沿海Res。2008 (10055),135 - 147。doi: 10.2112 / si55 - 014
欧那密B。,Araujo m B。(2016). Sdm: A reproducible and extensible r platform for species distribution modelling.描述生态学(警察)。39岁,368 - 375。doi: 10.1111 / ecog.01881
欧那密B。,Hamm N. A. S., Groen T. A., Skidmore A. K., Toxopeus A. G. (2014). Where is positional uncertainty a problem for species distribution modelling?描述生态学(警察)。37岁,191 - 203。doi: 10.1111 / j.1600-0587.2013.00205.x
尼尔森的年代。,Sand-Jensen K., Borum J., Geertz-Hansen O. (2002). Depth colonization of eelgrass (Zostera marina) and macroalgae as determined by water transparency in Danish coastal waters.河口海岸25日,1025 - 1032。doi: 10.1007 / bf02691349
奥尔特r . J。,摩尔k。(1986). Seasonal and year-to-year variations in the growth of zostera marina l. (eelgrass) in the lower Chesapeake bay.Aquat。机器人。24岁,335 - 341。doi: 10.1017 / CBO9781107415324.004
佩拉尔塔克。,Brun F. G., Pérez-Lloréns J. L., Bouma T. J. (2006). Direct effects of current velocity on the growth, morphometry and architecture of seagrasses: A case study on Zostera noltii.3月生态。掠夺。爵士。327年,135 - 142。
Perger R。,do Amaral K. B., Bianchi F. M. (2021). Distribution modelling of the rare stink bug ceratozygum horridum (Germar 1839): isolated in small spots across the neotropics or a continuous population?j . Nat。嘘。55岁,649 - 663。doi: 10.1080 / 00222933.2021.1919328
QGIS开发团队(2019)。“开源地理空间基础项目”QGIS地理信息系统。可以在:http://qgis.osgeo.org。
劳登一个。,Anderson O. F., Georgian S. E., Bowden D. A., Clark M. R., Pallentin A., et al. (2017). High-resolution habitat suitability models for the conservation and management of vulnerable marine ecosystems on the Louisville seamount chain, south pacific ocean.前面。3月科学。4所示。doi: 10.3389 / fmars.2017.00335
萨罗城T。,Pedersen M. F., Boström C. (2014). Population specific salinity tolerance in eelgrass (Zostera marina).j . Exp。3月生物。生态。461年,425 - 429。doi: 10.1016 / j.jembe.2014.09.010
Sand-Jensen k (1975)。生物量、净产量和增长动力的大叶藻(目前l。)人口vellerup中收取,丹麦。欧菲莉亚14日,185 - 201。doi: 10.1080 / 00785236.1975.10422501
短F。,Carruthers T., Dennison W., Waycott M. (2007). Global seagrass distribution and diversity: A bioregional model.j . Exp。3月生物。生态。350年,3。doi: 10.1016 / j.jembe.2007.06.012
史蒂文斯a W。,Lacy J. R. (2012). The influence of wave energy and sediment transport on seagrass distribution.Estuar。沿海地区35 (1),92 - 108。
Temmink r . j . M。,Christianen M. J. A., Fivash G. S., Angelini C., Boström C., Didderen K., et al. (2020). Mimicry of emergent traits amplifies coastal restoration success.Commun Nat。11、1 - 9。doi: 10.1038 / s41467 - 020 - 17438 - 4
汤姆·R。,Gaeckle J., Buenau K., Borde A., Vavrinec J., Aston L., et al. (2018). Eelgrass (Zostera marina l.) restoration in Puget Sound: Development of a site suitability assessment process.备份文件夹。生态。26 (6),1066 - 1074。
威莱米。,Chust G., del Campo A., Wisz M. S., Olsen S. M., Garmendia J. M., et al. (2014). Projecting future distribution of the seagrass zostera noltii under global warming and sea level rise.医学杂志。Conserv。170年,74 - 85。doi: 10.1016 / j.biocon.2013.12.017
威莱米。,范Katwijk M M。,德容d J。Bouma t J。,Schipper A. M., Chust G., et al. (2013). Comparing the performance of species distribution models of zostera marina: Implications for conservation.j . Res。83年,56 - 64。doi: 10.1016 / j.seares.2013.03.002
范Katwijk M . M . M。Bos a R R。,de Jonge V. N. N., Hanssen L. S. A. M., Hermus D.C.R.C.R., de Jong D. J. J. (2009). Guidelines for seagrass restoration: Importance of habitat selection and donor population, spreading of risks, and ecosystem engineering effects.3月pollut。公牛。今年58岁,179 - 188。doi: 10.1016 / j.marpolbul.2008.09.028
范Katwijk M M。,Hermus D. C. R. (2000). Effects of water dynamics on zostera marina: Transplantation experiments in the intertidal Dutch wadden Sea.3月生态。掠夺。爵士。208年,107 - 118。doi: 10.3354 / meps208107
沃尔瑟姆。,艾略特M。,李s Y。,Lovelock C., Duarte C. M., Buelow C., et al. (2020). UN Decade on ecosystem restoration 2021–2030—What chance for success in restoring coastal ecosystems?前面。3月科学。7所示。doi: 10.3389 / fmars.2020.00071
关键词:海草、修复、栖息地适宜性造型,Delft-3D波浪造型,目前
引用:贝尔泰利厘米,贝内特工作组,Karunarathna H,里夫德,山区RKF和牛JC(2023)高分辨率波数据对提高海洋栖息地适宜性模型。前面。3月科学。9:1004829。doi: 10.3389 / fmars.2022.1004829
收到:2022年7月27日;接受:2022年12月13日;
发表:2023年1月6日。
编辑:
Junyu他浙江大学,中国版权©2023贝尔泰利,班尼特Karunarathna,里夫、山区和公牛。这是一个开放分布式根据文章知识共享归属许可(CC)。使用、分发或复制在其他论坛是允许的,提供了原始作者(年代)和著作权人(s)认为,最初发表在这个期刊引用,按照公认的学术实践。没有使用、分发或复制是不符合这些条件的允许。
*通信:奇亚拉·m·贝尔泰利c.m.bertelli@swansea.ac.uk