海上联合时空模型预测海鸟密度
迈乌米l . Arimitsu
1 *,
约翰·f·Piatt2,
詹姆斯·t·Thorson
3,
凯瑟琳·j·Kuletz
4,加里·s·德鲁2,莎拉·k·Schoen2,丹尼尔·a·库欣5,凯特琳Kroeger6 __和William j . Sydeman6
- 1美国地质调查局阿拉斯加科学中心,朱诺,美国正义与发展党
- 2美国地质调查局阿拉斯加科学中心,安克雷奇,正义与发展党,美国
- 3阿拉斯加渔业科学中心、国家海洋渔业服务,国家海洋和大气管理局,美国西雅图,佤邦,
- 4美国鱼类和野生动物服务,安克雷奇,正义与发展党,美国
- 5北极星生态研究LLC安克雷奇,正义与发展党,美国
- 6法拉研究所提供、钙、美国
作品简介:海鸟是丰富的,明显的全球海洋生态系统的成员。合成分布数据显示随着时间的推移,需要解决区域管理问题和理解生态系统的变化。主要挑战时估计海鸟密度在海上出现色散变化的鸟儿,在时间和空间采样工作,鸟检出率的差异与调查相关的容器类型。
方法:使用新方法来建模海鸟在海上,我们应用联合动态物种分布模型(JDSDM) vector-autoregressive时空框架调查收集的数据在近五年来在北太平洋远洋海鸟和归档数据库。我们提出每月的网格密度预测和数量估计为8种组(77%的鸟类观察)在库克湾,阿拉斯加。JDSDMs协变量包括栖息地通知密度预测未取样的地区,占观测密度的变化由于海洋鉴于不同的调查方法和年代际变化的条件。
结果:最适合的模型提供了一个高水平的解释力异常解释的(86%)。丰度估计是相当准确的,符合历史研究有限。建模密度确定季节性变化丰富与所有物种数量的峰值团体在今年7月或8月。海鸟在很大程度上缺席研究区域(例如,数量)下降或弹簧(如海雀)个月,或者两个时期(扑打)。
讨论:我们的研究结果表明,远洋扑打(Ardennaspp。)和簇绒角嘴海雀(Fratercula cirrhata)拒绝在过去四十年,这些类群值得进一步调查潜在机制解释了这些趋势。JDSDMs提供一个有用的工具来估计海鸟分布和季节性趋势将促进风险评估和规划地区受人类活动影响,如石油和天然气开发、航运和海上风力发电和可再生能源。
介绍
知识的海洋食肉动物物种分布在空间和时间需要通知各种生态系统的过程,以及根据需要确定使用海洋野生动物栖息地管理目的(沃里克et al ., 2021)。海鸟中间上层营养级的海洋食肉动物,花大部分的时间在海上觅食,他们相对容易识别和计数从血管(Tasker et al ., 2009)。调查数据可以合成提供洞察海鸟分布和丰富,种间相互作用,海洋生态系统结构(巴兰,2007)。
信息丰富的海鸟在海上有必要通知管理海洋鸟类种群可能容易受到人类活动如运输、海上能源开发,或帮助保护濒危海鸟种群(日圆et al ., 2005;雷纳和Kuletz, 2015)。识别的季节性分布与高灵敏度生物资源,石油污染和脆弱性海上风力能源基础设施(Kelsey et al ., 2018)是一个优先级在大陆架地区租赁的海外能源项目进展(彼得森et al ., 2019)。此外,结果数据产品(例如,物种分布地图)时可以通知渔业的基本管理决策风险评估海洋鸟类和哺乳动物从渔具和其他工业捕鱼活动(Zador et al ., 2008;福克斯et al ., 2021)。
远洋海鸟调查数据库目前存在许多重要的和富有成效的大海洋生态系统在世界各地。中最大的是北太平洋远洋海鸟数据库(NPPSD),其中包括数据主要从大陆架和北美西部相邻的深海水域(画et al ., 2005)。当前版本包含样条数据> 2000万海鸟,数百名调查人员所收集的操作从不同的船舶类型过去47年。NPPSD数据被用来通知许多问题,包括状态和趋势,威胁人口,气候变化、濒危物种、栖息地的使用,和营养的关系(汉弗莱斯et al ., 2012;雷纳et al ., 2013;Kuletz et al ., 2015)。
统计上的困难在分析海上调查数据来自大时空变异性海鸟色散和取样工作和偏见与变量相关联的调查方法和和容器类型。因为海鸟经常聚集在觅食时,调查数据overdispersed和有一个高频率的零值。因此,它可能是一个挑战来准确估计海鸟密度,占环境变化和调整方法偏差在一个分析。也许不足为奇的是,商业底栖鱼股票评估使用vessel-based调查数据是由许多相同的困惑的统计问题。因此,我们测试了海鸟的地质统计学方法分析数据使用建模框架最初开发渔业科学(Thorson et al ., 2015)。
我们的主要目的是产生网格物种分布模型来评估月度海鸟丰富和季节性趋势基于当代密度告知当前的管理决策水平。我们应用向量自回归时空(巨大)模型量化时空变异性的海鸟丰富在库克湾,阿拉斯加和测试模型的有效性在会计环境因素随着时间的推移和方法论的差异调查。具体来说,我们应用联合动态物种分布模型(JDSDMs)为物种生成密度估计基于时空物种间协方差(Thorson et al ., 2016)。JDSDMs可以提高预测能力在单一物种模型(Ovaskainen et al ., 2016),罕见的或神秘的物种可能特别有用,因为他们使用共享信息更丰富的时空协方差或可识别的社区成员(Omori Thorson, 2022)。JDSDMs最初开发模型的鱼类和其他类群分布(Thorson et al ., 2016),但是在此我们首次应用到海鸟。
方法和材料
研究区域
库克湾是一个浅(~ 65%面积< 80米深度),tidally-influenced河口延伸~阿拉斯加大陆架湾以北350公里。肯尼迪在嘴里,入口之间90公里宽肯尼和阿拉斯加半岛。入口是一个主要的航运路线安克雷奇,该州的人口中心和商业中心,和一个地区商业和体育渔业、大型海鸟保护区,一个活跃的近海石油和天然气工业。我们的研究区域包括肯尼迪入口和Kalgin岛之间的区域(图1;58.8 - 60.4°N纬度,经度151 - 154.2°W)。三个海洋生态区(图1;Piatt施普林格,2007年在库克湾)的特点是独特的海洋条件:温暖、清新,和充满沉积物水域流南沿西侧;上升流和强劲的水流向北创造营养丰富和生产条件的嘴和东;和glacially-influenced河口条件发生在内部彻马克海湾(Speckman et al ., 2005)。
图1研究地区的地图。(一)5 x5公里预测网格(灰色圆圈),主要的海鸟殖民地位置(红圈),和潜在的石油和天然气租赁销售模块(黑色多边形)在库克湾,阿拉斯加。(罪犯)生境共:底部深度(m,齐默尔曼和普雷斯科特,2014),距离海岸(公里),和空间范围的海洋生态区定义主要海洋功能(Piatt施普林格,2007年)。
数据
我们编译的海上调查数据降低库克湾跨度从1975年到2021年3月至10月(图2;画et al ., 2005)。这包括系统调查cross-inlet横断面在1990年(Piatt 1993;榴弹炮et al ., 1995;Piatt 2002),其中一些是重复2016年- 2021年(Arimitsu et al ., 2021 b),调查期间彻马克海湾的多个年(Kuletz et al ., 2011),和机会主义的调查(例如,大多数调查在1970年代和1980年代早期)。大多数调查进行了使用strip-transect协议开发远洋(古尔德和Forsell, 1989)和沿海(熨斗et al ., 2000)调查。样带调查总结成3 - 4公里长的样段为样本单位。观察活禽的调查样区内(公里2样长度x条宽)在船基远洋调查总结跨行为(水、飞行觅食)为每个样段。
图2海鸟在库克湾调查,阿拉斯加。(一)因素会影响检出率的海鸟在海上被建模为检测效果(颜色)。(B)分组被建模为十的因素,考虑到密度随时间的变化和密度条件特有的月度预测在当代(2014 - 2021)密度水平。
我们联合建模动态黑暗扑打物种分布(Ardennaspp,包括。盘菌和答:tenuirostris),黑腿三趾鸥(瑞萨tridactyla),常见的海鸦(乌里亚aalge)、海(Cepphus鸽属),Kittlitz小海鸦(Brachyramphus brevirostris)、凶残的小海鸦(b . marmoratus),角海雀(Fratercula草坪)和簇绒角嘴海雀(f . cirrhata)。这些鸟类占所有的77%依靠在库克湾调查。
身份不明的Brachyramphus物种数量(n = 4653)被分配使用的比例确定Brachyramphus物种(Arimitsu et al ., 2011)。物种分摊应用按比例在横断面的水平,或在一个12.5公里直径六角网格(~ 100公里2)。场合,没有发现鸟类物种在一个网格单元,我们应用区域物种比例(0.13 Kittlitz小海鸦:0.87凶残的小海鸦)。两个形态相似Ardenna扑打不分配物种因为持续的低利率识别。
模型规范
JDSDMs实施在巨大的建模框架(Thorson 2019)。海鸟计数数据建模在月时间尺度Poisson-link使用γδ模型误差分布。使用这种方法联合模型遇到利率存在/缺失数据和积极使用非零的数密度区域采样数据和一个偏移量(一个公里,2)。为样本我年代,物种c,位置,和月t,线性预测代表遇到概率p1(我):
和积极的密度p2(我):
在下标1和2指第一和第二线性预测,η是许多因素f,我指的是加载的矩阵β颞、ω空间和ε时空变异来源生成物种之间的共变。γ1(c我,p)是X的平均效应(我,t我,p),这是一个三维的数组np协变量的栖息地,η1(v1,f)代表中随机变化检测因素,编码在船的影响巨大。最后,问(我,k)是一个矩阵组成的nk十的因素,λ1(k)是十年的估计的影响因素,在巨大的作为协变量catchability编码。
链接功能r1和r2:
结合估计密度d的变化:
大量使用随机偏微分方程近似Matern相关函数平滑在空间点,假设观测接近另一个比更遥远更类似的观察。在500节我们应用二维网格采样,并利用因子模型分解模型相关变异物种间和两个空间和时空因素(Thorson et al ., 2016)。参数与颞可变性(β1和β2)和时空变异性(ε1和ε2)被建模为随机效应遵循随机游走。
协变量的栖息地
我们应用静态栖息地协变量(图1罪犯)提高模型适合和通知预测未取样的地区。位置被分配到海军ecoregion,包括分类预测,我们探索了模型应用距离海岸和底部深度(相关= 0.53)与线性和二次项。底深度提取从一张光滑的水深在50 m x 50 m分辨率网格(齐默尔曼和普雷斯科特,2014),或者在这以外的地区电网使用的一般水深图海洋15网格角秒(GEBCO编译组,2020年)。协变量的栖息地是仅适用于第一个线性预测因为探索性分析表明,包括他们对线性预测没有进一步提高模型适合[评价最低Akiake信息标准(AIC),未显示)。我们使用静态反是以这种方式是为了提高预测而不是解释生态关系。
检测的影响
占随机变化在观测密度调查平台和协议,我们包括船平台大小(小船< 15 m与大型船≥15 m)和飞行鸟计数法(连续与快照,Tasker et al ., 2009)作为检测因素在四个组合。
年代际效应
因为模型是基于历史数据和不平等的跨时间和空间采样,我们估计空间变异性海鸟密度在年组(1975 - 1988,1989 - 1998,1999 - 2013,2014 - 2021年),被选为变形的近似年鉴于之间的年代际海洋温度模式定义在阿拉斯加湾生态系统状态。其中包括1989年的政权转移(野兔和曼图亚,2000年),转向负1999年太平洋年代际振荡条件(债券et al ., 2003),多年海洋热浪发生2013年之后急性和挥之不去的生态系统影响海鸟和猎物资源(Piatt et al ., 2020;Arimitsu et al ., 2021 a;Schoen et al ., 2022)。一些年分组部分基于数据可用性(图S1),例如,只有两年采样前1976 - 1977年政权转移(野兔和曼图亚,2000年),所以我们分组那些年1977 - 1988(温暖)。同样,一些鸟类调查数据可用来解决气候变暖的影响/冷却发生在2000年代,(Janout et al ., 2010从1999 - 2013年)所以我们相结合。
年代际影响建模的目的是考虑到(即。,re米ovethe estimated effect of) changes in density for each decadal factor relative to the most recent one (i.e., 2014–2021) to produce predictions based on contemporary density levels for each species. To better understand the magnitude of density changes over time, we examined combined effects as the sum ofλ1(k),λ2(k为每个物种)。
估计和模型诊断
使用最大似然参数估计,将联合似然对随机效应实现巨大v.3.9.0 (www.github.com/James-Thorson-NOAA/VAST4.1.2)和R版本(R核心团队,2021年)。收敛模型适合评估和验证使用基于仿真的分位数残差与佛法包(Hartig 2022)。AIC、图形化措施和百分比异常解释(PDE)也被用作诊断模型。我们利用AIC评估的有效性JDSDM改善模型适合每个物种后比单变量指数模型Thorson et al。(2016)。密度预测外推到一个5公里x 5公里网格研究区域,空间尺度相似样段长度和潜在的石油和天然气相关租赁销售块在这个区域(图1一个),标注在对数尺度为每月种群。识别变化海鸟丰富跨月,面积加权和bias-corrected预测密度总结整个研究区域提供一个为每个物种丰度估计。
结果
JDSDM预测提供了一个高水平的解释力跨越空间和时间(85.9 PDE)。虽然分位数残差显示异常值的存在在这个模型配置,标准化残差和quantile-quantile情节大致正常,剩余模式对每个物种均匀分布在预测(数字S2、S3)。基于最小AIC最适合模型包括海洋ecoregion分类预测,和二次多项式适合底深度和距离海岸(表1)。Ecoregion影响估计表明,相比之下,内湾河口,扑打角海雀和更高的SE上升流地区发生概率和库克湾西部和鸽子海鸠库克湾西部发生概率较低(图S4)。
表1模型选择为协变量用于海鸟栖息地分布模型基于最小Akaike信息标准(ΔAIC = 0)。
每月每个物种分布模型预测(图3;S5-S12)和季节性模式以及它们的丰度估计的不确定性。(图4和表2)。丰度是最大的在夏季(6),但不同物种间的模式。Trans-equatorial移民扑打(证实)广泛分布在五月到八月期间库克湾(图3(7月),峰值丰富图4)。黑腿三趾鸥就发生在更高的密度在沿海地区和附近的殖民地(图3),但丰度是更稳定的整个夏天(6)比其他几个月或与其他物种(图4)。常见的默集中在SE上升流地区从肯尼迪入口和北外彻马克海湾。像三趾鸥,默在水域附近茂密的殖民地(图3)和丰富的估计相对更稳定的整个夏天(6)比在其他月份或物种(图4)。Kittlitz的丰度和的数量已在7月见顶之后拒绝在9月和10月后繁殖季节(图4)。海(6月达到高峰图4),一些被观察到在9月和10月,但相比数量却在冬季和春季常见。他们的分布仅限于南部和沿海的部分研究区域(图3),与小殖民地,分散以及双方的入口。簇羽海鹦集中在动荡的南部附近海域大量的繁殖生长在贫瘠的岛屿,库克湾入口处(图3)。角附近的海雀是最丰富的繁殖地Chisik岛上(西方库克湾)和贫瘠的岛屿,以及从那里往东南跟踪锚点(图3)。物种丰富的海雀在6月至8月达到顶峰之后,进入下降(下降图4)。
图3每月的变化预测日志密度库克湾的海鸟,阿拉斯加。日志密度估计是标准化的意思= 0和SD = 1的物种剪切,扑打;BLKI,黑腿海鸥;常见的海鸦COMU;PIGU海;KIMU Kittlitz小海鸦的;MAMU,凶残的小海鸦;厚朴,角海雀;提出簇绒角嘴海雀。
图4每月的丰度估计库克湾的海鸟,阿拉斯加。个月零遇到用灰色的圆圈表示。
表2每月海鸟丰度估计在库克湾(SE),阿拉斯加。
正如预期的那样,联合检测的影响船的大小和flying-bird-counting预测密度的方法确定实质性影响,不同物种间(图5一个)。大型船只检测通常是中性或负面影响(观察到相同或更多的鸟类)和小船效果通常是中性或积极的(相同或更少的鸟类)。检测因素对比飞行鸟喜忧参半正面和负面的计数方法,表明容器大小是一个更强大和更一致的司机在我们的研究区域检测的影响。估计检测影响扑打,鸽子海鸠、簇羽海鹦震级低和可变性,表明船大小和飞行鸟计数法有较小影响预测这些物种的密度比物种小(图5一个)。
图5种特异的参数估计(±SD中位数)(一)检测效果,占船的大小和飞翔的鸟的差异计算方法,和(B)年代际效应,代表每年密度水平组之间的差异和最近一年的数据,2014 - 2021年为零(深灰色线)。
十年的因素表明,密度扑打和簇羽海鹦下降(图5 b)。大密度的三趾鸥和角海雀也在1975 - 1988和1989 - 1998年相比,密度在2014 - 2021,但最低在1999 - 2013 (图5 b)。常见海鸦密度在1990年达到顶峰,但明显下降到了2020。密度的鸽子海鸠、占领近岸栖息地,更高比后时期(1975 - 1988年期间图5 b)。密度的大理石和Kittlitz数量却拒绝自1990年的其他几十年但未发现显著差异和不确定性最早年高分组(图5 b)。由于有限的抽样的近岸栖息地小海鸦的船只在1975 - 1988年期间,以及对生物学知识有限,分布和识别的数量调查年早期,我们解释年代际效应的数量却保守,但是1990年的努力程度和空间提供最丰富的数据对比(图2;S1)。
JDSDM生产更适合比单变量模型(ΔAIC = 505.9),表明预测能力是提高合并物种跨越时间和空间协方差。相关性是积极的对许多物种group-pairs组件建模时间和时空变化,但之间的混合空间组件(积极的和消极的图6)。例如,大理石的平均空间变化,并在较小程度上,Kittlitz小海鸦是负相关的空间变化的黑腿三趾鸥和共同海鸦。Species-pairs往往是相似的季节性和栖息地的使用就是明证强烈变化的时间和空间组件的正相关性,而负相关性在空间组件相关的可变性更中立的相关性在颞可变性的组件(图6)。
图6物种建模密度的相关性(一)时间,(B)空间,(C)空间和时间之间的交互。剪切,黑暗的海鸥;BLKI,黑腿海鸥;常见的海鸦COMU;厚朴,角海雀;KIMU Kittlitz小海鸦的;MAMU,凶残的小海鸦;PIGU海;提出簇绒角嘴海雀。
讨论
在本研究中我们使用大量JDSDMs评估季节性变化分布的海鸟使用调查数据跨越近五年来在库克湾,阿拉斯加。尽管数据在空间和时间的差距太大,JDSDM生成健壮的物种分布预测,得到可靠的海上丰度与相对狭窄的置信区间估计在大多数情况下。这种方法提供了建模远洋海鸟数据的特殊工具,可以帮助管理者和科学家与风险管理、规划、研究和保护。
密度预测物种间有紧密的关联组,表明跨物种JDSDM有效地共享信息。我们的方法也使用环境不改善预测未取样的位置和物种特异性检测的差异占船平台和调查方法。我们也估计年代际效应占密度随时间的变化,这使得它可能提供季节性的密度分布在当代水平与当前的管理决策。我们确定了强烈的时空模式在海鸟社区,和几个建模输出从这个工作相关潜在的资源评估当前和未来的能源发展的影响在库克湾,阿拉斯加。特定目的的资源管理、风险评估和响应计划在我们的研究区域,网格密度的预测是可用的(Arimitsu et al ., 2023)由资源管理器进行进一步分析和机构关心海鸟种群库克湾。
最近的努力在大西洋和太平洋的外大陆架水域有空间预测建模应用于推出季节性地图资源评估(Winship et al ., 2018;Leirness et al ., 2021)。这些努力使用提高了回归树(BRT)和广义可加模型的位置,规模和形状(GAMLSS)预测密度的海鸟在空间和时间。我们与大量应用JDSDM为类似目的由于其灵活性和重建精细分布的能力,同时获得的估计每月总丰度和不确定性。以前的工作使用模拟和实证数据表明,BRT GAM和精通复制非线性协变量与环境的关系,但巨大的模型产生更健壮的物种丰度指数和相关标准错误比BRT或GAM (布罗迪et al ., 2020)。此外,巨大的设计,以适应高度倾斜观测数据和能力建模survey-specific检测生物数据中常见的问题。此外,海鸟在海上调查和具体数据,实现巨大的高效利用地质统计学方法固有的自相关样本来自横断面数据,并可以应用于非随机抽样设计与不平等的采样时间和空间。
跨季节性时间尺度的网格密度的估计提供了一个了解海上时空变化丰富,并提供信息或者当风险可能发生人为或自然扰动。风险评估潜在的租赁销售区域内(图1)库克湾可能受益通过关注的上升流区域海上锚点和外部彻马克海湾,我们这里有地方,长期密度热点海鸟指定为物种保护关心的包括Kittlitz小海鸦和簇绒角嘴海雀(物,2021),大迁徙扑打聚合也发生在夏天。模型估计也提供了有关何时何地需要更多的数据来减少不确定性。例如,抽样工作的差距太大(尤其是在冬天November-March)和高密度殖民地位置在贫瘠的岛屿附近地区在夏季将是重要的时间和地区投入更多的调查工作。可以减少不确定性预测密度随着新数据可用时,可以更新和预测报告所使用现有的或未来的改进模型。JDSDMs未来的应用程序模型在海上调查数据将重点评估丰富趋势的海鸟在更大的空间和时间尺度上,并将应用于不同物种群体,尤其是濒危或受威胁的物种。虽然这项工作我们的目标是生产季节性(月度)丰度估计在当代(2014 - 2021)密度水平,未来的工作将这个应用程序使用不同的模型配置生产十年丰富的趋势(7)季节性密度峰值水平。
我们十年的分析影响海鸟在库克湾密度确定持续下降Ardenna海鸥和末以来簇羽海鹦- 1970。扑打最为明显的下降在1970 - 1990,并有可能稳定在2000年代。虽然库克湾构成的一小部分海鸥觅食生境(例如,谢弗et al ., 2006),显著减少库克湾的使用符合大衰退期间的观察在北美- 1980年底和1990年初(Veit et al ., 1997)。最近也有大规模的向北再分配的觅食短尾扑打在应对气候驱动程序(Kuletz et al ., 2020),这也会影响他们的停留时间和观察到的丰度在库克湾。我们的研究结果还表明,海上簇绒角嘴海雀密度下降继续目前的十年中,与报道一致减少簇羽海鹦的北部阿拉斯加湾(Goyert et al ., 2017;库欣et al ., 2018),不列颠哥伦比亚,加拿大加斯顿et al ., 2009),美国西北太平洋(Piatt Kitaysky, 2002),并在其范围在北美(皮尔森et al ., 2022)。
我们的结果与以前的工作相一致,估计的丰度和趋势在该地区的海鸟,从海上调查和菌落计数,和分布模式识别研究中证实了是什么知道海鸟在该地区的生态。例如,Kuletz et al。(2011)记录大幅下滑(56 - 84%)Brachyramphus数量密度在库克湾的1990年代,从1993年夏季估计近60000只鸟(榴弹炮et al ., 1998)。符合先前的估计和级的下降,我们估计当代(2014 - 2021)密度水平Kittlitz和的数量分别为60%和37%(分别)低于1990的,联合估计的20000只鸟(6月表2)。我们的季节性模式与以前的工作相一致,记录小海鸦迁移远离沿海地区在下降(post育种脱毛Piatt et al ., 2021),他们在冬季和春季返回之前夏季密度最大时,(Arimitsu et al ., 2011;Kuletz et al ., 2011)。同样,最近的大规模下降默符合趋势的菌落计数的基础上,在增加到1980年代和1990年代,但被一个大严重影响了海鸦相继在2015 - 2016年(Piatt et al ., 2020)和挥之不去的海洋热浪对繁殖成功率的影响,人口规模在殖民地(Schoen et al ., 2022)。
结论
使用JDSDMs估计海鸟分布和季节性趋势将促进风险评估和规划地区受人类活动影响,如石油和天然气开发、航运和海上风力发电和可再生能源。虽然这个应用程序广泛告知相关海洋生态系统过程,预测栖息地的使用,帮助保护的物种在任何地区,采用标准的海洋鸟类调查方法,在本文中,我们提供工具来通知评估在库克湾,阿拉斯加包括:(1)网格密度的预测每月海鸟分布和(2)种特异的丰度指数,季节性的趋势,和不确定性。除了提供一个新颖的方法,从历史海鸟数据每月生产精细分布,我们设想,这些公开的产品将帮助定量支持管理和保护的决定。
数据可用性声明
研究中给出的数据存入美国地质调查局,阿拉斯加科学中心可信的数字资源库,加入数字doi.org/10.5066/F7WQ01T3和doi.org/10.5066/P94NDFRI。
作者的贡献
妈,摩根大通、JT WS、KK和CK构思设计的思想和方法;妈,摩根大通、KK GD,党卫军,和直流进行调查和编译数据;马,JT,摩根大通,马和CK分析数据,撰写的手稿。所有作者的文章和批准提交的版本。
资金
局提供的资金是海洋和能源管理(M10PG0050 BOEM,跨部门协议,M14PG0031 M19PG0002),美国地质调查局阿拉斯加科学中心,美国地质调查局的外大陆架(OCS)项目,北太平洋研究委员会(批准号637、1427 b, L37-01A,和2105年),埃克森·瓦尔迪兹号油事故理事会,阿拉斯加渔猎局。
确认
我们感谢支持凯蒂浣熊,蒂姆·怀特和里克雷蒙德(BOEM);蒙纳卡里•和丽芬妮球(OCS);和许多数据贡献者(表S1)和现场人员,使这项工作成为可能。我们感谢咖喱坎宁安(UAF NOAA)概念的讨论。利比Loggerwell (NOAA),乔什·亚当斯(USGS),约翰•皮尔斯(USGS)和两个评论家提供了有用的评论早期的草稿。任何使用贸易、公司或产品名称是描述性的目的,并不意味着美国政府支持的。
的利益冲突
作者直流是北极星生态Research LLC的所有者。
其余作者声明,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.2023.1078042/full补充材料
引用
榴弹炮B。,Kendall S., Irons D. (1998). Abundance and distribtuion of marbled and Kittlitz’s murrelets in southcentral and southeast Alaska.秃鹰100年,254 - 265。doi: 10.2307 / 1370266
榴弹炮B。,Kendall S., Seiser P., Irons D. (1995).估计的海洋鸟和海獭数量降低库克湾,1994年阿拉斯加在1993年夏季和冬季。安克雷奇,正义与发展党。商务研究矿产管理局。94 - 0063。148便士。
Arimitsu M。Piatt J。,舱口。,年代uryan R., Batten S., Bishop M. A., et al. (2021a). Heatwave-induced synchrony within forage fish portfolio disrupts energy flow to top pelagic predators.水珠。改变医学杂志。27日,1859 - 1878。doi: 10.1111 / gcb.15556
Arimitsu M。Piatt J。,Romano M., van Pelt T. (2011). Status and distribution of the Kittlitz’s murreletBrachyramphus brevirostris基奈峡湾。3月Ornithol。22日,13-22。
Arimitsu M。Piatt J。,Thorson J。,Kuletz K。吸引了G。,Schoen年代。,et一个l。(2023).网格海鸟低密度估计库克湾,阿拉斯加(阿拉斯加:美国地质调查局数据发布)。doi: 10.5066 / P94NDFRI
Arimitsu M。Schoen S。Piatt J。,Marsteller C., Drew G. (2021b).监控的恢复海鸟和鱼饲料低库克湾的主要生态系统破坏后,阿拉斯加(阿拉斯加安克雷奇:美国内政部,海洋能源管理局。商务研究BOEM 2021 - 031), 50。
债券N。,Overland J., Spillane M., Stabeno P. (2003). Recent shifts in the state of the north Pacific.地球物理学。卷。2 - 5。gl018597 doi: 10.1029/2003
布罗迪。,Thorson J。,Carroll G., Hazen E., Bograd S., Haltuch M., et al. (2020). Trade-offs in covariate selection for species distribution models: a methodological comparison.Ecogr。(警察)。43岁的11-24。doi: 10.1111 / ecog.04707
库欣D。罗比D。,熨斗D。(2018). Patterns of distribution, abundance, and change over time in a subarctic marine bird community.深。研究》第二部分。147年,148 - 163。doi: 10.1016 / j.dsr2.2017.07.012
了g S。,Schoen年代。K., Hood M. D., Arimitsu M. L., Piatt J. F. (2005).北太平洋远洋海鸟数据库(NPPSD)(版本4.0,2023年1月):美国地质调查局发布的数据。doi: 10.5066 / F7WQ01T3
福克斯C。,Robertson C., O’Hara P., Tadey R., Morgan K. (2021). Spatial assessment of albatrosses, commercial fisheries, and bycatch incidents on Canada’s Pacific coast.3月生态。掠夺。爵士。672年,205 - 222。doi: 10.3354 / meps13783
加斯顿。,Bertram D., Boyne A., Chardine J., Davoren G., Diamond A., et al. (2009). Changes in Canadian seabird populations and ecology since 1970 in relation to changes in oceanography and food webs.环绕。牧师。17日,267 - 286。doi: 10.1139 / a09 - 013
古尔德P。,Forsell D. (1989).船载海洋鸟类调查的技术。(AK安克雷奇:美国鱼类和野生动物服务技术报告25)。20 pp. doi: 10.5962 / bhl.title.23841
Goyert H。,Garton E., Drummond B., Renner H. (2017). Density dependence and changes in the carrying capacity of Alaskan seabird populations.医学杂志。Conserv。209年,178 - 187。doi: 10.1016 / j.biocon.2017.02.011
野兔。,Mantua N. (2000). Empirical evidence for north Pacific regime shifts in 1977 and 1989.掠夺。Oceanogr。47岁,103 - 145。doi: 10.1016 / s0079 - 6611 (00) 00033 - 1
Hartig f (2022)法:残余诊断等级式多级/混合回归模型。R包版本0.4.5。可以在:https://CRAN.R-project.org/package=DHARMa。
汉弗莱斯G。,Huettmann F., Nevitt G., Deal C., Atkinson D. (2012). Species distribution modeling of storm-petrels (Oceanodroma furcata和o . leucorhoa)在北太平洋和二甲基硫醚的作用。极地生物。35岁,1669 - 1680。doi: 10.1007 / s00300 - 012 - 1207 - 2
熨斗D。,Kendall S., Erickson W., McDonald L., Lance B. (2000). Nine years after the埃克森·瓦尔迪兹号石油泄漏:影响海洋鸟类种群在威廉王子湾,阿拉斯加。秃鹰102年,723年。0010 - 5422 . doi: 10.1650 / (2000) 102 (0723: NYATEV) 2.0.CO; 2
Janout M。,Weingartner T., Royer T., Danielson S. (2010). On the nature of winter cooling and the recent temperature shift on the northern Gulf of Alaska shelf.j .地球物理学。Res。115年,1 - 14。jc005774 doi: 10.1029/2009
凯尔西·e·C。猫属J。J., Czapanskiy M., Pereksta D. M., Adams J. (2018). Collision and displacement vulnerability to offshore wind energy infrastructure among marine birds of the Pacific outer continental shelf.j .包围。管理。227年,229 - 247。doi: 10.1016 / j.jenvman.2018.08.051
Kuletz K。,库欣D。,l一个bunski E. (2020). Distributional shifts among seabird communities of the northern Bering and Chukchi seas in response to ocean warming during 2017 – 2019.深。研究》第二部分181 - 182年,104913年。doi: 10.1016 / j.dsr2.2020.104913
Kuletz k . J。,Ferguson M. C., Hurley B., Gall A. E., Labunski E. A., Morgan T. C. (2015). Seasonal spatial patterns in seabird and marine mammal distribution in the eastern Chukchi and western Beaufort seas: Identifying biologically important pelagic areas.掠夺。Oceanogr。136年,175 - 200。doi: 10.1016 / j.pocean.2015.05.012
Kuletz K。,Speckman年代。Piatt J。,l一个bunski E. (2011). Distribution, population status and trends of Kittlitz’s murreletBrachyramphus brevirostris在低库克湾和彻马克海湾,阿拉斯加。3月Ornithol。39岁,85 - 95。可以在:http://www.marineornithology.org/pdf/39_1/39_1_85 - 95. - pdf。
Leirness J。,亚当斯J。,Ballance L., Coyne M., Felis J., Joyce T., et al. (2021).建模海上海洋鸟类密度来支持可再生能源计划在太平洋大陆架外缘的连续的美国。(打击士气,CA:美国内政部,海洋能源管理局)。商务研究BOEM 2021 - 014, 385。
Omori K。,Thorson J。(2022). Identifying species complexes based on spatial and temporal clustering from joint dynamic species distribution models.冰j . 3月科学。79年,677 - 688。doi: 10.1093 / icesjms / fsac015
Ovaskainen O。Abrego N。,Halme P。,Dunson D. (2016). Using latent variable models to identify large networks of species-to-species associations at different spatial scales.生态方法。另一个星球。7,549 - 555。2041 - 210 - x.12501 doi: 10.1111 /
皮尔森。我,克伦。,Hodum P。,Drummond B., Hipfner M., Rojek N., et al. (2023). Range-wide changes in the North American Tufted PuffinFratercula cirrhata繁殖人口超过115年了。国际鸟类保护33岁的E24。doi: 10.1017 / S0959270922000193
彼得森J。纳尔逊D。,Marcella T., Michel J., Atkinson M., White M., et al. (2019). Environmental Sensitivity Index Guidelines, Version 4.0.美国国家海洋和大气管理局技术备忘录。号或者r52 (4),9-38。
Piatt j . (1994)。监控seeabird人口地区的石油和天然气开发阿拉斯加大陆架:海洋、货架和沿海海鸟组合的嘴tidally-mixed河口(阿拉斯加安克雷奇:全国生物调查、矿产管理服务)。
Piatt j·F。,Parrish J. K., Renner H. M., Schoen S. K., Jones T. T., Arimitsu M., et al. (2020). Extreme mortality and reproductive failure of common murres resulting from the northeast Pacific marine heatwave of 2014-2016.《公共科学图书馆•综合》15日,e0226087。doi: 10.1371 / journal.pone.0226087
Piatt J。,Douglas D., Arimitsu M., Kissling M., Madison E., Schoen S., et al. (2021). Kittlitz’s murrelet seasonal distribution and post-breeding migration from the Gulf of Alaska to the Arctic ocean.北极74年,482 - 495。doi: 10.14430 / arctic73992
Piatt J。,Kitaysky A. (2002). “Tufted puffin (Fratercula cirrhata),“在北美的鸟类。Eds。普尔。,Gill F.(Philadelphia, PA: Cornell Laboratory of Ornithology), 1–31.
Piatt j·F。,年代pr我nger A. M. (2007). “Marine ecoregions of Alaska,” in长期生态变化在阿拉斯加湾北部。艾德。间谍r(阿姆斯特丹:爱思唯尔),522 - 526。
R核心团队(2021)。接待员:统计计算的语言和环境(奥地利维也纳:R统计计算的基础)。可以在:https://www.R-project.org/。
雷纳M。,Parrish J., Piatt J., Kuletz K., Edwards A., Hunt G. (2013). Modeled distribution and abundance of a pelagic seabird reveal trends in relation to fisheries.3月生态。掠夺。爵士。484年,259 - 277。doi: 10.3354 / meps10347
雷纳M。,Kuletz K。(2015). A spatial-seasonal analysis of the oiling risk from shipping traffic to seabirds in the Aleutian Archipelago.3月Pollut。公牛。101年,127 - 136。doi: 10.1016 / j.marpolbul.2015.11.007
Schoen年代。,Arimitsu M。,Marsteller C., Piatt J. (2022). Lingering impacts of the 2014-2016 northeast Pacific marine heatwave on seabird demography in Cook Inlet, Alaska.3月生态。掠夺。爵士。doi: 10.3354 / meps14177
谢弗。,Tre米bl一个y Y., Weimerskirch H., Scott D., Thompson D., Sagar P. M., et al. (2006). Migratory shearwaters integrate oceanic resources across the Pacific ocean in an endless summer.《美国国家科学院刊年代103年,12799 - 12802。doi: 10.1073 / pnas.0603715103
Speckman年代。Piatt J。,Mintevera C., Parrish J. (2005). Parallel structure among environmental gradients and three trophic levels in a subarctic estuary.掠夺。Oceanogr。66年,25 - 65。doi: 10.1016 / j.pocean.2005.04.001
塔米。,Jones P. H., Dixon T., Blake B. (2009). Counting seabirds at sea from ships: A review of methods employed and a suggestion for a standardized approach.雀101年,567 - 577。
Thorson J。,年代helton A., Ward E., Skuag H. (2015). Geostatistical delta-generalized linear mixed models improve precision for estimated abundance indices for West Coast groundfishes.冰j . 3月科学。72年,1297 - 1310。doi: 10.1093 / icesjms / fst048
Thorson j . t . (2019)。指导决策使用向量自回归时空(巨大)的包存货,生态系统、栖息地和气候评估。鱼。Res。210年,143 - 161。doi: 10.1016 / j.fishres.2018.10.013
Thorson J。,Ianelli J., Larsen E., Ries L., Scheuerell M., Szuwalski C., et al. (2016). Joint dynamic species distribution models: a tool for community ordination and spatio-temporal monitoring.水珠。生态。Biogeogr。25日,1144 - 1158。doi: 10.1111 / geb.12464
Veit R。,McGowan J., Ainley D., Wahls T., Pyle P. (1997). Apex marine predator declines ninety percent in association with changing oceanic climate.水珠。改变医学杂志。3,。doi: 10.1046 / j.1365 2486.1997.d01 - 130. x
沃里克V。,年代一个ntor一个J., Waggitt J., Trathan P. (2021). Multi-scale assessment of distribution and density of procellariform seabirds within the Northern Antarctic Peninsula marine ecosystem.冰j . 3月科学。78年,1324 - 1339。doi: 10.1093 / icesjms / fsab020
Winship。,Kinlan B., White T., Leirness J., Christensen J. (2018). Modeling At-Sea density of marine birds to support Atlantic marine renewable energy planning. (Silver Spring, MD: U.S. Department of Commerce. Bureau of Ocean Energy Management). OCS Study BOEM 2018-010, 67.
日圆p . P.-W。,年代ydeman W. J., Morgan K. H., Whitney F. A. (2005). Top predator distribution and abundance across the Eastern Gulf of Alaska: Temporal variability and ocean habitat associations.3月生态。52岁,799 - 822。doi: 10.1016 / j.dsr2.2004.12.018
Zador年代。,Parrish J., Punt A., Burke J., Fitzgerald S. (2008). Determining spatial and temporal overlap of an endangered seabird with a large commercial trawl fishery.危害。物种Res。5,103 - 115。doi: 10.3354 / esr00152
关键词:物种分布模型(SDM)、海洋鸟类分布、海洋鸟类调查,检测因素,年代际尺度变化,库克湾,阿拉斯加,阿拉斯加湾
引用:Piatt Arimitsu ML,摩根富林明,Thorson JT Kuletz KJ, GS, Schoen SK,库欣哒,Kroeger C和Sydeman WJ(2023)联合时空模型预测海上海鸟密度。前面。3月科学。10:1078042。doi: 10.3389 / fmars.2023.1078042
收到:2022年10月24日;接受:2023年1月06;
发表:2023年1月31日。
编辑:
天使哈在海洋,海洋研究部门,技术中心专家和食品创新(AZTI),西班牙版权Piatt©2023 Arimitsu、Thorson Kuletz,画,舍恩库欣,Kroeger Sydeman。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:迈乌米l . Arimitsumarimitsu@usgs.gov
__目前地址:凯特琳Kroeger,圣何塞州立大学研究基金会(SJSU),莫斯兰丁海洋实验室,莫斯兰丁、钙、美国