Machine learning highlights the importance of primary and secondary production in determining habitat for marine fish and macroinvertebrates

1. Species distribution models for marine organisms are increasingly used for a range of applications, including spatial planning, conservation, and fisheries management. These models have been constructed using a variety of mathematical forms and drawing on both physical and biological independent variables; however, what might be called first-generation models have mainly followed the form of linear models, or smoothing splines, informed by data collected in the context of fish surveys.
2. The performance of different classes of variables were tested in a series of species occurrence models built with machine learning methods, specifically evaluating the potential contribution of lower trophic level data. Random forest models were fitted based on the classification of the absence/presence for fish and macroinvertebrates surveyed on the US Northeast Continental Shelf.
3. The potential variables included physical, primary production, secondary production, and terrain variables. For accepted model fits, six variable importance measures were computed, which collectively showed that physical and secondary production variables make the greatest contribution across all models. In contrast, terrain variables made the least contribution to these models.
4. Multivariable analyses that account for all performance measures reinforce the role of water depth and temperature in defining species presence and absence; however, chlorophyll concentration and some specific zooplankton taxa, such as Metridia lucens and Paracalanus parvus, also make important contributions with strong seasonal variations.
5. Our results suggest that lower trophic level variables, if available, are valuable in the creation of species distribution models for marine organisms.

     

Comparative analysis of ichthyoplankton sampling gear for early life stages of walleye pollock (Theragra chalcogramma)

Comparative gear tows were conducted during the summers of 1987–1990 in the Gulf of Alaska. Efficiencies of four types of ichthyoplankton sampling gear were compared with respect to total catch and size distribution of larval fish. Fish were sampled using the bongo net (333 and 505 μm mesh), 1 m Tucker net, 3 m Tucker net and the Methot frame net. Results indicate that the bongo and the 1 m Tucker nets caught similar numbers and size distribution of fish. The larger 3 m Tucker and Method frame nets caught a larger size class of fish but a smaller total catch. Although there was a slightly significant diel difference in total catch detected in the smaller nets, no diel differences in size distribution of fish caught were detected for any of the nets.     

不同环境因子联接方法对崩岗易发性评价的影响

[目的] 研究不同联接方法对崩岗易发性的影响,为区域崩岗的精细化空间预测提供理论依据,进而为合理、经济、高效地做好防灾减灾提供科学支持。[方法] 基于随机森林模型,选择改进频率比(ALSA)与传统频率比(FR)两种不同联接方法,通过地理探测器选取年平均降雨量、年平均降雨侵蚀力、土壤可蚀性、坡长因子、黏粒含量、坡度、砂粒含量、标准化VH通道后向散射系数(表征地表覆被的性质)作为评价指标,以江西省兴国县永丰镇为例开展崩岗易发性评价。[结果] ①ALSA-RF模型较FR-RF模型精度更高,ACC,AUC值分别为83.89%,0.893 0; ②研究区极高、高易发区主要分布于其西南区域,这与实际崩岗分布情况较吻合。[结论] 改进频率比的联接方法较传统频率比方法可以更好地体现区域崩岗的分布规律,可为滑坡研究领域中的类似问题提供借鉴。     

样本预处理方式对罗氏沼虾碳和氮稳定同位素比值检测的影响

为研究样本预处理方式对罗氏沼虾碳和氮稳定同位素比值检测的影响,分别选用3种保存温度(常温23℃/15 d、冷藏2℃/90 d、冷冻-18℃/360 d)、2种取样方式(虾仁取样、整虾取样),以新鲜沼虾样本为对照组,对比不同样本预处理方式对罗氏沼虾碳稳定同位素比值(δ¹³C)、氮稳定同位素比值(δ¹⁵N)、碳氮比(C/N)的影响。结果表明,不同保存温度和不同取样方式对罗氏沼虾δ¹³C、δ¹⁵N、C/N的影响明显。与对照组相比,常温保存条件下的δ¹⁵N偏移量最大(1.31‰~13.16‰,平均值为6.02‰),冷冻保存条件下的δ¹³C偏移量最大(2.34‰~2.84‰,平均值为2.57‰),室温保存条件下的C/N显著增加(P<0.05),冷藏和冷冻保存条件下的C/N显著减少(P<0.05)。不同取样方式对罗氏沼虾δ¹⁵N、δ¹³C的影响还取决于保存温度,在冷冻保存条件下,整虾取样的δ¹⁵N、δ¹³C显著高于虾仁取样,而在常温保存条件下,整虾取样的δ¹⁵N偏移量显著低于虾仁取样。因此,常温(23℃)和冷藏(2℃)条件不适合保存罗氏沼虾、冷冻(-18℃)保存罗氏沼虾的时间不宜超过60 d,建议新鲜沼虾采集后应立即干燥并开展碳和氮稳定同位素检测。本研究结果为水产品碳和氮稳定同位素比值检测的样本预处理方式提供了参考。     

2000-2020年玛纳斯河流域的作物种植结构与需水满足度

变化环境条件下干旱绿洲水土资源的高效利用一直广受关注。玛纳斯河流域分布着新疆最大、最典型的绿洲农耕区,其水土资源高效利用无疑应基于对种植结构和需水满足度（供水量/需水量）时空演变规律的了解。基于谷歌地球引擎（Google Earth Engine,GEE）平台并通过区域调查和调研,该研究利用面向对象的随机森林分类,建立流域地物遥感识别模型,分析当地2000-2020年种植结构的变化过程,探讨种植结构变化与膜下滴灌棉花水分供应状况和需水满足度间的关系。结果表明：基于GEE平台,融合简单非迭代聚类图像分割算法和随机森林分类算法可快速、准确识别流域地物,总体精度约90%;近20年,流域种植作物始终以棉花为主,占耕地总面积的80%以上,受益于膜下滴灌技术的节水、抑盐等功效,中、下游盐碱荒地不断被开垦为棉田,致使其面积以每年约101 km2的速度增长,但棉田面积增长与灌溉水资源供给的矛盾日益突出,棉花需水满足度显著下降,尤其是水资源相对匮乏的下游灌区及需水旺盛的夏灌期,2020年流域下游棉花夏灌期需水满足度已降至约46%,种植结构的调整和优化已势在必行。研究可为玛纳斯河流域水资源配置及农业种植结构优化提供科学依据。     

基于星载ICESat-2/ATLAS数据的森林地上生物量估测

为探讨星载激光雷达数据ICESat-2（Ice,Cloud,and land Elevation Satellite-2）在山地森林地上生物量（Aboveground Biomass,AGB）的估测可行性和方法。以ATLAS（Advanced Terrain Laser Altimeter System）光子点云数据为主要信息源,以滇西北典型山地香格里拉为研究区,结合地面54块实测生物量遥感样地,在前期进行点云数据去噪、分类预处理基础上,对研究区74 873个林地光斑进行冠层参数及地形因子的提取（共计53个变量）,采用非参数模型随机森林回归和超参数优化后的随机森林进行建模,以均方根误差（Root Mean Square Error,RMSE）、决定系数（R2）、总体估测精度（P1）作为模型的评价指标,建立研究区AGB模型。研究结果表明：1）分析以ICESat-2/ATLAS提取的冠层参数、地形因子与生物量的相关性可知,冠层光子总数与生物量具有极显著相关性（P<0.01）,基于陆地卫星的乔木冠层百分比、冠层光子比率、坡度、光子总数、表观反射率与生物量具有显著相关性（0.01相似文献   

澜沧江中下游流域土壤侵蚀时空演变特征

为了探究土壤侵蚀演变机制,以澜沧江中下游流域为研究区域,利用改进的土壤流失方程(RUSLE)模型,开展流域内土壤侵蚀时空演变特征研究,引入随机森林算法探讨了流域内土壤侵蚀因子的相对重要程度。结果表明:澜沧江中下游流域2005—2015年土壤侵蚀量为0～1.89万t/(km²·a),平均土壤侵蚀模数为0.252万t/(km²·a),中下游子流域平均土壤侵蚀模数处于较低风险以上和中风险侵蚀以下级别。自2005年以后,澜沧江中下游流域土壤侵蚀空间分布特征呈现中度侵蚀风险区域扩张,高度和低度侵蚀风险收缩的趋势。随机森林算法结果发现植被覆盖管理因子和地形因子是影响澜沧江中下游流域土壤侵蚀的主要因素,土壤可蚀性因子、降雨侵蚀因子和水土保持措施因子的相对重要程度偏低,均未超过20%。可见,土壤侵蚀的时空异质性主要是由于植被覆盖和地形影响改变了局部气候而导致的。     

沙坡头国家级自然保护区荒漠植被关键群落的最小面积与物种多样性

以处于腾格里沙漠东南缘的沙坡头国家级自然保护区干旱荒漠生态系统的植被关键群落为研究对象,采用“种-面积曲线”的方法确定关键群落最小面积,并在此基础上使用α多样性指数表征物种多样性.共选取4种饱和曲线模型进行拟合,研究结果表明对荒漠植被群落而言,S=c/（1 ＋ae-bA）和S=c-ae-bA模型具有更好的拟合优度和更高的准确性.当比例因子ρ取0.6、0.7、0.8时,群落最小面积分别为18 m2、24 m2、32 m2,可满足包括总群落的60％、70％、80％的植物种类的中等精度要求;当比例因子ρ取0.9时,群落最小面积为45 m2,可满足包括总群落的90％的植物种类的高等精度要求.该区域物种多样性并不十分复杂,灌木层的生态学地位极其显著,发挥着不可替代的作用,群落的稳定性和生态功能也主要由灌木层中的优势种决定.     

系统抽样调查在森林蓄积量测定中的应用

以江苏省农博园湿地松生态林区典型地段为调查研究对象,应用系统抽样的方法进行布点,样地测设及调查.运用CAD绘图软件对调查总体求算面积,运用一元材积表对调查结果进行汇总,并探讨了不同形状样地调查数据的抽样估计精度.结果表明：利用CAD绘图软件绘图并求算面积的方法较传统手工绘图的方法简便,准确.不同形状样地的调查数据的估计精度非常接近,考虑到方形样地测设较简单,因此,建议在森林的系统抽样调查中选用方形样地.     

不同区域视角下的农业社会化服务供求分析———基于新疆784户农户的抽样调查

农业社会化服务是现代农业发展的普遍要求.通过对新疆10个县(市)784个农户的实地调查,运用统计的数据分析了不同区域农户对社会化服务的供给和需求.结果表明:农户金融服务需求强烈,供给渠道单一;农户农资需要迫切,供需矛盾突出;技术服务供给能力不足,带动作用差;农业流通服务模式不规范,销售途径滞后.并提出加强资金投入力度、完善农资服务渠道、加大技术服务力度、完善农产品销售渠道等对策建议.