Published November 12, 2018
| Version v1
Publication
Open
Prediction of Large Whale Distributions: A Comparison of Presence–Absence and Presence-Only Modeling Techniques
Creators
- 1. NOAA National Marine Fisheries Service Southwest Fisheries Science Center
- 2. National Oceanic and Atmospheric Administration
- 3. NOAA National Marine Fisheries Service
- 4. Moss Landing Marine Laboratories
- 5. Oregon State University
- 6. Sensei Biotherapeutics (United States)
- 7. Centro Peruano de Estudios Sociales
- 8. Universidad San Ignacio de Loyola
- 9. International Union for Conservation of Nature
- 10. Universidad Del Pacífico Ecuador
Description
Species distribution models that predict species occurrence or density by quantifying relationships with environmental variables are used for a variety of scientific investigations and management applications. For endangered species, such as large whales, models help to understand the ecological factors influencing variability in distributions and to assess potential risk from shipping, fishing, and other human activities. Systematic surveys record species presence and absence, as well as the associated search effort, but are very expensive. Presence-only data consisting only of sightings can increase sample size, but may be biased in both geographical and niche space. We built generalized additive models (GAM) using presence-absence sightings data and maximum entropy models (Maxent) using the same presence-absence sightings data, and also using presence-only sightings data, for four large whale species in the eastern tropical Pacific Ocean: humpback (Megaptera novaeangliae), blue (Balaenoptera musculus), Bryde's (Balaenoptera edeni), and sperm whales (Physeter macrocephalus). Environmental variables were surface temperature, surface salinity, thermocline depth, stratification index, and seafloor depth. We compared predicted distributions and environmental response curves from each of the two model types. Maxent and GAM model predictions based on systematic survey data are very similar, when Maxent absences are selected from the survey trackline data. However, we show that spatial bias in presence-only Maxent predictions can be caused by using pseudo-absences instead of observed absences and by the sampling biases of both opportunistic data and stratified systematic survey data with uneven coverage between strata. Predictions of uncommon large whale distributions from Maxent or other presence-only techniques may be useful for science or management, but only if spatial bias in the observations is addressed in the derivation and interpretation of model predictions.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
تُستخدم نماذج توزيع الأنواع التي تتنبأ بحدوث الأنواع أو كثافتها من خلال تحديد العلاقات مع المتغيرات البيئية لمجموعة متنوعة من التحقيقات العلمية وتطبيقات الإدارة. بالنسبة للأنواع المهددة بالانقراض، مثل الحيتان الكبيرة، تساعد النماذج على فهم العوامل البيئية التي تؤثر على التباين في التوزيعات وتقييم المخاطر المحتملة من الشحن وصيد الأسماك والأنشطة البشرية الأخرى. تسجل المسوحات المنهجية وجود الأنواع وغيابها، بالإضافة إلى جهود البحث المرتبطة بها، ولكنها مكلفة للغاية. يمكن أن تؤدي البيانات الخاصة بالحضور فقط والتي تتكون فقط من المشاهدات إلى زيادة حجم العينة، ولكن قد تكون متحيزة في كل من المساحة الجغرافية والمساحة المتخصصة. قمنا ببناء نماذج مضافة معممة (GAM) باستخدام بيانات مشاهدات غياب الوجود ونماذج الانتروبيا القصوى (Maxent) باستخدام نفس بيانات مشاهدات غياب الوجود، وأيضًا باستخدام بيانات مشاهدات الوجود فقط، لأربعة أنواع حيتان كبيرة في المحيط الهادئ الاستوائي الشرقي: الحدباء (Megaptera novaeangliae)، والأزرق (Balaenoptera musculus)، وبرايد (Balaenoptera edeni)، وحيتان الحيوانات المنوية (Physeter macrocephalus). كانت المتغيرات البيئية هي درجة حرارة السطح، وملوحة السطح، وعمق الخط الحراري، ومؤشر التقسيم الطبقي، وعمق قاع البحر. قارنا التوزيعات المتوقعة ومنحنيات الاستجابة البيئية من كل من نوعي النموذج. تتشابه تنبؤات نموذج Maxent و GAM بناءً على بيانات المسح المنهجي إلى حد كبير، عند اختيار الغياب الأقصى من بيانات مسار المسح. ومع ذلك، فإننا نظهر أن التحيز المكاني في تنبؤات الحد الأقصى للوجود فقط يمكن أن يكون ناتجًا عن استخدام حالات غياب زائفة بدلاً من حالات الغياب الملحوظة وعن تحيزات أخذ العينات لكل من البيانات الانتهازية وبيانات المسح المنهجي الطبقي مع تغطية غير متساوية بين الطبقات. قد تكون تنبؤات توزيعات الحيتان الكبيرة غير الشائعة من Maxent أو غيرها من تقنيات الوجود فقط مفيدة للعلوم أو الإدارة، ولكن فقط إذا تم تناول التحيز المكاني في الملاحظات في اشتقاق وتفسير تنبؤات النموذج.Translated Description (French)
Les modèles de distribution des espèces qui prédisent la présence ou la densité des espèces en quantifiant les relations avec les variables environnementales sont utilisés pour une variété d'enquêtes scientifiques et d'applications de gestion. Pour les espèces menacées, telles que les grandes baleines, les modèles aident à comprendre les facteurs écologiques influençant la variabilité des distributions et à évaluer les risques potentiels liés au transport maritime, à la pêche et à d'autres activités humaines. Les relevés systématiques enregistrent la présence et l'absence d'espèces, ainsi que les efforts de recherche associés, mais sont très coûteux. Les données de présence uniquement composées uniquement d'observations peuvent augmenter la taille de l'échantillon, mais peuvent être biaisées à la fois dans l'espace géographique et dans l'espace de niche. Nous avons construit des modèles additifs généralisés (GAM) en utilisant des données d'observations de présence-absence et des modèles d'entropie maximale (Maxent) en utilisant les mêmes données d'observations de présence-absence, ainsi que des données d'observations de présence uniquement, pour quatre grandes espèces de baleines dans l'océan Pacifique tropical oriental : le rorqual à bosse (Megaptera novaeangliae), le bleu (Balaenoptera musculus), le Bryde (Balaenoptera edeni) et le cachalot (Physeter macrocephalus). Les variables environnementales étaient la température de surface, la salinité de surface, la profondeur de la thermocline, l'indice de stratification et la profondeur du fond marin. Nous avons comparé les distributions prédites et les courbes de réponse environnementale de chacun des deux types de modèles. Les prédictions des modèles Maxent et GAM basées sur des données d'enquête systématiques sont très similaires, lorsque les absences Maxent sont sélectionnées à partir des données de suivi de l'enquête. Cependant, nous montrons que le biais spatial dans les prédictions Maxent en présence uniquement peut être causé par l'utilisation de pseudo-absences au lieu d'absences observées et par les biais d'échantillonnage des données opportunistes et des données d'enquêtes systématiques stratifiées avec une couverture inégale entre les strates. Les prédictions de distributions rares de grandes baleines à partir de Maxent ou d'autres techniques de présence seule peuvent être utiles pour la science ou la gestion, mais seulement si le biais spatial dans les observations est pris en compte dans la dérivation et l'interprétation des prédictions du modèle.Translated Description (Spanish)
Los modelos de distribución de especies que predicen la ocurrencia o densidad de especies mediante la cuantificación de las relaciones con las variables ambientales se utilizan para una variedad de investigaciones científicas y aplicaciones de gestión. Para las especies en peligro de extinción, como las ballenas grandes, los modelos ayudan a comprender los factores ecológicos que influyen en la variabilidad en las distribuciones y a evaluar el riesgo potencial del transporte marítimo, la pesca y otras actividades humanas. Las encuestas sistemáticas registran la presencia y ausencia de especies, así como el esfuerzo de búsqueda asociado, pero son muy caras. Los datos de solo presencia que consisten solo en avistamientos pueden aumentar el tamaño de la muestra, pero pueden estar sesgados tanto en el espacio geográfico como en el de nicho. Construimos modelos aditivos generalizados (GAM) utilizando datos de avistamientos de presencia-ausencia y modelos de entropía máxima (Maxent) utilizando los mismos datos de avistamientos de presencia-ausencia, y también utilizando datos de avistamientos de solo presencia, para cuatro grandes especies de ballenas en el Océano Pacífico tropical oriental: jorobada (Megaptera novaeangliae), azul (Balaenoptera musculus), Bryde (Balaenoptera edeni) y cachalotes (Physeter macrocephalus). Las variables ambientales fueron la temperatura superficial, la salinidad superficial, la profundidad de la termoclina, el índice de estratificación y la profundidad del fondo marino. Comparamos las distribuciones predichas y las curvas de respuesta ambiental de cada uno de los dos tipos de modelos. Las predicciones de los modelos Maxent y GAM basadas en datos de encuestas sistemáticas son muy similares, cuando las ausencias Maxent se seleccionan a partir de los datos de seguimiento de la encuesta. Sin embargo, mostramos que el sesgo espacial en las predicciones Maxent de solo presencia puede ser causado por el uso de pseudo-ausencias en lugar de ausencias observadas y por los sesgos de muestreo tanto de datos oportunistas como de datos de encuestas sistemáticas estratificadas con cobertura desigual entre estratos. Las predicciones de distribuciones poco comunes de ballenas grandes de Maxent u otras técnicas de solo presencia pueden ser útiles para la ciencia o el manejo, pero solo si se aborda el sesgo espacial en las observaciones en la derivación e interpretación de las predicciones del modelo.Files
pdf.pdf
Files
(1.2 MB)
| Name | Size | Download all |
|---|---|---|
|
md5:9ac587c2d95b7a55ecdf7a6fbb89d8a5
|
1.2 MB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- التنبؤ بتوزيعات الحيتان الكبيرة: مقارنة بين تقنيات الحضور - الحضور والحضور فقط
- Translated title (French)
- Prédiction des distributions des grandes baleines : comparaison des techniques de modélisation présence-absence et présence seule
- Translated title (Spanish)
- Predicción de las distribuciones de ballenas grandes: una comparación de las técnicas de modelado de presencia-ausencia y presencia-solamente
Identifiers
- Other
- https://openalex.org/W2901785862
- DOI
- 10.3389/fmars.2018.00419
References
- https://openalex.org/W1563143335
- https://openalex.org/W1565289881
- https://openalex.org/W1568201516
- https://openalex.org/W1909609512
- https://openalex.org/W1952139873
- https://openalex.org/W1966811787
- https://openalex.org/W1980193681
- https://openalex.org/W1984609091
- https://openalex.org/W1986014847
- https://openalex.org/W1989219058
- https://openalex.org/W2000322210
- https://openalex.org/W2002758482
- https://openalex.org/W2015341110
- https://openalex.org/W2044901417
- https://openalex.org/W2049730646
- https://openalex.org/W2052583540
- https://openalex.org/W2053979373
- https://openalex.org/W2057691392
- https://openalex.org/W2069428329
- https://openalex.org/W2071203097
- https://openalex.org/W2075385168
- https://openalex.org/W2097601813
- https://openalex.org/W2099883419
- https://openalex.org/W2100226004
- https://openalex.org/W2101122288
- https://openalex.org/W2104721571
- https://openalex.org/W2112315008
- https://openalex.org/W2115538424
- https://openalex.org/W2119160928
- https://openalex.org/W2119202692
- https://openalex.org/W2127505381
- https://openalex.org/W2129435498
- https://openalex.org/W2131073325
- https://openalex.org/W2134358078
- https://openalex.org/W2139416101
- https://openalex.org/W2141014056
- https://openalex.org/W2155878556
- https://openalex.org/W2156632553
- https://openalex.org/W2158983128
- https://openalex.org/W2163702117
- https://openalex.org/W2165248870
- https://openalex.org/W2169947621
- https://openalex.org/W2171265639
- https://openalex.org/W2190488797
- https://openalex.org/W2316843842
- https://openalex.org/W2317851360
- https://openalex.org/W2317872328
- https://openalex.org/W2476764914
- https://openalex.org/W2537880903
- https://openalex.org/W2582743722
- https://openalex.org/W2598320237
- https://openalex.org/W2612216229
- https://openalex.org/W2767819456
- https://openalex.org/W2776127960
- https://openalex.org/W2779249946
- https://openalex.org/W2904172422
- https://openalex.org/W4239216122
- https://openalex.org/W4285719527
- https://openalex.org/W4318064364