-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathsearch.json
212 lines (212 loc) · 46.9 KB
/
search.json
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
[
{
"objectID": "index.html#rapport-davancement",
"href": "index.html#rapport-davancement",
"title": "Identification des habitats potentiels des plumes de mer dans l’estuaire maritime et le golfe du Saint-Laurent",
"section": "Rapport d’avancement",
"text": "Rapport d’avancement\nVincent Bellavance Professionnel de recherche [email protected]\n\nCindy Grant Professionnelle de recherche [email protected]\n\nPhilippe Archambault Professeur [email protected]"
},
{
"objectID": "summary.html",
"href": "summary.html",
"title": "Résumé",
"section": "",
"text": "Ce rapport a pour but de documenter l’avancement sur le projet d’identification des habitats potentiels des plumes de mer dans l’estuaire maritime et le golfe du Saint-Laurent. Il se décline en trois parties:\n\nLes données d’occurrences des plumes de mer\n\nSources des données\nTraitement des données\nCartes des occurrences de chaque espèce\n\nLes variables environnementales à considérer pour les modèles\n\nListe de papiers sur la distribution des plumes de mer avec la liste de variables environnementales associées à sa présence pour chacune des études.\nListe des données à considérer pour la modélisation des habitats potentiels des plumes de mer dans l’estuaire maritime et le golfe du Saint-Laurent.\n\nChoix des modèles qui serviront à identifier les habitats potentiels des plumes de mer\n\nModèles choisis pour les données d’occurrences et les données de biomasse\nOutils utilisés pour construire les modèles et obtenir les cartes des habitats potentiels."
},
{
"objectID": "sea_pens_occurrence_data.html#sources-de-données",
"href": "sea_pens_occurrence_data.html#sources-de-données",
"title": "Données d’occurrences",
"section": "Sources de données",
"text": "Sources de données\nLes données d’occurrences des plumes de mer proviennent de deux sources:\n\nRelevé au chalut par navire de recherche de poisson de fond de la Division 4T de l’OPANO. Ces données ont été récoltées de 1970 à 2021.\n\n\n\n\nFigure 3.1: Localisation des points d’échantillonnage lors du relevé au chalut par navire de recherche de poisson de fond de la Division 4T de l’OPANO\n\n\n\nRelevé multidisciplinaire de poissons de fond et de crevette d’août dans l’estuaire et le nord du golfe du Saint-Laurent\n\n\n\n\nFigure 3.2: Localisation des points d’échantillonnage lors du relevé multidisciplinaire de poissons de fond et de crevette d’août dans l’estuaire et le nord du golfe du Saint-Laurent de 2004 à 2021 effectué à bord du NGCC Teleost\n\n\nD’autres relevés ont également été réalisés sur d’autres navires pour la partie nord du golfe du Saint-Laurent:\n\nNM Gadus Atlantica (1978-1994)\nNM Lady Hammond (1984-1990)\nNGCC Alfred Needler (1990-2005)\n\nPar contre, il est spécifié que la qualité des données s’est améliorée au fil du temps et que les données ne sont pas directement comparables entre les différents relevés."
},
{
"objectID": "sea_pens_occurrence_data.html#sec-abs",
"href": "sea_pens_occurrence_data.html#sec-abs",
"title": "Données d’occurrences",
"section": "Inférence des absences",
"text": "Inférence des absences\nLes jeux de données utilisés contiennent l’identification de toutes les espèces récoltées à chacun des traits de pêche. Il est donc possible d’inférer les absences d’une espèce pour chaque trait de pêche où celle-ci n’a pas été identifiée. Ces absences ne sont évidemment pas parfaites pour plusieurs raisons (p. ex. problèmes d’identification, non-détection alors que l’espèce est bien présente), mais elles amènent tout de même une information utile lors de la modélisation des aires de distribution d’espèces (Lobo, Jiménez-Valverde, and Hortal 2010). Nous avons donc inféré les absences pour les quatre espèces de plumes de mer se situant dans l’estuaire et le golfe du Saint-Laurent:\n\nAnthoptilum grandiflorum\nBalticina finmarchica\nPennatula aculeata\nPtilella grandis"
},
{
"objectID": "sea_pens_occurrence_data.html#cartes-des-données-doccurrences",
"href": "sea_pens_occurrence_data.html#cartes-des-données-doccurrences",
"title": "Données d’occurrences",
"section": "Cartes des données d’occurrences",
"text": "Cartes des données d’occurrences\n\nAnthoptilum grandiflorum\n\n\n\n\n\n\nFigure 3.3: Données de présences d’Anthoptilum grandiflorum dans l’estuaire maritime et le golfe du Saint-Laurent\n\n\n\n\n\n\n\n\n\nFigure 3.4: Données de présences-absences d’Anthoptilum grandiflorum dans l’estuaire maritime et le golfe du Saint-Laurent\n\n\n\n\n\n\n\nBalticina finmarchica\n\n\n\n\n\n\nFigure 3.5: Données de présences de Balticina finmarchica dans l’estuaire maritime et le golfe du Saint-Laurent\n\n\n\n\n\n\n\n\n\nFigure 3.6: Données de présences-absences de Balticina finmarchica dans l’estuaire maritime et le golfe du Saint-Laurent\n\n\n\n\n\n\n\nPennatula aculeata\n\n\n\n\n\n\nFigure 3.7: Données de présences de Pennatula aculeata dans l’estuaire maritime et le golfe du Saint-Laurent\n\n\n\n\n\n\n\n\n\nFigure 3.8: Données de présences-absences de Pennatula aculeata dans l’estuaire maritime et le golfe du Saint-Laurent\n\n\n\n\n\n\n\nPtilella grandis\n\n\n\n\n\n\nFigure 3.9: Données de présences de Ptilella grandis dans l’estuaire maritime et le golfe du Saint-Laurent\n\n\n\n\n\n\n\n\n\nFigure 3.10: Données de présences-absences de Ptilella grandis dans l’estuaire maritime et le golfe du Saint-Laurent\n\n\n\n\n\n\n\n\n\nLobo, Jorge M., Alberto Jiménez-Valverde, and Joaquín Hortal. 2010. “The Uncertain Nature of Absences and Their Importance in Species Distribution Modelling.” Ecography 33 (1): 103–14. https://doi.org/10.1111/j.1600-0587.2009.06039.x.\n\n\nWieczorek, John, David Bloom, Robert Guralnick, Stan Blum, Markus Döring, Renato Giovanni, Tim Robertson, and David Vieglais. 2012. “Darwin Core: An Evolving Community-Developed Biodiversity Data Standard.” PLOS ONE 7 (1): e29715. https://doi.org/10.1371/journal.pone.0029715."
},
{
"objectID": "environmental_variables.html#connaissances-sur-les-habitats-des-plumes-de-mer",
"href": "environmental_variables.html#connaissances-sur-les-habitats-des-plumes-de-mer",
"title": "Variables environnementales",
"section": "Connaissances sur les habitats des plumes de mer",
"text": "Connaissances sur les habitats des plumes de mer\nLes connaissances sur les habitats des plumes de mer dans l’estuaire maritime et le golfe du Saint-Laurent sont limitées à ce jour. Les travaux de Kenchington et al. (2016) ont permis de délimiter des zones d’importance pour les plumes de mer avec la méthode du noyau dans le golfe du Saint-Laurent. Ces zones, où la concentration de plumes de mer est particulièrement élevée, se situent le long du chenal Laurentien Figure 1.\n\n\n\nFigure 1: Zones de concentration significative de plumes de mer dans le golfe du Saint-Laurent identifiées par Kenchington et al. (2016)\n\n\nCes polygones ont été complémentés par des modèles de distribution des plumes de mer dans le golfe du Saint-Laurent réalisés par Murillo et al. (2016). Les modèles basés sur des arbres décisionnels ont permis d’identifier la salinité et la température des eaux de fond ainsi que la profondeur comme étant les variables environnementales les plus importantes pour la prédiction de la présence des plumes de mer (Murillo et al. 2016). La productivité primaire et la température des eaux de surface sont quant à elles les deux variables environnementales les plus importantes pour la prédiction de la biomasse des plumes de mer (Murillo et al. 2016).\nD’autres modèles de distribution des plumes de mer ont été réalisés pour complémenter les travaux de Kenchington et al. (2016). Ces modèles visent la région des Maritimes (Beazley, Kenchington, et al. 2016), les plates-formes de Terre-Neuve et du Labrador (Guijarro et al. 2016) et l’est de l’Arctique (Beazley, Murillo, et al. 2016). La profondeur est une variable importante pour la prédiction de la présence des plumes de mer dans ces trois régions (Beazley, Kenchington, et al. 2016; Beazley, Murillo, et al. 2016; Guijarro et al. 2016), alors que l’étendue des valeurs de la salinité des eaux de fond s’est également avérée importante pour le modèle dans l’est de l’Arctique (Guijarro et al. 2016).\nNous nous sommes également fiés sur d’autres études portant sur la distribution et les habitats des plumes de mer ailleurs dans le monde afin d’élaborer la liste de variables à prendre en considération pour les modèles. La Table 1 présente un résumé de ces études avec les taxons visés, l’aire d’étude et les variables les plus importantes pour la prédiction de la présence des plumes de mer.\n\n\nTable 1: Variables environnementales les plus importantes pour la prédiction de la présence des plumes de mer selon cinq études aillant modélisé leurs distributions\n\n\n\n\n\n\n\n\nÉtudes\nTaxons visés\nAires d’étude\nVariables\n\n\n\n\nGullage, Devillers, and Edinger (2017)\n- Distichophyllum gracile - Funiculina quadrangularis - Halipteris finmarchica - Pennatula grandis - Pennatula aculeata - Pennatula spp. - Umbellula lindahli - Anthoptilum grandiflorum\nPlates-formes de Terre-Neuve et du Labrador\n- Profondeur - Température des eaux de fond\n\n\nYesson et al. (2012)\n- Sessiliflorae - Subselliflorae\nGlobale\n- Température des eaux de fond - Productivité primaire des eaux de surface - Horizons de saturation en calcite - Salinité des eaux de fond\n\n\nGreathead et al. (2015)\n- Funiculina quadrangularis - Virgularia mirabilis - Pennatula phosphorea\nRoyaume-Uni\n- Sédiments - Salinité minimale des eaux de fond - Profondeur\n\n\nDownie et al. (2021)\n- Funiculina quadrangularis - Virgularia mirabilis - Pennatula phosphorea\nRoyaume-Uni\n- Température des eaux de fond - Vélocité du courant et des vagues - Concentration de particules en suspension en hiver\n\n\nRoss et al. (2021)\n- Funiculina quadrangularis - Halipteris spp. - Kophobelemnon stelliferum - Pennatulidae spp. - Umbellula spp. - Virgulariidae spp.\nNorvège\n- Profondeur - Interaction Température-Salinité - Sédiments - Pente - Vélocité maximale du courant - Biomasse de carbone du phytoplancton"
},
{
"objectID": "environmental_variables.html#listes-des-variables-environnementales-présentées",
"href": "environmental_variables.html#listes-des-variables-environnementales-présentées",
"title": "Variables environnementales",
"section": "Listes des variables environnementales présentées",
"text": "Listes des variables environnementales présentées\nEn raison de l’état des connaissances relativement limitée sur les habitats des plumes de mer dans l’estuaire maritime et le golfe du Saint-Laurent, il est préférable d’explorer un grand nombre de variables environnementales avant de commencer la modélisation afin d’éviter d’exclure une variable potentiellement importante dès le départ. Les prochaines sections présentent les 61 variables intégrées jusqu’à présent pour modéliser les habitats potentiels des plumes de mer.\nLes données présentées proviennent de Pêches et Océans Canada ainsi que de Bio-Oracle. Les données ont toutes été projetées sur une grille de 36 secondes d’arc de résolution, à l’exception des données de sédiments puisqu’elles sont sous forme de polygones.\nIl est important de noter que cette liste n’est pas exhaustive et que d’autres variables pourraient y être ajoutées éventuellement.\n\nFonds marins\n\nBathymétrie et pente\nOxygène dissous dans les eaux de fond\nSalinité des eaux de fond\nTempérature des eaux de fond\nVitesse du courant\nBiomasse de phytoplancton et concentration de chlorophylle a\nConcentration de molécules et éléments dissous dans les eaux de fond\nSédiments\nDonnées sur la pêche commerciale\n\n\n\nEaux de surface\n\nCouvert glacier\nBiomasse de phytoplancton, concentration de chlorophylle a et productivité primaire\nCalcite dissous dans les eaux de surface\n\n\n\n\n\nBeazley, L, E Kenchington, F. J. Murillo, C Lirette, J Guijarro, A McMillan, and A Knudby. 2016. “Species Distribution Modelling of Corals and Sponges in the Maritimes Region for Use in the Identification of Significant Benthic Areas.” Canadian Technical Report of Fisheries and Aquatic Sciences, no. 3172: vi + 189p.\n\n\nBeazley, L, F. J. Murillo, E Kenchington, J Guijarro, C Lirette, T Siferd, M Treble, E Baker, M Bouchard Marmen, and G Tompkins MacDonald. 2016. “Species Distribution Modelling of Corals and Sponges in the Eastern Arctic for Use in the Identification of Significant Benthic Areas.” Canadian Technical Report of Fisheries and Aquatic Sciences 3175: vii + 210p.\n\n\nDownie, Anna-Leena, Tamsyn Noble-James, Ana Chaverra, and Kerry L. Howell. 2021. “Predicting Sea Pen (Pennatulacea) Distribution on the UK Continental Shelf: Evidence of Range Modification by Benthic Trawling.” Marine Ecology Progress Series 670 (July): 75–91. https://doi.org/10.3354/meps13744.\n\n\nGreathead, C., J. M. González-Irusta, J. Clarke, P. Boulcott, L. Blackadder, A. Weetman, and P. J. Wright. 2015. “Environmental Requirements for Three Sea Pen Species: Relevance to Distribution and Conservation.” ICES Journal of Marine Science 72 (2): 576–86. https://doi.org/10.1093/icesjms/fsu129.\n\n\nGuijarro, J, L Beazley, C Lirette, E Kenchington, V Wareham, K Gilkinson, M Koen-Alonso, and F. J. Murillo. 2016. “Species Distribution Modelling of Corals and Sponges from Research Vessel Survey Data in the Newfoundland and Labrador Region for Use in the Identification of Significant Benthic Areas.” Canadian Technical Report of Fisheries and Aquatic Sciences 3171: vi + 126p.\n\n\nGullage, Lauren, Rodolphe Devillers, and Evan Edinger. 2017. “Predictive Distribution Modelling of Cold-Water Corals in the Newfoundland and Labrador Region.” Marine Ecology Progress Series 582 (November): 57–77. https://doi.org/10.3354/meps12307.\n\n\nKenchington, E, L Beazley, C Lirette, F J Murillo, J Guijarro, V Wareham, K Gilkinson, et al. 2016. “Delineation of Coral and Sponge Significant Benthic Areas in Eastern Canada Using Kernel Density Analyses and Species Distribution Models.” DFO Canadian Science Advisory Secretariat Research Document 2016/093: vi + 178p.\n\n\nMurillo, F J, E Kenchington, L Beazley, C Lirette, A Knudby, J Guijarro, H Benoît, H Bourdages, and B Sainte-Marie. 2016. “Distribution Modelling of Sea Pens, Sponges, Stalked Tunicates and Soft Corals from Research Vessel Survey Data in the Gulf of St. Lawrence for Use in the Identification of Significant Benthic Areas.” Canadian Technical Report of Fisheries and Aquatic Sciences, no. 3170: vi + 132.\n\n\nRoss, Rebecca E., Genoveva Gonzalez-Mirelis, Pablo Lozano, and Pål Buhl-Mortensen. 2021. “Discerning the Management-Relevant Ecology and Distribution of Sea Pens (Cnidaria: Pennatulacea) in Norway and Beyond.” Frontiers in Marine Science 8.\n\n\nYesson, Chris, Michelle L. Taylor, Derek P. Tittensor, Andrew J. Davies, John Guinotte, Amy Baco, Julie Black, Jason M. Hall-Spencer, and Alex D. Rogers. 2012. “Global Habitat Suitability of Cold-Water Octocorals.” Journal of Biogeography 39 (7): 1278–92. https://doi.org/10.1111/j.1365-2699.2011.02681.x."
},
{
"objectID": "fond_marin.html#sec-bathy",
"href": "fond_marin.html#sec-bathy",
"title": "Variables environnementales des fonds marins",
"section": "Bathymétrie",
"text": "Bathymétrie\nSource: GEBCO Compilation Group (2022) GEBCO_2022 Grid (doi:10.5285/e0f0bb80-ab44-2739-e053-6c86abc0289c)\nRésolution spatiale originale: 15 secondes d’arc\nÉtendue temporelle: 2022\n\n\n\nFigure 4.1: Profondeur des fonds marins (m)\n\n\nLes données de pente ont été calculées avec les données de bathymétrie et la fonction terrain du paquet R terra (Hijmans 2023).\n\n\n\nFigure 4.2: Pente des fonds marins (degrés)"
},
{
"objectID": "fond_marin.html#sec-oxy",
"href": "fond_marin.html#sec-oxy",
"title": "Variables environnementales des fonds marins",
"section": "Oxygène dissous dans les eaux de fond",
"text": "Oxygène dissous dans les eaux de fond\nDeux sources de données sont disponibles pour l’oxygène dissous dans les eaux de fond:\n\nPêches et Océans Canada\nBio-Oracle\n\n\nPêches et Océans Canada\nSource: Blais, M. et al. Chemical and Biological Oceanographic Conditions in the Estuary and Gulf of St. Lawrence during 2017. DFO Can. Sci. Advis. Sec. Res. Doc. 2019/009. Iv + 56 p. iv + 56 p. (2019).\nRésolution spatiale originale: 1km²\nÉtendue temporelle: 2017\n\n\n\nFigure 4.3: Saturation d’oxygène moyenne des eaux de fond\n\n\n\n\nBio-Oracle\nSource: Assis J, Tyberghein L, Bosch S, Heroen V, Serrão E, De Clerck O, Tittensor D (2018). “Bio‐ORACLE v2.0: Extending marine data layers for bioclimatic modelling.” Global Ecology and Biogeography, 27(3), 277-284. doi:10.1111/geb.12693\nRésolution spatiale originale: 5 minutes d’arc\nÉtendue temporelle: 2000 à 2014\n\n\n\nFigure 4.4: Minimum d’oxygène dissous dans les eaux de fond (mol.m-3)\n\n\n\n\n\nFigure 4.5: Moyenne d’oxygène dissous dans les eaux de fond (mol.m-3)\n\n\n\n\n\nFigure 4.6: Maximum d’oxygène dissous dans les eaux de fond (mol.m-3)\n\n\n\n\n\nFigure 4.7: Étendue des valeurs d’oxygène dissous dans les eaux de fond (mol.m-3)"
},
{
"objectID": "fond_marin.html#sec-sal",
"href": "fond_marin.html#sec-sal",
"title": "Variables environnementales des fonds marins",
"section": "Salinité des eaux de fond",
"text": "Salinité des eaux de fond\nDeux sources de données sont disponibles pour la salinité des eaux de fond:\n\nPêches et Océans Canada\nBio-Oracle\n\n\nPêches et Océans Canada\nSource: Pêches et Océans Canada (2022). Température et salinité au fond dans l’estuaire et le golfe du St-Laurent. Pêches et Océans Canada. https://ouvert.canada.ca/data/fr/dataset/10987662-c496-4ba8-a6b9-21cb5a134da2.\nRésolution spatiale originale: 1km²\nÉtendue temporelle: 2011 à 2020\n\n\n\nFigure 4.8: Salinité moyenne des eaux de fond\n\n\n\n\nBio-Oracle\nSource: Assis J, Tyberghein L, Bosch S, Heroen V, Serrão E, De Clerck O, Tittensor D (2018). “Bio‐ORACLE v2.0: Extending marine data layers for bioclimatic modelling.” Global Ecology and Biogeography, 27(3), 277-284. doi:10.1111/geb.12693\nRésolution spatiale originale: 5 minutes d’arc\nÉtendue temporelle: 2000-2014\n\n\n\nFigure 4.9: Salinité minimale des eaux de fond (PSS)\n\n\n\n\n\nFigure 4.10: Salinité moyenne des eaux de fond (PSS)\n\n\n\n\n\nFigure 4.11: Salinité maximale des eaux de fond (PSS)\n\n\n\n\n\nFigure 4.12: Étendue des valeurs de salinité des eaux de fond (PSS)"
},
{
"objectID": "fond_marin.html#sec-temp",
"href": "fond_marin.html#sec-temp",
"title": "Variables environnementales des fonds marins",
"section": "Température des eaux de fond",
"text": "Température des eaux de fond\nDeux sources de données sont disponibles pour la température des eaux de fond:\n\nPêches et Océans Canada\nBio-Oracle\n\n\nPêches et Océans Canada\nSource: Pêches et Océans Canada (2022). Température et salinité au fond dans l’estuaire et le golfe du St-Laurent. Pêches et Océans Canada. https://ouvert.canada.ca/data/fr/dataset/10987662-c496-4ba8-a6b9-21cb5a134da2.\nRésolution spatiale originale: 1km²\nÉtendue temporelle: 2011 à 2020\n\n\n\nFigure 4.13: Température moyenne des eaux de fond\n\n\n\n\nBio-Oracle\nSource: Assis J, Tyberghein L, Bosch S, Heroen V, Serrão E, De Clerck O, Tittensor D (2018). “Bio‐ORACLE v2.0: Extending marine data layers for bioclimatic modelling.” Global Ecology and Biogeography, 27(3), 277-284. doi:10.1111/geb.12693\nRésolution spatiale originale: 5 minutes d’arc\nÉtendue temporelle: 2000-2014\n\n\n\nFigure 4.14: Température minimale des eaux de fond (°C)\n\n\n\n\n\nFigure 4.15: Température moyenne des eaux de fond (°C)\n\n\n\n\n\nFigure 4.16: Température maximale des eaux de fond (°C)\n\n\n\n\n\nFigure 4.17: Étendue des valeurs de température des eaux de fond (°C)"
},
{
"objectID": "fond_marin.html#sec-curvel",
"href": "fond_marin.html#sec-curvel",
"title": "Variables environnementales des fonds marins",
"section": "Vélocité du courant",
"text": "Vélocité du courant\nSource: Assis J, Tyberghein L, Bosch S, Heroen V, Serrão E, De Clerck O, Tittensor D (2018). “Bio‐ORACLE v2.0: Extending marine data layers for bioclimatic modelling.” Global Ecology and Biogeography, 27(3), 277-284. doi:10.1111/geb.12693\nRésolution spatiale originale: 5 minutes d’arc\nÉtendue temporelle: 2000-2014\n\n\n\nFigure 4.18: Vélocité minimale du courant des eaux de fond (m/s)\n\n\n\n\n\nFigure 4.19: Vélocité moyenne du courant des eaux de fond (m/s)\n\n\n\n\n\nFigure 4.20: Vélocité maximale du courant des eaux de fond (m/s)\n\n\n\n\n\nFigure 4.21: Étendue des valeurs de vélocité du courant des eaux de fond (m/s)"
},
{
"objectID": "fond_marin.html#biomasse-de-phytoplancton",
"href": "fond_marin.html#biomasse-de-phytoplancton",
"title": "Variables environnementales des fonds marins",
"section": "Biomasse de phytoplancton",
"text": "Biomasse de phytoplancton\nSource: Assis J, Tyberghein L, Bosch S, Heroen V, Serrão E, De Clerck O, Tittensor D (2018). “Bio‐ORACLE v2.0: Extending marine data layers for bioclimatic modelling.” Global Ecology and Biogeography, 27(3), 277-284. doi:10.1111/geb.12693\nRésolution spatiale originale: 5 minutes d’arc\nÉtendue temporelle: 2000-2014\n\n\n\nFigure 4.22: Biomasse de phytoplancton minimale dans les eaux de fond (μmol/m³)\n\n\n\n\n\nFigure 4.23: Biomasse de phytoplancton moyenne dans les eaux de fond (μmol/m³)\n\n\n\n\n\nFigure 4.24: Biomasse de phytoplancton maximale dans les eaux de fond (μmol/m³)\n\n\n\n\n\nFigure 4.25: Étendue des valeurs de biomasse de phytoplancton dans les eaux de fond (μmol/m³)"
},
{
"objectID": "fond_marin.html#concentration-de-chlorophylle-a",
"href": "fond_marin.html#concentration-de-chlorophylle-a",
"title": "Variables environnementales des fonds marins",
"section": "Concentration de chlorophylle a",
"text": "Concentration de chlorophylle a\nSource: Assis J, Tyberghein L, Bosch S, Heroen V, Serrão E, De Clerck O, Tittensor D (2018). “Bio‐ORACLE v2.0: Extending marine data layers for bioclimatic modelling.” Global Ecology and Biogeography, 27(3), 277-284. doi:10.1111/geb.12693\nRésolution spatiale originale: 5 minutes d’arc\nÉtendue temporelle: 2000-2014\n\n\n\nFigure 4.26: Concentration minimale de chlorophylle a des eaux de fond (mg/m³)\n\n\n\n\n\nFigure 4.27: Concentration moyenne de chlorophylle a des eaux de fond (mg/m³)\n\n\n\n\n\nFigure 4.28: Concentration maximale de chlorophylle a des eaux de fond (mg/m³)\n\n\n\n\n\nFigure 4.29: Étendue des valeurs de concentration de chlorophylle a des eaux de fond (mg/m³)"
},
{
"objectID": "fond_marin.html#fer",
"href": "fond_marin.html#fer",
"title": "Variables environnementales des fonds marins",
"section": "Fer",
"text": "Fer\nSource: Assis J, Tyberghein L, Bosch S, Heroen V, Serrão E, De Clerck O, Tittensor D (2018). “Bio‐ORACLE v2.0: Extending marine data layers for bioclimatic modelling.” Global Ecology and Biogeography, 27(3), 277-284. doi:10.1111/geb.12693\nRésolution spatiale originale: 5 minutes d’arc\nÉtendue temporelle: 2000-2014\n\n\n\nFigure 4.30: Concentration minimale de fer dissous des eaux de fond (μmol/m³)\n\n\n\n\n\nFigure 4.31: Concentration moyenne de fer dissous des eaux de fond (μmol/m³)\n\n\n\n\n\nFigure 4.32: Concentration maximale de fer dissous des eaux de fond (μmol/m³)\n\n\n\n\n\nFigure 4.33: Étendue des valeurs de concentration de fer dissous des eaux de fond (μmol/m³)"
},
{
"objectID": "fond_marin.html#nitrate",
"href": "fond_marin.html#nitrate",
"title": "Variables environnementales des fonds marins",
"section": "Nitrate",
"text": "Nitrate\nSource: Assis J, Tyberghein L, Bosch S, Heroen V, Serrão E, De Clerck O, Tittensor D (2018). “Bio‐ORACLE v2.0: Extending marine data layers for bioclimatic modelling.” Global Ecology and Biogeography, 27(3), 277-284. doi:10.1111/geb.12693\nRésolution spatiale originale: 5 minutes d’arc\nÉtendue temporelle: 2000-2014\n\n\n\nFigure 4.34: Concentration minimale de nitrate dissous des eaux de fond (μmol/m³)\n\n\n\n\n\nFigure 4.35: Concentration moyenne de nitrate dissous des eaux de fond (μmol/m³)\n\n\n\n\n\nFigure 4.36: Concentration maximale de nitrate dissous des eaux de fond (μmol/m³)\n\n\n\n\n\nFigure 4.37: Étendue des valeurs de concentration de nitrate dissous des eaux de fond (μmol/m³)"
},
{
"objectID": "fond_marin.html#phosphate",
"href": "fond_marin.html#phosphate",
"title": "Variables environnementales des fonds marins",
"section": "Phosphate",
"text": "Phosphate\nSource: Assis J, Tyberghein L, Bosch S, Heroen V, Serrão E, De Clerck O, Tittensor D (2018). “Bio‐ORACLE v2.0: Extending marine data layers for bioclimatic modelling.” Global Ecology and Biogeography, 27(3), 277-284. doi:10.1111/geb.12693\nRésolution spatiale originale: 5 minutes d’arc\nÉtendue temporelle: 2000-2014\n\n\n\nFigure 4.38: Concentration minimale de phosphate dissous des eaux de fond (μmol/m³)\n\n\n\n\n\nFigure 4.39: Concentration moyenne de phosphate dissous des eaux de fond (μmol/m³)\n\n\n\n\n\nFigure 4.40: Concentration maximale de phosphate dissous des eaux de fond (μmol/m³)\n\n\n\n\n\nFigure 4.41: Étendue des valeurs de concentration de phosphate dissous des eaux de fond (μmol/m³)"
},
{
"objectID": "fond_marin.html#silicate",
"href": "fond_marin.html#silicate",
"title": "Variables environnementales des fonds marins",
"section": "Silicate",
"text": "Silicate\nSource: Assis J, Tyberghein L, Bosch S, Heroen V, Serrão E, De Clerck O, Tittensor D (2018). “Bio‐ORACLE v2.0: Extending marine data layers for bioclimatic modelling.” Global Ecology and Biogeography, 27(3), 277-284. doi:10.1111/geb.12693\nRésolution spatiale originale: 5 minutes d’arc\nÉtendue temporelle: 2000-2014\n\n\n\nFigure 4.42: Concentration minimale de silicate dissous des eaux de fond (μmol/m³)\n\n\n\n\n\nFigure 4.43: Concentration moyenne de silicate dissous des eaux de fond (μmol/m³)\n\n\n\n\n\nFigure 4.44: Concentration maximale de silicate dissous des eaux de fond (μmol/m³)\n\n\n\n\n\nFigure 4.45: Étendue des valeurs de concentration de silicate dissous des eaux de fond (μmol/m³)"
},
{
"objectID": "fond_marin.html#aragonite",
"href": "fond_marin.html#aragonite",
"title": "Variables environnementales des fonds marins",
"section": "Aragonite",
"text": "Aragonite\nSource: Starr, M. & Chassé, J. (2019). Distribution of omega aragonite in the Estuary and Gulf of St. Lawrence in eastern Canada. Department of Fisheries and Oceans.\nRésolution spatiale originale: 1km²\nÉtendue temporelle: 2017\n\n\n\nFigure 4.46: Horizon de saturation par l’aragonite des eaux de fond (Ω)"
},
{
"objectID": "fond_marin.html#sec-sed",
"href": "fond_marin.html#sec-sed",
"title": "Variables environnementales des fonds marins",
"section": "Les sédiments de fond",
"text": "Les sédiments de fond\nSource: Loring, D. H., and D. J. G. Nota. (1973). Morphology and sediments of the Gulf of St. Lawrence. Bull. Fish. Res. Bd. Can. 182. 147 p. + 7 charts.\nRésolution spatiale originale: Ne s’applique pas\nÉtendue temporelle: 1961-1969\n\n\n\nFigure 4.47: Catégories générales des sédiments de surface"
},
{
"objectID": "fond_marin.html#données-sur-la-pêche-commerciale",
"href": "fond_marin.html#données-sur-la-pêche-commerciale",
"title": "Variables environnementales des fonds marins",
"section": "Données sur la pêche commerciale",
"text": "Données sur la pêche commerciale\nComme le chalutage peut avoir un impact important sur l’établissement des plumes de mer, il pourrait être pertinent d’inclure l’information sur la densité de pêche commerciale au chalut dans les modèles. Bien que cette méthode de pêche ne constitue pas une variable environnementale qui peut définir un habitat potentiel pour les plumes de mer, elle reste tout de même une variable pouvant expliquer une partie de la variance dans les occurrences des plumes de mer. Considérer la densité de pêche commerciale au chalut dans les modèles pourrait donc améliorer la qualité des prédictions de ceux-ci.\nNous n’avons pas intégré les données de densité de peĉhe commerciale au chalut pour l’instant, mais il sera intéressant d’explorer l’effet de cette variable sur les cartes de distribution des plumes de mer obtenues à partir des modèles.\n\n\n\n\nHijmans, Robert J. 2023. “Terra: Spatial Data Analysis.”"
},
{
"objectID": "surface.html#sec-ice",
"href": "surface.html#sec-ice",
"title": "Variables environnementales des eaux de surface",
"section": "Fraction de la couverture de la glace marine",
"text": "Fraction de la couverture de la glace marine\nSource: Assis J, Tyberghein L, Bosch S, Heroen V, Serrão E, De Clerck O, Tittensor D (2018). “Bio‐ORACLE v2.0: Extending marine data layers for bioclimatic modelling.” Global Ecology and Biogeography, 27(3), 277-284. doi:10.1111/geb.12693\nRésolution spatiale originale: 5 minutes d’arc\nÉtendue temporelle: 2000-2014\n\n\n\nFigure 5.1: Fraction maximale de la couverture de la glace marine"
},
{
"objectID": "surface.html#biomasse-de-phytoplancton",
"href": "surface.html#biomasse-de-phytoplancton",
"title": "Variables environnementales des eaux de surface",
"section": "Biomasse de phytoplancton",
"text": "Biomasse de phytoplancton\nSource: Assis J, Tyberghein L, Bosch S, Heroen V, Serrão E, De Clerck O, Tittensor D (2018). “Bio‐ORACLE v2.0: Extending marine data layers for bioclimatic modelling.” Global Ecology and Biogeography, 27(3), 277-284. doi:10.1111/geb.12693\nRésolution spatiale originale: 5 minutes d’arc\nÉtendue temporelle: 2000-2014\n\n\n\nFigure 5.2: Biomasse de phytoplancton minimale dans les eaux de surface (μmol/m³)\n\n\n\n\n\nFigure 5.3: Biomasse de phytoplancton moyenne dans les eaux de surface (μmol/m³)\n\n\n\n\n\nFigure 5.4: Biomasse de phytoplancton maximale dans les eaux de surface (μmol/m³)\n\n\n\n\n\nFigure 5.5: Étendue des valeurs de biomasse de phytoplancton dans les eaux de surface (μmol/m³)"
},
{
"objectID": "surface.html#concentration-de-chlorophylle-a",
"href": "surface.html#concentration-de-chlorophylle-a",
"title": "Variables environnementales des eaux de surface",
"section": "Concentration de chlorophylle a",
"text": "Concentration de chlorophylle a\nSource: Assis J, Tyberghein L, Bosch S, Heroen V, Serrão E, De Clerck O, Tittensor D (2018). “Bio‐ORACLE v2.0: Extending marine data layers for bioclimatic modelling.” Global Ecology and Biogeography, 27(3), 277-284. doi:10.1111/geb.12693\nRésolution spatiale originale: 5 minutes d’arc\nÉtendue temporelle: 2000-2014\n\n\n\nFigure 5.6: Concentration minimale de chlorophylle a des eaux de surface (mg/m³)\n\n\n\n\n\nFigure 5.7: Concentration moyenne de chlorophylle a des eaux de surface (mg/m³)\n\n\n\n\n\nFigure 5.8: Concentration maximale de chlorophylle a des eaux de surface (mg/m³)\n\n\n\n\n\nFigure 5.9: Étendue des valeurs de concentration de chlorophylle a des eaux de surface (mg/m³)"
},
{
"objectID": "surface.html#productivité-primaire",
"href": "surface.html#productivité-primaire",
"title": "Variables environnementales des eaux de surface",
"section": "Productivité primaire",
"text": "Productivité primaire\nSource: Assis J, Tyberghein L, Bosch S, Heroen V, Serrão E, De Clerck O, Tittensor D (2018). “Bio‐ORACLE v2.0: Extending marine data layers for bioclimatic modelling.” Global Ecology and Biogeography, 27(3), 277-284. doi:10.1111/geb.12693\nRésolution spatiale originale: 5 minutes d’arc\nÉtendue temporelle: 2000-2014\n\n\n\nFigure 5.10: Productivité primaire minimale dans les eaux de surface (g/m³/day)\n\n\n\n\n\nFigure 5.11: Productivité primaire moyenne dans les eaux de surface (g/m³/day)\n\n\n\n\n\nFigure 5.12: Productivité primaire maximale dans les eaux de surface (g/m³/day)\n\n\n\n\n\nFigure 5.13: Étendue des valeurs de productivité primaire dans les eaux de surface (g/m³/day)"
},
{
"objectID": "surface.html#sec-calcite",
"href": "surface.html#sec-calcite",
"title": "Variables environnementales des eaux de surface",
"section": "Concentration de calcite dissoute",
"text": "Concentration de calcite dissoute\nSource: Assis J, Tyberghein L, Bosch S, Heroen V, Serrão E, De Clerck O, Tittensor D (2018). “Bio‐ORACLE v2.0: Extending marine data layers for bioclimatic modelling.” Global Ecology and Biogeography, 27(3), 277-284. doi:10.1111/geb.12693\nRésolution spatiale originale: 5 minutes d’arc\nÉtendue temporelle: 2000-2014\n\n\n\nFigure 5.14: Concentration moyenne de calcite dissoute dans les eaux de surface (mol/m³)"
},
{
"objectID": "species_distribution_modelling.html",
"href": "species_distribution_modelling.html",
"title": "Modèles de distribution d’espèces",
"section": "",
"text": "Les modèles de distribution d’espèces et les modèles de niches écologiques sont des modèles qui visent à déterminer la distribution actuelle ou l’habitat potentiel d’une espèce (Melo-Merino, Reyes-Bonilla, and Lira-Noriega 2020). Ces modèles de distribution peuvent entre autres servir à prédire les impacts des perturbations anthropiques et des changements climatiques sur la distribution d’une espèce à des fins de conservation (Melo-Merino, Reyes-Bonilla, and Lira-Noriega 2020).\nLe modèle le plus commun est le modèle corrélatif, qui consiste à expliquer la distribution d’une espèce en se basant sur les corrélations entre ses occurrences et un ensemble de variables environnementales (Franklin 2010). D’autres modèles sont mécanistiques et sont donc orientés sur les processus tels que la capacité de dispersion et les interactions biotiques, alors que d’autres ne sont que des interpolations spatiales (Bahn and McGill 2007; Peterson and Soberón 2012; Peterson, Papeş, and Soberón 2015; Melo-Merino, Reyes-Bonilla, and Lira-Noriega 2020).\nBien que les modèles de distribution d’espèces et les modèles de niches écologiques ont d’abord été introduits avec les espèces terrestres, de plus en plus de ces modèles sont appliqués aux systèmes marins (Melo-Merino, Reyes-Bonilla, and Lira-Noriega 2020).\nLa prochaine section porte sur les choix de modèles corrélatifs de distribution d’espèces qui ont été faits jusqu’à présent afin d’identifier les habitats potentiels des quatre espèces de plumes de mer présentées dans la section des données d’occurrences.\n\n\n\n\nBahn, Volker, and Brian J. McGill. 2007. “Can Niche-Based Distribution Models Outperform Spatial Interpolation?” Global Ecology and Biogeography 16 (6): 733–42. https://doi.org/10.1111/j.1466-8238.2007.00331.x.\n\n\nFranklin, Janet. 2010. Mapping Species Distributions: Spatial Inference and Prediction. Cambridge University Press.\n\n\nMelo-Merino, Sara M., Héctor Reyes-Bonilla, and Andrés Lira-Noriega. 2020. “Ecological Niche Models and Species Distribution Models in Marine Environments: A Literature Review and Spatial Analysis of Evidence.” Ecological Modelling 415 (January): 108837. https://doi.org/10.1016/j.ecolmodel.2019.108837.\n\n\nPeterson, A. Townsend, Monica Papeş, and Jorge Soberón. 2015. “Mechanistic and Correlative Models of Ecological Niches,” December. https://doi.org/10.1515/eje-2015-0014.\n\n\nPeterson, A. Townsend, and Jorge Soberón. 2012. “Species Distribution Modeling and Ecological Niche Modeling: Getting the Concepts Right.” Natureza & Conservação 10 (2): 102–7. https://doi.org/10.4322/natcon.2012.019."
},
{
"objectID": "models.html#probabilités-de-présence",
"href": "models.html#probabilités-de-présence",
"title": "Sélection de modèles",
"section": "Probabilités de présence",
"text": "Probabilités de présence\nLes données d’occurrences seront d’abord rapportées sur une grille de 36 secondes d’arc de résolution afin d’avoir des succès (présences) et des essais (présences et absences combinées) aux centroïdes de chaque cellule. Les paramètres des modèles de distribution des plumes de mer seront estimés avec une régression binomiale dans un cadre bayésien en utilisant l’approximation de Laplace imbriquée et intégrée (INLA) (Rue, Martino, and Chopin 2009). INLA est une procédure d’estimation des paramètres et des hyperparamètres d’un modèle bayésien extrêmement efficace. Elle permet notamment de construire des modèles spatiaux avec un très grand nombre d’échantillons très rapidement en contournant certaines procédures qui sont normalement très coûteuses en temps et en mémoire (Lindgren, Rue, and Lindström 2011).\nUn type de modèle spatial est un modèle de distribution d’espèce qui considère explicitement l’autocorrélation spatiale. L’autocorrélation spatiale, dans la distribution d’une espèce, est une similitude plus marquée entre une paire d’observations plus rapprochées comparativement à une paire d’observations plus éloignées (Guélat and Kéry 2018). Cette autocorrélation peut avoir un effet important sur la qualité et l’incertitude des modèles spatiaux (Guélat and Kéry 2018). Modéliser explicitement cette autocorrélation peut grandement améliorer la qualité du modèle (Guélat and Kéry 2018). Comme la modélisation explicite de l’autocorrélation spatiale est particulièrement coûteuse en temps, l’utilisation d’INLA devient alors toute indiquée (Lindgren, Rue, and Lindström 2011).\nLes cartes de probabilités de présence obtenues à partir des modèles seront binarisées en présences et absences à l’aide d’une valeur seuil de probabilité de présence. Cette valeur seuil représente la probabilité de présence où la sensibilité (taux de vrais positifs) et la spécificité (taux de vrais négatifs) du modèle sont maximisées et sera calculée à l’aide du paquet R dismo (Hijmans et al. 2022)."
},
{
"objectID": "models.html#biomasse",
"href": "models.html#biomasse",
"title": "Sélection de modèles",
"section": "Biomasse",
"text": "Biomasse\nDes modèles pour prédire la biomasse seront également construits avec les données de biomasse afin d’avoir un comparatif avec les modèles de probabilités de présence. En inférant les zéros de la même manière que les absences (voir Section 3.2), il y a aura un excès de zéro dans la distribution des données. Dans ce cas, une approche à deux probabilités sera utilisée en décomposant la distribution des données en deux parties (Rustand et al. 2023):\n\nIssue binaire (présences-absences, régression binomiale)\nDistribution de masses positives continues (loi Gamma ou loi log-normale).\n\nLes méthodes pour construire et valider les performances des modèles et pour obtenir des cartes binaires seront les mêmes que celles utilisées pour les modèles de probabilités de présence.\n\n\n\n\nGuélat, Jérôme, and Marc Kéry. 2018. “Effects of Spatial Autocorrelation and Imperfect Detection on Species Distribution Models.” Methods in Ecology and Evolution 9 (6): 1614–25. https://doi.org/10.1111/2041-210X.12983.\n\n\nHijmans, Robert J., Steven Phillips, John Leathwick, and Jane Elith. 2022. “Dismo: Species Distribution Modeling.”\n\n\nLindgren, Finn, Håvard Rue, and Johan Lindström. 2011. “An Explicit Link Between Gaussian Fields and Gaussian Markov Random Fields: The Stochastic Partial Differential Equation Approach.” Journal of the Royal Statistical Society: Series B (Statistical Methodology) 73 (4): 423–98. https://doi.org/10.1111/j.1467-9868.2011.00777.x.\n\n\nRue, Håvard, Sara Martino, and Nicolas Chopin. 2009. “Approximate Bayesian Inference for Latent Gaussian Models by Using Integrated Nested Laplace Approximations.” Journal of the Royal Statistical Society: Series B (Statistical Methodology) 71 (2): 319–92. https://doi.org/10.1111/j.1467-9868.2008.00700.x.\n\n\nRustand, Denis, Janet van Niekerk, Håvard Rue, Christophe Tournigand, Virginie Rondeau, and Laurent Briollais. 2023. “Bayesian Estimation of Two-Part Joint Models for a Longitudinal Semicontinuous Biomarker and a Terminal Event with INLA: Interests for Cancer Clinical Trial Evaluation.” Biometrical Journal n/a (n/a): 2100322. https://doi.org/10.1002/bimj.202100322."
},
{
"objectID": "references.html",
"href": "references.html",
"title": "References",
"section": "",
"text": "Bahn, Volker, and Brian J. McGill. 2007. “Can Niche-Based\nDistribution Models Outperform Spatial Interpolation?” Global\nEcology and Biogeography 16 (6): 733–42. https://doi.org/10.1111/j.1466-8238.2007.00331.x.\n\n\nBeazley, L, E Kenchington, F. J. Murillo, C Lirette, J Guijarro, A\nMcMillan, and A Knudby. 2016. “Species Distribution\nModelling of Corals and Sponges in the\nMaritimes Region for Use in the\nIdentification of Significant Benthic\nAreas.” Canadian Technical Report of Fisheries and\nAquatic Sciences, no. 3172: vi + 189p.\n\n\nBeazley, L, F. J. Murillo, E Kenchington, J Guijarro, C Lirette, T\nSiferd, M Treble, E Baker, M Bouchard Marmen, and G Tompkins MacDonald.\n2016. “Species Distribution Modelling of\nCorals and Sponges in the Eastern\nArctic for Use in the Identification of\nSignificant Benthic Areas.” Canadian Technical\nReport of Fisheries and Aquatic Sciences 3175: vii + 210p.\n\n\nDownie, Anna-Leena, Tamsyn Noble-James, Ana Chaverra, and Kerry L.\nHowell. 2021. “Predicting Sea Pen (Pennatulacea)\nDistribution on the UK Continental Shelf: Evidence of Range\nModification by Benthic Trawling.” Marine Ecology Progress\nSeries 670 (July): 75–91. https://doi.org/10.3354/meps13744.\n\n\nFranklin, Janet. 2010. Mapping Species Distributions:\nSpatial Inference and Prediction.\nCambridge University Press.\n\n\nGreathead, C., J. M. González-Irusta, J. Clarke, P. Boulcott, L.\nBlackadder, A. Weetman, and P. J. Wright. 2015. “Environmental\nRequirements for Three Sea Pen Species: Relevance to Distribution and\nConservation.” ICES Journal of Marine Science 72 (2):\n576–86. https://doi.org/10.1093/icesjms/fsu129.\n\n\nGuélat, Jérôme, and Marc Kéry. 2018. “Effects of Spatial\nAutocorrelation and Imperfect Detection on Species Distribution\nModels.” Methods in Ecology and Evolution 9 (6):\n1614–25. https://doi.org/10.1111/2041-210X.12983.\n\n\nGuijarro, J, L Beazley, C Lirette, E Kenchington, V Wareham, K\nGilkinson, M Koen-Alonso, and F. J. Murillo. 2016. “Species\nDistribution Modelling of Corals and\nSponges from Research Vessel Survey Data in\nthe Newfoundland and Labrador Region for\nUse in the Identification of Significant\nBenthic Areas.” Canadian Technical Report of Fisheries\nand Aquatic Sciences 3171: vi + 126p.\n\n\nGullage, Lauren, Rodolphe Devillers, and Evan Edinger. 2017.\n“Predictive Distribution Modelling of Cold-Water Corals in the\nNewfoundland and Labrador Region.”\nMarine Ecology Progress Series 582 (November): 57–77. https://doi.org/10.3354/meps12307.\n\n\nHijmans, Robert J. 2023. “Terra: Spatial Data\nAnalysis.”\n\n\nHijmans, Robert J., Steven Phillips, John Leathwick, and Jane Elith.\n2022. “Dismo: Species Distribution Modeling.”\n\n\nKenchington, E, L Beazley, C Lirette, F J Murillo, J Guijarro, V\nWareham, K Gilkinson, et al. 2016. “Delineation of\nCoral and Sponge Significant Benthic Areas in\nEastern Canada Using Kernel Density Analyses and\nSpecies Distribution Models.” DFO Canadian\nScience Advisory Secretariat Research Document 2016/093: vi + 178p.\n\n\nLindgren, Finn, Håvard Rue, and Johan Lindström. 2011. “An\nExplicit Link Between Gaussian Fields and Gaussian\nMarkov Random Fields: The Stochastic Partial Differential\nEquation Approach.” Journal of the Royal Statistical Society:\nSeries B (Statistical Methodology) 73 (4): 423–98. https://doi.org/10.1111/j.1467-9868.2011.00777.x.\n\n\nLobo, Jorge M., Alberto Jiménez-Valverde, and Joaquín Hortal. 2010.\n“The Uncertain Nature of Absences and Their Importance in Species\nDistribution Modelling.” Ecography 33 (1): 103–14. https://doi.org/10.1111/j.1600-0587.2009.06039.x.\n\n\nMelo-Merino, Sara M., Héctor Reyes-Bonilla, and Andrés Lira-Noriega.\n2020. “Ecological Niche Models and Species Distribution Models in\nMarine Environments: A Literature Review and Spatial\nAnalysis of Evidence.” Ecological Modelling 415\n(January): 108837. https://doi.org/10.1016/j.ecolmodel.2019.108837.\n\n\nMurillo, F J, E Kenchington, L Beazley, C Lirette, A Knudby, J Guijarro,\nH Benoît, H Bourdages, and B Sainte-Marie. 2016. “Distribution\nModelling of Sea Pens, Sponges,\nStalked Tunicates and Soft Corals from\nResearch Vessel Survey Data in the Gulf of\nSt. Lawrence for Use in the\nIdentification of Significant Benthic\nAreas.” Canadian Technical Report of Fisheries and\nAquatic Sciences, no. 3170: vi + 132.\n\n\nPeterson, A. Townsend, Monica Papeş, and Jorge Soberón. 2015.\n“Mechanistic and Correlative Models of\nEcological Niches,” December. https://doi.org/10.1515/eje-2015-0014.\n\n\nPeterson, A. Townsend, and Jorge Soberón. 2012. “Species\nDistribution Modeling and Ecological Niche\nModeling: Getting the Concepts\nRight.” Natureza & Conservação 10 (2): 102–7.\nhttps://doi.org/10.4322/natcon.2012.019.\n\n\nRoss, Rebecca E., Genoveva Gonzalez-Mirelis, Pablo Lozano, and Pål\nBuhl-Mortensen. 2021. “Discerning the Management-Relevant\nEcology and Distribution of Sea Pens\n(Cnidaria: Pennatulacea) in\nNorway and Beyond.” Frontiers in\nMarine Science 8.\n\n\nRue, Håvard, Sara Martino, and Nicolas Chopin. 2009. “Approximate\nBayesian Inference for Latent Gaussian Models\nby Using Integrated Nested Laplace Approximations.”\nJournal of the Royal Statistical Society: Series B (Statistical\nMethodology) 71 (2): 319–92. https://doi.org/10.1111/j.1467-9868.2008.00700.x.\n\n\nRustand, Denis, Janet van Niekerk, Håvard Rue, Christophe Tournigand,\nVirginie Rondeau, and Laurent Briollais. 2023. “Bayesian\nEstimation of Two-Part Joint Models for a Longitudinal Semicontinuous\nBiomarker and a Terminal Event with INLA:\nInterests for Cancer Clinical Trial Evaluation.”\nBiometrical Journal n/a (n/a): 2100322. https://doi.org/10.1002/bimj.202100322.\n\n\nWieczorek, John, David Bloom, Robert Guralnick, Stan Blum, Markus\nDöring, Renato Giovanni, Tim Robertson, and David Vieglais. 2012.\n“Darwin Core: An Evolving Community-Developed\nBiodiversity Data Standard.” PLOS ONE 7 (1):\ne29715. https://doi.org/10.1371/journal.pone.0029715.\n\n\nYesson, Chris, Michelle L. Taylor, Derek P. Tittensor, Andrew J. Davies,\nJohn Guinotte, Amy Baco, Julie Black, Jason M. Hall-Spencer, and Alex D.\nRogers. 2012. “Global Habitat Suitability of Cold-Water\nOctocorals.” Journal of Biogeography 39 (7): 1278–92. https://doi.org/10.1111/j.1365-2699.2011.02681.x."
}
]