Ensemblemodellering av piggvarens habitat utgående från provfiske- och miljödata
Piggvarens (Scophthalmus maximus) val av habitat i Östersjön har modellerats utifrån provfiskedata och miljövariabler. Vid totalt 435 stationer i Östersjön har data samlats in i form av provfiske, CTD-mätningar (konduktivitet, temperatur och djup) och videofilmer. Genom att analysera videofilmerna f...
Main Author: | |
---|---|
Format: | Bachelor Thesis |
Language: | Swedish |
Published: |
Institutionen för akvatiska resurser, SLU
2016
|
Subjects: | |
Online Access: | http://urn.kb.se/resolve?urn=urn:nbn:se:uu:diva-281462 |
id |
ftuppsalauniv:oai:DiVA.org:uu-281462 |
---|---|
record_format |
openpolar |
spelling |
ftuppsalauniv:oai:DiVA.org:uu-281462 2023-05-15T18:15:46+02:00 Ensemblemodellering av piggvarens habitat utgående från provfiske- och miljödata Ensemble modelling of the habitat of turbot based on video analyses and fish survey data Erlandsson, Mårten 2016 application/pdf http://urn.kb.se/resolve?urn=urn:nbn:se:uu:diva-281462 swe swe Institutionen för akvatiska resurser, SLU UPTEC W, 1401-5765 16004 http://urn.kb.se/resolve?urn=urn:nbn:se:uu:diva-281462 info:eu-repo/semantics/openAccess Turbot Species distribution modeling Ensemble Modeling Video Analysis Piggvar Habitatmodellering Ensemblemodellering Videoanalys Oceanography Hydrology and Water Resources Oceanografi hydrologi och vattenresurser Student thesis info:eu-repo/semantics/bachelorThesis text 2016 ftuppsalauniv 2023-02-23T21:46:02Z Piggvarens (Scophthalmus maximus) val av habitat i Östersjön har modellerats utifrån provfiskedata och miljövariabler. Vid totalt 435 stationer i Östersjön har data samlats in i form av provfiske, CTD-mätningar (konduktivitet, temperatur och djup) och videofilmer. Genom att analysera videofilmerna från havsbotten i Östersjön har den klassificerats efter fyra olika förklaringsvariabler: täckningsgrad mjukbotten, strukturbildande växter, övriga alger och täckningsgrad blåmusslor. Ytterligare sex förklaringsvariabler har samlats in från mätningar och befintliga kartor: bottensalinitet, bottentemperatur, djup, siktdjup, vågexponering och bottenlutning. Dessa tio förklaringsvariabler har använts i tio olika enskilda statistiska modelleringsmetoder med förekomst/icke-förekomst av piggvar som responsvariabel. Nio av tio modeller visade på bra resultat (AUC > 0,7) där CTA (Classification Tree Analysis) och GBM (Global Boosting Model) hade bäst resultat (AUC > 0,9). Genom att kombinera modeller med bra resultat på olika sätt skapades sex ensemblemodeller för att minska varje enskild modells svagheter. Ensemblemodellerna visade tydligt fördelarna med denna typ av modellering då de gav ett mycket bra resultat (AUC > 0,949). Den sämsta ensemblemodellen var markant bättre än den bästa enskilda modellen. Resultaten från modellerna visar att största sannolikheten för piggvarsförekomst i Östersjön är vid grunt (< 20 meter) och varmt (> 10 oC) vatten med hög vågexponering (> 30 000 m²/s). Dessa tre variabler var de med högst betydelse för modellerna. Täckningsgrad mjukbotten och de två växtlighetsvariablerna från videoanalyserna var de tre variabler som hade lägst påverkan på piggvarens val av habitat. Med en högre kvalitet på videofilmerna hade de variablerna kunnat klassificeras i mer specifika grupper vilket eventuellt gett ett annat resultat. Generellt visade modellerna att denna typ av habitatmodellering med provfiske och miljödata både är möjlig att utföra. The turbots’ (Scophthalmus maximus) selection ... Bachelor Thesis Scophthalmus maximus Turbot Uppsala University: Publications (DiVA) |
institution |
Open Polar |
collection |
Uppsala University: Publications (DiVA) |
op_collection_id |
ftuppsalauniv |
language |
Swedish |
topic |
Turbot Species distribution modeling Ensemble Modeling Video Analysis Piggvar Habitatmodellering Ensemblemodellering Videoanalys Oceanography Hydrology and Water Resources Oceanografi hydrologi och vattenresurser |
spellingShingle |
Turbot Species distribution modeling Ensemble Modeling Video Analysis Piggvar Habitatmodellering Ensemblemodellering Videoanalys Oceanography Hydrology and Water Resources Oceanografi hydrologi och vattenresurser Erlandsson, Mårten Ensemblemodellering av piggvarens habitat utgående från provfiske- och miljödata |
topic_facet |
Turbot Species distribution modeling Ensemble Modeling Video Analysis Piggvar Habitatmodellering Ensemblemodellering Videoanalys Oceanography Hydrology and Water Resources Oceanografi hydrologi och vattenresurser |
description |
Piggvarens (Scophthalmus maximus) val av habitat i Östersjön har modellerats utifrån provfiskedata och miljövariabler. Vid totalt 435 stationer i Östersjön har data samlats in i form av provfiske, CTD-mätningar (konduktivitet, temperatur och djup) och videofilmer. Genom att analysera videofilmerna från havsbotten i Östersjön har den klassificerats efter fyra olika förklaringsvariabler: täckningsgrad mjukbotten, strukturbildande växter, övriga alger och täckningsgrad blåmusslor. Ytterligare sex förklaringsvariabler har samlats in från mätningar och befintliga kartor: bottensalinitet, bottentemperatur, djup, siktdjup, vågexponering och bottenlutning. Dessa tio förklaringsvariabler har använts i tio olika enskilda statistiska modelleringsmetoder med förekomst/icke-förekomst av piggvar som responsvariabel. Nio av tio modeller visade på bra resultat (AUC > 0,7) där CTA (Classification Tree Analysis) och GBM (Global Boosting Model) hade bäst resultat (AUC > 0,9). Genom att kombinera modeller med bra resultat på olika sätt skapades sex ensemblemodeller för att minska varje enskild modells svagheter. Ensemblemodellerna visade tydligt fördelarna med denna typ av modellering då de gav ett mycket bra resultat (AUC > 0,949). Den sämsta ensemblemodellen var markant bättre än den bästa enskilda modellen. Resultaten från modellerna visar att största sannolikheten för piggvarsförekomst i Östersjön är vid grunt (< 20 meter) och varmt (> 10 oC) vatten med hög vågexponering (> 30 000 m²/s). Dessa tre variabler var de med högst betydelse för modellerna. Täckningsgrad mjukbotten och de två växtlighetsvariablerna från videoanalyserna var de tre variabler som hade lägst påverkan på piggvarens val av habitat. Med en högre kvalitet på videofilmerna hade de variablerna kunnat klassificeras i mer specifika grupper vilket eventuellt gett ett annat resultat. Generellt visade modellerna att denna typ av habitatmodellering med provfiske och miljödata både är möjlig att utföra. The turbots’ (Scophthalmus maximus) selection ... |
format |
Bachelor Thesis |
author |
Erlandsson, Mårten |
author_facet |
Erlandsson, Mårten |
author_sort |
Erlandsson, Mårten |
title |
Ensemblemodellering av piggvarens habitat utgående från provfiske- och miljödata |
title_short |
Ensemblemodellering av piggvarens habitat utgående från provfiske- och miljödata |
title_full |
Ensemblemodellering av piggvarens habitat utgående från provfiske- och miljödata |
title_fullStr |
Ensemblemodellering av piggvarens habitat utgående från provfiske- och miljödata |
title_full_unstemmed |
Ensemblemodellering av piggvarens habitat utgående från provfiske- och miljödata |
title_sort |
ensemblemodellering av piggvarens habitat utgående från provfiske- och miljödata |
publisher |
Institutionen för akvatiska resurser, SLU |
publishDate |
2016 |
url |
http://urn.kb.se/resolve?urn=urn:nbn:se:uu:diva-281462 |
genre |
Scophthalmus maximus Turbot |
genre_facet |
Scophthalmus maximus Turbot |
op_relation |
UPTEC W, 1401-5765 16004 http://urn.kb.se/resolve?urn=urn:nbn:se:uu:diva-281462 |
op_rights |
info:eu-repo/semantics/openAccess |
_version_ |
1766188993470267392 |