Species distribution models (SDMs) are widely used in ecology, especially in the marine context in recent decades. Here we are talking about fisheries science in particular. We know that demersal species are very important for fisheries management and the marine ecosystem, and a growing number of studies emphasize the importance of spatial management for rebuilding stocks and protecting ecosystem resources and biodiversity. SDMs could assist fisheries management in spatial operations. In this study, I focused on different aspects of species distribution and defined a procedure to develop an ensemble of models combining different modeling approaches. I combined Generalized Additive Models, Random Forest, and the Gradient Boosted method for ten ground fish species, two life stages (adult and juvenile fish), and two different indices such as kilograms per km2 (kg/km2) and number of individuals per km2 (n/km2). I used data from two surveys conducted in the Adriatic and Ionian Seas: Mediterranean International Trawl Survey (MEDITS) and Sole Monitoring (SOLEMON). Specifically: - I analyzed biomass indices (kg/km2) for European hake, common sole, mantis shrimp, red mullet, and common cuttlefish using a set of Generalized Additive Models (GAMs) with and without abiotic variables. The results highlight that the geostatistical model for estimating the distribution of different demersal species based on trawl data is improved when additional environmental variables are included (oceanographic variables). - I analyzed the density index (n/km2) defining an original procedure to develop an ensemble of models, obtained by combining 5 different approaches. I implemented spatial training and test data sets to evaluate the best performance of 9 models through a set of indicators. These models include a different combination of covariates, starting with the simplest model (depth, year, and spatiotemporal variables) to the most complex one (including also oceanographic variables and effort). The results highlight the improvement (smaller difference between modelled and observed data) for the model with environmental variables, using as a case study European hake (Merluccius merluccius) in the Adriatic and Ionian Seas. - I used the ensemble of Species Distribution Models (e-SDM) that combines General Additive Models, random forest, and gradient-boosting machine methods to determine the hot spot of aggregation for juveniles and adults of ten demersal species, using density indexes (n/km2) derived from MEDITS and SOLEMON, and geopositional data (depth, latitude, longitude, and month), relevant 3D oceanographic variables (temperature, salinity, chlorophyll-a, dissolved nutrients and oxygen, particulate organic carbon, pH) and fishing effort (from Vessel Monitoring System). - I used ensemble-species distributions models (e-SDM) to evaluate the future distribution of ten demersal species in the area of study, identifying areas of aggregation for four different scenarios (2012, 2018, 2035, and 2050) and two life stages. I estimated the foreseen future modifications of hot spot of aggregation, density distribution, and center of gravity for the 10 species in the area of study by GSA (Geographic Sub Area, 17, 18, and 19). The results allow to predict gained and lost areas in future IPCC RCP 8.5 climate conditions, setting basis for determining potential range shifts for the ten species.

I modelli di distribuzione di specie (SDMs) sono ampiamente utilizzati in ecologia, specialmente nel contesto marino negli ultimi decenni. Qui, in particolare, parliamo della scienza della pesca. Sappiamo che le specie demersali sono molto importanti per la gestione della pesca e dell'ecosistema marino, e un numero crescente di studi sottolinea l'importanza della gestione dello spazio per la ricostituzione degli stock e la protezione delle risorse dell'ecosistema e della biodiversità. Gli SDMs potrebbero aiutare nella gestione della pesca nelle operazioni spaziali. In questo studio, mi sono concentrato su diversi aspetti della distribuzione delle specie e ho definito una procedura per sviluppare un insieme di modelli che combinano diversi approcci modellistici. Ho utilizzato i modelli additivi generalizzati, il random forest e il metodo Gradient Boosted per dieci specie di pesci demersali, due stadi di vita (pesce adulto e giovanile) e due diversi indici, ovvero chilogrammi per km2 (kg/km2) e numero di individui per km2 (n/km2). Ho utilizzato i dati di due indagini condotte in Adriatico e Ionio: Mediterranean International Trawl Survey (MEDITS) e Sole Monitoring (SOLEMON). Nello specifico: • Ho analizzato gli indici di biomassa (kg/km2) per nasello, sogliola, canocchie, triglie e seppie utilizzando un set di modelli additivi generalizzati (GAM) con e senza variabili abiotiche. I risultati evidenziano che il modello geostatistico per la stima della distribuzione delle diverse specie demersali è migliorato quando sono incluse ulteriori variabili ambientali (variabili oceanografiche). • Ho analizzato gli indici di densità (n/km2) definendo una procedura per sviluppare un insieme di modelli (ensemble model), ottenuti combinando 5 diversi approcci. Ho implementato training spaziale per valutare le migliori prestazioni di 9 modelli attraverso una serie di indicatori statistici. Questi modelli includono una diversa combinazione di covariate, a partire dal modello più semplice (profondità, anno e variabili spaziotemporali) a quello più complesso (includendo anche variabili oceanografiche e sforzo di pesca). I risultati evidenziano il miglioramento (minore differenza tra dati modellati e osservati) per il modello con variabili ambientali, utilizzando come caso di studio il nasello Europeo (Merluccius merluccius) nei mari Adriatico e Ionio. • Ho utilizzato l’ensemble model (e-SDM) che combina i modelli additivi generali, il random forest e i Gradient Boosted per determinare l'hot spot di aggregazione per giovani e adulti di dieci specie demersali, utilizzando indici di densità (n/ km2) derivati da MEDITS e SOLEMON, e dati geo-referenziatii (profondità, latitudine, longitudine e mese), variabili oceanografiche 3D rilevanti (temperatura, salinità, clorofilla-a, nutrienti disciolti e ossigeno, particolato di carbonio organico, pH) e sforzo di pesca (dal sistema di monitoraggio delle navi). • Ho utilizzato l’ensemble model (e-SDM) per valutare la distribuzione futura di dieci specie demersali nell'area di studio, identificando aree di aggregazione per quattro diversi scenari (2012, 2018, 2035 e 2050) e due fasi di vita (adulti e giovanilie). Ho stimato le distribuzioni future di hot spot di aggregazione, distribuzione della densità e centro di gravità per le 10 specie nell'area di studio. I risultati consentono di prevedere le aree guadagnate e perse nelle future condizioni climatiche IPCC RCP 8.5, ponendo le basi per determinare i potenziali spostamenti per le dieci specie.

Modelli di distribuzione spaziale per specie demersali per il management spaziale, valutazione e previsione in mare Adriatico e Ionio / Panzeri, Diego. - (2023 Mar 03).

Modelli di distribuzione spaziale per specie demersali per il management spaziale, valutazione e previsione in mare Adriatico e Ionio

PANZERI, DIEGO
2023-03-03

Abstract

Species distribution models (SDMs) are widely used in ecology, especially in the marine context in recent decades. Here we are talking about fisheries science in particular. We know that demersal species are very important for fisheries management and the marine ecosystem, and a growing number of studies emphasize the importance of spatial management for rebuilding stocks and protecting ecosystem resources and biodiversity. SDMs could assist fisheries management in spatial operations. In this study, I focused on different aspects of species distribution and defined a procedure to develop an ensemble of models combining different modeling approaches. I combined Generalized Additive Models, Random Forest, and the Gradient Boosted method for ten ground fish species, two life stages (adult and juvenile fish), and two different indices such as kilograms per km2 (kg/km2) and number of individuals per km2 (n/km2). I used data from two surveys conducted in the Adriatic and Ionian Seas: Mediterranean International Trawl Survey (MEDITS) and Sole Monitoring (SOLEMON). Specifically: - I analyzed biomass indices (kg/km2) for European hake, common sole, mantis shrimp, red mullet, and common cuttlefish using a set of Generalized Additive Models (GAMs) with and without abiotic variables. The results highlight that the geostatistical model for estimating the distribution of different demersal species based on trawl data is improved when additional environmental variables are included (oceanographic variables). - I analyzed the density index (n/km2) defining an original procedure to develop an ensemble of models, obtained by combining 5 different approaches. I implemented spatial training and test data sets to evaluate the best performance of 9 models through a set of indicators. These models include a different combination of covariates, starting with the simplest model (depth, year, and spatiotemporal variables) to the most complex one (including also oceanographic variables and effort). The results highlight the improvement (smaller difference between modelled and observed data) for the model with environmental variables, using as a case study European hake (Merluccius merluccius) in the Adriatic and Ionian Seas. - I used the ensemble of Species Distribution Models (e-SDM) that combines General Additive Models, random forest, and gradient-boosting machine methods to determine the hot spot of aggregation for juveniles and adults of ten demersal species, using density indexes (n/km2) derived from MEDITS and SOLEMON, and geopositional data (depth, latitude, longitude, and month), relevant 3D oceanographic variables (temperature, salinity, chlorophyll-a, dissolved nutrients and oxygen, particulate organic carbon, pH) and fishing effort (from Vessel Monitoring System). - I used ensemble-species distributions models (e-SDM) to evaluate the future distribution of ten demersal species in the area of study, identifying areas of aggregation for four different scenarios (2012, 2018, 2035, and 2050) and two life stages. I estimated the foreseen future modifications of hot spot of aggregation, density distribution, and center of gravity for the 10 species in the area of study by GSA (Geographic Sub Area, 17, 18, and 19). The results allow to predict gained and lost areas in future IPCC RCP 8.5 climate conditions, setting basis for determining potential range shifts for the ten species.
3-mar-2023
35
2021/2022
Settore BIO/07 - Ecologia
Università degli Studi di Trieste
File in questo prodotto:
File Dimensione Formato  
Diego Panzeri Ph.pdf

Open Access dal 03/03/2024

Descrizione: Marine-demersal species distribution models for spatial management, assessment, and prediction in Adriatic and Ionian Seas
Tipologia: Tesi di dottorato
Dimensione 19.28 MB
Formato Adobe PDF
19.28 MB Adobe PDF Visualizza/Apri
Pubblicazioni consigliate

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11368/3041120
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact