View In:
ArcGIS JavaScript
ArcGIS Online Map Viewer
ArcGIS Earth
ArcGIS Pro
Service Description: Identification of significant concentrations of sponges in the Gulf of St. Lawrence biogeographic unit using Kernel density estimation (KDE).
This method was applied to create a modelled biomass surface for each taxa and an aerial expansion method was permitted to identify significant concentrations. Only geo-referenced biomass data have been used to identify the “hot spots”. The borders of the areas were refined using knowledge of null catches and species distribution models. Predictive models were produced using a random forest machine-learning technique.
Identification des concentrations significatives d'éponges dans la bioregion du golfe Saint-Laurent selon l’estimation de la densité par la méthode du noyau (Kernel density estimation).
Cette méthode a été appliquée afin de créer une surface de biomasse modélisée pour chacun des taxons et une méthode d’expansion aérienne a été appliquée afin de déterminer les concentrations importantes. Seules les données de biomasses géoréférencées ont été utilisées pour identifier ces « points névralgiques ». Les limites des zones ont été affinées à l’aide de la connaissance des captures nulles et des modèles de répartition des espèces. Les modèles prédictifs ont été produits à l’aide d’algorithmes d’apprentissage automatique avec des forêts d’arbres décisionnels.
Open Data
Learn more or download this dataset from the Government of Canada's Open data portal.
Apprenez-en plus ou téléchargez cet ensemble de données à partir du portail de données ouvertes du gouvernement du Canada.
Sponges_Eponges_SignificantBenthicAreas
Legend
All Layers and Tables
Dynamic Legend
Dynamic All Layers
Layers:
Description: Identification of significant concentrations of sponges in the Gulf of St. Lawrence biogeographic unit using Kernel density estimation (KDE).This method was applied to create a modelled biomass surface for each taxa and an aerial expansion method was permitted to identify significant concentrations. Only geo-referenced biomass data have been used to identify the “hot spots”. The borders of the areas were refined using knowledge of null catches and species distribution models. Predictive models were produced using a random forest machine-learning technique.Identification des concentrations significatives d'éponges dans la bioregion du golfe Saint-Laurent selon l’estimation de la densité par la méthode du noyau (Kernel density estimation). Cette méthode a été appliquée afin de créer une surface de biomasse modélisée pour chacun des taxons et une méthode d’expansion aérienne a été appliquée afin de déterminer les concentrations importantes. Seules les données de biomasses géoréférencées ont été utilisées pour identifier ces « points névralgiques ». Les limites des zones ont été affinées à l’aide de la connaissance des captures nulles et des modèles de répartition des espèces. Les modèles prédictifs ont été produits à l’aide d’algorithmes d’apprentissage automatique avec des forêts d’arbres décisionnels.Open DataLearn more or download this dataset from the Government of Canada's Open data portal.Apprenez-en plus ou téléchargez cet ensemble de données à partir du portail de données ouvertes du gouvernement du Canada.
Service Item Id: a56548b2afc3415281d7699d5d5cfc56
Copyright Text: Government of Canada; Fisheries and Oceans Canada; Integrated Oceans Management Gouvernement du Canada; Pêches et Océans Canada; Gestion Intégrée des Océans
Spatial Reference:
26920
(26920)
Single Fused Map Cache: false
Initial Extent:
XMin: -163707.5839346028
YMin: 4925509.811681013
XMax: 1197397.0706595134
YMax: 5916605.433958282
Spatial Reference: 26920
(26920)
Full Extent:
XMin: 50239.9539442542
YMin: 5083782.72458289
XMax: 983449.5327806561
YMax: 5758332.521056404
Spatial Reference: 26920
(26920)
Units: esriMeters
Supported Image Format Types: PNG32,PNG24,PNG,JPG,DIB,TIFF,EMF,PS,PDF,GIF,SVG,SVGZ,BMP
Document Info:
Title: Sponge significant concentration areas in the Gulf of St. Lawrence / Zones de concentration significative d'éponges dans le golfe du Saint-Laurent
Author:
Comments: Identification of significant concentrations of sponges in the Gulf of St. Lawrence biogeographic unit using Kernel density estimation (KDE).This method was applied to create a modelled biomass surface for each taxa and an aerial expansion method was permitted to identify significant concentrations. Only geo-referenced biomass data have been used to identify the “hot spots”. The borders of the areas were refined using knowledge of null catches and species distribution models. Predictive models were produced using a random forest machine-learning technique.Identification des concentrations significatives d'éponges dans la bioregion du golfe Saint-Laurent selon l’estimation de la densité par la méthode du noyau (Kernel density estimation). Cette méthode a été appliquée afin de créer une surface de biomasse modélisée pour chacun des taxons et une méthode d’expansion aérienne a été appliquée afin de déterminer les concentrations importantes. Seules les données de biomasses géoréférencées ont été utilisées pour identifier ces « points névralgiques ». Les limites des zones ont été affinées à l’aide de la connaissance des captures nulles et des modèles de répartition des espèces. Les modèles prédictifs ont été produits à l’aide d’algorithmes d’apprentissage automatique avec des forêts d’arbres décisionnels.Open DataLearn more or download this dataset from the Government of Canada's Open data portal.Apprenez-en plus ou téléchargez cet ensemble de données à partir du portail de données ouvertes du gouvernement du Canada.
Subject: Available on Government of Canada's Open data portal / Disponible sur le portail de données ouvertes du gouvernement du Canada
Category:
Keywords: Habitat,Porifera,Distribution,Sponges,Benthic Habitat,Gulf of St. Lawrence,Laurentian Channel,Earth sciences,Biota,Environment,Oceans,Geoscientific information,habitat,Porifera,distribution,éponges,habitat benthique,Golfe du Saint-Laurent,Chenal Laurentien,Sciences de la terre,Biologie,faune et flore,Environnement,Océans,Sciences de la terre,géosciences
AntialiasingMode: Fast
TextAntialiasingMode: Force
Supports Dynamic Layers: true
Resampling: false
MaxRecordCount: 2000
MaxImageHeight: 4096
MaxImageWidth: 4096
Supported Query Formats: JSON, geoJSON, PBF
Supports Query Data Elements: true
Min Scale: 0
Max Scale: 0
Supports Datum Transformation: true
Child Resources:
Info
Dynamic Layer
Supported Operations:
Export Map
Identify
QueryLegends
QueryDomains
Find
Return Updates