Cet ensemble de données contient deux couches géotiff. La première couche (1) représente la répartition du crabe dormeur à l'échelle de la côte, telle qu'elle est prédite à partir d'un modèle géostatistique. Le modèle prédit la probabilité moyenne de détection du crabe dormeur sur l'ensemble de la côte à l'aide d'engins d'échantillonnage piégeants. La deuxième couche (2) représente l'incertitude associée à ces prévisions. Des descriptions détaillées de ces produits de données se trouvent dans Nephin et al. (2023) et le code utilisé pour les produire est disponible à l'adresse suivante : https://gitlab.com/dfo-msea/dungeness-sdm/.

Les objectifs de ce travail étaient de modéliser l'habitat du crabe dormeur (_Metacarcinus magister_), une espèce marine côtière limitée aux données, afin d'évaluer l'efficacité de l'intégration des données lorsqu'on fait des prévisions pour des zones géographiques plus vastes que la superficie couverte par une source de données. En Colombie-Britannique, le crabe dormeur est échantillonné à l'échelle régionale et sporadique à l'aide d'une variété d'engins d'échantillonnage et de protocoles de relevé, ce qui en fait une étude de cas idéale pour déterminer si l'intégration de relevés disparates peut améliorer les prévisions de l'habitat. À cette fin, nous rassemblons des données provenant de relevés de plongée, de chalut et de pièges appâtés afin de produire six modèles linéaires à effets mixtes candidats généralisés avec des champs aléatoires spatiaux. Cet ensemble de données contient la moyenne (1) et la différence (2) entre les prévisions du modèle d'enquête et de l'effet d'engrenage.

Cet ensemble de données contient deux couches géotiff. La première couche (1) représente la répartition du crabe dormeur à l'échelle de la côte, telle qu'elle est prédite à partir d'un modèle géostatistique. Le modèle prédit la probabilité moyenne de détection du crabe dormeur sur l'ensemble de la côte à l'aide d'engins d'échantillonnage piégeants. La deuxième couche (2) représente l'incertitude associée à ces prévisions. Des descriptions détaillées de ces produits de données se trouvent dans Nephin et al. (2023) et le code utilisé pour les produire est disponible à l'adresse suivante : https://gitlab.com/dfo-msea/dungeness-sdm/.

Les objectifs de ce travail étaient de modéliser l'habitat du crabe dormeur (_Metacarcinus magister_), une espèce marine côtière limitée aux données, afin d'évaluer l'efficacité de l'intégration des données lorsqu'on fait des prévisions pour des zones géographiques plus vastes que la superficie couverte par une source de données. En Colombie-Britannique, le crabe dormeur est échantillonné à l'échelle régionale et sporadique à l'aide d'une variété d'engins d'échantillonnage et de protocoles de relevé, ce qui en fait une étude de cas idéale pour déterminer si l'intégration de relevés disparates peut améliorer les prévisions de l'habitat. À cette fin, nous rassemblons des données provenant de relevés de plongée, de chalut et de pièges appâtés afin de produire six modèles linéaires à effets mixtes candidats généralisés avec des champs aléatoires spatiaux. Cet ensemble de données contient la moyenne (1) et la différence (2) entre les prévisions du modèle d'enquête et de l'effet d'engrenage.