Les forêts macroalgales sont l'un des écosystèmes marins les plus productifs et les plus précieux, mais elles sont néanmoins fortement exposées à la fragmentation et à la perte. Les informations détaillées à grande échelle sur leur distribution font largement défaut, ce qui entrave les initiatives de conservation. Dans cette étude, un effort systématique pour combiner les données spatiales sur les canopées de Cystoseira C. Agardh (Fucales, Phaeophyta) a été réalisé pour développer un modèle d'aptitude à l'habitat (HSM) à l'échelle méditerranéenne, fournissant des outils essentiels pour améliorer la priorisation des sites pour leur gestion, leur restauration et leur protection. Une base de données géoréférencée sur la présence de 20 espèces de Cystoseira a été produite en recueillant toutes les informations disponibles dans la littérature publiée et grise, les portails de données Web et les données personnelles des co-auteurs. Les données ont été associées à 55 couches de variables prédictives au format matriciel (ASCII) et ont été utilisées afin de développer le HSM au moyen d'une forêt aléatoire, une technique d'apprentissage automatique très efficace. Les connaissances sur la répartition du couvert de Cystoseira étaient disponibles pour environ 14 % du littoral méditerranéen. Les données d'absence n'étaient disponibles que pour les 2% du bassin. Malgré ces lacunes, notre HSM a montré des niveaux de précision élevés dans la reproduction de la distribution de Cystoseira, de sorte que les premières cartes continues de l'habitat dans l'ensemble du bassin ont été produites. Des erreurs de classification se sont principalement produites dans les parties est et sud du bassin, où de grandes lacunes de connaissances ont émergé. Les facteurs les plus pertinents étaient les facteurs géomorphologiques, suivis des variables anthropiques représentatives de la pollution et de l'urbanisation. Notre modèle montre l'importance du partage des données pour combiner un grand nombre de données spatiales et environnementales, permettant d'individualiser les zones à forte probabilité d'occurrence de Cystoseira comme adaptées à sa présence. Cette approche encourage l'utilisation de cet outil de modélisation pour la prédiction de la distribution de Cystoseira et pour soutenir et planifier les initiatives de conservation et de gestion. L'étape suivante consiste à affiner les informations spatiales des données de présence-absence sur les auvents de Cystoseira et des prédicteurs environnementaux afin de traiter les évaluations spécifiques aux espèces.

Los bosques de macroalgas son uno de los ecosistemas marinos más productivos y valiosos, pero están fuertemente expuestos a la fragmentación y la pérdida. En gran medida, se carece de información detallada a gran escala sobre su distribución, lo que dificulta las iniciativas de protección. En este estudio, se realizó un esfuerzo sistemático para combinar datos espaciales sobre las copas de Cystoseira C. Agardh (Fucales, Phaeophyta) para desarrollar un Modelo de Idoneidad del Hábitat (HSM) a escala mediterránea, proporcionando herramientas críticas para mejorar la priorización del sitio para su manejo, restauración y protección. Se produjo una base de datos georreferenciada sobre la ocurrencia de 20 especies de Cystoseira que recopila toda la información disponible de la literatura publicada y gris, los portales de datos web y los datos personales de los coautores. Los datos se asociaron a 55 capas variables predictoras en formato raster (ASCII) y se utilizaron para desarrollar el HSM mediante un Random Forest, una técnica de Machine Learning muy eficaz. El conocimiento sobre la distribución de las copas de Cystoseira estaba disponible para aproximadamente el 14% de la costa mediterránea. Los datos de ausencia estaban disponibles solo para el 2% de la cuenca. A pesar de estas lagunas, nuestro HSM mostró altos niveles de precisión en la reproducción de la distribución de Cystoseira, de modo que se produjeron los primeros mapas continuos del hábitat en toda la cuenca. Los errores de clasificación se produjeron principalmente en la parte oriental y meridional de la cuenca, donde surgieron grandes lagunas de conocimiento. Los impulsores más relevantes fueron los geomorfológicos, seguidos de las variables antropogénicas proxies de contaminación y urbanización. Nuestro modelo muestra la importancia de compartir datos para combinar una gran cantidad de datos espaciales y ambientales, lo que permite individualizar áreas con alta probabilidad de aparición de Cystoseira como adecuadas para su presencia. Este enfoque fomenta el uso de esta herramienta de modelado para la predicción de la distribución de Cystoseira y para apoyar y planificar iniciativas de protección y gestión. El paso adelante es refinar la información espacial de los datos de presencia-ausencia sobre las copas de Cystoseira y de los predictores ambientales para abordar las evaluaciones específicas de las especies.

Macroalgal forests are one of the most productive and valuable marine ecosystems, but yet strongly exposed to fragmentation and loss. Detailed large-scale information on their distribution is largely lacking, hindering conservation initiatives. In this study, a systematic effort to combine spatial data on Cystoseira C. Agardh canopies (Fucales, Phaeophyta) was carried out to develop a Habitat Suitability Model (HSM) at Mediterranean scale, providing critical tools to improve site prioritization for their management, restoration and protection. A georeferenced database on the occurrence of 20 Cystoseira species was produced collecting all the available information from published and grey literature, web data portals and co-authors personal data. Data were associated to 55 predictor variable layers in the (ASCII) raster format and were used in order to develop the HSM by means of a Random Forest, a very effective Machine Learning technique. Knowledge about the distribution of Cystoseira canopies was available for about the 14% of the Mediterranean coastline. Absence data were available only for the 2% of the basin. Despite these gaps, our HSM showed high accuracy levels in reproducing Cystoseira distribution so that the first continuous maps of the habitat across the entire basin was produced. Misclassification errors mainly occurred in the eastern and southern part of the basin, where large gaps of knowledge emerged. The most relevant drivers were the geomorphological ones, followed by anthropogenic variables proxies of pollution and urbanization. Our model shows the importance of data sharing to combine a large number of spatial and environmental data, allowing to individuate areas with high probability of Cystoseira occurrence as suitable for its presence. This approach encourages the use of this modelling tool for the prediction of Cystoseira distribution and for supporting and planning conservation and management initiatives. The step forward is to refine the spatial information of presence-absence data about Cystoseira canopies and of environmental predictors in order to address species-specific assessments.

تعد غابات الطحالب الكلية واحدة من أكثر النظم الإيكولوجية البحرية إنتاجية وقيمة، ولكنها معرضة بشدة للتجزئة والفقدان. هناك نقص كبير في المعلومات التفصيلية على نطاق واسع حول توزيعها، مما يعوق مبادرات الحفظ. في هذه الدراسة، تم بذل جهد منهجي لدمج البيانات المكانية على مظلات Cystoseira C. Agardh (Fucales، Phaeophyta) لتطوير نموذج ملاءمة الموائل (HSM) على نطاق البحر الأبيض المتوسط، مما يوفر أدوات حاسمة لتحسين تحديد أولويات الموقع لإدارتها وترميمها وحمايتها. تم إنتاج قاعدة بيانات مرجعية جغرافية حول حدوث 20 نوعًا من Cystoseira لجمع جميع المعلومات المتاحة من الأدبيات المنشورة والرمادية وبوابات بيانات الويب والبيانات الشخصية للمؤلفين المشاركين. ارتبطت البيانات بـ 55 طبقة متغيرة للتنبؤ بتنسيق (ASCII) Raster واستخدمت من أجل تطوير HSM عن طريق غابة عشوائية، وهي تقنية فعالة للغاية للتعلم الآلي. كانت المعرفة حول توزيع مظلات Cystoseira متاحة لحوالي 14 ٪ من ساحل البحر الأبيض المتوسط. كانت بيانات الغياب متاحة فقط لـ 2 ٪ من الحوض. على الرغم من هذه الفجوات، أظهرت وحدة الأمن البشري لدينا مستويات عالية من الدقة في إعادة إنتاج توزيع Cystoseira بحيث تم إنتاج أول خرائط مستمرة للموائل عبر الحوض بأكمله. حدثت أخطاء في التصنيف بشكل رئيسي في الجزء الشرقي والجنوبي من الحوض، حيث ظهرت فجوات كبيرة في المعرفة. كانت الدوافع الأكثر صلة هي العوامل الجيومورفولوجية، تليها المتغيرات البشرية للتلوث والتحضر. يوضح نموذجنا أهمية مشاركة البيانات للجمع بين عدد كبير من البيانات المكانية والبيئية، مما يسمح بتخصيص المناطق ذات الاحتمال الكبير لحدوث Cystoseira كمناسبة لوجودها. يشجع هذا النهج على استخدام أداة النمذجة هذه للتنبؤ بتوزيع Cystoseira ولدعم وتخطيط مبادرات الحفظ والإدارة. تتمثل الخطوة إلى الأمام في تحسين المعلومات المكانية لبيانات غياب الوجود حول مظلات Cystoseira والمتنبئات البيئية من أجل معالجة التقييمات الخاصة بالأنواع.