Spatial estimates of Blue Shark, Salmon Shark, Pacific Sleeper Shark and Bluntnose Sixgill Shark presence in British Columbia

Description:

Spatial information on ecologically important species is needed to support marine spatial planning initiatives in British Columbia’s (BC) marine environment. For data deficient taxa, such as shark species, species distribution models that integrate presence-absence data from different sources can be used to predict their coastwide distributions. Here we provide spatial estimates of the distribution of Blue Shark (Prionace glauca), Salmon Shark (Lamna ditropis), Pacific Sleeper Shark (Somniosus pacificus) and Bluntnose Sixgill Shark (Hexanchus griseus). These estimates were generated using spatial generalized linear mixed effects models and are based on data from two scientific surveys and the commercial hook and line, midwater trawl and bottom trawl fisheries. For each species, we provide predicted probability of occurrence and prediction uncertainty at a 3 km resolution for the British Columbia coast, and parameter estimates for model covariates (depth, slope, year, data source). Results show variable predicted distributions across species, with Blue Shark and Pacific Sleeper Shark showing higher probability of presence along the continental slope, while Salmon Shark show low probability of occurrence coastwide and Bluntnose Sixgill Shark show the highest probability of occurrence in the Strait of Georgia. The results from this study can support ongoing marine spatial planning initiatives in the BC and support the conservation and management of these important species.

Methods:

Data Sources

The species distribution models (SDMs) are based on data from two fishery independent scientific surveys and from the commercial hook and line fishery, which are all conducted within Canadian Pacific waters. The scientific surveys include the Fisheries and Oceans Canada (DFO) hard bottom longline surveys and the International Pacific Halibut Commission (IPHC) fishery-independent setline survey. The study area is bound by the outer convex hull of these three data sources. Other DFO research surveys, such as the groundfish synoptic bottom trawl surveys, midwater trawl surveys and sablefish trap surveys were investigated as potential data sources, but were found to have insufficient presence observations for the species of interest to warrant their inclusion in the analysis. For more information on the details of the source data please refer to Proudfoot et al. 2024.

Modelling Approach and Comparison

For each species, we fit a suite of generalized linear mixed effects models (GLMMs) using the sdmTMB package (Anderson et al. 2022). For each species, we fit four models, each with a different set of fixed effects/environmental predictors. Additionally, we compared the predictive power of four models for each species, with each model having a different combination of environmental predictors (i.e., slope, depth, slope + depth, none). A summary of the candidate models is provided in Table 2 of Proudfoot et al. 2024. For each species, we selected the model with the highest predictive accuracy (assessed using the predicted log likelihood based on the cross-validation) as the best fit.

Spatial Species Distribution Predictions

We made predictions of species occurrence using the selected model and a 3 km resolution spatial prediction grid. Our predictions were made for the entire BC coast, and species distribution predictions were made using models fit to the full dataset, as opposed to models fit using cross-validation. We made predictions with year set to 2014 (the approximate midpoint of the dataset) and type set to IPHC (the dataset with the most even spatial distribution of data points).

Uncertainties:

Because limited survey and commercial catch data exists for deep areas off the continental shelf, predictions in these areas are likely more uncertain than predictions on the shelf. To illustrate this, uncertainty (standard deviation derived from the 500 simulated values from the joint precision matrix of selected models) was mapped across the full study area for each species. Additionally, because these models are based on data that likely do not span the full spatiotemporal extent of the species’ habitat (i.e., mid depths, surface waters, and data across all seasons may not be captured), these results illustrate a snapshot of occurrence but do not account for more complex migration and movement patterns undertaken by these species.

Jeux de données disponibles au téléchargement

• Spatial Estimates of Shark Species Presence in...TIFF
  À télécharger

  • Plus d'informations
  • Aller à la ressource
• Spatial Estimates of Shark Species Presence in...TIFF
  À télécharger

  • Plus d'informations
  • Aller à la ressource
• ReferencesPDF
  À télécharger

  • Plus d'informations
  • Aller à la ressource
• Data DictionaryPDF
  À télécharger

  • Plus d'informations
  • Aller à la ressource
• Data DictionaryCSV
  À télécharger

  • Plus d'informations
  • Aller à la ressource
• Data SourcesPDF
  À télécharger

  • Plus d'informations
  • Aller à la ressource
• Spatial Estimates of Shark Species Presence in...Esri REST
  À télécharger

  • Plus d'informations
  • Aller à la ressource
• Spatial Estimates of Shark Species Presence in...Esri REST
  À télécharger

  • Plus d'informations
  • Aller à la ressource

• British Columbia
• Distribution
• Fisheries
• Nature and Environment
• Pacific
• Science and Technology
• generalized linear...
• sdmtmb
• shark
• species distribution models

Informations supplémentaires

• Niveau de maturité 1 (54%)
• Niveau de maturité 2 (38%)
• Niveau de maturité 3 (0%)
• Niveau de maturité 4 (0%)
• Niveau de maturité 5 (0%)
• Niveau de maturité 6 (0%)

Champ	Valeur
Dernière mise à jour	octobre 20, 2025, 02:48 (TU)
Créé	octobre 20, 2025, 02:48 (TU)
Domaine / Sujet Domaine ou sujet du jeu de données catalogué.	Biota
Titre Titre du jeu de données.	Spatial estimates of Blue Shark, Salmon Shark, Pacific Sleeper Shark and Bluntnose Sixgill Shark presence in British Columbia
Description Une description du jeu de données.	Description: Spatial information on ecologically important species is needed to support marine spatial planning initiatives in British Columbia’s (BC) marine environment. For data deficient taxa, such as shark species, species distribution models that integrate presence-absence data from different sources can be used to predict their coastwide distributions. Here we provide spatial estimates of the distribution of Blue Shark (Prionace glauca), Salmon Shark (Lamna ditropis), Pacific Sleeper Shark (Somniosus pacificus) and Bluntnose Sixgill Shark (Hexanchus griseus). These estimates were generated using spatial generalized linear mixed effects models and are based on data from two scientific surveys and the commercial hook and line, midwater trawl and bottom trawl fisheries. For each species, we provide predicted probability of occurrence and prediction uncertainty at a 3 km resolution for the British Columbia coast, and parameter estimates for model covariates (depth, slope, year, data source). Results show variable predicted distributions across species, with Blue Shark and Pacific Sleeper Shark showing higher probability of presence along the continental slope, while Salmon Shark show low probability of occurrence coastwide and Bluntnose Sixgill Shark show the highest probability of occurrence in the Strait of Georgia. The results from this study can support ongoing marine spatial planning initiatives in the BC and support the conservation and management of these important species. Methods: Data Sources The species distribution models (SDMs) are based on data from two fishery independent scientific surveys and from the commercial hook and line fishery, which are all conducted within Canadian Pacific waters. The scientific surveys include the Fisheries and Oceans Canada (DFO) hard bottom longline surveys and the International Pacific Halibut Commission (IPHC) fishery-independent setline survey. The study area is bound by the outer convex hull of these three data sources. Other DFO research surveys, such as the groundfish synoptic bottom trawl surveys, midwater trawl surveys and sablefish trap surveys were investigated as potential data sources, but were found to have insufficient presence observations for the species of interest to warrant their inclusion in the analysis. For more information on the details of the source data please refer to Proudfoot et al. 2024. Modelling Approach and Comparison For each species, we fit a suite of generalized linear mixed effects models (GLMMs) using the sdmTMB package (Anderson et al. 2022). For each species, we fit four models, each with a different set of fixed effects/environmental predictors. Additionally, we compared the predictive power of four models for each species, with each model having a different combination of environmental predictors (i.e., slope, depth, slope + depth, none). A summary of the candidate models is provided in Table 2 of Proudfoot et al. 2024. For each species, we selected the model with the highest predictive accuracy (assessed using the predicted log likelihood based on the cross-validation) as the best fit. Spatial Species Distribution Predictions We made predictions of species occurrence using the selected model and a 3 km resolution spatial prediction grid. Our predictions were made for the entire BC coast, and species distribution predictions were made using models fit to the full dataset, as opposed to models fit using cross-validation. We made predictions with year set to 2014 (the approximate midpoint of the dataset) and type set to IPHC (the dataset with the most even spatial distribution of data points). Uncertainties: Because limited survey and commercial catch data exists for deep areas off the continental shelf, predictions in these areas are likely more uncertain than predictions on the shelf. To illustrate this, uncertainty (standard deviation derived from the 500 simulated values from the joint precision matrix of selected models) was mapped across the full study area for each species. Additionally, because these models are based on data that likely do not span the full spatiotemporal extent of the species’ habitat (i.e., mid depths, surface waters, and data across all seasons may not be captured), these results illustrate a snapshot of occurrence but do not account for more complex migration and movement patterns undertaken by these species.
Étiquettes / Mots-clés Mots-clés/étiquettes catégorisant le jeu de données.	British Columbia Distribution Fisheries Nature and Environment Pacific Science and Technology generalized linear... sdmtmb shark species distribution models
Format (CSV, XLS, TXT, PDF, etc.) Format de fichier du jeu de données.
Taille du jeu de données Taille du jeu de données en mégaoctets.
Identifiant des métadonnées Identifiant des métadonnées — peut être utilisé comme identifiant unique pour l’entrée du catalogue.
Date de publication Date de publication du jeu de données.	2024-12-06
Période temporelle des données (date de début) Date de début des données dans le jeu de données.
Période temporelle des données (date de fin) Date de fin des données temporelles du jeu de données.
Zone géospatiale couverte Région spatiale ou lieu nommé couvert par le jeu de données.

Champ	Valeur
Catégorie d’accès Type d’accès accordé pour le jeu de données (ouvert, restreint, service, etc.).
Licence Licence utilisée pour accéder au jeu de données.	Open Government Licence - Canada
Restrictions d’utilisation Restrictions d’utilisation des données.
Emplacement Emplacement du jeu de données.	https://open.canada.ca/data/en/dataset/cacbb231-bae8-42fc-a043-79d11494bd5a
Service de données Service de données pour accéder à un jeu de données.
Propriétaire Propriétaire du jeu de données.	Fisheries and Oceans Canada | Pêches et Océans Canada
Point de contact Qui contacter concernant l’accès ?	Government of Canada; Fisheries and Oceans Canada; Pacific Science/Ecosystem Science Division/Marine Spatial Ecology & Analysis Section, 778-888-5373, [email protected]
Courriel du point de contact Courriel à utiliser pour l’accès ?
Éditeur Éditeur du jeu de données.
Courriel de l’éditeur Adresse courriel de l’éditeur.	[email protected]
Auteur Auteur du jeu de données.
Courriel de l'auteur Adresse courriel de l’auteur.
Date d’accès Date à laquelle les données et métadonnées ont été consultées.

Champ	Valeur
Identifiant Identifiant unique du jeu de données.
Langue Langue(s) du jeu de données
Lien vers la description du jeu de données Une URL vers un document externe décrivant le jeu de données.
Identifiant persistant Les données sont identifiées par un identifiant persistant.
Identifiant globalement unique Les données sont identifiées par un identifiant persistant et globalement unique.
Contient des données sur des individus Le jeu de données contient-il des données sur des individus ?
Contient des données identifiables sur des individus Le jeu de données contient-il des données identifiables sur des individus ?
Contient des données autochtones Le jeu de données contient-il des données sur des communautés autochtones ?
Type de portail Type de plateforme du portail source.

Champ	Valeur
Version Version du jeu de données	None
Source Source du jeu de données.	None
Notes de version Notes de version à propos du jeu de données.
Est une version d’un autre jeu de données Lien vers le jeu de données dont celui-ci est une version.
Autres versions Lien vers les jeux de données qui en sont des versions.
Texte de provenance Texte de provenance des données.
URL de provenance URL de provenance des données.
Résolution temporelle Décrit la granularité des données temporelles dans le jeu de données.
Résolution géospatiale en mètres Décrit la granularité (en mètres) des données géospatiales dans le jeu de données.
Résolution géospatiale (par régions) Décrit la granularité (par régions) des données géospatiales dans le jeu de données.

Champ	Valeur
Permission de la communauté autochtone Qui détient la permission de la communauté autochtone. Qui contacter pour l’accès à un jeu de données concernant des communautés autochtones.
Permission communautaire Permission communautaire (qui a accordé la permission).
Les communautés autochtones concernées par le jeu de données Communautés autochtones dont sont issues les données.

Champ	Valeur
Nombre de lignes de données Pour un jeu de données tabulaire, nombre total de lignes.
Nombre de colonnes de données Pour un jeu de données tabulaire, nombre total de colonnes uniques.
Nombre de cellules de données Pour un jeu de données tabulaire, nombre total de cellules contenant des données.
Nombre de relations de données Pour un jeu de données RDF, nombre total de triplets.
Nombre d’entités Pour un jeu de données RDF, nombre total d’entités.
Nombre de propriétés de données Pour un jeu de données RDF, nombre total de propriétés uniques utilisées par les triplets.
Qualité des données Décrit la qualité des données du jeu de données.
Métrique de qualité des données Une métrique utilisée pour mesurer la qualité des données, telle que les valeurs manquantes ou les formats invalides.

Please login or register to comment.