Estimating fish abundance and biomass from <scp>eDNA</scp> concentrations: variability among capture methods and environmental conditions
Notice bibliographique
Résumé
Environmental DNA (eDNA) promises to ease noninvasive quantification of fish biomass or abundance, but its integration within conservation and fisheries management is currently limited by a lack of understanding of the influence of eDNA collection method and environmental conditions on eDNA concentrations in water samples. Water temperature is known to influence the metabolism of fish and consequently could strongly affect eDNA release rate. As water temperature varies in temperate regions (both seasonally and geographically), the unknown effect of water temperature on eDNA concentrations poses practical limitations on quantifying fish populations using eDNA from water samples. This study aimed to clarify how water temperature and the eDNA capture method alter the relationships between eDNA concentration and fish abundance/biomass. Water samples (1 L) were collected from 30 aquaria including triplicate of 0, 5, 10, 15 and 20 Brook Charr specimens at two different temperatures (7 °C and 14 °C). Water samples were filtered with five different types of filters. The eDNA concentration obtained by quantitative PCR (qPCR) varied significantly with fish abundance and biomass and types of filters (mixed-design ANOVA, P < 0.001). Results also show that fish released more eDNA in warm water than in cold water and that eDNA concentration better reflects fish abundance/biomass at high temperature. From a technical standpoint, higher levels of eDNA were captured with glass fibre (GF) filters than with mixed cellulose ester (MCE) filters and support the importance of adequate filters to quantify fish abundance based on the eDNA method. This study supports the importance of including water temperature in fish abundance/biomass prediction models based on eDNA.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».