Comparison of eDNA metabarcoding to camera trapping for terrestrial vertebrate monitoring highlights the importance of substrate type, frequency of sampling and animal size
Notice bibliographique
Résumé
Fauna biodiversity assessments often rely on traditional biomonitoring techniques such as camera traps, which may have biases that lead to gaps in biodiversity data. Environmental DNA (eDNA) has emerged as a new source of biodiversity data that may account for these gaps. However, eDNA biodiversity assessment remains relatively untested in terrestrial environments. We compared vertebrate detections using two independent monitoring methods: camera traps and eDNA (n = 160), across two sites in south-western Australia. We also investigated the suitability of tree hollow sediment as a source of eDNA, and the effect of other factors (visitation frequency and timing, animal size) on vertebrate species detectability. We detected 31 taxa with eDNA and 47 with camera traps of which 14 overlapped (12 mammals and 2 birds). Tree hollow sediment detected a wider range of biodiversity than did soil at the entrance of the hollow. By comparing camera trap data with eDNA sequence reads, we were able to detect animals with eDNA that had visited the area up to two months prior to sample collection, with a negative correlation between sequence read amount and days since last recorded detection via camera. “Large” animals (>3kg) detected via camera were associated with significantly higher sequence read amounts than smaller animals. Our results show the effect of substrate selection, frequency of sampling and animal size, on eDNA based surveys. If the aim is to detect broad taxon diversity eDNA based approaches need to be complemented by traditional vertebrate survey methods.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».