MétaCan
Menu
Retour à la cohorte
Enregistrement W4220663631 · doi:10.3389/fmars.2022.809327

Detecting Rare Species With Passive Sampling Tools: Optimizing the Duration and Frequency of Sampling for Benthic Taxa

2022· article· en· W4220663631 sur OpenAlexafffund
Christopher W. McKindsey, Ladd E. Johnson

Notice bibliographique

RevueFrontiers in Marine Science · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine Ecology and Invasive Species
Établissements canadiensFisheries and Oceans CanadaUniversité Laval
Organismes subventionnairesFisheries and Oceans CanadaNatural Sciences and Engineering Research Council of CanadaUniversité Laval
Mots-clésSampling (signal processing)Duration (music)Species richnessPopulationEcologyBenthic zoneBiologyEnvironmental scienceComputer scienceFilter (signal processing)

Résumé

récupéré en direct d'OpenAlex

The choice of the duration and frequency of sampling to detect relevant patterns in field experiments or for environmental monitoring is always challenging since time and material resources are limited. In practice, duration and frequency of sampling are often chosen based on logistical constraints, experience, or practices described in published works but are rarely justified and almost never optimized before initiating sampling. Settlement plates are commonly used as a passive sampling tool to study recruitment patterns of fouling organisms (including non-indigenous species) and their deployment is amenable to experimentation with respect to manipulating duration and frequency of sampling. This study aimed to determine the optimal sampling strategy to detect rare species (e.g., a non-indigenous species early in the invasion process when its population size is still small). To do so, we deployed a series of settlement plates of various durations (1–32 days) and sampling frequencies (daily to biweekly) during the seasonal onset of recruitment, when larval supply was low, a situation that mimics the low propagule pressure of the early stages of the invasion process. We demonstrated that a combination of longer sampling duration and higher sampling frequency was the best strategy to maximize taxonomic richness. However, we found that an intermediate sampling duration of 1–2 weeks was optimal for detecting most species. These results can guide species-specific and assemblage-level sampling strategies using settlement plates. Additionally, this study can serve as a practical template for optimizing sampling of other taxonomic groups that were not examined in the present study as well as for the use of other 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,230
Écart entre enseignants0,207 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Marine ScienceMême sujetMarine Ecology and Invasive SpeciesTravaux en français237 207