Environmental DNA surveys can underestimate amphibian occupancy and overestimate detection probability: implications for practice
Notice bibliographique
Résumé
Abstract Environmental DNA analysis of water samples has recently emerged as a powerful tool for studying the distribution, ecology, and conservation of many amphibian species. Validating efficacy through comparison with established methods of detection is important for any new method. We used multi‐method and single‐method occupancy models to explore the effectiveness of 3 techniques for detecting northern leopard frogs (Lithobates pipiens) and boreal chorus frogs (Pseudacris maculata). We conducted surveys using automated recording units, environmental DNA sampling, and visual encounter surveys in spring (30 Apr–3 Jun) and summer (23 Jul–27 Aug) of 2014 at 68 sites in southern Alberta, Canada. The multi‐method analysis incorporated data from all 3 survey methods while accounting for the lack of independence of detections within a sampling occasion, and we compared this to single‐method analyses to explore occupancy biases associated with each method and differences in method‐specific detection probability. Occupancy and detection probabilities estimated from environmental DNA analyses were biased for northern leopard frogs, overestimating probability of detection and underestimating occupancy. We could not assess bias for boreal chorus frogs because of overdispersion present in in the models. Although no single covariate explained this bias, it was ameliorated (albeit by reducing precision) by including a raw visual count of individuals as a proxy for abundance during the breeding but not the post‐metamorphic season. These results emphasize the need for careful consideration of temporal and spatial aspects of sampling design, conducting pilot studies, and external validation of eDNA‐only occupancy monitoring schemes prior to widespread implementation.
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 | 0,132 | 0,398 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».