Detection differences between eDNA and mid‐water trawls are driven by fish biomass and habitat preferences
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Marine scientific trawl surveys are commonly used to assess the distribution and population size of fisheries‐related species, yet the method is effort‐intensive and can be environmentally destructive. Sequencing environmental DNA (eDNA) from water samples can reveal the presence of organisms in a community without capturing them; however, we expect the detectability of taxa to differ between eDNA and trawl surveys, and understanding how species traits and population variables contribute to detection differences can help calibrate our expectations from each form of sampling. Here, we coupled eDNA metabarcoding and capture trawl surveys in British Columbia, Canada, to examine species traits that explain recurrent differences in detectability between the two methods, including habitat, body size, and biomass. At the regional scale, 17 of 23 fish species (74%) captured by the trawl were detected by eDNA metabarcoding, and 39 additional species were detected by eDNA sampling only. We found that eDNA metabarcoding disproportionately detected trawl‐caught species with greater local biomass (i.e., greater biomass in the adjacent trawl). Fish detected only in eDNA had a greater range of body lengths and a broader range of habitat preferences outside the trawls' target size and sampling areas. Our results suggest that with our level of sampling, eDNA metabarcoding can adequately recapitulate detection of fish communities detected by trawl surveys, but with a bias toward fish of high population biomass and greater inclusion of fish from outside the trawled area.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 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 | 0,001 |
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 découle