Monitoring Atlantic Salmon (<i>Salmo salar</i>) Smolt Migration in a Large River System Using Environmental <scp>DNA</scp>
Notice bibliographique
Résumé
ABSTRACT Effective monitoring strategies are key for aquatic species conservation, but traditional methods often require significant resources, especially in large aquatic systems. The emergence of quantitative environmental DNA (eDNA) is a promising alternative. Yet, few studies have evaluated the possibility of quantifying Atlantic salmon abundance with eDNA when individuals are at low abundance and occur in large river systems. In this study, we tested the efficacy of eDNA to monitor and quantify daily variation in smolt counts during their downstream migration in a large river system with low abundance of smolts. During the 2021 and 2022 downstream migrations, trap nets were used to conduct a daily census of smolts in the Romaine and Puyjalon rivers (Québec, Canada) while eDNA samples were collected daily over a transect perpendicular to the riverbank. Using quantitative real‐time qPCR, we showed that discharge‐corrected eDNA concentrations were positively correlated with daily smolt counts for both years. In addition, we found that controlling for temperature and precipitation improved model transferability between years, showing the importance of considering environmental correlates when using eDNA for abundance quantification. Finally, smolt counts were correlated with eDNA concentrations on the same day, but not with eDNA concentrations 1 or 2 days prior, highlighting the capacity of the model to track daily fluctuations in smolt abundance. Our results underscore the potential of using eDNA to monitor Atlantic salmon in large river systems with low smolt abundance when the river hydrology and environmental conditions are documented.
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 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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
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 tête enseignante, 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 ».