Advancing environmental DNA as a tool for fisheries management by predicting salmon abundance across a range of spawning habitats
Notice bibliographique
Résumé
Advancing environmental DNA (eDNA) beyond conventional species detection applications to support wildlife and fisheries management has garnered great interest. The management of spawning Pacific salmon (Oncorhynchus spp.) could especially benefit from highly scalable eDNA tools for estimating local salmon abundance due to their extensive freshwater habitat distributions. Past studies have shown great promise for using salmonid eDNA to estimate abundance or biomass, though this predictive ability has rarely been evaluated beyond individual systems. We evaluated the potential for broadscale applicability of eDNA to estimate salmonid spawner abundance across a suite of disparate stream and river systems representing a range of different environmental conditions. We collected eDNA, spawner counts, and environmental variables at 39 salmon spawning grounds and/or migratory routes that encompassed a variety of freshwater habitats. We demonstrate that eDNA concentrations, when corrected for discharge, can be used to predict live salmon abundance across streams, whereas dead salmon were not well predicted. We also show that in the absence of equipment-intensive discharge measurements, point measurements of flow velocity and channel width may be used as a sufficient discharge proxy. Furthermore, discharge-corrected salmonid eDNA concentrations were not significantly influenced by water temperature or turbidity, but were positively related to bacterial eDNA concentrations. Collectively, these findings support the use of eDNA as a versatile tool for enumerating salmonids across systems and for integration of eDNA into salmonid monitoring programs. This work more broadly represents an important advancement of eDNA for applications beyond species detection and towards estimating abundance across lotic systems.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».