Modeling cetacean eDNA distribution along the Washington coast using metabarcoding from opportunistic samples and generalized additive models
Notice bibliographique
Résumé
Abstract Effective cetacean conservation depends on robust monitoring, yet traditional visual and passive-acoustic surveys have constraints. We evaluated environmental DNA (eDNA) metabarcoding coupled with species distribution modeling (SDM) as a tool to study habitat use of cetaceans along the Washington State coast, USA. Seawater was collected at the surface and at a 50 m depth from 43 sites (86 samples) during the 2019 U.S.–Canada Integrated Ecosystem & Acoustic-Trawl Survey. A partial section of the mitochondrial control region was amplified with cetacean - specific primers, sequenced on an Illumina MiSeq, and taxonomically assigned with a curated reference database. Nine species were detected; we modelled the three most frequent: Pacific white-sided dolphin ( Lagenorhynchus obliquidens ) (10 detections), humpback whale ( Megaptera novaeangliae ) (8 detections), and Risso’s dolphin ( Grampus griseus ) (6 detections). Binomial generalized additive models related presence-absence to bathymetry, distance to shore, longitude, slope, and sea-surface temperature; model performance was assessed with stratified five-fold cross-validation. SDMs explained 17–51% of null deviance and presented high specificity (≥ 0.80). The Pacific white-sided dolphin showed the highest eDNA presence probabilities offshore, beyond the shelf break. Humpback whale eDNA presence probabilities showed hotspots along the shelf break with secondary high-probability patches in near-shore waters. Risso’s dolphin eDNA presence probabilities were elevated in offshore zones characterized by steep bathymetric gradients, particularly northwest of the sampled transect. These spatial patterns are consistent with historical visual–acoustic records, suggesting that eDNA-informed SDMs can capture cetacean habitat use. This proof of concept indicates that combining eDNA detections with flexible SDMs could provide a cost-effective, non-invasive complement to conventional surveys and may offer a scalable pathway for marine-mammal monitoring and spatial planning.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».