MétaCan
Menu
Retour à la cohorte
Enregistrement W7019832995

Integrating Environmental DNA, Traditional Fisheries Techniques, and Species Distribution Modeling to Assess Bridle Shiner Status in Maine

2023· article· en· W7019832995 sur OpenAlexaboutno aff

Notice bibliographique

RevueDigitalCommons (California Polytechnic State University) · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental DNA in Biodiversity Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMinnowNotropisNettingHabitatIntroduced speciesInvasive speciesRange (aeronautics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The bridle shiner (Notropis bifrenatus) is a small minnow species native to the eastern United States and southeastern Canada. The species is declining dramatically throughout most of its native range and has legal protection or concern status in thirteen states and two Canadian provinces. In Maine, the bridle shiner is listed as a Species of Special Concern and considered a Species of Greatest Conservation Need, partially because we lack a basic understanding of their status and distribution within the state. Bridle shiners have historically been found in southern and western Maine in densely vegetated, shallow habitats along the shorelines of streams and ponds. Surveys performed at sites where the shiners were once abundant have yielded very few or none of these fish. This project informed the Maine Department of Inland Fisheries & Wildlife on the status of the species in Maine and provides a foundation for future long-term monitoring of bridle shiner populations in the State. We used a combination of both direct capture techniques and environmental DNA (eDNA) to locate bridle shiners. eDNA is increasingly being used to detect rare aquatic species such as bridle shiners because it is both highly sensitive and less invasive than direct capture. We designed a single-species primer-probe assay to detect bridle shiner DNA, then surveyed 32 sites with a record of historic bridle shiner occurrence. In addition to collecting eDNA samples (2021-2022), we surveyed 29 sites using traditional seine netting techniques in 2021. In 2022, we used a preliminary habitat suitability model to select 46 locations with unknown bridle shiner presence to survey with eDNA. To refine eDNA methodology, we assessed trends in eDNA detection probability across seasons and compared DNA detection between three filter pore sizes. We rediscovered bridle shiner populations at 11 of 32 historically occupied sites and documented bridle shiners in four additional waterbodies. We determined that eDNA surveys were most effective in early or midsummer, and that larger filter pore sizes are a viable option for surveying bridle shiners. Species distribution modeling (SDM) statistically associates species occurrence data with environmental variables to evaluate habitat suitability. We used an ensemble species distribution modeling (SDM) approach to identify both the current and historic range of the bridle shiner within Maine and New Hampshire. We also investigated how local habitat characteristics influenced bridle shiner presence using generalized linear models. Both historic site surveys and ensemble SDMs suggest that there has been a substantial loss of historic bridle shiner habitat in Maine (-62%) and New Hampshire (-46%). At the landscape scale, we found significant effects of forest type, catchment position, soil composition, elevation, and slope on bridle shiners. Within a site, bridle shiners were associated with areas that had a higher proportion of complex-leaved submerged aquatic vegetation and a lower proportion of persistent emergent and floating vegetation. We determined that both eDNA and seine net surveys are viable options for monitoring bridle shiners in Maine, and that such survey strategies can be used with species distribution models to focus future surveys and to identify areas of possible conservation, reintroduction, or restoration actions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,291
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,204
Écart entre enseignants0,171 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDigitalCommons (California Polytechnic State University)Même sujetEnvironmental DNA in Biodiversity StudiesTravaux en français237 207