Effect of environmental DNA sampling resolution compared to capture surveys in detecting marine biodiversity
Notice bibliographique
Résumé
Marine environmental DNA (eDNA) metabarcoding provides a tool that can increase our ability to monitor biodiversity, but the effects of seawater movement and mixing on the spatial resolution of eDNA needs to be better understood. Specifically, homogenization of eDNA could limit or alter our ability to infer biodiversity patterns and species distributions, especially at fine scales. We paired eDNA metabarcoding and beach seining surveys of fishes on the Pacific coast of British Columbia to assess how conditions at differing spatial scales influence eDNA spatial turnover and richness. Between paired eDNA and beach seine samples, more fish taxa were detected in eDNA, especially in areas of high seawater movement and high habitat heterogeneity, but eDNA consistently missed species that were present in low biomass in beach-seining surveys. Spatial turnover of fish communities surveyed using beach seining was explained by factors that vary at smaller spatial scales than with eDNA. Specifically, differences in vegetation (varying at 10s -100s of meters) and shoreline exposure (100s - 1000s of meters) explained community turnover in beach seining samples, and there was no additional effect of distance between samples, suggesting similar habitats far apart had similar fish communities. Conversely, turnover in eDNA was not well explained by small-scale habitat variation (vegetation) but showed a pattern of distance decay, suggesting habitat features at larger scales drive community patterns. In eDNA, samples within two km had similar compositions (<10 % turnover) which dissipated by ~10 km. Our findings indicate that in heterogeneous coastal seascapes, the eDNA sample grain is larger than smaller-scale (and potentially important) differences in fish distributions captured with beach seining. Yet eDNA sampling can provide a powerful and realistic summary of fish biodiversity over larger areas at the scales, potentially relevant to observing regional biodiversity change
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 | 0,040 | 0,084 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| 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 ».