<scp>eDNA</scp> Metabarcoding to Monitor Fish Communities in a Large River Floodplain
Notice bibliographique
Résumé
ABSTRACT Freshwater ecosystems are highly biodiverse and provide essential services that support both ecosystem health and economic sustainability. Despite their ecological significance, these ecosystems are disproportionately affected by the global biodiversity crisis. Large river floodplains constitute a fundamental component of freshwater ecosystems, sustaining fish biodiversity, growth, and reproduction. Yet, these floodplains face mounting threats from anthropogenic pressures, including physical modifications and land conversion for agriculture. In this context, there is an urgent need for scalable biomonitoring methods to more effectively assess floodplain ecosystems, which present methodological challenges due to their heterogeneous and dynamic nature. Traditional fish monitoring methods, however, are often invasive, costly, and resource‐intensive. In contrast, environmental DNA (eDNA) metabarcoding presents a noninvasive, cost‐effective, and scalable alternative. This study compares eDNA metabarcoding and electrofishing for fish community biomonitoring in the floodplain of Lake St. Pierre, the largest floodplain habitat along the St. Lawrence River. We assessed the effectiveness of these methods in monitoring fish community diversity and composition, as well as the influence of floodplain sectors and a gradient of land use from natural wetlands to annual (row) crops. eDNA metabarcoding detected a broader range of species than electrofishing, while both methods consistently identified abundant species. The two methods yielded uncorrelated diversity indices and distinct community compositions. Fish eDNA community composition was strongly associated with floodplain sectors, whereas land use within these sectors had a weaker influence on community diversity and composition. Our findings highlight eDNA metabarcoding as a valuable tool for characterizing broad patterns of fish communities in floodplain ecosystems. This method provides an additional tool to traditional methods for monitoring and conserving threatened floodplain habitats. However, careful consideration of study scale is essential to ensure effective conservation outcomes in these hydrologically dynamic environments.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».