Improving the accuracy of aquatic macroinvertebrate trait assignment — the importance of taxon-weighting

Abstract

Weighting family-level trait descriptions by taxon frequencies improved the accuracy of macroinvertebrate traits defined at both the individual and community level compared with trait descriptions derived from the proportionate inclusion of all taxa. Applying a priori data on (i) national rarity (rarity model) and (ii) frequency occurrence at reference sites (quality model), the deviation of family trait descriptions was measured in relation to a nonweighted null model. Overall, the quality modelwasmoredivergentthantheraritymodel,reflectingtherespectivespecificandgeneralsurveyprotocolsassociatedwith their source data. Assessing performance with contrasting datasets demonstrated that taxon-weighting provided improved accuracy even when survey protocols associated with model data and test sites were discordant. However, accuracy generally increased as the geographic coverage and sampling methods of weighted models and test data corresponded more closely. Measuring trait variability within families provides a useful indicator of the expected accuracy of generalized trait descriptions, while distinguishing variability in terms of even or skewed dispersion suggests options for the further refinement of assessment protocols.

La pondération des descriptions de caractères au niveau de la famille selon la fréquence des taxons a amélioré l’exactitudedescaractèresdemicroinvertébrésdéfinisauniveaudel’individuetdelacommunautéparrapportauxdescriptions de caractères découlant de l’inclusion proportionnelle de tous les taxons. En appliquant des données a priori sur (i) la rareté nationale(modèlederareté)et(ii)l’occurrencedesfréquencesa ` dessitesderéférence(modèledequalité),l’erreurapparentede descriptionsdecaractèresauniveaudelafamilleaétémesuréeparrapporta ` unmodèlenulnonpondéré.Engénéral,lemodèle de qualité était plus divergent que le modèle de rareté, ce qui reflète les protocoles d’échantillonnage spécifiques et généraux respectifs associés aux données de base de ces modèles. L’évaluation de la performance a ` l’aide d’ensembles de données différentsadémontréquelapondérationenfonctiondestaxonsproduisaituneplusgrandeexactitudemêmedanslescasoùles protocoles d’échantillonnage associés avec les données des modèles et les sites d’essai étaient discordants. Cela dit, une meilleurecorrespondanceentrelacouverturegéographiqueetlesméthodesd’échantillonnagedesmodèlespondérés,d’unepart,et les données d’essai, d’autre part, se traduisait généralement par une plus grande exactitude. La mesure de la variabilité descaractèresauseindefamillesfournitunindicateurutiledel’exactitudeattenduedesdescriptionsdecaractèresgénéralisées, alors que le départage de cette variabilité en termes de dispersion régulière et de dispersion asymétrique fournit des approches possibles pour améliorer encore davantage les protocoles d’évaluation. [Traduit par la Rédaction]