MétaCan
Menu
Retour à la cohorte
Enregistrement W2171658144 · doi:10.1111/2041-210x.12109

Calculating the ecological impacts of animal‐borne instruments on aquatic organisms

2013· article· en· W2171658144 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueMethods in Ecology and Evolution · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueTurtle Biology and Conservation
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesU.S. Fish and Wildlife Service
Mots-clésBiotelemetryDragForagingWildlifeEnvironmental scienceEcologyFisheryBiologyComputer scienceEngineeringTelemetry

Résumé

récupéré en direct d'OpenAlex

Summary Animal‐borne instruments provide researchers with valuable data to address important questions on wildlife ecology and conservation. However, these devices have known impacts on animal behaviour and energetics. Tags deployed on migrating animals may reduce reproductive output through increased energy demands or cause phenological mismatches of foraging and nesting events. For marine organisms, the only tagging guidelines that exist are based on lift and thrust impacts on birds – concepts that do not translate well to aquatic animals. Herein, we provide guidelines on assessing drag from animal‐borne instruments and discuss the ecological impacts on marine organisms. Of particular concern is the effect of drag from instruments to the welfare of the animals and for the applicability of collected data to wild populations. To help understand how drag from electronic tags affects marine animals in the wild, we used marine turtles as model aquatic organisms and conducted wind tunnel experiments to measure the fluid drag of various marine turtle body types with and without commercially available electronic tags (e.g. satellite, TDR , video cameras). We quantified the drag associated with carrying biotelemetry devices of varying frontal area and design (squared or tear drop shaped) and generated contour plots depicting percentage drag increase as a framework for evaluating tag drag by scientists and wildlife managers. Then, using concepts of fluid dynamics, we derived a universal equation estimating drag impacts from instruments across marine taxa. The drag of the marine turtle casts was measured in wind speeds from 2 to 30 m s −1 (Re 3·0 × 10 4 –1·9 × 10 6 ), equivalent to 0·1–1·9 m s −1 in seawater. The drag coefficient ( C D ) of the marine turtles ranged from 0·11 to 0·22, which is typical of other large, air‐breathing, marine vertebrates (0·08–0·26). The C D of tags in reference to the turtle casts was 0·91 ± 0·18 and most tags caused minimal additional drag (<5%) to adult animals, but the same devices increased the drag for juveniles significantly (>100%). The sensitivity of aquatic animals to instrument drag is a dynamic relationship between the fluid flow patterns, or C D , and the frontal area ratio of the animal and tag. In this paper, we have outlined methods for quantifying the drag costs from animal‐borne instrumentation considering the instrument retention time (time to release from the animal) and the activity of the instrumented animal. With this valuable tool, researchers can quantify the drag costs from animal‐borne instrumentation and choose appropriate tags for their intended study organism and question. Reducing drag will ultimately reduce the impact on the instrumented animals and lead to greater biological realism in the collected data.

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,031
Score d'incertitude au seuil0,533

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,020
Tête enseignante GPT0,306
Écart entre enseignants0,286 · 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