Environmental factors influencing local distributions of European green crab (<i>Carcinus maenas</i>) for modeling and management applications
Notice bibliographique
Résumé
Environmental factors determine the habitat selection, use and distribution of species at various spatial scales. Understanding the factors driving these distributions can help predict areas of higher species occurrence, and be used in species conservation, and management strategies. In this study we reviewed 71 publications to evaluate the most relevant factors shaping local, fine-scale distribution of a globally invasive species, the European green crab (Carcinus maenas). We compared these studies to determine how factors differ (i) between adult and juvenile life stages, (ii) with the influence of internal and temporal variables, and (iii) among clades. Factors of depth, biotic interactions, vegetation, presence of shelter and salinity were found to be important, although the supporting evidence varied between juvenile and adult stages. Internal variables of size, carapace color and sex, and temporal variables such as seasonal, tidal and diel cycles played a role in determining how crabs responded to environmental factors. The importance of environmental factors also varied by clade. All of these factors and variables may be expected to play a role in the local, fine-scale distribution of C. maenas. These variations affect the efficacy of using a single model to anticipate local green crab distribution (e.g., spatial distribution model). Application of different models for adult and juvenile subsets of the population, clades, and accounting for temporally shifting distribution may help accommodate some of this variation. The relative presence of factors in a region and the availability of local, fine-scale environmental data may further influence the efficacy of modeling. The combined effects of such considerations will make predictive local modeling at fine scales challenging, if not impossible, with existing knowledge, data and technology. Nonetheless, our results provide insight into the environmental characteristics most relevant to shaping local distributions of C. maenas, which may inform management strategies such as efficient trap-setting within an ecosystem.
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 | 0,001 |
| 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) | 0,000 | 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 ».