Tracking movements of decapod crustaceans: a review of a half-century of telemetry-based studies
Notice bibliographique
Résumé
Decapod crustaceans are ecologically and economically important invertebrates but are vulnerable to anthropogenic pressures and climate change. Understanding their spatial ecology is essential for their management and conservation, with telemetry emerging as a useful tool to quantify space-use and movements. Here, we synthesized the use of telemetry to study decapods among articles published from 1971 to 2019 (n = 102 studies), by taxonomic group of the study species, study location, objectives, number of animals tagged and their tag recovery rate, types (and trends) of telemetry used, and IUCN conservation status. These studies revealed insight into the behaviours and roles of decapods across habitats and geographic regions. The most common study species were crayfish and lobsters (41%, Astacidea), and these studies also had the highest number of individuals tagged per study (mean = 149 individuals). Most studies (86%) were conducted in the northern hemisphere. Acoustic tags were the most commonly used equipment (66% of studies) and were first employed in 1971, followed by radio-telemetry (mid-1990s), passive integrated transponders (mid-2000s), and data storage tags (late 2000s). Almost half (48%) of studies focused on species that had a conservation status of Least Concern, perhaps reflecting an applied science focus on animals of commercial interest rather than conservation importance. The positive allometric relationship between body length and movement rate (exponent = 0.86) demonstrates the type of broader ecological insight that combining these studies can provide. Tracking decapod movements will likely become increasingly important for managing fisheries, protecting sensitive species, and understanding invasion biology.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».