The Impacts of Roads and Traffic on Terrestrial Animal Populations
Notice bibliographique
Résumé
There is growing evidence that roads and traffic reduce populations of many species and efforts to mitigate road effects are now common. To maximise understanding of road impacts and for conservation of particular species, we need to know how roads affect the viability of a group of individuals of the species rather than a single individual. Roads and traffic affect wildlife populations in three major ways, by (i) increasing mortality, (ii) decreasing habitat amount and quality and (iii) fragmenting populations into smaller sub-populations which are more vulnerable to local extinction. To ensure mitigation is effective, we need to identify the species most affected, and the cause(s) of the effects, so that appropriate mitigation can be tailored to those species. 1 Mammals: Larger, more mobile species with lower reproductive rates are more susceptible to road mortality, and species that avoid roads from a distance due to traffic-related disturbance are susceptible to habitat fragmentation, loss and degradation. 2 Birds: Species that have large territories and possibly species that are low flying, ground dwelling and/or heavy relative to their wing size are more susceptible to road mortality. 3 Amphibians and reptiles: All species, regardless of life history traits, are prone to negative road effects as they are particularly susceptible to road mortality and habitat fragmentation by roads. 4 A species response to roads and traffic will vary depending on its conservation status, geographical location, habitat preferences, road type and/or traffic volume. 5 There are still many species for which we do not know the population-level effects of roads. To ensure mitigation will be effective for as many species as possible, research is needed on the effects of roads on a broader range of species. This chapter provides a high-level overview of the population-level effects of roads on animals using the available data from 75 studies. For more detailed information on specific species groups, please refer to Chapters .
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».