Do Roads Reduce Painted Turtle (Chrysemys picta) Populations?
Notice bibliographique
Résumé
Road mortality is thought to be a leading cause of turtle population decline. However, empirical evidence of the direct negative effects of road mortality on turtle population abundance is lacking. The purpose of this study was to provide a strong test of the prediction that roads reduce turtle population abundance. While controlling for potentially confounding variables, we compared relative abundance of painted turtles (Chrysemys picta) in 20 ponds in Eastern Ontario, 10 as close as possible to high traffic roads (Road sites) and 10 as far as possible from any major roads (No Road sites). There was no significant effect of roads on painted turtle relative abundance. Furthermore, our data do not support other predictions of the road mortality hypothesis; we observed neither a higher relative frequency of males to females at Road sites than at No Road sites, nor a lower average body size of turtles at Road than at No Road sites. We speculate that, although roads can cause substantial adult mortality in turtles, other factors, such as release from predation on adults and/or nests close to roads counter the negative effect of road mortality in some populations. We suggest that road mitigation for painted turtles can be limited to locations where turtles are forced to migrate across high traffic roads due, for example, to destruction of local nesting habitat or seasonal drying of ponds. This conclusion should not be extrapolated to other species of turtles, where road mortality could have a larger population-level effect than on painted turtles.
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 | 0,000 |
| 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) | 0,002 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».