Modeling the Effect of Traffic Calming on Local Animal Population Persistence
Notice bibliographique
Résumé
A steady growth in traffic volumes in industrialized countries with dense human populations is expected, especially on minor roads. As a consequence, the fragmentation of wildlife populations will increase dramatically. In human-dominated landscapes, typically minor roads occur in high densities, and animals encounter them frequently. Traffic calming is a new approach to mitigate negative impacts by reducing traffic volumes and speeds on minor roads at a regional scale. This leads to a distinction between roads with low volumes as being part of the traffic-calmed area, whereas roads with bundled traffic are located around this area. Within the traffic-calmed area, volumes and speeds can be decreased substantially; this is predicted to decrease the disturbance and mortality risk for animals. Thus far, data on the effects of traffic calming on wildlife population persistence remain scarce. Using metapopulation theory, we derived a model to estimate thresholds in the size of traffic-calmed areas and traffic volumes that may allow persistent populations. Our model suggests that traffic calming largely increases the persistence of roe deer in a landscape with a dense road network. Our modeling results show trade-offs between traffic volume on roads within the traffic-calmed area and both the area of habitat available for this species in the trafficcalmed area and the size of the traffic-calmed area. These results suggest ways to mitigate the fragmentation of wildlife habitat by road networks and their expected traffic volumes.
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) | 0,000 | 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 ».