Modeling the effects of road network patterns on population persistence: relative importance of traffic mortality and 'fence effect'
Notice bibliographique
Résumé
Roads affect animals in three adverse ways. They act as barriers to movement (âfence effectâ), enhance mortality due to collisions with traffic, and decrease habitat size. We study the relative importance of the first two effects using a spatially explicit individual-based model of population dynamics. We discuss our results with respect to the suitability of fences along roads as a measure to reduce road mortality. The results reveal a much stronger effect of road mortality than of the âfence effectâ; the influence of traffic mortality is always much more significant when the proportions of individuals avoiding the road and those that are killed on the road (in relation to the number of individuals encountering roads) in the two situations compared are the same. The results indicate that putting up fences along roads might be a useful interim mitigation measure until more suitable measures will be applied. However, fences must be used with caution because they could increase extinction risk for species that have large area requirements and small population sizes. In the second part of this paper, we outline a comparison of different configurations of road networks. We ask if different spatial arrangements of the same amount of roads (e.g., âbundlingâ of roads) have consequences for the strength of both the âfence effectâ and road mortality. The model results indicate longer times to extinction in case of a âbundlingâ of roads but the proportion of populations going extinct within 500 time steps does not change significantly.
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 | 0,002 |
| 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 ».