Factors influencing the discovery and use of wildlife passages for small fauna
Notice bibliographique
Résumé
Summary While many studies have looked at how large mammals respond to road mitigation measures, few have examined the effects on smaller mammals. We investigated the effectiveness of three different types of wildlife passages along Highway 175 in Quebec, Canada, for small‐ and medium‐sized mammals (<30 kg) using infrared cameras. Wildlife passages ( n = 17) were monitored 24 h a day 7 days a week from 2012 to 2015. Two research questions were addressed: (i) What influences passage discovery and use? and (ii) does it differ between species? Global and species‐specific models were produced for both discovery and use. A linear mixed‐effects model was used for the discovery data (log‐transformed counts), and a generalized linear mixed model was used for the crossing data (binary response). Species' responded to the passages differently, with discoveries increasing overall and in particular for marmots Marmota monax as latitude increased. Pipe culverts were significantly more likely to be discovered by micromammals and wooden ledge culverts by red squirrels Tamiasciurus hudsonicus . Older passages were discovered less in general, with the exception of marmots. Marmots were also the only species to show a difference in crossings by passage type, favouring pipe culverts. Passage use was less likely with a median present for all models, except squirrels. More open passages had higher use overall and particularly for marmots and weasels Mustela spp. Synthesis and applications . By separating animal responses to wildlife passages into two types (discovery and use), we have shown it is possible to incorporate multiple dimensions into post‐mitigation evaluation. This study highlights how transportation agencies can engineer more effective wildlife passages by minimizing the barrier effect of the structures themselves and constructing more passages better suited to the needs of the species they are targeting. To benefit the most species, it is recommended that future projects contain a diversity of open, single segment passages requiring long‐term monitoring.
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 ».