Road avoidance and its energetic consequences for reptiles
Notice bibliographique
Résumé
Abstract Roads are one of the most widespread human‐caused habitat modifications that can increase wildlife mortality rates and alter behavior. Roads can act as barriers with variable permeability to movement and can increase distances wildlife travel to access habitats. Movement is energetically costly, and avoidance of roads could therefore impact an animal's energy budget. We tested whether reptiles avoid roads or road crossings and explored whether the energetic consequences of road avoidance decreased individual fitness. Using telemetry data from Blanding's turtles ( Emydoidea blandingii ; 11,658 locations of 286 turtles from 15 sites) and eastern massasaugas ( Sistrurus catenatus ; 1,868 locations of 49 snakes from 3 sites), we compared frequency of observed road crossings and use of road‐adjacent habitat by reptiles to expected frequencies based on simulated correlated random walks. Turtles and snakes did not avoid habitats near roads, but both species avoided road crossings. Compared with simulations, turtles made fewer crossings of paved roads with low speed limits and more crossings of paved roads with high speed limits. Snakes made fewer crossings of all road types than expected based on simulated paths. Turtles traveled longer daily distances when their home range contained roads, but the predicted energetic cost was negligible: substantially less than the cost of producing one egg. Snakes with roads in their home range did not travel further per day than snakes without roads in their home range. We found that turtles and snakes avoided crossing roads, but road avoidance is unlikely to impact fitness through energetic expenditures. Therefore, mortality from vehicle strikes remains the most significant impact of roads on reptile populations.
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 ».