Tracking moose- and deer-vehicle collisions using GPS and landmark inventory systems in British Columbia.
Notice bibliographique
Résumé
Vehicle collisions with moose ( Alces alces ) and deer ( Odocoileus spp.) pose a serious threat to all motorists travelling highways traversing habitats of these two ungulates. In British Columbia, mitigation measures to reduce such collisions are based on spatially-accurate records of collisions involving moose and deer that are collected by the province’s highway maintenance contractors. To date, the British Columbia Ministry of Transportation and Infrastructure (BC MOTI) uses the paper-based Wildlife Accident Reporting System (WARS) established in 1978 to maintain carcass records. We compared carcass location data collected in 2010 to 2014 by BC MOTI using WARS to that collected by Northern Health Connections bus drivers using a newly developed GPS-based system (Otto® Wildlife device). In total, 6,929 carcasses (1,231 moose, 5,698 deer) were recorded using WARS and 474 (167 moose, 410 deer) using the Otto® Wildlife device. We compared data collected along 2,800 km on the same highways in the same seasons of the same years. We found more carcass locations were identified with the WARS method, but that in certain geographic regions, the Otto® Wildlife system identified several unique locations. We contend that more complete and finer-scale carcass location data is possible using a GPS-based system such as Otto® Wildlife, than currently collected solely with the paper-based WARS method.
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 ».