MétaCan
Menu
Retour à la cohorte
Enregistrement W341099056

Description and analysis of vehicle and train collisions with wildlife in Jasper National Park, Alberta Canada, 1951-1999

2001· article· en· W341099056 sur OpenAlexaboutno aff
Jim Bertwistle

Notice bibliographique

RevueeScholarship (California Digital Library) · 2001
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife-Road Interactions and Conservation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWildlifeNational parkGeographyHabitatPopulationCollisionWildlife refugeEcologyArchaeologyDemographyBiology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Problem Statement Jasper National Park (JNP) is located on the East slope of the Canadian Rockies in the province of Alberta, Canada. Two national transportation corridors, the Yellowhead Highway and the Canadian National Railway, each pass through the park. These transportation corridors parallel each other and are located in prime wildlife habitat. Traffic volumes on the Yellowhead Highway are 1.2 million vehicles per year and 12,000 trains per year on the railway. Seventy percent of collisions occur on highways. From 1951-1999-, 3,791 large animals have been killed in collisions with vehicles and trains in JNP. From 1980 to 1999 average yearly transportation-related mortality is 149 animals per year.A variety of wildlife is killed in collisions; however, elk and bighorn sheep make up 53 percent of collisions. This report includes an analysis of collisions involving five ungulates (elk, bighorn sheep, mule deer, white-tailed deer and moose) and four carnivores (wolves, coyotes, grizzly and black bears).Study Objectives • To determine the type of highway vehicle responsible for most collisions. • To analyze and describe changes that have occurred in wildlife populations adjacent to transportation corridors based on collision data. • To analyse and describe temporal and spatial collision trends. • To compare collision on highways and the CNR. • To analyse and describe collisions based on species, age class, and wildlife gender. • To assess the effect of collisions on the elk population adjacent to transportation corridors. • To assess mitigation that has been used to reduce collisions. • To make recommendations to reduce collisions. • To formulate a methodology to address the issue of wildlife mortality on transportation corridors that may be transferable to other locations and National Parks. • To analyze and describe spatial and temporal collision trends for use in developing mitigation to reduce wildlife collisions.Results The majority of vehicles on the Yellowhead Highway are passenger vehicles and transport trucks. Transport trucks make up a disproportional number of collisions versus passenger vehicles. Spatial and temporal collision trends vary depending on the species. Age class and gender collision rates also vary depending on the species and if the collision occurred on highways or the railway. For some species, these trends are both statistically and biologically significant.Regression analysis showed highway traffic volumes are not the single greatest contributor to collision rates. Collision rates are also influenced by changes in wildlife behaviour. These changes vary depending on the species; however, migration to winter ranges adjacent to transportation corridors has a significant influence on collision rates.Using collision data as an indicator of population structure adjacent to transportation corridors shows that changes have occurred in the wildlife structure adjacent to transportation corridors. In some cases, these changes are significant.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,138
Score d'incertitude au seuil0,960

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,192
Écart entre enseignants0,182 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeScholarship (California Digital Library)Même sujetWildlife-Road Interactions and ConservationTravaux en français237 207