Modeling road mortality hotspots of Eastern Hermann’s tortoise in Romania
Notice bibliographique
Résumé
Road-associated mortality can lead to local declines of wildlife populations, and management agencies are actively implementing mitigation measures, especially focused on potential road mortality hotspots. In this study we used a spatially-explicit simulation modeling approach to estimate the hotspots of road mortality for the Eastern Hermann’s tortoise ( Testudo hermanni boettgeri ) within its distribution range in Romania. Using a field experiment, we first evaluated velocities while crossing roads. Adult male tortoises moved faster than females (3.98 m/min vs. 2.51 m/min) which led to higher individual probabilities for females being killed on high-traffic roads (0.61 for females vs. 0.44 for males at traffic levels of 7000 vehicles/day). Both males and females had similar road mortality probabilities for traffic levels <1000 and >35 000 vehicles/day. Our spatially explicit model suggests that, within the entire Romanian distributional range, the tortoises have an overall risk of road mortality 1.6%, which may have a negative impact on tortoise populations. Using the Getis-Ord Gi statistic, we identified road mortality hotspots with mortality rates of 5-30%, in areas bisected by high-traffic national and European-level roads. Our research is timely in that many low-traffic roads are predicted to have increased traffic associated with tourism activities, thus increasing the overall risk of mortality. We suggest that mitigation measures such as signage and roadside fences associated with underpasses have the potential to limit road mortality of this threatened species within predicted current mortality hotspots.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».