Modeling road mortality hotspots of Eastern Hermann’s tortoise in Romania
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 découle