Spatial distribution of wildlife road mortality: How important is rigorous data collection?
Notice bibliographique
Résumé
• We identified hotspots and coldspots at four scales for three confidence levels. • We compared rigorously collected data to data collected by highway patrol personnel. • We found considerably more animals and identified more species than highway patrol. • Rigorous surveys provide a better understanding of impacts of roads on biodiversity. • Installation of fences combined with designated wildlife passages is needed. We conducted 66 road mortality surveys along a 31.5 km stretch of a high-traffic 4-lane highway between Montreal and Sherbrooke in Québec, Canada. Surveys by vehicle between May and August 2019 recorded 212 animal carcasses from 48 species. Hotspots and coldspots for ground-dwelling vertebrates (mammals, amphibians, and reptiles) and birds were identified at four scales. The number of hotspots was higher at finer scales, while the combined length of hotspots was greater at coarser scales. We found significantly more animals and identified more species than the highway patrol, suggesting that rigorous road mortality surveys are beneficial for better understanding road impacts on biodiversity. We estimated that the highway patrol’s reporting probability for medium-sized mammals (more than 0.65 kg, less than 30 kg) was between 21 % and 54 % that of our systematic surveys. We recommend priority locations for mitigation to reduce road mortality and re-establish connectivity between wildlife populations separated by the highway.
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 | 0,084 | 0,261 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,006 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».