MétaCan
Menu
Retour à la cohorte
Enregistrement W6979733683

An Adaptive Design to Reduce Animal Road Mortality: Analyzing the Effectiveness of a Fence-Culvert Ecopassage Design on Highway 401, Ontario

2022· dissertation· en· W6979733683 sur OpenAlexaboutno aff

Notice bibliographique

RevueQSpace (Queen's University Library) · 2022
Typedissertation
Langueen
DomaineEnvironmental Science
ThématiqueWildlife-Road Interactions and Conservation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCulvertFencingWildlifeEndangered speciesChristian ministryHabitatAdaptive management
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Road mortality has become a serious threat to turtle populations. Mitigation strategies using exclusion fencing and some form of crossing structure are becoming increasingly common, yet studies that evaluate the efficacy of these designs still remain rare. Field monitoring that was conducted from 2014-2017 had identified a 1 km stretch of Highway 401 in eastern Ontario with especially high levels of wildlife mortality, including the endangered Blanding’s turtle (Emydoidea blandingii). In 2018 the Ontario Ministry of Transportation installed two types of fencing in this location to prevent animals from entering the roadway and to funnel them into existing drainage culverts to allow for habitat connectivity. The goal of this research was to evaluate the effectiveness of the fence-culvert design by collecting two years of post-mitigation road mortality data, and then comparing this to the pre-installation data. I implemented a before-after-control-impact (BACI) study design to interpret and assess the results. In addition to road mortality surveys, a combination of camera trapping, sand trapping, and field observations of wildlife behavior were used in the post-mitigation survey years. Kernel density analysis (KDE+) was used to analyze the mortality data and showed that the mitigation structure was effective in reducing turtle and mammal mortality, but also suggested that the fencing may have contributed to an increased mortality of snakes. Camera trapping at culvert entrances indicated that the majority of complete crossings through the culverts were mammals (97%), with few herpetofaunal crossings (3%). Nevertheless, there was a distinct presence of herpetofauna at the openings of culverts (n=789), suggesting that adequately sized and configured ecopassages may aid in connectivity. Based on these results, as well as ongoing maintenance considerations, I conclude that a ‘best practice’ design to reduce road mortality of turtles and other wildlife on Highway 401 may be the installation of 3/8” chain link fence with a ground- level screen of fine mesh or smooth plastic (~30cm), adequately sized and designed ecopassages, and full coverage fencing of pre-defined hot spot locations of mortality.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,548
Score d'incertitude au seuil0,910

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
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 Opus0,017
Tête enseignante GPT0,226
Écart entre enseignants0,209 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQSpace (Queen's University Library)Même sujetWildlife-Road Interactions and ConservationTravaux en français237 207