Avaliação da ocorrência de pontos negros de mortalidade por atropelamento em Strigiformes
Autor(a) principal: | |
---|---|
Data de Publicação: | 2010 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10174/20754 |
Resumo: | O atropelamento é uma das principais causas de mortalidade de Strigiformes. Como predadores de topo, a persistência das suas populações poderá encontrar-se comprometida devido á alteração da sua estrutura. Para reduzir tais efeitos, medidas de mitigação deverão ser utilizadas. A sua aplicação ao longo da totalidade das estradas não é financeiramente exequível, implicando a identificação dos locais onde essa mortalidade é mais intensa (i.e., pontos negros). Para além disso, também é necessário reconhecer quais os factores que influenciam sua distribuição, o que permitirá delinear medidas mitigadoras. O desempenho de sete métodos de identificação de pontos negros foi realizado utilizando informação de atropelos de Strigiformes recolhida sistematicamente durante dois anos, num grupo de estradas do sul de Portugal. O reconhecimento dos factores determinísticos conseguiu-se através do desenvolvimento de modelos, usando a regressão binária logística e a ENFA. Os resultados sugerem que o Kernel e o método sugerido por Maio (2004) devem ser usados para identificação dos pontos negros. O atropelo destas espécies está associado a existência de boas condições de habitat para a ocorrência das espécies, e da existência de determinadas condições que promovem a ocorrência de episódios de caça sobre a via. A determinação destes factores permitiu a definição de um conjunto de medidas mitigadoras. ABSTRACT: The road fatalities are among the major causes of mortality for Strigiformes species. As top predator they are, this may affect the population's perpetuity by the modification on its structure. The use of mitigation strategies must be considered, however because its application along the total length of all roads is not financially feasible, the locations where Strigiforme road-killing are more intense (i.e. road fatality hotspots) have to be identified. Aside hotspots identification, factors that influence the occurrence of such fatalities should be recognized to permit mitigation measures delineation. We use road fatality data collected from a group of south Portuguese roads during a two years period, for achieve the performance of five different hotspot identification methods. For deterministic factors recognition, binary logistic regression and ENFA modelling were applied. Our results suggest that kernel density estimation and Malo's method should be preferred to hotspot identification. The factors found as determinants of this kills are associated with the existence good habitat conditions for species occurrence, and the existence of specific conditions that promote hunting behaviour near roads. According to these factors several mitigation measures were recommended. |
id |
RCAP_cd7201efedc527e3bb22dee555f5d4e3 |
---|---|
oai_identifier_str |
oai:dspace.uevora.pt:10174/20754 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Avaliação da ocorrência de pontos negros de mortalidade por atropelamento em StrigiformesO atropelamento é uma das principais causas de mortalidade de Strigiformes. Como predadores de topo, a persistência das suas populações poderá encontrar-se comprometida devido á alteração da sua estrutura. Para reduzir tais efeitos, medidas de mitigação deverão ser utilizadas. A sua aplicação ao longo da totalidade das estradas não é financeiramente exequível, implicando a identificação dos locais onde essa mortalidade é mais intensa (i.e., pontos negros). Para além disso, também é necessário reconhecer quais os factores que influenciam sua distribuição, o que permitirá delinear medidas mitigadoras. O desempenho de sete métodos de identificação de pontos negros foi realizado utilizando informação de atropelos de Strigiformes recolhida sistematicamente durante dois anos, num grupo de estradas do sul de Portugal. O reconhecimento dos factores determinísticos conseguiu-se através do desenvolvimento de modelos, usando a regressão binária logística e a ENFA. Os resultados sugerem que o Kernel e o método sugerido por Maio (2004) devem ser usados para identificação dos pontos negros. O atropelo destas espécies está associado a existência de boas condições de habitat para a ocorrência das espécies, e da existência de determinadas condições que promovem a ocorrência de episódios de caça sobre a via. A determinação destes factores permitiu a definição de um conjunto de medidas mitigadoras. ABSTRACT: The road fatalities are among the major causes of mortality for Strigiformes species. As top predator they are, this may affect the population's perpetuity by the modification on its structure. The use of mitigation strategies must be considered, however because its application along the total length of all roads is not financially feasible, the locations where Strigiforme road-killing are more intense (i.e. road fatality hotspots) have to be identified. Aside hotspots identification, factors that influence the occurrence of such fatalities should be recognized to permit mitigation measures delineation. We use road fatality data collected from a group of south Portuguese roads during a two years period, for achieve the performance of five different hotspot identification methods. For deterministic factors recognition, binary logistic regression and ENFA modelling were applied. Our results suggest that kernel density estimation and Malo's method should be preferred to hotspot identification. The factors found as determinants of this kills are associated with the existence good habitat conditions for species occurrence, and the existence of specific conditions that promote hunting behaviour near roads. According to these factors several mitigation measures were recommended.Universidade de Évora2017-02-17T14:44:46Z2017-02-172010-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10174/20754http://hdl.handle.net/10174/20754porEsc. C. T.luispgomes@gmail.com221Gomes, Luís Alexandre Piteirainfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2024-01-03T19:10:50Zoai:dspace.uevora.pt:10174/20754Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T01:12:08.408886Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Avaliação da ocorrência de pontos negros de mortalidade por atropelamento em Strigiformes |
title |
Avaliação da ocorrência de pontos negros de mortalidade por atropelamento em Strigiformes |
spellingShingle |
Avaliação da ocorrência de pontos negros de mortalidade por atropelamento em Strigiformes Gomes, Luís Alexandre Piteira |
title_short |
Avaliação da ocorrência de pontos negros de mortalidade por atropelamento em Strigiformes |
title_full |
Avaliação da ocorrência de pontos negros de mortalidade por atropelamento em Strigiformes |
title_fullStr |
Avaliação da ocorrência de pontos negros de mortalidade por atropelamento em Strigiformes |
title_full_unstemmed |
Avaliação da ocorrência de pontos negros de mortalidade por atropelamento em Strigiformes |
title_sort |
Avaliação da ocorrência de pontos negros de mortalidade por atropelamento em Strigiformes |
author |
Gomes, Luís Alexandre Piteira |
author_facet |
Gomes, Luís Alexandre Piteira |
author_role |
author |
dc.contributor.author.fl_str_mv |
Gomes, Luís Alexandre Piteira |
description |
O atropelamento é uma das principais causas de mortalidade de Strigiformes. Como predadores de topo, a persistência das suas populações poderá encontrar-se comprometida devido á alteração da sua estrutura. Para reduzir tais efeitos, medidas de mitigação deverão ser utilizadas. A sua aplicação ao longo da totalidade das estradas não é financeiramente exequível, implicando a identificação dos locais onde essa mortalidade é mais intensa (i.e., pontos negros). Para além disso, também é necessário reconhecer quais os factores que influenciam sua distribuição, o que permitirá delinear medidas mitigadoras. O desempenho de sete métodos de identificação de pontos negros foi realizado utilizando informação de atropelos de Strigiformes recolhida sistematicamente durante dois anos, num grupo de estradas do sul de Portugal. O reconhecimento dos factores determinísticos conseguiu-se através do desenvolvimento de modelos, usando a regressão binária logística e a ENFA. Os resultados sugerem que o Kernel e o método sugerido por Maio (2004) devem ser usados para identificação dos pontos negros. O atropelo destas espécies está associado a existência de boas condições de habitat para a ocorrência das espécies, e da existência de determinadas condições que promovem a ocorrência de episódios de caça sobre a via. A determinação destes factores permitiu a definição de um conjunto de medidas mitigadoras. ABSTRACT: The road fatalities are among the major causes of mortality for Strigiformes species. As top predator they are, this may affect the population's perpetuity by the modification on its structure. The use of mitigation strategies must be considered, however because its application along the total length of all roads is not financially feasible, the locations where Strigiforme road-killing are more intense (i.e. road fatality hotspots) have to be identified. Aside hotspots identification, factors that influence the occurrence of such fatalities should be recognized to permit mitigation measures delineation. We use road fatality data collected from a group of south Portuguese roads during a two years period, for achieve the performance of five different hotspot identification methods. For deterministic factors recognition, binary logistic regression and ENFA modelling were applied. Our results suggest that kernel density estimation and Malo's method should be preferred to hotspot identification. The factors found as determinants of this kills are associated with the existence good habitat conditions for species occurrence, and the existence of specific conditions that promote hunting behaviour near roads. According to these factors several mitigation measures were recommended. |
publishDate |
2010 |
dc.date.none.fl_str_mv |
2010-01-01T00:00:00Z 2017-02-17T14:44:46Z 2017-02-17 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10174/20754 http://hdl.handle.net/10174/20754 |
url |
http://hdl.handle.net/10174/20754 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
Esc. C. T. luispgomes@gmail.com 221 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade de Évora |
publisher.none.fl_str_mv |
Universidade de Évora |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799136603260583936 |