Infraestruturas lineares, como as estradas, estão por todos os lugares no mundo e os impactos causados por elas são inúmeros e intensos. Focando no impacto de mortalidade de fauna por colisão com veículos, esta tese teve o objetivo de propor diferentes abordagens para identificar locais para a implementação de medidas de mitigação desse impacto. Além da introdução geral, a tese tem três capítulos que correspondem a três artigos científicos. O primeiro capítulo explorou dados de répteis atropelados em 33 meses de monitoramento mensais em 277 km da BR-101 e avaliou tanto o padrão espacial quanto o padrão temporal de fatalidades além de estimar a magnitude de atropelamentos de répteis na estrada. O segundo e o terceiro capítulo exploram abordagens preditivas de atropelamento de fauna para dois diferentes contextos: uma única estrada e uma rede de estradas. O segundo capítulo teve o objetivo de testar se usando características da paisagem, da rodovia e dos animais, nós podemos predizer onde estão os locais com maior chance de um animal ser atropelado. Para isso, também para a BR-101, calculei a probabilidade de travessia através de mapas de conectividade e a probabilidade de colisão através de uma equação que considera o tráfego de veículos, o tamanho dos animais e dos veículos e a velocidade dos animais para duas espécies de mamíferos nativos do Brasil: o furão (Galictis cuja) e o zorrilho (Conepatus chinga). Para o terceiro capítulo, foi utilizado a rede de estradas do estado de Victoria na Austrália, na qual calculei a probabilidade de travessia e de colisão para o canguru cinza oriental (Macropus giganteus), espécie nativa da Austrália. No primeiro capítulo, demonstrei que: 15.377 cágados, lagartos e serpentes são atropelados a cada ano na BR-101 no sul do Brasil; hot moments de atropelamentos de répteis ocorreram no verão, especialmente em dezembro para lagartos e serpentes; hotspots de atropelamentos foram coincidentes para tartarugas, lagartos e serpentes; existiu um efeito positivo do tráfego e da rizicultura nos atropelamentos e negativo da silvicultura; medidas de mitigação nos hotspots prioritários poderiam evitar 45% das fatalidades de répteis. No segundo capítulo, concluí que a probabilidade de fatalidade através da multiplicação das probabilidades de travessia e colisão não teve um bom poder de predição dos atropelamentos e que a probabilidade de colisão sozinha foi melhor em predizer os atropelamentos do que a probabilidade de travessia, entretanto as espécies apresentaram padrões diferentes. No terceiro capítulo, concluí que um modelo aditivo das duas probabilidades foi melhor em predizer os atropelamentos de cangurus do que os modelos individuais de probabilidades de travessia e colisão, entretanto o modelo integrado não apresentou a predição esperada. A probabilidade de travessia foi um preditor melhor dos atropelamentos de cangurus que a probabilidade de colisão para a rede de estradas. Portanto, concluo que: 1) os atropelamentos de fauna podem ser bastante acentuados em determinados contextos e que é possível identificar locais de maior agregação que seriam efetivos para mitigação; 2) é possível usar dados de tráfego de veículos e tamanho e velocidade dos animais para predizer locais de mais atropelamentos, entretanto deve se ter cuidado pois isso é específico para cada espécie; 3) para o contexto de rede de estradas, é possível predizer o atropelamento utilizando a probabilidade de travessia e a probabilidade de colisão em um mesmo modelo. Ainda é necessário explorar outras maneiras de calcular e integrar as probabilidades aqui propostas, mas nesta tese eu demonstrei uma forma possível de predizer atropelamentos para um contexto em que não há dados dessa natureza disponíveis, seja para estradas novas ou para uma rede de estradas. / Linear infrastructures, such as roads, are worldwide and impacts caused by them are innumerable and intense. We focused on impact of road-kills due to wildlife-vehicle collisions and aimed to propose different approaches to identify locations to implement mitigation measures for this impact. Besides the general introduction, this thesis has three chapters which correspond to three scientific papers. The first chapter examined reptile road-kill data from monthly road survey during 33 months in a 277 km of BR-101 road. We evaluated spatial and temporal patterns of road-kills and estimated the magnitude of reptile road-kills on that road. The second and third chapters examined predictive approaches of wildlife road-kills for two different contexts: a single road and a road network. The second chapter aimed to test if it is possible to use of landscape, road, animals features to predict locations where there are more road-kills. For the same road (BR-101), I calculated crossing probability using connectivity maps and collision probability using an equation which considers traffic volume, animal and vehicle size, and animal speed for two native mammal species from Brazil: the Lesser Grison (Galictis cuja) and the Molina’s Hog-nosed Skunk (Conepatus chinga). To the third chapter, I used the road network of Victoria state in Australia, which I calculated crossing and collision probabilities for eastern grey kangaroo (Macropus giganteus), a native species from Australia. In the first chapter, I demonstrated that: 15,377 freshwater turtles, lizards and snakes are road-kills each year in Br-101 in Southern Brazil; road-kill hot moments occur in the summer, specially in December for lizards and snakes; road-kill hotspots are coincident among freshwater turtles, lizards and snakes; there is a positive effect of traffic and rice plantation on road-kills and a negative effect of silviculture; mitigation measures of priority hotspots could avoid 45% of reptile fatalities. In the second chapter, I concluded that fatality probability though multiplication of crossing and collision probabilities did not have a good predictive power of road-kills and collision probability alone was better to predict road-kills than crossing probability, however species showed different patterns. In the third chapter, I concluded that an additive model with the two probabilities was better to predict kangaroo road-kills than individual models of crossing and collision probabilities, however the integrated model did not present an expected prediction. Crossing probability was a better predictor of kangaroos road-kills than collision probability for the road network. Therefore, I concluded that: 1) wildlife road-kills can be really high in some contexts and it is possible to identify locations with more road-kill aggregations which would be effective for mitigation; 2) it is possible to use traffic volume, animals size and speed to predict location of road-kills, however it is specific for each species; 3) for road network context, it is possible to predict kangaroo road-kills using crossing and collision probability in the same model. Exploring another ways to calculate and integrate the probabilities used here is necessary, however in this thesis I demonstrated one possible manner to predict road-kills in a context which road-kill are not available, such as new roads or road networks.
| Identifer | oai:union.ndltd.org:IBICT/oai:www.lume.ufrgs.br:10183/187205 |
| Date | January 2018 |
| Creators | Gonçalves, Larissa Oliveira |
| Contributors | Kindel, Andreas |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Format | application/pdf |
| Source | reponame:Biblioteca Digital de Teses e Dissertações da UFRGS, instname:Universidade Federal do Rio Grande do Sul, instacron:UFRGS |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0047 seconds