Benjamin S. Robb və həmkarları tərəfindən hazırlanmış “Predicting where to restore migrations with wildlife crossing structures: pronghorn and the remnants of lost migrations” başlıqlı tədqiqat, vəhşi təbiət keçidlərinin yalnız hazırda davam edən miqrasiya yollarını qorumaq üçün deyil, yollar tərəfindən keçmişdə kəsilmiş və bu gün artıq görünməyən miqrasiyaları yenidən qurmaq üçün də istifadə oluna biləcəyini göstərən əhatəli hərəkət ekologiyası çərçivəsi təqdim edir.

Tədqiqatın mərkəzində Şimali Amerikanın xarakterik dırnaqlı məməlilərindən pronghorn (Antilocapra americana) dayanır. Tədqiqatçılar Wyoming ştatının cənubundan keçən US Interstate 80, yəni I80 avtomobil yolunun və ona bağlı hasar sistemlərinin pronghorn hərəkətləri üçün demək olar keçirilməz baryer yaratdığını araşdırırlar. Tədqiqatda verilən məlumatlara görə, I80-ə 15 km məsafəyə yaxınlaşan 207 GPS yaxalı pronghorn arasında yalnız 8 fərd bu baryeri uğurla keçə bilmişdir. Bu nəticə avtomobil yolunun yalnız ölüm riski deyil, eyni zamanda miqrasiya davranışını kəsən böyük miqyaslı ekoloji baryer olduğunu göstərir.

Tədqiqatın əsas problemi budur: Əgər yol artıq heyvanlar tərəfindən keçilə bilmirsə, müasir GPS məlumatlarında həmin yolun o biri tərəfinə keçən miqrasiya marşrutları görünmür. Belə halda keçid qurğuları harada yerləşdirilməlidir? Klassik yanaşma heyvanların hələ də keçdiyi yerlərdən və ya avtomobil toqquşmalarının sıxlaşdığı nöqtələrdən istifadə etməklə keçid yerini müəyyənləşdirir. Lakin itirilmiş miqrasiyaları bərpa etmək üçün bu üsul yetərli deyil; çünki müşahidə olunan keçid artıq yoxdur. Tədqiqatçılar bu boşluğu doldurmaq üçün üçmərhələli proqnoz çərçivəsi hazırlayırlar: əvvəlcə mövsümi yaşayış mühitlərini müəyyənləşdirmək, sonra bu habitatlar arasındakı ehtimal olunan miqrasiya koridorlarını modelləşdirmək, sonda isə proqnozları müstəqil məlumatlarla doğrulamaq.

Tədqiqatda 2002–2020 illəri arasında toplanmış, 7 pronghorn populyasiyasını əhatə edən və ümumilikdə 1051 animal-year GPS yaxa məlumatı istifadə olunur. Tədqiqatçılar əvvəlcə resurs seçimi funksiyaları ilə yay və qış habitatlarını müəyyənləşdirirlər. Daha sonra miqrasiya yayğınlığı yüksək olan iki populyasiyadan öyrənilmiş cost-distance modelləri ilə I80 olmasaydı pronghornların hansı xətlər boyunca miqrasiya edə biləcəyini proqnozlaşdırırlar. Bu modelləşdirmənin sonunda I80 boyunca təxminən 600 km uzunluğunda hissədə, vəhşi təbiət keçidi tikilərsə pronghorn miqrasiyalarının yenidən qurulma ehtimalının yüksək olduğu nöqtələri göstərən istilik xəritəsi hazırlanır.

Tədqiqatın güclü tərəfi proqnozlaşdırılan tarixi miqrasiya koridorlarının müstəqil məlumatlarla sınaqdan keçirilməsidir. Tədqiqatçılar modelin yüksək bağlantılılıq proqnozlaşdırdığı bölgələrin pronghorn-avtomobil toqquşma nöqtələri ilə və mövcud, lakin vəhşi təbiət üçün xüsusi hazırlanmadığı halda kamera ilə pronghorn istifadəsi müşahidə olunan alt keçidlərlə üst-üstə düşdüyünü bildirirlər. Xüsusilə payızda keçid istifadəsi ilə proqnozlaşdırılan bağlantılılıq sinfi arasında Spearman korrelyasiyası = 0.514 və p = 0.035 tapılır. Yazda korrelyasiya 0.409 və p = 0.082 olmaqla daha zəifdir, lakin eyni istiqamətdədir. Bundan əlavə, pronghorn cəsəd qeydlərinə əsaslanan keçid cəhdləri modelin ən yüksək bağlantılılıq proqnozlaşdırdığı koridorlarda təsadüfdən əhəmiyyətli dərəcədə daha çox cəmlənir.

Bu tədqiqat yol ekologiyası və miqrasiya koridorlarının bərpası baxımından mühüm konseptual dönüş təklif edir. Keçid qurğuları çox vaxt yalnız avtomobil toqquşmalarını azaltmaq üçün planlaşdırılır. Bu məqalə isə keçidlərin daha böyük ekoloji funksiya daşıya biləcəyini müdafiə edir: keçmişdə kəsilmiş miqrasiya davranışlarını yenidən əlaqələndirmək. Lakin tədqiqat preprintdir, resenziyadan keçməyib və təklif olunan çərçivə landşaft miqyasında namizəd sahələr yaradır; mühəndislik fizibilitesi, sosial qəbul, yerli torpaq şəraiti və keçiddən sonrakı monitorinq kimi mərhələlər ayrılıqda həyata keçirilməlidir.

Dünya üzrə avtomobil yolları, dəmir yolları, hasarlar və digər insan istehsalı xətlər heyvanların hərəkətini getdikcə daha çox məhdudlaşdırır. Miqrasiya edən dırnaqlı məməlilər üçün bu problem xüsusilə kritikdir. Çünki bu növlər ilin müxtəlif dövrlərində fərqli sahələrə ehtiyac duyur. Qışda qarın daha az olduğu, enerji sərfinin aşağı olduğu və ya qidaya çıxışın davam etdiyi sahələrə; yayda isə balalama, otlama və daha keyfiyyətli bitki örtüyünə çata biləcəkləri ərazilərə hərəkət edirlər. Bu hərəkət yalnız fərdi davranış deyil, populyasiya səviyyəsində həyat strategiyasıdır.

Pronghornlar da bu hərəkətli həyat strategiyasının güclü nümunələrindəndir. Şimali Amerikanın açıq landşaftlarına uyğunlaşmış bu növ geniş ərazilərdə mövsümi hərəkətlər edə bilir. Lakin avtomobil yolları və hasarlar bu hərəkətləri kəsə bilər. Tədqiqatda nəzərdən keçirilən I80 Wyoming boyunca təxminən 600 km uzanan böyük baryer kimi təsvir edilir. Avtomobil yolu yalnız fiziki yol səthindən ibarət deyil; nəqliyyat axını, hasarlar, yol kənarı strukturları və keçid üçün uyğun olmayan infrastrukturlarla birlikdə pronghorn hərəkətini ciddi şəkildə məhdudlaşdırır.

Tədqiqatın ən mühüm çıxış nöqtələrindən biri müasir vəhşi təbiət keçidi planlaşdırmasının çox vaxt müşahidə olunan keçidlərə əsaslanmasıdır. Heyvanlar hələ də yolu keçə bilirsə, GPS yaxa məlumatları bu keçid nöqtələrini göstərə bilər. Avtomobil toqquşması məlumatları da harada keçid cəhdi və ya yol istifadəsi olduğunu üzə çıxara bilər. Bu halda keçid qurğuları mövcud hərəkət koridorlarının yollarla kəsişdiyi nöqtələrdə yerləşdirilə bilər.

Lakin itirilmiş miqrasiyalar üçün vəziyyət fərqlidir. Əgər bir yol və ya hasar sistemi heyvanların keçidini demək olar tam dayandırıbsa, GPS məlumatlarında artıq yolun qarşı tərəfinə keçən aydın marşrutlar görünmür. Tarixi miqrasiya koridorlarının dəqiq məkan məlumatları da çox vaxt mövcud olmur. Bu halda klassik “heyvanın keçdiyi yeri tap və orada keçid qur” yanaşması işləmir. Çünki heyvan artıq keçə bilmir. Tədqiqatçılar buna görə sualı tərsinə çevirirlər: Bugünkü mövsümi habitatlardan və heyvanların hərəkət üstünlüklərindən istifadə edərək baryer tikilməzdən əvvəl mövcud olmuş olması ehtimal edilən miqrasiya koridorlarını proqnozlaşdırmaq mümkündürmü?

Bu sual vəhşi təbiətin idarə olunması baxımından çox vacibdir. Keçid qurğuları bahadır. Tədqiqatda bir overpass üçün 2007-ci ildə təxminən 5 milyon dollar xərc nümunəsi verilir. Bu qədər bahalı qurğunun yanlış yerə tikilməsi yalnız iqtisadi itki deyil, eyni zamanda əldən verilmiş qoruma fürsəti deməkdir. Buna görə itirilmiş miqrasiyaları yenidən açmaq üçün keçid yerləri intuisiya ilə deyil, növün hərəkət ekologiyasına əsaslanan proqnozlarla müəyyən edilməlidir.

Tədqiqatçıların hazırladığı framework üç əsas mərhələdən ibarətdir. Birinci mərhələ I80-in hər iki tərəfindəki yay və qış habitatlarını müəyyənləşdirməkdir. İkinci mərhələ pronghornların bu mövsümi habitatlar arasında hərəkət edərkən hansı landşaft xüsusiyyətlərindən təsirləndiyini modelləşdirməkdir. Üçüncü mərhələ isə bu iki məlumatı birləşdirərək I80 boyunca harada tarixi miqrasiya koridorlarının mövcud olmuş ola biləcəyini xəritələndirmək və proqnozları müstəqil məlumatlarla doğrulamaqdır.

Birinci mərhələdə tədqiqatçılar Resource Selection Function, yəni RSF istifadə edirlər. RSF heyvanların hansı habitat xüsusiyyətlərindən istifadə etdiyini və hansılarından qaçdığını anlamaq üçün istifadə olunan statistik yanaşmadır. Burada məqsəd pronghornların yay və qış dövrlərində hansı əraziləri daha yüksək ehtimalla seçdiyini proqnozlaşdırmaqdır. Tədqiqatda 2002–2020 illəri arasında toplanmış GPS yaxa məlumatları istifadə olunur və ümumilikdə 1051 animal-year məlumat 7 populyasiya üzrə təhlil edilir.

RSF modelləşdirməsində miqrasiya zamanı qeydə alınmış GPS nöqtələri çıxarılır; çünki bu mərhələdə məqsəd miqrasiya marşrutunu deyil, mövsümi habitat istifadəsini müəyyənləşdirməkdir. Yay dövrü İyun–Sentyabr, qış dövrü isə Dekabr–Fevral kimi müəyyən edilir. Hər fərdin mövsümi sahəsi %99 kernel density estimate ilə təmsil olunur. Daha sonra bu sahələrdən istifadə olunan və mövcud nöqtələr nümunələnir.

Tədqiqatın metodoloji baxımdan diqqətli tərəflərindən biri resurs seçiminin miqyasdan asılı olduğunu qəbul etməsidir. Heyvan geniş miqyasda bir bölgə seçərkən bir amillərə, həmin bölgə daxilində kiçik yamaq seçərkən başqa amillərə reaksiya verə bilər. Buna görə tədqiqatçılar həm home range səviyyəsində, həm də patch səviyyəsində təhlil aparırlar. Bundan əlavə, hər iki səviyyə üçün fərqli məkan buffer miqyasları sınaqdan keçirilir. Home range səviyyəsi üçün 0.25 km–15 km, patch səviyyəsi üçün 0.05 km–1.5 km intervalında buffer variantları istifadə olunur.

RSF modellərində pronghorn habitat seçiminə təsir edə biləcəyi düşünülən 10 predictor istifadə olunur: yamac, heat load, topographic position, çay sıxlığı, sagebrush örtüyü, herbaceous cover, annual cover, integrated NDVI, hasar sıxlığı və böyük avtomobil yolu sıxlığı. Bunlar pronghorn ekologiyası üçün mənalı dəyişənlərdir. Məsələn, yamac hərəkət xərcinə təsir edə bilər; sagebrush və herbaceous cover qida və örtüklə əlaqəli ola bilər; hasar və yol sıxlığı isə birbaşa insan mənşəli baryer təsirini təmsil edir.

RSF modelləri mixed-effects conditional Poisson modelləri ilə qurulur. Bu seçim fərdlər və populyasiyalar arasındakı fərqləri nəzərə almağa yönəlmişdir. Hər animal-year üçün random intercept istifadə olunur və bunlar populyasiya daxilində yuvalanır. Model seçimi tam modeldən geriyə doğru eleminasiya ilə aparılır və ən parsimonious model 2 ΔAIC daxilində seçilir. Proqnoz uğuru isə üçqat çarpaz doğrulama və Spearman sıra korrelyasiyası ilə qiymətləndirilir.

Bu mərhələdə tədqiqatçılar mühüm əlavə sınaq keçirirlər. GPS məlumatının böyük hissəsi I80 yaxınlığındakı pronghornları da əhatə etdiyindən, I80-in baryer təsiri habitat seçimi proqnozlarını poza bilər. Məsələn, pronghornlar keyfiyyətli habitatdan istifadə etmək istəsələr də, avtomobil yolu buna mane ola bilər. Buna görə tədqiqatçılar I80-dən 15 km-dən daha uzaqda olan fərdlərlə RSF modellərini yenidən qururlar. Bu, baryer təsirindən daha az təsirlənmiş habitat üstünlüklərini proqnozlaşdırmağa kömək edir.

Nəticələr RSF modellərinin habitat istifadəsini yüksək dəqiqliklə proqnozlaşdırdığını göstərir. Tədqiqatda bütün modellər üçün Spearman rank correlation dəyərlərinin 0.8-dən yuxarı olduğu bildirilir. Bu, modelin habitat keyfiyyəti yüksəldikcə GPS nöqtələrinin də həmin ərazilərdə sıxlaşmasını uğurla tutduğunu göstərir. Bundan əlavə, pronghornların ümumilikdə daha düz sahələri, müəyyən istiqamətli yamacları və daha aşağı hasar sıxlığı olan əraziləri seçdiyi qeyd olunur.

Tədqiqatda I80-in habitat istifadəsini məhdudlaşdırdığına dair əlavə sübut da təqdim edilir. I80 yaxınlığındakı pronghornların xüsusilə yay dövründə incə miqyaslı habitat səviyyəsində I80-dən uzaq pronghornlarla müqayisədə daha aşağı keyfiyyətli habitat istifadə etdiyi bildirilir. Buna qarşılıq, I80 ətrafındakı 15 km-lik zonanın ümumi landşaftla müqayisədə marjinal olaraq daha yüksək keyfiyyətli habitat ehtiva etdiyi qeyd olunur. Bunlar birlikdə qiymətləndirildikdə, pronghornların aşağı keyfiyyətli habitatı mühit pis olduğu üçün deyil, baryer səbəbindən daha yaxşı sahələrə çata bilmədikləri üçün istifadə edə biləcəkləri şərh edilir.

İkinci mərhələdə tədqiqatçılar mövsümi habitatlar arasındakı mümkün miqrasiya yollarını proqnozlaşdırmaq üçün cost-distance modelləri qururlar. Cost-distance yanaşması heyvanın landşaft boyunca hərəkət edərkən bəzi sahələrdən daha asan, bəzilərindən isə daha çətin keçdiyini fərz edir. Maili ərazi, sıx yol şəbəkəsi və ya uyğun olmayan örtük hərəkət xərcini artıra bilər; bəzi bitki örtüyü və ya açıq landşaft xüsusiyyətləri hərəkəti asanlaşdıra bilər.

Tədqiqatda cost-distance modelləri miqrasiya davranışının ən geniş yayıldığı iki populyasiya üzrə öyrədilir: Sublette və Medicine Bow. Sublette üçün 29 payız və 47 yaz miqrasiyası; Medicine Bow üçün 57 payız və 40 yaz miqrasiyası istifadə olunur. Digər beş populyasiyadakı miqrasiyalar modelin qiymətləndirilməsi üçün saxlanılır: 30 payız və 50 yaz miqrasiyası. Miqrasiyalar yaz üçün Fevral–İyun arasında başlayanlar kimi, digərləri isə payız miqrasiyası kimi təsnif edilir.

Miqrasiya marşrutlarında avtokorrelyasiyanı azaltmaq üçün hər fərdin miqrasiya nöqtələri ən az 1.5 km aralı olacaq şəkildə seyrəldilir; bu əməliyyat məlumat dəstində %77 azalma yaradır. Bundan əlavə, 10 nöqtədən az olan miqrasiyalar çıxarılır və buna görə 99 miqrasiya məlumat dəstindən itirilir. Bu detal vacibdir; çünki modelin düzgün işləməsi üçün kifayət qədər sayda və istiqamətli hərəkət nöqtəsi tələb olunur.

Cost-distance modellərində pronghorn hərəkətinə təsir edə biləcəyi düşünülən 6 predictor istifadə olunur: yamac, aspect, yollara məsafə, çaylara məsafə, sagebrush cover və herbaceous cover. Tədqiqatçılar hər miqrasiya üçün müşahidə olunan GPS nöqtələrinin modelin proqnozlaşdırdığı least-cost corridor səthi ilə nə qədər uyğun gəldiyini maksimum ola bilərik çərçivəsində qiymətləndirirlər.

Bu yanaşmanın tədqiqat baxımından güclü tərəfi koridor proqnozunun yalnız tədqiqatçının intuisiyasına deyil, heyvanın real hərəkət davranışına əsaslanmasıdır. Tədqiqat bunu adi xətti regresiyaya bənzədir: Burada proqnozlaşdırılan xətt miqrasiyanın ən ehtimal olunan aşağı xərcli yolu; müşahidə olunan GPS nöqtələri asılı dəyişən; landşaft xüsusiyyətləri isə izah edən dəyişənlər kimi düşünülür. Beləliklə model heyvanın hansı landşaft xüsusiyyətləri üzrə hərəkət etdiyini öyrənir.

Cost-distance model nəticələri mövsümi fərqlər göstərir. Hər iki populyasiyada payız miqrasiyalarına yüksək yamac mane olur və bitki örtüyü covariate-lərindən nəzərəçarpan təsir görülmür. Yaz miqrasiyalarında isə sagebrush cover hərəkəti asanlaşdırdığı halda, yüksək herbaceous cover və yüksək yamac hərəkəti əngəlləyir. Bu nəticə pronghorn miqrasiya davranışının yalnız ən qısa məsafədən ibarət olmadığını; landşaft xüsusiyyətləri və mövsümi şəraitlə formalaşdığını göstərir.

Modelin doğrulanmasında payız üçün cost-distance modelləri straight-line modeldən daha yaxşı nəticə verir. Medicine Bow modelində predicted corridor sahəsi straight-line modellə müqayisədə %9 daha kiçik, Sublette modelində isə %23 daha kiçik olur. Bu, eyni GPS nöqtələrini əhatə etmək üçün daha dar və daha mənalı koridor proqnozu qurula bildiyini göstərir. Yazda isə cost-distance modelləri straight-line modeldən daha yaxşı performans göstərmir. Bu mövsümi fərq modelin hər şəraitdə eyni dərəcədə güclü olmadığını və xüsusilə yaz miqrasiyalarının fərqli və ya daha az ətraf mühit dəyişəni ilə izah oluna biləcəyini düşündürür.

Üçüncü mərhələdə tədqiqatçılar I80 boyunca tarixi miqrasiya koridorlarını proqnozlaşdırırlar. Bunun üçün əvvəlcə yay və qış habitat keyfiyyəti xəritələrindən istifadə olunur. Hər iki mövsümdə habitat uyğunluğunun 80-ci persentildən yuxarı olduğu sahələrdən 3.000 nöqtə təsadüfi seçilir. Sonra I80-in qarşı tərəfindəki fərqli mövsüm nöqtələri ilə təsadüfi cütləşdirmə aparılır. Cütləşmələrin məsafəsi məlumat dəstində müşahidə olunan minimum və maksimum miqrasiya məsafəsinə uyğun olaraq 30 km–300 km arasında saxlanılır.

Ümumilikdə payız və yaz üçün 6.000 start-end pairing yaradılır. Bu cütləşmələr həm Sublette, həm Medicine Bow cost-distance modelləri ilə işlədilir və ümumilikdə 12.000 probability surface hazırlanır. Hər səth müəyyən başlanğıc və son nöqtə arasında heyvanın miqrasiya zamanı bir pikseldən keçmə ehtimalını təmsil edir. Bu səthlər mövsüm və model üzrə birləşdirilir.

Yalnız başlanğıc və son nöqtələrin məkan düzülüşündən yaranan bağlantılılığı ayırmaq üçün tədqiqatçılar proqnozlarını null spatial prediction ilə normallaşdırırlar. Daha sonra Sublette və Medicine Bow modellərindən gələn qatları vuraraq hər iki modelin eyni vaxtda yüksək bağlantılılıq verdiyi sahələri önə çıxarırlar. Sonda mövsümi bağlantılılıq qatları log transform edilir və beş persentil sinfinə bölünür. Beləliklə I80 boyunca hansı bölgələrin ən ehtimal olunan tarixi miqrasiya koridorları ola biləcəyi xəritələnir.

Bu xəritələrin ən mühüm nəticəsi yüksək bağlantılılıq sahələrinin xüsusilə Wamsutter və Rawlins ətrafında cəmlənməsidir. Tədqiqatda bu iki bölgə I80-in cənubundakı qış sahələrini şimal-qərb, şimal və şimal-şərqdəki yay sahələrinə bağlayan mühüm corridor networks kimi təsvir edilir. Bundan əlavə Green River-in qərbi, Rawlins-in şərqi və qərbi, Laramie-nin qərbi, həmçinin dağ vadiləri və ya çaylarla paralel dar koridor şəbəkələri də seçilir.

Şəkil 1 tədqiqatın ümumi məntiqini vizuallaşdırır. Panel A-da keçilə bilən baryerlərdə GPS yaxa xətlərinin birbaşa keçid nöqtələrini göstərə bildiyi, lakin keçirilməz baryerlərdə heyvanlar keçə bilmədiyi üçün bu üsulun boşluq yaratdığı izah edilir. Panel B-də mövcud bir alt keçiddən keçən üç pronghorn fotosu yer alır. Bu alt keçid vəhşi təbiət üçün xüsusi dizayn edilməmişdir; buna baxmayaraq az sayda istifadə belə modelin doğrulanması üçün dəyərli məlumat verir. Panel C-də I80 boyunca GPS yaxalı pronghorn hərəkətləri, nadir keçid nöqtələri və təklif olunan crossing sahələri xəritədə göstərilir. Bu vizual I80-in pronghorn hərəkətləri üçün nə qədər güclü baryer olduğunu konkret göstərir.

Şəkil 2 isə tədqiqatın ən kritik xəritəsini təqdim edir. Panel A-da payız üçün proqnozlaşdırılan tarixi pronghorn miqrasiya koridorları görünür. Rəng şkalasında qırmızıya yaxınlaşan sahələr 80–100 persentil bağlantılılıq sinfini, yəni ən güclü corridor namizədlərini təmsil edir. Wamsutter–Rawlins xətti nəzərəçarpacaq şəkildə seçilir. Panel B-də pronghornların I80 boyunca avtomobillərlə toqquşduğu, yəni keçməyə cəhd etdiyi nöqtələr mavi sütun və ya işarələrlə göstərilir. Bu nöqtələrin yüksək bağlantılılıq koridorları ilə üst-üstə düşməsi modelin müstəqil məlumatlarla dəstəkləndiyini göstərir. Panel C və D-də isə payız və yaz kamera məlumatları, mövcud alt keçidlərdə pronghorn istifadə nisbətləri ilə birlikdə təqdim olunur.

Model doğrulama nəticələri tədqiqatın etibarlılığı baxımından çox dəyərlidir. Tədqiqatçılar mövcud alt keçidlərə yerləşdirilən kameralarla pronghorn istifadəsini izləyirlər. Payızda 17 qurğu, yazda 19 qurğu izlənir. Payızda proqnozlaşdırılan connectivity bin ilə pronghornların alt keçiddən istifadə etdiyi gün nisbəti arasında Spearman rank correlation = 0.514 və p = 0.035 tapılır. Yazda bu əlaqə 0.409 və p = 0.082 səviyyəsindədir. Yaz nəticəsi klassik 0.05 əhəmiyyətlilik həddini keçmir, lakin istiqamət baxımından model gözləntisi ilə uyğundur.

İkinci doğrulama mənbəyi pronghorn-vehicle collision məlumatıdır. Wyoming Department of Transportation tərəfindən 2009–2019 illəri arasında toplanmış pronghorn cəsəd qeydləri istifadə olunur. Ümumilikdə 314 carcass location məlumatı crossing attempt göstəricisi kimi götürülür. Tədqiqatçılar ən yüksək bağlantılılıq konturu daxilində və xaricində keçid cəhdlərinin nisbətini hesablayırlar. Payız və yaz xəritələrində keçid cəhdlərinin yüksək bağlantılılıq koridorlarında təsadüfdən əhəmiyyətli dərəcədə çox olduğu müəyyən edilir; hər iki mövsüm üçün p < 0.001 bildirilir.

Bu tapıntı tədqiqatın əsas iddiasını gücləndirir. Model yalnız habitat və cost-distance fərziyyələrindən hazırlanmış xəritə deyil; müstəqil toqquşma və kamera məlumatları ilə real pronghorn davranışına bağlanır. Heyvanların keçməyə cəhd edib uğursuz olduğu yerlər modelin “burada tarixi miqrasiya koridoru ola bilər” dediyi yerlərlə üst-üstə düşür. Bu, vəhşi təbiət keçidlərinin yalnız toqquşmanı azaltmaq üçün deyil, miqrasiya bərpası aləti kimi də planlaşdırıla biləcəyini göstərir.

Tədqiqatın müzakirə bölməsi bu nəticələrin qoruma planlaşdırması baxımından nə demək olduğunu izah edir. Keçid qurğuları indiyə qədər daha çox davam edən miqrasiyaları qorumaq və ya avtomobil toqquşmalarını azaltmaq üçün istifadə olunub. Halbuki yollar tərəfindən tam kəsilmiş miqrasiyalar da var. Bu itirilmiş miqrasiyalar üçün keçid qurğuları yeni bərpa aləti ola bilər. Lakin bunu etmək üçün keçmişdə harada miqrasiya ola biləcəyini proqnozlaşdıran framework tələb olunur. Bu tədqiqat belə bir framework təqdim edir.

Önə çıxan namizəd sahələrdən biri Wamsutter və Rawlins ətrafıdır. Bu bölgələrdə proqnozlaşdırılan koridorlar I80-in cənubundakı qış sahələrini şimaldakı yay sahələrinə bağlayır və bir neçə populyasiyaya fayda verə bilər. Tədqiqat həmçinin bu proqnozlaşdırılan koridorun pronghorn toqquşmalarının ən sıx olduğu ərazilərlə üst-üstə düşdüyünü və iki GPS yaxalı pronghornun mövcud, lakin vəhşi təbiətə uyğun olmayan alt keçiddən keçdiyi yerləri ehtiva etdiyini bildirir.

Pronghornların alt keçidlərə qarşı davranışı da vacibdir. Tədqiqat pronghornların ümumilikdə underpass istifadə etməyə overpass-la müqayisədə daha həvəssiz olduğunu bildirir. Bu, keçid dizaynında yalnız yerin deyil, qurğu tipinin də vacib olduğunu göstərir. Pronghorn koridoru üçün overpass bəzi hallarda underpass-dan daha uyğun ola bilər. Lakin mövcud alt keçidlər, interchanges və ya machinery underpasses kimi boşluqlar daha aşağı xərcli retrofit imkanları yarada bilər.

Green River Basin-in qərbindəki proqnozlar da tarixi baxımdan diqqətəlayiqdir. Tədqiqat bu bölgədə arxeoloji ov sahələri və pronghorn bonebed qeydlərinin keçmişdə şimal-cənub mövsümi hərəkətlərini tutan insan fəaliyyəti ilə əlaqəli olduğunu bildirir. Müasir Sublette və Uinta-Cedar pronghorn sürüləri də I80-in qarşı tərəflərində qışlayır və baryerə perpendikulyar istiqamətdə miqrasiya edir. Buna görə modelin qərbdəki koridor proqnozları tarixi və müasir ekoloji sübutlarla uyğun görünür.

Tədqiqatın daha geniş əhəmiyyəti hərəkət ekologiyasındakı məlumat və metod inkişaflarını qoruma mühəndisliyi ilə əlaqələndirməsidir. GPS yaxa məlumatları heyvanların habitat istifadəsi və hərəkət davranışı barədə çox ətraflı məlumat verir. Cost-distance modelləri və maksimum ola bilərik yanaşması isə bu hərəkətləri statistik baxımdan ən ehtimal olunan koridorlara çevirməyə kömək edir. Beləliklə keçid planlaması yalnız yol kənarındakı ölüm qeydlərinə deyil, heyvanların mövsümi ehtiyaclarına və landşaft üzərində necə hərəkət etdiyinə əsaslana bilər.

Bu yanaşma iqlim dəyişikliyi kontekstində də əhəmiyyətlidir. Tədqiqat extreme weather events artdıqca, pis şəraitdən hərəkət etməklə qaçan pronghorn kimi növlər üçün bağlantılılığın daha kritik ola biləcəyini bildirir. Dərin qar, quraqlıq, bitki örtüyünün dəyişməsi və ya temperatur stressi heyvanları fərqli ərazilərə köçməyə məcbur edə bilər. Avtomobil yolları və hasarlar bu hərəkəti əngəlləyirsə, populyasiyalar risk altına düşür. Buna görə keçidlər yalnız bugünkü miqrasiyaları deyil, gələcək iqlim uyğunlaşması qabiliyyətini də dəstəkləyə bilər.

Tədqiqat həmçinin qlobal yol parçalanması kontekstinə yerləşdirilir. 100 km²-dən böyük roadless sahələr quru dünyanın yalnız %7-ni əhatə edir; qalan %93 insan təsiri ilə parçalanmış landşaftlardan ibarətdir. Buna görə qoruma strategiyaları yalnız toxunulmamış sahələri qorumaqla məhdudlaşa bilməz. İnsan izi daxilindəki habitatları yenidən əlaqələndirmək də lazımdır. Vəhşi təbiət keçidləri bu bərpa yanaşmasının konkret alətlərindən biridir.

Tədqiqatın güclü tərəfləri arasında böyük GPS məlumat dəsti, çoxmiqyaslı RSF yanaşması, heyvan hərəkəti ilə kalibrlənmiş cost-distance modelləri, müstəqil doğrulama məlumatları, I80 boyunca geniş landşaft miqyaslı proqnoz və toqquşma/kamera məlumatları ilə model testinin birlikdə istifadə edilməsi var. Bundan əlavə tədqiqat yalnız mövcud keçidləri qorumağı deyil, itirilmiş miqrasiyaları yenidən qurmağı hədəflədiyinə görə yol ekologiyası ədəbiyyatında daha az öyrənilmiş boşluğa fokuslanır.

Məhdudiyyətlər də açıq şəkildə qeyd olunmalıdır. Birincisi, tədqiqat resenziyadan keçməmiş preprintdir. İkincisi, cost-distance modelləri istiqamətli hərəkət və konkret başlanğıc-son nöqtələrini fərz edir. Buna görə stopover və geri dönmə hərəkətləri məlumat dəstindən çıxarılıb. Bu isə framework-ün böyük və keyfiyyətli GPS məlumat dəstləri tələb etdiyini göstərir. Məlumat seyrəkdirsə və ya hərəkət çox mürəkkəb/non-directional xarakter daşıyırsa, modeli tətbiq etmək daha çətin ola bilər.

Üçüncü məhdudiyyət modelin mövcud habitat və bağlantılılıq şəraitinə əsaslanmasıdır. Torpaq istifadəsi, enerji inkişafı, yeni yollar, hasarlar və ya iqlim dəyişikliyi gələcəkdə habitat uyğunluğunu dəyişə bilər. Tədqiqat framework-ün gələcək habitat və ya antropogen inkişaf proqnozlarını daxil edə biləcəyini bildirir; lakin indiki tətbiq bugünkü şəraitə əsaslanır. Dördüncü məhdudiyyət modelin landşaft miqyasında namizəd sahələr verməsidir. Son keçid yeri üçün mühəndislik fizibilitesi, topoqrafiya, mülkiyyət, sosial qəbul, xərc və yerli dizayn işləri lazımdır.

Beşinci məhdudiyyət keçid tikildikdən sonra onun effektivliyinin izlənməli olmasıdır. Modelin yüksək bağlantılılıq göstərdiyi yerə keçid tikmək avtomatik olaraq miqrasiyanın geri dönəcəyinə zəmanət vermir. Heyvanların qurğunu öyrənməsi, sosial ötürmə, davranış adaptasiyası, ətrafdakı hasar tənzimləmələri, insan fəaliyyəti və qurğu tipi kimi amillər nəticəyə təsir edə bilər. Buna görə tədqiqat framework-ün böyük və çoxşaxəli bərpa layihəsinin ilk mərhələsi olduğunu vurğulayır.

Tədqiqatın dedikləri ilə demədikləri aydın ayrılmalıdır. Tədqiqat I80 boyunca müəyyən nöqtələrdə keçid tikilərsə pronghorn miqrasiyalarının mütləq geri dönəcəyini sübut etmir. Həmçinin proqnozlaşdırılan hər koridorun mühəndislik baxımından həyata keçirilə biləcəyini demir. Bunun əvəzinə tədqiqat itirilmiş miqrasiyaları bərpa etmək üçün hansı bölgələrin ekoloji baxımdan ən ümidverici namizəd olduğunu proqnozlaşdıran və bu proqnozları müstəqil davranış məlumatları ilə dəstəkləyən çərçivə təqdim edir.

Buna görə tədqiqatın ən güclü mesajı budur: Əgər yollar heyvanların miqrasiyasını tamamilə kəsibsə, keçid planlaması yalnız mövcud keçid nöqtələrini axtarmaqla aparıla bilməz. İtirilmiş koridorlar mövsümi habitatlar və heyvanın hərəkət üstünlükləri əsasında yenidən proqnozlaşdırılmalıdır. Belə yanaşma vəhşi təbiət keçidlərini yalnız toqquşmanı azaldan infrastruktur olmaqdan çıxarıb, ekoloji prosesləri yenidən əlaqələndirən bərpa alətlərinə çevirə bilər.

Tədqiqatın Metodu və Nəticələri

Tədqiqatın metodu üç əsas mərhələdən ibarətdir: mövsümi habitatların müəyyənləşdirilməsi, miqrasiya koridorlarını formalaşdıran landşaft xüsusiyyətlərinin modelləşdirilməsi və I80 boyunca itirilmiş tarixi miqrasiya koridorlarının proqnozlaşdırılıb müstəqil məlumatlarla doğrulanması.

1. Tədqiqat sistemi və əsas problem

2. Məlumat dəsti

3. Mərhələ 1: Mövsümi habitatların RSF ilə müəyyənləşdirilməsi

RSF predictor dəsti:

RSF nəticələri:

• RSF modelləri habitat istifadəsini güclü şəkildə proqnozlaşdırmışdır; bütün modellərdə Spearman rank correlation > 0.8 kimi bildirilir.
• Pronghornlar ümumilikdə geniş miqyasda daha düz sahələri və müəyyən yamac xüsusiyyətlərini seçmiş, patch səviyyəsində daha aşağı hasar sıxlığı olan sahələr önəm qazanmışdır.
• I80-dən 15 km-dən uzaq fərdlərlə qurulan modellər baryer təsiri ilə daha az pozulmuş habitat üstünlüklərini proqnozlaşdırmaq üçün istifadə edilmişdir.
• I80 yaxınlığındakı pronghornların xüsusilə yay patch miqyasında gözləniləndən daha aşağı keyfiyyətli habitat istifadə etdiyi müəyyən edilmişdir.
• I80 ətrafındakı habitatın ümumi landşaftdan marjinal olaraq daha keyfiyyətli olması aşağı istifadənin ətraf mühit çatışmazlığından deyil, baryer təsirindən qaynaqlana biləcəyini düşündürür.

4. Mərhələ 2: Cost-distance modelləri ilə miqrasiya davranışının modelləşdirilməsi

Cost-distance predictor dəsti:

Cost-distance nəticələri:

• Dörd cost-distance modelinin hamısı təsadüfi covariate ehtiva edən null modeldən daha məlumatlı tapılmışdır.
• Payızda pronghorn miqrasiyalarına yüksək yamac mane olmuşdur.
• Payız miqrasiyalarında vegetation cover covariate-lərinin nəzərəçarpan təsiri tapılmamışdır.
• Yazda sagebrush cover hərəkəti asanlaşdırmış, yüksək herbaceous cover və yüksək slope isə hərəkətə mane olmuşdur.
• Payızda cost-distance modelləri straight-line modellə müqayisədə daha yaxşı proqnozlar yaratmışdır.
• Medicine Bow modelində corridor sahəsi straight-line modellə müqayisədə %9 daha kiçik, Sublette modelində %23 daha kiçik tapılmışdır.
• Yazda cost-distance modelləri straight-line modeldən daha yaxşı performans göstərməmişdir.

5. Mərhələ 3: I80 boyunca tarixi koridorların proqnozlaşdırılması

Xəritələndirmə nəticələri:

• Payız və yaz üçün proqnozlaşdırılan koridorlar ümumilikdə oxşar sahələrdə cəmlənmişdir.
• Ən nəzərəçarpan geniş bağlantılılıq sahəsi cənub-mərkəzi Wyoming-də, xüsusilə Wamsutter ətrafındadır.
• Rawlins ətrafı bir neçə populyasiyanı birləşdirə bilən mühüm corridor network kimi önə çıxır.
• Green River-in qərbi, Rawlins-in şərqi və qərbi, Laramie-nin qərbi və çay/dağ vadiləri boyunca dar corridor şəbəkələri proqnozlaşdırılmışdır.
• Wamsutter və Rawlins ətrafındakı koridorlar I80-in cənubundakı qış sahələrini şimal-qərb, şimal və şimal-şərqdəki yay sahələrinə bağlayır.

6. Müstəqil doğrulama: kamera məlumatı

7. Müstəqil doğrulama: pronghorn-vehicle collision məlumatı

8. Şəkillərin elmi mənası

• Şəkil 1A: Keçilə bilən və keçirilməz baryerlərdə keçid planlaşdırma problemini konseptual şəkildə göstərir. Keçilə bilən baryerlərdə GPS yaxa xətləri keçid nöqtələrini göstərə bilər; keçirilməz baryerlərdə isə heyvanlar keçə bilmədiyi üçün keçmiş corridor yerləri proqnozlaşdırılmalıdır.
• Şəkil 1B: Üç pronghornun mövcud alt keçid yaxınlığında hərəkət etdiyi kamera/foto nümunəsini göstərir. Bu qurğu vəhşi təbiət üçün xüsusi dizayn edilməsə də, az sayda istifadə belə model doğrulaması üçün məlumat verir.
• Şəkil 1C: Wyoming-də I80 boyunca GPS yaxa hərəkətlərini və nadir crossing nümunələrini xəritələndirir. 207 pronghorndan yalnız 8-nin I80-i keçə bilməsi baryerin gücünü vizual olaraq dəstəkləyir.
• Şəkil 2A: Payız üçün proqnozlaşdırılan tarixi pronghorn miqrasiya koridorlarını göstərir. Qırmızı sahələr ən yüksək bağlantılılıq, yəni 80–100 persentil corridor namizədləridir. Wamsutter və Rawlins ətrafı aydın şəkildə önə çıxır.
• Şəkil 2B: Pronghornların I80 boyunca avtomobillərlə toqquşduğu, yəni keçid cəhdi etdiyi nöqtələri göstərir. Bu nöqtələrin yüksək connectivity sahələri ilə üst-üstə düşməsi modelin doğrulanmasına töhfə verir.
• Şəkil 2C–D: Payız və yazda mövcud alt keçidlərdə kamera ilə müşahidə olunan pronghorn istifadə faizlərini göstərir. Bu istifadə nisbətləri proqnozlaşdırılan koridor sinifləri ilə müqayisə edilmişdir.

9. Əsas nəticələr

• İtirilmiş miqrasiyaları bərpa etmək üçün keçid yerləri yalnız mövcud keçid məlumatlarına əsaslanaraq müəyyən edilə bilməz.
• Mövsümi habitat proqnozu və cost-distance corridor modeling birlikdə istifadə olunaraq keçmişdə mövcud olmuş olması ehtimal edilən miqrasiya koridorları proqnozlaşdırıla bilər.
• I80 Wyoming-də pronghorn hərəkətləri üçün güclü baryer yaradır; 207 fərddən yalnız 8-i bu baryeri uğurla keçmişdir.
• RSF modelləri pronghorn habitat istifadəsini yüksək dəqiqliklə proqnozlaşdırmışdır; Spearman korrelyasiyaları 0.8-dən yuxarıdır.
• Payız cost-distance modelləri straight-line modellə müqayisədə daha dar və daha yaxşı corridor proqnozları yaratmışdır.
• Wamsutter və Rawlins ətrafı I80 boyunca keçid qurğuları üçün güclü namizəd corridor networks kimi önə çıxır.
• Model proqnozları müstəqil kamera və pronghorn-vehicle collision məlumatları ilə dəstəklənmişdir.
• Keçid qurğuları yalnız avtomobil toqquşmasını azaltmaq üçün deyil, kəsilmiş miqrasiyaları yenidən qurmaq üçün də istifadə oluna bilər.

10. Güclü tərəflər

• Böyük və uzunmüddətli GPS yaxa məlumat dəsti istifadə edir.
• Yeddi populyasiya və 1051 animal-year məlumatla landşaft miqyasında təhlil aparır.
• Habitat seçimi və corridor proqnozunu eyni framework daxilində birləşdirir.
• Cost-distance modellərini real heyvan miqrasiyaları ilə kalibrləyir.
• Proqnozları kamera və toqquşma qeydləri kimi müstəqil məlumatlarla doğrulayır.
• Yol keçidlərini yalnız collision mitigation deyil, migration restoration aləti kimi nəzərdən keçirir.

11. Məhdudiyyətlər

• Tədqiqat resenziyadan keçməmiş preprintdir.
• Cost-distance modelləri istiqamətli hərəkət və konkret start-end nöqtələri fərz edir.
• Stopover və geri dönüş hərəkətləri çıxarıldığı üçün bəzi miqrasiya davranışı mürəkkəblikləri modelə daxil edilməmiş ola bilər.
• Framework böyük və keyfiyyətli GPS məlumat dəsti tələb edir; məlumatın seyrək olduğu sahələrdə tətbiqi çətin ola bilər.
• Yaz cost-distance modelləri straight-line modeldən daha yaxşı performans göstərməmişdir.
• Model mövcud habitat və landşaft şəraitinə əsaslanır; gələcək torpaq istifadəsi və iqlim dəyişikliyi keçid prioritetlərini dəyişə bilər.
• Xəritələr landşaft miqyasında namizəd sahələr yaradır; son keçid yeri üçün mühəndislik, xərc, torpaq mülkiyyəti və sosial qəbul təhlilləri lazımdır.
• Keçid tikildikdən sonra miqrasiyanın həqiqətən bərpa olub-olmadığını ölçmək üçün uzunmüddətli monitorinq tələb olunur.

Mənbə və Metod Qeydi

Bu məqalə Benjamin S. Robb, Tristan A. Nuñez, Jerod A. Merkle, William J. Rudd, Hall Sawyer, R. Scott Gamo, Patrick Burke, Jeffrey L. Beck və Matthew J. Kauffman tərəfindən hazırlanmış “Predicting where to restore migrations with wildlife crossing structures: pronghorn and the remnants of lost migrations” başlıqlı tədqiqata əsaslanaraq hazırlanmışdır. Tədqiqatda müəllif bağlantıları University of Wyoming, Wyoming Cooperative Fish and Wildlife Research Unit, Wyoming Migration Initiative, Wyoming Department of Transportation, Wyoming Game and Fish Department, Western Ecosystems Technology və U.S. Geological Survey ilə verilmişdir.

Mənbə növü mətndə açıq şəkildə yer alan “This preprint research paper has not been peer reviewed” ifadəsinə görə resenziyadan keçməmiş preprint / elmi məqalə layihəsi kimi qiymətləndirilməlidir. Mətndə həmçinin layihə məqalənin elmi resenziya məqsədilə paylandığı və hələ USGS tərəfindən nəşr üçün təsdiqlənmədiyi bildirilir. Buna görə nəticələr USGS-in rəsmi mövqeyi və ya qəti siyasət nəticəsi kimi şərh edilməməlidir.

Bu məzmun hazırlanarkən tədqiqatda verilən pronghorn GPS yaxa məlumat dəsti, I80 baryer təsiri, 1051 animal-year məlumat, 7 populyasiya, RSF modelləşdirmə yanaşması, home range və patch miqyası, cost-distance modelləri, Sublette və Medicine Bow təlim populyasiyaları, 600 km I80 hissəsi, Wamsutter və Rawlins ətrafındakı proqnozlaşdırılan koridorlar, kamera doğrulama məlumatları, pronghorn-vehicle collision qeydləri, Spearman korrelyasiyaları, p-dəyərləri, Şəkil 1 və Şəkil 2-dəki xəritələr və tədqiqatın məhdudiyyətləri əsas götürülmüşdür.

Mətndə olmayan qəti bərpa zəmanəti, təklif edilən keçidlərin mühəndislik baxımından birbaşa tətbiq edilə biləcəyi iddiası, bütün pronghorn populyasiyaları üçün eyni nəticənin keçərli olması nəticəsi, resenziyalı nəşr qəbulu və ya USGS-in rəsmi siyasət nəticəsi kimi ifadələr əlavə edilməmişdir. Tədqiqatın əsas töhfəsi vəhşi təbiət keçidlərinin itirilmiş miqrasiyaları bərpa etmək üçün harada yerləşdirilə biləcəyini proqnozlaşdıran, hərəkət ekologiyasına əsaslanan və müstəqil məlumatlarla sınaqdan keçirilmiş landşaft miqyaslı qərar dəstəyi çərçivəsi təqdim etməsidir.