Benjamin S. Robb ve çalışma arkadaşları tarafından hazırlanan “Predicting where to restore migrations with wildlife crossing structures: pronghorn and the remnants of lost migrations” başlıklı çalışma, yaban hayatı geçitlerinin yalnızca hâlen devam eden göç yollarını korumak için değil, yollar tarafından geçmişte kesilmiş ve bugün artık görünmez hale gelmiş göçleri yeniden kurmak için de kullanılabileceğini gösteren kapsamlı bir hareket ekolojisi çerçevesi sunar.

Çalışmanın odağında Kuzey Amerika’nın karakteristik toynaklı memelilerinden pronghorn (Antilocapra americana) vardır. Araştırmacılar, Wyoming’in güneyinden geçen US Interstate 80 yani I80 otoyolunun ve ona bağlı çit sistemlerinin pronghorn hareketleri üzerinde neredeyse geçirimsiz bir bariyer oluşturduğunu inceler. Araştırmada belirtilen verilere göre, I80’e 15 km içinde yaklaşan 207 GPS tasmalı pronghorn içinde yalnızca 8 birey bu bariyeri başarıyla geçebilmiştir. Bu bulgu, otoyolun yalnızca bir ölüm riski değil, aynı zamanda göç davranışını kesen büyük ölçekli bir ekolojik bariyer olduğunu gösterir.

Çalışmanın temel problemi şudur: Eğer bir yol artık hayvanlar tarafından geçilemiyorsa, modern GPS verilerinde o yolun karşısına geçen göç rotaları görünmez. Bu durumda geçit yapıları nereye yerleştirilmelidir? Klasik yaklaşım, hayvanların hâlen geçtiği yerleri veya araç çarpışmalarının yoğunlaştığı noktaları kullanarak geçit konumu belirler. Ancak kaybolmuş göçleri restore etmek için bu yöntem yetersizdir; çünkü ortada gözlenen bir geçiş yoktur. Araştırmacılar bu boşluğu kapatmak için üç aşamalı bir tahmin çerçevesi geliştirir: önce mevsimsel habitatları belirlemek, sonra bu habitatlar arasındaki muhtemel göç koridorlarını modellemek, son olarak da tahminleri bağımsız verilerle doğrulamak.

Çalışmada 2002–2020 arasında toplanmış, 7 pronghorn popülasyonunu kapsayan ve toplam 1051 animal-year GPS tasma verisi kullanılır. Araştırmacılar önce kaynak seçimi fonksiyonlarıyla yaz ve kış habitatlarını belirler. Ardından iki yüksek göç prevalansına sahip popülasyondan öğrenilen cost-distance modelleriyle, I80 olmasaydı pronghornların hangi hatlar boyunca göç edebileceğini tahmin eder. Bu modelleme sonunda I80 boyunca yaklaşık 600 km uzunluğunda bir kesitte, yaban hayatı geçidi inşa edilirse pronghorn göçlerinin yeniden kurulma olasılığının yüksek olduğu noktaları gösteren bir ısı haritası üretilir.

Çalışmanın güçlü tarafı, tahmin edilen tarihi göç koridorlarının bağımsız verilerle test edilmesidir. Araştırmacılar, modelin öngördüğü yüksek bağlantılılık bölgelerinin pronghorn-araç çarpışması noktalarıyla ve mevcut ama yaban hayatı için özel tasarlanmamış alt geçitlerde kamera ile gözlenen pronghorn kullanımıyla örtüştüğünü bildirir. Özellikle sonbaharda geçit kullanımı ile tahmin edilen bağlantılılık sınıfı arasında Spearman korelasyonu = 0.514 ve p = 0.035 bulunur. İlkbaharda korelasyon 0.409 ve p = 0.082 olarak daha zayıf ama benzer yöndedir. Ayrıca pronghorn leş kayıtlarına dayalı geçiş denemeleri, modelin en yüksek bağlantılılık olarak tahmin ettiği koridorlarda şansa göre anlamlı biçimde daha fazla yoğunlaşır.

Bu çalışma, yol ekolojisi ve göç koridoru restorasyonu açısından önemli bir kavramsal dönüşüm önerir. Geçit yapıları çoğu zaman yalnızca araç çarpışmalarını azaltmak için planlanır. Bu makale ise geçitlerin daha büyük bir ekolojik işlev görebileceğini savunur: geçmişte kesilmiş göç davranışlarını yeniden bağlamak. Ancak çalışma bir preprinttir, hakem değerlendirmesinden geçmemiştir ve önerilen çerçeve peyzaj ölçeğinde aday alanlar üretir; mühendislik fizibilitesi, sosyal kabul, yerel arazi koşulları ve geçit sonrası izleme gibi adımların ayrıca yapılması gerekir.

Dünya genelinde kara yolları, demiryolları, çitler ve diğer insan yapımı hatlar, hayvanların hareketini giderek daha fazla sınırlıyor. Göç eden toynaklı memeliler için bu sorun özellikle kritiktir. Çünkü bu türler yılın farklı dönemlerinde farklı alanlara ihtiyaç duyar. Kışın karın daha az olduğu, enerji harcamasının daha düşük olduğu veya besine erişimin sürdüğü alanlara; yazın ise yavrulama, otlanma ve daha kaliteli bitki örtüsüne ulaşabilecekleri alanlara hareket ederler. Bu hareket yalnızca bireysel davranış değil, popülasyon düzeyinde yaşam stratejisidir.

Pronghornlar da bu hareketli yaşam stratejisinin güçlü örneklerinden biridir. Kuzey Amerika’nın açık peyzajlarına uyum sağlamış bu tür, geniş alanlarda mevsimsel hareketler yapabilir. Ancak otoyollar ve çitler, bu hareketleri kesebilir. Çalışmada ele alınan I80, Wyoming boyunca yaklaşık 600 km uzanan büyük bir bariyer olarak tanımlanır. Otoyol yalnızca fiziksel yol yüzeyi değildir; araç trafiği, çitler, kenar yapıları ve geçişe uygun olmayan altyapılarla birlikte pronghorn hareketini ciddi biçimde sınırlar.

Çalışmanın en önemli çıkış noktalarından biri, modern yaban hayatı geçidi planlamasının çoğu zaman gözlenen geçişlere dayanmasıdır. Eğer hayvanlar hâlen bir yolu geçebiliyorsa, GPS tasma verileri bu geçiş noktalarını gösterebilir. Araç çarpışması verileri de nerelerde geçiş denemesi veya yol kullanımı olduğunu ortaya koyabilir. Bu durumda geçit yapıları, mevcut hareket koridorlarının yollarla kesiştiği noktalara yerleştirilebilir.

Fakat kaybolmuş göçler için durum farklıdır. Eğer bir yol veya çit sistemi hayvanların geçişini neredeyse tamamen durdurmuşsa, GPS verilerinde artık yolun karşısına geçen net rotalar görünmez. Tarihsel göç koridorlarına ait ayrıntılı yer bilgisi de çoğu zaman yoktur. Bu durumda klasik “hayvanın geçtiği yeri bul ve oraya geçit yap” yaklaşımı çalışmaz. Çünkü hayvan artık geçememektedir. Araştırmacılar bu nedenle soruyu tersine çevirir: Bugünkü mevsimsel habitatlar ve hayvanların hareket tercihleri kullanılarak, bariyer inşa edilmeden önce var olmuş olması muhtemel göç koridorları tahmin edilebilir mi?

Bu soru yaban hayatı yönetimi açısından çok önemlidir. Geçit yapıları pahalıdır. Çalışmada bir overpass için 2007 yılında yaklaşık 5 milyon dolar maliyet örneği verilir. Bu kadar yüksek maliyetli bir yapının yanlış yere yapılması, yalnızca ekonomik kayıp değil, aynı zamanda kaçırılmış bir koruma fırsatı anlamına gelir. Bu nedenle kaybolmuş göçleri yeniden açmak için geçit yerleri sezgiyle değil, türün hareket ekolojisine dayalı tahminlerle belirlenmelidir.

Araştırmacıların geliştirdiği framework üç temel adımdan oluşur. Birinci adım, I80’in iki tarafındaki yaz ve kış habitatlarını belirlemektir. İkinci adım, pronghornların bu mevsimsel habitatlar arasında hareket ederken hangi peyzaj özelliklerinden etkilendiğini modellemektir. Üçüncü adım ise bu iki bilgiyi birleştirerek I80 boyunca nerelerde tarihi göç koridorlarının bulunmuş olabileceğini haritalamak ve tahminleri bağımsız veriyle doğrulamaktır.

Birinci adımda araştırmacılar Resource Selection Function, yani RSF kullanır. RSF, hayvanların hangi habitat özelliklerini kullandığını ve hangi özelliklerden kaçındığını anlamak için kullanılan istatistiksel bir yaklaşımdır. Burada amaç, pronghornların yaz ve kış dönemlerinde hangi alanları daha yüksek olasılıkla seçtiğini tahmin etmektir. Çalışmada 2002–2020 arasında toplanmış GPS tasma verileri kullanılır ve toplam 1051 animal-year veri, 7 popülasyon üzerinden analiz edilir.

RSF modellemesinde göç sırasında alınmış GPS noktaları çıkarılır; çünkü bu aşamada amaç göç rotasını değil, mevsimsel habitat kullanımını belirlemektir. Yaz dönemi Haziran–Eylül, kış dönemi ise Aralık–Şubat olarak tanımlanır. Her bireyin mevsimsel alanı %99 kernel density estimate ile temsil edilir. Daha sonra bu alanlardan kullanılan ve kullanılabilir noktalar örneklenir.

Çalışmanın metodolojik olarak dikkatli taraflarından biri, kaynak seçiminin ölçeğe bağlı olduğunu kabul etmesidir. Bir hayvan geniş ölçekte bir bölgeyi seçerken başka faktörlere, o bölgenin içinde küçük bir yama seçerken başka faktörlere tepki verebilir. Bu nedenle araştırmacılar hem home range düzeyinde hem de patch düzeyinde analiz yapar. Ayrıca her iki düzey için farklı mekânsal buffer ölçekleri test edilir. Home range düzeyi için 0.25 km–15 km, patch düzeyi için 0.05 km–1.5 km aralığında buffer seçenekleri kullanılır.

RSF modellerinde pronghorn habitat seçimini etkileyebileceği düşünülen 10 predictor kullanılır: eğim, heat load, topographic position, nehir yoğunluğu, sagebrush örtüsü, herbaceous cover, annual cover, integrated NDVI, çit yoğunluğu ve büyük otoyol yoğunluğu. Bunlar pronghorn ekolojisi için anlamlı değişkenlerdir. Örneğin eğim hareket maliyetini etkileyebilir; sagebrush ve herbaceous cover besin ve örtüyle ilişkili olabilir; çit ve otoyol yoğunluğu ise doğrudan insan kaynaklı bariyer etkisini temsil eder.

RSF modelleri, mixed-effects conditional Poisson modelleriyle kurulur. Bu tercih, bireyler ve popülasyonlar arasındaki farklılığı dikkate almaya yöneliktir. Her animal-year için random intercept kullanılır ve bunlar popülasyon içinde yuvalanır. Model seçimi tam modelden geriye doğru eleme ile yapılır ve en parsimonious model, 2 ΔAIC içinde seçilir. Tahmin başarısı ise üç katlı çapraz doğrulama ve Spearman sıra korelasyonu ile değerlendirilir.

Bu aşamada araştırmacılar önemli bir ek test yapar. GPS verisinin büyük kısmı I80 yakınındaki pronghornları da içerdiği için, I80’in bariyer etkisi habitat seçim tahminlerini bozabilir. Örneğin pronghornlar kaliteli habitatı kullanmak istese bile otoyol yüzünden oraya erişemiyor olabilir. Bu nedenle araştırmacılar I80’den 15 km’den daha uzakta olan bireylerle RSF modellerini yeniden kurar. Bu, bariyer etkisinden daha az etkilenmiş habitat tercihlerini tahmin etmeye yardımcı olur.

Sonuçlar, RSF modellerinin habitat kullanımını yüksek doğrulukla tahmin ettiğini gösterir. Çalışmada tüm modeller için Spearman rank correlation değerlerinin 0.8’in üzerinde olduğu belirtilir. Bu, modelin habitat kalitesi arttıkça GPS noktalarının da bu alanlarda yoğunlaştığını başarıyla yakaladığını gösterir. Ayrıca pronghornların genel olarak daha düz alanları, belirli yönelimli yamaçları ve daha düşük çit yoğunluğuna sahip alanları seçtiği aktarılır.

Çalışmada I80’in habitat kullanımını kısıtladığına dair ek kanıt da sunulur. I80 yakınındaki pronghornların özellikle yaz döneminde ince ölçekli habitat düzeyinde, I80’den uzak pronghornlara göre daha düşük kaliteli habitat kullandığı bildirilir. Buna karşılık I80 çevresindeki 15 km’lik alanın genel peyzaja göre marjinal biçimde daha yüksek kaliteli habitat içerdiği belirtilir. Bu birlikte değerlendirildiğinde, pronghornların düşük kaliteli habitatı çevre kötü olduğu için değil, bariyer nedeniyle daha iyi alanlara ulaşamadıkları için kullanıyor olabileceği yorumu yapılır.

İkinci adımda araştırmacılar, mevsimsel habitatlar arasındaki olası göç yollarını tahmin etmek için cost-distance modelleri kurar. Cost-distance yaklaşımı, hayvanın peyzaj üzerinde hareket ederken bazı alanlardan daha kolay, bazı alanlardan daha zor geçtiğini varsayar. Eğimli arazi, yoğun yol ağı veya uygun olmayan örtü hareket maliyetini artırabilir; bazı bitki örtüsü veya açık peyzaj özellikleri hareketi kolaylaştırabilir.

Çalışmada cost-distance modelleri, göç davranışının en yaygın olduğu iki popülasyon üzerinden eğitilir: Sublette ve Medicine Bow. Sublette için 29 sonbahar ve 47 ilkbahar göçü; Medicine Bow için 57 sonbahar ve 40 ilkbahar göçü kullanılır. Diğer beş popülasyondaki göçler model değerlendirmesi için tutulur: 30 sonbahar ve 50 ilkbahar göçü. Göçler ilkbahar için Şubat–Haziran arasında başlayanlar, diğerleri sonbahar olarak sınıflandırılır.

Göç rotalarındaki otokorelasyonu azaltmak için her bireyin göç noktaları en az 1.5 km aralıklı olacak şekilde seyreltilir; bu işlem veri setinde %77 azalma yaratır. Ayrıca 10 noktadan az içeren göçler çıkarılır ve bu nedenle 99 göç veri setinden kaybedilir. Bu ayrıntı önemlidir; çünkü modelin düzgün çalışması için yeterli sayıda ve yönlü hareket noktası gerekir.

Cost-distance modellerinde pronghorn hareketini etkileyebileceği düşünülen 6 predictor kullanılır: eğim, aspect, yollara uzaklık, nehirlere uzaklık, sagebrush cover ve herbaceous cover. Araştırmacılar, her göç için gözlenen GPS noktalarının, modelin tahmin ettiği least-cost corridor yüzeyiyle ne kadar uyumlu olduğunu maksimum olabilirlik çerçevesinde değerlendirir.

Bu yaklaşımın çalışma açısından güçlü tarafı, corridor tahmininin yalnızca araştırmacının sezgisine değil, hayvanın gerçek hareket davranışına dayanmasıdır. Çalışma bunu sıradan bir lineer regresyona benzetir: Burada tahmin edilen çizgi, bir göçün en olası düşük maliyetli yolu; gözlenen GPS noktaları bağımlı değişken; peyzaj özellikleri ise açıklayıcı değişkenler gibi düşünülür. Böylece model, hayvanın hangi peyzaj özellikleri üzerinden hareket ettiğini öğrenir.

Cost-distance model sonuçları mevsimsel farklar gösterir. Her iki popülasyonda sonbahar göçleri yüksek eğim tarafından engellenir ve bitki örtüsü covariate’lerinden belirgin biçimde etkilenmez. İlkbahar göçlerinde ise sagebrush cover hareketi kolaylaştırırken, yüksek herbaceous cover ve yüksek eğim hareketi engeller. Bu sonuç, pronghorn göç davranışının yalnızca en kısa mesafeden ibaret olmadığını; peyzaj özellikleri ve mevsimsel koşullarla şekillendiğini gösterir.

Model doğrulamasında, sonbahar için cost-distance modelleri straight-line modelden daha iyi sonuç verir. Medicine Bow modelinde predicted corridor alanı straight-line modele göre %9 daha küçük, Sublette modelinde ise %23 daha küçük olur. Bu, aynı GPS noktalarını kapsamak için daha dar ve daha anlamlı bir koridor tahmini yapılabildiğini gösterir. İlkbaharda ise cost-distance modelleri straight-line modelden daha iyi performans göstermez. Bu mevsimsel fark, modelin her koşulda eşit güçlü olmadığını ve özellikle ilkbahar göçlerinin daha farklı veya daha az çevresel değişkenlerle açıklanabileceğini düşündürür.

Üçüncü adımda araştırmacılar, I80 boyunca tarihi göç koridorlarını tahmin eder. Bunun için önce yaz ve kış habitat kalitesi haritaları kullanılır. Her iki mevsimde de habitat uygunluğunun 80. persentil üzerindeki alanlarından 3.000’er nokta rastgele örneklenir. Sonra I80’in karşı tarafındaki farklı mevsim noktalarıyla rastgele eşleştirme yapılır. Eşleşmelerin mesafesi, veri setinde gözlenen minimum ve maksimum göç mesafesine uygun olarak 30 km–300 km arasında tutulur.

Toplamda sonbahar ve ilkbahar için 6.000 start-end pairing oluşturulur. Bu eşleşmeler hem Sublette hem Medicine Bow cost-distance modelleriyle çalıştırılır ve toplam 12.000 probability surface üretilir. Her yüzey, belirli bir başlangıç ve bitiş noktası arasında hayvanın bir pikselden göç sırasında geçme olasılığını temsil eder. Bu yüzeyler sezon ve model bazında birleştirilir.

Yalnızca başlangıç ve bitiş noktalarının mekânsal düzeninden kaynaklanan bağlantılılığı ayırmak için araştırmacılar, tahminlerini bir null spatial prediction ile normalize eder. Ardından Sublette ve Medicine Bow modellerinden gelen katmanları çarparak iki modelin aynı anda yüksek bağlantılılık verdiği alanları öne çıkarır. Son olarak mevsimsel bağlantılılık katmanları log transform edilir ve beş persentil sınıfına ayrılır. Böylece I80 boyunca hangi bölgelerin en olası tarihi göç koridorları olabileceği haritalanır.

Bu haritaların en önemli sonucu, yüksek bağlantılılık alanlarının özellikle Wamsutter ve Rawlins çevresinde yoğunlaşmasıdır. Çalışmada bu iki bölge, I80’in güneyindeki kış alanlarını kuzeybatı, kuzey ve kuzeydoğudaki yaz alanlarına bağlayan önemli corridor networks olarak tanımlanır. Ayrıca Green River’ın batısı, Rawlins’in doğusu ve batısı, Laramie’nin batısı ve dağ vadileri veya nehirlerle paralel dar koridor ağları da öne çıkar.

Şekil 1, çalışmanın genel mantığını görselleştirir. Panel A’da, geçirilebilir bariyerlerde GPS tasma çizgilerinin doğrudan geçit noktalarını gösterebildiği; fakat geçirimsiz bariyerlerde hayvanların geçemediği için bu yöntemin boşluk bıraktığı anlatılır. Panel B’de, mevcut bir alt geçitten geçen üç pronghorn fotoğrafı yer alır. Bu alt geçit yaban hayatı için özel tasarlanmış değildir; buna rağmen az sayıda kullanım bile model doğrulaması için değerli veri sağlar. Panel C’de I80 boyunca GPS tasmalı pronghorn hareketleri, nadir geçiş noktaları ve önerilen crossing alanları harita üzerinde gösterilir. Bu görsel, I80’in pronghorn hareketleri için ne kadar güçlü bir bariyer olduğunu somut biçimde gösterir.

Şekil 2 ise çalışmanın en kritik haritasını sunar. Panel A’da sonbahar için tahmin edilen tarihi pronghorn göç koridorları görülür. Renk skalasında kırmızıya yaklaşan alanlar 80–100 persentil bağlantılılık sınıfını, yani en güçlü corridor adaylarını temsil eder. Wamsutter–Rawlins hattı belirgin biçimde öne çıkar. Panel B’de pronghornların I80 boyunca araçlarla çarpıştığı, yani geçmeyi denediği noktalar mavi sütunlar veya işaretlerle gösterilir. Bu noktaların yüksek bağlantılılık koridorlarıyla örtüşmesi, modelin bağımsız veriyle desteklendiğini gösterir. Panel C ve D’de ise sonbahar ve ilkbahar kamera verileri, mevcut alt geçitlerde pronghorn kullanım oranlarıyla birlikte sunulur.

Model doğrulama sonuçları çalışmanın güvenilirliği açısından çok değerlidir. Araştırmacılar, mevcut alt geçitlere yerleştirilen kameralarla pronghorn kullanımını izler. Sonbaharda 17 yapı, ilkbaharda 19 yapı izlenir. Sonbaharda tahmin edilen connectivity bin ile pronghornların alt geçidi kullandığı gün oranı arasında Spearman rank correlation = 0.514 ve p = 0.035 bulunur. İlkbaharda bu ilişki 0.409 ve p = 0.082 düzeyindedir. İlkbahar sonucu klasik 0.05 anlamlılık eşiğini geçmez; ancak yön olarak model beklentisiyle uyumludur.

İkinci doğrulama kaynağı, pronghorn-vehicle collision verisidir. Wyoming Department of Transportation tarafından 2009–2019 arasında toplanan pronghorn leş kayıtları kullanılır. Toplam 314 carcass location verisi, crossing attempt göstergesi olarak ele alınır. Araştırmacılar, en yüksek bağlantılılık konturu içinde ve dışında geçiş denemelerinin oranını hesaplar. Sonbahar ve ilkbahar haritalarında, geçiş denemelerinin yüksek bağlantılılık koridorlarında şansa göre anlamlı biçimde daha fazla olduğu bulunur; her iki mevsim için p < 0.001 raporlanır.

Bu bulgu, çalışmanın ana iddiasını güçlendirir. Model yalnızca habitat ve cost-distance varsayımlarından üretilmiş bir harita değildir; bağımsız çarpışma ve kamera verileriyle gerçek pronghorn davranışına bağlanır. Hayvanların geçmeyi denediği ve başarısız olduğu yerler, modelin “burada tarihi göç koridoru olabilir” dediği yerlerle örtüşür. Bu, yaban hayatı geçitlerinin yalnızca çarpışma azaltma aracı değil, göç restorasyonu aracı olarak da planlanabileceğini gösterir.

Çalışmanın tartışma bölümü, bu sonuçların koruma planlaması açısından ne anlama geldiğini açıklar. Geçit yapıları bugüne kadar çoğunlukla devam eden göçleri korumak veya araç çarpışmalarını azaltmak için kullanılmıştır. Oysa yollar tarafından tamamen kesilmiş göçler de vardır. Bu kaybolmuş göçler için geçit yapıları yeni bir restorasyon aracı olabilir. Ancak bunu yapabilmek için geçmişte nerede göç olabileceğini tahmin eden bir framework gerekir. Bu çalışma böyle bir framework sunar.

Öne çıkan aday alanlardan biri Wamsutter ve Rawlins çevresidir. Bu bölgelerde tahmin edilen koridorlar, I80’in güneyindeki kış alanlarını kuzeydeki yaz alanlarına bağlar ve birden fazla popülasyon için fayda sağlayabilir. Çalışma ayrıca bu tahmin edilen koridorun pronghorn çarpışmalarının en yoğun olduğu alanlarla örtüştüğünü ve iki GPS tasmalı pronghornun mevcut ama yaban hayatı dostu olmayan bir alt geçitten geçtiği yerleri içerdiğini belirtir.

Pronghornların alt geçitlere karşı davranışı da önemlidir. Çalışma, pronghornların genel olarak underpass kullanmaya overpass’a göre daha isteksiz olduğunu belirtir. Bu, geçit tasarımında yalnızca lokasyonun değil, yapının türünün de önemli olduğunu gösterir. Bir pronghorn koridoru için overpass, bazı durumlarda underpass’tan daha uygun olabilir. Ancak mevcut alt geçitler, interchanges veya machinery underpasses gibi açıklıklar, daha düşük maliyetli retrofit fırsatları sunabilir.

Green River Basin’in batısındaki tahminler de tarihsel açıdan dikkat çekicidir. Çalışma, bu bölgede arkeolojik av alanları ve pronghorn bonebed kayıtlarının geçmişte kuzey-güney mevsimsel hareketleri yakalayan insan faaliyetleriyle ilişkili olduğunu belirtir. Modern Sublette ve Uinta-Cedar pronghorn sürüleri de I80’in karşı taraflarında kışlar ve bariyere dik yönde göç eder. Bu nedenle modelin batıdaki koridor tahminleri, tarihsel ve modern ekolojik kanıtlarla tutarlı görünür.

Çalışmanın daha geniş önemi, hareket ekolojisindeki veri ve yöntem gelişmelerini koruma mühendisliğine bağlamasıdır. GPS tasma verileri, hayvanların habitat kullanımı ve hareket davranışı hakkında çok ayrıntılı bilgiler sağlar. Cost-distance modelleri ve maksimum olabilirlik yaklaşımı ise bu hareketleri istatistiksel olarak en olası koridorlara dönüştürmeye yardımcı olur. Böylece geçit planlaması, yalnızca yol kenarındaki ölüm kayıtlarına değil, hayvanların mevsimsel ihtiyaçlarına ve peyzaj üzerinde nasıl hareket ettiğine dayanabilir.

Bu yaklaşımın iklim değişikliği bağlamında da önemi vardır. Çalışma, extreme weather events arttıkça pronghorn gibi hareket ederek kötü koşullardan kaçınan türler için bağlantılılığın daha kritik hale gelebileceğini belirtir. Derin kar, kuraklık, bitki örtüsü değişimi veya sıcaklık stresi, hayvanları farklı alanlara hareket etmeye zorlayabilir. Eğer otoyollar ve çitler bu hareketi engelliyorsa, popülasyonlar risk altına girer. Dolayısıyla geçitler yalnızca bugünkü göçleri değil, gelecekteki iklim uyum kapasitesini de destekleyebilir.

Çalışma ayrıca küresel yol parçalanması bağlamına oturtulur. Roadless alanların 100 km²’den büyük olanları karasal dünyanın yalnızca %7’sini kaplar; kalan %93 insan etkisiyle parçalanmış peyzajlardan oluşur. Bu nedenle koruma stratejileri yalnızca bozulmamış alanları korumakla sınırlı kalamaz. İnsan ayak izi içindeki habitatları yeniden bağlamak da gerekir. Yaban hayatı geçitleri, bu restorasyon yaklaşımının somut araçlarından biridir.

Çalışmanın güçlü yönleri arasında büyük GPS veri seti, çok ölçekli RSF yaklaşımı, hayvan hareketiyle kalibre edilen cost-distance modelleri, bağımsız doğrulama verileri, I80 boyunca geniş peyzaj ölçekli tahmin ve çarpışma/kamera verileriyle model testinin birlikte kullanılması bulunur. Ayrıca çalışma, yalnızca mevcut geçişleri korumayı değil, kaybolmuş göçleri yeniden kurmayı hedeflediği için yol ekolojisi literatüründe daha az çalışılmış bir boşluğa odaklanır.

Sınırlılıklar da açık biçimde belirtilmelidir. Birincisi, çalışma hakem değerlendirmesinden geçmemiş bir preprinttir. İkincisi, cost-distance modelleri yönlü hareket ve belirli başlangıç-bitiş noktaları varsayar. Bu nedenle stopover veya geriye dönüş hareketleri veri setinden çıkarılmıştır. Bu da framework’ün büyük ve kaliteli GPS veri setleri gerektirdiği anlamına gelir. Veri seyrekse veya hareket çok karmaşık/non-directional ise model daha zor uygulanabilir.

Üçüncü sınırlılık, modelin mevcut habitat ve bağlantılılık koşullarına dayanmasıdır. Arazi kullanımı, enerji geliştirme, yeni yollar, çitler veya iklim değişikliği gelecekte habitat uygunluğunu değiştirebilir. Çalışma, framework’ün gelecekteki habitat veya antropojenik gelişim tahminlerini içerebileceğini belirtir; ancak mevcut uygulama bugünkü koşullara dayanır. Dördüncü sınırlılık, modelin peyzaj ölçeğinde aday alanlar vermesidir. Nihai geçit konumu için mühendislik fizibilitesi, topoğrafya, mülkiyet, sosyal kabul, maliyet ve yerel tasarım çalışmaları gerekir.

Beşinci sınırlılık, geçit yapıldıktan sonra etkinliğin izlenmesi gerektiğidir. Bir modelin yüksek bağlantılılık gösterdiği yere geçit yapılması, otomatik olarak göçün geri döneceğini garanti etmez. Hayvanların yapıyı öğrenmesi, sosyal aktarım, davranışsal alışma, çevredeki çit düzenlemeleri, insan aktivitesi ve yapı tipi gibi faktörler sonucu etkileyebilir. Bu nedenle çalışma, framework’ün büyük ve çok disiplinli bir restorasyon projesinin ilk adımı olduğunu vurgular.

Çalışmanın söylediği şey ile söylemediği şey net ayrılmalıdır. Çalışma, I80 boyunca belirli noktalarda geçit yapılırsa pronghorn göçlerinin kesin olarak geri döneceğini kanıtlamaz. Ayrıca her tahmin edilen koridorun mühendislik açısından uygulanabilir olduğunu söylemez. Bunun yerine çalışma, kaybolmuş göçleri restore etmek için hangi bölgelerin ekolojik olarak en umut verici adaylar olduğunu tahmin eden ve bu tahminleri bağımsız davranış verileriyle destekleyen bir çerçeve sunar.

Bu nedenle araştırmanın en güçlü mesajı şudur: Eğer yollar hayvanların göçünü tamamen kesmişse, geçit planlaması yalnızca mevcut geçiş noktalarını arayarak yapılamaz. Kaybolmuş koridorlar, mevsimsel habitatlar ve hayvanın hareket tercihleri üzerinden yeniden tahmin edilmelidir. Böyle bir yaklaşım, yaban hayatı geçitlerini yalnızca çarpışma azaltıcı altyapı olmaktan çıkarıp, ekolojik süreçleri yeniden bağlayan restorasyon araçlarına dönüştürebilir.

Çalışmanın Yöntemi ve Bulguları

Çalışmanın yöntemi üç ana aşamadan oluşur: mevsimsel habitatların belirlenmesi, göç koridorlarını şekillendiren peyzaj özelliklerinin modellenmesi ve I80 boyunca kaybolmuş tarihi göç koridorlarının tahmin edilip bağımsız verilerle doğrulanması.

1. Çalışma sistemi ve temel problem

2. Veri seti

3. Aşama 1: Mevsimsel habitatların RSF ile belirlenmesi

RSF predictor seti:

RSF bulguları:

• RSF modelleri habitat kullanımını güçlü biçimde tahmin etmiştir; tüm modellerde Spearman rank correlation > 0.8 olarak raporlanır.
• Pronghornlar genel olarak geniş ölçekte daha düz alanları ve belirli yamaç özelliklerini seçmiş; patch düzeyinde daha düşük çit yoğunluğuna sahip alanlar önem kazanmıştır.
• I80’den 15 km’den uzak bireylerle kurulan modeller, bariyer etkisinden daha az bozulmuş habitat tercihlerini tahmin etmek için kullanılmıştır.
• I80 yakınındaki pronghornların özellikle yaz patch ölçeğinde beklenenden daha düşük kaliteli habitat kullandığı bulunmuştur.
• I80 çevresindeki habitatın genel peyzaja göre marjinal biçimde daha kaliteli olması, düşük kullanımın çevresel yetersizlikten değil bariyer etkisinden kaynaklanabileceğini düşündürür.

4. Aşama 2: Cost-distance modelleriyle göç davranışının modellenmesi

Cost-distance predictor seti:

Cost-distance bulguları:

• Dört cost-distance modelinin tamamı, rastgele covariate içeren null modelden daha bilgilendirici bulunmuştur.
• Sonbaharda pronghorn göçleri yüksek eğim tarafından engellenmiştir.
• Sonbahar göçlerinde vegetation cover covariate’lerinin belirgin etkisi bulunmamıştır.
• İlkbaharda sagebrush cover hareketi kolaylaştırmış; yüksek herbaceous cover ve yüksek slope hareketi engellemiştir.
• Sonbaharda cost-distance modelleri straight-line modele göre daha iyi tahmin üretmiştir.
• Medicine Bow modelinde corridor alanı straight-line modele göre %9 daha küçük, Sublette modelinde %23 daha küçük bulunmuştur.
• İlkbaharda cost-distance modelleri straight-line modelden daha iyi performans göstermemiştir.

5. Aşama 3: I80 boyunca tarihi koridorların tahmini

Haritalama bulguları:

• Sonbahar ve ilkbahar tahmini koridorları genel olarak benzer alanlarda yoğunlaşmıştır.
• En belirgin geniş bağlantılılık alanı güney-orta Wyoming’de, özellikle Wamsutter çevresindedir.
• Rawlins çevresi, birden fazla popülasyonu bağlayabilecek önemli bir corridor network olarak öne çıkar.
• Green River’ın batısı, Rawlins’in doğusu ve batısı, Laramie’nin batısı ve nehir/dağ vadileri boyunca dar corridor ağları tahmin edilmiştir.
• Wamsutter ve Rawlins çevresindeki koridorlar, I80’in güneyindeki kış alanlarını kuzeybatı, kuzey ve kuzeydoğudaki yaz alanlarına bağlar.

6. Bağımsız doğrulama: kamera verisi

7. Bağımsız doğrulama: pronghorn-vehicle collision verisi

8. Şekillerin bilimsel anlamı

• Şekil 1A: Geçirilebilir ve geçirimsiz bariyerlerde geçit planlama problemini kavramsal olarak gösterir. Geçirilebilir bariyerlerde GPS tasma çizgileri geçit noktalarını gösterebilir; geçirimsiz bariyerlerde ise hayvanlar geçemediği için geçmiş corridor konumları tahmin edilmelidir.
• Şekil 1B: Üç pronghornun mevcut bir alt geçit yakınında hareket ettiği kamera/fotoğraf örneğini gösterir. Bu yapı yaban hayatı için özel tasarlanmadığı halde az kullanımlar bile model doğrulaması için veri sağlar.
• Şekil 1C: Wyoming’de I80 boyunca GPS tasma hareketlerini ve nadir crossing örneklerini haritalar. 207 pronghorndan yalnızca 8’inin I80’i geçebilmesi, bariyerin gücünü görsel olarak destekler.
• Şekil 2A: Sonbahar için tahmin edilen tarihi pronghorn göç koridorlarını gösterir. Kırmızı alanlar en yüksek bağlantılılık, yani 80–100 persentil corridor adaylarıdır. Wamsutter ve Rawlins çevresi belirgin biçimde öne çıkar.
• Şekil 2B: Pronghornların I80 boyunca araçlarla çarpıştığı, yani geçiş denemesi yaptığı noktaları gösterir. Bu noktaların yüksek connectivity alanlarıyla örtüşmesi modelin doğrulanmasına katkı verir.
• Şekil 2C–D: Sonbahar ve ilkbaharda mevcut alt geçitlerde kamera ile gözlenen pronghorn kullanım yüzdelerini gösterir. Bu kullanım oranları, tahmin edilen koridor sınıflarıyla karşılaştırılmıştır.

9. Ana sonuçlar

• Kaybolmuş göçleri restore etmek için geçit yerleri yalnızca mevcut geçiş verilerine dayanarak belirlenemez.
• Mevsimsel habitat tahmini ve cost-distance corridor modeling birlikte kullanılarak geçmişte var olmuş olması muhtemel göç koridorları tahmin edilebilir.
• I80, Wyoming’de pronghorn hareketleri için güçlü bir bariyer oluşturur; 207 bireyden yalnızca 8’i bu bariyeri başarıyla geçmiştir.
• RSF modelleri pronghorn habitat kullanımını yüksek doğrulukla tahmin etmiştir; Spearman korelasyonları 0.8’in üzerindedir.
• Sonbahar cost-distance modelleri straight-line modele göre daha dar ve daha iyi corridor tahminleri üretmiştir.
• Wamsutter ve Rawlins çevresi, I80 boyunca geçit yapıları için güçlü aday corridor networks olarak öne çıkar.
• Model tahminleri, bağımsız kamera ve pronghorn-vehicle collision verileriyle desteklenmiştir.
• Geçit yapıları yalnızca araç çarpışmasını azaltmak için değil, kesilmiş göçleri yeniden kurmak için de kullanılabilir.

10. Güçlü yönler

• Büyük ve uzun dönemli GPS tasma veri seti kullanır.
• Yedi popülasyon ve 1051 animal-year veriyle peyzaj ölçeğinde analiz yapar.
• Habitat seçimi ve corridor tahminini aynı framework içinde birleştirir.
• Cost-distance modellerini gerçek hayvan göçleriyle kalibre eder.
• Tahminleri kamera ve çarpışma kayıtları gibi bağımsız verilerle doğrular.
• Yol geçitlerini yalnızca collision mitigation değil, migration restoration aracı olarak ele alır.

11. Sınırlılıklar

• Çalışma hakem değerlendirmesinden geçmemiş preprinttir.
• Cost-distance modelleri yönlü hareket ve belirli start-end noktaları varsayar.
• Stopover ve geri dönüş hareketleri çıkarıldığı için bazı göç davranışı karmaşıklıkları modele dahil edilmemiş olabilir.
• Framework büyük ve kaliteli GPS veri seti gerektirir; veri seyrek alanlarda uygulanması zor olabilir.
• İlkbahar cost-distance modelleri straight-line modelden daha iyi performans göstermemiştir.
• Model mevcut habitat ve peyzaj koşullarına dayanır; gelecekteki arazi kullanımı ve iklim değişimi geçit önceliklerini değiştirebilir.
• Haritalar peyzaj ölçeğinde aday alanlar üretir; nihai geçit konumu için mühendislik, maliyet, arazi mülkiyeti ve sosyal kabul analizleri gerekir.
• Geçit inşa edildikten sonra göçün gerçekten restore olup olmadığını ölçmek için uzun dönemli izleme gereklidir.

Kaynak ve Yöntem Notu

Bu makale, Benjamin S. Robb, Tristan A. Nuñez, Jerod A. Merkle, William J. Rudd, Hall Sawyer, R. Scott Gamo, Patrick Burke, Jeffrey L. Beck ve Matthew J. Kauffman tarafından hazırlanan “Predicting where to restore migrations with wildlife crossing structures: pronghorn and the remnants of lost migrations” başlıklı çalışmaya dayanarak hazırlanmıştır. Çalışmada yazar 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 ve U.S. Geological Survey bağlantılarıyla verilmiştir.

Kaynak türü, metin üzerinde açıkça yer alan “This preprint research paper has not been peer reviewed” ibaresi nedeniyle hakem değerlendirmesinden geçmemiş preprint / bilimsel makale taslağı olarak değerlendirilmelidir. Metinde ayrıca taslak makalenin bilimsel hakem değerlendirmesi amacıyla dağıtıldığı ve henüz USGS tarafından yayın için onaylanmadığı belirtilmektedir. Bu nedenle bulgular resmi USGS görüşü veya kesin politika sonucu olarak yorumlanmamalıdır.

Bu içerik hazırlanırken çalışmada verilen pronghorn GPS tasma veri seti, I80 bariyer etkisi, 1051 animal-year veri, 7 popülasyon, RSF modelleme yaklaşımı, home range ve patch ölçeği, cost-distance modelleri, Sublette ve Medicine Bow eğitim popülasyonları, 600 km I80 kesiti, Wamsutter ve Rawlins çevresindeki tahmini koridorlar, kamera doğrulama verileri, pronghorn-vehicle collision kayıtları, Spearman korelasyonları, p-değerleri, Şekil 1 ve Şekil 2’deki haritalar ve çalışmanın sınırlılıkları esas alınmıştır.

Metinde bulunmayan kesin restorasyon garantisi, önerilen geçitlerin mühendislik açısından doğrudan uygulanabilir olduğu iddiası, tüm pronghorn popülasyonları için aynı sonucun geçerli olduğu sonucu, hakemli yayın kabulü veya USGS resmi politika bulgusu gibi ifadeler eklenmemiştir. Çalışmanın ana katkısı, yaban hayatı geçitlerinin kaybolmuş göçleri restore etmek için nerelere yerleştirilebileceğini tahmin eden, hareket ekolojisine dayalı ve bağımsız verilerle test edilmiş bir peyzaj ölçeği karar destek çerçevesi sunmasıdır.