f
1
{
f
1
{
            
2
  "access_rights": 
2
  "access_rights": 
            
3
.europa.eu/metadata-codelist/LimitationsOnPublicAccess/noLimitations",
3
.europa.eu/metadata-codelist/LimitationsOnPublicAccess/noLimitations",
            
4
  "alternate_identifier": "ISBN: 978-91-89232-80-8",
4
  "alternate_identifier": "ISBN: 978-91-89232-80-8",
            
5
  "author": "Santos, S.M., Louren\u00e7o, A., Marques, J.T., Medinas, 
5
  "author": "Santos, S.M., Louren\u00e7o, A., Marques, J.T., Medinas, 
            
6
D. y Mira, A.",
6
D. y Mira, A.",
            
7
  "author_name": "Santos, S.M., Louren\u00e7o, A., Marques, J.T., 
7
  "author_name": "Santos, S.M., Louren\u00e7o, A., Marques, J.T., 
            
8
Medinas, D. y Mira, A.",
8
Medinas, D. y Mira, A.",
            
9
  "classification_variables": {
9
  "classification_variables": {
            
10
    "es": ""
10
    "es": ""
            
11
  },
11
  },
            
12
  "conforms_to": [
12
  "conforms_to": [
            
13
    "https://www.boe.es/eli/es/res/2013/02/19/(4)"
13
    "https://www.boe.es/eli/es/res/2013/02/19/(4)"
            
14
  ],
14
  ],
            
15
  "contact": [
15
  "contact": [
            
16
    {
16
    {
            
17
      "email": "organismo@example.org",
17
      "email": "organismo@example.org",
            
18
      "name": "Organismo publicador del Cat\u00e1logo",
18
      "name": "Organismo publicador del Cat\u00e1logo",
            
19
      "role": 
19
      "role": 
            
20
e.ec.europa.eu/metadata-codelist/ResponsiblePartyRole/pointOfContact",
20
e.ec.europa.eu/metadata-codelist/ResponsiblePartyRole/pointOfContact",
            
21
      "uri": 
21
      "uri": 
            
22
"http://datos.gob.es/recurso/sector-publico/org/Organismo/EA0000000",
22
"http://datos.gob.es/recurso/sector-publico/org/Organismo/EA0000000",
            
23
      "url": "https://organismo.example.org/"
23
      "url": "https://organismo.example.org/"
            
24
    }
24
    }
            
25
  ],
25
  ],
            
26
  "contact_email": "organismo@example.org",
26
  "contact_email": "organismo@example.org",
            
27
  "contact_name": "Organismo publicador del Cat\u00e1logo",
27
  "contact_name": "Organismo publicador del Cat\u00e1logo",
            
28
  "contact_role": 
28
  "contact_role": 
            
29
e.ec.europa.eu/metadata-codelist/ResponsiblePartyRole/pointOfContact",
29
e.ec.europa.eu/metadata-codelist/ResponsiblePartyRole/pointOfContact",
            
30
  "contact_uri": 
30
  "contact_uri": 
            
31
"http://datos.gob.es/recurso/sector-publico/org/Organismo/EA0000000",
31
"http://datos.gob.es/recurso/sector-publico/org/Organismo/EA0000000",
            
32
  "contact_url": "https://organismo.example.org/",
32
  "contact_url": "https://organismo.example.org/",
            
33
  "created": "2025-05-23",
33
  "created": "2025-05-23",
            
34
  "creator": [
34
  "creator": [
            
35
    {
35
    {
            
36
      "name": "Santos, S.M., Louren\u00e7o, A., Marques, J.T., 
36
      "name": "Santos, S.M., Louren\u00e7o, A., Marques, J.T., 
            
37
Medinas, D. y Mira, A."
37
Medinas, D. y Mira, A."
            
38
    }
38
    }
            
39
  ],
39
  ],
            
40
  "creator_user_id": "d24a314a-79ce-48c0-abd9-54cb42706da4",
40
  "creator_user_id": "d24a314a-79ce-48c0-abd9-54cb42706da4",
            
41
  "dataset_scope": "non_spatial_dataset",
41
  "dataset_scope": "non_spatial_dataset",
            
42
  "dcat_type": "http://purl.org/dc/dcmitype/Text",
42
  "dcat_type": "http://purl.org/dc/dcmitype/Text",
            
43
  "encoding": "UTF-8",
43
  "encoding": "UTF-8",
            
44
  "featured": false,
44
  "featured": false,
            
45
  "groups": [],
45
  "groups": [],
            
46
  "hvd": "non_hvd",
46
  "hvd": "non_hvd",
            
47
  "id": "5c6879c4-665e-5430-9344-931e7b50842b",
47
  "id": "5c6879c4-665e-5430-9344-931e7b50842b",
            
48
  "identifier": "5c6879c4-665e-5430-9344-931e7b50842b",
48
  "identifier": "5c6879c4-665e-5430-9344-931e7b50842b",
            
49
  "inspire_id": "",
49
  "inspire_id": "",
            
50
  "isopen": true,
50
  "isopen": true,
            
51
  "language": 
51
  "language": 
            
52
"http://publications.europa.eu/resource/authority/language/SPA",
52
"http://publications.europa.eu/resource/authority/language/SPA",
            
53
  "license_id": "cc-by",
53
  "license_id": "cc-by",
            
54
  "license_title": "Creative Commons Attribution",
54
  "license_title": "Creative Commons Attribution",
            
55
  "license_url": "http://www.opendefinition.org/licenses/cc-by",
55
  "license_url": "http://www.opendefinition.org/licenses/cc-by",
            
56
  "lineage_process_steps": [],
56
  "lineage_process_steps": [],
            
57
  "lineage_source": [
57
  "lineage_source": [
            
58
    "2012 IENE International Conference. Programme and book of 
58
    "2012 IENE International Conference. Programme and book of 
            
59
abstracts"
59
abstracts"
            
60
  ],
60
  ],
            
61
  "maintainer": "",
61
  "maintainer": "",
            
62
  "maintainer_name": "",
62
  "maintainer_name": "",
            
63
  "metadata_created": "2026-06-23T14:55:26.577166",
63
  "metadata_created": "2026-06-23T14:55:26.577166",
            
n
64
  "metadata_modified": "2026-06-23T14:55:26.577171",
n
64
  "metadata_modified": "2026-06-23T16:07:38.946544",
            
65
  "metadata_profile": [
65
  "metadata_profile": [
            
66
    "https://www.w3.org/TR/vocab-dcat-3/"
66
    "https://www.w3.org/TR/vocab-dcat-3/"
            
67
  ],
67
  ],
            
68
  "miteco_data_population": {
68
  "miteco_data_population": {
            
69
    "es": ""
69
    "es": ""
            
70
  },
70
  },
            
71
  "miteco_data_territory": {
71
  "miteco_data_territory": {
            
72
    "es": ""
72
    "es": ""
            
73
  },
73
  },
            
74
  "miteco_dataset_type": 
74
  "miteco_dataset_type": 
            
75
//publications.europa.eu/resource/authority/dataset-type/STATISTICAL",
75
//publications.europa.eu/resource/authority/dataset-type/STATISTICAL",
            
76
  "miteco_geo_level": "1",
76
  "miteco_geo_level": "1",
            
77
  "modified": "2026-06-23",
77
  "modified": "2026-06-23",
            
78
  "name": "5c6879c4-665e-5430-9344-931e7b50842b",
78
  "name": "5c6879c4-665e-5430-9344-931e7b50842b",
            
79
  "notes": "In order to minimize the negative impacts of roads on 
79
  "notes": "In order to minimize the negative impacts of roads on 
            
80
wildlife mortality and fragmentation, ecologists and road managers 
80
wildlife mortality and fragmentation, ecologists and road managers 
            
81
have been working together on assessing spatial patterns of roadkills, 
81
have been working together on assessing spatial patterns of roadkills, 
            
82
taxa most sensible, and road and landscape characteristics that 
82
taxa most sensible, and road and landscape characteristics that 
            
83
influence roadkill numbers. Of special concern when analyzing these 
83
influence roadkill numbers. Of special concern when analyzing these 
            
84
spatial patterns, is the location of roadkill hostspots, ie. segments 
84
spatial patterns, is the location of roadkill hostspots, ie. segments 
            
85
of roads with clusters of wildlife mortality. The accuracy in the 
85
of roads with clusters of wildlife mortality. The accuracy in the 
            
86
spatial definition of hotspots is of prime importance not only to 
86
spatial definition of hotspots is of prime importance not only to 
            
87
conservation biologists, but also to road agencies and planners, as 
87
conservation biologists, but also to road agencies and planners, as 
            
88
mitigation of roadways is usually expensive. Recently it has been 
88
mitigation of roadways is usually expensive. Recently it has been 
            
89
shown that lower frequencies of road monitoring (longer intervals 
89
shown that lower frequencies of road monitoring (longer intervals 
            
90
between samplings) may be responsible for losses of more than 50 % of 
90
between samplings) may be responsible for losses of more than 50 % of 
            
91
roadkill numbers registered for several taxonomic groups, when 
91
roadkill numbers registered for several taxonomic groups, when 
            
92
compared with a daily sampling. This result highlights the need to 
92
compared with a daily sampling. This result highlights the need to 
            
93
account for other possible sources of inaccuracies when monitoring 
93
account for other possible sources of inaccuracies when monitoring 
            
94
roadkills with varying sampling frequencies. Particularly important is 
94
roadkills with varying sampling frequencies. Particularly important is 
            
95
the evaluation of the spatial accuracy of roadkill hotspot locations 
95
the evaluation of the spatial accuracy of roadkill hotspot locations 
            
96
when different sampling efforts are implemented because inaccurate 
96
when different sampling efforts are implemented because inaccurate 
            
97
results may fail to detect \u201creal\u201d roadkill hotspots or can 
97
results may fail to detect \u201creal\u201d roadkill hotspots or can 
            
98
direct highly-cost mitigation measures to the inappropriate road 
98
direct highly-cost mitigation measures to the inappropriate road 
            
99
sections. In the present study, we aim to assess the spatial 
99
sections. In the present study, we aim to assess the spatial 
            
100
discrepancy of hotspots location using four sampling frequencies 
100
discrepancy of hotspots location using four sampling frequencies 
            
101
(scenarios), and determine for which taxonomic groups is this spatial 
101
(scenarios), and determine for which taxonomic groups is this spatial 
            
102
discrepancy most severe. We used a dataset of a one-year long roadkill 
102
discrepancy most severe. We used a dataset of a one-year long roadkill 
            
103
daily survey, including 4453 individual records of vertebrate 
103
daily survey, including 4453 individual records of vertebrate 
            
104
carcasses, for which survival time on the road is known. This dataset 
104
carcasses, for which survival time on the road is known. This dataset 
            
105
was arranged in five data matrices concerning different sampling 
105
was arranged in five data matrices concerning different sampling 
            
106
frequencies: daily sampling (the baseline data), and four scenarios, 
106
frequencies: daily sampling (the baseline data), and four scenarios, 
            
107
2-day interval, weekly, bi-weekly, and monthly sampling. We considered 
107
2-day interval, weekly, bi-weekly, and monthly sampling. We considered 
            
108
the global species data (all taxonomic groups together) and each of 
108
the global species data (all taxonomic groups together) and each of 
            
109
the 13 taxonomic groups considered for the analyses. For analyses, the 
109
the 13 taxonomic groups considered for the analyses. For analyses, the 
            
110
road was divided in 500-m sections and hotspots were calculated 
110
road was divided in 500-m sections and hotspots were calculated 
            
111
according to Malo's method (using a Poisson distribution). We 
111
according to Malo's method (using a Poisson distribution). We 
            
112
considered a threshold of 95 % and a corresponding minimum of two 
112
considered a threshold of 95 % and a corresponding minimum of two 
            
113
observations (roadkilled animals) in order to proceed with the 
113
observations (roadkilled animals) in order to proceed with the 
            
114
analyses. In order to evaluate spatial discrepancy in hotspot location 
114
analyses. In order to evaluate spatial discrepancy in hotspot location 
            
115
at road sections (presence/absence of hotspot) between daily and each 
115
at road sections (presence/absence of hotspot) between daily and each 
            
116
of the four sampling scenarios, we used the Phi correlation. For 
116
of the four sampling scenarios, we used the Phi correlation. For 
            
117
global data, spatial discrepancy of hotspots increased most from 
117
global data, spatial discrepancy of hotspots increased most from 
            
118
weekly scenario onwards (phi weekly = 0.66, phi bi-weekly =0.61, phi 
118
weekly scenario onwards (phi weekly = 0.66, phi bi-weekly =0.61, phi 
            
119
monthly =0.58), while the 2-day scenario had the lowest discrepancy 
119
monthly =0.58), while the 2-day scenario had the lowest discrepancy 
            
120
(phi 2-day =0.89). None of the four scenarios produced a hotspot map 
120
(phi 2-day =0.89). None of the four scenarios produced a hotspot map 
            
121
identical to the one obtained through daily survey, neither with 
121
identical to the one obtained through daily survey, neither with 
            
122
global data nor with separated taxa. Even for the highest correlated 
122
global data nor with separated taxa. Even for the highest correlated 
            
123
scenario (2-day sampling), a different hotspot map was obtained for 
123
scenario (2-day sampling), a different hotspot map was obtained for 
            
124
all studied taxa. Taxa with higher discrepancy in hotspot maps were 
124
all studied taxa. Taxa with higher discrepancy in hotspot maps were 
            
125
bats, toads, salamanders, snakes and small mammals. Birds of prey, 
125
bats, toads, salamanders, snakes and small mammals. Birds of prey, 
            
126
hedgehogs, carnivores, and lagomorphs had the lowest spatial 
126
hedgehogs, carnivores, and lagomorphs had the lowest spatial 
            
127
discrepancy in hotspot maps. These results must be taken into account 
127
discrepancy in hotspot maps. These results must be taken into account 
            
128
when planning roadkill monitoring programs, specially if we are 
128
when planning roadkill monitoring programs, specially if we are 
            
129
dealing with small species.",
129
dealing with small species.",
            
130
  "notes_translated": {
130
  "notes_translated": {
            
131
    "en": "In order to minimize the negative impacts of roads on 
131
    "en": "In order to minimize the negative impacts of roads on 
            
132
wildlife mortality and fragmentation, ecologists and road managers 
132
wildlife mortality and fragmentation, ecologists and road managers 
            
133
have been working together on assessing spatial patterns of roadkills, 
133
have been working together on assessing spatial patterns of roadkills, 
            
134
taxa most sensible, and road and landscape characteristics that 
134
taxa most sensible, and road and landscape characteristics that 
            
135
influence roadkill numbers. Of special concern when analyzing these 
135
influence roadkill numbers. Of special concern when analyzing these 
            
136
spatial patterns, is the location of roadkill hostspots, ie. segments 
136
spatial patterns, is the location of roadkill hostspots, ie. segments 
            
137
of roads with clusters of wildlife mortality. The accuracy in the 
137
of roads with clusters of wildlife mortality. The accuracy in the 
            
138
spatial definition of hotspots is of prime importance not only to 
138
spatial definition of hotspots is of prime importance not only to 
            
139
conservation biologists, but also to road agencies and planners, as 
139
conservation biologists, but also to road agencies and planners, as 
            
140
mitigation of roadways is usually expensive. Recently it has been 
140
mitigation of roadways is usually expensive. Recently it has been 
            
141
shown that lower frequencies of road monitoring (longer intervals 
141
shown that lower frequencies of road monitoring (longer intervals 
            
142
between samplings) may be responsible for losses of more than 50 % of 
142
between samplings) may be responsible for losses of more than 50 % of 
            
143
roadkill numbers registered for several taxonomic groups, when 
143
roadkill numbers registered for several taxonomic groups, when 
            
144
compared with a daily sampling. This result highlights the need to 
144
compared with a daily sampling. This result highlights the need to 
            
145
account for other possible sources of inaccuracies when monitoring 
145
account for other possible sources of inaccuracies when monitoring 
            
146
roadkills with varying sampling frequencies. Particularly important is 
146
roadkills with varying sampling frequencies. Particularly important is 
            
147
the evaluation of the spatial accuracy of roadkill hotspot locations 
147
the evaluation of the spatial accuracy of roadkill hotspot locations 
            
148
when different sampling efforts are implemented because inaccurate 
148
when different sampling efforts are implemented because inaccurate 
            
149
results may fail to detect \u201creal\u201d roadkill hotspots or can 
149
results may fail to detect \u201creal\u201d roadkill hotspots or can 
            
150
direct highly-cost mitigation measures to the inappropriate road 
150
direct highly-cost mitigation measures to the inappropriate road 
            
151
sections. In the present study, we aim to assess the spatial 
151
sections. In the present study, we aim to assess the spatial 
            
152
discrepancy of hotspots location using four sampling frequencies 
152
discrepancy of hotspots location using four sampling frequencies 
            
153
(scenarios), and determine for which taxonomic groups is this spatial 
153
(scenarios), and determine for which taxonomic groups is this spatial 
            
154
discrepancy most severe. We used a dataset of a one-year long roadkill 
154
discrepancy most severe. We used a dataset of a one-year long roadkill 
            
155
daily survey, including 4453 individual records of vertebrate 
155
daily survey, including 4453 individual records of vertebrate 
            
156
carcasses, for which survival time on the road is known. This dataset 
156
carcasses, for which survival time on the road is known. This dataset 
            
157
was arranged in five data matrices concerning different sampling 
157
was arranged in five data matrices concerning different sampling 
            
158
frequencies: daily sampling (the baseline data), and four scenarios, 
158
frequencies: daily sampling (the baseline data), and four scenarios, 
            
159
2-day interval, weekly, bi-weekly, and monthly sampling. We considered 
159
2-day interval, weekly, bi-weekly, and monthly sampling. We considered 
            
160
the global species data (all taxonomic groups together) and each of 
160
the global species data (all taxonomic groups together) and each of 
            
161
the 13 taxonomic groups considered for the analyses. For analyses, the 
161
the 13 taxonomic groups considered for the analyses. For analyses, the 
            
162
road was divided in 500-m sections and hotspots were calculated 
162
road was divided in 500-m sections and hotspots were calculated 
            
163
according to Malo's method (using a Poisson distribution). We 
163
according to Malo's method (using a Poisson distribution). We 
            
164
considered a threshold of 95 % and a corresponding minimum of two 
164
considered a threshold of 95 % and a corresponding minimum of two 
            
165
observations (roadkilled animals) in order to proceed with the 
165
observations (roadkilled animals) in order to proceed with the 
            
166
analyses. In order to evaluate spatial discrepancy in hotspot location 
166
analyses. In order to evaluate spatial discrepancy in hotspot location 
            
167
at road sections (presence/absence of hotspot) between daily and each 
167
at road sections (presence/absence of hotspot) between daily and each 
            
168
of the four sampling scenarios, we used the Phi correlation. For 
168
of the four sampling scenarios, we used the Phi correlation. For 
            
169
global data, spatial discrepancy of hotspots increased most from 
169
global data, spatial discrepancy of hotspots increased most from 
            
170
weekly scenario onwards (phi weekly = 0.66, phi bi-weekly =0.61, phi 
170
weekly scenario onwards (phi weekly = 0.66, phi bi-weekly =0.61, phi 
            
171
monthly =0.58), while the 2-day scenario had the lowest discrepancy 
171
monthly =0.58), while the 2-day scenario had the lowest discrepancy 
            
172
(phi 2-day =0.89). None of the four scenarios produced a hotspot map 
172
(phi 2-day =0.89). None of the four scenarios produced a hotspot map 
            
173
identical to the one obtained through daily survey, neither with 
173
identical to the one obtained through daily survey, neither with 
            
174
global data nor with separated taxa. Even for the highest correlated 
174
global data nor with separated taxa. Even for the highest correlated 
            
175
scenario (2-day sampling), a different hotspot map was obtained for 
175
scenario (2-day sampling), a different hotspot map was obtained for 
            
176
all studied taxa. Taxa with higher discrepancy in hotspot maps were 
176
all studied taxa. Taxa with higher discrepancy in hotspot maps were 
            
177
bats, toads, salamanders, snakes and small mammals. Birds of prey, 
177
bats, toads, salamanders, snakes and small mammals. Birds of prey, 
            
178
hedgehogs, carnivores, and lagomorphs had the lowest spatial 
178
hedgehogs, carnivores, and lagomorphs had the lowest spatial 
            
179
discrepancy in hotspot maps. These results must be taken into account 
179
discrepancy in hotspot maps. These results must be taken into account 
            
180
when planning roadkill monitoring programs, specially if we are 
180
when planning roadkill monitoring programs, specially if we are 
            
181
dealing with small species.",
181
dealing with small species.",
            
182
    "es": "In order to minimize the negative impacts of roads on 
182
    "es": "In order to minimize the negative impacts of roads on 
            
183
wildlife mortality and fragmentation, ecologists and road managers 
183
wildlife mortality and fragmentation, ecologists and road managers 
            
184
have been working together on assessing spatial patterns of roadkills, 
184
have been working together on assessing spatial patterns of roadkills, 
            
185
taxa most sensible, and road and landscape characteristics that 
185
taxa most sensible, and road and landscape characteristics that 
            
186
influence roadkill numbers. Of special concern when analyzing these 
186
influence roadkill numbers. Of special concern when analyzing these 
            
187
spatial patterns, is the location of roadkill hostspots, ie. segments 
187
spatial patterns, is the location of roadkill hostspots, ie. segments 
            
188
of roads with clusters of wildlife mortality. The accuracy in the 
188
of roads with clusters of wildlife mortality. The accuracy in the 
            
189
spatial definition of hotspots is of prime importance not only to 
189
spatial definition of hotspots is of prime importance not only to 
            
190
conservation biologists, but also to road agencies and planners, as 
190
conservation biologists, but also to road agencies and planners, as 
            
191
mitigation of roadways is usually expensive. Recently it has been 
191
mitigation of roadways is usually expensive. Recently it has been 
            
192
shown that lower frequencies of road monitoring (longer intervals 
192
shown that lower frequencies of road monitoring (longer intervals 
            
193
between samplings) may be responsible for losses of more than 50 % of 
193
between samplings) may be responsible for losses of more than 50 % of 
            
194
roadkill numbers registered for several taxonomic groups, when 
194
roadkill numbers registered for several taxonomic groups, when 
            
195
compared with a daily sampling. This result highlights the need to 
195
compared with a daily sampling. This result highlights the need to 
            
196
account for other possible sources of inaccuracies when monitoring 
196
account for other possible sources of inaccuracies when monitoring 
            
197
roadkills with varying sampling frequencies. Particularly important is 
197
roadkills with varying sampling frequencies. Particularly important is 
            
198
the evaluation of the spatial accuracy of roadkill hotspot locations 
198
the evaluation of the spatial accuracy of roadkill hotspot locations 
            
199
when different sampling efforts are implemented because inaccurate 
199
when different sampling efforts are implemented because inaccurate 
            
200
results may fail to detect \u201creal\u201d roadkill hotspots or can 
200
results may fail to detect \u201creal\u201d roadkill hotspots or can 
            
201
direct highly-cost mitigation measures to the inappropriate road 
201
direct highly-cost mitigation measures to the inappropriate road 
            
202
sections. In the present study, we aim to assess the spatial 
202
sections. In the present study, we aim to assess the spatial 
            
203
discrepancy of hotspots location using four sampling frequencies 
203
discrepancy of hotspots location using four sampling frequencies 
            
204
(scenarios), and determine for which taxonomic groups is this spatial 
204
(scenarios), and determine for which taxonomic groups is this spatial 
            
205
discrepancy most severe. We used a dataset of a one-year long roadkill 
205
discrepancy most severe. We used a dataset of a one-year long roadkill 
            
206
daily survey, including 4453 individual records of vertebrate 
206
daily survey, including 4453 individual records of vertebrate 
            
207
carcasses, for which survival time on the road is known. This dataset 
207
carcasses, for which survival time on the road is known. This dataset 
            
208
was arranged in five data matrices concerning different sampling 
208
was arranged in five data matrices concerning different sampling 
            
209
frequencies: daily sampling (the baseline data), and four scenarios, 
209
frequencies: daily sampling (the baseline data), and four scenarios, 
            
210
2-day interval, weekly, bi-weekly, and monthly sampling. We considered 
210
2-day interval, weekly, bi-weekly, and monthly sampling. We considered 
            
211
the global species data (all taxonomic groups together) and each of 
211
the global species data (all taxonomic groups together) and each of 
            
212
the 13 taxonomic groups considered for the analyses. For analyses, the 
212
the 13 taxonomic groups considered for the analyses. For analyses, the 
            
213
road was divided in 500-m sections and hotspots were calculated 
213
road was divided in 500-m sections and hotspots were calculated 
            
214
according to Malo's method (using a Poisson distribution). We 
214
according to Malo's method (using a Poisson distribution). We 
            
215
considered a threshold of 95 % and a corresponding minimum of two 
215
considered a threshold of 95 % and a corresponding minimum of two 
            
216
observations (roadkilled animals) in order to proceed with the 
216
observations (roadkilled animals) in order to proceed with the 
            
217
analyses. In order to evaluate spatial discrepancy in hotspot location 
217
analyses. In order to evaluate spatial discrepancy in hotspot location 
            
218
at road sections (presence/absence of hotspot) between daily and each 
218
at road sections (presence/absence of hotspot) between daily and each 
            
219
of the four sampling scenarios, we used the Phi correlation. For 
219
of the four sampling scenarios, we used the Phi correlation. For 
            
220
global data, spatial discrepancy of hotspots increased most from 
220
global data, spatial discrepancy of hotspots increased most from 
            
221
weekly scenario onwards (phi weekly = 0.66, phi bi-weekly =0.61, phi 
221
weekly scenario onwards (phi weekly = 0.66, phi bi-weekly =0.61, phi 
            
222
monthly =0.58), while the 2-day scenario had the lowest discrepancy 
222
monthly =0.58), while the 2-day scenario had the lowest discrepancy 
            
223
(phi 2-day =0.89). None of the four scenarios produced a hotspot map 
223
(phi 2-day =0.89). None of the four scenarios produced a hotspot map 
            
224
identical to the one obtained through daily survey, neither with 
224
identical to the one obtained through daily survey, neither with 
            
225
global data nor with separated taxa. Even for the highest correlated 
225
global data nor with separated taxa. Even for the highest correlated 
            
226
scenario (2-day sampling), a different hotspot map was obtained for 
226
scenario (2-day sampling), a different hotspot map was obtained for 
            
227
all studied taxa. Taxa with higher discrepancy in hotspot maps were 
227
all studied taxa. Taxa with higher discrepancy in hotspot maps were 
            
228
bats, toads, salamanders, snakes and small mammals. Birds of prey, 
228
bats, toads, salamanders, snakes and small mammals. Birds of prey, 
            
229
hedgehogs, carnivores, and lagomorphs had the lowest spatial 
229
hedgehogs, carnivores, and lagomorphs had the lowest spatial 
            
230
discrepancy in hotspot maps. These results must be taken into account 
230
discrepancy in hotspot maps. These results must be taken into account 
            
231
when planning roadkill monitoring programs, specially if we are 
231
when planning roadkill monitoring programs, specially if we are 
            
232
dealing with small species."
232
dealing with small species."
            
233
  },
233
  },
            
234
  "num_resources": 1,
234
  "num_resources": 1,
            
235
  "num_tags": 2,
235
  "num_tags": 2,
            
236
  "organization": {
236
  "organization": {
            
237
    "approval_status": "approved",
237
    "approval_status": "approved",
            
238
    "created": "2026-06-23T14:36:08.942021",
238
    "created": "2026-06-23T14:36:08.942021",
            
239
    "description": "",
239
    "description": "",
            
240
    "id": "bca483f7-26e2-4ed8-99e8-65f5b3c7a26e",
240
    "id": "bca483f7-26e2-4ed8-99e8-65f5b3c7a26e",
            
241
    "image_url": "",
241
    "image_url": "",
            
242
    "is_organization": true,
242
    "is_organization": true,
            
243
    "name": "iepnb",
243
    "name": "iepnb",
            
244
    "state": "active",
244
    "state": "active",
            
245
    "title": "",
245
    "title": "",
            
246
    "type": "organization"
246
    "type": "organization"
            
247
  },
247
  },
            
248
  "owner_org": "bca483f7-26e2-4ed8-99e8-65f5b3c7a26e",
248
  "owner_org": "bca483f7-26e2-4ed8-99e8-65f5b3c7a26e",
            
249
  "private": false,
249
  "private": false,
            
250
  "provenance": {
250
  "provenance": {
            
251
    "en": "",
251
    "en": "",
            
252
    "es": ""
252
    "es": ""
            
253
  },
253
  },
            
254
  "publisher": [
254
  "publisher": [
            
255
    {
255
    {
            
256
      "email": "buzon-bdatos@miteco.es",
256
      "email": "buzon-bdatos@miteco.es",
            
257
      "name": "\u00c1rea de Banco de Datos de la Naturaleza. 
257
      "name": "\u00c1rea de Banco de Datos de la Naturaleza. 
            
258
Direcci\u00f3n General Biodiversidad, Bosques y Desertificaci\u00f3n. 
258
Direcci\u00f3n General Biodiversidad, Bosques y Desertificaci\u00f3n. 
            
259
Ministerio para la Transici\u00f3n Ecol\u00f3gica y el Reto 
259
Ministerio para la Transici\u00f3n Ecol\u00f3gica y el Reto 
            
260
Demogr\u00e1fico",
260
Demogr\u00e1fico",
            
261
      "type": "http://purl.org/adms/publishertype/NationalAuthority",
261
      "type": "http://purl.org/adms/publishertype/NationalAuthority",
            
262
      "uri": "https://iepnb.es/catalogo/organization/iepnb",
262
      "uri": "https://iepnb.es/catalogo/organization/iepnb",
            
263
      "url": "https://www.miteco.gob.es/"
263
      "url": "https://www.miteco.gob.es/"
            
264
    }
264
    }
            
265
  ],
265
  ],
            
266
  "publisher_email": "buzon-bdatos@miteco.es",
266
  "publisher_email": "buzon-bdatos@miteco.es",
            
267
  "publisher_name": "\u00c1rea de Banco de Datos de la Naturaleza. 
267
  "publisher_name": "\u00c1rea de Banco de Datos de la Naturaleza. 
            
268
Direcci\u00f3n General Biodiversidad, Bosques y Desertificaci\u00f3n. 
268
Direcci\u00f3n General Biodiversidad, Bosques y Desertificaci\u00f3n. 
            
269
Ministerio para la Transici\u00f3n Ecol\u00f3gica y el Reto 
269
Ministerio para la Transici\u00f3n Ecol\u00f3gica y el Reto 
            
270
Demogr\u00e1fico",
270
Demogr\u00e1fico",
            
271
  "publisher_type": 
271
  "publisher_type": 
            
272
"http://purl.org/adms/publishertype/NationalAuthority",
272
"http://purl.org/adms/publishertype/NationalAuthority",
            
273
  "publisher_uri": "https://iepnb.es/catalogo/organization/iepnb",
273
  "publisher_uri": "https://iepnb.es/catalogo/organization/iepnb",
            
274
  "publisher_url": "https://www.miteco.gob.es/",
274
  "publisher_url": "https://www.miteco.gob.es/",
            
275
  "purpose": {
275
  "purpose": {
            
276
    "en": "",
276
    "en": "",
            
277
    "es": ""
277
    "es": ""
            
278
  },
278
  },
            
279
  "reference": [],
279
  "reference": [],
            
280
  "relationships_as_object": [],
280
  "relationships_as_object": [],
            
281
  "relationships_as_subject": [],
281
  "relationships_as_subject": [],
            
282
  "resources": [
282
  "resources": [
            
283
    {
283
    {
            
284
      "access_url": 
284
      "access_url": 
            
285
5430-9344-931e7b50842b/resource/bc3fe02b-2f31-4f13-8708-80c2c0622188",
285
5430-9344-931e7b50842b/resource/bc3fe02b-2f31-4f13-8708-80c2c0622188",
            
286
      "availability": 
286
      "availability": 
            
287
ications.europa.eu/resource/authority/planned-availability/AVAILABLE",
287
ications.europa.eu/resource/authority/planned-availability/AVAILABLE",
            
288
      "cache_last_updated": null,
288
      "cache_last_updated": null,
            
289
      "cache_url": null,
289
      "cache_url": null,
            
290
      "created": "2012-10-01T00:00:00",
290
      "created": "2012-10-01T00:00:00",
            
291
      "dataset_id": "ab833789-3ea7-460a-bd1a-e1a9e480cd3c",
291
      "dataset_id": "ab833789-3ea7-460a-bd1a-e1a9e480cd3c",
            
292
      "datastore_active": false,
292
      "datastore_active": false,
            
293
      "datastore_contains_all_records_of_source_file": false,
293
      "datastore_contains_all_records_of_source_file": false,
            
294
      "description": "Art\u00edculo en libro",
294
      "description": "Art\u00edculo en libro",
            
295
      "download_url": "",
295
      "download_url": "",
            
296
      "encoding": "UTF-8",
296
      "encoding": "UTF-8",
            
297
      "format": "",
297
      "format": "",
            
298
      "hash": "",
298
      "hash": "",
            
299
      "id": "bc3fe02b-2f31-4f13-8708-80c2c0622188",
299
      "id": "bc3fe02b-2f31-4f13-8708-80c2c0622188",
            
300
      "issued": "",
300
      "issued": "",
            
301
      "language": 
301
      "language": 
            
302
"http://publications.europa.eu/resource/authority/language/ENG",
302
"http://publications.europa.eu/resource/authority/language/ENG",
            
303
      "last_modified": null,
303
      "last_modified": null,
            
304
      "license": "http://creativecommons.org/licenses/by/4.0/",
304
      "license": "http://creativecommons.org/licenses/by/4.0/",
            
305
      "license_id": "cc-by",
305
      "license_id": "cc-by",
            
n
306
      "metadata_modified": "2026-06-23T14:55:26.573943",
n
306
      "metadata_modified": "2026-06-23T16:07:38.950919",
            
307
      "mimetype_inner": null,
307
      "mimetype_inner": null,
            
308
      "modified": "2026-06-23",
308
      "modified": "2026-06-23",
            
309
      "name": "Acceso al recurso",
309
      "name": "Acceso al recurso",
            
310
      "package_id": "5c6879c4-665e-5430-9344-931e7b50842b",
310
      "package_id": "5c6879c4-665e-5430-9344-931e7b50842b",
            
311
      "position": 0,
311
      "position": 0,
            
312
      "protocol": null,
312
      "protocol": null,
            
313
      "resource_type": null,
313
      "resource_type": null,
            
314
      "rights": 
314
      "rights": 
            
315
.europa.eu/metadata-codelist/LimitationsOnPublicAccess/noLimitations",
315
.europa.eu/metadata-codelist/LimitationsOnPublicAccess/noLimitations",
            
316
      "size": 0,
316
      "size": 0,
            
317
      "state": "active",
317
      "state": "active",
            
318
      "status": "http://purl.org/adms/status/Completed",
318
      "status": "http://purl.org/adms/status/Completed",
            
319
      "url": "",
319
      "url": "",
            
320
      "url_type": null
320
      "url_type": null
            
321
    }
321
    }
            
322
  ],
322
  ],
            
323
  "schemingdcat_xls_metadata_template": false,
323
  "schemingdcat_xls_metadata_template": false,
            
324
  "source": "",
324
  "source": "",
            
325
  "spatial": "{\"type\": \"Polygon\", \"coordinates\": [[[-18.16, 
325
  "spatial": "{\"type\": \"Polygon\", \"coordinates\": [[[-18.16, 
            
326
27.64], [4.32, 27.64], [4.32, 43.79], [-18.16, 43.79], [-18.16, 
326
27.64], [4.32, 27.64], [4.32, 43.79], [-18.16, 43.79], [-18.16, 
            
327
27.64]]]}",
327
27.64]]]}",
            
328
  "spatial_coverage": [
328
  "spatial_coverage": [
            
329
    {
329
    {
            
t
330
      "bbox": {
t
330
      "bbox": "{\"type\": \"Polygon\", \"coordinates\": [[[-18.16, 
            
331
        "coordinates": [
331
27.64], [4.32, 27.64], [4.32, 43.79], [-18.16, 43.79], [-18.16, 
            
332
          [
332
27.64]]]}",
            
333
            [
333
      "centroid": "{\"type\": \"Point\", \"coordinates\": [-6.92, 
            
334
              -18.16,
334
35.715]}",
            
335
              27.64

            
336
            ],

            
337
            [

            
338
              4.32,

            
339
              27.64

            
340
            ],

            
341
            [

            
342
              4.32,

            
343
              43.79

            
344
            ],

            
345
            [

            
346
              -18.16,

            
347
              43.79

            
348
            ],

            
349
            [

            
350
              -18.16,

            
351
              27.64

            
352
            ]

            
353
          ]

            
354
        ],

            
355
        "type": "Polygon"

            
356
      },

            
357
      "centroid": {

            
358
        "coordinates": [

            
359
          -6.92,

            
360
          35.715

            
361
        ],

            
362
        "type": "Point"

            
363
      },

            
364
      "text": "Espa\u00f1a",
335
      "text": "Espa\u00f1a",
            
365
      "uri": 
336
      "uri": 
            
366
ttp://datos.gob.es/recurso/sector-publico/territorio/Pais/Espa\u00f1a"
337
ttp://datos.gob.es/recurso/sector-publico/territorio/Pais/Espa\u00f1a"
            
367
    }
338
    }
            
368
  ],
339
  ],
            
369
  "spatial_resolution_in_meters": "",
340
  "spatial_resolution_in_meters": "",
            
370
  "spatial_uri": 
341
  "spatial_uri": 
            
371
tp://datos.gob.es/recurso/sector-publico/territorio/Pais/Espa\u00f1a",
342
tp://datos.gob.es/recurso/sector-publico/territorio/Pais/Espa\u00f1a",
            
372
  "state": "active",
343
  "state": "active",
            
373
  "study_variables": {
344
  "study_variables": {
            
374
    "es": ""
345
    "es": ""
            
375
  },
346
  },
            
376
  "tag_uri": [
347
  "tag_uri": [
            
377
    
348
    
            
378
tp://inspire.ec.europa.eu/metadata-codelist/TopicCategory/environment"
349
tp://inspire.ec.europa.eu/metadata-codelist/TopicCategory/environment"
            
379
  ],
350
  ],
            
380
  "tags": [
351
  "tags": [
            
381
    {
352
    {
            
382
      "display_name": "accidentes-y-atropellos-de-fauna",
353
      "display_name": "accidentes-y-atropellos-de-fauna",
            
383
      "id": "629c6d17-b04f-404c-900a-8c31fae0ecc4",
354
      "id": "629c6d17-b04f-404c-900a-8c31fae0ecc4",
            
384
      "name": "accidentes-y-atropellos-de-fauna",
355
      "name": "accidentes-y-atropellos-de-fauna",
            
385
      "state": "active",
356
      "state": "active",
            
386
      "vocabulary_id": null
357
      "vocabulary_id": null
            
387
    },
358
    },
            
388
    {
359
    {
            
389
      "display_name": "fragmentacion",
360
      "display_name": "fragmentacion",
            
390
      "id": "627f9c0a-a199-4c69-b563-0c8d626e3194",
361
      "id": "627f9c0a-a199-4c69-b563-0c8d626e3194",
            
391
      "name": "fragmentacion",
362
      "name": "fragmentacion",
            
392
      "state": "active",
363
      "state": "active",
            
393
      "vocabulary_id": null
364
      "vocabulary_id": null
            
394
    }
365
    }
            
395
  ],
366
  ],
            
396
  "thematic_area": [
367
  "thematic_area": [
            
397
    "especies_silvestres"
368
    "especies_silvestres"
            
398
  ],
369
  ],
            
399
  "theme_es": [
370
  "theme_es": [
            
400
    "http://datos.gob.es/kos/sector-publico/sector/medio-ambiente"
371
    "http://datos.gob.es/kos/sector-publico/sector/medio-ambiente"
            
401
  ],
372
  ],
            
402
  "title": "Hotspot maps of roadkills: how important is the sampling 
373
  "title": "Hotspot maps of roadkills: how important is the sampling 
            
403
frequency?",
374
frequency?",
            
404
  "title_translated": {
375
  "title_translated": {
            
405
    "en": "",
376
    "en": "",
            
406
    "es": "Hotspot maps of roadkills: how important is the sampling 
377
    "es": "Hotspot maps of roadkills: how important is the sampling 
            
407
frequency?"
378
frequency?"
            
408
  },
379
  },
            
409
  "topic": 
380
  "topic": 
            
410
"http://inspire.ec.europa.eu/metadata-codelist/TopicCategory/biota",
381
"http://inspire.ec.europa.eu/metadata-codelist/TopicCategory/biota",
            
411
  "type": "dataset",
382
  "type": "dataset",
            
412
  "url": 
383
  "url": 
            
413
//iepnb.es:443/catalogo/dataset/5c6879c4-665e-5430-9344-931e7b50842b",
384
//iepnb.es:443/catalogo/dataset/5c6879c4-665e-5430-9344-931e7b50842b",
            
414
  "version": "",
385
  "version": "",
            
415
  "version_notes": {
386
  "version_notes": {
            
416
    "en": "",
387
    "en": "",
            
417
    "es": ""
388
    "es": ""
            
418
  }
389
  }
            
419
}
390
}