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,
            
n
45
  "groups": [],
n
45
  "groups": [
            
46
    {
            
47
      "description": "La fragmentaci\u00f3n del h\u00e1bitat se define 
            
48
como el proceso durante el cual una gran extensi\u00f3n de 
            
49
h\u00e1bitat se transforma en una serie de parches m\u00e1s 
            
50
peque\u00f1os de menor superficie total aislados entre s\u00ed por una 
            
51
matriz de h\u00e1bitats distinta de la original",
            
52
      "display_name": "Fragmentaci\u00f3n del h\u00e1bitat",
            
53
      "id": "10439641-6830-4144-a3ab-117add931cd5",
            
54
      "image_display_url": 
            
55
e_2010_UE_Illustr.jpg/320px-Green_infrastructure_2010_UE_Illustr.jpg",
            
56
      "name": "fragmentacion-habitat",
            
57
      "title": "Fragmentaci\u00f3n del h\u00e1bitat"
            
58
    }
            
59
  ],
            
46
  "hvd": "non_hvd",
60
  "hvd": "non_hvd",
            
47
  "id": "5c6879c4-665e-5430-9344-931e7b50842b",
61
  "id": "5c6879c4-665e-5430-9344-931e7b50842b",
            
48
  "identifier": "5c6879c4-665e-5430-9344-931e7b50842b",
62
  "identifier": "5c6879c4-665e-5430-9344-931e7b50842b",
            
49
  "inspire_id": "",
63
  "inspire_id": "",
            
50
  "isopen": true,
64
  "isopen": true,
            
51
  "language": 
65
  "language": 
            
52
"http://publications.europa.eu/resource/authority/language/SPA",
66
"http://publications.europa.eu/resource/authority/language/SPA",
            
53
  "license_id": "cc-by",
67
  "license_id": "cc-by",
            
54
  "license_title": "Creative Commons Attribution",
68
  "license_title": "Creative Commons Attribution",
            
55
  "license_url": "http://www.opendefinition.org/licenses/cc-by",
69
  "license_url": "http://www.opendefinition.org/licenses/cc-by",
            
56
  "lineage_process_steps": [],
70
  "lineage_process_steps": [],
            
57
  "lineage_source": [
71
  "lineage_source": [
            
58
    "2012 IENE International Conference. Programme and book of 
72
    "2012 IENE International Conference. Programme and book of 
            
59
abstracts"
73
abstracts"
            
60
  ],
74
  ],
            
61
  "maintainer": "",
75
  "maintainer": "",
            
62
  "maintainer_name": "",
76
  "maintainer_name": "",
            
63
  "metadata_created": "2026-06-23T14:55:26.577166",
77
  "metadata_created": "2026-06-23T14:55:26.577166",
            
n
64
  "metadata_modified": "2026-06-23T16:07:38.946544",
n
78
  "metadata_modified": "2026-06-25T12:37:41.881455",
            
65
  "metadata_profile": [
79
  "metadata_profile": [
            
66
    "https://www.w3.org/TR/vocab-dcat-3/"
80
    "https://www.w3.org/TR/vocab-dcat-3/"
            
67
  ],
81
  ],
            
68
  "miteco_data_population": {
82
  "miteco_data_population": {
            
69
    "es": ""
83
    "es": ""
            
70
  },
84
  },
            
71
  "miteco_data_territory": {
85
  "miteco_data_territory": {
            
72
    "es": ""
86
    "es": ""
            
73
  },
87
  },
            
74
  "miteco_dataset_type": 
88
  "miteco_dataset_type": 
            
75
//publications.europa.eu/resource/authority/dataset-type/STATISTICAL",
89
//publications.europa.eu/resource/authority/dataset-type/STATISTICAL",
            
76
  "miteco_geo_level": "1",
90
  "miteco_geo_level": "1",
            
n
77
  "modified": "2026-06-23",
n
91
  "modified": "2026-06-25",
            
78
  "name": "5c6879c4-665e-5430-9344-931e7b50842b",
92
  "name": "5c6879c4-665e-5430-9344-931e7b50842b",
            
79
  "notes": "In order to minimize the negative impacts of roads on 
93
  "notes": "In order to minimize the negative impacts of roads on 
            
80
wildlife mortality and fragmentation, ecologists and road managers 
94
wildlife mortality and fragmentation, ecologists and road managers 
            
81
have been working together on assessing spatial patterns of roadkills, 
95
have been working together on assessing spatial patterns of roadkills, 
            
82
taxa most sensible, and road and landscape characteristics that 
96
taxa most sensible, and road and landscape characteristics that 
            
83
influence roadkill numbers. Of special concern when analyzing these 
97
influence roadkill numbers. Of special concern when analyzing these 
            
84
spatial patterns, is the location of roadkill hostspots, ie. segments 
98
spatial patterns, is the location of roadkill hostspots, ie. segments 
            
85
of roads with clusters of wildlife mortality. The accuracy in the 
99
of roads with clusters of wildlife mortality. The accuracy in the 
            
86
spatial definition of hotspots is of prime importance not only to 
100
spatial definition of hotspots is of prime importance not only to 
            
87
conservation biologists, but also to road agencies and planners, as 
101
conservation biologists, but also to road agencies and planners, as 
            
88
mitigation of roadways is usually expensive. Recently it has been 
102
mitigation of roadways is usually expensive. Recently it has been 
            
89
shown that lower frequencies of road monitoring (longer intervals 
103
shown that lower frequencies of road monitoring (longer intervals 
            
90
between samplings) may be responsible for losses of more than 50 % of 
104
between samplings) may be responsible for losses of more than 50 % of 
            
91
roadkill numbers registered for several taxonomic groups, when 
105
roadkill numbers registered for several taxonomic groups, when 
            
92
compared with a daily sampling. This result highlights the need to 
106
compared with a daily sampling. This result highlights the need to 
            
93
account for other possible sources of inaccuracies when monitoring 
107
account for other possible sources of inaccuracies when monitoring 
            
94
roadkills with varying sampling frequencies. Particularly important is 
108
roadkills with varying sampling frequencies. Particularly important is 
            
95
the evaluation of the spatial accuracy of roadkill hotspot locations 
109
the evaluation of the spatial accuracy of roadkill hotspot locations 
            
96
when different sampling efforts are implemented because inaccurate 
110
when different sampling efforts are implemented because inaccurate 
            
97
results may fail to detect \u201creal\u201d roadkill hotspots or can 
111
results may fail to detect \u201creal\u201d roadkill hotspots or can 
            
98
direct highly-cost mitigation measures to the inappropriate road 
112
direct highly-cost mitigation measures to the inappropriate road 
            
99
sections. In the present study, we aim to assess the spatial 
113
sections. In the present study, we aim to assess the spatial 
            
100
discrepancy of hotspots location using four sampling frequencies 
114
discrepancy of hotspots location using four sampling frequencies 
            
101
(scenarios), and determine for which taxonomic groups is this spatial 
115
(scenarios), and determine for which taxonomic groups is this spatial 
            
102
discrepancy most severe. We used a dataset of a one-year long roadkill 
116
discrepancy most severe. We used a dataset of a one-year long roadkill 
            
103
daily survey, including 4453 individual records of vertebrate 
117
daily survey, including 4453 individual records of vertebrate 
            
104
carcasses, for which survival time on the road is known. This dataset 
118
carcasses, for which survival time on the road is known. This dataset 
            
105
was arranged in five data matrices concerning different sampling 
119
was arranged in five data matrices concerning different sampling 
            
106
frequencies: daily sampling (the baseline data), and four scenarios, 
120
frequencies: daily sampling (the baseline data), and four scenarios, 
            
107
2-day interval, weekly, bi-weekly, and monthly sampling. We considered 
121
2-day interval, weekly, bi-weekly, and monthly sampling. We considered 
            
108
the global species data (all taxonomic groups together) and each of 
122
the global species data (all taxonomic groups together) and each of 
            
109
the 13 taxonomic groups considered for the analyses. For analyses, the 
123
the 13 taxonomic groups considered for the analyses. For analyses, the 
            
110
road was divided in 500-m sections and hotspots were calculated 
124
road was divided in 500-m sections and hotspots were calculated 
            
111
according to Malo's method (using a Poisson distribution). We 
125
according to Malo's method (using a Poisson distribution). We 
            
112
considered a threshold of 95 % and a corresponding minimum of two 
126
considered a threshold of 95 % and a corresponding minimum of two 
            
113
observations (roadkilled animals) in order to proceed with the 
127
observations (roadkilled animals) in order to proceed with the 
            
114
analyses. In order to evaluate spatial discrepancy in hotspot location 
128
analyses. In order to evaluate spatial discrepancy in hotspot location 
            
115
at road sections (presence/absence of hotspot) between daily and each 
129
at road sections (presence/absence of hotspot) between daily and each 
            
116
of the four sampling scenarios, we used the Phi correlation. For 
130
of the four sampling scenarios, we used the Phi correlation. For 
            
117
global data, spatial discrepancy of hotspots increased most from 
131
global data, spatial discrepancy of hotspots increased most from 
            
118
weekly scenario onwards (phi weekly = 0.66, phi bi-weekly =0.61, phi 
132
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 
133
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 
134
(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 
135
identical to the one obtained through daily survey, neither with 
            
122
global data nor with separated taxa. Even for the highest correlated 
136
global data nor with separated taxa. Even for the highest correlated 
            
123
scenario (2-day sampling), a different hotspot map was obtained for 
137
scenario (2-day sampling), a different hotspot map was obtained for 
            
124
all studied taxa. Taxa with higher discrepancy in hotspot maps were 
138
all studied taxa. Taxa with higher discrepancy in hotspot maps were 
            
125
bats, toads, salamanders, snakes and small mammals. Birds of prey, 
139
bats, toads, salamanders, snakes and small mammals. Birds of prey, 
            
126
hedgehogs, carnivores, and lagomorphs had the lowest spatial 
140
hedgehogs, carnivores, and lagomorphs had the lowest spatial 
            
127
discrepancy in hotspot maps. These results must be taken into account 
141
discrepancy in hotspot maps. These results must be taken into account 
            
128
when planning roadkill monitoring programs, specially if we are 
142
when planning roadkill monitoring programs, specially if we are 
            
129
dealing with small species.",
143
dealing with small species.",
            
130
  "notes_translated": {
144
  "notes_translated": {
            
131
    "en": "In order to minimize the negative impacts of roads on 
145
    "en": "In order to minimize the negative impacts of roads on 
            
132
wildlife mortality and fragmentation, ecologists and road managers 
146
wildlife mortality and fragmentation, ecologists and road managers 
            
133
have been working together on assessing spatial patterns of roadkills, 
147
have been working together on assessing spatial patterns of roadkills, 
            
134
taxa most sensible, and road and landscape characteristics that 
148
taxa most sensible, and road and landscape characteristics that 
            
135
influence roadkill numbers. Of special concern when analyzing these 
149
influence roadkill numbers. Of special concern when analyzing these 
            
136
spatial patterns, is the location of roadkill hostspots, ie. segments 
150
spatial patterns, is the location of roadkill hostspots, ie. segments 
            
137
of roads with clusters of wildlife mortality. The accuracy in the 
151
of roads with clusters of wildlife mortality. The accuracy in the 
            
138
spatial definition of hotspots is of prime importance not only to 
152
spatial definition of hotspots is of prime importance not only to 
            
139
conservation biologists, but also to road agencies and planners, as 
153
conservation biologists, but also to road agencies and planners, as 
            
140
mitigation of roadways is usually expensive. Recently it has been 
154
mitigation of roadways is usually expensive. Recently it has been 
            
141
shown that lower frequencies of road monitoring (longer intervals 
155
shown that lower frequencies of road monitoring (longer intervals 
            
142
between samplings) may be responsible for losses of more than 50 % of 
156
between samplings) may be responsible for losses of more than 50 % of 
            
143
roadkill numbers registered for several taxonomic groups, when 
157
roadkill numbers registered for several taxonomic groups, when 
            
144
compared with a daily sampling. This result highlights the need to 
158
compared with a daily sampling. This result highlights the need to 
            
145
account for other possible sources of inaccuracies when monitoring 
159
account for other possible sources of inaccuracies when monitoring 
            
146
roadkills with varying sampling frequencies. Particularly important is 
160
roadkills with varying sampling frequencies. Particularly important is 
            
147
the evaluation of the spatial accuracy of roadkill hotspot locations 
161
the evaluation of the spatial accuracy of roadkill hotspot locations 
            
148
when different sampling efforts are implemented because inaccurate 
162
when different sampling efforts are implemented because inaccurate 
            
149
results may fail to detect \u201creal\u201d roadkill hotspots or can 
163
results may fail to detect \u201creal\u201d roadkill hotspots or can 
            
150
direct highly-cost mitigation measures to the inappropriate road 
164
direct highly-cost mitigation measures to the inappropriate road 
            
151
sections. In the present study, we aim to assess the spatial 
165
sections. In the present study, we aim to assess the spatial 
            
152
discrepancy of hotspots location using four sampling frequencies 
166
discrepancy of hotspots location using four sampling frequencies 
            
153
(scenarios), and determine for which taxonomic groups is this spatial 
167
(scenarios), and determine for which taxonomic groups is this spatial 
            
154
discrepancy most severe. We used a dataset of a one-year long roadkill 
168
discrepancy most severe. We used a dataset of a one-year long roadkill 
            
155
daily survey, including 4453 individual records of vertebrate 
169
daily survey, including 4453 individual records of vertebrate 
            
156
carcasses, for which survival time on the road is known. This dataset 
170
carcasses, for which survival time on the road is known. This dataset 
            
157
was arranged in five data matrices concerning different sampling 
171
was arranged in five data matrices concerning different sampling 
            
158
frequencies: daily sampling (the baseline data), and four scenarios, 
172
frequencies: daily sampling (the baseline data), and four scenarios, 
            
159
2-day interval, weekly, bi-weekly, and monthly sampling. We considered 
173
2-day interval, weekly, bi-weekly, and monthly sampling. We considered 
            
160
the global species data (all taxonomic groups together) and each of 
174
the global species data (all taxonomic groups together) and each of 
            
161
the 13 taxonomic groups considered for the analyses. For analyses, the 
175
the 13 taxonomic groups considered for the analyses. For analyses, the 
            
162
road was divided in 500-m sections and hotspots were calculated 
176
road was divided in 500-m sections and hotspots were calculated 
            
163
according to Malo's method (using a Poisson distribution). We 
177
according to Malo's method (using a Poisson distribution). We 
            
164
considered a threshold of 95 % and a corresponding minimum of two 
178
considered a threshold of 95 % and a corresponding minimum of two 
            
165
observations (roadkilled animals) in order to proceed with the 
179
observations (roadkilled animals) in order to proceed with the 
            
166
analyses. In order to evaluate spatial discrepancy in hotspot location 
180
analyses. In order to evaluate spatial discrepancy in hotspot location 
            
167
at road sections (presence/absence of hotspot) between daily and each 
181
at road sections (presence/absence of hotspot) between daily and each 
            
168
of the four sampling scenarios, we used the Phi correlation. For 
182
of the four sampling scenarios, we used the Phi correlation. For 
            
169
global data, spatial discrepancy of hotspots increased most from 
183
global data, spatial discrepancy of hotspots increased most from 
            
170
weekly scenario onwards (phi weekly = 0.66, phi bi-weekly =0.61, phi 
184
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 
185
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 
186
(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 
187
identical to the one obtained through daily survey, neither with 
            
174
global data nor with separated taxa. Even for the highest correlated 
188
global data nor with separated taxa. Even for the highest correlated 
            
175
scenario (2-day sampling), a different hotspot map was obtained for 
189
scenario (2-day sampling), a different hotspot map was obtained for 
            
176
all studied taxa. Taxa with higher discrepancy in hotspot maps were 
190
all studied taxa. Taxa with higher discrepancy in hotspot maps were 
            
177
bats, toads, salamanders, snakes and small mammals. Birds of prey, 
191
bats, toads, salamanders, snakes and small mammals. Birds of prey, 
            
178
hedgehogs, carnivores, and lagomorphs had the lowest spatial 
192
hedgehogs, carnivores, and lagomorphs had the lowest spatial 
            
179
discrepancy in hotspot maps. These results must be taken into account 
193
discrepancy in hotspot maps. These results must be taken into account 
            
180
when planning roadkill monitoring programs, specially if we are 
194
when planning roadkill monitoring programs, specially if we are 
            
181
dealing with small species.",
195
dealing with small species.",
            
182
    "es": "In order to minimize the negative impacts of roads on 
196
    "es": "In order to minimize the negative impacts of roads on 
            
183
wildlife mortality and fragmentation, ecologists and road managers 
197
wildlife mortality and fragmentation, ecologists and road managers 
            
184
have been working together on assessing spatial patterns of roadkills, 
198
have been working together on assessing spatial patterns of roadkills, 
            
185
taxa most sensible, and road and landscape characteristics that 
199
taxa most sensible, and road and landscape characteristics that 
            
186
influence roadkill numbers. Of special concern when analyzing these 
200
influence roadkill numbers. Of special concern when analyzing these 
            
187
spatial patterns, is the location of roadkill hostspots, ie. segments 
201
spatial patterns, is the location of roadkill hostspots, ie. segments 
            
188
of roads with clusters of wildlife mortality. The accuracy in the 
202
of roads with clusters of wildlife mortality. The accuracy in the 
            
189
spatial definition of hotspots is of prime importance not only to 
203
spatial definition of hotspots is of prime importance not only to 
            
190
conservation biologists, but also to road agencies and planners, as 
204
conservation biologists, but also to road agencies and planners, as 
            
191
mitigation of roadways is usually expensive. Recently it has been 
205
mitigation of roadways is usually expensive. Recently it has been 
            
192
shown that lower frequencies of road monitoring (longer intervals 
206
shown that lower frequencies of road monitoring (longer intervals 
            
193
between samplings) may be responsible for losses of more than 50 % of 
207
between samplings) may be responsible for losses of more than 50 % of 
            
194
roadkill numbers registered for several taxonomic groups, when 
208
roadkill numbers registered for several taxonomic groups, when 
            
195
compared with a daily sampling. This result highlights the need to 
209
compared with a daily sampling. This result highlights the need to 
            
196
account for other possible sources of inaccuracies when monitoring 
210
account for other possible sources of inaccuracies when monitoring 
            
197
roadkills with varying sampling frequencies. Particularly important is 
211
roadkills with varying sampling frequencies. Particularly important is 
            
198
the evaluation of the spatial accuracy of roadkill hotspot locations 
212
the evaluation of the spatial accuracy of roadkill hotspot locations 
            
199
when different sampling efforts are implemented because inaccurate 
213
when different sampling efforts are implemented because inaccurate 
            
200
results may fail to detect \u201creal\u201d roadkill hotspots or can 
214
results may fail to detect \u201creal\u201d roadkill hotspots or can 
            
201
direct highly-cost mitigation measures to the inappropriate road 
215
direct highly-cost mitigation measures to the inappropriate road 
            
202
sections. In the present study, we aim to assess the spatial 
216
sections. In the present study, we aim to assess the spatial 
            
203
discrepancy of hotspots location using four sampling frequencies 
217
discrepancy of hotspots location using four sampling frequencies 
            
204
(scenarios), and determine for which taxonomic groups is this spatial 
218
(scenarios), and determine for which taxonomic groups is this spatial 
            
205
discrepancy most severe. We used a dataset of a one-year long roadkill 
219
discrepancy most severe. We used a dataset of a one-year long roadkill 
            
206
daily survey, including 4453 individual records of vertebrate 
220
daily survey, including 4453 individual records of vertebrate 
            
207
carcasses, for which survival time on the road is known. This dataset 
221
carcasses, for which survival time on the road is known. This dataset 
            
208
was arranged in five data matrices concerning different sampling 
222
was arranged in five data matrices concerning different sampling 
            
209
frequencies: daily sampling (the baseline data), and four scenarios, 
223
frequencies: daily sampling (the baseline data), and four scenarios, 
            
210
2-day interval, weekly, bi-weekly, and monthly sampling. We considered 
224
2-day interval, weekly, bi-weekly, and monthly sampling. We considered 
            
211
the global species data (all taxonomic groups together) and each of 
225
the global species data (all taxonomic groups together) and each of 
            
212
the 13 taxonomic groups considered for the analyses. For analyses, the 
226
the 13 taxonomic groups considered for the analyses. For analyses, the 
            
213
road was divided in 500-m sections and hotspots were calculated 
227
road was divided in 500-m sections and hotspots were calculated 
            
214
according to Malo's method (using a Poisson distribution). We 
228
according to Malo's method (using a Poisson distribution). We 
            
215
considered a threshold of 95 % and a corresponding minimum of two 
229
considered a threshold of 95 % and a corresponding minimum of two 
            
216
observations (roadkilled animals) in order to proceed with the 
230
observations (roadkilled animals) in order to proceed with the 
            
217
analyses. In order to evaluate spatial discrepancy in hotspot location 
231
analyses. In order to evaluate spatial discrepancy in hotspot location 
            
218
at road sections (presence/absence of hotspot) between daily and each 
232
at road sections (presence/absence of hotspot) between daily and each 
            
219
of the four sampling scenarios, we used the Phi correlation. For 
233
of the four sampling scenarios, we used the Phi correlation. For 
            
220
global data, spatial discrepancy of hotspots increased most from 
234
global data, spatial discrepancy of hotspots increased most from 
            
221
weekly scenario onwards (phi weekly = 0.66, phi bi-weekly =0.61, phi 
235
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 
236
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 
237
(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 
238
identical to the one obtained through daily survey, neither with 
            
225
global data nor with separated taxa. Even for the highest correlated 
239
global data nor with separated taxa. Even for the highest correlated 
            
226
scenario (2-day sampling), a different hotspot map was obtained for 
240
scenario (2-day sampling), a different hotspot map was obtained for 
            
227
all studied taxa. Taxa with higher discrepancy in hotspot maps were 
241
all studied taxa. Taxa with higher discrepancy in hotspot maps were 
            
228
bats, toads, salamanders, snakes and small mammals. Birds of prey, 
242
bats, toads, salamanders, snakes and small mammals. Birds of prey, 
            
229
hedgehogs, carnivores, and lagomorphs had the lowest spatial 
243
hedgehogs, carnivores, and lagomorphs had the lowest spatial 
            
230
discrepancy in hotspot maps. These results must be taken into account 
244
discrepancy in hotspot maps. These results must be taken into account 
            
231
when planning roadkill monitoring programs, specially if we are 
245
when planning roadkill monitoring programs, specially if we are 
            
232
dealing with small species."
246
dealing with small species."
            
233
  },
247
  },
            
234
  "num_resources": 1,
248
  "num_resources": 1,
            
235
  "num_tags": 2,
249
  "num_tags": 2,
            
236
  "organization": {
250
  "organization": {
            
237
    "approval_status": "approved",
251
    "approval_status": "approved",
            
238
    "created": "2026-06-23T14:36:08.942021",
252
    "created": "2026-06-23T14:36:08.942021",
            
239
    "description": "",
253
    "description": "",
            
240
    "id": "bca483f7-26e2-4ed8-99e8-65f5b3c7a26e",
254
    "id": "bca483f7-26e2-4ed8-99e8-65f5b3c7a26e",
            
241
    "image_url": "",
255
    "image_url": "",
            
242
    "is_organization": true,
256
    "is_organization": true,
            
243
    "name": "iepnb",
257
    "name": "iepnb",
            
244
    "state": "active",
258
    "state": "active",
            
245
    "title": "",
259
    "title": "",
            
246
    "type": "organization"
260
    "type": "organization"
            
247
  },
261
  },
            
248
  "owner_org": "bca483f7-26e2-4ed8-99e8-65f5b3c7a26e",
262
  "owner_org": "bca483f7-26e2-4ed8-99e8-65f5b3c7a26e",
            
249
  "private": false,
263
  "private": false,
            
250
  "provenance": {
264
  "provenance": {
            
251
    "en": "",
265
    "en": "",
            
252
    "es": ""
266
    "es": ""
            
253
  },
267
  },
            
254
  "publisher": [
268
  "publisher": [
            
255
    {
269
    {
            
256
      "email": "buzon-bdatos@miteco.es",
270
      "email": "buzon-bdatos@miteco.es",
            
257
      "name": "\u00c1rea de Banco de Datos de la Naturaleza. 
271
      "name": "\u00c1rea de Banco de Datos de la Naturaleza. 
            
258
Direcci\u00f3n General Biodiversidad, Bosques y Desertificaci\u00f3n. 
272
Direcci\u00f3n General Biodiversidad, Bosques y Desertificaci\u00f3n. 
            
259
Ministerio para la Transici\u00f3n Ecol\u00f3gica y el Reto 
273
Ministerio para la Transici\u00f3n Ecol\u00f3gica y el Reto 
            
260
Demogr\u00e1fico",
274
Demogr\u00e1fico",
            
261
      "type": "http://purl.org/adms/publishertype/NationalAuthority",
275
      "type": "http://purl.org/adms/publishertype/NationalAuthority",
            
262
      "uri": "https://iepnb.es/catalogo/organization/iepnb",
276
      "uri": "https://iepnb.es/catalogo/organization/iepnb",
            
263
      "url": "https://www.miteco.gob.es/"
277
      "url": "https://www.miteco.gob.es/"
            
264
    }
278
    }
            
265
  ],
279
  ],
            
266
  "publisher_email": "buzon-bdatos@miteco.es",
280
  "publisher_email": "buzon-bdatos@miteco.es",
            
267
  "publisher_name": "\u00c1rea de Banco de Datos de la Naturaleza. 
281
  "publisher_name": "\u00c1rea de Banco de Datos de la Naturaleza. 
            
268
Direcci\u00f3n General Biodiversidad, Bosques y Desertificaci\u00f3n. 
282
Direcci\u00f3n General Biodiversidad, Bosques y Desertificaci\u00f3n. 
            
269
Ministerio para la Transici\u00f3n Ecol\u00f3gica y el Reto 
283
Ministerio para la Transici\u00f3n Ecol\u00f3gica y el Reto 
            
270
Demogr\u00e1fico",
284
Demogr\u00e1fico",
            
271
  "publisher_type": 
285
  "publisher_type": 
            
272
"http://purl.org/adms/publishertype/NationalAuthority",
286
"http://purl.org/adms/publishertype/NationalAuthority",
            
273
  "publisher_uri": "https://iepnb.es/catalogo/organization/iepnb",
287
  "publisher_uri": "https://iepnb.es/catalogo/organization/iepnb",
            
274
  "publisher_url": "https://www.miteco.gob.es/",
288
  "publisher_url": "https://www.miteco.gob.es/",
            
275
  "purpose": {
289
  "purpose": {
            
276
    "en": "",
290
    "en": "",
            
277
    "es": ""
291
    "es": ""
            
278
  },
292
  },
            
279
  "reference": [],
293
  "reference": [],
            
280
  "relationships_as_object": [],
294
  "relationships_as_object": [],
            
281
  "relationships_as_subject": [],
295
  "relationships_as_subject": [],
            
282
  "resources": [
296
  "resources": [
            
283
    {
297
    {
            
284
      "access_url": 
298
      "access_url": 
            
285
5430-9344-931e7b50842b/resource/bc3fe02b-2f31-4f13-8708-80c2c0622188",
299
5430-9344-931e7b50842b/resource/bc3fe02b-2f31-4f13-8708-80c2c0622188",
            
286
      "availability": 
300
      "availability": 
            
287
ications.europa.eu/resource/authority/planned-availability/AVAILABLE",
301
ications.europa.eu/resource/authority/planned-availability/AVAILABLE",
            
288
      "cache_last_updated": null,
302
      "cache_last_updated": null,
            
289
      "cache_url": null,
303
      "cache_url": null,
            
290
      "created": "2012-10-01T00:00:00",
304
      "created": "2012-10-01T00:00:00",
            
291
      "dataset_id": "ab833789-3ea7-460a-bd1a-e1a9e480cd3c",
305
      "dataset_id": "ab833789-3ea7-460a-bd1a-e1a9e480cd3c",
            
292
      "datastore_active": false,
306
      "datastore_active": false,
            
293
      "datastore_contains_all_records_of_source_file": false,
307
      "datastore_contains_all_records_of_source_file": false,
            
294
      "description": "Art\u00edculo en libro",
308
      "description": "Art\u00edculo en libro",
            
295
      "download_url": "",
309
      "download_url": "",
            
296
      "encoding": "UTF-8",
310
      "encoding": "UTF-8",
            
297
      "format": "",
311
      "format": "",
            
298
      "hash": "",
312
      "hash": "",
            
299
      "id": "bc3fe02b-2f31-4f13-8708-80c2c0622188",
313
      "id": "bc3fe02b-2f31-4f13-8708-80c2c0622188",
            
300
      "issued": "",
314
      "issued": "",
            
301
      "language": 
315
      "language": 
            
302
"http://publications.europa.eu/resource/authority/language/ENG",
316
"http://publications.europa.eu/resource/authority/language/ENG",
            
303
      "last_modified": null,
317
      "last_modified": null,
            
304
      "license": "http://creativecommons.org/licenses/by/4.0/",
318
      "license": "http://creativecommons.org/licenses/by/4.0/",
            
305
      "license_id": "cc-by",
319
      "license_id": "cc-by",
            
n
306
      "metadata_modified": "2026-06-23T16:07:38.950919",
n
320
      "metadata_modified": "2026-06-25T12:37:41.886611",
            
307
      "mimetype_inner": null,
321
      "mimetype_inner": null,
            
t
308
      "modified": "2026-06-23",
t
322
      "modified": "2026-06-25",
            
309
      "name": "Acceso al recurso",
323
      "name": "Acceso al recurso",
            
310
      "package_id": "5c6879c4-665e-5430-9344-931e7b50842b",
324
      "package_id": "5c6879c4-665e-5430-9344-931e7b50842b",
            
311
      "position": 0,
325
      "position": 0,
            
312
      "protocol": null,
326
      "protocol": null,
            
313
      "resource_type": null,
327
      "resource_type": null,
            
314
      "rights": 
328
      "rights": 
            
315
.europa.eu/metadata-codelist/LimitationsOnPublicAccess/noLimitations",
329
.europa.eu/metadata-codelist/LimitationsOnPublicAccess/noLimitations",
            
316
      "size": 0,
330
      "size": 0,
            
317
      "state": "active",
331
      "state": "active",
            
318
      "status": "http://purl.org/adms/status/Completed",
332
      "status": "http://purl.org/adms/status/Completed",
            
319
      "url": "",
333
      "url": "",
            
320
      "url_type": null
334
      "url_type": null
            
321
    }
335
    }
            
322
  ],
336
  ],
            
323
  "schemingdcat_xls_metadata_template": false,
337
  "schemingdcat_xls_metadata_template": false,
            
324
  "source": "",
338
  "source": "",
            
325
  "spatial": "{\"type\": \"Polygon\", \"coordinates\": [[[-18.16, 
339
  "spatial": "{\"type\": \"Polygon\", \"coordinates\": [[[-18.16, 
            
326
27.64], [4.32, 27.64], [4.32, 43.79], [-18.16, 43.79], [-18.16, 
340
27.64], [4.32, 27.64], [4.32, 43.79], [-18.16, 43.79], [-18.16, 
            
327
27.64]]]}",
341
27.64]]]}",
            
328
  "spatial_coverage": [
342
  "spatial_coverage": [
            
329
    {
343
    {
            
330
      "bbox": "{\"type\": \"Polygon\", \"coordinates\": [[[-18.16, 
344
      "bbox": "{\"type\": \"Polygon\", \"coordinates\": [[[-18.16, 
            
331
27.64], [4.32, 27.64], [4.32, 43.79], [-18.16, 43.79], [-18.16, 
345
27.64], [4.32, 27.64], [4.32, 43.79], [-18.16, 43.79], [-18.16, 
            
332
27.64]]]}",
346
27.64]]]}",
            
333
      "centroid": "{\"type\": \"Point\", \"coordinates\": [-6.92, 
347
      "centroid": "{\"type\": \"Point\", \"coordinates\": [-6.92, 
            
334
35.715]}",
348
35.715]}",
            
335
      "text": "Espa\u00f1a",
349
      "text": "Espa\u00f1a",
            
336
      "uri": 
350
      "uri": 
            
337
ttp://datos.gob.es/recurso/sector-publico/territorio/Pais/Espa\u00f1a"
351
ttp://datos.gob.es/recurso/sector-publico/territorio/Pais/Espa\u00f1a"
            
338
    }
352
    }
            
339
  ],
353
  ],
            
340
  "spatial_resolution_in_meters": "",
354
  "spatial_resolution_in_meters": "",
            
341
  "spatial_uri": 
355
  "spatial_uri": 
            
342
tp://datos.gob.es/recurso/sector-publico/territorio/Pais/Espa\u00f1a",
356
tp://datos.gob.es/recurso/sector-publico/territorio/Pais/Espa\u00f1a",
            
343
  "state": "active",
357
  "state": "active",
            
344
  "study_variables": {
358
  "study_variables": {
            
345
    "es": ""
359
    "es": ""
            
346
  },
360
  },
            
347
  "tag_uri": [
361
  "tag_uri": [
            
348
    
362
    
            
349
tp://inspire.ec.europa.eu/metadata-codelist/TopicCategory/environment"
363
tp://inspire.ec.europa.eu/metadata-codelist/TopicCategory/environment"
            
350
  ],
364
  ],
            
351
  "tags": [
365
  "tags": [
            
352
    {
366
    {
            
353
      "display_name": "accidentes-y-atropellos-de-fauna",
367
      "display_name": "accidentes-y-atropellos-de-fauna",
            
354
      "id": "629c6d17-b04f-404c-900a-8c31fae0ecc4",
368
      "id": "629c6d17-b04f-404c-900a-8c31fae0ecc4",
            
355
      "name": "accidentes-y-atropellos-de-fauna",
369
      "name": "accidentes-y-atropellos-de-fauna",
            
356
      "state": "active",
370
      "state": "active",
            
357
      "vocabulary_id": null
371
      "vocabulary_id": null
            
358
    },
372
    },
            
359
    {
373
    {
            
360
      "display_name": "fragmentacion",
374
      "display_name": "fragmentacion",
            
361
      "id": "627f9c0a-a199-4c69-b563-0c8d626e3194",
375
      "id": "627f9c0a-a199-4c69-b563-0c8d626e3194",
            
362
      "name": "fragmentacion",
376
      "name": "fragmentacion",
            
363
      "state": "active",
377
      "state": "active",
            
364
      "vocabulary_id": null
378
      "vocabulary_id": null
            
365
    }
379
    }
            
366
  ],
380
  ],
            
367
  "thematic_area": [
381
  "thematic_area": [
            
368
    "especies_silvestres"
382
    "especies_silvestres"
            
369
  ],
383
  ],
            
370
  "theme_es": [
384
  "theme_es": [
            
371
    "http://datos.gob.es/kos/sector-publico/sector/medio-ambiente"
385
    "http://datos.gob.es/kos/sector-publico/sector/medio-ambiente"
            
372
  ],
386
  ],
            
373
  "title": "Hotspot maps of roadkills: how important is the sampling 
387
  "title": "Hotspot maps of roadkills: how important is the sampling 
            
374
frequency?",
388
frequency?",
            
375
  "title_translated": {
389
  "title_translated": {
            
376
    "en": "",
390
    "en": "",
            
377
    "es": "Hotspot maps of roadkills: how important is the sampling 
391
    "es": "Hotspot maps of roadkills: how important is the sampling 
            
378
frequency?"
392
frequency?"
            
379
  },
393
  },
            
380
  "topic": 
394
  "topic": 
            
381
"http://inspire.ec.europa.eu/metadata-codelist/TopicCategory/biota",
395
"http://inspire.ec.europa.eu/metadata-codelist/TopicCategory/biota",
            
382
  "type": "dataset",
396
  "type": "dataset",
            
383
  "url": 
397
  "url": 
            
384
//iepnb.es:443/catalogo/dataset/5c6879c4-665e-5430-9344-931e7b50842b",
398
//iepnb.es:443/catalogo/dataset/5c6879c4-665e-5430-9344-931e7b50842b",
            
385
  "version": "",
399
  "version": "",
            
386
  "version_notes": {
400
  "version_notes": {
            
387
    "en": "",
401
    "en": "",
            
388
    "es": ""
402
    "es": ""
            
389
  }
403
  }
            
390
}
404
}