Daha çox

Rastrdan poliqon qatının yaradılması


Fermerlər üçün torpaq idarəetmə zonaları yaratmaq üçün ArcGIS 10.2-dən istifadə edirəm. rastrdan poliqon aləti istifadə edərkən çox real olmayan görünən zonalar olan çoxbucaqlı və kəsik kənarlardan kiçik üçbucaqlar yaradır. Zonaların sayını azaltmaq üçün sənədlər hələ də bir raster olduğu müddətdə hamar çoxbucaqlı alətdən, həmçinin nibble, fokus statistika və əksəriyyət filtrindən istifadə etdim. Bu zonaları rasterdən vektora dəyişmək və real görünmək üçün təsirli bir yol barədə fikirləriniz varmı?


Əvvəla ... Bu ümumiləşdirən çoxbucaqlı keçiddən istifadə olunur, yoxsa yox? Bunu dəyişdirmək məqsədiniz üçün kifayət qədər yaxşı ola bilər. Təqdimat miqyasına nisbətən nəzərdə tutulan məlumat miqyasını unutmayın. Aşağıdakı təklifim sadəcə təqdimat üçündür. Donuzda makiyaj ... Cinayət nəzərdə tutulmur ...

Bu kategorik məlumatlar olsa da, çevrilmədən çox interpolyasiyadan daha təbii görünüşlü bir nəticə əldə edə bilərsiniz. SMU-lərinizin necə təşkil olunduğundan əmin deyilsiniz, ancaq hər bir növün hissəcik ölçüsünə görə ehtimal olunan çeşidləmə qaydasında düzəldilmiş, unikal bir nömrəyə sahib olmanız lazımdır. Sonra konturlar yaradın və bunları çoxbucaqlandırın. Atributlar xoşbəxtliklə gəlmirsə, rasterinizi nöqtəyə çevirin və nöqtələri çoxbucaqlılara qoşun. Yəqin ki, palçığın qayaya və ya daşa çevrildiyi bəzi əsərlər var ... Bu tip şeylər. Rasterinizi daha kiçik bir hüceyrə ölçüsündə yenidən qurmağı və interpolasiya tipinizlə qarışıqlığı sınaya bilərsiniz. Ən yaxın qonşu istifadə etməli olduğunuz şeydir, ancaq hüceyrə ölçüsündəki dəyişikliyə və nə qədər hamarlaşdıracağınıza görə ... Başqa bir şey sizə daha təbii görünən bir nəticə verə bilər ... unutmayın ki, bu artıq məlumat deyil ... Sadəcə izahlı


Avropa Meşə Tipləri: avtomatlaşdırılmış bir təsnifata doğru

Bu araşdırmanın nəticəsi meşə sahələrini Avropa Meşə Tipləri (EFT) ümumdünya miqyaslı səviyyəsində nomenklatura sisteminə görə avtomatik olaraq təsnif etməyə yönəlmiş bir məkan baxımından açıq bir qayda əsaslı ekspert sistemi (RBES) alqoritminin tətbiqinə gətirib çıxarır. RBES ilə, EFT nomenklaturası sistemi, temalı xəritələşdirmə üçün meşə ehtiyatları və ya məkan vahidləri (piksel və ya çoxbucaqlılar) üçün sahə sahələrinin obyektiv, təkrarlana bilən və avtomatik təsnifatı üçün asanlıqla həyata keçirilə bilər.

Kontekst

Meşə növləri təsnifat sistemləri meşə mühitlərinin təbəqələşdirilməsinə yönəldilmişdir. 2006-cı ildən bəri Avropa meşələrini 14 kateqoriyaya və 78 növə (Avropa Meşə Tipləri, EFT) ayırmaq üçün ümumi bir sxem mövcuddur.

Bu iş, obyektiv və təkrarlana bilən bir şəkildə meşə yaşayış sahəsini EFT nomenklatura sisteminə görə dəqiq bir şəkildə təsnif edə bilən yenilikçi bir metod və avtomatlaşdırılmış təsnifat sistemi təqdim edir.

Metodlar

Bir qayda əsaslı mütəxəssis sistemi (RBES), məşhur Random Forest (RF) təsnifat sistemi ilə müqayisə edildikdən sonra şəffaf bir yanaşma olaraq qəbul edildi. Təcrübə, 17 Avropa ölkəsində 2010-cu ildə ICP I səviyyə sahələrində əldə edilən məlumatlara əsasən aparılmışdır. Avtomatlaşdırılmış təsnifatın dəqiqliyi, BioSoil layihəsi sahə tədqiqatı zamanı aparılan ICP sahələrinin EFT-yə müstəqil təsnifatı ilə müqayisə edilərək qiymətləndirilir. Nəhayət, RBES avtomatlaşdırılmış təsnifatçısı, fıstıq üstünlük təşkil edən meşələrin ümumavropa yayım xəritəsinin piksel əsaslı təsnifatı üçün də sınaqdan keçirildi.

Nəticələr

RBES, RF ilə əldə edilən 92% -ə qarşı sahələrin 94% -ni uğurla təsnif etdi. Eşlenen domenə tətbiq edildikdə, fıstıq meşə xəritəsi təsnifatı üçün RBES ilə əldə edilən dəqiqlik% 95-ə bərabər idi.

Nəticə

RBES alqoritmi müvəffəqiyyətlə EFT nomenklatura sistemi əsasında sahə sahələrini və xəritə piksellərini təsnif etdi. EFT nomenklaturası sistemi operativ transmilli Avropa meşə monitorinqi proqramlarında asanlıqla və obyektiv şəkildə həyata keçirilə bilər.


2 ƏLAQƏ

Qurudakı külək turbinləri üçün uyğun yerlərin müəyyənləşdirilməsi bir sıra böyük ölçüdə coğrafi parametrlərin qiymətləndirilməsini tələb edir. Nəticədə, məkan və ya coğrafi məlumatları toplamaq, saxlamaq, manipulyasiya etmək, təhlil etmək, idarə etmək və təqdim etmək üçün hazırlanmış Coğrafi İnformasiya Sistemlərindən (CİS) geniş istifadə edilmişdir [6]. Bu cür CİS yanaşmaları coğrafi məkanı şərh etmək və potensial variantları model məlumatlarına görə sıralamaq üçün bir metod təmin etmək üçün Çox Ölçülü Qərar Təhlili (MCDA) ilə birləşdirilir.

Qurudakı külək GIS-MCDA modelləşdirməsindəki erkən inkişaflar 1990-cı illərin sonlarında başlamışdır [7, 8]. Son illərdə külək turbinləri sahəsinin uyğunluğunun modelləşdirilməsinə beynəlxalq səviyyədə ciddi maraq göstərildi və bir sıra metodlar inkişaf etdirildi [9-25]. Bu modellər, adətən, Şəkil 1-də göstərildiyi kimi mərhələlərdən formalaşır. Birincisi, giriş parametrləri ətraf mühit, texniki və sosial sahələri əhatə edir. Məsələn, ideal ərazilər adətən yüksək orta küləyin sürətinin şəhər ərazilərinə yaxın, qorunan mənzərələrdə (məsələn, Milli Parklarda) hava limanlarına yaxın olmayan (radar müdaxiləsini minimuma endirmək üçün) giriş üçün yollara yaxın və nəhayət, elektrik xətlərinə yaxın olduğu kimi müəyyən edilir şəbəkə bağlantısı üçün. Daha sonra hər bir yer bu giriş parametrləri ilə qiymətləndirilir və uyğunsuz sahələr, daha əvvəl işlənmiş sahələr (yollar və binalar) kimi əlavə təhlildən çıxarılır.

GIS-MCDA metodologiyalarının tipik quruluşuna ümumi baxış.

GIS-MCDA metodologiyalarının tipik quruluşuna ümumi baxış.

WSM-i əhatə edən bir narahatlıq, metodun tez-tez iki kritik elementin mənalarına dair heç bir fikir olmadan tətbiq edilməsidir: atributlara təyin olunmuş ağırlıqlar və təbəqələrin birləşdirilməsi prosedurları [6]. Parametr ağırlığının subyektivliyini azaltmaq üçün Analitik Hiyerarşi Proseduru (AHP) kimi metodlardan istifadə edildiyi halda [19], modellər istifadə olunan ağırlıqlara qarşı olduqca həssasdır. Bir neçə tədqiqatda çəki parametrlərinin seçimi tam izah edilməmişdir [7, 14, 25, 26] və bu səbəbdən model nəticələrinin potensial külək turbinlərinin inkişafının sub-optimal yerini təmin etməsindən narahatlıqlar var.

Parametr ağırlığına dair narahatlıqları aradan qaldırmaq üçün, hansı parametrlərin külək turbinlərinin planlaşdırma icazəsi alma ehtimalını təsir etdiyini kəmiyyət olaraq qiymətləndirməyə maraq artmışdır [27, 28]. Bu yanaşma, son zamanlarda İngiltərədəki coğrafi parametrlərin təsirini qiymətləndirmək üçün CİS modelləşdirməsinə inteqrasiya edilmişdir [5]. Bu, gələcək turbinlərin harada qəbul edilə biləcəyini proqnozlaşdırmağa imkan vermək üçün sahələrin mövcud məkan bölgüsünün qiymətləndirildiyi retrospektiv CİS analizi forması kimi qəbul edilə bilər. Nəticələr göstərir ki, (1) turbin nominal gücü, (2) yüksək səviyyəli yerli əhalinin faizi, (3) orta yaş və (4) yerli siyasi tərkibi Planlaşdırma təsdiqini təsir edən əsas təsirlər olaraq ortaya çıxır, şəhər ərazilərinə yaxınlıq kimi adətən istifadə olunan digər parametrlər daha az təsirli görünür. Bununla birlikdə, bu tapıntılar hələ bir GIS-MCDA-ya inteqrasiya edilməyib.

Nəhayət, WSM və GIS-MCDA daxilində uyğun olmayan meyarların standartlaşdırılması məsələsi hələ qənaətbəxş şəkildə həll edilməmişdir. Vahid sayt yaratmaq üçün uyğunluq skoru birbaşa bir miqyasda birləşdirilə bilməyən bir sıra iqtisadi, ekoloji və sosial parametrlərin birləşdirilməsini tələb edir. Mövcud metodologiyaların çoxu yalnız iqtisadi meyarlara diqqət yetirərək bu məsələdən yayınmışdır (külək sürəti, elektrik xəttlərinə olan məsafə və s.) [15, 17, 22-24], lakin bu metod ərazilərin külək turbinlərinin inkişafı üçün uyğunluğunu məhdudlaşdıran sosial məsələləri nəzərə almır. İqtisadi və sosial parametrlərin birləşdirildiyi hallarda, xətti çevrilmələr tez-tez hər dəyişəni standartlaşdırmaq üçün birbaşa cəmlənməsinə imkan vermək üçün istifadə olunur [9, 12, 19, 20, 29]. Lakin bu cür yanaşmalar üçün məhdud empirik əsaslandırma mövcuddur [30] və bu cür analizlərin nəticələri ağırlıq parametrlərinin xas subyektivliyindən yüksək dərəcədə təsirlənir.

Bu işdə təklif olunan metod yuxarıdakı narahatlıqları mövcud metodologiyalarla həll etmək məqsədi daşıyır. Birincisi, ənənəvi metodologiyalar müxtəlif növ parametrləri birləşdirərkən (məs. iqtisadi, ətraf mühit) tək bir bal parametri halında, bu tədqiqat parametrlərin mütənasib qruplara qruplaşdırıldığı çox səviyyəli bir yanaşma təklif edir. Bunu edərkən, bu, WSM və AHP metodlarında istifadə olunan parametr ağırlığına tez-tez gətirilən subyektivliyi azaldır. İkincisi, bu tədqiqat əvvəlki statistik analizlərin nəticələrini birləşdirir ki, bu da külək turbininin Böyük Britaniyada planlaşdırma izni alması ehtimalını qiymətləndirir [5]. Bunu etməklə, model qurudakı külək turbinlərinin inkişafı üçün uyğun sahələrin daha dəqiq tapılmasını hədəfləyir.


Geohistory-Géohistoire Kanada

Kanadada araşdırma aparan tədqiqatçılar uzun illər boyu çox sayda coğrafi tarix məlumatları yaratdılar. Milli bir coğrafi tarix infrastrukturunun yaradılması barədə düşünsək də, belə bir portalın bir hissəsi ola biləcək müxtəlif miqyaslı məlumat dəstlərini müəyyən etmək vacibdir. Buna görə mövcud və mövcud məlumat dəstlərinin kəşf olunmasını artırmağa çalışırıq. Uzunmüddətli perspektivdə hər bir təbəqəni və hər bir atribut cədvəlini sadalamaq və təsvir etmək daha məqsədəuyğun olardı, hələlik bu qədər detallı bir səviyyədə araşdırmaq lazım deyil. Ümid edirik ki, bu mərhələdə fərqli tədqiqat layihələrindən və ya əvvəllər yerləşmiş rəqəmsal məlumatların onlayn depozitindən yaranan kolleksiyaları müəyyənləşdirəcəyik:

  • raster coğrafi xəritələr
  • hava fotoşəkilləri
  • vektor qatları
  • vektor təbəqələrinə əlaqəli atribut məlumatları

Tədqiqatçıları maraqlandıra bilən təbiətdəki və məlumat tipindəki müxtəlifliyi təqdim edə bilmək üçün fərqli yaradıcılar tərəfindən təklif olunan məlumat dəstlərini artıq müəyyənləşdirmişik. Buna görə müəyyən etdik:

  • keyfiyyətli beynəlxalq məlumatlar (FAO)
  • iş birliyi xəritələşdirmə layihələrindən məlumatlar (Açıq Küçə Xəritəsi, Natural Earth)
  • CİS şirkətinin veb saytlarında (ESRI) mövcud məlumatlar
  • milli məlumatlar (Kanada hökuməti, Geogratis)
  • əyalət və ya ərazi məlumatları (British Columbia, Yukon, Québec, Nova Scotia, Prince Edward Island, New Brunswick)
  • bələdiyyə məlumatları (Toronto, Montréal, Sherbrooke)
  • tədqiqat qrupu məlumatları (CIEQ, NICHE, LHPM, MAP, VIHistory)
  • xəritə kitabxanası və arxiv mərkəzlərindən alınan məlumatlar (Scholars & # 8217 Geoportal, MADGIC, GéoIndex +)
  • şəxsi təşəbbüs məlumatları (tarixi dəmir yolu xətləri)

Hər bir verilənlər bazası ilə əlaqələndiriləcək metaməlumat növünün seçilməsi, uzlaşma əldə etmək deməkdir. Təfərrüatların qeyri-müəyyən səviyyəsi effektiv axtarışların qarşısını alır, həddindən artıq təfərrüatlı metaməlumatlara dair tələblər beynəlxalq standartlara cavab verən metadata yaratmağa hazır olmayan məlumat yaradıcılarını maneə törədə bilər. Rodolphe Devillers-ə görə, bir yerleşim verilənlər bazasının keyfiyyətini təyin etmək üçün altı meyardan istifadə edə bilərik.

mən. Tərif : İstifadəçiyə bir verilənlər bazasının və təsvir etdiyi obyektin təbiətinin, yəni & # 8220nəyin & # 8221, onun tələblərinə (semantik, məkan və müvəqqəti təriflər) cavab verdiyini qiymətləndirməyə imkan verir.

ii. Əhatə dairəsi : İstifadəçiyə məlumatın mövcud olduğu ərazinin və dövrünün, yəni & # 8220 və & # 8221 və & # 8221, onun tələblərinə cavab verdiyini qiymətləndirməyə imkan verir.

iii. Şəcərə : İstifadəçiyə məlumatların haradan gəldiyini, məlumatların əldə edildiyi zaman layihənin hədəflərini, məlumatları əldə etmək üçün istifadə olunan metodları, yəni & # 8220wow & # 8221 və & # 8220why & # 8221 və bunun olub olmadığını yoxlamaq imkanı verir. istifadəçinin tələblərinə cavab verir

iv. Dəqiqlik : İstifadəçinin dəyərini və istifadəçinin tələbləri üçün məqbul olub olmadığını qiymətləndirməyə imkan verir (obyektin və xüsusiyyətlərinin semantik, müvəqqəti və məkan dəqiqliyi)

v. Qanuniyyət : İstifadəçinin məlumatların rəsmi tanınmasını və hüquqi vəziyyətini qiymətləndirməsinə imkan verir və istifadəçinin tələblərinə cavab verirsə (faktiki standartlar, tanınmış yaxşı təcrübələr, rəsmi qurum tərəfindən qanuni və ya inzibati tanınma, təchizatçı tərəfindən hüquqi təminat, və s.)

vi. Əlçatımlılıq : İstifadəçinin məlumatları nə qədər asanlıqla əldə edə biləcəyini qiymətləndirməyə imkan verir (xərclər, gecikmələr, format, gizlilik, tanınmış yaxşı təcrübələrə hörmət, müəllif hüquqları və s.).

Bütün bu meyarlara cavab verən bir metadata standartı, məlumatlarını təqdim etmək istəyən insanlar üçün böyük görünə bilər. Bu səbəbdən, metadata daha az bələd olan insanlar üçün sahələrin növlərinin anlaşılması daha asan olduğu beynəlxalq bir standart olan Dublin Core Metadata Initiative tərəfindən müəyyən edilmiş formatdan istifadə etməyi təklif edirik. DCMI-ni Wikipedia 2-də mövcud olan ümumi tərifinə və Bibliothèque nationale de France 3 tərəfindən təklif olunan bir neçə sahənin şərhinə əsasən tətbiq etdik və şərh etdik. Bu yanaşma mütləq tənqid edilə bilər, çünki mükəmməllikdən çox sadə bir tətbiqə yönəldilmişdir. Bu siyahıya metaməlumatların necə daxil ediləcəyinə əsasən, bu uzlaşmanı yaxşılaşdırmaq üçün bu prinsipləri dəqiqləşdirə bilərik. Sahələr DCMI ilə eyni qaydada görünmür və bəziləri bir az daha incə bir dənəvərlik səviyyəsi təmin etmək üçün bölünür.

Cədvəl 1. Məlumat dəstlərini təsvir etmək üçün istifadə olunan sahələrin siyahısı

& # 8211 hökümət
& # 8211 QHT
& # 8211 akademik
& # 8211 fərdi
& # 8211 reklam
& # 8211 işbirlikçi

& # 8211 kənd təsərrüfatı / əkinçilik
& # 8211 biota / biota
& # 8211 məhdudlaşdırır idarəetmə / sərhədlər
& # 8211 klimatologiya / klimatologiya
& # 8211 iqtisadiyyat / iqtisadiyyat
& # 8211 yüksəlmə / yüksəklik
& # 8211 mühit / mühit
& # 8211 information géoscientifique / geoscientific information
& # 8211 santé / health
& # 8211 xəyal / görüntü
& # 8211 zəka / zəka (militan)
& # 8211 eaux intérieures / daxili sular
& # 8211 lokallaşdırma / yer
& # 8211 okeanlar / okeanlar
& # 8211 urbanisme / planlaşdırma
& # 8211 cəmiyyəti / cəmiyyət
& # 8211 quruluş / quruluş
& # 8211 nəqliyyat / nəqliyyat
& # 8211 xidmətləri publics / kommunal xidmətlər

& # 8211 müəllif hüquqları
& # 8211 CC (və ya dəyişikliklərindən biri)
& # 8211 ictimai məkan
& # 8211 açıqdır

& # 8211 pulsuz
& # 8211 birdəfəlik ödəmə
& # 8211 pulsuz abunə
& # 8211 pullu subkript


Metodologiya

Təhsil sahəsi

Tədqiqat sahəsi, Kenya'nın cənubundakı və Tanzaniyanın şimalındakı üç mənzərəni əhatə etdi, üç illik bir tədqiqat dövründə (2010-2013) GPS yaxası ilə təchiz olunmuş sakin wildebeest hərəkətləri ilə geniş şəkildə təyin olundu. Bu bölgələrə Amboseli Hövzəsi, Athi-Kaputiei Düzənlikləri və Mara kimi müraciət edirik (şəkil 1). Bununla birlikdə, bu adların araşdırma populyasiya vahidlərini və mütləq xüsusi coğrafi bölgələri ifadə etməməsinə diqqət yetirin. Amboseli hövzəsi 36 ° 43 ′ E, 2 ° 17 ′ S ilə 37 ° 42 ′ E, 2 ° 57 ′ S arasında uzanır və Amboseli Milli Parkını əhatə edir. Milli park xaricində insanların orta əhalisi sıxlığı 14 nəfər / km 2-dir (LandScan 2008). Mara, Serengeti-Mara ekosisteminin hissələrini əhatə edən 34 ° 44 ′ E, 1 ° 4 ′ S ilə 35 ° 50 ′ E, 2 ° 58 ′ S arasında uzanan üç tədqiqat sahəsindən ən böyüyüdür (26.000 km 2). və Keniyadakı Maasai Mara Milli Qoruğu (MMNR) və Tanzaniyadakı Serengeti Milli Parkının (SNP) hissələri də daxil olmaqla. Yerləşmənin qadağan olunduğu hər iki milli park istisna olmaqla, orta insan əhalisi sıxlığı 23 nəfər / km 2-dir (LandScan 2008). Sıx məskunlaşma və mexanikləşdirilmiş əkinçilik MMNR-nin qərb sərhədi və SNP-nin şimal-qərb küncündə baş verir. Athi-Kaputiei düzənlikləri (36 ° 43 ′ E, 1 ° 18 ′ S - 37 ° 9 ′ E, 1 ° 55 ′ S) Keniyanın paytaxtı Nairobinin birbaşa cənubundadır və üçü arasında ən antropogen olaraq narahatdır. təhsil sahələri. Son bir neçə on il ərzində bu bölgədə sürətli inkişaf və böyümə baş verdi (Reid et al. 2008). Bu mənzərənin ən şimal hissəsində yerləşən Nairobi Milli Parkı istisna olmaqla orta insan əhalisi sıxlığı 45 nəfər / km 2-dir (LandScan 2008).

Bölgədə açıq bir cənub-şimal-qərb istiqamətində açıq bir yağış qradenti mövcuddur, əksər yağışlar iki yağış mövsümündə (geniş olaraq aprel-iyun və noyabr-dekabr) düşür. Mara, hər il təxminən 665 mm (aralığı: 350-1425 mm Xie və Arkin 1997), Amboseli hövzəsi isə ən az məhsuldar (illik təxminən 370 mm yağış miqdarı: 300-525 mm) alan üç sistemdən ən məhsuldardır. Xie və Arkin 1997). Athi-Kaputiei düzənliyində yağış nisbətən orta olaraq illik ortalama 475 mm-dir (aralık: 415-570 mm Xie və Arkin 1997). Hər sahə qarışıq Akasiya və Commiphora meşəliklərinin üstünlük təşkil etdiyi yarı quraq otlaqlardan ibarətdir.

Yer dəyişdirmə (istifadə) məlumatları

Otuz altı yetkin wildebeest (22 qadın və 14 kişi) fərqli qruplardan təsadüfi seçildi və Lotek WildCell GPS yaxası ilə təchiz edildi (Lotek Wireless Incorporated, Newmarket, Ontario, Kanada) May və Oktyabr 2010 (Milli Elm və Texnologiya Şurası tədqiqat icazəsi No. NCST / RR1 / 12/1 / MAS / 39/4, Nairobi, Kenya). Amboseli hövzəsindən doqquz, Athi-Kaputiei düzənliyindən 12 heyvan və Maradan 15 heyvan yaxalandı. Bütün yaxalı şəxslər, yaşları 5 ilə 12 il arasında dəyişən (diş aşınmasına qədər) böyüklər idi (Əlavə S1). İlkin yaxalama yerləri arasındakı cüt cüt məsafə Amboseli hövzəsi boyunca 12,7 km, Athi-Kaputiei düzənliyində 26,5 km və Marada 21,8 km idi. Heyvanlarla işin bütün aspektləri Keniya Vəhşi Təbiət Xidməti (Keniya, Nairobi) baytar həkimləri tərəfindən idarə edildi və ABŞ-ın Kolorado, Fort Collins, Colorado Dövlət Universitetində Beynəlxalq Heyvanlara Qulluq və İstifadə Komitəsi (IACUC) tərəfindən təsdiq edildi (Təsdiq No. 09-214A- 02).

Yaxalar, heyvanların yerlərini gündə 16 dəfə, hər saat 06: 00-dan 18: 00-a və hər üç saatda 18: 00-dan 6: 00-dək (yerli vaxtla) toplamaq üçün proqramlaşdırılmışdı. Böyük məkan səhvləri ola bilən məlumatların istifadəsini qarşısını almaq üçün iki ölçülü məlumat nöqtələrini dəqiq (DOP) & gt 5.0 bir seyreltmə ilə və üç ölçülü nöqtələri DOP & gt 10.0 ilə çıxardıq (Lewis et al. 2007). Məlumatlar 3 saatlıq bir vaxt aralığında təsbit edildi. Orta düzəliş müvəffəqiyyəti% 94,2 idi və% 79,1 ilə 100,0% arasında dəyişdi. Wildebeest'in yaxalandığı müddət 16 ilə 964 d arasında dəyişdi (orta = 538). 36 nəfər arasında heyvan başına 119 ilə 7427 istifadə qeydləri arasında dəyişən 139,634 düzəliş toplandı (Əlavə S1).

Məlumatlar quru və yaş mövsüm dövrlərinə ayrılmış və illər boyu birləşdirilmişdir. Mövsümi başlanğıc / bitmə tarixləri MODIS normallaşdırılmış fərq bitki örtüyü indeksi (NDVI MOD13Q1) məlumatları (Carroll et al. 2004) və Savitzky-Golay funksiyasına malik TIMESAT proqram paketi (Jonsson və Eklundh 2002, 2004) istifadə edərək müəyyən edilmişdir. Keçid dövrləri (yəni, mövsümi başlanğıc / bitmə tarixləri ± 10 d) analizlərdən çıxarıldı. Hər bir tədqiqat sahəsi üzrə mövsümi meyllər Stabach-da (2015) nümayiş olunur. Hər dövr üçün istifadə edilən yerlərin ümumi sayı quru mövsüm üçün 35 nəfər arasında 41.330 idi (Amboseli hövzəsi: 15.018 yer, n = 9 Athi-Kaputiei düzənliyi: 12.215 yer, n = 12 Mart: 14.097 yer, n = 14) və yaş mövsümü üçün 36 nəfər arasında 66.461 (Amboseli hövzəsi: 8813 yer, n = 9 Athi-Kaputiei düzənliyi: 27.150 yer, n = 12 Mara: 30.498 yer, n = 15). Tədqiqat sahəsi / mövsümü boyunca toplanan yerlərin sayındakı fərq mövsümi dövrlərin uzunluğu (yəni quru mövsüm dövrləri Amboseli Hövzəsi boyunca daha uzun / daha uyğundur [Stabach 2015]) və fərdi yaxaların toplandığı müddətlə bağlıdır. məlumat. Yer dəyişdirmə məlumatları hər fəsildə gün (06: 00-17: 59) və gecə (18: 00-05: 59) müvəqqəti dövrlərinə ayrıldı. Məlumat Albers Equal Area proyeksiyasına, WGS84 datumuna proqnozlaşdırıldı.

Yaşayış yerləri

Wildebeest dəyişkən otlayıcılardır (Gagnon və Chew 2000), enerji istehlakını maksimum dərəcədə artırmaq üçün ot tumurcuqlarına və 3 sm hündürlüyə üstünlük verirlər və mövcud səth suları olan ərazilərlə məhdudlaşırlar (Talbot və Talbot 1963). Wildebeest-in yayılması coğrafi relyefdən daha çox yırtıcıları gizlədə bilən meşəli yaşayış yerlərindən çəkinməyə əsaslanaraq açıq ərazilərlə məhdudlaşır (Georgiadis 1995). Tədqiqat sahələri üzrə resurs seçimini qiymətləndirmək üçün, növün bilinən və ya şübhəli yer istifadəsinə əsaslanan bir coğrafi məlumat sistemində səkkiz məlumat qatını (Əlavə S2) yığdıq. Biz yalnız əhali səviyyəli müqayisələri asanlaşdırmaq üçün hər üç tədqiqat sahəsi üzrə qurula biləcək dəyişənləri daxil etdik. Əlavə kiçik miqyaslı məlumatların mövcud olması səbəbindən Athi-Kaputiei Plains tədqiqat sahəsində əlavə bir analiz aparılmışdır (aşağıda təsvir edilmişdir).

Bitki örtüyünün keyfiyyətini qiymətləndirmək üçün (1) hər bir wildebeest müşahidəsi zamanı və yerindəki 16-d ortalama NDVI dəyərini (yəni hər bir "istifadə" yeri) və (2) cari orta NDVI dəyəri ilə əvvəlki arasındakı fərqi çıxardıq. NDVI dəyəri (ΔNDVIt = NDVIt - NDVIt−1). NDVI'nin bir yerin bitki örtüyü məhsuldarlığı / yaşıllığı ilə (Tucker 1979, Goward və Prince 1995) güclü bir şəkildə əlaqəli olduğu bilinir və heyvan hərəkətini proqnozlaşdıran modellərdə (Pettorelli et al. 2005), o cümlədən wildebeest (Boone et.) İlə əhəmiyyətli bir parametr olduğu göstərilmişdir. 2006, Hopcraft et al. 2014). Bitki örtüyünün miqdarının (biokütlə) çəyirtkələrin məkan istifadəsini güclü şəkildə təsir etdiyi düşünülür, çünki həzm olunan maddənin azaldılması səbəbindən meşəlik sahələrdən (yüksək biokütlə) qaçarkən meşəlik ərazilərdən (yüksək biokütlə) qısa çəmən düzənliklərə üstünlük verir (Wilmshurst və b. 1999) və özünəməxsus yırtıcılıq riski (Hopcraft et. 2005, 2014). Topografik nəmlik indeksindən (TWI Sørensen et al. 2006) biokütlə üçün bir vəkil olaraq istifadə etdik, çünki bu metrik eyni zamanda ümumi su tutma sahəsini və hüceyrənin yamacını hesablayır. Yüksək TWI dəyərlərinə sahib olan hüceyrələr, aşağı TWI dəyərlərindən daha çox su tutan və artan biyokütlə gətirib çıxaran böyük tutma sahələri olan içbükey sahələrə meyllidir (Hopcraft və digərləri 2014).

Antropogen narahatlıq tədbirlərinə wildebeest cavabını almaq üçün mövcud peyk görüntülərindən yolları və görünən strukturları rəqəmləşdirdik (ESRI 2011, GoogleEarth 2013). Hər bir tədqiqat sahəsindəki uyğunluğu qorumaq üçün bir vektor şəbəkəsi yaratdıq və bütün xüsusiyyətləri 1: 7000 miqyasında rəqəmləşdirdik. Yolları peyk görüntüləri ilə əlaqəli atributlara (ESRI 2011) və yol tipini əks etdirən xüsusiyyətlərə əsasən iki fərqli kateqoriyaya (əsas, ikinci dərəcəli) ayırdıq. Birinci (asfalt / əsas yollar) və ikinci dərəcəli (torpaq / bütün yollar) yollara qədər məsafələr hər tədqiqat sahəsi üzrə 50 m qətnamə ilə hesablanmışdır.

Wildebeest'in antropogen parçalanmaya qarşı xüsusilə həssas olduğu da bilinir (məsələn, Kahurananga və Silkiluwasha 1997). Quraq ot otlaqlarında kəmiyyət müəyyənləşdirmək çətin olsa da, antropogen yaşayış mühitinin parçalanmasına bir nəticə olaraq, təxmin edilən insan populyasiya sıxlığı (LandScan 2008) ilə ölçülmüş üç tədqiqat sahəsi üzrə 86.565 rəqəmsallaşdırılmış quruluşa qədər məsafəni hesabladıq. "Antropogenik Ayaq İzi" adlanır və Hopcraft və s. (2014), əhalinin sıx yerləşdiyi ərazilər ən yüksək dəyərlərə, kiçik və ya az məskunlaşmış kəndlərdən ən uzaq bölgələr isə ən aşağı dəyərlərə sahibdir. Bu metod, əhali məlumat dəstinin (1 km 2) kobud həlli səbəbi ilə əldən veriləcək kiçik miqyaslı narahatlıqları daxil etməyə imkan verdi. Bu məlumat qatının əlavə təfərrüatları Əlavə S3-də verilmişdir.

Yoğun meşəlik sahillər, sahillər və ya çay qovuşmaları kimi mənzərə xüsusiyyətlərinin wildebeest üçün təbii tələlər meydana gətirdiyi bilinir (Hopcraft et al. 2005, Balme və ark. 2007). Bu xüsusiyyətləri ələ keçirmək üçün yuxarıda göstərilən eyni qrafik ölçüsü və prosedurundan istifadə edərək Dünya Tədqiqat İnstitutu (WRI 2007) tərəfindən rəqəmsallaşdırılmış çayları düzəltdik. Uydu görüntülərində görünən, lakin WRI məlumat dəstinə daxil edilməyən kiçik və ya müvəqqəti çayları görməməzlikdən gəldik. Amboseli hövzəsi boyunca, milli park içərisindəki çoxillik bataqlıqlar da rəqəmsallaşdırılmış və bu təbəqə daxilində xüsusiyyətlərə çevrilmişdir. Nəmli mövsümdə suyun çox olduğunu və quru mövsümdə çayırın güvəndiyi qalıcı çaylara və bataqlıqlara qədər olan məsafəni tutduğumuzu düşündük. % 40 örtüyü olan kollar, meşə və ya ağaclar kimi təyin olunan odunsu bitki örtüyü, Afrikover Qlobal Torpaq Örtüsü məlumat dəstindən seçildi (FAO 2014). Hər bir xüsusiyyətə olan məsafələr 50 m qətnamə ilə hesablandı.

İnsan tərəfindən yaradılan su istifadə nöqtələrinə (yəni bəndlərə) və çəpər sərhədlərinə qədər olan iki əlavə təbəqə yalnız Athi-Kaputiei düzənliklərində mövcud idi və bu tədqiqat sahəsi üçün əlavə / ayrı bir modelə daxil edilmişdir. 2004-cü ildən 2010-cu ilədək Beynəlxalq Heyvandarlıq Tədqiqat İnstitutunun (ILRI Nairobi, Kenya) işçiləri tərəfindən rəqəmsallaşdırılan bu qatlar (Reid et al. 2008) gözlənilən (müvafiq olaraq müsbət və mənfi) incə miqyaslı amilləri təsvir edir. bölgə boyunca wildebeest. Bu bölgəyə xas olan modellər üçün iş sahəsi sərhədini bu məlumat qatlarına görə məhdudlaşdırdıq. Hər istifadə edilmiş və mövcud yer üçün bütün aşağıda göstərilən dəyişənlər (aşağıda təsvir olunur), R statistik paketindəki raster paketdən (Hijmans və van Etten 2012) alətlər istifadə edilərək çıxarıldı (R Development Core Team 2013). Bütün coğrafi analizlər ArcGIS 10.1-də (ESRI 2012) Məkan Analisti uzantısı istifadə edilərək tamamlandı. Çox korrelyasiya edilmiş heç bir dəyişənin müşahidə edilmədiyi (Pearson's) r & gt | 0.6 |).

Mövcudluq məlumatları

Üçüncü / dördüncü sifariş seçimini xarakterizə etmək üçün ən geniş yayılmış metod (Johnson 1980) hər istifadə olunan yerin ətrafında bir tampon daxilində mövcudluğu xarakterizə etmək üçün təsadüfi bir xal nümunəsi yaratmağı tələb edir (Northrup və digərləri 2013). Hər bir fərd və fəsil üçün 3 saatlıq bir müddət ərzində köçürülən maksimum məsafəni (məlumat dəstimizin qətnaməsi) istifadə edərək bu metodun dəyişdirilmiş bir versiyasını əlçatanlığı təmin etmək üçün hər “istifadə” nöqtəsinin ətrafındakı radius kimi istifadə etdik. Northrup et al. (2013), hər bir iş bölgəsində təsadüfi seçilmiş bir heyvan istifadə edərək, hər bir "istifadə" nöqtəsi üçün nümunə götürmək üçün uyğun təsadüfi nöqtələrin sayını təyin etmək üçün həssaslıq analizləri apardıq. Təsadüfi olaraq “istifadə” nöqtəsinə görə 1-dən 100-ə (1, 3, 5, 10, 20, 30, 50, 100) qədər bir sıra nöqtələr çəkdik və bu nümunə ölçülərinin hər birinə məntiqi reqressiya istifadə edərək RSF-lər yerləşdirdik. Bu prosesi 100 dəfə təkrarladıq və katsayı təxminlərinin və% 95 simulyasiya zərflərinin gözləntilərini hesabladıq. Bunu etməklə, stabil katsayının qiymətləndirilməsi şərtilə hər “istifadə” nöqtəsi üçün 50 mövcudluq nöqtəsi nümunəsi təyin etdik. Təhlilin aparılması üçün R kodu ilə nəticələnən həssaslıq sahələri Data S1-də verilmişdir.

Resurs seçim modelləri

(1) harada w(xmən) RSF-dir, βn üçün katsayısıdır nci proqnozlaşdıran dəyişən xn, və γ heyvan üçün təsadüfi kəsilmədir mən (Manly et al. 2002, Gillies et al. 2006). Model quruluşuna təsadüfi təsirlərin daxil edilməsinin fərdlər arasındakı fərqləri daha yaxşı hesab etdiyi və balanssız seçmə dizaynlarının daxil edilməsinə imkan verdiyi göstərilmişdir (Gillies və digərləri 2006). Standartlaşdırdıq () fəsillərarası və tədqiqat sahələri müqayisələrini asanlaşdırmaq üçün hər istifadə edilmiş və mövcud yer üçün bütün proqnozlaşdırıcı dəyişənlər. Xətti olmayan əlaqələri sınamaq üçün bütün məsafə parametrlərinə kvadratik terminlər daxil edilmişdir.

Yeddi apriori namizəd modeli (Cədvəl 1) Akaike'nin məlumat meyarı (AIC Burnham və Anderson 2002) istifadə edilərək sıralanmışdır. Hər bir üst sıradakı modelin (iş sahəsi / mövsüm) model uyğunluğu, yalnız varlıq doğrulama proqnozları və RSF qutuları (Boyce və digərləri 2002) tərəfindən təsadüfi seçdiyimiz əraziyə görə tənzimlənən tezliklər arasındakı Spearman dərəcəsi korrelyasiyasından istifadə edərək qiymətləndirilmişdir. doğrulama üçün hər bir tədqiqat sahəsindən / mövsümdən yalnız mövcudluq məlumatları. Qiymətlər müvəqqəti dəyişdirildiyi üçün NDVI və ΔNDVI doğrulama daxil deyildi.

Model Struktur K
1. Boş 2
2. Bitki örtüyü NDVI + ΔNDVI + TWI 5
3. Yırtıcılıq Woody Vegetation məsafəsi + (Woody Vegetation məsafəsi) 2 + Çaylara məsafə + (Çaylara olan məsafə) 2 8
4. İnsan narahatlığı Antropogen Ayaq İzi + Əsas yola qədər məsafə + (Əsas yola qədər məsafə) 2 + İkincil yola qədər məsafə + (İkincil yola qədər məsafə) 2 7
5. Bitki örtüyü və insan riski NDVI + ΔNDVI + TWI + Antropogen Ayaq İzi 6
6. Bitki örtüyü və yırtıcılıq riski NDVI + ΔNDVI + TWI + Woody Bitki örtüyünə məsafə + (Woody bitki örtüyünə qədər məsafə) 2 + Çaylara məsafə + (Çaylara olan məsafə) 2 9
7. Tam NDVI + ΔNDVI + TWI + Ağaclı Bitkilərə Uzaqlıq + (Ağaclı Bitkilərə Uzaqlıq) 2 + Çaylara Uzaqlıq + (Çaylara Uzaqlıq) 2 + Antropogen Ayaq İzi + Birincil Yola qədər məsafə + (İbtidai yola qədər məsafə) 2 + İkincil yola qədər məsafə + (İkincil yola qədər məsafə) 2 14

Qeydlər

  • NDVI normallaşdırılmış fərq bitki örtüyü indeksidir. TWI topoqrafik nəmlik indeksidir. Parametrlər mətndə müəyyən edilir. K modelə daxil edilmiş sabit və təsadüfi parametrlərin sayıdır.

Gecə və gündüz dövrlərinə ayrılmış və (Athi-Kaputiei düzənlikləri üçün) "Su istifadə nöqtələrinə olan məsafə" və "Çitlere olan məsafə" parametrləri daxil olmaqla əlavə modellər yuxarıda göstərilən metodologiyadan istifadə edərək uyğun gəldi. Bütün statistik analizlər lme4 paketini istifadə edərək R (R Development Core Team 2013) -də aparılmışdır (Bates və digərləri 2014).


Müzakirə

Növlərin coğrafi bölgülərinin (uzunluq, enlik) və əlaqəli ətraf mühitin (yəni iqlimin) dəyişkən dəyərlərinin təxminləri aralığındakı xəritələrə və nöqtələrə nisbətən proqnozlaşdırdığımız yollarla, bəlkə də gözlədiyimiz qədər olmadığına görə fərqlənsə də. Analizlərimizdəki iki fərqli mənbədən əldə edilən ətraf mühit dəyişkənlərinin əksəriyyəti dəyərlər arasında çox korrelyasiya olunmuşdur və analiz üçün nöqtələr daxil etdiyimiz məhdudiyyətlər səbəbindən nöqtələr və aralıklar üst-üstə düşdüyünü nəzərə alsaq (500-dən çox olmayan) yayımlanan sərhədlərdən km). Bu nəticələr Alhajeri və Fourcade (2019) nəticələrini, 19 WorldClim dəyişənləri arasında yüksək korrelyasiya və GBIF nöqtələrinin IUCN sıra xəritələri ilə müqayisədə yüksəklik müşahidə edən 1191 növ gəmirici növü üçün verilən məlumatlara əsaslanan oxşar bir analizdə əks etdirir. Alhajeri və Fourcade (2019), növlərin GBIF nöqtələrinin hamısını istifadə edərək, sərhəd sərhədlərindən asılı olmayaraq, GBIF və IUCN məlumatlarının sentroidləri arasında orta məsafəni 224 km müşahidə etdilər, müşahidə etdiyimiz 234 km-ə çox yaxın. Əlavə olaraq, bir növün GBIF nöqtələrinin hamısından istifadə etməklə yanaşı, Alhajeri və Fourcade (2019) təhlillərini yalnız mənzərə xəritəsi hüdudlarına düşən nöqtələrdən istifadə edərək təkrarladılar, ətraf mühitin dəyişən korrelyasiyaları məhdudlaşdırılmış məlumatlar üçün daha da yüksək idi, lakin cüzi. Coğrafi aralıq ölçülərinin təsirlərini bizdən fərqli olaraq qiymətləndirsələr də, aralıq ölçüləri arasındakı birləşmə nümunələrindəki fərqləri müşahidə etmədilər.

Coğrafi və ətraf mühit dəyişkənləri üçün nöqtə əsaslı dəyərlərə nisbətən təxminlər ümumiyyətlə sıx bir şəkildə əlaqələndirilmiş olsa da, bəzi növlər iki qiymətləndirmə arasında xeyli fərqləndi (və ya ən azı növlərin əksəriyyətindən çox). Məsələn, aralığa əsaslanan təxminlərdə (və ya alternativ olaraq, nöqtə əsaslı qiymətləndirmələrdə qərb tərəfkeşliyi) şərq tərəfkeşliyini göstərən bir neçə növ üçün (Fig. 1A) uzunluqda nəzərə çarpan bir fərq var idi. This occurred in several species whose distributional ranges are reported to be broadly Palearctic (e.g. hazel grouse Tetrastes bonasia black grouse Lyrurus tetrix (Fig. 5) western capercaillie Tetrao urogallus) or even circum-Arctic (willow grouse Lagopus lagopus), but for whom there are very few records in north Asia east of 40°E. For willow grouse, only 11 of 2660 points are east of 34°E despite its ostensible circumpolar distribution. While it is difficult to attribute unequivocally a cause for the differences in longitude in the examples above, the scarcity of northeastern Asian observations for these grouses likely reflects the scarcity of any records at all for the region in question, rather than simply a regional scarcity of these species. Boakes et al. ( 2010 ) assessed the spatial distribution of Eurasian galliform locality records from a variety of sources, noting that whereas records obtained from museums were spread throughout the area of interest, northern Asia (mainly Russia) was particularly depauperate in records from other sources (e.g. literature, atlases and website trip reports). La Sorte and Sumveille ( 2020 ) report a similar scarcity of eBird surveys in northern Asia. The Map of Life (Jetz et al. 2012 ) indicates that coverage of birds (a measure of how well GBIF-mediated data characterize the makeup of avian assemblages averaged over all 150-km grid cells in a defined area) is only 0.4% for Russia, compared to 31% for the USA and over 60% for several Scandinavian countries (<https://mol.org/indicators/coverage/> accessed 10 December 2018).

Range map of black grouse Lyrurus tetrix (from Birdlife IUCN 2016 ) overlaying point localities (small gray or black dots, from GBIF.org 2018 ). Large star to west represents median latitude and longitude based on 3737 points (10′ × 10′ resolution) large pentagon to east represents median latitude and longitude based on rasterized range map (75 077 points). Distance between star and pentagon is

3400 km. Image prepared in ModestR (Garcia-Rosello et al. 2013 , 2014 ).

Latitude also differed noticeably for several species, although there was no apparent geographical pattern as with longitude species that differed by more than 10° were scattered across the globe. The largest difference in latitude was also associated with the longest distance between range and point centroids,

5400 km for Asian blue quail Excalfactoria chinensis (Fig. 6). This difference was due to the higher concentration of occupied points along the eastern Australia coast compared to the rest of the range, which reported extends northward into western India. As with longitude, this difference is most likely attributable to differences in data coverage, which vary from 17.5% in Australia (and up to 50% in its Pacific coastal grids) down to < 5% in India, southeastern Asia, Indonesia and the Philippines (<https://mol.org/indicators/coverage/> accessed 10 December 2018).

Range map of Asian blue quail Excalfactoria chinensis (from Birdlife IUCN 2016 ) overlaying point localities (from GBIF.org 2018 ). Large star to southeast represents median latitude and longitude based on 638 points (10′ × 10′ resolution) large pentagon to northwest represents median latitude and longitude based on rasterized range map (24 233 points). Distance between star and pentagon is

5400 km. Image prepared in ModestR (Garcia-Rosello et al. 2013 , 2014 ).

Although over all species the correlation between range-based and point-based annual temperatures was similar to those of latitude and longitude, and nearly 1, the slope of the regression of point medians on range medians was shallower and the intercept higher (Table 1), such that points yielded slightly warmer values in colder regions (Fig. 3A). Again, we attribute this to the scarcity of points in northern and eastern Asia (e.g. Siberia) for a number of species compared to coverage of range maps. However, the largest individual species’ difference between point- and range-based estimates of annual temperature reflects the coupling of temperature with elevation. Although only 125 km separates range versus point centroids of Sclater's monal Lophoporus sclateri in the mountain forests of the Himalayas (a region with a steep elevational gradient), the nearly 1300-m difference in median elevation (3222 m for ranges versus 1954 m for points) generates a 10°C difference in median temperatures. Overall, distance between centroids accounted for 11.4% of the variation in the magnitude (absolute value) of the difference between the two estimates (r = 0.34, n = 286).

Two of the species that displayed substantial differences (> 1000 mm) in annual precipitation estimates (Fig. 3B) both occurred on Borneo, an island with a very large precipitation gradient (1600–4200 mm). Despite having distribution centroids differing within the island by only 410 km, precipitation estimates for Bornean partridge Arborophila hyperythra differed by 1200 mm crimson-headed partridge Haematortyx sanguiniceps centroids were separated by only 208 km, but precipitation differed by 1100 mm. Although elevation certainly plays a role in creating the precipitation gradient, these two species differ in median elevations based on ranges versus points of less than 200 m. Micronesian scrubfowl Megapodius laperouse precipitation medians differed by 1200 mm, but these medians were based on only two occurrence cells versus five range cells, with occurrence cells from one island, range cells from another, 1300 km apart. This particular large distance notwithstanding, distance between centroids overall accounted for only 1.6% of the difference in magnitude between estimates based on ranges versus points (r = 0.13, n = 286).

Without going into similar species-specific detail for other climate variables, in general those species that showed the largest deviations between ranges and occurrence points with respect to diurnal temperature range and precipitation seasonality (Fig. 3C–D) also tended to occur in areas with relatively steep spatial gradients in those environmental variables. Overall, the variation in the absolute difference in medians that was associated with the distance between centroids was 18.0% (r = 0.42) for precipitation seasonality and 11.5% (r = 0.34) for diurnal temperature range (both n = 286).

Four species had differences between point-based and range-based elevations > 1000 m (Fig. 4A). Of these, three had point-based elevations characterized by only three points, whereas the fourth, with 95 points, manifest a distance of almost 3000 km between range versus point centroids. Thus, we attribute much of the discrepancy to inadequate sampling. But perhaps more importantly, differences between point-based and range-based estimates of median elevation were only about half the differences observed between point medians and minimum–maximum elevation mid-points, with the latter consistently higher. As implied by Quintero and Jetz ( 2018 ), species’ detections might be biased downward as it may be more difficult to access higher elevations, leading to fewer observations there. On the other hand, mid-points may be biased upward to the extent observers may be more likely to report particularly high elevation observations of a species (i.e. beyond its customary range) as they may be deemed more noteworthy, and thus extend the maximum upward. However, regardless of any reporting biases, the difference between median and mid-point values for elevation is also influenced by geometry. Visualizing a mountain as a simple, tapering cone, it is apparent that it has a larger surface area (and hence more map cells with a value for elevation) below the mid-point between its base and its apex than above that mid-point. As a result, for any such tapering surface the median value of all cells will be less than the value that is the mid-point. Certainly, the magnitude of any difference between the two values (median versus mid-point elevation) for a species will depend on the topographic complexity of the landscape over which it occurs. Nevertheless, our observations are broadly consistent with this geometry.

The extreme outlier with respect to differences in elevation based on minimum–maximum mid-point versus median of occupied cells (Fig. 4B) was the rock ptarmigan Lagopus muta, a species described as occupying ‘rocky tundra with fairly sparse vegetation, or alpine summits’ (HBW). Birdlife reports its elevational range as 2000–5000 m (3500 m mid-point), and Q&J gives values of 2000–6000 m (4000 m mid-point). In contrast, the median elevation of an occupied 10′-cell was 584 m (range 1–2807 m, n = 989), and that of all cells within its range was 345 m (range 1–5455 m, n = 120 499). Conceivably, this could represent systematic misidentification arising from confusing this species with the similar-appearing sister taxon, the willow grouse, whose habitat is described as ‘primarily Arctic tundra’ (HBW). The two species overlap broadly, particularly in the northern parts of their ranges. For the willow grouse, Q&J provide a midpoint elevation of 490 m, compared to a median of 267 m estimated from point occurrence data (range 1–3646 m, n = 163 171). Nonetheless, regardless of the cause it is difficult to reconcile a discrepancy of 3400 m.

It is not surprising that there were exceptions to the general concordance of values in our analyses, given that we expect that not all points within a species’ range will be occupied (in this case, the median number of cells occupied based on points was

4% of the number based on ranges), and that points are more likely not to be occupied the more environmental conditions at the point differ from (in the sense of being less suitable than) others in the range. Given that the geographic locations (occupied cells) derived from the two different methods overlap considerably, at least some departures of point-based environmental variable values from range-based ones likely represent lack of occupancy of cells within ranges that are simply less suitable with respect to the variable. That the differences do not seem to be strongly influenced by geographical offset is further consistent with the notion that species’ may have environment-restricted distributions within ranges, leading to ‘holes’ associated with less-suitable environment. Consistent with the notion that range maps might include inappropriate as well as appropriate environmental conditions, we observed variances (both interquartile and interdecile ranges) that were greater for range maps than occupied points for annual precipitation, diurnal temperature range and precipitation seasonality. However, points-based variances were generally greater than range-based ones for elevation and annual temperature, which we predicted could occur if we included occupied points that lay outside range map boundaries. To the extent that any observed difference between medians or variances seemed biologically relevant or important to a particular question at hand, it could be tested by taking repeated samples of N randomly selected cells within a species’ range (N = the number of points for the species) to generate an expected median and variance value and their statistical distributions, to which the observed values could be compared (Fourcade 2016 ).

As we noted, not all deviations between range-based and point-based medians could be ascribed to a species’ habitat specificity. In several instances it appeared that there was simply an insufficient number of points to characterize adequately a species’ value with respect to an environmental variable. Repeated random sub-samples of an environmental variable at a species’ points across a range of sample sizes could provide some idea of the minimum N necessary to achieve a stable estimate of the median value. However, as this number is likely to vary as a function of the underlying geographical heterogeneity of the variable within the species’ range at the scale sampled, sampling different environmental variables could produce different estimates of an adequate sample size. And if a species simply has too few points to begin with, subsampling is not feasible.

Although range-based and point-based estimates of median elevation of species were highly correlated, these estimates differed substantially from those based on mid-points of the reported span (minimum–maximum) of elevations occupied. Although it is certainly possible that the discrepancy is due to inadequate sampling (i.e. fewer points) at higher elevations within a species’ range of occurrence, an alternative, that the distribution of a species’ occurrences along an elevational gradient is not symmetrical (and hence the mid-point is not a suitable measure of central tendency, as we argue above based on topographic geometric considerations), seems plausible as well. For example, a lowland species may have a reported range of 0–1000 m, where it may have only been seldom observed at 1000 m but is widely distributed at sea level. Compared to the mid-point elevation of 500 m, this is an immediate skew of nearly 500 m. Clearly the frequency distributions of species’ points in our sample were generally skewed, with relatively more at lower versus higher elevations. In this event, the median will be a more suitable measure of the central tendency of the distribution than will the mid-point, which better characterizes the central tendency of a symmetrical distribution. Nevertheless, the best resolution of this discrepancy is also likely the most difficult, a more thorough sampling and reporting of species’ distributions along elevational gradients.

To what extent does this elevational discrepancy even matter? To the extent that one uses elevation as a proxy for, say, temperature, if one derives the actual values of environmental variables (e.g. climate) associated with a species distribution from either range maps or occurrence points then associating elevation (meters) with a species’ distribution may be irrelevant. There is little point in determining the value of a proxy if one has in hand the values of the variables for which the proxy is a surrogate. Moreover, although temperature globally declines with elevation, it does so with an interaction with latitude average annual temperature at 1500 m at 20°N is different from that at the same elevation at 50°N. However, other physical environmental features that may influence life history traits in animals and plants, such as air pressure and oxygen availability, are not latitude-dependent, and having a more accurate estimate of a species’ elevational distribution becomes more important (Körner 2007 ).

Concluding remarks

For most species, we conclude that using points of known occurrence will likely provide more reliable environmental data than overlaying range maps, although differences between the two may be slight. Perhaps most importantly, use of points can obviate the ‘porosity’ issue of range maps, and its creation of false-positives of occurrences. The performance of several commonly used species distribution modeling techniques that employ presence/absence data have been shown to be more adversely affected by false-positives than by false-negatives (Fernandes et al. 2019 ), and this may carry over to other types of models as well. Another significant advantage to points is deflating the overestimation of a species’ elevational distribution based on mid-points between minimum and maximum extents. Likewise, by retaining points that occurred outside of range map boundaries one includes peripheral or disjunct populations that range maps often omit. We acknowledge, however, that the 500-km limit we applied to retaining out-of-range points was arbitrary and that different limits would possibly produce different results, although this effect was small in the analyses of Alhajeri and Fourcade ( 2019 ). We further note that even with relatively dense sampling of a species’ distribution, objectively determining the exact boundaries of a species’ range can be a fraught process (Fortin et al. 2005 ). Indeed, the observation that some variables had higher range-based variances whereas others had higher points-based variances suggests potentially poor accuracy in determining the exact limits of species’ distributions (Alhajeri and Fourcade 2019 ). Rasterizing species’ occurrences to simply presence in a 10′ map cell regardless of the number of occurrences reduces the ‘hot spot’ effect by eliminating redundant observations, although it does not necessarily remove other forms of non-randomness in the distribution of points (e.g. along roads). Moreover, the size of our map cells absorbs some imprecision in geographical coordinates. What using points does not do, however, is increase the amount of data available for species with few observations (which often have small ranges as well), nor does it rectify gross inconsistencies in geographical reportage of observations of a species. Nevertheless, macroecological analyses based on species’ occurrences will continue to improve as the challenges of increasing the coverage and reducing the biases of observational data are met (Callaghan et al. 2019 ).

Data availability statement

Species medians and interquartile and interdecile ranges for all variables extracted from both point occurrences and range maps will be available from the Dryad Digital Repository: <https://doi.org/10.6086/D1Z396> (Rotenberry and Balasubramaniam 2020 ).

Acknowledgements – We express gratitude to the thousands of contributors to the Global Biodiversity Information Facility, including eBird, and the International Union for the Conservation of Nature for the data that make macrogeographical analyses such as our possible. We thank A. T. Peterson for comments that helped clarify our presentation. We also thank Seshadri Rajagopal for assistance with GIS issues. The Univ. of Minnesota Dept of Ecology, Evolution and Behavior provided administrative support for this project.

Conflicts of interest – The authors declare no conflicts of interest.

Author contributions – JTR and PB conceived the project JTR collected and analyzed the data JTR prepared the initial draft and JTR and PB revised the manuscript.


Muluneh Yitayew

Interested on water resources engineering that includes irrigation aminly microirrigation, hydraulics, hydrology, hydraulic structures, and transboundary river basin management. Additionally, recent interset includes climate change and development, sustainable development, and disaster risk sciences. My teaching interest goes along my research interest, mainly soila nd water resources engineering. Also, computer aiaded design and microcomputer application.

Work Experience

  • Fulbright Program, US StateDepartment (2001 - 2003)
  • ABE Department (1999 - Ongoing)
  • University of California, Riverside, Riverside, California (1983 - 1984)

Awards

  • US Ambassador's Distinguished Scholar Award
    • US Embassy in Addis Ababa, Ethiopia, Spring 2018
    • Irrigation Association, Fall 2017
    • Western Agricultural Experiment Directors, Summer 2014

    Related Links

    Interests

    Research

    Microirrigation, Water Conservation, Climate Change, Geospatial Analysis, Remote Sensing

    Teaching

    Teach Soil and Water Resources Engineering, Hydraulics, Hydrology, Computer Aided Design, Microcomputer Application


    Materials and Methods

    Assumptions.—In this study, we largely follow the assumptions outlined in Peterson et al. (2004b), but with several important adjustments. Briefly, we assumed the following: First, the reservoir is a mammal ( Leroy et al. 2005 Murphy et al. 1990 Murphy and Peters 1998 Peters et al. 1993 Swanepoel et al. 1996=). Second, the reservoir supports persistent, largely asymptomatic filovirus infections, which eliminates most primates and ungulates from consideration ( Lahm et al. 2007). Third, the geographic distribution of the virus is restricted to the geographic distribution of the reservoir. Fourth, the reservoir has small body size, on the grounds that a larger animal would likely be more memorable, and thus have been noted by index cases who had some sort of contact. Fifth, a revolutionary link exists between the virus and its reservoir(s). Sixth, the reservoir is not commensal with humans. In the current study, we modified the assumptions of the previous study to allow inclusion of widespread species with ranges that include the ranges of all known African filovirus species, considering that many of these single “species” may actually be highly structured genetically, and represent complexes of related species. We also allowed inclusion of larger-sized mammals, up to about 10–15 kg. Finally, and most importantly, we used a considerably more detailed geographic filter in defining geographic coincidence, described in more detail below.

    Occurrence data.—Occurrence data for each species listed in the original, coarse-filter analysis ( Peterson et al. 2004b), plus additions based on consideration of widespread species and species of larger body size, were accumulated from natural history museum specimens ( Table 1) by direct inspection of specimens and capture of data from specimen labels, by review of digital catalog data provided by collections personnel, or by consulting the Mammal Networked Information System (MaNIS) distributed biodiversity information database system ( Stein and Wieczorek 2004).

    Natural history museum collections from which locality data were obtained for the distributional maps for mammal species, and how data were obtained.

    Institution . How data obtained .
    American Muséum of Natural History Electronic a
    Natural History Muséum (London) Manual b
    Los Angeles County Muséum of Natural History Electronic
    United States Natiónal Muséum of Natural History Electronic
    University of Michigan Muséum of Zoology Electronic
    Yale Peabody Muséum Electronic
    Muséum Natiónal d'Histoire Naturelle, Paris Manual, electronic
    Musée Royal de l'Afrique Centrale, Tervuren Manual, electronic
    Muséum fur Naturkunde, Berlin Manual
    Data sets served in MaNIS c : University of Washington Burke Museum, Field Museum, Royal Ontario Museum, University of New Mexico Mueum of Southwestern Biology, California Academy of Sciences, University of Kansas Natural History Museum, Museum of Vertebrate Zoology Electronic
    Texas Tech University Electronic
    Louisiana State University Museum of Natural Science Electronic
    Institution . How data obtained .
    American Muséum of Natural History Electronic a
    Natural History Muséum (London) Manual b
    Los Angeles County Muséum of Natural History Electronic
    United States Natiónal Muséum of Natural History Electronic
    University of Michigan Muséum of Zoology Electronic
    Yale Peabody Muséum Electronic
    Muséum Natiónal d'Histoire Naturelle, Paris Manual, electronic
    Musée Royal de l'Afrique Centrale, Tervuren Manual, electronic
    Muséum fur Naturkunde, Berlin Manual
    Data sets served in MaNIS c : University of Washington Burke Museum, Field Museum, Royal Ontario Museum, University of New Mexico Mueum of Southwestern Biology, California Academy of Sciences, University of Kansas Natural History Museum, Museum of Vertebrate Zoology Electronic
    Texas Tech University Electronic
    Louisiana State University Museum of Natural Science Electronic

    Specimen data provided in electronic format by collections personnel.

    Specimens examined and data recorded manually.

    Specimen data accessed via query of the Mammal Networked Information System ( Stein and Wieczorek 2004).

    Natural history museum collections from which locality data were obtained for the distributional maps for mammal species, and how data were obtained.

    Institution . How data obtained .
    American Muséum of Natural History Electronic a
    Natural History Muséum (London) Manual b
    Los Angeles County Muséum of Natural History Electronic
    United States Natiónal Muséum of Natural History Electronic
    University of Michigan Muséum of Zoology Electronic
    Yale Peabody Muséum Electronic
    Muséum Natiónal d'Histoire Naturelle, Paris Manual, electronic
    Musée Royal de l'Afrique Centrale, Tervuren Manual, electronic
    Muséum fur Naturkunde, Berlin Manual
    Data sets served in MaNIS c : University of Washington Burke Museum, Field Museum, Royal Ontario Museum, University of New Mexico Mueum of Southwestern Biology, California Academy of Sciences, University of Kansas Natural History Museum, Museum of Vertebrate Zoology Electronic
    Texas Tech University Electronic
    Louisiana State University Museum of Natural Science Electronic
    Institution . How data obtained .
    American Muséum of Natural History Electronic a
    Natural History Muséum (London) Manual b
    Los Angeles County Muséum of Natural History Electronic
    United States Natiónal Muséum of Natural History Electronic
    University of Michigan Muséum of Zoology Electronic
    Yale Peabody Muséum Electronic
    Muséum Natiónal d'Histoire Naturelle, Paris Manual, electronic
    Musée Royal de l'Afrique Centrale, Tervuren Manual, electronic
    Muséum fur Naturkunde, Berlin Manual
    Data sets served in MaNIS c : University of Washington Burke Museum, Field Museum, Royal Ontario Museum, University of New Mexico Mueum of Southwestern Biology, California Academy of Sciences, University of Kansas Natural History Museum, Museum of Vertebrate Zoology Electronic
    Texas Tech University Electronic
    Louisiana State University Museum of Natural Science Electronic

    Specimen data provided in electronic format by collections personnel.

    Specimens examined and data recorded manually.

    Specimen data accessed via query of the Mammal Networked Information System ( Stein and Wieczorek 2004).

    Data extracted from these sources (museum, catalog number, species, country, state, locality) were assigned geographic coordinates via consultation of a variety of electronic ( Natiónal Geospatial-Intelligence Agency 2004 University of California, Santa Barbara 2003) and print ( Davis and Misonne 1964) gazetteers. All georeferencing was checked for accuracy and consistency with taxonomic concepts by plotting occurrences on maps of Africa in Arc View version 3.2 (Environmental Systems Research Institute, Inc., Redlands, California) although some misidentifications and other errors may persist, the picture of species' distributional areas is consistent with authoritative references ( Kingdon 1997 Rosevear 1969 Wilson and Reeder 1993).

    Ecological niche modeling.—To provide further detail and an educated interpolation of likely distributional patterns for each species, we used ecological niche modeling. This general class of procedures is based on known occurrences of species, as they relate to digital raster geographic information system coverages that summarize potentially relevant ecological parameters. The idea is to identify a suite of ecological conditions within which the species in question can likely maintain populations without immigrational input ( Grinnell 1917, 1924). The result is a picture of the species' potential geographic distribution, defined as the area meeting the species' ecological niche requirements that characterize known distributional areas ( Soberón and Peterson 2005).

    We used the Genetic Algorithm for Rule-set Prediction, or GARP ( Stockwell and Noble 1992 Stockwell and Peters 1999), which has seen extensive testing and application to such questions ( Peterson and Cohoon 1999 Stockwell and Peterson 2002a, 2002b, 2003). GARP is an evolutionary-computing approach that relates known occurrences of species to raster data layers summarizing relevant environmental parameters to create a model of the ecological niche of the species, which can in turn be used to identify a potential geographic distribution ( Soberón and Peterson 2005). We used the 19 bioclimatic variables from the WorldClim global 0.17° data set ( Hijmans et al. 2005), plus data on topography and land form, including elevation, slope, aspect, and compound topographic index ( United States Geological Survey 2001) to characterize ecological landscapes. All data were resampled to 10 × 10-km spatial resolution for analysis.

    Because our use of GARP is for visualization and interpolation purposes only, and because the technique has been documented in detail elsewhere ( Anderson et al. 2002, 2003 Illoldi et al. 2004 Martx00EDnez-Meyer et al. 2004 Ortega-Huerta and Peterson 2004 Peterson 2005 Soberón and Peterson 2004), we do not provide a full, detailed description herein. We used half of the available occurrence data for training models, and half to provide test data sets that characterized model success in predicting independent occurrence points. Using the GARP algorithm, we developed 100 replicate models for each species, and followed recent recommended protocols ( Anderson et al. 2003) in using independent measures of omission and commission (type I and type II) prediction error to identify an optimal 10% of models from the 100 replicate models originally produced the sum of these 10 models was taken as the best hypothesis of the species' distribution.

    Procedures for applying filters.—Known and predicted distributions of each mammal species or set of mammal species making up broader clades were reviewed by ATP, MP, DSC, HL, and James N. Mills (see “Acknowledgments”) as a group, and compared with the known distribution of filovirus disease outbreaks ( Peterson et al. 2004a Fig. 1) across Africa. We considered 3 features of distributions of mammal clades: whether the geographic distribution of the mammal species or clade overlaps all of the known virus outbreak sites, a criterion that was considered necessary for further consideration whether the mammal species or clade is distributed more broadly than the virus, and in which directions and whether single mammal species (using taxonomy from Wilson and Reeder [1993]) cover the range of multiple virus species or whether multiple mammal species were represented within the distributional area of a particular filovirus species. The latter 2 features of mammalian distributions were not considered to be grounds on which mammal clades would be eliminated from consideration, but they are certainly relevant to the issue, because broad distributions can complicate bio-geographic interpretations ( Page 2003). Mammal clades were identified based on traditional, hierarchical taxonomy ( Wilson and Reeder 1993).

    Distributional summary of Ebola and Marburg viruses, with predicted distributions based on ecological niche models of outbreak coordinates ( Peterson et al. 2004a). Ebola virus distribution shown as highest probability in black and intermediate probability in dark gray Marburg virus distribution shown as highest probability in white and intermediate probability in light gray. Square, Ebola virus outbreak triangle, Marburg virus outbreak.

    Distributional summary of Ebola and Marburg viruses, with predicted distributions based on ecological niche models of outbreak coordinates ( Peterson et al. 2004a). Ebola virus distribution shown as highest probability in black and intermediate probability in dark gray Marburg virus distribution shown as highest probability in white and intermediate probability in light gray. Square, Ebola virus outbreak triangle, Marburg virus outbreak.


    Abstract

    Assessing the cytoplasmic uptake of fluorescently-tagged drugs in heterogeneous cell types currently involves time-consuming manual segmentation of confocal microscopy images. We developed a set of methods that incorporate map algebra techniques to facilitate and expedite image segmentation, particularly of the parenchyma of intermediate cells in the stria vascularis of the inner ear. Map algebra is used to apply a convolution kernel to pixel neighborhoods to create a masking image to select pixels in the original image for further operations. Here, we describe the utility of integrated intensity-based, percentile-based, and local autocorrelation-based methods to automate segmentation of images into putative morphological regions for pixel intensity analysis. Integrated intensity-based methods are variants of watershed segmentation tools that determine morphological boundaries from rates of change in integrated pixel intensity. Percentile- and local autocorrelation-based methods evolved out of the process of developing map algebra- and integrated intensity-based tools. We identified several simplifications that are surprisingly effective for image segmentation and pixel intensity analysis. These methods were empirically validated on three levels: first, the algorithms were developed based on iterations of inspected results second, algorithms were tested for various types of robustness and third, developed algorithms were validated against results from manually-segmented images. We conclude the key to automated segmentation is supervision of output data.

    Citation: Kachelmeier A, Shola T, Meier WB, Johnson A, Jiang M, Steyger PS (2018) Simplified, automated methods for assessing pixel intensities of fluorescently-tagged drugs in cells. PLoS ONE 13(11): e0206628. https://doi.org/10.1371/journal.pone.0206628

    Editor: Thomas Abraham, Pennsylvania State Hershey College of Medicine, UNITED STATES

    Received: June 5, 2018 Accepted: October 16, 2018 Published: November 1, 2018

    Copyright: © 2018 Kachelmeier et al. This is an open access article distributed under the terms of the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original author and source are credited.

    Data Availability: All files are now available at the following web address: https://www.dropbox.com/sh/z64316akvqd332e/AAD5fpXFtV5Q95aU0DK6OlIca?dl=0.

    Funding: This work was supported by the National Institute of Deafness and Other Communication Disorders (NIH-NIDCD) grants R01 DC004555 to PSS, R01 DC012588 to PSS and P30 DC005983, with illustration drafts and figure formatting by Karen Thiebes, Simplified Science Publishing, LLC. Funding agencies had no role in study design, data collection and analysis, preparation of the manuscript, or decision to publish.

    Competing interests: Illustration drafts and figure formatting were completed by Karen Thiebes, Simplified Science Publishing, LLC. A provisional patent application has been filed on this subject matter: US Provisional Patent Application No. 62/678,409 “Automated methods for assessing pixel intensities of fluorescently-tagged drugs in cells." There are no products in development or marketed products to declare. This does not alter our adherence to all the PLOS ONE policies on sharing data and materials.


    Author Contributions

    All authors conceived the ideas for this manuscript. F.B. executed the analyses and led the writing, with contributions from all co-authors. A.B., M.N. and A.G. developed the larger framework and obtained the funding for the project.

    Please note: The publisher is not responsible for the content or functionality of any supporting information supplied by the authors. Any queries (other than missing content) should be directed to the corresponding author for the article.


    Videoya baxın: ازاي تتخلصي من خطوط الفم (Oktyabr 2021).