Suite

Afficher les étiquettes des points dans QGIS

Afficher les étiquettes des points dans QGIS


J'ai des coordonnées et des points à partir de ces coordonnées. Alors, que dois-je faire pour afficher les numéros de points sur la carte ?

C'est mon deuxième jour avec QGIS


Faire les identifiants :

  1. Faites un clic droit sur votre couche de points etOuvrir la table des attributsdans le menu contextuel.
  2. Rendre le calque modifiable en cliquant sur l'icône crayon jaune
  3. Clique leCalculateur de champ ouvertbouton (dernier à droite - icône boulier)
  4. Veiller à ce queCréer un nouveau champest coché (il devrait l'être par défaut). Appelez le champ 'Id' (ou quelque chose) - vous pouvez accepter les valeurs par défaut de Integer, largeur 10.
  5. Dans leListe des fonctionssection, développezRecord(petit signe plus à côté) et double-cliquez sur$rownum. Cela ajoutera $rownum à la section Expressions.
  6. Cliquez sur OK puis enregistrez.

Vous avez maintenant des identifiants basés sur le numéro de ligne - vous pouvez suivre une procédure similaire pour créer des identifiants basés sur autre chose ou les modifier manuellement, etc.

Ensuite, vous devez étiqueter les points. Cliquez avec le bouton droit sur la couche de points et sélectionnezPropriétés(ou double-cliquez sur le calque). Accédez à la section des étiquettes et dans le menu déroulant en haut, sélectionnez Id. Explorez les options d'étiquetage pour voir comment ajuster la police, le placement, etc. Vous pouvez également ignorer l'étape de création d'identifiants et simplement étiqueter en utilisant $rownum - j'aime juste les identifiants explicites.


Double-cliquez dans la couche de points, allez dans l'onglet étiquette, Activez "labelliser cette couche avec" et sélectionnez le nom du champ : X ou Y Si vous voulez les deux, vous pouvez écrire une expression comme X||' - '||O


Pente métrique des sites d'atterrissage InSight candidats à partir de la photoclinométrie ponctuelle

La photoclinométrie a été utilisée pour analyser la rugosité à petite échelle des zones à l'intérieur de l'ellipse d'atterrissage proposée pour Mars InSight. L'ellipse d'atterrissage présentée dans cette étude est en Elysium Planitia.

Cette étude a permis de contraindre les pentes de surface à des échelles de longueur comparables à la résolution d'image HiRISE (0,25 mètre/pixel et plus grossière). La mission InSight a diverses contraintes d'ingénierie que chaque ellipse d'atterrissage candidate doit satisfaire. Ces contraintes indiquent que la valeur statistique des pentes aux lignes de base de un, deux et cinq mètres est un critère important. Cette technique estime les pentes de surface sur de larges bandes de chaque image et génère des statistiques de pente pour les images de l'ellipse d'atterrissage. Les pentes que j'ai dérivées pour l'ellipse du site d'atterrissage d'InSight dans cette étude se situent dans les contraintes de rugosité à petite échelle proposées par le projet InSight. Ces résultats ont contribué au processus d'évaluation des risques d'atterrissage.


1 interface utilisateur USGS EarthExplorer

EarthExplorer prend en charge la recherche en ligne dans des bases de données complètes, des visualisations rapides, l'exportation de métadonnées et le téléchargement de données pour les sciences de la Terre à partir des archives de l'U.S.Geological Survey (USGS). Vous accédez à l'USGS EarthExplorer via l'URL suivante à l'aide de n'importe quel navigateur Web (Firefox dans notre VM RESEDA) :

Une fois cliqué, l'interface utilisateur graphique (GUI) principale d'EarthExplorer doit être chargée, qui est composée de trois éléments clés :

  • 1 barre de menu d'en-tête : Boutons pour les services de connexion et d'enregistrement, ainsi que les fonctionnalités d'aide, RSS et feedback. Après la connexion, vous pouvez enregistrer et charger des requêtes ici
  • 2 Barre latérale de recherche de données : les composants de recherche sont divisés en quatre onglets et vous permettent d'entrer des critères de recherche, de sélectionner des ensembles de données à interroger, d'entrer des critères supplémentaires et d'examiner les résultats dans une fenêtre tabulaire
  • 3 Vue d'image avec éléments de navigation : composants Google Maps intégrés pour visualiser les résultats de la recherche, avec les outils de navigation standard de Google Maps, c'est-à-dire zoom avant/arrière, vue sur la rue (coin inférieur droit) et coordonnées de la position actuelle du curseur (coin supérieur droit). Vous pouvez basculer entre la vue d'imagerie satellite et la vue de données SIG en sélectionnant le bouton adéquat dans le coin supérieur gauche

Les vergers fruitiers et l'habitat semi-naturel ligneux fournissent des ressources complémentaires pour les pollinisateurs dans les paysages agricoles

Pour protéger les insectes pollinisateurs et leurs services de pollinisation, nous devons comprendre comment la structure du paysage régule la distribution des ressources qui soutiennent les populations de pollinisateurs. Cependant, les preuves de la façon dont les communautés de pollinisateurs bénéficient de la variété des ressources réparties dans différents types d'habitats sont rares.

Objectifs

Pour explorer la fourniture de ressources complémentaires, nous avons mené une étude de terrain pour examiner les ressources disponibles pour les pollinisateurs dans les vergers et les habitats ligneux semi-naturels.

Méthodes

Nous avons étudié 13 paysages contenant les deux types d'habitats en Flandre, en Belgique. Dans chaque élément de l'habitat, nous avons étudié les ressources de nidification, les ressources florales et les pollinisateurs sauvages (c'est-à-dire les abeilles sauvages et les syrphes) pendant trois périodes consécutives de la saison (une fois avant et deux fois après la floraison en masse des vergers).

Résultats

Nous avons conclu que la composition des ressources de nidification pour les abeilles sauvages était clairement différente entre les deux types d'habitat. L'habitat semi-naturel ligneux a également fourni une plus grande diversité et une plus grande couverture de ressources florales par rapport aux vergers. De plus, la composition de ces ressources florales est devenue de plus en plus distincte entre les deux types d'habitats au fur et à mesure que la saison avançait. Sur la base du réseau plante - pollinisateur, nous avons identifié des espèces végétales clés à inclure dans les programmes de gestion pour soutenir les pollinisateurs.

Conclusion

Notre étude met en évidence que les vergers fruitiers et l'habitat semi-naturel ligneux fournissent un ensemble de ressources différentes et complémentaires pendant la saison de vol, pour les insectes pollinisateurs. En raison de la plus grande diversité et de l'abondance des ressources dans l'habitat semi-naturel ligneux, la conservation de l'habitat semi-naturel ligneux est essentielle pour le soutien des pollinisateurs dans les paysages agricoles.


2. MATÉRIELS ET MÉTHODES

2.1 Sites d'étude, plan d'échantillonnage et enquête de type akène

Sur la base de la littérature floristique (par exemple, Stöhr, 2009 ) et de nos propres enquêtes sur le terrain, 30 populations de Hélénite à téphroseris ont été choisis comme sites d'échantillonnage dans les avant-pays nord-alpins centraux de l'Allemagne du Sud, de l'État fédéral de Salzbourg et de l'ouest de la Haute-Autriche (Figure 1b, Tableau S1, voir également Méthode S1 pour des descriptions détaillées de la distribution, de la taxonomie et de la biologie des T. hélénite). Pour plus de commodité, les populations ont été réparties en trois secteurs de collecte (ouest, centre, est). Celles-ci comprenaient sept populations (nos 1 à 7) de la région centrale ouest de la ssp. hélénite, dont un (n° 3) d'une localité plus au nord du sud de l'Allemagne/Bavière (à environ 204 km au nord du n° 2 cartographié sur la figure S1 et servant d'échantillon parental de référence) cinq (n° 8-12) du « la région centrale de l'aire de répartition putative chevauche la ssp. salisburgensis et 18 populations (n° 13-30) de la région centrale supposée « orientale » de ce dernier taxon. Pour réduire la dimensionnalité spatiale pour les analyses d'ajustement cline (voir ci-dessous), nous avons défini un c. Un transect de 350 km de long entre les populations les plus à l'ouest et à l'est (Figure 1b) et projeté le reste sur cette ligne, en utilisant l'algorithme de « distance au hub le plus proche » dans qgis 3.8 (QGIS Development Team, 2019 voir aussi McEntee et al., 2016 ) .

Le type d'akène a été examiné dans 28 populations (sauf nos 13 et 21) avec en moyenne 20,8 (±9,7 Dakota du Sud) individus par site (au total m = 582) en enregistrant l'indument de surface (pubère vs glabre/peu poilu) d'au moins cinq akènes par individu à l'aide d'une loupe ou d'un stéréomicroscope (tableau 1). En conséquence, les sept populations occidentales et une de la région centrale (n° 9) ont été a priori classées comme « nominalement » ssp. hélénite quatre populations centrales et 11 populations orientales comme « mixtes » (c. salisburgensis (Tableau 1). Tous les akènes d'un même individu présentaient le même type (G. Pflugbeil, observation personnelle).

Secteur/population n° a a Appartenance des populations à des secteurs de collecte définis a priori (voir également la figure 1b, et le texte pour les détails).
N (transformer) Formes d'akène (fréquence relative) Type de localité m (AFLP) PPF HE DW b b Significativement faible ou élevé DW les valeurs sont indiquées par les exposants « L » et « H », respectivement. Noter: Les populations sont triées par longitude, en commençant par la population la plus à l'ouest n°1. Les écarts types sont indiqués entre parenthèses.
Pubescent Glabre/peu poilu 30 emplacements 24 emplacements
Ouest
1 21 1.00 0.00/0.00 Hel 10 44.30 0.164 2.643 H 2.893 H
2 10 1.00 0.00/0.00 Hel 9 37.06 0.141 2.349 heures 2.540 heures
3 5 1.00 0.00/0.00 Hel 5 35.96 0.174 1.895 2.072
4 20 1.00 0.00/0.00 Hel 8 41.45 0.167 1.895 2.075
5 20 1.00 0.00/0.00 Hel 8 48.68 0.199 2.879 H 3.343 H
6 17 1.00 0.00/0.00 Hel 4 39.04 0.214 2.568 heures N / A
7 18 1.00 0.00/0.00 Hel 4 37.72 0.206 2.589 heures N / A
Central
8 21 0.86 0.05/0.09 Mixte 5 33.55 0.161 1.539 L 1.706 L
9 15 1.00 0.00/0.00 Hel 11 48.46 0.173 1,645 L 1,833 L
10 20 0.80 0.15/0.05 Mixte 6 31.36 0.141 1.657 1.844
11 22 0.82 0.00/0.18 Mixte 5 37.94 0.187 2.088 2.335
12 23 0.30 0.61/0.09 Mixte 5 41.45 0.204 2.159 2.398
est
13 N / A N / A N / A N / A 8 48.03 0.187 2.007 2.230
14 20 0.35 0.50/0.15 Mixte 18 64.91 0.194 2.054 2.305H
15 14 0.21 0.72/0.07 Mixte 8 49.78 0.199 2.067 2.283
16 5 0.00 0.60/0.40 Sal 4 32.02 0.174 2.071 N / A
17 31 0.26 0.55/0.19 Mixte 7 45.83 0.193 2.356 H 2.704 H
18 20 0.15 0.75/0.10 Mixte 8 45.83 0.184 1,658 L 1.865
19 34 0.56 0.35/0.09 Mixte 9 52.41 0.198 2.226 H 2.433 heures
20 50 0.26 0.60/0.14 Mixte 15 53.51 0.172 1,414 L 1.561L
21 N / A N / A N / A N / A 2 18.20 0.182 1.849 N / A
22 20 0.00 1.00/0.00 Sal 17 55.70 0.174 1.686L 1,839 L
23 30 0.07 0.76/0.17 Mixte 9 44.74 0.173 1.844 1.995
24 32 0.03 0.91/0.06 Sal 7 34.43 0.143 1,271L 1,385 L
25 13 0.23 0.62/0.15 Mixte 4 32.02 0.180 1.911 N / A
26 10 0.00 1.00/0.00 Sal 5 31.14 0.155 1.556L 1.713 L
27 32 0.00 0.94/0.06 Sal 3 24.78 0.165 1.964 N / A
28 29 0.21 0.66/0.14 Mixte 10 42.98 0.160 1,469 L 1,614 L
29 10 0.20 0.80/0.00 Mixte 7 41.01 0.170 2,241 H 2.449 heures
30 20 0.10 0.90/0.00 Mixte 12 44.08 0.156 1,482 L 1,631 L
Espèces totales 582 233 98.46 0.206
Espèce signifie 20.8 (9.7) 7.8 (3.8) 41.28 (9.64) 0.176 (0.019)

Remarques

  • N fait référence au nombre d'individus étudiés pour le type d'akène (morphe) et la variation génétique (AFLP). Les fréquences relatives des morphes akènes (ssp. hélénite: pubescent ssp. salisburgensis: glabre/peu poilu). Sur cette base, le type de localité spécifie si une localité donnée contenait des individus de la ssp. hélénite (hel), ssp. salisburgensis (sal) ou les deux taxons (mixtes, c'est-à-dire lorsque le type rare d'akène est présent avec une fréquence ≥ 5 %).
  • Abréviations : DW, valeurs des marqueurs pondérées par la fréquence, calculées séparément pour les 30 populations (m = 233) ainsi que 24 populations (m = 212) avec m ≥ 5 HE, la diversité génétique impartiale de Nei (1987) m, nombre d'individus NA, non analysé PPF, pourcentage de fragments polymorphes.
  • a Appartenance des populations à des secteurs de collecte définis a priori (voir également la figure 1b et le texte pour les détails).
  • b Significativement faible ou élevé DW les valeurs sont indiquées par les exposants « L » et « H », respectivement. Noter: Les populations sont triées par longitude, en commençant par la population la plus à l'ouest n°1. Les écarts types sont indiqués entre parenthèses.

Pour les analyses génétiques, 338 individus représentant les 30 populations (et y compris les plantes classées pour le type d'akène) ont été échantillonnés pour le matériel foliaire séché à la silice. Des spécimens de référence de toutes les populations étudiées sont conservés à l'Herbier de l'Université de Salzbourg (SZU).

2.2 Caractérisation du climat local en relation avec la variation du type d'akène

Les variations climatiques sur les 30 sites d'échantillonnage ont été étudiées par analyse en composantes principales (ACP) dans le passé 3.25 (Hammer et al., 2001), en utilisant 19 variables bioclimatiques (bio1–19) de worldclim 1.4 (http://www.worldclim.org /) avec une résolution de 30 secondes d'arc pour les conditions actuelles (c. 1950-2000) sur chaque site. Pour les 28 sites de type akène connu, nous avons utilisé des régressions linéaires univariées dans r 3.6.1 (R Development Core Team, 2017 ) pour tester une relation significative entre la proportion de pubères (hélénite) akène-plantes (variable dépendante) et espace climatique ordonné, tel que décrit par les scores PCA standardisés par site basés sur les deux premières composantes (PC1, PC2), respectivement (variables explicatives).

2.3 Extraction d'ADN et génotypage AFLP

L'ADN génomique total a été extrait du tissu foliaire à l'aide du DNeasy Plant Mini Kit (Qiagen). L'analyse AFLP a suivi Vos et al. (1995), avec des modifications mineures pour l'utilisation d'amorces marquées par un colorant fluorescent (Jaros et al., 2016). Sur la base d'un essai initial d'amorces sélectives sur huit individus utilisant 18 combinaisons de paires d'amorces (données non présentées), les trois suivantes ont été choisies pour l'enquête complète : ÉcoRI-AGC/MseI-CAG (NED), ÉcoRI-ACG/MseI-CAT (VIC), et ÉcoRI-AGA/MseI-CAC (6-FAM). Chaque plaque PCR (48 emplacements) contenait un contrôle positif (« inter-analyses-réplication »), un contrôle négatif (« à l'intérieur de la plaque-réplication ») et un échantillon à l'aveugle. Les produits de PCR sélectifs ont été purifiés à l'aide de Sephadex G-50 Superfine (GE Healthcare BioSciences). Les fragments ont été séparés sur un MegaBACE 1000 (GE Healthcare BioSciences), en utilisant la norme de dimensionnement ET550-R-Rox-MegaBACE, et notés manuellement comme présence (1) ou absence (0), en utilisant dax 8.0 (Van Mierlo Software Consultancy voir aussi Bendiksby et al., 2011). Les sommes des mésappariements entre cinq contrôles positifs et cinq contrôles négatifs ont été utilisées pour obtenir un taux d'erreur AFLP selon Bonin et al. (2007). Les individus ont été exclus séquentiellement de l'ensemble de données (au total m = 338) s'ils (a) n'ont pas réussi à s'amplifier dans au moins une des trois combinaisons d'amorces (m = 54) (b) a montré c. Branches 50 % plus longues que les échantillons typiques dans un arbre de distance génétique préliminaire (m = 7) et (c) avaient plus ou moins de fragments que la moyenne globale (± Dakota du Sud) par individu (148,5 ± 27,7 m = 44 données non présentées). L'ensemble de données AFLP final comprenait 233 individus (m = 7,8 ± 3,8 par site Tableau 1), dont 216 échantillons de type akène connu (92,7% du total).

2.4 Analyse de la diversité génétique et de la différenciation des populations

Sur la base des 456 loci AFLP (y compris les loci monomorphes), les mesures de la diversité au sein de la population ont été calculées par le pourcentage de fragments polymorphes (PPF) et la diversité génétique impartiale de Nei (1987) (HE), en utilisant genalex 6.5 ( Peakall & Smouse, 2012 ). De plus, nous avons estimé les « valeurs des marqueurs pondérées en fonction de la fréquence » (DW ou « rareté ») pour chaque population, en utilisant le package aflpdat r (Ehrich, 2006 ), avec une signification estimée sur 1000 permutations . Les corrélations de rang de Spearman ont été utilisées pour tester une relation potentielle entre chaque paramètre génétique (PPF, HE, DW) et la longitude par site (voir tableau S1). Pour DW, nous avons également testé si un échantillonnage insuffisant au sein de la population affectait les estimations et les analyses de corrélation en comparant les résultats pour les 30 populations et uniquement celles (24) avec des tailles d'échantillon m 5 (tableau 1). En tant que mesure globale de la subdivision de la population, nous avons calculé ΦTP (un analogue de FST) à partir de l'analyse de la variance moléculaire (AMOVA) dans genalex, avec une signification estimée sur 9999 permutations. En utilisant le même programme, nous avons testé l'isolement par distance (IBD) via un test de Mantel (9999 permutations) entre deux ΦTP/(1-ΦTP) valeurs des populations et leur log10-distances géographiques transformées (en km Rousset, 1997 ).

2.5 Analyse spatialement explicite du mélange génétique

Pour l'estimation des valeurs de l'indice hybride (voir ci-dessous), nous avons d'abord estimé laquelle des 30 populations représente le mieux les fonds génétiques « purs » (non mélangés) de chaque sous-espèce. Pour ce faire, nous avons effectué un clustering bayésien individuel sur l'ensemble de données AFLP polymorphe (ci-après « total ») (m = 233, 449 loci), en utilisant tess 2.3.1 (Durand et al., 2009 ). Contrairement à des approches similaires (par exemple, la structure), l'algorithme tess utilise un modèle spatialement explicite qui incorpore les coordonnées géographiques des individus comme information préalable, comme particulièrement adapté pour différencier les transitions clinales (par exemple, intraspécifiques) et les ruptures plus abruptes entre l'hybridation (par exemple , interspécifiques) des groupes génétiques qui ont évolué en allopatrie (Buchalski et al., 2016 ). Nous avons exécuté tess sous le modèle de mélange gaussien autorégressif conditionnel (CAR) avec une surface de tendance linéaire pour les marqueurs dominants (modèle d'allèle récessif), en utilisant des paramètres par défaut (paramètre de mélange, α = 1,0 paramètre d'interaction spatiale, ψ = 0,6), et avec les coordonnées exactes (non projetées) de la localité incluses comme précédemment (voir le tableau S1). Pour chaque nombre de clusters (K) testé (2–10), nous avons effectué 10 exécutions de Monte Carlo par chaîne de Markov (MCMC) de 5 × 10 6 itérations après un rodage de 50 000 étapes. Probabilités individuelles d'appartenance à un cluster (q-values) des 10 réplicats pour chaque K ont été moyennées à l'aide de clumpp 1.1.2 (Jakobsson & Rosenberg, 2007 ). Selon le manuel tess, la meilleure K peut être déterminé comme le point auquel les valeurs moyennes du critère d'information sur la déviance (DIC) sur des analyses répétées se stabilisent ou se stabilisent. Cette approche ayant tendance à surestimer le nombre effectif de clusters (Durand et al., 2009 ), nous avons également considéré une valeur de K comme optimale si une augmentation de K n'a pas donné lieu à un cluster supplémentaire clair (Basto et al., 2016 ). Basé sur le modèle préféré (K = 2 voir Résultats), les valeurs de q ont été examinés pour des individus non mélangés (q 0,90 pour l'un ou l'autre des groupes parentaux) et les individus mélangés (« hybrides ») (0,10 ≤ q < 0,90 McKenzie et al., 2015 ). De plus, nous avons utilisé la technique d'interpolation géospatiale implémentée dans tess (« krigeage universel » Durand et al., 2009 Ripley, 1981 ) pour prédire les valeurs de mélange pour les sites géographiques non échantillonnés, sur la base d'un simple krigeage de la probabilité postérieure d'appartenance aux clusters à chaque échantillon. lieu.

2.6 Locus potentiels sous sélection et tests d'associations locus-par-climat/type akène

2.7 Calcul des valeurs des indices hybrides

Pour le calcul des valeurs de l'indice hybride (HI), deux populations les plus à l'ouest de la ssp. hélénite (nos 1, 2) et deux populations de l'est de ssp. salisburgensis (nos 22, 24) ont été choisis pour représenter chaque taxon, sur la base de trois critères : (a) taille d'échantillon suffisamment grande (m 7), (b) ascendance essentiellement non mélangée, avec une moyenne q-valeurs ≥ 0,90 (plage de 0,90 à 1,0) pour l'un ou l'autre des groupes parentaux, sur la base des résultats des tests, et (c) la fixation ou au moins la prédominance (fréquence >90%) des types d'akène diagnostiques (tableau 1). Ces quatre populations ont servi de types « parentaux » pour entraîner le programme introgress 1.1 (Gompert & Buerkle, 2010), en utilisant la fonction « prepare.data » pour les marqueurs dominants. Les estimations du maximum de vraisemblance des valeurs HI individuelles ont ensuite été calculées (fonction « est.h ») et moyennées pour chaque population en utilisant les différentiels de fréquence des fragments (« allèles ») (δ) des échantillons représentant chaque « parent ». Toutes les estimations ont été échelonnées entre 1 («hélénite") et 0 ("salisburgensis"), avec des valeurs intermédiaires indiquant des individus génétiquement mélangés. À des fins de comparaison, nous avons également calculé les valeurs HI à partir de l'ensemble de données AFLP neutre avec les loci aberrants exclus.

2.8 Analyses des clines géographiques

Nous avons utilisé l'algorithme MCMC de Metropolis-Hastings implémenté dans le package r hzar (Derryberry et al., 2014) pour ajuster une série de modèles de cline géographiques à six ensembles de données, y compris : (a) les valeurs HI moyennes pour les 30 populations, sur la base sur les AFLP totaux versus neutres (449 vs. 446 loci), (b) les fréquences relatives des hélénite-akène (pubère) dans 28 populations, et (c) les fréquences des fragments (« allèles ») à chacun des trois loci aberrants (pour 30 populations). Pour chaque ensemble de données, nous avons exécuté trois modèles distincts, qui ont tous estimé le centre cline (c en km le long du transect ajusté, à partir de la population no. 1) et largeur (1/pente maximale, w) ainsi que les limites de support des unités de vraisemblance 2log (intervalles de confiance IC) autour de ces estimations. Nous avons testé trois modèles couramment utilisés (I-III Brumfield et al., 2001 McKenzie et al., 2015 ), qui incluent des combinaisons de fixation ou d'estimation des valeurs de données minimales et maximales aux extrémités cline (pmin, pmax) (des modèles je vs. II, III), avec ou sans ajustement de queues exponentielles (modèles je, II vs. III). Nous avons exécuté chaque modèle pour trois chaînes MCMC indépendantes (100 000 itérations par chaîne) et les avons comparés les uns aux autres et à un modèle nul sans transition clinique, en utilisant le critère d'information d'Akaike corrigé (AICc). Le modèle le mieux adapté a été déterminé par l'AIC le plus basc (McKenzie et al., 2015 ). Nous avons considéré que les centres des clines avec des IC non chevauchants étaient significativement différents (c'est-à-dire non coïncidents) de la même manière, nous avons considéré que les largeurs de deux clines étaient significativement différentes (c'est-à-dire non concordantes) si l'IC supérieur du cline le plus étroit ne chevauchait pas l'IC inférieur de le plus large (Scordato et al., 2017 ). Étant donné que les ensembles de données AFLP totaux et neutres ont généré des paramètres de forme de cline presque identiques (données non entièrement présentées), seuls ces derniers seront pris en compte ici.

Enfin, nous avons comparé notre largeur de cline estimée pour les AFLP neutres avec la largeur d'un cline neutre attendu pour une zone de tension stable à l'équilibre de dispersion-sélection. Dans ce scénario, des loci neutres et non liés devraient produire des clines relativement étroits, à moins que les taux de dispersion ne soient très élevés et/ou qu'une longue période se soit écoulée depuis le contact secondaire (Barton et Hewitt, 1985 Endler, 1977). Par conséquent, la largeur d'un tel cline neutre (*) peut être prédit à partir de l'équation d'Endler (1977) : ɷ* = 2.51 σ (carré T), où σ est la distance de dispersion par génération et T le nombre de générations depuis le contact (voir aussi Barton & Gale, 1993 ). Pour ce faire, nous avons supposé (a) un temps de génération de deux ans pour T. hélénite, comme observé en culture ouverte (G. Pflugbeil, observation personnelle), (b) σ des valeurs de 0,24 ou 0,54 km, estimées pour d'autres vivaces à courte durée de vie et dispersées par le vent de Senecioneae en utilisant le déséquilibre de liaison (Brennan et al., 2009 ), et (d) c. 3000 ou 9000 générations depuis le contact hypothétique (c. 6 ou 18 ka BP voir résultats ENM).

2.9 Modélisation de la distribution actuelle et passée

Nous avons généré des modèles de niche écologique (ENM) présents et passés dans maxent 3.4.1 (Phillips et al., 2017) pour chaque sous-espèce afin de déterminer si leurs aires de répartition étaient soit disjointes soit continues dans le passé, comme prédit par le contact secondaire par rapport à la différenciation primaire. hypothèses. Les informations sur la répartition géographique de chaque taxon étaient basées sur (a) les huit contre cinq populations « nominales » de subspp. hélénite contre salisburgensis, tel que défini par le type d'akène (voir le tableau 1), et (b) les enregistrements de localités géoréférencées par taxon du Global Biodiversity Information Facility (GBIF.org 30/31 octobre 2019 https://doi.org/10.15468/dl.4igkbk et https://doi.org/10.15468/dl.i32en4, respectivement). Les enregistrements en dehors des plages taxonomiques connues ont été filtrés. De plus, nous avons supprimé les localités dans un rayon de 2,5 km pour tenir compte du biais d'échantillonnage spatial, résultant en 432 enregistrements de localité de ssp. hélénite et 66 de ssp. salisburgensis.

La distribution actuelle de chaque taxon a été modélisée dans maxent en utilisant 12 couches bioclimatiques à une résolution de 2,5 minutes d'arc (bio2, 3, 7-11, 15-19 Tableau S2), c'est-à-dire après avoir supprimé les variables fortement corrélées (Pearson's r > |.85|) dans enmtools 1.4.4 (Warren et al., 2010 ) pour éviter un sur-ajustement potentiel. Chaque modèle a été projeté sur des ensembles de données paléoclimatiques simulées par le Modèle de recherche interdisciplinaire sur le climat (MIROC) pour, respectivement, l'Optimum climatique de l'Holocène moyen (HCO, c. 6 ka BP MIROC-ESM http://www.worldclim.org /) et le LGM (c. 22 ka BP MIROC-ESM http://www.worldclim.org/). Les distributions actuelles ont été modélisées 10 fois, en utilisant différents sous-ensembles de 75 % des localités pour entraîner le modèle. Pour chaque série, la précision du modèle a été évaluée pour les données d'entraînement et de test à l'aide de l'aire sous la courbe (AUC) du tracé des caractéristiques de fonctionnement du récepteur (ROC) (bonne : 0,75 < AUC ≤ 0,92 très bonne : 0,92 < AUC ≤ 0,97 excellente : 0,97 < AUC ≤ 1,00 Hosmer & Lemeshow, 2000), avec une forte similitude entre les valeurs d'entraînement et de test indiquant un faible risque de surapprentissage du modèle (Fois et al., 2018).


Obtenir les valeurs des variables

Autant que je sache, vous essayez d'agir sur les fenêtres qui s'affichent sur votre bureau. Si vous êtes la seule personne à utiliser votre ordinateur de bureau, il est très probable que le nom d'affichage soit :0 . Trouver l'emplacement du fichier d'autorité X est plus difficile (dans la configuration par défaut d'Ubuntu, il se trouve dans un fichier avec un nom généré de manière aléatoire).

Voici quelques façons d'obtenir les valeurs de DISPLAY et XAUTHORITY :

La solution simple est de toujours démarrer une session d'écran à partir de votre bureau, peut-être automatiquement dans vos scripts de connexion (à partir de

/.profile mais ne le faites que si vous vous connectez sous X : testez si DISPLAY est défini sur une valeur commençant par : (cela devrait couvrir tous les cas que vous êtes susceptible de rencontrer)). Dans

Vous pouvez également enregistrer les valeurs de DISPLAY et XAUTHORITY dans un fichier et rappeler les valeurs. Dans

Vous pouvez détecter les valeurs de DISPLAY et XAUTHORITY à partir d'un processus en cours d'exécution. C'est plus difficile à automatiser. Vous devez déterminer le PID d'un processus connecté à l'affichage sur lequel vous souhaitez travailler, puis obtenir les variables d'environnement à partir de /proc/$pid/environ ( eval export $(</proc/$pid/environ tr 0 | grep -E '^(DISPLAY|XAUTHORITY)=') ¹).


5. Conclusion

La chimie des ions et les isotopes stables peuvent être utilisés pour distinguer les différentes origines géographiques et hydrologiques de l'eau du bassin supérieur de la rivière Mendoza. Nous avons trouvé des différences claires dans la chimie des isotopes ioniques et stables entre les principales unités morphotectoniques de premier ordre, liées aux différents systèmes de précipitation (sources d'humidité du Pacifique et de l'Atlantique) et aux contextes géologiques. Les sources hydrologiques de la Cordillère Principale, telles que les masses de glace, les eaux souterraines, les bassins de neige et les précipitations, ont également montré des différences dans la chimie des isotopes ioniques et stables. Les isotopes stables ont indiqué différentes interactions eau-atmosphère dans les masses glaciaires, montrant les enrichissements les plus élevés et les plus faibles dans les glaciers recouverts de roches et de débris, respectivement. Les bassins versants dominés par la neige étaient plus évaporés et présentaient des valeurs d'excès de deutérium plus faibles par rapport aux bassins dominés par les glaciers. La chimie ionique (indiquée par les concentrations de CE et d'ions) reflétait les interactions eau-sédiment, avec les concentrations de sel les plus élevées dans les eaux souterraines, qui ont les temps de contact les plus longs avec les sédiments, et les valeurs les plus faibles dans la neige et les ruisseaux dominés par les glaciers découverts. La variabilité temporelle de l'eau des rivières a été observée dans la chimie ionique et isotopique, montrant des changements dans l'importance relative des contributions de différentes sources aux rivières de la Cordillère principale, et soulignant l'importance des glaciers et des eaux souterraines pour le débit de la rivière Mendoza. .

Tableau 1. Plan d'échantillonnage. Mélanger. Ppal-Ftal : échantillons prélevés dans la rivière Mendoza où elle reçoit de l'eau à la fois de la cordillère principale et de la cordillère frontale. Gl : glacier découvert DebCov : glacier recouvert de débris Rock gl : glacier rocheux Cov&Rock gl : crioforme composé à la fois de glacier recouvert de débris et de roche glaciaire. Cette classification est selon IANIGLA-ING ( 2012a ).

Tableau 2. Moyenne (X), l'écart type (SD) et l'intervalle de confiance (CR) relatifs à la valeur d'interception des provinces géologiques et de la saison, en comparaison avec l'interception (Cordillera Principal et été). La signification des tests statistiques illustre les différences entre la conductivité électrique (CE) de l'eau dérivée de la Cordillera Principal et de la Cordillera Frontal, et entre l'été et les autres saisons. Mélanger. Ppal-Ftal : échantillons prélevés dans la rivière Mendoza où se trouve un mélange d'eaux provenant de la Cordillère Principale et de la Cordillère Frontale. Les facteurs d'importance sont : p < 0,001 (***), 0,01 (**), 0,05 (*) et 0,1 (.).

Tableau 3. Moyenne (X), l'écart type (SD) et la plage de confiance (CR) par rapport à la valeur d'interception de la source d'eau et de la saison dans la Cordillère principale, en comparaison avec l'interception (glacier non couvert et été). La signification des tests statistiques illustre les différences entre la CE des glaciers découverts par rapport aux autres sources d'eau, et entre l'été (interception) et les autres saisons. Reportez-vous au tableau 2 pour l'explication du facteur de signification.

Tableau 4. Poids d'Akaike (wje), selon le nombre de paramètres et ΔAICc des différents modèles. GP : province géologique S : saison.

Tableau 5. Moyenne (X), l'écart type (SD) et l'intervalle de confiance (CR) relatifs à la valeur d'interception des provinces géologiques et de la saison par rapport à l'interception (Cordillera Principal et été). La significativité des tests statistiques illustre les différences entre les signatures δ 18 O des eaux dérivées de la Cordillère Principale (interception) par opposition aux eaux de la Cordillère Frontale et de la Précordillère, et entre l'été (interception) et les autres saisons, pour m = 229 observations. Mélanger. Ppal-Ftal : échantillons prélevés dans la rivière Mendoza où se trouve un mélange d'eaux provenant de la Cordillère Principale et de la Cordillère Frontale. Reportez-vous au tableau 2 pour l'explication du facteur de signification.

Tableau 6. Poids d'Akaike (wje) selon le nombre de paramètres et ΔAICc des différents modèles, en utilisant comme facteurs à effet fixe les variables source d'eau (source), saison et altitude, pour la province géologique de la Cordillère Principale.

Tableau 7. Poids d'Akaike (wje), selon le nombre de paramètres et ΔAICc des différents modèles, en utilisant comme facteur à effet fixe les variables source d'eau (source) et saison, pour la province géologique de la Cordillère Principale.

Tableau 8. Moyenne (X), l'écart type (SD) et l'intervalle de confiance (CR), par rapport à la valeur d'interception, des sources d'eau et des saisons par rapport à l'interception (glacier non couvert et été). La significativité des tests statistiques illustre les différences entre les signatures δ 18 O des glaciers découverts (interception) et les autres sources d'eau, et entre l'été (interception) et les autres saisons, pour 125 observations dans la province géologique de la Cordillère Principale. Reportez-vous au tableau 2 pour l'explication du facteur de signification.

Tableau 9. Moyenne (X), l'écart type (SD) et la plage de confiance (CR) par rapport à la valeur d'interception de la source d'eau et de la saison par rapport à l'interception (glacier non couvert et été). La significativité des tests statistiques illustre les différences entre les excès de deutérium des glaciers découverts (interception) et les autres sources d'eau, et entre l'été (interception) et les autres saisons, pour 125 observations dans la province géologique de la Cordillère Principale. Reportez-vous au tableau 2 pour l'explication du facteur de signification.

Tableau 10. Poids d'Akaike (wje) en fonction du nombre de paramètres et ΔAICc des différents modèles. GP : province géologique.

Tableau 11. Moyenne (X), l'écart-type (SD) et l'importance des facteurs à effet fixe de la province géologique, de la saison et de l'altitude par rapport à l'intersection (Cordillera Principal et été). La significativité des tests statistiques illustre les différences entre les signatures δ 18 O de l'eau dérivées des provinces géologiques de la Cordillère Principale (interception) et de la Cordillère Frontale et entre l'été (interception) et les autres saisons. Mélanger. Ppal-Ftal : échantillons prélevés dans la rivière Mendoza où se trouve un mélange d'eaux provenant de la Cordillère Principale et de la Cordillère Frontale. Reportez-vous au tableau 2 pour l'explication du facteur de signification.


En cours et plans

Aperçu

Travaux en cours

Bac à sable (section idées)

  • GRASS 7 idées collection
  • Traitement d'image
  • GRDSS (Système d'Aide à la Décision sur les Ressources Géographiques)
  • Idées sur une spécification de format raster de remplacement
  • ajouter la prise en charge (au moins le stockage !) des références verticales et des unités
  • Discussion sur les spécifications de développement pour les messages standardisés
  • Discussion sur la configuration du référentiel du gestionnaire de modules complémentaires : référentiel GEM
  • Discussion sur la prise en charge des séries chronologiques dans GRASS, par ex. pour lier des données et des modèles
  • Idées de gestion des métadonnées
  • Idées de l'été du code GRASS

Remerciements

Nous tenons à remercier deux relecteurs anonymes pour leurs commentaires utiles. EG reconnaît les conversations très utiles avec P. Bellamy, R. Whytock, K. Watts et T. Dewdney au cours de cette recherche. Ce projet n'aurait pas été possible sans les propriétaires forestiers, les agriculteurs et les organisations qui ont gentiment autorisé l'accès à leurs terres et ceux qui ont aidé au processus, notamment Abingdon Green Gym, Abingdon Town Council, All Souls College, Berkshire, Buckinghamshire et Oxfordshire Wildlife Trust , Cumnor Conservation Group, Cumnor Parish Council, Earth Trust, Marcham Society, Oxford City Council, Oxford Conservation Volunteers, Oxford Preservation Trust, Radley College, Radley Parish Council, St. John's College, Vale of the White Horse District Council, Youlbury Scout Activity Centre, G. Broughton, P. Dockar-Drysdale, N. Frearson, D. Gow, C. Little and M. Wiseman.


Voir la vidéo: raster mask from shapefile in QGIS