Suite

Colorer des polygones avec une couleur aléatoire dans QGIS

Colorer des polygones avec une couleur aléatoire dans QGIS


J'ai une carte avec un grand nombre de polygones que je souhaite colorer individuellement à des fins d'affichage. Il n'y a pas de modèle particulier requis, seulement pour les présenter comme des bassins versants individuels dans une figure.

Existe-t-il une méthode pour y parvenir dans QGIS ?


Utilisez un style catégorisé sur le calque.


Dans la version QGIS 2.8.1, faites un clic droit sur la couche. Allez dans Propriétés de la couche. Cliquez sur l'onglet Styles. Sélectionnez la valeur de la liste déroulante Catégorisé. Utilisez des couleurs aléatoires dans la liste déroulante Color Ramp.


Avec la symbologie 'unic symbol', vous pouvez définir la valeur de la couleur avec une expression :

rand(0,255)||','||rand(0,255)||','||rand(0,255)

pour simuler la valeur RVB comme (250,0,6)


Carte Choroplèthe

UNE carte choroplèthe (du grec choros « zone/région » et pléthore « multitude ») est un type de carte thématique dans laquelle un ensemble de zones prédéfinies est coloré ou modelé en proportion d'une variable statistique qui représente un résumé agrégé d'une caractéristique géographique dans chaque zone, telle que la densité de population ou par habitant le revenu.

Les cartes choroplèthes offrent un moyen simple de visualiser comment une variable varie dans une zone géographique ou de montrer le niveau de variabilité au sein d'une région. Une carte thermique ou une carte isarithmique est similaire mais utilise des régions dessinées selon le modèle de la variable, plutôt que le a priori zones géographiques des cartes choroplèthes. Le Choroplèthe est probablement le type de carte thématique le plus courant, car les données statistiques publiées (provenant du gouvernement ou d'autres sources) sont généralement agrégées en unités géographiques bien connues, telles que les pays, les États, les provinces et les comtés, et elles sont donc relativement faciles à créer à l'aide de SIG, de feuilles de calcul ou d'autres outils logiciels.


Colorer des polygones avec une couleur aléatoire dans QGIS - Systèmes d'Information Géographique

Le pergélisol est répandu (20 % à 25 % de la superficie des terres) dans les hautes latitudes septentrionales (Brown et al., 1997 Obu et al., 2019) et est principalement le résultat des conditions climatiques froides passées et présentes (Shur et Jorgenson, 2007). Le réchauffement rapide du climat arctique réduit déjà la stabilité et la répartition du pergélisol près de la surface. Le réchauffement du pergélisol à l'échelle mondiale a été observé au cours des dernières décennies à partir des mesures de température des forages (Romanovsky et al., 2010 Biskaborn et al., 2019), tandis qu'une dégradation locale à régionale du pergélisol a été observée dans de nombreuses études à différentes échelles à travers le pergélisol. domaine (Nitze et al., 2018a). La perte ou la transition généralisée du pergélisol près de la surface du pergélisol continu au pergélisol discontinu a, par exemple, été démontrée avec la modélisation du pergélisol assistée par télédétection en Alaska (Pastick et al., 2015). La dégradation du pergélisol peut entraîner un affaissement de surface à long terme (Streletskiy et al., 2017), une modification des régimes hydrologiques (Liljedahl et al., 2016) et la libération de gaz à effet de serre, notamment de dioxyde de carbone (CO 2 ), de méthane (CH 4 ) et de protoxyde d'azote (N 2 O) (Elberling et al., 2013 Walter Anthony et al., 2018 Repo et al., 2009). En particulier, la libération de gaz à effet de serre du carbone enfermé pendant des milliers d'années déclenchera un réchauffement supplémentaire par le biais de la rétroaction du carbone du pergélisol (Schuur et al., 2015). De plus, la stabilité du pergélisol est cruciale pour les communautés locales qui dépendent de la stabilité du sol pour les infrastructures, la sécurité alimentaire et l'approvisionnement en eau (Chambers et al., 2007 White et al., 2007 Melvin et al., 2017 Hjort et al., 2018 ).

Les changements rapides dans la superficie du lac, y compris l'expansion et le drainage, sont de puissants indicateurs de la dégradation du pergélisol et du dégel (Smith et al., 2005 Hinkel et al., 2007 Jones et al., 2011 Grosse et al., 2013 Arp et al., 2018 Nitze et al., 2018a). Le drainage naturel des lacs a été associé à la dégradation du pergélisol près de la surface, comme la fonte des cales de glace, la formation de canaux thermo-érosifs, l'érosion vers la tête des ravines et le drainage interne par les taliks pénétrant le pergélisol (Mackay, 1988 Yoshikawa et Hinzman, 2003 Hinkel et al., 2007 Marsh et al., 2009 Jones et al., 2020a). D'autres événements naturels de drainage des lacs ont été liés à l'augmentation des précipitations provoquant le débordement des berges avec la formation subséquente de canaux de drainage et de barrages de neige, ainsi que les inondations et la formation subséquentes de canaux de drainage (Mackay, 1988 Jones et Arp, 2015).

La marge sud du pergélisol continu dans le nord-ouest, l'ouest et l'intérieur de l'Alaska, ainsi que dans le nord-ouest du Canada adjacent, a été identifiée comme une région avec une grande variabilité temporelle de la superficie des lacs et un drainage des lacs particulièrement répandu (Jones et al., 2011 Chen et al. ., 2014 Lantz et Turner, 2015 Nitze et al., 2018a). Au cours des dernières décennies, le drainage des lacs a dépassé la croissance des lacs de 14,9 % sur la péninsule de Seward dans l'ouest de l'Alaska, en grande partie grâce au drainage de plusieurs très grands lacs individuels (Jones et al., 2011 Nitze et al., 2017). D'autres régions de pergélisol de transition autour de l'Arctique sont largement affectées par le même schéma avec des événements de drainage généralisés et une perte nette de superficie lacustre (Smith et al., 2005 Nitze et al., 2018a). Cependant, les lacs subissent également des fluctuations de niveau d'eau intra-annuelles (Cooley et al., 2017, 2019) à pluriannuelles (Plug et al., 2008 Karlsson et al., 2014) liées à la dynamique des précipitations et de l'évaporation ou aux régimes hydrologiques globaux de ruissellement, qui peut entraîner une grande incertitude dans l'interprétation des observations éparses dans le temps. En particulier, les changements climatiques récents avec des températures de surface de l'air et de la mer plus chaudes le long des côtes arctiques entraînées par une couverture réduite de glace de mer (Bhatt et al., 2014) peuvent également avoir un effet sur le pergélisol des basses terres côtières (Lawrence et Slater, 2005) et donc potentiellement dynamique des lacs (Alexeev et al., 2016 Arp et al., 2019). Par exemple, les températures persistantes de l'air chaud et de la surface de la mer ont provoqué un nouveau minimum de glace de mer dans la mer de Béring à l'ouest de l'Alaska, ce qui a entraîné des mers largement ouvertes sans précédent en hiver 2017/2018 (Stabeno et Bell, 2019).

D'autres régions à pergélisol continu et froid (p. ex., plaine côtière arctique, péninsule de Tuktoyaktuk, basses terres côtières de la Sibérie) sont également affectées par le drainage des lacs (Hinkel et al., 2007 Kravtsova et Bystrova, 2009 Karlsson et al., 2012 Lantz et Turner, 2015 Olthof et al., 2015 Nitze et al., 2017, 2018a Jones et al., 2020a) mais à une intensité moindre que la zone de transition vers le pergélisol discontinu, notamment en Alaska et en Sibérie occidentale (Nitze et al., 2017, 2018a) .

Plusieurs études suggèrent que le drainage des lacs pourrait être épisodique avec des événements de drainage regroupés dans le temps et donc potentiellement liés à des conditions environnementales spécifiques telles que des événements de fortes précipitations (Marsh et al., 2009 Swanson, 2019 Jones et al., 2020a). D'autres, en revanche, trouvent des taux de drainage à long terme plus stables à décroissants, par exemple, dans le nord de l'Alaska et l'ouest de l'Arctique canadien (Hinkel et al., 2007 Marsh et al., 2009 Jones et al., 2020a).

Quelle superficie de lac a été affectée par les récents événements de drainage dans l'ouest de l'Alaska en 2018 ?

Comment les événements de drainage documentés en 2018 se comparent-ils à d'autres événements précédents tels que le milieu des années 2000 en termes de superficie, de distribution spatiale et de séquence temporelle (intra-annuelle) ?

Quels sont les principaux moteurs des récents événements de drainage et comment les futurs scénarios climatiques projetés peuvent-ils affecter les trajectoires des lacs dans cette région ?

Dans cette étude, nous nous concentrons sur le nord de la péninsule de Seward (NSP) et la péninsule de Baldwin (BP) dans l'ouest de l'Alaska. La zone d'étude couvre une superficie terrestre totale (incluant les plans d'eau intérieurs) de 25 271 km 2 . Il est délimité par la mer Chukchi et le détroit de Kotzebue au nord et au nord-ouest, différentes chaînes de collines au sud, et le lac Selawik, l'inlet Hotham et le méridien 161 ∘ W à l'est (figure 1). Il fait partie de la région de Bering Land Bridge, qui était en grande partie non glaciaire lors du dernier maximum glaciaire et est maintenant située à la marge sud de la zone de pergélisol continu (Jorgenson et al., 2008 Obu et al., 2019). Les températures du sol mesurées varient entre - 3,5 et - 0,8 ∘ C (Biskaborn et al., 2015 GTN-P Ground Temperature Database). Les températures du sol modélisées varient entre - 2,8 et + 0,5 C avec la majorité entre - 1,5 et - 2,0 C (Obu et al., 2019).

(a) Aperçu de la zone d'étude avec topographie et noms de lieux. Source d'altitude : GMTED2010. (b) Photo aérienne oblique de l'ancien plus grand lac de la péninsule Baldwin, qui s'est asséché en 2018 (photo : Jens Strauss, juillet 2016). (c) Photo aérienne oblique du nord de la péninsule de Seward (photo : Guido Grosse, juillet 2016). Paysage de pergélisol riche en lacs avec grand bassin drainé.

La région est caractérisée par un climat continental subarctique avec une température annuelle moyenne de l'air (MAAT) de - 5,1 C et des précipitations de 279 mm, comme indiqué à la station climatique de Kotzebue (NOAA, 1981-2010). L'accumulation de neige est en moyenne de 157 cm par an, bien plus que, par exemple, dans le nord de l'Alaska ( ∼ 95 cm à Utkiaġvik/Barrow). La neige persiste généralement jusqu'au milieu ou à la fin mai (Macander et al., 2015).

La région d'étude est composée d'un paysage de pergélisol riche en glace fortement dégradé avec des reliefs typiques de pergélisol tels que des lacs thermokarstiques et des bassins lacustres thermokarstiques drainés de plusieurs générations (Plug et West, 2009 Jones et al., 2011, 2012), des pingos, des coins de glace. des réseaux de polygones et des hautes terres de yedoma riches en glace comme vestiges de la plaine d'accumulation du Pléistocène (Hopkins, 1955 Jongejans et al., 2018). La morphologie est variable avec un terrain principalement plat ( < 20 m) dans un terrain de pergélisol hautement dégradé le long de la marge côtière du NSP et un terrain vallonné avec des pentes raides dans les régions hautes du NSP. Le terrain montagneux le long de la marge sud du NSP atteint jusqu'à ∼ 700 m d'altitude. La péninsule Baldwin (BP) est caractérisée par un terrain vallonné du niveau de la mer à ∼ 50 m d'altitude avec un mélange de pergélisol dégradé avec des bassins lacustres partiellement drainés et des hautes terres à divers stades de dégradation (voir Fig. 1).

Les contreforts et les chaînes de montagnes de la zone d'étude reposent sur le substratum rocheux. De plus, le NSP est localement affecté par le volcanisme de la fin du Quaternaire avec la présence de quatre lacs de maar connus (Devil Mountain, White Fish, North Killeak, South Killeak), qui sont les plus grands lacs de la région d'étude et les plus grands lacs de maar au monde (Beget et al., 1996). D'autres caractéristiques du paysage volcanique telles que des carottes de substrat rocheux volcaniques dégradées, de jeunes coulées de lave basaltique et de jeunes cônes de cendres sont localement présentes dans la partie sud du NSP (Hopkins, 1955). En partie, les dépôts du BP sont probablement d'origine glaciaire, avec une moraine terminale enfouie recouverte de sédiments riches en glace de type yedoma (Huston et al., 1990 Jongejans et al., 2018).

La région est l'une des principales régions lacustres d'Alaska (Arp et Jones, 2009). La présence lacustre dans la zone d'étude sélectionnée est concentrée sur les plaines côtières et les terrains thermokarstiques. La majorité des lacs sont situés dans des bassins lacustres thermokarstiques drainés, ont des profondeurs peu profondes de moins de 2 m et sont souvent des lacs thermokarstiques de générations ultérieures dans des endroits qui ont connu plusieurs générations de lacs précédentes (Jones et al., 2012 Lenz et al., 2016) . Cependant, des lacs thermokarstiques de première génération jusqu'à 15 m de profondeur recoupant les surfaces restantes des hautes terres de yedoma sont toujours présents (Kessler et al., 2012). Les hautes terres de Yedoma aux surfaces planes sont parsemées d'étangs thermokarstiques initiaux et de petits lacs, notamment sur le BP (Jongejans et al., 2018). De plus, les quatre grands lacs maar du NSP atteignent des profondeurs allant jusqu'à 100 m (Beget et al., 1996).

La végétation est principalement composée de toundra arbustive et est située dans les zones D et E de la carte de la végétation arctique circumpolaire (MCVV) (Walker et al., 2005). La végétation est généralement abondante dans les zones abritées le long des bords des lacs thermokarstiques. Des tapis de végétation flottante peuvent être présents sur les bords des lacs et persister au-dessus de l'eau associés à l'expansion des bords des lacs (Parsekian et al., 2011).

3 Données et méthodes 3.1 Données 3.1.1 Couche de base du jeu de données sur les lacs

Nous avons utilisé l'ensemble de données sur les changements de lac de Nitze et al. (2018a, b) comme couche de base pour une analyse plus approfondie et pour comprendre la dynamique des lacs à l'échelle décennale. Cet ensemble de données contient des vecteurs polygonaux de l'étendue du lac tamponné de lacs individuels de plus de 1 ha. Les plans d'eau de moins de 1 ha ont été exclus de l'analyse originale en raison de la résolution spatiale de Landsat de 30 m. L'ensemble de données comprend des attributs spatiaux et des statistiques telles que la superficie du lac individuel en 1999 et 2014, le changement net (gain moins perte) et les changements bruts (gain, perte) de 1999 à 2014, ainsi que les paramètres de forme du lac tels que l'orientation, l'excentricité et solidité. Tous les lacs coupant la zone d'étude (n = 4605) ont été sélectionnés pour l'analyse. Nous nous sommes concentrés sur cette période en raison de la disponibilité de cet ensemble de données déjà publié et disponible. D'autres systèmes d'information géographique (SIG) et des analyses spatiales sont basés sur les géométries de cet ensemble de données sur le lac (changement du lac 1999-2014 nommé Lk ci-après). Un aperçu des ensembles de données sur les changements du lac est fourni dans le tableau 1.

Vue d'ensemble des ensembles de données et pour l'analyse des changements du lac.

Nous avons extrait les masques à eau de fin d'été pour les années 2017 et 2018 à l'aide des données SAR Sentinel-1A/B dans Google Earth Engine (GEE) (Gorelick, et al., 2017) (voir Fig. 2). Nous nous sommes concentrés sur la différence entre 2017 et 2018, car cette période avait été précédemment identifiée comme étant fortement affectée par le drainage du lac.

Organigramme de la détection des changements dans le lac et de l'affectation du drainage basé sur les données Sentinel-1 (Archive Sentinel-1). Le traitement des données raster a été effectué dans Google Earth Engine (GEE). L'extraction vectorielle des lacs et le calcul des statistiques récentes et historiques (données de changement de lac Nitze et al., 2018b) ont été effectués dans Quantum GIS (QGIS).

Nous avons identifié toutes les images Sentinel-1A/B disponibles entre le 1er août et le 30 septembre en 2017 et 2018 (Watermask 2017 : WM2017, Watermask 2018 : WM2018) et sélectionné la polarisation VV, qui était disponible pour toutes les données Sentinel-1 au cours de cette période. Les valeurs erronées de faible rétrodiffusion le long des marges de l'image, qui sont un problème courant pour ces ensembles de données, ont été écrêtées par défaut avec une mémoire tampon de 5 000 m.

Nous avons créé un composite de valeur médiane de l'ensemble de la pile d'images pour réduire l'impact des valeurs de rétrodiffusion très élevées causées par des conditions venteuses. Après analyse de l'histogramme, nous avons déterminé une valeur de rétrodiffusion de - 18 dB comme le meilleur point de seuil entre la terre et l'eau. Toutes les valeurs de rétrodiffusion inférieures à - 18 dB ont été ajoutées aux masques d'eau de surface de 2017 (WM2017) et 2018 (WM2018). Nous avons exporté les deux masques d'eau dans des fichiers raster avec un espacement de grille de 20 m × 20 m en projection UTM3N. Les masques d'eau WM2017 et WM2018 ont été croisés avec la couche de base de l'étendue du lac (Lk) à l'aide de statistiques zonales dans Quantum GIS (QGIS) version 3.6 (QGIS Development Team, 2019) pour récupérer l'étendue de la superficie du lac et les valeurs statistiques zonales pour 2017 et 2018.

Enfin, tous les lacs avec une perte de superficie du lac de > 25 % et une taille initiale de > 1 ha, sur la base de la différence de WM2017 et WM2018, ont été définis comme des lacs drainés. Cela fait suite à des études précédentes définissant des seuils de drainage par une surface d'eau perdue de > 25 % (Hinkel et al., 2007 Olthof et al., 2015 Jones et al., 2020a). L'ensemble de données des lacs drainés est appelé LkDrain.

Des liens vers le code GEE utilisé pour le masquage de l'eau sont fournis dans la section Code et disponibilité des données.

3.2.2 Calendrier du drainage en 2017 et 2018 : Imagerie de la planète

Pour déterminer les modèles et la mécanique de drainage, ainsi que pour comparer les modèles de drainage à long terme et à court terme, nous avons automatiquement analysé les images Planet CubeSat à haute résolution temporelle (Planet Team, 2017) de 2017 et 2018 et inspecté visuellement les plus grands lacs drainés. . Avec plus de 120 satellites en orbite, la constellation Planet fournit une fréquence temporelle d'observations inférieure à 1 d à une résolution au sol de 3,125 m, ce qui fait des données Planet une solution idéale pour cartographier la dynamique rapide du paysage à des résolutions spatiales et temporelles élevées. Pour cartographier la dynamique des lacs individuels en 2017 et 2018, nous avons utilisé le flux de travail automatisé de suivi des lacs présenté dans Cooley et al. (2017, 2019). Une description complète de la méthode peut être trouvée dans Cooley et al. (2019). Un bref résumé est fourni ici. Tout d'abord, nous avons téléchargé tous les PlanetScope (résolution de 3,125 m) et RapidEye Ortho Tiles (résolution de 5 m) avec < 20% de couverture nuageuse disponibles auprès de Planet Labs entre le 1er mai et le 1er octobre pour 2017 et 2018. Nous avons ensuite créé un premier masque de lac qui contient l'étendue maximale de tous les plans d'eau de la zone d'étude entre 2017 et 2018. Ce masque initial a été tamponné de 60 m et toutes les rivières ont été supprimées pour produire un masque d'eau tamponné utilisé à la fois pour ensemencer la classification de l'eau et suivre les changements dans la superficie du lac.

Nous avons ensuite classé toutes les images dans l'eau ou la terre en appliquant un seuil dérivé de l'histogramme à l'indice d'eau par différence normalisée (NDWI) de chaque image - (NIR - vert) / (NIR + vert), où NIR signifie proche infrarouge - comme décrit dans Cooley et al. (2017, 2019). Pour suivre les changements dans la superficie du lac, nous avons utilisé une méthode de suivi du lac basée sur les objets dans laquelle pour chaque image, nous avons calculé la quantité totale d'eau contenue dans chaque objet du lac dans le masque tamponné. Cette méthode permet la comparaison directe entre les images RapidEye et PlanetScope avec sa résolution spatiale différente et est en outre robuste contre une incertitude de géolocalisation mineure potentielle.

Au moment de l'analyse, les images de Planet Labs ne fournissaient pas de masque de nuage fiable. Par conséquent, la troisième et la plus critique étape de la méthode était la suppression des observations nuageuses ou de mauvaise qualité à l'aide d'un algorithme de filtrage dérivé de l'apprentissage automatique. Pour ce faire, nous avons d'abord créé un ensemble de données d'entraînement manuel d'observations de zone lacustre valides/invalides, puis nous avons utilisé cet ensemble de données pour créer un classificateur de forêt aléatoire qui supprime automatiquement les observations de lac nuageuses ou de mauvaise qualité. Cette méthode est capable de classer avec précision 97 % des observations comme valides ou invalides. Nous avons ensuite sélectionné la meilleure observation pour chaque jour et appliqué des filtres aberrants et médians supplémentaires pour produire la série chronologique finale. Bien que nous ne supprimions pas spécifiquement les observations recouvertes de glace de l'analyse, Cooley et al. (2019) démontrent que la plupart des observations de zones lacustres impactées par la glace sont classées comme invalides par le classificateur de forêt aléatoire.

Le jeu de données final sur la dynamique du lac, désormais appelé LkDyn, comprend des vecteurs polygonaux tamponnés et des séries temporelles saisonnières de la superficie du lac, ainsi que des statistiques descriptives de base sur la superficie du lac telles que la superficie minimale, la superficie maximale et la dynamique saisonnière (max-min) pour chaque individu. Lac. Pour l'analyse des modèles temporels de drainage des lacs, nous avons joint spatialement tous les lacs de LkDyn qui ont recoupé LkDrain.

3.2.3 Identification du drainage du lac passé pour 1999-2014

Pour la dynamique des lacs de 1999 à 2014, nous avons utilisé l'ensemble de données sur les changements de lac (Lk) de Nitze et al. (2018b) pour comparer la dynamique récente aux événements de drainage observés en 2018.Nous avons opté pour une interprétation manuelle des images basée sur des animations vidéo d'images satellite, car il n'existe à notre connaissance aucune méthode automatisée fiable disponible pour déterminer les dates de drainage dans les environnements arctiques difficiles. Nous avons testé la méthode automatisée LandTrendr, qui détermine automatiquement les points de rupture dans les séries chronologiques, pour récupérer le moment du drainage du lac entre 1999 et 2018 (Kennedy et al., 2010 Kennedy et al., 2018). Les résultats obtenus avec cette méthode étaient très instables avec une fiabilité insuffisante.

Nous avons créé des animations vidéo dans GEE pour chaque lac drainé individuel, avec des images horodatées, et déterminé l'année de drainage manuellement grâce à une interprétation visuelle (pour le lien vers le code, voir ci-dessous). L'année de drainage a été définie comme le moment du drainage initial clairement visible, qui pourrait être (a) une exposition visible des sédiments du fond du lac ou (b) une forte augmentation de la végétation, par exemple, en raison d'une baisse soudaine du niveau du lac. La totalité de la perte de superficie calculée a été attribuée à l'année de drainage déterminée. La perte de superficie des lacs avec un processus de drainage plus long > 1 an, par exemple, de 2005 à 2009, a été comptée comme un drainage complet au cours de l'année de drainage initiale (2005). L'interprétation visuelle a été facilitée en traçant la série chronologique des indices multispectraux (Tasseled Cap, NDVI, NDWI) pour chaque lac drainé.

Les lacs avec des lacunes dans les données (jusqu'à plusieurs années) juste avant l'année de drainage déterminée ont été signalés dans les statistiques. Cela s'appliquait fréquemment aux années 2005 et 2008, qui comportaient plusieurs lacunes dans les données les années précédentes (voir Supplément Fig. S1). Les lacunes dans les données étaient dues à une disponibilité limitée des données, à une couverture nuageuse et à des ombres fréquentes, ainsi qu'à l'erreur Landsat-7 Scan Line Corrector (SLC). Les lacs où le moment n'a pas pu être détecté manuellement, par exemple, dans les cas de drainage très subtil, n'ont reçu aucune année de drainage (25 des 270 lacs).

Des liens vers le code de traitement d'animation vidéo GEE et le traçage de séries chronologiques sont fournis dans la section Code et disponibilité des données. Les vidéos sont accessibles sur : https://github.com/initze/NW_Alaska_Drainage_Paper/tree/final/animations/lake_animations_drainage_1999-2014 (dernier accès : 10 novembre 2020).

3.3 Analyse climatique et météorologique 3.3.1 Météo

Nous avons analysé les données météorologiques synoptiques de la station météorologique la plus proche à Kotzebue (voir Fig. 1a) fournies par la National Oceanic and Atmospheric Administration (NOAA). Nous avons acquis les ensembles de données GHCN-Daily (Menne et al., 2012) au format CSV via une recherche Web sur le site Web de la NOAA ( https://www.ncdc.noaa.gov/cdo-web/search , dernier accès : 29 juillet 2020). L'ensemble de données fournit une série quotidienne de températures minimales ( T min⁡ ) et maximales ( T max⁡ ) ( T ), de précipitations (prcp) et de chutes de neige (sf) depuis 1897 avec des observations continues depuis 1950. Enregistrements de température du 1er mai au 3 Septembre 2019 ont été affectés par des mesures erronées et supprimés par la NOAA des ensembles de données retraités (au 29 juillet 2020). Les mesures des précipitations et des chutes de neige n'ont pas été affectées et sont disponibles pour toute la période.

Les températures moyennes quotidiennes ne sont pas disponibles en continu. Par conséquent, nous avons calculé les températures moyennes quotidiennes comme la moyenne des températures minimales et maximales quotidiennes. Pour calculer l'influence des conditions hivernales ( T , prcp, sf), nous avons analysé les conditions météorologiques du 1er juillet de l'année précédente jusqu'au 30 juin sur une base annuelle, désormais appelée « année hivernale ». Par conséquent, l'année d'hiver 2018, par exemple, est définie comme la période du 1er juillet 2017 au 30 juin 2018. En plus des attributs standard (mentionnés ci-dessus), nous avons calculé les degrés-jours de congélation (FDD) comme la somme cumulée des moyennes quotidiennes négatives. températures par année d'hiver. L'accumulation de neige est calculée comme la somme cumulée des chutes de neige par année d'hiver. Nous avons calculé des moyennes climatologiques pour les observations quotidiennes et les statistiques agrégées annuelles. Pour les valeurs quotidiennes, nous avons calculé les moyennes et les écarts types des températures moyennes ( T moyenne ) pour chaque jour calendaire, à l'exception du 29 février, du 1er janvier 1981 au 31 décembre 2010. Nous avons calculé la température moyenne annuelle comme la moyenne des températures moyennes quotidiennes. Nous avons calculé la moyenne des valeurs annuelles entre 1981 et 2010 comme température moyenne climatique. Pour les statistiques annuelles des années d'hiver, nous avons calculé des valeurs allant de juillet 1980 à juin 2010, selon la définition de l'année d'hiver indiquée précédemment.

Pour le prétraitement des données climatiques et météorologiques et le traçage des séries chronologiques, un package python a été développé par Ingmar Nitze, qui est disponible à l'adresse https://github.com/initze/noaaplotter (dernier accès : 10 novembre 2020).

Nous avons téléchargé les projections décennales du modèle climatique SNAP (Scenarios Network for Alaska and Arctic Planning, 2020) (2 km CMIP/AR5) des scénarios RCP4.5, RCP6.0 et RCP8.5 pour la région d'étude. Cet ensemble de données contient des températures moyennes annuelles, saisonnières et mensuelles de l'air et des précipitations décennales (2010-2019, 2020-2029, … , 2090-2099). Pour l'analyse, nous avons utilisé des prévisions annuelles de température (MAAT) et de précipitations (MAP). Des données maillées sont disponibles à une résolution spatiale de 2 km à travers l'Alaska et certaines parties de l'ouest du Canada. Nous avons découpé les données dans l'étendue de la zone d'étude et calculé la moyenne et les écarts types pour l'ensemble de la région d'étude pour les valeurs MAAT et MAP projetées pour chaque décennie.

Nous avons utilisé le modèle canadien des glaces de lac (CLIMo Duguay et al., 2003) pour analyser l'impact des conditions météorologiques sur la croissance de la glace de lac et le pergélisol. CLIMo est un modèle de glace thermodynamique 1-D qui a été utilisé dans plusieurs études (Ménard et al., 2002 Labrecque et al., 2009 Brown et Duguay, 2011 Surdu et al., 2014 Antonova et al., 2016). La sortie CLIMo comprend tous les composants du bilan énergétique, l'épaisseur de la neige sur la glace, le profil de température à un nombre arbitraire (spécifié) de niveaux dans la glace et/ou la neige (ou la température de l'eau s'il n'y a pas de glace) et l'épaisseur de la glace (glace claire et glace de neige) sur une base quotidienne, ainsi que les dates d'englacement et de débâcle et la glace claire (congelée) de fin de saison, la glace de neige et l'épaisseur totale de la glace. Le résultat du modèle d'un intérêt particulier pour les simulations de glace de lac dans le contexte de cette étude est l'évolution de la croissance de la glace de lac et de l'épaisseur maximale de la glace, car ils sont des indicateurs utiles de l'intensité du gel et de l'influence des conditions météorologiques sur la stabilité potentielle du sol. L'épaisseur de la glace de neige et celle des couches de glace de congélation (appelées ci-après respectivement « croissance supérieure » ​​et « croissance inférieure ») ont également été analysées pour tenir compte des effets de la masse de neige et de l'isolation de la neige.

Le modèle de glace de lac est forcé avec cinq variables météorologiques consistant en la température moyenne quotidienne de l'air près de la surface, l'humidité relative, la vitesse du vent, la couverture nuageuse et les chutes de neige (ou l'épaisseur de neige d'un site terrestre à proximité lorsque disponible). Quatre des cinq variables météorologiques (toutes sauf les chutes de neige) ont été prises directement ou dérivées du produit de réanalyse atmosphérique ERA5 du Centre européen de prévisions météorologiques à moyen terme (ECMWF). Étant donné que ERA5 n'a pas fourni de valeurs de chutes de neige ou d'épaisseur de neige adéquates, nous avons obtenu des données d'épaisseur de neige du Global Historical Climate Network Daily de la NOAA (de la station météorologique la plus proche à l'aéroport Kotzebue Ralph Wien Memorial) pour les simulations de modèles.

Nous avons effectué des simulations sur une période de près de 40 ans (1980-2018) et avec la spécification d'une profondeur de couche mixte de 2 m. La longueur de l'enregistrement a été choisie en fonction de la disponibilité des données ERA5 et pour pouvoir placer la sortie du modèle de glace de lac pour l'hiver 2018 dans un contexte historique plus large. Enfin, afin de tenir compte de la redistribution de la neige sur les surfaces glaciaires des lacs, qui est un processus bien documenté dans plusieurs études (p. ex., Duguay et al., 2003 Sturm et Liston, 2003 Brown et Duguay, 2011 Kheyrollah Pour et al., 2012), nous avons exécuté le modèle avec deux ensembles de scénarios d'épaisseur de neige : l'un avec un enneigement total (100 % de la quantité mesurée à la station météorologique de Kotzebue) et l'autre sans enneigement (0 % de neige, c'est-à-dire sans neige surface de la glace) pour saisir l'éventail des conditions de neige que l'on s'attendrait à observer sur le terrain.

3.5 Analyse de l'importance des caractéristiques de la forêt aléatoire des variables météorologiques annuelles

Afin d'analyser l'influence des conditions météorologiques sur la superficie annuelle du lac drainé, nous avons utilisé la mesure de l'importance des caractéristiques (FI) du modèle d'apprentissage automatique de la forêt aléatoire (Breiman, 2001). La métrique FI interne quantifie l'importance des variables d'entrée individuelles en pourcentage, dans lequel tous les scores FI individuels totalisent 100 %.

Random Forest est un ensemble d'arbres de décision individuels et est une méthode largement utilisée pour les tâches de classification et de régression (Belgiu et Drăguţ, 2016), ainsi que pour mesurer l'importance des caractéristiques (Nitze et al., 2015). Nous avons utilisé des attributs météorologiques annuels (année d'hiver) comme caractéristiques d'entrée (température moyenne, précipitations cumulées, chutes de neige cumulées, jours de gel, degrés de gel de l'année d'hiver) et la superficie annuelle des lacs drainés (1999-2014, 2018) comme variable cible. Comme le FI nécessite un grand nombre d'arbres de décision individuels, nous avons effectué notre analyse avec 1000 arbres avec le package scikit-learn en python. Pour évaluer les performances du modèle, nous avons utilisé le r 2 sur les données d'entraînement et le r 2 non biaisé basé sur l'estimateur interne out-of-bag et la validation croisée Leave-one-out.

4 Résultats 4.1 Changements du lac 4.1.1 Drainage du lac 2018

La perte de superficie des lacs a été sévère en 2018, au cours de laquelle 192 des 4605 lacs de plus de 1 ha ont perdu plus de 25 % de leur taille initiale (LkDrain). Ces lacs ont perdu une superficie d'eau accumulée de 1622,04 ha entre la fin de l'été 2017 et 2018. La perte nette totale de superficie des lacs, y compris tous les lacs, était de 2062,56 ha (4 % de la superficie totale des lacs dans le domaine d'étude).

Le drainage des lacs s'est regroupé autour de deux types de tailles de lacs. Cinq très grands lacs ( > 100 ha) ont perdu 1072,68 ha ou 66,1 % de la superficie totale du lac drainé (LkDrain), tandis que les 190 lacs restants représentaient 549,36 ha ou 34,9 %, dans lesquels le plus grand lac avait une taille initiale de 28,5 ha en 2017 (tableau 2). Sur les cinq grands lacs drainés, quatre sont d'origine thermokarstique, et le plus grand est une lagune sur le BP, qui est probablement affectée par des inondations et un assèchement épisodiques. Les cinq grands lacs qui se sont drainés étaient parmi les plus grands lacs thermokarstiques de toute la zone d'étude avant le drainage (classes de taille 6, 12, 32, 39, 51). Les seuls autres grands lacs de la région d'étude ont été formés ou affectés par l'activité volcanique de la fin du Quaternaire (quatre lacs maar et lac Imuruk) et sont donc moins sujets au drainage des lacs causé par la dégradation du pergélisol.

Lacs classés selon la plus grande perte de superficie de 2017 à 2018 avec classement de superficie de lac 2017, ID de lac, superficie et pourcentage de changement net, ainsi que superficie de lac en 2017 et 2018. Pour l'ensemble de données complet, voir le tableau supplémentaire S1 et les ensembles de données LkDrain. * Lagune reliée à la mer/Kotzebue Sound.

Spatialement, la plus forte densité d'événements de drainage lacustre se situe dans la région du cap Espenberg, dans la partie nord-est du NSP (voir Fig. 3). Sur le BP, deux groupes spatiaux de drainage lacustre prédominent. Le premier groupe est situé au centre de la partie nord du BP, qui englobe l'ancien plus grand lac maintenant drainé (Lac ID 64656) et ses bassins voisins. Le deuxième groupe est situé dans la partie sud du BP, où plusieurs lacs partiellement drainés forment une structure presque linéaire. Des groupes plus petits ou des événements de drainage lacustre individuels sont dispersés principalement le long des zones côtières et des basses terres de toute la région d'étude et à travers différentes unités paysagères telles que les hautes terres, les bassins thermokarstiques, les dépressions côtières et les plaines inondables des rivières. Le drainage des lacs dans la région montagneuse méridionale de la zone d'étude était rare.

Modèles spatiaux, taille et pourcentage des lacs drainés. (a) 1999-2014 et (b) 2017-2018. Couche d'arrière-plan de relief ombré (ombrage) basée sur le jeu de données d'altitude GMTED2010.

4.1.2 Dynamique intra-annuelle du drainage des lacs Modèles temporels

Les lacs analysés présentent divers modèles saisonniers distincts de perte de superficie du lac ou de drainage. La période de débâcle à la fin mai et au début juin 2018 était la période la plus dominante de drainage du lac. Au total, 9 des 10 plus grands lacs (voir le tableau 3) présentent une forte diminution de la superficie du lac avant juillet 2018 et un événement de drainage rapide au début de juillet (Lac ID 101359). Dans la majorité de ces cas ( n = 8 ), la première observation valide de 2018 montrait déjà une baisse significative par rapport à la dernière observation de 2017, ce qui indique un drainage lors de la fonte des neiges et de la débâcle alors que les observations des données étaient encore masquées en raison de la présence de glace et de neige. En juin 2018, les conditions météorologiques étaient favorables à la télédétection optique et des observations pour les lacs constamment libres de glace sont disponibles. À partir de juillet, la superficie des lacs n'a diminué que lentement et progressivement parmi les lacs analysés (LkDrain) sans autres pics de drainage distincts. Un exemple détaillé d'un événement représentatif de drainage d'un lac est présenté à la figure 4.

Lacs avec la plus grande perte de superficie de 1999 à 2014 avec une superficie et un pourcentage de changement net, ainsi que des superficies de lacs de 1999 et 2014 (Nitze et al., 2018b). Pour les ensembles de données complets, voir le tableau supplémentaire S2 et les ensembles de données Lk.

PlanetScope (Planet Team, 2017) série temporelle satellitaire du drainage en cascade des lacs 99492 (nord) et 99522 (sud) (66,45 ∘ N, 164,75 ∘ W) du 29 août 2017 au 18 août 2018 avec annotations des caractéristiques liées au drainage. (a) Lacs avant drainage. (b) La débâcle avec le modèle de drainage initial visible sur le lac nord. (c) Après la débâcle avec un niveau d'eau réduit dans le lac nord. (d) Lac du nord presque complètement asséché avec quelques étangs restants. (e) Drainage partiel du lac sud avec formation visible de delta. (f) Étape finale du drainage du lac avec des étangs asséchés (lac nord) et stabilisation du niveau du lac (lac sud).

En dehors de la dynamique régionale générale, les drainages des lacs individuels ont suivi des modèles variables de vitesse, de durée et de calendrier de drainage. Les modèles de drainage comprenaient une perte soudaine et complète de la superficie du lac (p. ID 99381, 99465, 99532) (voir Supplément).

Des chiffres supplémentaires sont disponibles sur : https://github.com/initze/NW_Alaska_Drainage_Paper/tree/final/figures/lake_drainage/planet_lake_area (dernier accès : 10 novembre 2020).

Le drainage des lacs en début de saison a affecté les plus grands lacs et donc la plus grande superficie. L'animation chronologique des 10 plus grands lacs est accessible par vidéo (voir tableau 2). Le troisième plus grand lac drainé (Lac ID 99230), par exemple, a commencé à se drainer le 2 juin et a perdu la majorité de son eau au cours des 2 semaines suivantes. Pendant les mois d'été, les étangs peu profonds restants se sont davantage asséchés, tandis que seuls quelques étangs apparemment plus profonds sont restés. Les images du printemps 2019 ont montré le développement de la végétation, qui suit le cycle thermokarstique typique des lacs de cette région (lac, drainage du lac, assèchement du fond du lac exposé, émergence de la végétation Jones et al., 2012) (voir le tableau 2 pour la vidéo). Les plus grands lacs drainés suivent une trajectoire similaire de drainage rapide autour de la débâcle et d'un assèchement supplémentaire du bassin lacustre drainé pendant la pointe estivale.

Au total, 9 des 10 plus grands lacs drainés sont des lacs thermokarstiques de deuxième génération qui sont généralement situés dans un complexe de bassins lacustres précédemment drainés. Le deuxième plus grand « lac » est en fait une lagune, qui est probablement influencée par les inondations d'eau de mer. Chacun des lacs avait une fraction importante de son rivage dans l'ancien bassin lacustre drainé. Ceux-ci sont généralement recouverts de toundra humide et reposent sur de la tourbe terrestre recouvrant des sédiments lacustres (Jones et al., 2012). Sur la base de l'interprétation visuelle de l'image, tous les lacs se sont drainés par des voies de drainage précédemment établies, qui sont situées sur un terrain plat de bassin et suggèrent qu'il s'agit probablement de « points faibles » pour un drainage complet.

Au cours de ces événements de drainage, de nouveaux canaux se sont formés ou des canaux existants se sont approfondis. Dans plusieurs cas (Lac ID 99368, 64656, 99492, 102499), de nouveaux canaux de drainage sont évidents sur la base de nouveaux cônes de sédiments qui se sont formés en aval. Dans le cas de plusieurs lacs, le drainage a provoqué une réaction en chaîne, dans laquelle les lacs hydrologiquement connectés, à la fois en amont et en aval du lac initialement drainé, se sont également drainés. En raison de la présence généralisée de ces indicateurs de drainage de surface, la pénétration du talik dans une couche d'eau souterraine peut être exclue pour la zone d'étude.

4.2 Drainage du lac 1999-2014

De 1999 à 2014, nous avons observé 268 lacs de plus de 1 ha qui ont perdu plus de 25 % de leur superficie, entraînant une perte totale de la superficie en eau de 3 245,74 ha au cours de la période observée au sein de ce groupe de lacs. La perte nette de lac de la région d'étude, y compris tous les lacs, était de 3677,43 ha ou 6,0 % de la superficie globale du lac. Les six plus grands lacs drainés représentaient plus de la moitié de la superficie des lacs perdus (50,6 %) et faisaient chacun partie des 33 plus grands lacs (classement de taille 9, 12, 13, 26, 29, 33) de la zone d'étude (tableau 3) . Chacun de ces lacs était apparemment d'origine thermokarstique.

Ces lacs drainés et partiellement drainés se trouvent principalement le long de la zone côtière proche du NSP et autour de l'inlet Shishmaref (voir la figure 3). Dans cette région, les bassins versants des lacs sont répartis uniformément sans grappes distinctes. Le BP et le sud du détroit de Kotzebue ne montrent pas d'activité de drainage majeure au cours de cette période avec seulement trois lacs qui remplissent les critères définis. Les environs du lac Imuruk comptaient quatre lacs drainés.

L'analyse des lacs asséchés a révélé une période de drainage des lacs étendu avec jusqu'à 21 événements confirmés par an de 2002 à 2007 et 2009 (voir le supplément Fig. S2). Le nombre de lacs drainés détectés en 2005 était exceptionnellement élevé avec 56, mais la majorité ( n = 33 ) n'avait pas suffisamment d'observations au cours des années précédentes de 2004 ou même de 2003 pour confirmer la bonne année de drainage. Ce nombre de lacs asséchés est donc associé à un degré élevé d'incertitude. Les années 2003, 2007, 2009 et 2012 comptent également plus de cinq lacs dont la date de drainage est incertaine.

Bien que le nombre de lacs asséchés soit relativement stable au fil du temps, la superficie des lacs asséchés a augmenté en 2006 et 2007 avec 922 ha (incertain : 6,35 ha) et 631 ha (incertain : 15,57 ha) de perte nette de superficie du lac, respectivement. La hausse significative en 2006 a été provoquée par le drainage de très grands lacs, en particulier dans la région du cap Espenberg du NSP. Les années 2003 et 2004 suivent avec une perte de superficie du lac de 323,65 ha (incertain : 41,58 ha) et de 413,06 ha (incertain : 3,91 ha), respectivement. Les chiffres sont prudents et pourraient être encore plus élevés (voir incertitude 2005) en raison de la faible couverture des données au cours de cette période.

4.3 Météo et climat 4.3.1 Observations météorologiques

L'hiver et le printemps 2017/2018 précédents (année d'hiver 2018) ont été les plus chauds, les plus humides et les deuxièmes les plus enneigés jamais enregistrés à cette époque. Comparé à l'ensemble du relevé météorologique, cet hiver a été très exceptionnel (Fig. 5, Tableau 4). Les températures moyennes quotidiennes de l'air ont dépassé les moyennes climatologiques de manière persistante et fréquente avec 127 jours au-dessus de 1 écart type par rapport à la moyenne climatologique, seulement interrompues par une courte vague de froid en janvier 2018 (Fig. 6).Sur plusieurs jours, les températures de l'air ont été proches de 0 C, soit 15 à 20 C au-dessus de la moyenne climatologique. Une chaleur exceptionnelle a duré sans interruption d'octobre 2017 à décembre 2019. L'hiver 2019 a même largement dépassé 2018 en températures jusqu'à l'échec de la mesure de la température le 1er mai 2019. La température moyenne était de 1,11 C supérieure à celle de l'année hivernale précédente du 1er juillet au 30 avril, qui projette à un MAAT de - 0,21 ∘ C. Le cumul des précipitations était plus faible avec 279 mm. Les chutes de neige cumulées étaient de 155 cm.

Diagramme de dispersion de la température moyenne de l'air et des chutes de neige cumulées par année d'hiver (juillet à juin) de 1950 à 2019. L'année d'hiver 2017/2018 est mise en évidence par une croix rouge entourée. Les années extrêmes sont indiquées par un nombre. Les lignes bleues indiquent les moyennes climatiques du MAAT et des chutes de neige cumulées (1981-2010). Les couleurs des points indiquent la décennie. * Température moyenne de l'air de 2019 interpolée sur toute l'année d'hiver en raison de données manquantes du 1er mai au 3 septembre 2019.

Observations agrégées annuellement de la température de l'air moyenne, des précipitations cumulées, des chutes de neige cumulées, des degrés-jours de gel cumulés et des jours de gel par année d'hiver (1er juillet au 30 juin) pour la station climatique Kotzebue, triées par température de l'air moyenne. Les 10 années les plus chaudes et les 5 années les plus froides sont incluses. * Les températures moyennes de l'air pour l'année d'hiver 2019 sont interpolées en raison de mesures de température erronées du 1er mai au 3 septembre 2019. Pour des données complètes (1950-2019), voir le tableau supplémentaire S3.

Au cours de l'année d'hiver 2018, la station météorologique de Kotzebue n'a enregistré que 1905 degrés-jours de congélation cumulés (FDD la somme des degrés quotidiens moyens inférieurs à 0 C) et une température annuelle de l'air de - 1,3 C, qui a dépassé le record précédent de 0,53 ∘ C et 238 FDD. Les 10 années les plus chaudes et les 5 années les plus froides sont présentées dans le tableau 4. La chute de neige accumulée était la deuxième plus élevée jamais enregistrée avec 274 cm et n'a été dépassée qu'en 2005 (305 cm). Les précipitations globales de l'année d'hiver 2018 ont été les plus élevées jamais enregistrées avec 424,5 mm, dépassant les années d'hiver très humides mais beaucoup plus froides de 2013 (402 mm, - 5,41 C) et 1995 (393,7, - 5,92 ∘ C). Les précipitations, principalement sous forme de chutes de neige, ont été particulièrement fortes d'octobre à février, à l'exception de janvier.

Tous les indicateurs mettent en évidence les conditions exceptionnelles de l'hiver 2017/2018 dans l'ouest de l'Alaska. Les données météorologiques de Nome (environ 300 km au sud de Kotzebue) sur le sud du SP indiquent une image similaire de conditions météorologiques extrêmes avec la deuxième année hivernale la plus chaude et la troisième la plus enneigée jamais enregistrée. Les données de réanalyse climatique (GHCNv4) confirment un modèle régional plus large de conditions exceptionnellement chaudes dans le détroit de Béring (voir le supplément Fig. S2).

4.3.2 Projections des modèles climatiques

L'ensemble de modèles climatiques UAF SNAP prévoit systématiquement une augmentation de la température et des précipitations pour l'ouest de l'Alaska avec un plateau après environ 2070 pour le RCP4.5 et une augmentation continue pour les scénarios restants au 21e siècle. Ils prédisent une augmentation d'un MAAT régional de - 0,39 ± 0,38 C (RCP4.5), + 0,44 ± 0,37 C (RCP6.0) et + 3,00 ± 0,38 C (RCP8.5) au cours des années 2090, ce qui marque une augmentation de 3,7 à 6,6 ∘ C par rapport à la période de 2010 à 2019 (Supplément Fig. S3). La MAP devrait augmenter d'environ 12 % (RCP4.5), 20 % (RCP6.0) et 32 ​​% (RCP8.5) en moyenne.

L'épaisseur maximale modélisée de la glace de lac pour l'hiver 2018 était de 1,14 (100 % de neige) à 1,32 m (pas de neige). Elle était inférieure à la moyenne par rapport à 1981-2017 (1,31 m ± 0,14 m pour 100 % de neige 1,68 m ± 0,12 m pour pas de neige) mais plus épaisse que le minimum absolu de 0,99 m (100 % de neige) en 2014. Épaisseur de la glace de lac de 2018 était principalement déterminée par la croissance de la glace supérieure (formation de neige-glace), qui dépend fortement de la masse de neige à la surface de la glace. La formation de neige-glace est bien corrélée avec les années de fortes chutes de neige telles que 2005 ou 2011. La croissance de la glace de fond (congélation) de 2018 a atteint un nouveau niveau extrêmement bas à seulement 0,32 m (100 % de neige) à 1,32 m (pas de neige) (voir Fig. 7). Cela se compare à 0,87 m ± 0,23 m (100 % de neige) et 1,68 m ± 0,12 m (pas de neige) de 1981 à 2017. La faible croissance de la glace au fond indique une activité de gel fortement décroissante (flux de chaleur négatif) dans le lac et potentiellement dans le sol du terrain environnant. La combinaison exceptionnelle de températures élevées et de fortes chutes de neige, telle qu'elle a été observée au cours de la saison des glaces 2017-2018, sont les facteurs les plus importants de ces tendances.

Aperçu des conditions météorologiques hivernales à la station climatique de Kotzebue du 1er juillet 2017 au 30 juin 2018. (a) Températures observées (en C) avec anomalies (rouge : plus chaud, bleu : plus froid) à partir des moyennes climatologiques (1981-2010). Les nuances de couleur foncée indiquent un écart de > 1 écart-type par rapport à la moyenne. Les températures enregistrées pour des jours particuliers sont marquées d'un « x ». (b) Précipitations quotidiennes et chutes de neige cumulées.

Croissance cumulée de la glace supérieure et inférieure simulée par année hivernale pour un scénario de neige à 100 % (en cm). Année d'hiver 2017/2018 surlignée en rouge.

4.5 Analyse de l'importance des caractéristiques de la forêt aléatoire des variables météorologiques annuelles

L'analyse de l'importance des caractéristiques basée sur une régression d'apprentissage automatique de la forêt aléatoire et des variables météorologiques annuelles a révélé que le nombre de jours de gel est le meilleur prédicteur de la superficie du lac asséché. Il a donné une importance caractéristique (FI) de 29,7 %. Les degrés-jours de congélation cumulés, les températures annuelles d'hiver et les précipitations cumulées ont un impact similaire avec un IF de 21,8 %, 19,5 % et 18,8 %, respectivement. Les chutes de neige cumulées ont donné un score FI de 10,3 %. Les performances du modèle sur les données d'entraînement étaient très bonnes avec un R 2 de 0,85. Cependant, le pouvoir prédictif du modèle sur des données invisibles était faible avec un R 2 de - 0,18. La prédiction du modèle des événements de drainage extrêmes (2006, 2018) était particulièrement médiocre avec la validation indépendante.

5 Discussion 5.1 Le drainage des lacs dans l'ouest de l'Alaska dans un contexte historique

Le drainage massif de nombreux lacs au début de l'été 2018 dans l'ouest de l'Alaska était un événement extrême qui éclipse les précédents événements de drainage des lacs dans cette région depuis la disponibilité des données de télédétection. Bien que la zone d'étude ait connu un drainage étendu des lacs au milieu des années 2000 (Jones et al., 2011, Nitze et al., 2018a Swanson, 2019), l'année 2018 a dépassé les taux annuels moyens de drainage des lacs de 1999 à 2014 d'un facteur de 7,5. en superficie et 10,9 en nombre de lacs, indiquant clairement une réponse du système aux conditions météorologiques extrêmes. Le récent drainage des lacs en 2018 a même doublé l'année record précédente de 2006 en superficie drainée et 10 fois le nombre de lacs drainés. De 1950 à 2006/2007, les taux de drainage et d'expansion des lacs sur le NSP étaient assez stables. La forte influence des grands lacs sur les taux de drainage en 2018 a confirmé les conclusions précédentes (Jones et al., 2011). Une étude récente de Swanson (2019) a identifié le même événement exceptionnel pour les parcs nationaux du nord-ouest de l'Alaska, qui chevauche partiellement notre zone d'étude.

Le niveau élevé de dégradation du pergélisol, apparent d'une grande partie des bassins drainés de plusieurs générations (Jones et al., 2012 Regmi et al., 2012), montre la susceptibilité générale du paysage à la dynamique rapide des lacs thermokarstiques, y compris le drainage, dans la région d'étude. Ce paysage a connu un développement thermokarstique intense au cours des derniers millénaires, avec le début du développement thermokarstique au début de l'Holocène (Wetterich et al., 2012 Farquharson et al., 2016 Lenz et al., 2016).

Les données disponibles sur le drainage historique des lacs sont rares. Par conséquent, une comparaison des taux de drainage récents avec le développement à long terme est difficile en raison d'un manque d'observations cohérentes, en particulier pour la période de pré-télédétection.

Le BP se distingue notamment par une forte augmentation des événements de drainage des lacs en 2018, y compris son plus grand lac, par rapport à la période de 1999 à 2014. Cependant, comme en témoignent les étangs nouvellement formés et en expansion, qui parsèment largement le paysage, L'expansion du lac thermokarstique a prévalu au cours des décennies précédentes, mais a rarement déclenché des événements de drainage. Une étude récente de Jones et al. (2020b) ont constaté une expansion significative des activités de construction de barrages de castors sur la péninsule Baldwin au cours de la période de 2019 à 2019. Les castors influencent fortement les régimes hydrologiques locaux en endiguant les vallées thermo-érosives, les ruisseaux de sortie et les bassins lacustres asséchés, ce qui entraîne un niveau d'eau élevé. augmenter, ainsi que la formation d'étangs et de lacs, et pourraient potentiellement influer sur la dynamique de drainage des lacs.

Sur le SP, le drainage des lacs était concentré sur la région des basses terres côtières, en particulier les basses terres du cap Espenberg, qui ont également été des points chauds des événements de drainage des lacs au cours des dernières décennies. L'emplacement des lacs récemment drainés suit des modèles de forte activité de thermokarst et de drainage des lacs de l'Holocène (Jones et al., 2012 Lenz et al., 2016) dans la même zone. La morphologie de surface très dégradée dans cette région indique des processus thermokarstiques actifs et omniprésents.

Les conditions météorologiques exceptionnelles dans l'ouest de l'Alaska sont probablement la principale cause des importants événements de drainage des lacs de l'été 2018. Des chutes de neige abondantes avec la deuxième chute de neige cumulative la plus élevée jamais enregistrée ont créé une couche d'isolation plus épaisse que d'habitude pour le sol, ce qui a empêché les températures hivernales froides de pénétrer. le sol. Cette situation, combinée à des températures hivernales record, souvent juste en dessous de zéro, a probablement conduit à un bilan énergétique défavorable pour la stabilité du pergélisol près de la surface qui est déjà plutôt chaud dans la région d'étude. La couverture neigeuse et les températures hivernales sont connues pour être des facteurs importants pour les conditions de pergélisol près de la surface (Stieglitz et al., 2003 Ling et Zhang, 2003 Osterkamp, ​​2007). Les abondantes chutes de neige au début de l'hiver en octobre et novembre dans notre zone d'étude ont encore accru l'effet d'isolation de la neige déjà fort (Ling et Zhang, 2003). La combinaison sévère des deux facteurs d'influence négatifs a très probablement limité le regel de la couche active et a ainsi potentiellement causé un développement de talik à l'échelle du paysage entre la couche active et le pergélisol en 2018. Une analyse de régression multiple des conditions météorologiques annuelles des dernières décennies a révélé la importance relativement forte (corrélation négative) des jours de gel sur la superficie du lac drainée. Cependant, cette approche n'a pas été en mesure de prédire avec précision la superficie du lac asséché en utilisant uniquement les conditions météorologiques annuelles. Nous concluons que la variabilité de la superficie des lacs individuels, la morphologie du paysage environnant et les propriétés du pergélisol sont d'autres facteurs d'influence importants.

L'amincissement de la glace de lac pendant la saison de croissance de la glace, également en raison de l'augmentation de la profondeur de la neige et des températures hivernales plus chaudes, a été identifié comme un facteur responsable du passage de la glace de lit à la glace flottante sur les lacs peu profonds dans plusieurs régions et a été lié à la formation de nouveaux taliks sous des lacs qui étaient auparavant recouverts de pergélisol sur le versant nord de l'Alaska (Surdu et al., 2014 Arp et al., 2016 Engram et al., 2018). Les quantités de neige observées dans notre région d'étude et nos résultats de modélisation de la glace de lac indiquent clairement que la glace de lac doit avoir été beaucoup plus mince au cours de l'hiver 2017/2018 par rapport aux années précédentes. En particulier, la croissance de la glace au fond, qui est entraînée par un flux de chaleur négatif, a été affectée par les températures chaudes et la couverture neigeuse. Un effet similaire a probablement affecté la zone terrestre. La glace mince, causée par des températures chaudes et une épaisse couche de neige, améliore la croissance des taliks du lac, et un suintement latéral plus important à la suite d'un ruissellement plus important par la fonte de neige plus épaisse que d'habitude peut avoir déclenché de nombreux événements de drainage par thermo-érosion. De plus, un gel plus tardif à l'automne entraîne une exposition plus longue de la rive et du lit du lac près du rivage à l'eau liquide, ce qui augmente probablement la déstabilisation du pergélisol et la croissance des taliks le long des rives. Des recherches initiales dans la région de Fairbanks dans l'intérieur de l'Alaska, qui présentaient un modèle similaire de conditions météorologiques hivernales douces et riches en neige, suggèrent que sur divers sites, la couche active n'a pas complètement regelé pendant l'hiver 2017/2018 (Farquharson et al., 2019b) . Ce type de formation de talik à l'échelle du paysage modifierait considérablement la dynamique hydrologique dans les basses terres de pergélisol riches en lacs. Un autre facteur, jusqu'à présent rarement pris en compte pour la dynamique des lacs dans les régions de pergélisol, pourrait être un changement dans les agents biologiques. Le récent mouvement des castors de la limite des arbres aux régions de la toundra dans le nord-ouest de l'Alaska peut également contribuer à la dynamique des lacs dans les parties est et sud de la région d'étude, ce qui nécessite une plus grande attention (Tape et al., 2018 Jones et al., 2020b) .

5.4 Séquence temporelle et causes

L'occurrence d'un drainage du lac autour (pendant ou peu de temps après) la débâcle indique un drainage entraîné par le débordement ou la rupture des berges en combinaison avec une thermo-érosion rapide pendant l'écoulement. Les niveaux d'eau élevés dus aux fortes précipitations en automne et en hiver, la fonte rapide d'une neige abondante, combinée à des bords de lacs déstabilisés, et la formation possible de taliks ont très probablement conduit au débordement des berges ou à la rupture des rives du lac et à la thermo-érosion et à l'approfondissement subséquents des canaux de sortie. L'emplacement des lacs dans des bassins lacustres drainés plus anciens a accru la susceptibilité des lacs à l'érosion et au drainage en plus du facteur induit par les conditions météorologiques. Ces bassins sont caractérisés par des substrats tourbeux et à grain fin relativement instables avec des teneurs élevées en glace de sol intra-sédimentaire et des réseaux de coins de glace bien développés.

Dans les conditions météorologiques/climatiques actuelles avec un MAAT d'environ 0,5 C au-dessus de la normale (1981-2010), l'aggradation du pergélisol dans les lits des lacs fraîchement exposés pourrait être ralentie ou même empêchée avec des conséquences pour l'hydrologie du bassin et le cycle biogéochimique. Après le drainage du lac, le lit du lac se recongele généralement et les sols de pergélisol peuvent se régénérer, ce qui emprisonne le carbone stocké dans les sédiments lacustres et la tourbe terrestre (Walter Anthony et al., 2014). Des mesures in situ et des observations continues sont nécessaires pour tester cette hypothèse et déterminer si cela se produit déjà sur le SP et le BP.

5.5 Comparaison spatiale et considérations

L'ouest de l'Alaska a déjà été identifié comme l'une des régions où la dynamique lacustre est la plus intensive à l'échelle décennale (Nitze et al., 2017, 2018a Jones et al., 2011 Swanson, 2019 Jones et al., 2020b). D'autres régions le long de la limite du pergélisol continu dans l'intérieur de l'Alaska (Chen et al., 2014 Roach et al., 2013 Cooley et al., 2019) ou le sud de la péninsule de Yamal ou l'ouest de la Sibérie (Nitze et al., 2018a Smith et al. , 2005) sont également fortement affectées par une forte dynamique lacustre, notamment le drainage lacustre. Le drainage des lacs est un processus courant dans le pergélisol continu des climats plus froids tels que la plaine côtière arctique de l'Alaska (Hinkel et al., 2007 Nitze et al., 2017 Jones et al., 2020a), la péninsule de Tuktoyaktuk (Plug et al., 2008 Olthof et al., 2015), Old Crow Flats (Labrecque et al., 2009 Lantz et Turner, 2015) et les basses terres de la Kolyma (Nitze et al., 2017). Cependant, la dynamique des lacs a tendance à être plus importante dans les régions de pergélisol plus chaudes (Nitze et al., 2018a). Dans ce contexte, l'événement de drainage de l'été 2018 dans notre région d'étude dans l'ouest de l'Alaska a dépassé l'étendue moyenne de la perte de surface lacustre d'un facteur 7,5 et l'année la plus extrême auparavant de 2.

5.6 Discussion sur la qualité des données

L'application de différentes méthodes et capteurs, différentes échelles temporelles et différentes résolutions spatiales (ensembles de données Landsat à long terme vs masques à eau Sentinel-1 vs masques à eau multi-temporels Planet) peut introduire des différences mineures dans le masquage de l'eau et la délimitation de l'eau corps. Dans une distribution à longue queue comme observé ici, le seuil largement utilisé de > 25 % de perte de superficie du lac influence fortement le nombre de lacs drainés. Par exemple, un seuil de > 20 % de perte de superficie des lacs entraîne une augmentation de 192 à 279 lacs asséchés. Cependant, l'influence de la perte totale de la superficie du lac demeure faible.

En raison de la présence de glace de lac, l'algorithme automatisé de suivi des lacs intra-annuel n'a pas détecté les premiers événements de drainage de manière fiable. Cependant, l'intégration de données pluriannuelles dans une analyse profitera grandement au suivi automatisé des lacs. Avec la croissance exponentielle des données disponibles en raison des nouvelles constellations de satellites (Sentinelle-1, Sentinelle-2, Planète), des plates-formes et des techniques de traitement, des ensembles de données sur l'étendue des lacs plus fiables, mieux comparables et spatialement plus étendus deviendront probablement disponibles dans un proche avenir.

Les conditions météorologiques extrêmes de l'hiver 2018 dans l'ouest de l'Alaska ont été causées par une couverture de glace de mer massivement réduite dans les mers de Béring et des Tchouktches, ce qui a entraîné des conditions météorologiques beaucoup plus chaudes et humides que d'habitude, ce qui a pu provoquer un regroupement spatial et temporel sans précédent du drainage des lacs. événements dans notre région d'étude. Comme les modèles climatiques prédisent tous une augmentation significative de la température annuelle moyenne de l'air et des précipitations pour le nord et l'ouest de l'Alaska, la dynamique spectaculaire des lacs décrite ici donne un premier aperçu des changements potentiellement massifs de l'hydrologie, du pergélisol et de la topographie à prévoir dans un Arctique plus chaud. dans des paysages de pergélisol tout aussi riches en glace. Avec un MAAT autour de 0 C, les années 2017 à 2019 correspondaient déjà au MAAT projeté pour cette région en ∼ 2060 (RCP8.5) au-delà de 2100 (RCP4.5) et aux projections de précipitations pour ∼ 2080 (RCP8.5). Cette inadéquation indique que les paysages de pergélisol locaux à régionaux peuvent subir des impacts beaucoup plus graves et plus précoces dans un Arctique en réchauffement que ce que les modèles climatiques sont capables de prédire à petite échelle. La dégradation du pergélisol dans le nord du Canada montre que des changements drastiques dans le système climatique de l'Arctique peuvent entraîner des processus qui devaient se produire plusieurs décennies plus tard (Farquharson et al., 2019a).

Les événements récents montrent potentiellement le sort des paysages riches en lacs dans le pergélisol continu le long de ses marges sud actuelles, où la dégradation du pergélisol près de la surface s'accélère et le pergélisol deviendra discontinu au cours des prochaines décennies. La plaine côtière plus froide et moins dynamique et riche en lacs du nord de l'Alaska pourrait devenir plus dynamique. Les zones climatiques actuelles se déplaceront davantage vers le nord au cours du 21e siècle. Les températures devraient approcher rapidement de 0 C au début du siècle prochain (MAAT 2090-2099 - 2,6 C) sur la plaine côtière du sud de l'Arctique dans un scénario climatique RCP8.5.

Les péninsules nord de Seward et Baldwin, riches en lacs, dans le nord-ouest de l'Alaska, ont été touchées par un drainage lacustre sans précédent en 2018, qui a éclipsé les changements précédents des lacs dans ce paysage de pergélisol historiquement dynamique. Comme les températures annuelles moyennes de l'air ont atteint des valeurs proches de 0 C en combinaison avec des précipitations exceptionnelles ces dernières années, le pergélisol près de la surface est probablement déjà dans une phase de dégradation et de déstabilisation autour des bords du lac. Ces conditions météorologiques correspondaient aux projections moyennes des modèles pour les années 2060 (RCP8.5) à 2100 (RCP4.5), suggérant qu'à ces échelles locales à régionales, nos capacités de prévision climatique ne sont pas suffisantes pour projeter toutes les conséquences des scénarios de réchauffement. Ces conditions météorologiques extrêmes, combinées à la disponibilité rapide d'un excès d'eau de surface, ont probablement causé le drainage rapide de près de 200 lacs pendant ou peu après la débâcle en 2018.Les événements de drainage comprenaient certains des plus grands lacs de la région qui ont probablement persisté pendant plusieurs millénaires. Dans un climat qui se réchauffe et se mouille rapidement, en conjonction avec la perte continue de glace de mer dans le détroit de Béring, nous nous attendons à une nouvelle intensification de la dégradation du pergélisol, à un remodelage du paysage, à une transition d'un pergélisol continu à discontinu et à des changements importants dans l'hydrologie et l'écologie. L'impact sur les caractéristiques de l'habitat et du paysage sera drastique dans ces régions autrefois riches en lacs. Les processus récents observés dans le nord-ouest de l'Alaska seront potentiellement un précédent pour la dynamique des lacs des paysages de pergélisol riche en lacs se réchauffant rapidement, approchant le seuil MAAT de 0 C.


Introduction

Pour presque toutes les guildes de pollinisateurs, des espèces portant des appendices de collecte de récompenses extrêmement longs ont évolué. Il s'agit notamment d'une mouche [1,2] et d'un sphinx [3-5] avec les proboscides les plus longs, une abeille avec les plus longues pattes collectrices d'huile [6,7], une chauve-souris avec la langue la plus longue [8] et l'épée -le colibri à bec (Ensifera ensifera Bois.), qui porte de loin le bec le plus long parmi les oiseaux pollinisateurs [9]. Les appendices de ces animaux présentent une complémentarité avec les longues fleurs des plantes qu'ils pollinisent. Ces partenariats de pollinisation représentent certains des exemples les plus remarquables de coévolution et leur étude s'est avérée révélatrice dès le tout début de la pensée évolutionniste. Darwin [10] s'est inspiré de la relation entre l'orchidée étoilée malgache extrêmement longue et un sphinx à longue langue (dont l'existence était alors prédite) pour émettre l'hypothèse que les proboscides et les fleurs extrêmement longs résultaient d'une escalade coévolutive. Il a postulé que le mécanisme sous-jacent était la sélection naturelle réciproque entraînée par les avantages de la fitness des papillons portant les proboscides les plus longs et des plantes portant les fleurs les plus longues. L'adaptation réciproque des espèces en interaction façonnerait ainsi l'appariement des traits dans des gammes de tailles extrêmes [11]. Ce n'est que récemment que la sélection phénotypique réciproque postulée par l'hypothèse de Darwin a été pleinement démontrée sur le terrain pour une mouche à longue langue et des espèces de lys à longues fleurs [2].

Ces relations entre mutualistes vivant librement ne consistent souvent pas en des interactions par paires, mais plutôt en des espèces qui interagissent localement avec une guilde de plusieurs espèces partenaires. Par conséquent, le processus de coévolution chez les mutualistes libres favorise la formation de réseaux mutualistes par le biais de la complémentarité et de la convergence coévolutionnaires [12-14]. Plusieurs études ont montré que ces réseaux sont géographiquement structurés et que les liens entre les espèces dans un réseau d'interaction local sont façonnés par la composition biotique de la communauté (e.g., [15,16]). La structure des réseaux d'interactions changeant géographiquement a le potentiel de créer des mosaïques de sélection multispécifiques composées de communautés où la sélection est réciproque (« points chauds coévolutifs ») et d'autres où la sélection est unilatérale ou absente (« points froids coévolutifs »). D'une part, la mosaïque de sélection devrait produire des réseaux plantes-pollinisateurs présentant une forte dépendance entre les partenaires d'interaction, une coévolution et une complémentarité entre les traits de récompense et la longueur des fleurs. D'autre part, il peut y avoir des communautés dans lesquelles la dépendance est faible, la sélection réciproque est absente et la complémentarité des traits est faible. Ce dernier pourrait se produire, par exemple, sur des sites où l'aire de répartition de la guilde végétale dépasse celle des pollinisateurs [17].

À notre connaissance, l'effet de l'escalade coévolutive s'est concentré sur les antagonistes libres, plutôt que sur les mutualistes libres, en tant que processus coévolutif concourant à la complémentarité et à la convergence. Dans les interactions antagonistes, l'escalade coévolutive devrait éloigner les espèces des réseaux d'interaction, favorisant une spécialisation écologique plus élevée et éventuellement une coévolution par paires [13,18]. Au contraire, les mutualismes devraient favoriser l'incorporation de nouvelles espèces dans des vortex coévolutifs, créant des réseaux coévolutifs multispécifiques [13,18]. La sélection unilatérale est probablement un processus important par lequel de nouvelles espèces sont attirées dans un réseau mutualiste existant, mais une sélection réciproque accrue au sein de l'ensemble de base des mutualistes entraîne vraisemblablement l'évolution des traits longs. Par conséquent, nous devrions nous attendre à des points chauds de coévolution où plusieurs espèces végétales entraînent conjointement une sélection réciproque sur leur partenaire mutualiste.


Discussion

Nos données de suivi nous ont permis de comparer l'activité de recherche de nourriture, l'effort de recherche de nourriture et la sélection de l'habitat entre les deux formes dans notre population d'étude d'éperviers noirs. Bien que la taille de notre échantillon soit petite, avec seulement 3 oiseaux de chaque morphe suivis, nos résultats ont soutenu l'hypothèse selon laquelle les deux morphes sont adaptés pour se nourrir dans différents environnements lumineux. Nous avons trouvé un support pour nos deux prédictions, les morphes sombres affichaient une activité et un effort de recherche de nourriture plus importants dans des conditions de faible luminosité et montraient un degré de sélection plus élevé pour les habitats clos avec une plus grande couverture végétale. En revanche, les morphes blancs n'ont montré aucune relation significative dans leur activité et leur effort de recherche de nourriture par rapport aux conditions de lumière, mais ils ont montré une sélection plus faible pour les types d'habitats plus fermés que les morphes sombres. Le fait que nous ayons trouvé un support pour ces prédictions avec notre taille d'échantillon relativement petite suggère que la nature de ces relations est omniprésente parmi les individus des deux morphes. Cependant, étant donné que la taille des échantillons était petite, nous ne pouvons bien sûr pas complètement exclure l'idée que ces résultats soient simplement le fruit du hasard, les trois oiseaux noirs affichant cette relation avec des niveaux de lumière qui étaient dus à leur nature inhérente plutôt qu'à leur couleur de morphe, ou en raison de différentes fenêtres d'échantillonnage et périodes de collecte. Seul un plus grand échantillon d'oiseaux pourrait le démontrer plus efficacement. Notre analyse ajustée utilisant des correctifs sous-échantillonnés aléatoirement de nos oiseaux noirs pour avoir un nombre de correctifs similaire à celui des oiseaux blancs a produit des résultats presque identiques, ce qui suggère que des tailles d'échantillon différentes entre les morphes ne sont probablement pas le principal moteur des résultats.

Dans cette étude, nos hypothèses sont que les morphes investiraient le plus de temps dans les activités de recherche de nourriture pendant les conditions de lumière ou dans les habitats, ce qui maximiserait leur succès de recherche de nourriture, comme on pourrait s'y attendre dans la théorie de la recherche de nourriture optimale 30 . Nos résultats sont généralement cohérents avec les conclusions de la Tate et al. (2016), qui ont constaté que les taux d'approvisionnement des proies dans les nids étaient associés aux niveaux de lumière différemment entre les morphes de la même population étudiée. Ces résultats, des taux d'approvisionnement aux nids, sont peu susceptibles d'avoir été confondus par des tailles de proies différentes pour deux raisons i) car dans notre zone d'étude >80% des proies se composent de 4 espèces de colombes de taille similaire (Streptopelia semitorquata, Columba livia, Columba guinea, Streptopelia capicola) 31 et ii) nous n'avons trouvé aucune différence significative dans la composition du régime alimentaire entre les morphes 24 . Ainsi, d'après nos résultats, il semble que les formes sombres s'éloignent plus souvent du site de nidification et chassent avec plus d'effort dans des conditions de lumière où elles peuvent bénéficier d'une meilleure crypsie. Au fur et à mesure que les niveaux de lumière augmentent, la recherche de nourriture devient probablement moins rentable pour cette morph et donc ils deviennent moins actifs et parcourent ainsi de plus petites distances lors de ces voyages. Les résultats de cette étude, en combinaison avec ceux de la Tate et al. (2016), peuvent fournir de plus amples informations sur la façon dont les niveaux de lumière peuvent influencer le succès de recherche de nourriture des deux morphes. Par exemple, les morphes blanches semblent consacrer la même quantité d'effort à la recherche de nourriture indépendamment des niveaux de lumière, mais elles fournissent plus de proies dans des conditions plus lumineuses 24 . L'explication la plus probable à cela est que cette forme a des taux de capture plus élevés dans des conditions plus lumineuses, probablement en raison de leur crypsis amélioré 24. Cependant, en revanche, les résultats ne corroborent pas nécessairement les conclusions de Tate et al. (2016) pour les formes sombres. Pour les formes sombres, l'effort de recherche de nourriture et les taux d'approvisionnement étaient influencés de manière similaire par les conditions de lumière, les deux mesures augmentant d'environ 50 % sur le spectre lumineux. Ce résultat suggère donc que le taux de capture des proies pour les formes sombres ne varie pas en fonction des niveaux de lumière (voir. morphes blanches), comme on le soupçonnait auparavant, mais plutôt qu'elle est proportionnelle au temps passé à chasser. Malheureusement, il est très difficile de mesurer directement le succès de la chasse. Cependant, avec la nouvelle utilisation d'accéléromètres dans les balises, cela pourrait bientôt être possible et pourrait être utilement appliqué pour comprendre les relations entre la chasse et les niveaux de lumière dans ces différentes morphologies 32 .

Dans notre analyse, nous avons constaté que les conditions d'éclairage dans la zone d'étude étaient le prédicteur le plus important de l'activité et de l'effort de recherche de nourriture, ce qui a des implications importantes pour comprendre comment le polymorphisme est maintenu dans notre système d'étude. L'intensité lumineuse ambiante dans un environnement au cours de la journée, entre les habitats ou dans différentes conditions météorologiques (c'est-à-dire la couverture nuageuse) peut varier considérablement 4, 21, 33 et est susceptible d'être un puissant agent sélectif 18, 34 . Dans de nombreux systèmes prédateurs-proies, les individus peuvent donc acquérir une meilleure crypsie et ainsi bénéficier d'avantages sélectifs tels qu'un succès de chasse accru, dans certaines conditions de lumière ambiante 18 .

La correspondance d'arrière-plan est fortement améliorée par la quantité de lumière ambiante dans un environnement 2, 21, les couleurs plus sombres étant plus difficiles à détecter visuellement dans des conditions de faible luminosité 8 et les couleurs plus claires sont plus cryptiques dans des conditions plus lumineuses 9, 21. La lumière ambiante est significativement différente entre les habitats ouverts et fermés, avec l'ombrage de la végétation réduisant fortement les niveaux de lumière 21 (c'est-à-dire de l'ordre de 300 milliards de fois Martin 1990). Ainsi, l'interaction de la couleur d'arrière-plan, associée à l'état de la lumière, peut avoir une influence substantielle sur la détectabilité ou le niveau de crypsis d'un individu (voir matériel supplémentaire Fig. 4). La correspondance de l'arrière-plan avec l'habitat environnant et les conditions d'éclairage sous le couvert végétal peuvent donc représenter un facteur important dans le maintien des morphes de couleur dans les systèmes prédateurs-proies, et peut expliquer pourquoi le polymorphisme est plus fréquent chez les espèces vivant dans des habitats ouverts et fermés 18 et dans des environnements ou des arrière-plans spatialement variables 4, 34 .

Plusieurs études ont documenté la sélection différentielle de l'habitat entre les formes, souvent au sein de la même population 35 . Cette préférence en matière d'habitat a souvent été liée aux avantages de la recherche de nourriture accumulés pour différents types de morphologie dans certains habitats 36 . Par exemple, chez la buse à queue rousse (Buteo jamaicensis), on a observé que les oiseaux de forme claire occupaient plus de sites de perche ouverts lors de la chasse, par rapport aux formes sombres 22 . Rohwer (1990) a découvert que les deux morphes du héron de récif du Pacifique (Egretta sacra) utilisaient différentes techniques de chasse et différents types d'habitats au sein d'une même localité, les formes sombres se nourrissant presque exclusivement sous une couverture végétale dense, tandis que les formes claires se nourrissaient plus souvent dans des habitats plus clairs et ouverts. Une étude sur la chouette hulotte (Strix aluco). Les préférences d'habitat de morphe observées dans notre étude soutiennent également une association adaptative morph-habitat. Nos résultats renforcent encore les conclusions d'autres études 36, 37 et soutiennent l'idée que les morphes d'épervier noir se nourrissent dans des conditions et dans des habitats (liés aux conditions d'éclairage dans un habitat spécifique), qui sont susceptibles d'améliorer leur crypsis de leurs proies aviaires. .

De nombreuses études ont montré que la coloration corporelle peut être associée à des facteurs environnementaux qui ne sont pas liés à la crypsie, à la chasse ou à la prédation. Ceux-ci incluent des effets physiologiques corrélés qui peuvent conduire à des avantages géographiquement liés de différentes morphes, tels que la thermorégulation 4 , un équilibre thermique ou hydrique optimal, ou une protection améliorée contre les rayons UV et l'abrasion des plumes 38 . Par exemple, chez certains reptiles polymorphes, la couleur du corps dorsal s'est avérée fortement corrélée avec l'environnement thermique, servant ainsi un objectif de thermorégulation 39 . Dans le bananquit (Coereba flaveola), les formes sombres se sont avérées préférer les habitats ombragés et plus humides aux formes jaunes plus vives en l'absence de prédation et n'ont donc aucune utilité pour une crypsie améliorée 35 . Par conséquent, l'activité et le comportement de certaines espèces peuvent ne pas être dus à un succès de capture variable ou à une crypsie dans des conditions de luminosité variables, mais plutôt liés à des différences comportementales intrinsèques entre les morphes dans leurs stratégies d'adaptation dans des conditions de luminosité variables.

Bien que ces corrélats physiologiques soient, en théorie, des explications crédibles de la présence de formes dans certains environnements, nos résultats suggèrent fortement que les niveaux de lumière expliquaient mieux la variation de l'activité et de l'effort de recherche de nourriture chez l'épervier noir que d'autres conditions météorologiques ou l'heure de la journée. Nos résultats sont encore renforcés par le fait que les morphes d'éperviers noirs présentent un polymorphisme de plumage ventral, un côté le plus évident pour leurs proies aviaires ci-dessous. Ce modèle de plumage est conforme à l'exemple classique de contre-ombrage proposé par la loi de Thayer 10, 40 et est un modèle commun observé chez les prédateurs de nombreux taxons, en particulier ceux qui attaquent leurs proies par le dessus (voir l'expérience de Götmark (1987) en train de mourir les parties inférieures de noir- goélands à tête, Larus ridibundus). Cela correspond au mode d'attaque des éperviers noirs, qui attaquent principalement via de courts vols d'embuscade lorsque leur oiseau de proie est au sol 29 . La coloration ventrale est donc considérée comme ayant un rôle important dans la diminution de la visibilité des prédateurs par rapport à leur arrière-plan 9, 40, 41 .

Nos résultats offrent également une explication de la dominance numérique des formes sombres sur la péninsule du Cap, où >75% des oiseaux sont des formes sombres 25 . L'expansion récente de l'aire de répartition des éperviers noirs a mis l'espèce en contact avec un nouveau régime climatique 27 , en particulier pendant la saison de reproduction hivernale de l'espèce. Dans toute l'Afrique du Sud, la répartition de l'espèce est maintenant caractérisée par deux fenêtres climatiques contrastées, avec des hivers secs dans leur aire de répartition historique au nord et à l'est, et des hivers humides dans la région du Cap occidental récemment colonisée 42 . La péninsule du Cap reçoit des niveaux de précipitations particulièrement élevés en raison de son exposition aux fronts océaniques méridionaux et des effets orographiques de la montagne de la Table 27 . Par conséquent, les conditions d'éclairage locales sont particulièrement faibles pendant la saison de reproduction humide et, dans ces conditions, il a été démontré que les formes sombres ont un avantage potentiel sur les formes blanches via un meilleur succès de recherche de nourriture 24 . Ces conditions de reproduction locales peuvent donc être importantes pour maintenir une proportion plus élevée que prévu de formes sombres dans notre population d'étude d'éperviers noirs. Par exemple, Tate et al. (2016) ont montré que pendant la majeure partie de la période de reproduction hivernale, les niveaux de luminosité sont inférieurs à ceux où les formes blanches et sombres présentent des comportements de recherche de nourriture similaires. Ceci est encore renforcé par les récentes découvertes de 23 , qui ont révélé que le recrutement des poussins dépendait fortement de la morphologie de leur père associée au moment de la reproduction. Des taux de recrutement significativement plus élevés ont été signalés pour les nids avec des mâles à morphe sombre se reproduisant plus tôt dans la saison (lorsque les conditions de luminosité sont généralement plus faibles), tandis que des taux de recrutement plus élevés ont été documentés dans les nids avec des mâles à morphe blanc se reproduisant plus tard dans la saison (lorsque les conditions sont devenues plus lumineuses). .

Il est intéressant de noter que bien que les conditions de reproduction hivernales (c'est-à-dire les conditions de faible luminosité principalement) sur la péninsule semblent favoriser les formes sombres en termes de succès de chasse, cela ne se traduit pas par des avantages globaux pour d'autres traits liés à la condition physique, tels que la survie et les performances de reproduction. En fait, des travaux récents menés sur la même étude de population d'éperviers noirs ont révélé que la survie et la productivité ne diffèrent pas entre les morphes au niveau individuel. -les paires de morphes produisent plus de progéniture (environ un quart de plus) par an que les paires constituées de la même morphe 43 bien qu'une double couvaison ait été enregistrée dans la population d'étude 44 , les éperviers noirs ont tendance à n'avoir qu'une seule couvée par saison. Les auteurs suggèrent que la productivité plus élevée des paires mixtes peut être le résultat de la nature complémentaire des soins fournis par les différentes formes, avec un succès de recherche de nourriture différentiel entre les formes de l'épervier noir dans des conditions de luminosité variables 24 permettant aux paires mixtes d'élargir leur niche de recherche de nourriture ( c'est-à-dire sur l'ensemble du spectre lumineux (conditions de luminosité faible et forte)). Les résultats de cette étude suggèrent également que cela peut également s'étendre, dans une certaine mesure, à différents types d'habitats et plus particulièrement à la couverture végétale. Ainsi, les paires mixtes pourront exploiter une gamme plus large de types d'habitats que les paires similaires. Par la suite, les propriétés émergentes au niveau des paires peuvent jouer un rôle important dans la promotion et le maintien du polymorphisme dans l'espèce.

Dans cette étude, nous avons supposé que lorsque les oiseaux sont en dehors de leurs territoires de nidification principaux, ils recherchent activement de la nourriture, cependant, nous reconnaissons qu'ils peuvent également avoir participé à d'autres activités telles que le comportement territorial, ou éviter de mendier les femelles et les poussins (bien que le l'inclusion de l'effort de recherche de nourriture dans notre analyse distincte devrait expliquer dans une certaine mesure ce biais potentiel). De nombreuses études sur les espèces d'oiseaux polymorphes ont documenté des différences d'agressivité entre les morphes 45 , les morphes mélaniques affichant fréquemment des niveaux d'agression plus élevés et des sensibilités plus faibles au stress, par rapport aux morphes plus légers 13, 45 . Par conséquent, plutôt que de se livrer à des activités de recherche de nourriture, les éperviers noirs à morphe sombre peuvent s'éloigner plus régulièrement de leurs sites de nidification car ils défendent leurs territoires de reproduction de manière plus active et agressive, et semblent donc plus actifs que les morphes blancs. Des copulations de couples supplémentaires (EPC) ont également été observées dans notre population d'étude 42, et il se peut que les morphes sombres passent plus de temps loin de leurs nids activement à rechercher et à obtenir des partenaires supplémentaires par rapport aux morphes blancs, un trait qui a été observé dans d'autres polymorphes. espèces d' oiseaux 46 . Bien que cela puisse expliquer les niveaux globaux d'activité plus élevés observés pour les formes sombres, cela n'explique pas les relations contrastées d'activité par rapport aux niveaux de lumière observés pour les différentes formes de cette étude.

L'étude actuelle représente la première tentative d'explorer si le comportement de recherche de nourriture par différents types de morphes est influencé différemment par les conditions de lumière ambiante. Nos résultats suggèrent que les deux formes de couleur chez l'épervier noir ont une activité de recherche de nourriture et un effort de recherche de nourriture différents dans des conditions de luminosité variables. De plus, nous avons trouvé des différences de morphologie dans l'habitat et la préférence de couverture, probablement liées aux conditions d'éclairage fournies par ces habitats.Cela semble être lié aux conditions dans lesquelles ils ont amélioré leur crypsis et donc un succès de recherche de nourriture optimal 24 . Notre étude suggère qu'un avantage significatif pour la recherche de nourriture dans des conditions locales de lumière et d'habitat peut être important pour maintenir une proportion plus élevée que prévu de formes sombres dans la population d'éperviers noirs de la péninsule du Cap. Comme les conditions de luminosité de reproduction dans toute l'Afrique du Sud sont susceptibles d'être très variables en raison des différents régimes climatiques qui se produisent dans la distribution des éperviers noirs, notre étude fournit d'importantes preuves à l'appui du rôle des niveaux de luminosité de la saison de reproduction dans la structuration spatiale (c'est-à-dire la variation clinale 25 ) des morphes à travers le paysage de l'Afrique du Sud, comme établi par Tate et al. (2016). Fait intéressant, beaucoup Accipiteurs partagent un type de polymorphisme de couleur similaire à celui montré par l'épervier noir. Il serait donc particulièrement intéressant de répéter ces analyses pour d'autres polymorphes Accipiter espèces, pour voir si des relations similaires existent et donc si des généralisations peuvent être tirées à travers le polymorphe Accipiteurs.


3.4 Simulations de glace de lac

Nous avons utilisé le modèle canadien des glaces de lac (CLIMo Duguay et al., 2003) pour analyser l'impact des conditions météorologiques sur la croissance de la glace de lac et le pergélisol. CLIMo est un modèle de glace thermodynamique 1-D qui a été utilisé dans plusieurs études (Ménard et al., 2002 Labrecque et al., 2009 Brown et Duguay, 2011 Surdu et al., 2014 Antonova et al., 2016). La sortie CLIMo comprend tous les composants du bilan énergétique, l'épaisseur de la neige sur la glace, le profil de température à un nombre arbitraire (spécifié) de niveaux dans la glace et/ou la neige (ou la température de l'eau s'il n'y a pas de glace) et l'épaisseur de la glace (glace claire et glace de neige) sur une base quotidienne, ainsi que les dates d'englacement et de débâcle et la glace claire (congelée) de fin de saison, la glace de neige et l'épaisseur totale de la glace. Le résultat du modèle d'un intérêt particulier pour les simulations de glace de lac dans le contexte de cette étude est l'évolution de la croissance de la glace de lac et de l'épaisseur maximale de la glace, car ils sont des indicateurs utiles de l'intensité du gel et de l'influence des conditions météorologiques sur la stabilité potentielle du sol. L'épaisseur de la glace de neige et celle des couches de glace de congélation (appelées ci-après respectivement « croissance supérieure » ​​et « croissance inférieure ») ont également été analysées pour tenir compte des effets de la masse de neige et de l'isolation de la neige.

Le modèle de glace de lac est forcé avec cinq variables météorologiques consistant en la température moyenne quotidienne de l'air près de la surface, l'humidité relative, la vitesse du vent, la couverture nuageuse et les chutes de neige (ou l'épaisseur de neige d'un site terrestre à proximité lorsque disponible). Quatre des cinq variables météorologiques (toutes sauf les chutes de neige) ont été prises directement ou dérivées du produit de réanalyse atmosphérique ERA5 du Centre européen de prévisions météorologiques à moyen terme (ECMWF). Étant donné que ERA5 n'a pas fourni de valeurs de chutes de neige ou d'épaisseur de neige adéquates, nous avons obtenu des données d'épaisseur de neige du Global Historical Climate Network Daily de la NOAA (de la station météorologique la plus proche à l'aéroport Kotzebue Ralph Wien Memorial) pour les simulations de modèles.

Nous avons effectué des simulations sur une période de près de 40 ans (1980-2018) et avec la spécification d'une profondeur de couche mixte de 2 m. La longueur de l'enregistrement a été choisie en fonction de la disponibilité des données ERA5 et pour pouvoir placer la sortie du modèle de glace de lac pour l'hiver 2018 dans un contexte historique plus large. Enfin, afin de tenir compte de la redistribution de la neige sur les surfaces glaciaires des lacs, qui est un processus bien documenté dans plusieurs études (p. ex., Duguay et al., 2003 Sturm et Liston, 2003 Brown et Duguay, 2011 Kheyrollah Pour et al., 2012), nous avons exécuté le modèle avec deux ensembles de scénarios d'épaisseur de neige : l'un avec un enneigement total (100 % de la quantité mesurée à la station météorologique de Kotzebue) et l'autre sans enneigement (0 % de neige, c'est-à-dire sans neige surface de la glace) pour saisir l'éventail des conditions de neige que l'on s'attendrait à observer sur le terrain.


Vers une évaluation objective de la persistance des Lolium perenne des pelouses à l'aide d'images UAV

Ray-grass vivace (Lolium perenne) est une culture pérenne utilisée dans les régions tempérées comme fourrage. Dans L. perenne programmes de sélection, la persistance est un trait important. Une faible persistance entraîne une dégradation de l'herbe et des pertes de rendement et de valeur nutritive associées. Les sélectionneurs évaluent la persistance des accessions à l'aide d'une notation visuelle dans les parcelles de terrain pendant la 2e ou la 3e saison de croissance. Ce système d'évaluation est simple et bon marché mais n'est pas exempt de préjugés humains. Dans cette étude, la corrélation entre les scores effectués par différents éleveurs n'était que de 0,243. Comme alternative, nous avons développé une méthodologie pour évaluer la persistance des L. perenne matériel de reproduction basé sur les indices de végétation (IV) dérivés de l'imagerie des véhicules aériens sans pilote (UAV). Les VIs Excess green (ExG2), l'indice Green Leaf et l'intensité verte normalisée (GCC) se sont avérés fournir des résultats cohérents pour les vols effectués dans différentes conditions de luminosité et ont été validés par des informations de référence au sol. La corrélation entre les VIs et le pourcentage de couverture végétale extraite de l'imagerie au sol a été 0.885. Pour tester la mise en œuvre de la méthode, nous avons comparé l'approche de sélection basée sur la valeur ExG2 avec une méthodologie de sélection basée sur le score visuel appliquée par deux éleveurs. Les décisions d'élevage de l'éleveur A concordaient bien avec les décisions basées sur les valeurs ExG2 (74,6 %), mais celles de l'éleveur B affichaient une concordance plus faible (54,0 %). En revanche, l'accord entre les décisions basées sur différents vols était très élevé (91,6%). La méthodologie a été validée pour une applicabilité générale. En résumé, les résultats démontrent que baser la sélection de la persistance sur L. perenne les programmes de sélection sur les valeurs ExG2 à partir de l'imagerie UAV sont susceptibles d'être plus objectifs par rapport à la méthode de notation visuelle actuellement utilisée.

Ceci est un aperçu du contenu de l'abonnement, accessible via votre institution.


ACCESSIBILITÉ DES DONNÉES

Les prévisions spatiales des 31 types de végétation peuvent être téléchargées à partir de la base de données DRYAD sous forme de fichiers raster à l'adresse https://doi.org/10.5061/dryad.nk3b5k8. Les scripts de code R sont disponibles via un référentiel de fichiers public avec contrôle de version, GitHub, https://github.com/geco-nhm/DM_VT_Norway. D'autres données spatiales (variables prédictives) produites dans ce travail sont disponibles sur demande auprès des auteurs. En raison des restrictions liées à la propriété des données originales de l'enquête aréolaire (AR18X18), ces données ne sont pas librement disponibles auprès des auteurs.

Annexe S1 Liste des 57 types de végétation ou classes d'occupation du sol avec nombre de points de présence

Annexe S2 Types de végétation ou classes de couverture terrestre qui ont été exclus de cette étude

Annexe S3 Types de végétation qui ont été fusionnés dans cette étude

Annexe S4 Données utilisées pour entraîner et évaluer les modèles

Annexe S5 Liste des 116 variables explicatives utilisées pour la sélection des variables

Annexe S6 Test de corrélation de Kendall de toutes les variables explicatives

Annexe S7 Modèle final choisi par la procédure de sélection automatique en aval

Annexe S8 Prédictions spatiales des 31 types de végétation pour la Norvège

Remarque : L'éditeur n'est pas responsable du contenu ou de la fonctionnalité des informations fournies par les auteurs. Toute question (autre que le contenu manquant) doit être adressée à l'auteur correspondant à l'article.


6. Conclusions

Dans cette étude, nous avons intégré les données de forage géologiques et géochimiques qualitatives obtenues à partir de 113 forages situés sur un gisement de Cu porphyre au sud-est de l'Iran au sein de l'arc magmatique Urmia-Dokhtar, en créant un modèle de prospectivité minérale basé sur des poids de preuve 3D. Les modèles probants d'entrée pour le processus de modélisation comprennent des données de lithologie, d'altération et d'origine des roches en plus des modèles géochimiques, y compris les valeurs de concentration en Fe, Mo et Zn. Sur la base du contraste maximum studentisé, nous déterminons les seuils de création de modèles binaires à partir des modèles géochimiques continus qui sont créés en interpolant les valeurs de concentration à l'aide d'une méthode de distance inverse anisotrope. Les seuils sélectionnés ne sont pas nécessairement égaux ou proches de la teneur de coupure de l'élément trace, mais aident à séparer les voxels qui sont fortement corrélés avec la minéralisation en Cu.
Les modèles finaux incluent la probabilité postérieure, la variance totale qui projette l'incertitude et la probabilité postérieure studentisée. Les voxels anormaux dans les modèles de probabilité sont déterminés à l'aide des modèles fractals C-V en trouvant le seuil approprié pour séparer la population d'anomalies de l'arrière-plan. Le modèle de probabilité a posteriori montre de meilleurs résultats sur la base des tracés P-A, bien que le modèle de probabilité a posteriori studentisé soit plus fiable en raison de la plus faible incertitude. Les résultats montrent l'efficacité de notre méthode dans la construction de différents modèles géométriques d'un gisement spécifique dissimulé en profondeur, déterminant les facteurs clés qui contrôlent la minéralisation dans l'espace de modélisation, identifiant la minéralisation potentielle et améliorant la perception de la genèse du minerai.
La modélisation de la prospectivité minérale basée sur les poids de la preuve est fortement dépendante du modèle considéré comme le gisement cible. À l'avenir, nous visons à utiliser des méthodes géostatistiques pour créer un modèle plus fiable à considérer comme le gisement cible, car nous serions en mesure de fournir un modèle d'incertitude à côté du modèle produit par le processus d'interpolation. De plus, nous pouvons réduire l'incertitude dans notre modèle de probabilité a posteriori en ajoutant d'autres données d'exploration telles que des modèles géochimiques et géophysiques et en créant davantage de modèles probants d'entrée compatibles avec le modèle métallogénique de la zone d'étude.

Données supplémentaires
Les scripts Python et un fichier supplémentaire contenant les poids de la preuve et d'autres paramètres pour les modèles de preuve sont disponibles sur https://github.com/intelligent-exploration/3D_MPM.


Conclusion

De manière générale, le flux de travail que nous présentons ici peut être utilisé pour explorer quantitativement les relations entre les expositions aux mélanges métalliques et les médiateurs de la réponse biologique dans le placenta et d'autres tissus. La nature multiplexée de ces tests les rend propices à des approches informatiques axées sur les données pour identifier les interactions pertinentes pour la maladie entre les métaux et les voies physiologiques, et constituent une étape cruciale vers l'application du MSI pour découvrir le rôle de l'exposome placentaire dans la programmation fœtale de la vie -trajectoires de santé longues.


REMERCIEMENTS

Nous reconnaissons le soutien financier du projet de recherche scientifique bilatéral « Promotion de la biodiversité et de ses services écosystémiques dans les paysages viticoles autrichiens et sud-africains » financé par le programme de coopération scientifique et technologique de l'OEAD autrichien (subvention ID : ZA 19/2019), le Ministère de l'Éducation, de la Science et de la Recherche (AT), la Fondation nationale sud-africaine pour la recherche (NRF, numéro de subvention 116059) et le Département des sciences et de la technologie de la République d'Afrique du Sud. Les données de terrain autrichiennes ont été collectées dans le cadre du projet BiodivERsA VineDivers (www.vinedivers.eu), qui a été financé par le BiodivERsA/FACCE JPI (appel conjoint 2013-2014) pour des propositions de recherche, avec les bailleurs de fonds nationaux : Austrian Science Fund (numéro de subvention I 2044-B25FWF), l'Agence nationale de la recherche française (ANR), le ministère espagnol de l'Économie et de la Compétitivité (MINECO), l'Agence exécutive roumaine pour le financement de l'enseignement supérieur, de la recherche, du développement et de l'innovation (UEFISCDI) et le ministère fédéral de l'Éducation et Recherche (BMBF/Allemagne). Le financement a été fourni par le DAAD et la Fondation AG Leventis pour la collecte de données sur le terrain en Afrique du Sud. C. Eardley, J. Colville et H. Geertsema ont aidé à l'identification des insectes sud-africains. De plus, nous remercions tous les viticulteurs qui ont accordé l'accès à leurs vignobles commerciaux. Merci à Andreas W.P. Ebmer (Halictidae) et Karl Mazzucco (Hylée espèces) pour l'aide à l'identification des abeilles sauvages de spécimens autrichiens avec des caractéristiques d'identification vagues ou des espèces rares. En outre, nous remercions Naroa Barea Aranzabe pour la mesure de l'ITD et Martin Wittner pour son aide dans la préparation des abeilles sauvages en AT. Enfin, nous tenons à remercier les relecteurs et les éditeurs pour leurs précieuses suggestions afin d'améliorer la qualité de ce travail.


Voir la vidéo: Qgis2 changer couleurs objets qgis et requetes