Suite

Maintenir les temps avec points2one dans QGIS ?

Maintenir les temps avec points2one dans QGIS ?


J'ai un problème qui peut être trivial, mais je ne trouve vraiment pas de solution !

J'ai un fichier csv avec plusieurs points (x,y).

Ces points représentent la position de différents animaux à différents moments, et peuvent donc être réunis en plusieurs pistes (chaque point appartient à une seule piste, mais une piste peut avoir de 2 à plusieurs points). Maintenant, ces points ont clairement aussi un temps, mais si je les joins à l'aide de Points2one, je perds cette information dont j'ai besoin pour calculer la vitesse des animaux.

Existe-t-il un moyen d'avoir une colonne de temps multiple (ou au moins la première-dernière fois) ou de calculer la vitesse d'un animal si j'ai un tel ensemble de données ?


Je pense que vous avez vous-même répondu à votre question : Points2one ne peut pas le faire par défaut. Comme il s'agit d'un plugin Python, vous pouvez facilement l'étendre pour calculer les agrégats souhaités si vous connaissez Python.

Il existe d'autres solutions de contournement qui incluent d'autres plugins et plus d'étapes. Êtes-vous intéressé par ceux-ci?

Cela pourrait également être un bon exercice pour développer un outil de traitement. Encore une fois, êtes-vous intéressé par ce chemin?


Facteurs familiaux et mortalité des moins de cinq ans à Bankass, Mali : résultats d'une enquête transversale

Les zones rurales du Mali portent une charge disproportionnée du taux élevé de mortalité des moins de cinq ans dans le pays. Une série de facteurs liés aux ménages sont associés à une mauvaise santé des moins de cinq ans dans les milieux aux ressources limitées. Cependant, on ne sait pas lesquels influencent le plus le taux de mortalité des moins de cinq ans dans le Mali rural. Nous avons cherché à décrire les facteurs familiaux associés à la mortalité des moins de cinq ans à Bankass, une région reculée du centre du Mali.

Méthodes

Nous avons analysé les données de base d'une enquête auprès des ménages d'un essai mené à Bankass. L'enquête a été menée auprès des ménages entre décembre 2016 et janvier 2017. Les décès d'enfants de moins de cinq ans au cours des cinq années précédant le départ ont été documentés ainsi que des informations détaillées sur les facteurs liés aux ménages et les antécédents de naissance des femmes. Les facteurs associés à la mortalité des moins de cinq ans ont été analysés à l'aide de la régression de Cox.

Résultats

Notre population d'étude comprenait 17 408 enfants de moins de cinq ans de 8322 ménages. Au cours des cinq années précédant le départ, le taux de mortalité des moins de cinq ans était de 152,6 pour 1 000 naissances vivantes (158,8 et 146,0 pour 1 000 naissances vivantes pour les hommes et les femmes, respectivement). Vivre à une plus grande distance d'un centre de santé primaire était associé à une probabilité plus élevée de mortalité des moins de cinq ans pour les deux hommes (rapport de risque ajusté [aHR] 1,53 pour ≥10 km contre < 2 km, intervalle de confiance à 95 % [IC] 1,25-1,88 ) et les femmes (aHR 1,59 pour ≥10 km versus < 2 km, IC à 95 % 1,27–1,99). La mortalité des hommes de moins de cinq ans était en outre associée à un quintile de richesse du ménage inférieur (aHR 1,47 pour les plus pauvres par rapport aux plus riches, IC à 95 % 1,21–1,78), une capacité de lecture inférieure chez les femmes en âge de procréer dans le ménage (aHR 1,73 pour ne sachant pas lire contre sachant lire, IC à 95 % 1,04 à 2,86) et vivant dans un ménage ayant accès à l'électricité (aHR 1,16 pour l'accès versus pas d'accès, IC à 95 % 1,00 à 1,34).

Conclusion

La mortalité U5 est très élevée à Bankass et est associée à une plus grande distance des soins de santé et à plusieurs autres facteurs du ménage qui peuvent se prêter à une intervention ou faciliter le ciblage du programme.


Arrière-plan

Le crocodile de l'Orénoque (Crocodylus intermédiaire) est le plus grand crocodile des Néotropiques [1] et est actuellement classé par l'UICN comme En danger critique d'extinction [2]. Il reste moins de 250 crocodiles adultes dans leur petite aire de répartition très fragmentée qui s'étend du Venezuela à la Colombie [3]. Avec une diminution des conflits armés, de nouvelles données indiquent que les populations de crocodiles ne se rétablissent pas et suggèrent même que des extinctions locales ont pu se produire [4, 5].

L'écologie du crocodile de l'Orénoque est également mal connue, la plupart des études se concentrant sur des individus captifs ou issus de populations concentrées dans quelques localités du Venezuela [6]. Les informations sur l'écologie spatiale sont particulièrement rares et représentées par des données anecdotiques [1], des déplacements à long terme de crocodiles juvéniles [7] ou des informations préliminaires à court terme sur des adultes [8].

Le suivi par télémétrie a été utilisé pour surveiller la survie des crocodiles relâchés [9] et constitue une méthode efficace pour étudier plusieurs caractéristiques de l'écologie spatiale des crocodiliens, telles que le domaine vital, les schémas de déplacement, l'identification des sites de nidification et les schémas d'activité [10,11, 12,13]. Comprendre l'écologie spatiale des espèces réintroduites peut fournir des informations pertinentes pour leur réintroduction réussie [14], par exemple pour déterminer la territorialité ou le degré de chevauchement du domaine vital pour la réintroduction des jaguars [15] ou pour détecter les zones dont les efforts de conservation devraient être implantés dans les réintroductions. population de lynx du Canada [16].

Pour atténuer le risque d'extinction, les actions de conservation en Colombie se sont concentrées sur la reproduction en captivité et la réintroduction de crocodiles élevés en captivité [17]. L'élevage en captivité a commencé dans les années 1970, mais la réintroduction n'a été tentée que récemment [8, 18]. En raison du conflit armé de longue date en Colombie, l'évaluation de l'effet de la réintroduction a été peu pratique, et la seule information sur l'écologie et l'histoire naturelle de l'espèce a été obtenue lors de recensements rapides [19,20,21,22].

Pour comprendre l'écologie spatiale des crocodiles de l'Orénoque réintroduits, nous avons déployé des émetteurs satellites sur des crocodiles de l'Orénoque élevés en captivité et surveillé les mouvements de ces animaux jusqu'à 2 ans.


Zone d'étude

L'étude a été menée dans le comté de Qinghe, région autonome ouïghoure du Xinjiang, Chine (superficie, 15 760 km 2 habitants, 64 300 cheptel, 286 500 2011) et dans le comté de Bulgan, province de Khovd, Mongolie (superficie, 8 105 km 2 habitants, 9 018 cheptel, 154 058 2012), qui ne sont distants que d'environ 100 km. Les deux comprennent des parties des montagnes centrales de l'Altaï et du bassin du désert de Dzungarian (45 ° à 47 ° N, 89 ° à 91 ° E). Dans les centres administratifs des deux comtés, situés dans la zone de transition entre la chaîne de montagnes et le bassin, des températures de l'air annuelles minimales/maximales moyennes à long terme de −34/24 °C pour la Chine (1958 à 2007, Qinghe 46° 40′28 N, 90°22′59 E, 1 253 m) et −32/26 °C pour la Mongolie (1963 à 2014, Bulgan, 46°05′19 N, 91°32′41 E, 1 182 m) ont été enregistrés . Les précipitations moyennes par an s'élèvent à 174 mm (écart type (SD) 50) et 75 mm (SD 34) avec un coefficient de variation de 29 % et 45 %, respectivement. Au cours de la période d'étude (2013 à 2014), la température annuelle de l'air et les précipitations annuelles étaient en moyenne de 3 °C et 162 mm à Qinghe contre 4 °C et 50 mm à Bulgan, respectivement. Contrairement aux conditions plus sèches de la steppe désertique, le climat relativement plus humide de la ceinture alpine était caractérisé par une température annuelle moyenne minimale/maximale de l'air de −33/26 °C en Chine (C) et de −40/23 °C en Chine. Mongolie (M) et une pluviométrie annuelle moyenne de 160 mm (C) et 305 mm (M) à une altitude de 2 121 m (C) et 2 432 m (M), respectivement (Figure 1).

Montant mensuel moyen des précipitations (mm) et température de l'air (°C) des Chinois (une, à 2 121 m d'altitude) et l'estive mongole (b, à une altitude de 2 432 m) dans la ceinture alpine des monts Altay en 2013 et 2014

Au fil des millénaires, les conditions environnementales de la zone d'étude ont façonné un système pastoral que l'on peut qualifier de nomadisme montagnard classique avec transhumance saisonnière entre pâturages dans la steppe désertique (C, de 1 194 à 1 366 m M, de 1 528 à 1 938 m - hiver) montagne steppe (C, de 1 432 à 1 576 m M, de 1 603 à 2 025 m - printemps C, de 1 031 à 1 328 m - automne) plaines inondables de la rivière Bulgan en Mongolie (de 1 133 à 1 161 m - automne) et de la ceinture alpine (C , de 1 981 à 2 943 m M, de 2 392 à 3 097 m - été). Pour faciliter la comparaison entre les années et les pays, la durée de chaque saison a été fixée à trois mois.

En Chine, les pâturages de printemps et d'automne sont caractérisés par la Stipa caucasica et Anabase brevifolia communauté et le Halimodendron halodendron et Convolvolus gortschakovii communauté, respectivement. le Agropyron cristatum communauté la Festuca ovina, Festuca altaica et Phlomis tubéreux communauté et le Juniperus sabina et Larix sibirica communauté prévalent dans l'estive. Tandis que le S. caucasica et A. brevifolia communauté et le Nanophyton erinaceum communauté prédominent dans les pâturages d'hiver. En Mongolie, le Caragana leucophloea communauté prévaut dans l'estive de printemps, l'estive est caractérisée par la A. cristatum communauté et le F. altaica communauté, et le pâturage d'automne par le Salix turanica, Caragana spinosa et Populus laurifolia communauté et le Phragmites australis communauté. le S. caucasica et A. brevifolia communauté domine dans les pâturages d'hiver.

Le pastoralisme transhumant en Chine ainsi que dans la région mongole de l'Altay-Dzungarian se caractérise par la ressemblance avec une séquence cohérente de pâturages saisonniers et des propriétés de sol comparables (Jordan et al. 2015). Outre des paramètres géographiques similaires, la région d'étude chinoise et mongole est également caractérisée par une séquence similaire de pâturages saisonniers, spatialement fixes depuis des générations. Les pâturages de printemps dans les steppes désertiques ou au pied des montagnes sont d'une importance majeure pour la reproduction des troupeaux. En été, les animaux paissent dans les alpages. Aux pâturages d'été, des quantités de précipitations plus élevées et des sols plus riches en carbone organique et en nutriments favorisent des rendements et une qualité d'herbe plus élevés, ce qui est important pour l'engraissement des animaux et pour la production laitière. La baisse des températures en automne oblige les troupeaux à retourner dans les plaines inondables et les steppes désertiques qui jouent un rôle important dans la constitution de réserves corporelles supplémentaires pour l'hiver. Les pâturages d'hiver dans les steppes désertiques présentent des rendements de biomasse relativement faibles, mais leur accessibilité est assurée en raison d'une couverture neigeuse relativement faible. Néanmoins, la fin de l'hiver et le début du printemps sont connus comme des goulots d'étranglement de la nutrition animale.

Même si l'environnement agro-écologique est similaire, le contexte politique est on ne peut plus différent. Dans la région chinoise de l'Altay-Dzungarian, la date de début des mouvements de transhumance vers tout pâturage saisonnier (pâturages utilisés uniquement à une saison précise, c'est-à-dire le printemps, l'été, l'automne et l'hiver), la durée du séjour sur un pâturage, l'emplacement et la taille des les pâturages d'un ménage et le nombre d'animaux par ménage sont définis par le gouvernement local (Squires et al. 2010). Un pâturage (ménage) est toujours la propriété de l'État et dans la région d'étude est normalement une unité de gestion de parcours non clôturée mais clairement délimitée pour le pâturage attribuée à un ménage de berger individuel dans l'ensemble du comté de Qinghe, il n'y avait qu'un seul pâturage d'hiver clôturé pour le bétail. Des représentants du gouvernement local ont suivi les éleveurs tout au long de l'année pour s'assurer de leur conformité aux réglementations mentionnées. Cependant, les dates prescrites des mouvements de transhumance vers les pâturages saisonniers étaient souvent contournées en envoyant en avant le bétail non parqué (en particulier les bovins, les chevaux et les chameaux). En Mongolie, en revanche, le moment du mouvement de transhumance est déterminé par des facteurs sociaux et environnementaux (début des vacances scolaires, conditions météorologiques, rendement de l'herbe et disponibilité de l'eau). Le respect des réglementations sur l'utilisation traditionnelle des parcours et le nombre d'animaux détenus sont en grande partie auto-contrôlés par l'éleveur individuel et un éleveur « majeur » désigné par la communauté et élu par les éleveurs locaux eux-mêmes (Upton 2010).

Dans la région d'étude, la plupart des troupeaux de bétail sont constitués d'ovins et de caprins complétés par des bovins et des chevaux, et parfois par des chameaux ou/et des yaks. Les bovidés des deux côtés de la frontière sont du même type, à savoir les moutons à grosse queue, les chèvres cachemire et les bovins Turano-mongols. Chaque espèce animale paît séparément, à l'exception des moutons et des chèvres. Aucun de ces animaux n'est activement gardé en troupeau, seuls les moutons et les chèvres sont contrôlés sporadiquement pour assurer l'utilisation des pâturages assignés (sur la base des réglementations gouvernementales ou traditionnelles) et pour éviter le mélange des différents troupeaux. En début de soirée, moutons, chèvres et bovins retournent au camp des bergers. Pendant l'hiver, les troupeaux de bétail sont séparés en troupeaux de bovins et autres animaux d'élevage (chèvres, moutons, chevaux et chameaux). Le bétail reste dans les plaines inondables à proximité des villages, où en Chine certains d'entre eux paissent dans un terrain clôturé et reçoivent du fourrage supplémentaire sous forme de foin, tandis que le reste du bétail est déplacé loin dans la plaine désertique.


Résultats

Répartition des foyers de fièvre charbonneuse et des mortalités par zones de conservation

Entre 1999 et 2017, 51 foyers de fièvre charbonneuse ont été enregistrés dans 20 des 60 zones de conservation de la faune sauvage réparties dans sept des huit régions de conservation de la faune sauvage du pays, à l'exception de la région de l'Ouest (tableau 1, figure 1). Parmi ceux-ci, 19 foyers (37 %) ont été signalés dans les aires de conservation de Nairobi et du lac Nakuru, tandis que les 32 autres foyers (63 %) se sont produits dans 18 aires de conservation. Au total, 1014 décès d'animaux sauvages associés aux 51 foyers de fièvre charbonneuse ont été enregistrés, dont 81 % (N = 816) de ces décès survenus dans la zone de conservation du lac Nakuru au cours de six foyers distincts.

Tableau 1. Répartition des foyers de fièvre charbonneuse et des mortalités par zone de conservation, comté et zone agro-écologique

Lorsque nous avons défini la ZEA dominante pour chaque zone de conservation où s'est déclarée une épidémie de fièvre charbonneuse, nous avons constaté que les 51 foyers étaient répartis dans six des sept ZAE, à l'exception de la zone agro-alpine qui n'avait signalé aucun foyer (tableau 1 ).

Répartition des foyers par espèce

Les épidémies d'anthrax ont touché 24 espèces fauniques différentes. Sur les 51 foyers signalés, les buffles (23,5 %), les rhinocéros noirs (21,6 %) et les éléphants (17,6 %) étaient les espèces les plus fréquemment touchées (tableau 2). À l'exception de quelques lions et renards (deux espèces) qui ont été impliqués dans deux foyers, les autres espèces animales impliquées dans les foyers étaient 22 espèces d'herbivores, dont 12 (54,5%) avec des brouteurs, cinq (22,7%) avec des brouteurs et cinq (22,7% ) avec des herbivores mixtes brouteurs et brouteurs (tableau 2) impliquant que les herbivores brouteurs et mixtes brouteurs/navigateurs étaient trois fois plus fréquemment touchés que les brouteurs (77 % vs. 23%).

Tableau 2. Fréquence de l'implication d'espèces sauvages dans les foyers de fièvre charbonneuse et niche alimentaire de l'espèce

Répartition temporelle et saisonnière des foyers

Pour mieux décrire la tendance temporelle des épidémies de fièvre charbonneuse, une moyenne mobile sur trois ans des épidémies de 1999 à 2017 a été considérée (Fig. 2). La distribution temporelle des foyers entre 1999 et 2017 montre une augmentation de la fréquence d'occurrence entre 2005 et 2017 (Fig. 2). Classées par mois d'occurrence, les données montrent que sur 48 foyers avec information, 32 (67%) se sont produits pendant les mois secs, dont 15 (31%) pendant la saison sèche et chaude entre janvier et mars, et 17 (36% ) pendant les mois secs et froids de juin à septembre (Fig. 3). En revanche, 16 (33 %) se sont produites pendant les saisons des pluies dont 11 (23 %) pendant les longues pluies d'avril et mai et cinq (10 %) pendant les courtes pluies d'octobre à décembre (Fig. 3).

Fig. 2. Moyenne mobile sur trois ans des foyers de fièvre charbonneuse dans la faune sauvage kenyane, 1999-2017.

Fig. 3. Répartition mensuelle des foyers de fièvre charbonneuse dans la faune sauvage kenyane entre 1999 et 2017.


2.3. Extraction d'or à grande échelle VS à petite échelle

Comme il est impossible de faire la distinction entre l'exploitation minière industrielle et artisanale à partir des données de télédétection (Rahm et al 2015), nous n'avons pas pu faire une telle distinction. L'utilisation de la taille des parcelles déboisées pour différencier les grands et les petits sites miniers est biaisée car plusieurs petits sites miniers voisins peuvent fusionner avec le temps en une seule grande parcelle déboisée, tandis que le modèle fragmenté de l'extraction de l'or peut représenter un grand site minier comme une succession de petites parcelles déboisées patchs. Une autre façon de faire cette distinction serait de séparer les mines à ciel ouvert, qui caractérisent souvent les opérations minières à grande échelle gérées par des sociétés multinationales, de l'exploitation aurifère alluviale plus associée aux activités artisanales. En utilisant les évaluations précédemment mentionnées des zones impactées par l'exploitation aurifère sur le Bouclier guyanais, nous avons estimé qu'environ 1% seulement des zones impactées par l'exploitation aurifère correspondaient à des mines à ciel ouvert susceptibles d'être associées à des projets multinationaux. Compte tenu de cette rareté, les biais potentiels induits par la contribution des projets des grandes multinationales sont limités selon nous. Ainsi, notre étude de facto se concentre principalement sur l'exploitation aurifère alluviale, souvent qualifiée d'exploitation aurifère à petite échelle même lorsqu'elle couvre plusieurs hectares, que nous avons supposée être opérée par un ensemble homogène d'agents. Une telle généralisation est bien sûr discutable mais préférable dans un contexte peu clair. Même en Guyane française, où le niveau d'application est élevé et la distinction entre activités illégales et licites est claire a priori, l'existence de sites miniers illégaux très proches des permis d'exploitation légaux (Gond et Brognoli 2005) pose la question des interactions potentielles entre les sphères légales et illégales.


Conclusion

Les résultats confirment le potentiel des trois pièges adhésifs testés dans la surveillance passive de l'abondance des moustiques adultes en milieu urbain et de la dynamique saisonnière et dans l'évaluation de l'efficacité des mesures de contrôle. Les résultats fournissent également une indication préliminaire sur l'efficacité des traitements IGR dans les bassins versants effectués pendant toute la Ae. albopictus saison de reproduction en association avec des pulvérisations d'insecticides LV effectuées au début de l'expansion démographique majeure en réduisant l'abondance des adultes. Il est important de rappeler que dans cette étude, les traitements adulticides ont été effectués avant le coucher du soleil, lorsqu'ils sont censés être les plus efficaces, alors que dans la plupart des zones urbaines, pour des raisons de sécurité, les traitements ne peuvent être effectués que pendant la nuit ou très tôt dans la journée. matin [20,21]. Davantage de données sont nécessaires pour : a) confirmer l'impact des traitements adulticides effectués i) pendant la nuit, ii) à différentes phases de la dynamique saisonnière des moustiques iii) dans différentes conditions écologiques, et b) pour évaluer le rôle relatif des larvicides et traitements adulticides. Quoi qu'il en soit, les présents résultats soulignent les bénéfices potentiels des traitements adulticides suite à un suivi précis des densités d'adultes. Ce dernier aurait également l'avantage d'identifier des points chauds de sites larvaires/de repos, qui doivent être spécifiquement ciblés afin de maximiser l'impact de la campagne de lutte. Il est cependant important de souligner que la pulvérisation d'insecticides doit représenter une méthode réservée aux interventions d'urgence et qu'une stratégie privilégiée de lutte Ae. albopictus devrait inclure d'autres activités intégrées [26] - telles que la réduction des sources larvaires [55,56], la lutte biologique [57], l'éducation et la sensibilisation du public, ainsi que la protection personnelle [58]– qui sont souvent négligées par les autorités compétentes .

Enfin, il serait également intéressant de corréler les collectes par ST et/ou CBT avec les niveaux de nuisance des moustiques pour établir un « seuil de nuisance » (comme cela a été fait pour les ovitraps [59], et les pièges BG-sentinel [27] ]) sur lesquels des traitements adulticides pourraient être recommandés non seulement pour réduire la charge de ce moustique piqueur agressif pour les citoyens, mais aussi pour empêcher l'établissement de densités qui représenteraient un risque élevé dans le cas d'humains migrants infectés par des arbovirus, car il survenue en 2007 avec le virus Chikungunya en Italie [9].


Il est important de comprendre le mouvement des individus à travers les habitats naturels pour déterminer les aspects fondamentaux de leur écologie, des schémas de dispersion et de la sélection de l'habitat aux interactions avec les prédateurs, les agents pathogènes ou les congénères. Les larves d'amphibiens sont essentielles aux systèmes aquatiques, jouant des rôles fondamentaux en tant que consommateurs et proies, affectant le cycle des nutriments et même les propriétés physico-chimiques des plans d'eau qu'elles occupent. Néanmoins, malgré une abondante littérature sur la plupart des autres aspects de leur écologie, nous en savons très peu sur les mouvements spatiaux des larves d'amphibiens dans leurs habitats naturels, et le peu d'informations dont nous disposons se limite aux systèmes lotiques. Ici, nous utilisons une procédure de marquage et recapture à l'aide d'élastomères pour déterminer les schémas de déplacement et la sélection du microhabitat des têtards de crapaud de l'Ouest (Pelobates cultripes) dans deux grands étangs du sud-ouest de l'Espagne. Nous avons observé des distances maximales parcourues par ces têtards de >67 m et >245 m, selon les étangs. Ces distances coïncidaient avec la distance transversale maximale dans chaque étang, suggérant qu'ils pourraient potentiellement se déplacer encore plus loin dans les zones humides plus grandes. Les distances moyennes parcourues étaient de 29,7 et 105 m dans chaque étang. Nous avons échantillonné deux, quatre et neuf jours après la libération des individus marqués, et nous avons observé un modèle de mouvement stable, sans expansion, à travers les dates d'échantillonnage, suggérant que les têtards ont repris une activité normale immédiatement après la libération. Les têtards ont montré une préférence pour les zones plus profondes et à végétation plus dense des étangs, en particulier associés à des espèces végétales telles que Renoncule peltatus et Potamogeton pectinatus.

Sections
Les références

Arribas , R. , Díaz-Paniagua , C. , Caut , S. , Gomez-Mestre , I. ( 2015 ) : Les isotopes stables révèlent la partition trophique et la plasticité trophique d'une guilde larvaire d'amphibiens . PloS UN 10 : e0130897 .

Arribas , R. , Díaz-Paniagua , C. , Caut , S. , Gomez-Mestre , I.

Arribas , R. , Díaz-Paniagua , C. , Gomez-Mestre , I. ( 2014 ) : Conséquences écologiques des larves d'amphibiens et de leurs prédateurs indigènes et exotiques sur la structure communautaire des étangs temporaires . Freshw. Biol. 59 : 1996 - 2008 .

Arribas , R. , Díaz-Paniagua , C. , Gomez-Mestre , I.

Arribas , R. , Touchon , J.C. , Gomez-Mestre , I. ( 2018 ) : La prédation et la compétition affectent différemment les interactions et les niches trophiques d'une guilde d'amphibiens néotropicaux. De face. Écol. Évol. 6 : 28 .

Arribas , R. , Touchon , J.C. , Gomez-Mestre , I.

Bainbridge , L. , Stockwell , M. , Valdez , J. , Klop-Toker , K. , Clulow , S. , Clulow , J. , Mahony , M. ( 2015 ): Tagging tadpoles: retention rates and impacts of visible implant étiquettes en élastomère (VIE) du stade larvaire au stade adulte des amphibiens . Herpétol. J. 25 : 133 - 140 .

Bainbridge , L. , Stockwell , M. , Valdez , J. , Klop-Toker , K. , Clulow , S. , Clulow , J. , Mahony , M.

Barzaghi, B., Ficetola, G.F. , Pennati , R. , Manenti , R. ( 2017 ) : Les prédateurs biphasiques fournissent des subventions à la biomasse dans les petits habitats d'eau douce : une étude de cas sur les piscines de source et de grotte. Freshw. Biol. 62 : 1637 - 1644 .

Barzaghi, B., Ficetola, G.F. , Pennati , R. , Manenti , R.

Cayuela , H. , Valenzuela-Sánchez , A. , Teulier , L. , Martínez-Solano , . , Léna , J.-P. , Merilä , J. , Muths , E. , Shine , R. , Quay , L. , Denoël , M. ( 2020 ) : Déterminants et conséquences de la dispersion chez les vertébrés aux cycles de vie complexes : une revue des amphibiens se reproduisant en étang . Q. Rév. Biol. 95 : 1 - 36 .

Cayuela , H. , Valenzuela-Sánchez , A. , Teulier , L. , Martínez-Solano , . , Léna , J.-P. , Merilä , J. , Muths , E. , Shine , R. , Quay , L. , Denoël , M.

Cecala, K.K. , Price , S.J. , Dorcas , M.E. ( 2009 ) : Évaluation des hypothèses de déplacement existantes dans des systèmes linéaires à l' aide de larves de salamandres des ruisseaux . Pouvez. J. Zool. 87 : 292 - 298 .

Cecala, K.K. , Price , S.J. , Dorcas , M.E.

Cei, J.M., Crespo, E.G. (1971) : Remarques concernant certaines tendances écologiques adaptatives des Pelobates cultripes du Portugal : besoin thermique, vitesse de développement et régulation de l'eau. Arquivos du Musée Bocage 2 : 9 - 36 .

Chelgren , N.D. , Adams , M.J. ( 2017 ) : L' inférence des effets de la récolte de bois sur la survie des amphibiens des ruisseaux est compliquée par le mouvement . Copéia 105 : 712 - 725 .

Clobert , J. , Danchin , E. , Dhondt , A.A. , Nichols , J. ( 2001 ) : Dispersion . Oxford University Press , Oxford .

Clobert , J. , Danchin , E. , Dhondt , A.A. , Nichols , J.

Clobert , J. , Galliard , L. , Cote , J. , Meylan , S. , Massot , M. (2009) : Dispersion informée, hétérogénéité des syndromes de dispersion animale et dynamique des populations spatialement structurées. Écol. Lett. 12 : 197 - 209 .

Clobert , J. , Galliard , L. , Côté , J. , Meylan , S. , Massot , M.

Condé, D.A. , Staerk , J. , Colchero , F. , da Silva , R. , Schöley , J. , Baden , H.M. , Jouvet , L. , Fa , J.E. , Syed , H. , Jongejans , E. , Meiri , S. , Gaillard , J.-M. , Chamberlain , S. , Wilcken , J. , Jones , O.R. , Dahlgren , J.P. , Steiner , Royaume-Uni , Bland , L.M. , Gomez-Mestre , I. , Lebreton , J.-D. , González Vargas , J. , Flesness , N. , Canudas-Romo , V. , Salguero-Gómez , R. , Byers , O. , Berg , T.B. , Scheuerlein , A. , Devillard , S. , Schigel , S. , Ryder , O.A. , Possingham , H.P. , Baudisch , A. , Vaupel , J.W. ( 2019 ) : Lacunes dans les données et opportunités pour la biologie comparative et de conservation . Proc. Natl. Acad. Sci. 116 : 9658 - 9664 .

Condé, D.A. , Staerk , J. , Colchero , F. , da Silva , R. , Schöley , J. , Baden , H.M. , Jouvet , L. , Fa , J.E. , Syed , H. , Jongejans , E. , Meiri , S. , Gaillard , J.-M. , Chamberlain , S. , Wilcken , J. , Jones , O.R. , Dahlgren , J.P. , Steiner , Royaume-Uni , Bland , L.M. , Gomez-Mestre , I. , Lebreton , J.-D. , González Vargas , J. , Flesness , N. , Canudas-Romo , V. , Salguero-Gómez , R. , Byers , O. , Berg , T.B. , Scheuerlein , A. , Devillard , S. , Schigel , S. , Ryder , O.A. , Possingham , H.P. , Baudisch , A. , Vaupel , J.W.

Costa , Z. , Vonesh , J. ( 2013 ) : Subvention proie ou signal prédateur ? Effets directs et indirects des prédateurs en cage sur les consommateurs et les ressources aquatiques . Oecologia 173 : 1481 - 1490 .

Denoël , M. , Dalleur , S. , Langrand , E. , Besnard , A. , Cayuela , H. ( 2018 ) : Dispersal and alternative reproduction site Fidelity strategies in an amphibian . Écographie 41 : 1543 - 1555 .

Denoël , M. , Dalleur , S. , Langrand , E. , Besnard , A. , Cayuela , H.

Diaz-Paniagua , C. (1985 ): Régimes larvaires liés aux caractères morphologiques de cinq espèces d'anoures dans la Réserve Biologique de Doñana (Huelva, Espagne) . Amphibia-Reptilia 6 : 307 - 322 .

Fèvre , E.M. , de C. Bronsvoort , B.M. , Hamilton , K.A. , Cleaveland , S. ( 2006 ) : Mouvements d' animaux et propagation des maladies infectieuses . Tendances Microbiol. 14 : 125 - 131 .

Fèvre , E.M. , de C. Bronsvoort , B.M. , Hamilton , K.A. , Cleaveland , S.

Florencio , M. , Díaz-Paniagua , C. , Gomez-Mestre , I. , Serrano , L. ( 2012 ) : Échantillonnage de macroinvertébrés dans un étang temporaire : comparaison de l'adéquation de deux techniques pour détecter la richesse, la ségrégation spatiale et l'activité journalière . Hydrobiologie 689 : 121 - 130 .


Pétrole au Sahara : cartographier les menaces anthropiques pesant sur la biodiversité saharienne depuis l'espace

Les déserts sont parmi les biomes les plus mal surveillés et compris dans le monde, avec des preuves suggérant que leur biodiversité décline rapidement. L'exploration et l'exploitation pétrolières peuvent constituer une menace importante pour la biodiversité désertique fragmentée et résiduelle, mais on sait peu de choses sur l'endroit et l'intensité de ces développements. Ce manque d'informations entrave les efforts locaux visant à tamponner et protéger de manière adéquate la faune du désert contre l'empiètement de l'activité anthropique. Ici, nous étudions l'utilisation d'images satellitaires disponibles gratuitement pour la détection de caractéristiques associées à l'exploration pétrolière dans la région sahélo-saharienne africaine. Nous démontrons comment les analyses de texture combinées aux données Landsat peuvent être utilisées pour détecter des sites d'exploration validés au sol en Algérie et au Niger. Nos résultats montrent que la détection de site via la classification et la prédiction d'images supervisées est généralement précise. Un résultat surprenant de nos analyses est le niveau relativement élevé d'erreurs d'omission de sites au Niger (43 %), qui semble être dû à la non-détection d'activités d'exploration temporaires potentiellement à petite échelle : nous pensons que la mise en œuvre répétée de notre cadre pourrait réduire la gravité des limitations méthodologiques potentielles. Dans l'ensemble, notre étude fournit une base méthodologique pour la cartographie des menaces anthropiques associées à l'exploitation pétrolière qui peut être menée dans les régions désertiques.

1. Introduction

La population humaine et sa demande en ressources naturelles de la Terre ont augmenté de façon exponentielle au cours du siècle dernier, entraînant une crise mondiale de la biodiversité [1–4]. Avec des niveaux actuels de diversité biologique radicalement modifiés par rapport à leurs états historiques [1] et des déclins qui devraient se poursuivre sous les pressions croissantes du changement d'utilisation des terres et du changement climatique [2,5,6], les scientifiques et les écologistes sont maintenant aux prises avec l'immense défi de surveiller et arrêter le taux actuel de perte globale [7]. Un certain nombre d'articles de premier plan ont plaidé en faveur du ciblage du financement de la conservation sur les points chauds de la biodiversité, qui ont tendance à se situer principalement dans les biomes tropicaux. Le raisonnement qui sous-tend une telle argumentation est que les actions de gestion y ciblent le plus grand nombre d'espèces par unité de surface, maximisant ainsi les rapports coûts/bénéfices [8–13]. Cette focalisation sur les points chauds a inévitablement entraîné la négligence des biomes moins riches en espèces [14-16] où les menaces sont mal documentées et surveillées, et leurs impacts locaux, régionaux et mondiaux sur la biodiversité sont mal connus, conduisant à une compréhension beaucoup plus réduite de le besoin potentiel d'actions de conservation dans ces régions [14-16].

Les déserts sont l'un de ces biomes qui a été peu étudié auparavant et a reçu peu d'attention de la part des activités de conservation [14,15], bien qu'il couvre 17% de la masse terrestre mondiale et abrite des niveaux étonnamment élevés de diversité biologique, y compris de nombreuses espèces endémiques et espèces les plus menacées au monde [17–20]. Cette négligence est préoccupante car (i) les informations disponibles suggèrent que la biodiversité des déserts et des terres arides diminue rapidement [14,18–22] et (ii) les prédictions montrent que le taux de changement climatique est susceptible d'être particulièrement élevé dans le biome désertique, avec espèces potentiellement confrontées à des défis d'adaptation particulièrement difficiles dans un avenir proche [23]. Ceci est particulièrement préoccupant, car l'écologie et la distribution des espèces adaptées au désert sont soumises à un contrôle climatique extrême [24]. Les autres menaces majeures pour les déserts comprennent le surpâturage, le défrichement de la végétation ligneuse, l'expansion agricole, le détournement et l'extraction de l'eau, la pollution des sols et de l'eau, la conversion des terres due aux activités industrielles et les menaces associées des conflits armés [19,21]. Avec des effets potentiellement énormes à l'échelle locale et régionale, une menace anthropique majeure actuelle pour la biodiversité du désert, susceptible d'augmenter en étendue et en intensité au cours des prochaines années en raison de la demande croissante de ressources, est l'exploration pétrolière [21,25,26]. À travers le Sahara et le Sahel, la menace de l'exploration pétrolière est particulièrement grande, les inquiétudes concernant les stocks mondiaux de pétrole ayant conduit à des explorations entreprises dans des zones de plus en plus reculées [27,28]. L'avenir de la biodiversité sahélo-saharienne est considéré comme largement dépendant de l'expansion anthropique dans la région [21]. Des pays comme le Niger, qui représente un bastion pour les espèces désertiques locales [21,29,30], ont connu une augmentation rapide de leurs activités d'extraction et de raffinage de pétrole ces dernières années [26,30]. Such increased oil prospection activities have, for example, now led to the endangerment of the last known viable population of addax (Addax nasomaculatus), owing to habitat loss in important, high-quality grazing sites in the Tin Toumma desert [31]. These largely unmonitored activities are expected to occur across many parts of the region, with potential ancillary impacts including waste production, reduced water availability through anthropogenic extraction, reduced habitat quality and ecosystem functioning, and increased poaching and human–wildlife conflict [21,30,32,33]. These potential threats could have an enormous impact on local biodiversity, as (i) much of the fauna in the Sahelo-Saharan region is considered to be of global conservation concern (e.g. the addax, Dorcas gazelle (Gazella dorcas), dama gazelle (Nanger dama), Saharan cheetah (Acinonyx jubatus ssp. hecki) and Kleinmann's tortoise (Testudo kleinmanni) [18]) and (ii) the distribution of biological diversity in the area is markedly fragmented, with often highly localized hotspots [20,21] that could become imperilled by the impacts of unmonitored oil exploration activity. Hotspots of Sahelo-Saharan biodiversity are often concentrated within protected areas (PAs) [21]. If conducted close to or within these areas, the ancillary threats and associated impacts of oil exploration activities could lead to drastic reductions in wildlife populations, reducing the effectiveness of PAs in conserving these remnant hotspots of biodiversity. Across the African continent, the designation of oil concessions within PAs is common, and particularly within those with a high level of protection [34]. Threats from oil exploration activities at PA boundaries could also result in reduced connectivity of habitats between these PAs and important resource areas by reducing the quality of habitat corridors and producing physical barriers to movement, cutting off wildlife populations from wider ecosystems and satellite populations [35–38]. Such impacts on wide ranging animal species could have potential knock-on cascading effects through other trophic levels within such systems [39,40], producing broad-scale ecological impacts and impacts to overall ecosystem health and functioning. Despite these potential consequences, little is currently known about how and where oil exploration and exploitation activities are taking place, and where these developments are likely to negatively impact Sahelo-Saharan ecosystems.

A major issue in determining threats to biodiversity from the expansion of oil exploration activities is the difficulty in obtaining field data on the geographical locations of these developments. Field monitoring can be notoriously costly, and field data on oil exploration and exploitation activities, while accurate, are difficult to obtain for large areas, especially for remote regions where logistics and safety are real issues [41,42]. In light of this, remote sensing technologies could provide a useful monitoring alternative. Global-scale low light imaging satellite data from the US Air Force Defense Meteorological Satellite Program Operational Linescan System [43], data from the European Space Agency's Along Track Scanning Radiometer sensors [44] and data from the recently launched VIIRS instrument on the Suomi National Polar Partnership satellite [45], can be used to derive global and national information on oil exploration activities. However, the spatial resolution of these datasets is relatively coarse (0.56 km, 1 km and 750 m, respectively) thus, information derived from these data may not be applicable to identify fine-scale, local-level oil exploration threats to biodiversity. Very high-resolution satellite imagery could instead be used to derive national information on oil exploration and exploitation activities yet, most organizations and institutions in need of such data are unable to afford the cost of data acquisition and processing at such spatial extents. Freely available satellite data such as data from the National Aeronautics and Space Administration (NASA) and United States Geological Survey's Landsat satellites, however, have shown promising applications in the fields of ecology and conservation [46] and could potentially inform efforts to detect and map oil exploration and exploitation activities at relevant scales [47,48]. Furthermore, the availability of Landsat satellite data at a good and consistent temporal scale (at up to 16-day intervals) can allow for the continued and repeated monitoring of areas of concern.

Surprisingly, the potential for freely available satellite data to inform conservation efforts in desert systems currently remains largely unexplored (but see [47]). This study aims to fill this knowledge gap, by assessing if and how open access satellite data can be reliably used to monitor oil exploration and refinery activity in the Sahelo-Sahara region. It aims to do so in a reproducible manner, so that methods and analyses developed herein can be applied to conservation activities in other dryland regions. Many approaches and attempts to detect the location and distribution of oil exploration and extraction activities focus on the detection of oil flares alone [43–45]. However, sites also feature buildings and other man-made structures, which may include water ponds, roadways or visible smoke [46], and these features are associated with different spectral signatures than those generally found in the surrounding desert [47,49]. As such, a framework that aims to detect not only oil flares but also associated structures may improve the success of detection of novel and established oil extraction activity. This serves as the basis for our approach, which aims to validate the use of Landsat satellite data for the detection of features typically associated with oil exploration activities. Our study undertakes a two-step approach: firstly, field-derived (known oil exploration site locations) and visually derived (high-resolution Google Earth imagery) validation data, and satellite-based landcover classification are combined to establish a framework for the detection of known features associated with oil exploration activities this framework is then applied in areas for which an explicit landcover classification cannot be made, in order to provide spatially explicit information about recent development in these activities in relation to existing PAs.

2. Material and methods

(a) Study areas

The location used for the development of our monitoring framework is in Saharan Algeria. The area of interest reaches from the northwestern corner at 31°49′12″ N, 8°22′12″ E to the southeastern corner at 31°4′12″ N, 9°27′0″ E (figure 1). A second study area in Niger, where our landcover classification is then implemented, is delimited by a box reaching from the northwestern corner at 16°22′12″ N, 12°12′0″ E to the southeastern corner at 15°27′36″ N, 13°49′12″ E (figure 1). Both study areas comprise areas of desert, rocky terrain and sparse vegetation. Although they both lie within the Sahara, Algeria and Niger represent two extremes in a spectrum of anthropogenic impacts in the hyper-arid zone: Algeria has a great number of established oil and gas extraction sites, as well as refineries [21], and here represents areas with high anthropogenic pressure associated with oil exploration activities. On the other hand, desert habitat in Niger remains largely undisturbed by anthropogenic activities, and the expansion of oil exploration and exploitation activities in the country has occurred only in recent years [30,50]. The Niger region was selected for this study as it borders key PAs for the conservation of desert biodiversity namely, the Aïr & Ténéré National Nature Reserve, and the Termit & Tin Toumma National Nature Reserve (TTTNNR), which are currently threatened by the expansion of oil exploration activities [30,50]. The study area in Niger encompasses part of the eastern side of the TTTNNR and also the Agadem oil concession block, which is the predominant site of emerging exploration activity in the region to the east of TTTNNR (figure 1 [30]). Within TTTNNR and Aïr & Ténéré, much of the remaining Sahelo-Saharan diversity thrives [18,30,50], including 18 large mammal species, 19 reptile species, 137 resident and several Afro-tropical and Palaearctic migrant bird species [51]. These two PAs protect important populations of many species of global conservation concern: carnivores (the Saharan cheetah (population estimate currently less than 10 individuals in the area [51]), striped hyaena (Hyaena hyaena) and the greatest diversity of small and medium sympatric carnivores in the Sahara [51]), birds (the Nubian bustard (Neotis nuba) and Arabian bustard (Ardeotis arabs)) and large ungulates (the addax, Dorcas gazelle, dama gazelle and Barbary sheep (Ammotragus lervia) [18,30,50]). Importantly, the Termit massif and Tin Toumma desert region hold the last remaining viable population of addax in the world (ca 200 individuals [52]). The direct ecosystem impacts of increased oil exploration activities [21,30,32,33] have the potential to produce profound effects on the local biodiversity habitat loss and water extraction at prospection sites may serve to affect floral abundance and composition, in turn reducing habitat quality and resource availability for species at higher trophic levels [21]. Moreover, increased poaching of large ungulate species [30] may serve to reduce their densities in such areas, and in turn, coupled with increased human–wildlife conflict, may result in the reduction of populations of key Saharan carnivore species, e.g. the Saharan cheetah, where ungulate prey are a limiting factor to predator abundance [53]. In addition to the ecological uniqueness of the Termit massif and Tin Toumma desert area, it is also thought to be rich in currently largely unstudied archaeological, anthropological and palaeontological history [30,50].

Figure 1. An overview of the location of the study areas in Algeria and Niger. Oil concession blocks within Niger are shown blocks currently under licence (purchased) in dark grey and open blocks (un-purchased) in mid grey [29]. Overlap between purchased oil concession blocks and PAs can been seen for (une) Addax Sanctuary, (b) Aïr & Ténéré National Nature Reserve and (c) TTTNNR.

Despite the discovery of hydrocarbons within Niger in 1975, little oil exploration and exploitation activity has previously occurred in the country, due to the low ratio barrel price (T. Rabeil 2013, personal communication) and a lack of economic incentive caused by a historic wealth of uranium providing the country's main economic export [30,50]. However, concerns over diminishing uranium stocks over the past two decades have led to the designation of oil concession blocks throughout much of the country [26,30,50]. In June 2008, the government of Niger signed a contract with the Chinese National Petroleum Corporation (CNPC) for the purchase of three oil concession blocks covering large areas of the Aïr & Ténéré and the TTTNNR (figure 1 [30,50]), with oil prospection activities occurring within these areas from June 2008 onwards. With extremely little ecotourism in the country, the societies and government of Niger have little economic incentive to conserve the ecological, archaeological and anthropological uniqueness of the Termit massif and Tin Toumma desert region [50]. At present, 20 oil concession blocks have been designated across the country, with four currently under licence (including the three rented by CNPC and one by the Algerian corporation SONATRACH) covering much of the Termit massif and Tin Toumma desert region (figure 1 [30]). Although most designated concession blocks in Niger remain open at present, depleting uranium stocks are likely to result in an economic shift to an increased reliance on hycrocarbon concession rentals and exports [30,50], and thus increased sale of concessions to oil corporations, extending the current level of threat to local biodiversity. The expansion of these activities into the neighbouring PAs is of particular concern for large ungulate species as (i) many of these are highly threatened remnant populations and (ii) there have been reports of poaching (gazelles and birds) associated with the arrival of workers for oil exploration activities in the region since 2008 [54]. Ancillary impacts associated with industrial soil and water pollution have also been found to be evident at exploration sites within the oil concession blocks [55].

(b) Satellite data

Our methodology makes use of Landsat 7 Enhanced Thematic Mapper Plus (ETM+) imagery, available at 30 m spatial resolution ([56] available for download at: http://earthexplorer.usgs.gov), which has previously been found to have utility in desert areas [47,57]. One minor limitation of the Landsat 7 ETM+ sensor is that the Scan-Line-Corrector is off (SLC-off) owing to a technical malfunction, causing approximately 22% of data from any given Landsat 7 ETM+ image to be lost [58] ‘striping’ of missing data is apparent in the images. Typically Landsat 5 TM imagery would be applied instead due to this error however, owing to limited data availability over Niger, we were unable to obtain Landsat 5 TM imagery for analysis here, and thus Landsat 7 ETM+ data were used for both regions despite the SLC-off issue. The Landsat 7 ETM+ scenes considered for both study areas were affected by the SLC-off issue however, gap masks facilitated the masking out of the affected region, and thus the SLC-off issue can be resolved for use in landcover classification [56]. The images obtained for these analyses were from 5 November 2012 for the Algerian area (framework development area), and 2 November 2012 for Niger (figure 1), in order to avoid differences according to varying seasonal solar elevation and soil–water–vegetation dynamics [59].

(c) Field-derived and visually derived training and validation data

In order to produce and validate a landcover classification from satellite imagery, field-derived and visually derived validation points of specific landcover classes can be used. In both Algeria and Niger, ground-truthed geo-referenced (GPS-logged) site validation point data were obtained from the Sahara Conservation Fund (SCF) over the period 2009–2011, detailing the locations of known oil exploration and extraction activity. These data included one permanent site within the Algerian Landsat 7 ETM+ scene. In addition, we located two further validation sites in the Algerian study area through inspection of very high-resolution QuickBird and IKONOS imagery within Google Earth Pro [60] as performed in the work of Fritz et al. [61], resulting in a total of three validated oil exploration sites in this study area (table 1). Using the very high-resolution Google Earth imagery, we were also able to identify a total of eight landcover types in the scene: desert, bare rock, vegetation, roads, dark-coloured settlements, light-coloured settlements, oil flares and water ponds. These eight landcover classes were selected based on the study aims of differentiating human infrastructure from natural landcover (i.e. bare rock, vegetation and desert versus roads, settlements, oil flares and water ponds), in order to develop an appropriate landcover classification. An equal distribution of training point data samples were then created across all landcover classes to define their relative spectral information from the Landsat 7 ETM+ scene (200 random samples of pixels per class) and were then used to develop a landcover classification model.

Table 1. Overview of all field-derived (SCF) and visually derived (via high-resolution Google Earth imagery [60]) ‘permanent’ oil exploration and extraction site data for the study areas in Algeria and Niger.

a One of the original eight field-derived sites in Niger was no longer present in November 2012 (a temporary site), while the status of the remaining seven sites is not known from SCF thus, these sites were considered to be ‘permanent’.

Ground-truthed geo-referenced site validation point data detailed 11 sites within the scene for Niger, which included both temporary and permanent oil exploration sites visited by SCF. Some sites were highly concentrated in two specific areas, giving a total of eight unique exploration sites in the Niger study area (table 1). Of these eight sites, field information from the SCF revealed that one site was a temporary exploration site (table 1) and was no longer present in November 2012 (date of the Landsat 7 ETM+ scene considered). The temporary/permanent status of other sites within the Niger study area is not known from SCF beyond 2011, and these are thus considered here as ‘permanent’ extraction sites. Recent very high-resolution Google Earth imagery was not available for the Niger study area, and thus associated landcover classes could not be visually identified and classified for this area, leading to the prediction of landcover here by using the classification model developed for the Algerian study area scene.

(d) Statistical analyses

All analyses were performed in GRASS v. 6.4.2 [62], QGIS v. 1.8.0 [63] and R v. 3.0.0 [64], using the packages ‘raster’ [65], ‘rgdal’ [66], ‘randomForest’ [67] and ‘spgrass6’ [68], the latter of which serves as an interface between R and GRASS. A conversion of digital numbers to top-of-atmosphere reflectance values was carried out on the raw Landsat 7 ETM+ scenes. Owing to a lack of strong elevational gradients across both study areas (Algeria: 100–300 m.a.s.l. Niger: 300–400 m.a.s.l.), no further orthorectification of the images was necessary [69]. Texture analyses were conducted on the Algerian Landsat 7 ETM+ scene using a moving window approach, in order to emphasize features typical of oil refineries and highlight them against the background of the Saharan desert [70–72]. A moving window size of 5 × 5 pixels has been found to be useful in highlighting changes in edges of landcover classes in arid environments [73]. Such a window size (approx. 150 × 150 m) would also encompass the area of a small oil refinery but is not so large as to neglect roads this size was thus considered in these analyses. The texture analysis included the mean, maximum, minimum, variance and standard deviation of all eight Landsat 7 ETM+ bands (band 6 is composed of two separate bands). All metrics are based on the neighbourhood statistics within the ‘r.neighbors' module of GRASS (with square orientation). Thus in total, 40 parameters (eight bands × five moving window variables each) were calculated. These were used as input data for the supervised landcover classification of the acquired scenes [41]. Landcover classification was developed using a Random Forest model approach [74], based on the model training data (200 pixels for each landcover class) mentioned above, using the aforementioned calculated parameters (40 in total) as the independent variables for Algeria [75].

The relative importance of model variables within the Random Forest model (i.e. the contribution of each variable in the model in the construction of each decision tree) was assessed for each variable by examining the mean decrease Gini index (MDG [76]) variables with higher MDG have greater importance in a Random Forest model. In addition to the Random Forest standard construction of 500 decision trees to determine the best model for landcover classification, we also aimed to assess the stability of the variable importance across models. To do so, we ran the Random Forest model 200 times and observed changes in the variable importance parameter of the MDG over the runs. Random Forest model accuracy was assessed by examining the model internal class error rates (defined as the percentage of the 200 pixels falsely classified) for each landcover class identified within the model, as well as the ‘out-of-bag’ estimate for the generalization error for the overall model [74]. The Random Forest classification model was then further validated by comparing model-detected oil exploration sites with the previously mentioned validation data from ground-truthed geo-referenced data points. The Random Forest model derived and validated on the scene acquired for Algeria was then applied to the Landsat 7 ETM+ scene for Niger [67]. Validation of the Niger classification used a combination of the aforementioned a priori-selected ground-truthed validation sites and, in the absence of recent very high-resolution Google Earth imagery for the area, a visual red–green–blue (RGB bands 7, 4 and 2) image assessment of the original Landsat 7 ETM+ data for the considered area.

3. Results

The Random Forest model accurately predicted the distribution of all eight landcover classes for Algeria. Model internal class errors ranged between 0 and 0.02% bare rock, oil flares and water all had 0.00% error vegetation, roads, and dark- and light-coloured settlements all had 0.01% and finally, desert had the highest error rate at 0.02%. Moreover, the out-of-bag overall model error rate was 0.62%. On average, the Landsat ETM+ bands providing the most important variables were band 3 (red), followed by band 1 (blue), band 7 (short-wave infrared-2 (SWIR-2)), band 4 (near-infrared), band 6–2 (thermal-infrared 2), band 6–1 (thermal-infrared 1), band 2 (green) and band 5 (mid-infrared figure 2 electronic supplementary material, Appendix S1). The field-derived refinery location in Algeria was accurately predicted by the Random Forest model and visually confirmed using high-resolution Google Earth imagery, and the two sites located via high-resolution Google Earth imagery were also accurately predicted by the Random Forest model (table 2). Detecting the accurate location of these sites was made possible by the presence of concentrated areas of non-desert landcover classes: oil flares, settlements, roads and water ponds.

Table 2. Random Forest model classification results for the model training study site in Algeria and when applied to the additional study site scene in Niger. Omission errors for model detection of oil exploration and extraction sites from field-derived locations. Additional ‘novel’ model-detected sites in Niger that were not known from original field-derived location data are also listed these were visually validated using an RGB visualization (7, 4 and 2 bands) of the original Landsat 7 ETM+ scene.

a Additional sites in brackets determined via high-resolution Google Earth imagery.

Figure 2. Random Forest model variable importance the MDG. All 40 variables are sorted according to their median importance in the model after 200 runs. The most important variables in the Random Forest model have a median MDG between 30 and 40. Variables are depicted with decreasing importance from top to bottom.

When applying the identification framework to the scene from Niger, a total of seven oil exploration sites were identified (figure 3 and table 2). Of the detected sites, four oil refineries were field validated by existing geo-referenced field data from SCF thus, three new oil exploration sites were discovered from our analyses (figure 3 and table 2). RGB visualization (7, 4 and 2 bands) of the Landsat 7 ETM+ image, confirmed that the newly detected sites were consistent with other validated sites. However, some of the ground-truthed geo-referenced exploration sites from SCF in Niger were not detected when applying the Random Forest model framework (omission error 43% figure 3 and table 2). In contrast to oil exploration sites in the Algeria study areas, aside from desert there were no other discernible classes of landcover located near the oil flares identified in Niger. The oil flares class thus enabled the detection of the oil exploration and exploitation sites in the Niger region, which is due to the unique spectral and thermal signal of the class surface temperature (K, calculated from band 6–1 of the Landsat ETM+ sensor [77] figure 4) was highest for this landcover class, and high IR values (maximum band 7 (SWIR-2)), which contributed greatly to the Random Forest classification (figure 2 electronic supplementary material, Appendix S1), are associated with the heat signature of the flame [47,57].

Figure 3. Ground-validated versus Random Forest model-detected oil exploration sites for the Niger study area. Geo-referenced field data from SCF are depicted, representing both temporary (circles with black crosses) and ‘permanent’ sites (white circles) visited between 2009 and 2011, within the study area (dashed black rectangle). Black circles depict the model-detected sites from the Landsat 7 ETM+ scene. Model-detected sites were confirmed by inspection of the RGB visualization (7, 4 and 2 bands) of the Landsat 7 ETM+ scene. A total of seven sites were detected by the Random Forest model four sites matched the geo-referenced field data and three new sites were found. Three of the seven ground-validated ‘permanent’ sites within the study area were not detected by the identification framework. The TTTNNR is the area to the left of the thick black line, and six ground-truthed observations of oil exploration activity can be found within the PA borders. Dark grey blocks denote oil concessions that are currently under licence (purchased), while light grey blocks indicate open (unpurchased) blocks.

Figure 4. The thermal signature of pixels classified as the oil flares landcover class (through band 6–1 of the Landsat ETM+ sensor [77]) converted to surface temperature shows temperature between 303 and 312 K across pixels of this class panel (une) depicts the frequency of surface temperature (K) for pixels of the class oil flares (N = 2039) for the results of the framework classification in Algeria, and panel (b) depicts the values (N = 221) for the application area in Niger.

Ground-truthed SCF point data for the Niger region show an existing overlap between PA boundaries and oil exploration sites (within TTTNNR figure 3) however, the Random Forest identification model applied here did not detect any activity within the part of the PA that fell within our study area and did not detect the two oil exploration sites within the study area–PA overlap (10% of the study area overlapped with the PA figure 3). The proximity of many of the model-detected oil refineries to the nearest boundary of the TTTNNR was found to be less than 15 km (figure 3).

4. Discussion

Owing to limited funding and conservation attention [14–16], little is currently known about the location and intensity of specific threats to biodiversity in desert ecosystems. Despite being considered a major threat [21], and increasing licensing of concessions [26–30,50], especially in close proximity to PAs (figure 1 [21,30,34,40]), at present no monitoring framework exists for the expansion of oil exploration activities in desert regions. As a result, there is presently a lack of real-time information regarding where conservation efforts should be targeted in order to determine the potential impacts of these activities on local biodiversity. The results of this study provide a framework to assist in closing this knowledge gap, showing for the first time that current and expanding oil exploration activities in desert ecosystems can be detected and mapped remotely via freely available satellite data. Our results confirm that predictions from ground-verified landcover classification models (here Algeria) can be successfully applied to detect activities in areas for which classification models cannot be explicitly produced (here Niger). The methodology developed herein thus makes the introduced framework reproducible across other desert regions and in areas for which location-specific classification models cannot be constructed owing to limited availability of high-resolution imagery and ground-truthed data for validation. This is a situation that is particularly common in many remote desert regions. Owing to the free availability of NASA's Landsat satellite data, the framework developed in this study is inexpensive and easily implementable across deserts, and thus may be used to monitor oil exploration activities over time in a cost-effective manner in areas for which conservation funding is limited [15,16]. Moreover, the spatial resolution of the input variables (150 m, based on the original 30 m Landsat 7 ETM+ bands) is much finer than other datasets traditionally employed for the detection of oil flares [43–45], and thus is more appropriate for identifying anthropogenic structures, while omitting small-scale landscape variations (e.g. singular rocks), in order to determine regional-scale expansion in the distribution and intensity of activity. Detecting previously unknown oil exploration sites in close proximity to PAs (figure 3), the framework developed herein enables the mapping and continuous monitoring of novel and intensifying threats to localized hotspots of desert biodiversity.

The successful application of the model classification and identification framework developed in this study can be attributed to the 40 input variables derived from the eight Landsat 7 ETM+ spectral bands. Class separation was supported by the moving window variables, as was found by Ge et al. [41]. Overall, texture analyses have been found to enhance information from the raw satellite bands [71] the lightness or darkness of certain objects in relation to neighbouring objects can be identified for the different bands. In using texture analyses, the importance of variables is dependent upon the targeted object of the analyses [71,78]. However, the most important variables for this framework (based on the MDG figure 2 electronic supplementary material, Appendix S1) seem to be the band averages, which indicates that the bands themselves are still highly important in predicting landcover classification. We do, however, acknowledge that taking the average values also reduces the effective spatial resolution of the input variables, producing a trade-off between the detection of large-scale features versus increasing classification error according to mixed pixel signals. The minimum band values were also shown to play an important role in image classification, as landcover classes such as water, vegetation, dark buildings and road tarmac typically have lower spectral values in comparison to other classes [59]. While in Algeria, identification of oil exploration and extraction sites was made possible by the presence of assemblages of multiple landcover types (oil flares, small water ponds, settlements and roads), within the Niger study area such associated landcover classes were not present and sites were made detectable by the presence of oil flares. Oil flares have indeed previously been found to be good indicators of refineries in the Sahara [33] here, these could be visualized both in the raw satellite images (as in the Kuwait oil fires [47]) and with classification results. Such detection is primarily due to the band 7 (SWIR-2) of Landsat 7 ETM+ sensor, which covers a similar spectral range as the thermal IR Advanced Very High-Resolution Radiometer band that has been previously found to be successful in detecting oil fires [49]. The maximum value of band 7 (SWIR-2) was particularly useful in the model (figure 2 electronic supplementary material, Appendix S1), which provides information on the heat signature of the oil flare [47,57]. The successful application of this identification framework is also largely a result of the chosen study region in desert ecosystems, cloud contamination of satellite imagery is negligible [79], and anthropogenic structures are not masked by the presence of a dense vegetation canopy as in other biomes. Data acquisition and exploration site detection were therefore not impeded by these potential limitations.

The oil exploration site identification framework presented here is, however, not without limitation. Although the framework was successful in detecting the location of oil exploration sites in Algeria and Niger, it was unable to detect some of the reported oil extraction wells in the Niger region based on ground-truthed data (43% omission error table 2 and figure 3). This may be attributed to both temporal and spatial limitations to our monitoring framework. Oil exploration activity, which had recently commenced in Niger at the time of these analyses [30,50], is often temporary in nature [33]. Indeed, four field-derived extraction sites in the Termit massif region (one within the study scene figure 3) were known to no longer exist in November 2012. Accordingly, some of the non-detected sites in Niger, for which further field validation beyond 2011 does not exist, could have similarly been no longer in existence in the November 2012 scene. Thus, the relatively high omission rate for Niger may be due to non-detection of potentially temporary sites that were no longer present in the Landsat 7 ETM+ scene considered here. However, for continued monitoring purposes, the application of the framework to time-series Landsat satellite data would likely not result in misdetections of temporary sites if the time period between consecutive images considered were sufficiently narrow. Individual oil flares are also not large (maximum 150 m in size), and thus may only cover a few Landsat image pixels. Smaller oil exploration sites may thus be difficult to distinguish from the surrounding desert, especially if not bordered by other associated landcover classes. This was indeed the case for the sites detected in the Niger study area, which (i) were smaller in size than those in the Algerian study area and (ii) could not additionally be identified by surrounding associated landcover classes, unlike the sites detected in the Algerian study area (i.e. water pools, settlement and roads). These results might also suggest that the oil flares class alone could be used in monitoring the distribution and expansion of oil exploration and extraction activities in desert regions over full landcover classification. However, we argue that due to the recent commencement and temporary nature of some of these activities in Niger, there may be no large surrounding structures yet constructed at these sites. As these become developed into the future, the applicability of classification of associated landcover types in locating and detecting their expansion will increase and will indeed be useful in monitoring expansion of these activities in other desert areas where sites are more fully developed (as is the case in Algeria). The SLC-off sensor issue with the Landsat 7 ETM+ data may result in missing data values over the locations of oil exploration sites in desert regions, resulting in the lack of detection of sites and suggesting a potential limitation of the use of Landsat 7 ETM+ data in these analyses. However, with the recent launch of the Landsat 8 satellite in early 2013 [80], data availability for the future implementation of this framework will not be hindered by this issue. Cross-scene atmospheric correction, which would serve to further normalize features across scenes [81], was not applied in these analyses and may have influenced the success of the implementation of this framework to the scene in Niger. However, owing to the applied methods using texture metrics to detect the limited infrastructure in the Niger scene and the few landcover classes present here, it is unlikely this correction would significantly affect the results of these analyses. Cross-scene correction as proposed by Furby & Campbell [82] should be considered in future implementation of this framework. Future and repeated implementation of the identification framework in other areas will assist in determining the severity of these potential limitations. Moreover, given the largely cloud-free satellite coverage of desert ecosystems [79], the application of multi-date change detection analyses across multiple scenes to assess and predict temporal changes in the distribution of oil extraction and exploration sites in these study sites may also help to further determine the relative success of our framework. The methodology employed herein is only one of the many options available to practitioners for the mapping and monitoring of oil exploration and oil exploitation activities in desert ecosystems. Other possible methods include the use of purely geographic information systems-based analyses, as employed by Osti et al. [34]. However, this form of analysis relies heavily on global energy and environment data providers and consultancies, such as the information handling services, which is not free of charge and may potentially be less objective than the use of open access satellite imagery. Alternatively, another potential remote sensing approach could be to use an active sensor, such as radar (e.g. TanDEM-X using synthetic aperture radar digital elevation model (12 × 12 m resolution)). Felbier et al. [83] demonstrated the application of this sensor in developing urban footprint maps (here human settlements), which identify anthropogenic structures with relative accuracy in desert regions. Interestingly, the spatial resolution of these data is very high, and the process is automated [83]. However, this method is targeted at settlements in general and would require additional information and methodological refinement in order to distinguish settlements from oil exploration sites, in addition to being costly and only implementable with the regularity of the data (current data availability covers only 2011 and 2012 [84]).

The relevance and requirement for a monitoring framework for oil exploration such as that developed here is further highlighted by the findings of this study. Ground-truthed data from SCF suggest that an overlap between the borders of the TTTNNR and oil extraction activity, and a conflict of interest between conservation efforts and oil exploration, already exists in Niger (figure 3). Moreover, while the identification framework employed here did not detect any exploration sites within the PA, many of the sites detected were less than 15 km from the border of the TTTNNR and the framework detected a novel site in close proximity to its boundary (figure 3), suggesting that potential and novel threats are encroaching into such areas. Increasing trends in oil prospection activities are similarly already a concern for the PA network across other global dryland regions, with concessions for oil exploration being sold within many PA boundaries [34]. Globally, the threats to dryland ecosystems from oil exploration and extraction activities are great [84–86], causing reductions in species abundance and biodiversity [87,88]. With much current conservation attention on the relative effectiveness of the global PA network for conservation efforts [89–95], methods to monitor threats to conservation and management action in PAs are of the utmost importance. If the expansion of oil exploration activities continues to be conducted at the edges of and within desert PAs, they have the potential to increase pressures on the animal populations within through increased edge effects [37,38], reducing the effectiveness of buffer zones around PAs and the resilience of animal populations and ecosystems within from impacts of further processes of land-use and climate change. Moreover, these threats have the potential to reduce the connectivity of the PA system to wider ecosystems [96], which may be of particular concern in desert ecosystems due to both the patchy distribution of essential resources related to the high variability of the rainfalls in the Sahara [19,21], as well as the fragmented nature of desert biodiversity hotspots and highly endangered endemic species [14,18–21]. Indeed, increased anthropogenic activity within PAs and at their boundaries may create barriers to nomadic and migratory species' movement [35,36]. The importance of maintaining desert biodiversity hotspots within PAs and their surroundings has never been more important, as global climate change is predicted to produce among the highest temperature increases in terrestrial biomes within these regions [23], highlighting severe potential impacts from anthropogenic water extraction associated with oil exploration activities. Water scarcity in arid regions has been found to cause large reductions in species diversity and population size [21,96–98]. Resultant increases in water-related conflict between oil exploration activity and local biodiversity under future climate change in desert regions [23] could thus potentially lead to the collapse of already fragile populations (e.g. the red-fronted gazelle (Eudorcas rufifrons) [18]). Moreover, monitoring of the expansion of novel oil exploration across desert regions may be of great importance for determining sites for future reintroduction efforts for threatened desert animal species under climate change (e.g. the scimitar-horned oryx (Oryx dammah) [99]).

5. Conclusion

With mounting evidence of conflict between conservation efforts and energy procurement, a cost-effective monitoring framework for these activities is clearly of enormous relevance and utility in defining where adaptation and conservation actions must be targeted under future expansion, in order to secure the viability of unique biodiversity across global desert regions in the face of associated threats. This will become increasingly essential into the future, with projected increases for oil production and exports for many global dryland regions: Northern Africa (including many Saharo-Sahelian countries i.e. Algeria, Egypt, Sudan), Central and Western Asia, Central America and Australia [100,101]. Under such future increases in hydrocarbon production, not only the utility but also the efficiency of the monitoring framework developed herein will become critical. Currently, the framework is not automated, and visual interpretation and data processing are required. Automation of the framework to include data acquisition, satellite image processing, and classification model generation and prediction across novel areas would serve to render the framework applicable across these widely spread geographical areas in an effective, non-labour intensive manner. Moreover, in the face of mounting conservation costs and the lack of funding targeted at global desert regions [15,16], the necessity for cheap and easily implementable monitoring frameworks for anthropogenic activities will become increasingly great into the future. We therefore highlight here the importance and relevance of the continued availability of open access satellite imagery, such as that from NASA's recently launched Landsat 8 satellite, to on-the-ground conservation monitoring and management direction. Implementation and automation of the identification framework developed will enable the continued monitoring of areas of concern, advancing current understanding of extremely under-studied and -represented global desert regions, and forming a crucial resource in targeting on-the-ground management and conservation priorities in the face of global environmental change.


APPENDIX 1

Taxon Voucher specimen, Collection locale Herbarium.

Cyrtandra kauaiensis Wawra Johnson 03, Kōke‘e State Park, Kaua‘i Rancho Santa Ana Botanic Garden (RSA).

Cyrtandra longifolia (Wawra) Hillebr. ex. C.B. Clarke Johnson 04, Kōke‘e State Park, Kaua‘i RSA.

Cyrtandra paludosa var. paludosa Gaud. Johnson 01, Upper Waiākea Forest Reserve, Hawai‘i Island RSA.

Cyrtandra platyphylla A. Gray Johnson 02, Réserve forestière d'Upper Waiākea, Hawai'i Island RSA.

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.