Бештар

Арзишҳои манфии DEM чӣ маъно доранд?

Арзишҳои манфии DEM чӣ маъно доранд?


Арзиши баландии DEM аз -255 то 81 фарқ мекунад.

Арзишҳои манфӣ чӣ маъно доранд?

Ман демро аз BHUVAN зеркашӣ кардам.

Тақрибан 90 % арзишҳо ба категорияи манфӣ дохил мешаванд.

Чӣ тавр ман метавонам ин арзишҳоро ба мусбат табдил диҳам?


Арзишҳои манфӣ одатан маънои онро доранд, ки арзишҳои Z дар зери нуқтаи истинодшудаи Z = 0 барои сатҳи баҳр қарор доранд (барои шарҳи бештар ба ин ҷо нигаред).

Агар шумо дар ҳақиқат мехоҳед, ки онҳо мусбат бошанд (ин ба фикри ман як идеяи бад аст), шумо бояд ҳадди аққал арзиши ҳадди ақали минтақаи худро (255) ба дастгоҳи худ бо растери арзиши доимӣ илова кунед ва диапазони алтиметрии худро аз ин ҷо барқарор кунед. 0 (-255+255) то 336 (81+255).

Боварӣ ҳосил кунед, ки ин арзишҳои бад нестанд! Агар шумо бинед, ки ин як чизи ғайримуқаррарӣ аст, шумо бояд ба ҷои он амали "Пур кардан" кунед, ки он барои нигоҳ доштани арзишҳои "хуб" -и Z ва аз нав ҳисоб кардани "бад" -и Z кумак мекунад (нигаред ба Arcgis ё ин ҷо барои ILWIS).


Синтези пайвастагии генетикӣ дар фаунаи чуқури баҳр ва оқибатҳои тарҳрезии мамнӯъгоҳҳои баҳрӣ

NOAA Хадамоти Миллии Уқёнуси Ором, Марказҳои Миллии Илми Уқёнуси Соҳилӣ, Маркази Мониторинг ва Арзёбии Соҳилӣ, Филиали Биогеография, 1305 Ист-Ғарби Ҳви, N/SCI-1, Силвер Баҳор, MD, 20910-3281 ИМА

CSS-Dynamac Inc., 10301 L Democracy Lane, Suite 300, Fairfax, VA, 22030 ИМА

Шӯъбаи замин, уқёнус ва атмосфера, Донишгоҳи давлатии Флорида, 117 N. Woodward Ave, Таллахасси, FL, 32306 ИМА

Шӯъбаи биология, Донишгоҳи Массачусетс Бостон, 100 Morrissey Blvd, Бостон, MA, 02125 ИМА

Шӯъбаи океанография ва моҳигирӣ, MARE- Маркази Илмҳои Баҳрӣ ва Муҳити Зист ва IMAR- Институти Таҳқиқоти Марзӣ, Донишгоҳи Азор, 9901-862 Хорта, Португалия

Okeanos- Маркази тадқиқотӣ, Донишгоҳи Азор, 9901-862 Хорта, Португалия

Гурӯҳи эволютсионии геномика, Шӯъбаи ботаника ва зоология, Донишгоҳи Стелленбош, Боғи хусусӣ X1, Matieland, 7602 Африқои Ҷанубӣ

Шӯъбаи ҳисоббарории илмӣ, Донишгоҳи давлатии Флорида, Китобхонаи илмии 150-T Dirac, Таллахасси, FL, 32306 ИМА

NOAA Хадамоти Миллии Уқёнуси Ором, Марказҳои Миллии Илми Уқёнуси Соҳилӣ, Маркази Мониторинг ва Арзёбии Соҳилӣ, Филиали Биогеография, 1305 Ист-Ғарби Ҳви, N/SCI-1, Силвер Баҳор, MD, 20910-3281 ИМА

CSS-Dynamac Inc., 10301 L Democracy Lane, Suite 300, Fairfax, VA, 22030 ИМА


Таҳлили ҳамгирошудаи GIS ва таҳлили дурдаст барои партовгоҳҳо дар Крит Ғарбӣ, Юнон

Арзёбии нишасти оптималии партовгоҳ барои коркарди самарабахши иттилооти сершумори экологӣ, ки ба таври дуруст ва муассир ташкил карда шудаанд, тақозо мекунад. Системаҳои иттилоотии ҷуғрофӣ як воситаи беҳтарин барои коркарди миқдори зиёди ин гуна иттилоотро дар бар мегиранд, ки дорои маълумоти гетерогении фазои замонавӣ мебошанд. Илова бар ин, тасвирҳои дурдасти дурдасти бойгонии моҳвораӣ як усули ёрирасонеро барои мониторинги муассири экологии сатҳи замин дар ҳудуди полигонҳо ва гирду атрофи онҳо (масалан, барои ҳисоб кардани параметрҳои муҳим ба монанди шохисҳои растаниҳо) муқаррар мекунанд. Дар ин тадқиқот 17 омили экологӣ ва антропогенӣ барои муайян кардани маконҳои мувофиқтарин барои полигони оптималӣ дар қисми ғарбии ҷазираи Крит-Юнон истифода шуданд. Усуле, ки барои арзёбии ҳама омилҳои гуногун истифода мешавад, раванди иерархияи таҳлилӣ мебошад, ки бо усулҳои мантиқи номуайян такмил дода шудааст. Натиҷаҳо бо партовгоҳҳои қаблан таъсисёфта (қонунӣ/назоратшаванда ва ғайриқонунӣ/назоратнашаванда) дар минтақаи префектураи Чания муқоиса карда шуданд ва натиҷаҳо нишон доданд, ки 75 % партовгоҳҳои қаблан (қонунӣ ё ғайриқонунӣ) сохташудаи префектура дар минтақаҳои номувофиқ аз нуқтаи назари экологӣ.

Ин пешнамоиши мундариҷаи обуна, дастрасӣ тавассути муассисаи шумост.


Модули 1: Моделҳои маълумотҳои векторӣ ва растерӣ

Ҳамин тавр, мо дар бораи намудҳои додаҳои векторӣ сӯҳбат хоҳем кард. Мо мефаҳмем, ки топология чист ва дар заминаи GIS ман дар назар дорам, ки истифодаи он чӣ гуна аст, ки мо ба детамоделҳои геологии релятсионӣ намудҳои гуногуни моделҳои геологии релятсионии маълумотро баррасӣ кунем.
(Ба слайд нигаред: 01:31)
Пас, биёед бубинем, ки намудҳои асосии додаҳои вектор кадомҳоянд. Ҳамин тариқ, аввалин хусусияти нуқта аст ва он алайёр ё нуқта дар GIS мебошад, ки мо хусусияти нуқта дорем, он аз маҷмӯи нуқтаҳо иборат аст. , ҷойгиршавии истгоҳҳои автобус ё мактабҳо ё ягон чунин хусусият.
Ҳоло, намуди навбатии додаҳои векторӣ намуди асосии додаҳои векторӣ як сатр аст. Ҳоло он як андозаи якхелаи дорои як андоза аст ва он танҳо дарозӣ дорад. Ҳамин тавр, ба ғайр аз ҷойгиршавӣ, он инчунин ду нуқтаи ибтидоӣ ва нуқтаҳои хотимавӣ дошта бошад ва дар байни мо пайванд мавҷуд аст. Ҳамин тариқ, ин асосан бо ҳамроҳ кардани хати байни ин ду нуқтаи ибтидоӣ он сегменти хатҳоро эҷод мекунад.
Ҳоло он метавонад ҳамчун сегменти хат пайваст карда шавад. Ҳамин тариқ, он метавонад дорои сегментҳои сершумор бошад ё ин метавонад як хати ҳамвор бошад, дар назар дорам, ки мо метавонем аз сегментҳои нуқта, яъне дар назар дорам ё хат як хати ҳамвор тавлид кунем
сегментҳо ин функсияҳо мебошанд, ки одатан ҳамчун алгоритмҳои буридан маълуманд. Ҳамин тавр, мо метавонем хатҳои ҳамворро тавлид кунем.
Ҳамин тариқ, ман як хусусиятро дар назар дорам, ки хусусияти хат аз маҷмӯи хатҳо сохта мешавад, зеро мо гуфтем, ки хусусияти нуқта аз маҷмӯи нуқтаҳо сохта мешавад, хусусияти хат аз маҷмӯи нуқтаҳо сохта мешавад. Ҳамин тариқ, мисоли асан дар назар дорам, ки мо метавонем роҳҳои ин шаҳрро ҳамчун хусусияти хатӣ рамзгузорӣ кунем ва онро ҳамчун қабати ina ҳамчун хусусияти роҳ сабт кунем. Мо метавонем ҳудуди деҳот, иёлотҳо ва минтақаҳои гуногуни маъмуриро ба таври иерархӣ дошта бошем. Мо метавонем ҷараёнҳои табииро сабт кунем, ки асосан ба дренажҳо табдил меёбанд ва онҳо метавонанд дубора барои сохтани маҷрои дарёҳо ҳамроҳ шаванд. Ҳамин тариқ, инҳо чанд намунаҳое ҳастанд, ки дар ин хусусиятҳо метавонанд ҳамчун хусусияти хат дар истифодаи навъи вектордатаи асосӣ дар чаҳорчӯбаи GIS рамзгузорӣ карда шаванд.
Навъи навбатии додаҳо як намуди маълумоти бисёркунҷа мебошад, ки он маълумоти дуҷанба буда, на танҳо дарозӣ дорад, балки дорои хусусияти минтақа ва периметр низ хоҳад буд. Ҳамин тариқ, ба ғайр аз макон, ман дар назар дорам, вақте ки мо дар бораи намудҳои маълумоти GIS сухан меронем, ин маълумот ҳамеша дорои координатаи дарозии арзӣ ё координатаи пешбинишуда мебуданд. Дар лексияҳои қаблии мо дар лексияҳои қаблӣ дар бораи проексияҳо ва тағиротҳо мо дидем, ки чӣ тавр дарозии тӯлиро метавон ба проексияҳои силиндрии шумо ё проексияҳои музмин ё проектҳои орографӣ табдил дод. Ҳамин тариқ, мо контексти гуногунро дидем.
Ҳамин тариқ, ин маълумот метавонад дорои рамзи ҷуғрофӣ ва дарозии макон бошад, ки онро ҷуғрофӣ меноманд, воҳидҳоро дар чорчӯбаи WGS WGS 84 дар назар дорам ё ба таври дигар дар назар дорам, ки он метавонад дар системаи координатаҳои пешбинишуда бошад. Ҳамин тариқ, ин полигон дорои он минтақа ва периметр хоҳад буд, ки ман илова ба ҷанбаҳои ҷойгиршавӣ дар назар дорам, координатаҳои ҷойгиршавӣ.
Ҳамин тариқ, он тавассути ҳамроҳ кардани сегментҳои хатти пӯшида сурат мегирад, яъне он кушода нест. Ман дар назар доштам, ки ин сегментҳои хат бояд пӯшида шаванд ва ин сегментҳои хатҳо бояд сегментҳои буришнашаванда бошанд, ки ин хеле муҳим аст, зеро агар шумо сегментҳои хати буриш дошта бошед, он гоҳ дар ин сурат бисёркунҷаҳои сершуморро ташкил медиҳанд.
Ҳамин тавр, вақте ки мо ба намудҳои маълумоти олии векторӣ менигарем, дар назар дорам, ки инҳо намудҳои асосии вектор мебошанд, вақте ки мо намудҳои пешрафтаи додаҳои векторро меҷӯем. Мо мебинем, ки чӣ гуна метавон дар чаҳорчӯбаи GIS ба коде, ки хатҳо ё полигонҳои буришдоштаро дар назар дорад, ки дар он сӯрохиҳо доранд ё метавонанд минтақаҳое дошта бошанд, ки набояд ягон минтақа дошта бошанд. Ҳамин тариқ, он гуна полигонҳоро инчунин метавон дар чаҳорчӯбаи GIS рамзгузорӣ кард.
Ҳамин тавр, ман дар назар дорам, ки периметр ё сарҳад полигонҳоро муайян мекунад. Ҳамин тариқ, полигонҳо он метавонад бисёркунҷаро беҳтар кунанд ва ё сарҳади худро бо дигар полигонҳои ҳамсоя мубодила кунанд ва шояд дар дохили он сӯрохе дошта бошад, дар назар дорам, ки метавонад минтақае вуҷуд дошта бошад, ки ба он дохил карда нашуда бошад. Мисол барои мисол, ман дар назар дорам, ки агар шумо заминро истифода баред ва шумо нахоҳед, ки як ҳавзро дар дохили дорухона дохил кунед ва шумо намехоҳед майдони ҳавзро дохил кунед, агар шумо кӯшиш кунед, ки ҳосилнокии ин шаклро ҳисоб кунед чӣ гуна аз нуқтаи назари истедсоли ҳосили биринҷ ё гандум чӣ натиҷа хоҳад дод. Ҳамин тавр, дар ин сурат шумо майдони ҳавзро, ки дар дохили замини майдони кишоварзӣ пайдо мешавад, тахфиф медиҳед.
Ҳамин тариқ, мо метавонем рамзгузории полигонҳоро, ки сӯрохиҳо доранд ва мо метавонем миқдори зиёди ин минтақаро аз омор хориҷ кунем. Ҳамин тавр, дар ин сурат, агар мо ин гуна полигонҳоро дошта бошем, ки сӯрохиҳои дарунсохт дошта бошанд, он боиси дохилӣ ва берунии сарҳад хоҳад шуд. Ҳамин тариқ, ман дар назар дорам, ки ин хусусият аз полигонҳо ё маҷмӯи бисёркунҷаҳо иборат аст, яъне бисёркунҷа ҳамчун хусусият. Ва мисолҳои ин чизҳое, ки ба ёдам меоянд, ман дар назар дорам, як мисоли ба шумо гуфтам, киштзори кишоварзии саҳроист, ки он метавонад минтақаҳои растанӣ, минтақаҳои ҷангалдор, шаҳрҳо, обанборҳоро дар бар гирад. Ҳамин тариқ, ман дар назар дорам, ки шумо метавонед дорои хусусиятҳои мухталифи минтақавӣ бошед ва шумо метавонед онро ҳамчун хусусияти бисёркунҷа дар GIS рамзгузорӣ кунед.
(Ба вақти слайд нигаред: 08:31)
Ҳоло, биёед баъзе намунаҳоро бубинем. Ҳамин тавр, дар ин ҷо шумо метавонед мисолеро бинед, ки дар он шумо мисоли нуқтаҳоро мебинед, мо чанд нуқта дорем, ки ман дар назар дорам нуқтаҳои додашуда ва ҷойгиршавии онҳо дода шудаанд. Ҳамин тариқ, мо дар ин ҷо якчанд нуқтаҳо дорем, ки ба онҳо атрибутҳо дода шудаанд, ин фикри нуқта аст ва мо координатаҳои ҷойгиршударо аз ҷиҳати x ва y дорем.
Ҳамин тавр, шумо метавонед бинед, ки барои нуқтаи аввал координатаҳои ҷойгиршавӣ дода мешаванд, барои нуқтаи координатаи дуюм боз координатаи ҷойгиршавӣ дода мешавад, барои сеюм ман нуқтаи назар ва барои нуқтаи чорум мо координатаҳои ҷойгиршавӣ дорем. Ҳамин тавр, ин аст, ки маълумот асосан дар истинод ба нуқтаҳои маълумоти GIS нигоҳ дошта мешавад.
Ҳамин тавр, ҳоло, мо як мисоли хатҳое дорем, ки шумо мебинед мо аз гиреҳ дорем ва то гиреҳро дорем. Ҳамин тавр, агар шумо сегменти якро бинед. Ҳамин тавр, дар ин ҳолат, ин сегменти хати аз 11 то 12 рақами мушаххаси камони шумо 1 аст, ки дар ин ҷо дода шудааст, ки ID истинод аст ва пас шумо доред
ID гиреҳ, ки 11 ва 12 аст, ки ҳамчун ин нуқтаҳо дода шудаанд. Ҳамин тариқ, мо гиреҳ дорем, ки дар он гиреҳ дошта бошем ва гиреҳ дошта бошем ва пас мо ID -ҳои пайвандро ҳамчун камон дорем.
Ҳамин тавр, ба ҳамин монанд, агар мо рақами камони рақами камони шуморо бигирем 5. Пас, дар ин ҳолат, агар мо ба ин ҷо равем, мебинем, ки нуқтаи ибтидоӣ 14 аст, аз гиреҳ бояд 14 -и шумо бошад. Дар ин ҳолат, он гиреҳи 15 оғоз мешавад. 15 аст ва гиреҳ 14 аст. Ҳамин тавр, сабаби ин дар он аст, ки хат дар ин самт рақамӣ карда мешуд, вақте ки касе мебоист ин сатрро рақамӣ мекард, онҳо аввал ин нуқтаи 15 ва сипас нуқтаи 14 -ро пахш мекарданд. ин камон 5 дар гиреҳ is15 дорад ва гиреҳ то 14 дар ин ҳолат аст.
Ҳамин тариқ, мо метавонем дарозии ин камонҳоро дошта бошем ва агар матритсаи полигониро бинем, мо метавонем матритсаи ҳамсоягӣ дошта бошем. Ҳамин тавр, дар ин ҳолат мо фарогирии бисёркунҷаро мебинем. Ҳамин тавр, шумо метавонед бубинед, ки полигонидҳо дар ин ҷо 100, 101, 103 ва 104 дода шудаанд, аммо шумо инчунин ID -и пешфарзро мебинед, ки 100 аст, ки берун аз он хатҳое, ки мо дар ин минтақа мебинем, ин ID ин аст, ки ман дар назар дорам. Ҳамин тавр, ҳама гуна соҳае, ки пас аз он ҳаш дорад, майдони пешфарзест, ки аз ҷониби нармафзор сохта шудааст.
Ҳамин тавр, шумо метавонед барои ID 101 бубинед, ки полигон аст, ки ҳамчун 101 номбар шудааст сегменти хати дорад, ки аз ин ҷо сар мешавад ва сегменти хати 4 ин аст то ин ки мо сегменти хатҳои 6 дорем, бинобарин ин сегменти хат сегменти хати аст 6. Ҳамин тариқ, ин полигони 101 -ро ба итмом мерасонад ва ба ҳамин монанд мо полигони 103 ё 104 дорем ва мо метавонем фаҳмем, ки рӯйхати камонҳо чист, ки ин полигони мушаххасро иҳота мекунанд ё месозанд.
Ҳоло, мо инчунин метавонем аз ин фаҳмем, ки координатаи x-y-и камони шумо дар ин ҷо оварда шудааст, мо дар бораи сегментҳои хатӣ сухан мерондем. Ҳамин тавр, шумо мебинед, ки координатаҳои 1 ва 3, 1 ва 9 ва 4 ва 9 асосан ин сегменти махсуси камоншударо эҷод мекунанд 1. Ҳамин тариқ, ман дар назар дорам, ки мо метавонем ба маълумот равем ва шумо метавонед ба он муроҷиат кунед ва бубинед, ки ман маълумотро чӣ гуна дар назар дорам Ман дар назар дорам, ки шумо метавонед як файли шакл ё файли камон дар камон GIS ё q GIS ё дигар нармафзорҳо эҷод кунед.
Ҳамин тавр, мо як лекция хоҳем дошт, ки дар он ман кӯшиш мекунам ба шумо бигӯям, ки нармафзор ва rsquos -ро насб кунед ва мо дар ин нармафзор чанд машқҳои асосиро иҷро мекунем. Ҳамин тавр, мо барои ин лексияи махсус хоҳем дошт ва мо кӯшиш мекунем дар платформаи QGS кор кунем. Ҳамин тавр, ба ғайр аз ин шумо инчунин мебинед, ки ду вуҷуд доранд
матритса, ки матритсаи ҳамсоягӣ ва пайдошавӣ мебошад, ки мо дар слайдҳои баъдӣ дар бораи он сӯҳбат хоҳем кард.
Ҳамин тариқ, дар матритсаи ҳамсоягӣ шумо мебинед, ки наздикии ин нуқтаҳо ҳамчун аматрика дода шудааст. Ҳамин тавр, агар нуқтаи 12 -и шумо ин нуқтаи 12 бошад, оё он ба нуқтаи 11 ҳамсоя аст, пас, агар он дар паҳлӯи он бошад, хол ҳамчун 1 дода мешавад. Ҳоло, агар шумо бубинед, ки нуқтаи 13 13 ба 11 ҳамсоя нест. ин ҳолат он ҳамчун 0 рамзгузорӣ карда шудааст, ки дар он ман барои 14 ҳамсоягӣ 1 ҳастам, зеро шумо метавонед ба 12 расед, шумо метавонед аз нуқтаи 11 то ба 14 расед. нуқтаи 13. Ҳамин тавр, барои матритсаи шафати 13 шумо мебинед, ки он танҳо ба ҳамсоягӣ ба нуқтаи 11 аст, ки ин нуқта аст.
Ҳамин тавр, ҳоло мо чӣ кор карда метавонем, ин аст, ки агар мо матритсаи пайдошударо барои ин мебинем, ман сегментҳои нуқта ва сегментҳои хатро дар назар дорам. Ҳамин тариқ, рамзҳои истинод, ки дар ин ҷо оварда шудаанд, яъне барои нуқтаи 11 шумо метавонед бубинед, ки он ба сегменти аввал пайваст аст, аммо он алоқаи манфӣ дорад. Ман дар назар дорам, ки хатти самти ҷараёни ҷараён дар ин ҳолат манфӣ аст, ки дар он ба камони дуввум пайваст аст ва он ба самти мусбат аст, вай аз ин нуқтаи 11 паҳн мешавад. Ҳамин тавр, вай аз ин нуқтаи 11со паҳн мешавад, он ҳамчун 1 дода мешавад .
Ҳамин тавр, ба ҳамин монанд шумо метавонед ба ин нуқтаи 14 расед ва ин тавассути ин сегменти хати мушаххас аст4 ҳамин тавр, боз ин арзиши мусбат аст. Ҳамин тавр, шумо инчунин метавонед дар назар дорам, агар шумо ба таври мустақим ба он расидан натавонед, агар пайвастшавӣ манфӣ бошад, он дар инкиденематика ҳамчун манфӣ ифода карда мешавад. Ҳамин тариқ, мо намудҳои гуногуни маҷмӯи маълумотро аз сар гузаронидем, ки маҷмӯаҳои додаҳои бисёркунҷа мебошанд, мо маҷмӯаҳои маълумотҳои хаттӣ, маҷмӯаҳои маълумоти бисёркунҷа ва маҷмӯаҳои маълумотҳои нуқтаҳоро дорем.
Ҳамин тавр, дар оянда мо дида мебароем, ки топология чист. Ҳоло, мо бояд ин муносибатҳоро дар слайдҳои пештараи худ бунёд кунем, ки дидем, ки рақамҳои шумо полигонҳо рамзгузорӣ шудаанд ва нуқтаҳо дар куҷо рамзгузорӣ шудаанд. Ҳамин тариқ, ман дар назар дорам, ки онҳо ин дарозии арзро доштанд ва ин пайвандҳо рақамҳо доштанд ва он дар ҷадвал ҷойгир карда шуда буд. Ҳамин тавр, ин муносибатест, ки мо мекӯшем байни нуқтаҳо ва хатҳое, ки хусусиятҳои ҷаҳони воқеиро муаррифӣ мекунанд ва дар маълумот рамзгузорӣ карда мешаванд.
Ҳамин тавр, мо метавонем дар якҷоягӣ бо ин ҷадвал атрибутҳои пойгоҳи додаҳоро дошта бошем, ки он дар баробари ҷадвалҳо низ мебуд. Ҳамин тариқ, он дорои сутунҳои сершумор хоҳад буд, ки дар онҳо мо метавонем дигар хусусиятҳоро илова кунем, инчунин иттилооти сершуморро дар назар дорам. Ҳамин тавр, ин бояд дар шакли муносибат рамзгузорӣ карда шавад.
Ҳамин тариқ, ин хосиятҳои геометрии объекти геометрӣ, ки ман дар назар дорам, ин боқӣ хоҳад монд, яъне фортопологияи сохташаванда дар назар дорам он инвариант боқӣ мемонад. Масалан, агар мо топология созем
бо истифода аз хатҳо ё гуфтан ман дар назар дорам, ки он ба бисёркунҷа оварда мерасонад, то геометрия бояд тағирнопазир боқӣ монад. Инвариант маънои онро дорад, ки вақте мо дар синфи охирамон истинод ба гео-истинод мекунем, мо дигаргунӣ надоштем. Мо трансформатсияро анҷом додем ва дидем, ки табдили полигон ё полиномия ё аффинро дидем, ки дар он мо асосан талошҳои геометрии қиматҳои нуқтаро тағир додан мехоҳем.
Ҳамин тариқ, дар ин сурат он метавонад ба шикастан дучор шавад, он метавонад аз рӯи тағйири шакл ба деформатсия дучор шавад. Ҳамин тавр, мо дидем, ки тарошидан, гардиш кардан, тарҷума кардан ин чизҳои гуногунест, ки метавонанд дар пойгоҳи додаҳо рух диҳанд. Ҳамин тавр, он метавонад тасвир бошад, аммо имрӯз мо дар бораи маълумоти векторӣ гап мезанем. Ҳамин тавр, вақте ки мо дар қабати векторӣ тағирот анҷом медиҳем, он чизе ки рӯй медиҳад, мумкин аст дар робита бо геометрия тағирот вуҷуд дошта бошад, аммо муносибати хосиятҳои объектҳои геометрӣ онҳо бетағйир боқӣ мемонанд. Ман дар назар дорам, ки номи роҳ тағир намеёбад, агар шумо тағироти геометриро анҷом диҳед, ки бояд нигоҳ дошта шавад.
Ҳамин тавр, дар як топология, вақте ки мо топология дорем, ин хосиятҳои объектҳои геометрӣ он бетағйир боқӣ мемонад. Он дар ҳама гуна тағирот ба монанди хам шудан ё дароз кардан тағир намеёбад, шумо метавонед намунаи резинии резиниро бинед, ки ман онро барои вақт истифода мебарем.
Ҳамин тавр, агар шумо тасмаи резиниро дароз кунед, ман тасаввур мекунам, ки он аз хатҳо сохта шудааст, шумо мефаҳмед, ки объектҳо бетағйир мемонанд. Сегментҳои хат якхела хоҳанд буд, то он даме ки дарозӣ афзоиш ё деформатсия мешавад ё агар шумо хоҳед, агар аз он полигон созед, метавонад деформатсия шавад, аммо объектҳо боқӣ мемонанд. Объектҳои геометрӣ ҳатто агар шумо ягон тағиротро ба мисли дароз кардан татбиқ кунед ё ман каҷ кардан ё дигаргунсозии ин гуна чизро дар назар дорам, бетағйир боқӣ мемонанд.
Ҳамин тариқ, ман ин муносибатҳоро дар назар дорам, ки ин амвол ва rsquos -ро тавассути графикҳои мустақим шарҳ додан мумкин аст, ки он бо номи диграфҳо низ маълум аст. Ҳамин тавр, ин як ҷанбаи назарияи граф аст. Ҳамин тариқ, дар назар дорам, ки табиати самтӣ тавассути диграфҳо ифода карда мешавад, яъне графикҳои самтие, ки танзими объектҳои геометриро нишон медиҳанд.
Дар слайдҳои қаблии худ мо хатҳоеро дидем, ки самтҳо дар он ҷо буданд. Вақте ки шумо ба рақамисозии он шурӯъ мекунед, он инчунин самтеро дарбар мегирад, ки аз нуқта ба нуқта ба
нуқта Ҳамин тариқ, ин муносибатҳоро метавон рамзгузорӣ кард ва ман дар назар дорам, ки ин муносибатҳоро метавон ҳамчун ҷадвал дар ҷадвал дар сутунҳои гуногун ҷамъ кард. Ҳамин тариқ, ин асосан топология ё робитаест, ки мо бо нуқтаҳо ва хатҳо месозем.
Сипас, мо дар бораи ҳамсоягӣ ва шохисҳои ҳодисаҳо сӯҳбат кардем. Ҳамин тавр, инҳо инчунин муносибатҳои бунёдӣ мебошанд, ки дар GIS ба таври васеъ истифода мешаванд, ки дар он робитаи байни гиреҳҳо ва камонҳо барқарор карда мешавад. Ҳамин тавр, дар топологияи диграфӣ барои нигоҳ доштани муносибатҳои фазоӣ файлҳои иловагӣ талаб карда мешавад. Ҳангоме ки мо ин муносибати фазоӣ дорем, мо як матритсаи ҷудогона ва фарогирӣ дорем, ки дар он ду матритсаи ҷудогона, ду маҷмӯи маълумоти алоҳида аз маҷмӯи маълумоти асосии ҷойгиршавӣ, дарозӣ ё масоҳати нуқтаи хат ё полигон ҷудо карда мешаванд.
Ҳамин тариқ, инҳо ду маҷмӯи маълумоти иловагӣ мебошанд, ки асосан маълумоти ҳамсоягии шуморо нигоҳ медоранд ва маълумоти пайдошавии бемориҳо. Ҳамин тавр, мо ин мисоли полигонтопологияро аллакай дида будем ва мо дар слайдҳои қаблии худ матритсаи ҳамсоягӣ ва инкиденцематика чист ва чӣ гуна онҳо пайвастанд ва чӣ тавр онҳо дар ин ҷадвали махсус рамзгузорӣ шудаанд, шарҳ додем.
Ҳоло, биёед бубинем, ки ин муносибатҳои топологӣ низ муфид аст, агар мо хоҳем, ки як навъ дархости аспаталӣ анҷом диҳем. Агар мо як навъ дархости фазоии маълумотро иҷро карда истодаем, бигӯем, ки шумо мехоҳед роҳро ҷустуҷӯ кунед ва мебинед, ки оё шумо дар ягон ҷое сафар карда истодаед, харитаҳои Google -ро мекушоед ва шумо метавонед бубинед, ки чигунагии кадом қисмати роҳ серодам аст ва вақти сафар чӣ қадар аст . Ҳамин тариқ, он тавассути рангҳое, ки бо рангҳои сурх нишон дода шудаанд, нишон медиҳад, ки роҳбандӣ вуҷуд дорад, суръати гардиш дар як сегменти муайян хеле кам аст, агар он сабз ё кабуд бошад, ин маънои онро дорад, ки ҷараёни ҳамвори трафик дар ин сегменти хати мушаххас мавҷуд аст.
Ҳамин тавр, ман дар назар дорам, ки мо бояд баъзе дархостҳоро анҷом диҳем, дар назар дорам инҳо саволҳое мебошанд, ки худ аз худ тавлид мешаванд, аммо шумо инчунин метавонед як пурсиши мушаххас диҳед, бигӯед, ки дарозии роҳи мушаххас чанд аст. Ман гуфтам, ки шумо шояд роҳи мушаххасе дошта бошед, ки он метавонад роҳи экспресс бошад ё ман як қисми шоҳроҳи шоҳроҳи аз шаҳр мегузарад. Ҳамин тавр, шумо метавонед дарозии онро донед. Ҳамин тавр, шумо метавонед бо истифода аз дархости фазоӣ фаҳмед.
Ҳамин тавр, вақте ки шумо ин муносибатҳои топологиро доред, он ба эҷод кардани ин саволҳои фазоӣ, ба мисли фарзия, кумак мекунад ё кӯмак мекунад, дар назар дорам, ки як ҳолати ифлосшавӣ вуҷуд дорад. Ҳамин тариқ, бинои ифлосшавӣ чӣ қадар ё чанд биноро дар назар дорам, зарар дидааст ё шумораи аҳолӣ чӣ қадар аст. Ҳамин тавр, шумо метавонед кӯшиш кунед, ки чораҳои нигоҳдорӣ ё буришро истифода баред. Ҳамин тариқ, ин ду муносибати топологӣ барои пурсиши фазоии маълумот муҳиманд.
Ҳамин тариқ, мо баъдан дар декодировкаи вақти худ дар силсилаи лексияҳои навбатии худ хоҳем дид, ки чӣ гуна мо метавонем як дархости фазоии маълумотиро тавлид кунем ва чӣ тавр он муфид аст.
(Ба вақти слайд нигаред: 23:55)
Ҳамин тариқ, мо ба модели маълумоти георелатсионӣ назар меандозем. Ҳамин тариқ, он геометрияро дар назар дорад, ки гео Иманро дар назар дорам, ки ҷанбаҳои графикии онро дар назар дорам, ки чӣ гуна маълумот ҳамчун хатҳо ё полигонҳо рамзгузорӣ карда мешаванд ва муносибате, ки мо ба ин модел месозем, ки қисми пойгоҳи додаҳо мебошад. Ҳамин тариқ, он ID -ҳои мушаххаскунии хусусиятҳоро истифода мебарад, то бубинанд, ки асосан ин ду ҷузъро пайванданд
ки ҷузъи геометрӣ ва ҷузъи атрибут аст. Мо ҷузъи атрибутӣ ва ҷузъи геометрӣ дорем.
Ҳамин тавр, мо метавонем ин ду ҷузъро пайваст кунем. Ҳамин тавр, ин ду ҷузъ ба муқобили синхронизатсияи Imean мебошанд, ин ду маҷмӯи алоҳида мебошанд. Мисли шумо, агар шумо баъзеи шумо дар CAD худкор кор карда бошед, шумо хоҳед дид, ки шумо метавонед хатҳо кашед, шумо полигонҳо кашед, шумо метавонед шаклҳо кашед, шумо нуқтаҳоро кашед. Ҳамин тариқ, инҳо танҳо объектҳои рассомӣ ҳастанд, ки ман дар назар дорам, ки онҳо ягон хусусият надоранд ва аз тарафи дигар шумо метавонед ҷадвали excel дошта бошед, ки дар он шумо хусусиятҳо дошта бошед. Ҳамин тариқ, ин ду маҷмӯи иттилоот метавонанд дорои теги беназир ё идентификатори беназир бошанд, ки ин ду ҷузъро мепайвандад, яъне географӣ ё ҷузъи геометрӣ ва ҷузъи атрибутӣ.
Ҳамин тариқ, инҳо ҳамоҳанг карда мешаванд, то онҳо якҷоя пурсиш, таҳлил ё намоиш дода шаванд. Ҳамин тариқ, намунаҳои чунин моделҳои георелатсионии маълумот COVERAGE ва SHAPEFILE мебошанд. Ҳамин тариқ, COVERAGE як Esri -и хеле маъмул аст ва формати SHAPEFILE формати сарчашмаи кушод аст, мо онро дида мебароем. Ин фарогирӣ модели топологӣ аст, ки дар он файли шакл модели ғайри топологӣ аст. Мо бори дигар муҳокима хоҳем кард, ки фарқият дар байни пӯшиш ва файли шакл чист, вақте ки мо ба ин ду ҷиҳат нигарем, хоҳем дид.
Ҳамин тавр, шумо мебинед, ки фарогирӣ ду ҷузъи камон дорад. Ҳамин тавр, шумо мебинед, ки он дорои геоест, ки мо бо геометрия гуфтугӯ мекардем, ки ин қисми геометрия аст ва пас мо файли иттилоот дорем, ки асосан хусусият аст. Ҳамин тариқ, онҳо бо ду маҷмӯи объектҳои дар назар дошташуда робита доштанд, дар назар дорам, ки шумо метавонед як майдони умумиеро бинед, ки рақамҳои ашёро дошта бошанд, ки ин геометрия ва хусусиятро мепайванданд.
Ҳамин тавр, ҳар вақте ки мо мегуфтем, ки мо як навъ пурсишро анҷом медиҳем ё ягон таҳлили Имонро анҷом медиҳем, онҳо ин ду ҷузъ мебошанд. Ин ду ҷузъ, ки геометрия ва хусусияти ин системаи мушаххас аст, аз ин рӯ мо онро GIS, Системаи иттилоотии ҷуғрофӣ меномем, ки дорои ин ҷузъҳо мебошад. Ҳамин тариқ, инҳо ҳамоҳанг карда мешаванд ва онҳоро метавон таҳлил кард ё намоиш дод, ки дар як овоз нишон дода шаванд.
(Ба слайд нигаред: 27:19)
Пас, биёед фарогирии Esri -ро бубинем. Ин формати хусусӣ аст, ки Esri додааст ва пайвастагӣ тавассути камонҳо ва гиреҳҳо аст. Ҳамин тавр, як минтақае мавҷуд аст, ки барои ин полигонҳо муайян карда мешавад, вақте ки камонҳо барои пӯшонидани майдон пайваст карда мешаванд ва онҳоро полигонҳо меноманд. Ҳамин тариқ, мо метавонем бифаҳмем, ки полигони чап ва полигони рост кадомҳоянд дар пойгоҳи додаҳо.
Ҳоло, шумо метавонед сохтори маълумотро барои як нуқтае, ки мо қаблан омӯхта будем, бубинед. Ҳамин тариқ, шумо метавонед координатаҳоро аз ин график дар назар дорам. Ҳамин тариқ, барои нуқтаи 1 барои нуқтаи 1 мо координатаҳои 2 ва 9 дорем. Ҳамин тариқ, дар самти x мо ду шабакаро тай мекунем ва дар самти y мо ду шабакаро тай мекунем, то ин нуқтаи 1 дошта бошад, ки координатаҳои 2 ва 9 доранд. Ҳамин тариқ, сохтори маълумотҳои нуқта чунин аст
алоқаманд аст, пас мо маълумотро дар бораи фарогирии хат дорем, ки дар он шумо боз мебинед, ки мо ID и камон дорем. Ҳамин тавр, шумо ID -и камон дошта бошед ва шумо аз гиреҳ ва гиреҳ ба гиреҳ хоҳед дошт.
Ҳамин тавр, мо инро аллакай пӯшидаем. Ҳамин тавр, мо аз гиреҳ ва ба гиреҳ дорем. Ҳамин тавр, ин гиреҳро аз гиреҳ ҳамчун 11 ва гиреҳ ҳамчун 12 месозад. Ҳамин тариқ, мо инчунин метавонем полигонпӯшии шуморо дошта бошем, ки дар он мо полигони чап дорем ва мо полигони рост дорем. Ҳамин тавр, мо дар бораи пайвандак сӯҳбат кардем, дар ин ҳолат мо дар бораи полигонҳои чап ва рост сӯҳбат кардем. Ҳамин тавр, шумо мебинед, ки он дар ин маълумоти мушаххас рамзгузорӣ шудааст, полигони чап ва ростро танзим мекунад.
Ҳамин тавр, барои камон 1 шумо полигони чап доред, ки он 100 аст, ки он майдони беруна аст ва рамзи майдони беруна ва барои бисёркунҷаи рост шумо бисёркунҷаи дурусти 101 доред. Ҳамин тавр, ин камон1 аст. Ҳамин тавр, ба ҳамин монанд, шумо инчунин метавонед мизи бисёркунҷаи мизи бисёрзании камон дошта бошед, ки дар он шумо метавонед камонҳоеро, ки барои сохтани ин минтақаи бисёркунҷа ҷойгиранд, пайдо кунед. Ҳамин тавр, он камонҳои 1, 4 ва 6 дорад. Ҳамин тариқ, шумо 1, камон 4 ва камони 6 доред, то полигони худро 101 созед. Ҳамин тавр, пӯшиши Esri маълумотро ҳамин тавр нигоҳ медошт.
(Ба слайд нигаред: 30:15)
Акнун, биёед бубинем, ки файли шакл аз фарогирии камони Esri чӣ фарқ дорад. Ҳоло, агар он формати ғайритологӣ бошад, он формати сарчашмаи кушода аст ва он дар бисёр барномаҳои сершумори нармафзори GIS, платформаҳои GIS васеъ истифода мешавад. Ҳамин тариқ, ин файли шакл онро ҳамчун координатаи x-y ҳамчун координатаи x-y, ки мо дар камон дар файли Esricoverage дида будем, баррасӣ мекунад. Ҳамин тавр, он дорои хатест, ки як қатор нуқтаҳо дошта бошад, як полигон дорои сегменти сегментҳои хатӣ хоҳад буд ва фарқият дар он аст, ки ин полигонҳо ҳангоми буридани сарҳадҳо камонҳои такрорӣ доранд, ки дар сурати фарогирии камон, ки мо қаблан дида будем, чунин нест.
Ҳамин тавр, мо мебинем, ки дар ин ду намуди файл мавҷуд аст. Яке файли шакли шумо аст ва он файли asshx, shp file ва дигаре файли shx мебошад. Ҳамин тавр, shp file онро дар назар дорам, ки геометрияро сабт мекунад, ки дар он shsh шохиси фазоиро нигоҳ медорад. Мо дар слайдҳои охир дар бораи шохиси фазоӣ гуфта будем, бинобар ин он шохиси фазоии геометрияи хусусиятҳоро нигоҳ медорад.
Ҳамин тариқ, чанд бартарии истифодаи файлҳои шакл вуҷуд дорад, ки ман дар назар дорам, онҳо асосан метавонанд дар мониторҳои компютер дуруст муаррифӣ карда шаванд. Ҳамин тавр, вақте ки корбар кӯшиши танҳо дидани баъзе маҷмӯаи маълумотро дорад, ин хеле муфид аст. Ҳамин тариқ, дар ин сурат осонтар аст, агар мо файли шаклро истифода барем, зеро онҳо метавонанд зуд бистарӣ карда шаванд. Инҳо форматҳои ғайримуқаррарӣ мебошанд, ки воқеан дар соли 1990 як ташаббус вуҷуд дошт ва талабот ба доштани файли иттилоотии GIS-и сарчашмаи кушодаи ғайрихусусӣ вуҷуд дошт.
Ҳамин тариқ, ин файли шакли формат натиҷаи ин ташаббус аст ва ин консорсиум бо номи консорсиуми геопазии геопаинӣ, ки соли 1994 ба вуҷуд омадааст, маъруф аст. Ҳамин тариқ, ин асосан маънои онро дорад, ки ман дар назар дорам, ки он ба ҳамоҳангии маҷмӯаҳои маълумот таъсир мерасонад. маънои онро дорад, ки шумо метавонед онро дар платформаҳои гуногун истифода баред. Ҳамин тавр, агар шумо ба ин вебсайти мушаххас ворид шавед, шумо метавонед тафсилотро дар бораи консорсиуми фазоии opengeo пайдо кунед.
(Ба вақти слайд нигаред: 33:03)
Ҳоло мо модели маълумотро дар асоси объект дорем. Ҳамин тавр, ин боз як формати стандартии маълумотҳои топографӣ нест, ки он дар маҳсулоти Esri низ истифода мешавад. Ин формат аз Esri аст, аммо ин маънои онро дорад, ки он формати хусусии анон-топологӣ аст. Ҳамин тариқ, он геометрия ва атрибутҳоро дар як система нигоҳ медорад. Баръакси пойгоҳҳои додаҳои қаблӣ ба монанди файли шакл, ки дар он геометрия ва атрибутҳо системаҳои бепарво бо ID -и ягонаи ба ҳардуи онҳо алоқаманд нигоҳ дошта мешаванд, ин геометрия ва атрибутҳоро дар як система нигоҳ медорад.
Ҳамин тариқ, геометрия ҳамчун маҷмӯи маълумоти бинарӣ нигоҳ дошта мешавад ва он дар як соҳаи мушаххасе ҷойгир аст, ки ҳамчун BLOB маъруф аст, ман онро ҳамчун объекти калони бинарӣ меноманд. Ҳамин тавр, он ҳамчун BLOB ихтисор карда мешавад. Ҳамин тавр, ман дар назар дорам, ки хусусият ё объектҳои фазоӣ мавҷуданд, ки бо маҷмӯи хосиятҳо ва усулҳо алоқаманданд. Ҳамин тавр, шумо дар ин ҷо мебинед, ки геометрияи ҳар як истифодаи замин дар ин ҷо рамзгузорӣ карда мешавад ва шакли дар ин ҷо додашуда он ҳамчун полигон барои ID истифодаи замин дода шудааст. Ҳамин тариқ, модели маълумот дар асоси объекти шумо ҳамин тавр нигоҳ дошта мешавад.
Ҳоло, ба онҳо моликияте таъсир мерасонад, ки хусусият ё хусусиятҳои иншоотро тавсиф мекунад, ман дар назар дорам, ки объекти GIS -и шумо он метавонад шакл ё минтақае бошад, ки андоза ё услуби ба мисли ман гуфтан, иҷрои амали мушаххасе ба монанди нусхабардорӣ ё нест кардан бошад. Ҳамин тариқ, ба ин GISoperations аз моликият ва усуле, ки дар модели дар асоси объект рамзбандишуда таъсир мерасонанд.
(Ба вақти слайд нигаред: 35:01)
Ҳоло, дар бораи модели навбатии геологии маълумотҳои релятсионӣ, ки махзани маълумотҳои гео мебошад, ки он дубора Эсри аст, вай барои муаррифии маълумоти векторӣ нуқтаҳо, хатҳо ва полигонҳоро истифода мебарад. Он аз ҷиҳати хусусиятҳои оддии худ ба пӯшиш хеле шабеҳ аст, аммо он аз ҷиҳати хусусиятҳои таркибӣ аз фарогирии камон фарқ мекунад, зеро шумо метавонед решаҳо ё минтақаҳоро рамзгузорӣ кунед, ки мо онҳоро дар чанд слайдҳои навбатии худ муҳокима хоҳем кард. Ҳамин тавр, он инчунин метавонад маълумоти растриро нигоҳ дорад, он инчунин метавонад шабакаҳои секунҷаи номунтазамро нигоҳ дорад, инчунин метавонад маълумотҳои ҷойгиршударо нигоҳ дорад.
(Ба слайд нигаред: 35:41)
Ҳамин тариқ, пойгоҳи додаҳои гео, пойгоҳҳои додаҳои векторӣ ба синфҳои хусусиятҳо ва маҷмӯаҳои додаҳои хусусиятҳо ташкил карда шудааст. Ҳамин тариқ, барои нуқтаҳои гуногун он хусусиятҳои фазоиро дар синфи хусусиятҳо нигоҳ медошт. Ва он метавонад дар муносибатҳои топологӣ бо якдигар иштирок кунад, яъне, барои мисол, агар шумо ҳудудҳои тасодуфиро гӯед, агар шумо маълумотҳои барӯйхатгириро дошта бошед, ки табиатан дорои дараҷаи олӣ аст, ки дар он шумо деҳа дошта бошед, шумо метавонед блокҳо ё ноҳияҳо дошта бошед , сарҳадҳои давлат ва кишвар. Ҳамин тавр, ман метавонистам дар байни миқёси гуногуни маълумот сарҳадҳои тасодуфиро дар назар дорам.
Ҳамин тариқ, ин пойгоҳи додаҳои гео дар назар дорам, ки дар муносибатҳои топологӣ иштирок мекунад, ки шумо дар онҳо сарҳадҳои тасодуфӣ доред. Ҳамин тариқ, маҷмӯи маълумоти хусусиятҳо, ман дар назар дорам, ки мо дар бораи хусусият сӯҳбат карда будем
маҷмӯи маълумот. Он синфҳои хусусиятҳоро нигоҳ медорад ва он як системаи координатӣ ва масоҳати зиёдатии минтақаро тақсим мекунад.
(Ба слайд нигаред: 36:57)
Ҳамин тариқ, мо дар слайдҳои қаблии худ дар пойгоҳи геодезӣ дар бораи шабакаи секунҷаи минтақавӣ сӯҳбат кардем. Ҳамин тариқ, мо метавонем бубинем, ки шабакаи секунҷаи секунҷа чист ва он барои рамзгузории табиати ҳароратноки маҳал истифода мешавад. Агар шумо як минтақаи кӯҳӣ дошта бошед, шумо метавонед нишебиро рамзгузорӣ кунед, баландиро рамзгузорӣ кунед, шумо метавонед бо истифода аз ин навъи сохтори додаҳои векторӣ, ки бо номи Шабакаи секунҷаи номунтазами TIN маъруф аст, маълумотро дар бораи реле код кунед.
Ҳамин тариқ, инҳо асосан маҷмӯи секунҷаҳои ба ҳам мувофиқ нестанд ва ҳар як секунҷа градиенти доимӣ доранд. Нишеб дар ҳар як ин секунҷа дар тӯли ин секунҷа яксон мемонад, он тағир намеёбад. Ҳамин тавр, шумо мебинед, метавонед бигӯед, ки секунҷа аз a бошад
табиати секунҷаи мутаносиб барои нуқтаҳое, ки дар секунҷа ҷойгиранд, онҳо муҷаҳҳаз хоҳанд буд. Онҳо дар як ҳавопаймо мехобиданд, ки он градиенти доимӣ дошт.
Ҳоло гиреҳи секунҷа як нуқта аст ва ҳар як канор як хат ва худи секунҷа бисёркунҷа хоҳад буд. Ҳамин тавр, сохтори маълумот ҳамин тавр аст. Ҳамин тариқ, он рақами секунҷа дорад, ки шумораи ҳар як секунҷаи ҳамсояро дар бар мегирад, маълумот дорои рӯйхати нуқтаҳо, кунҷҳо мебошад, ки нуқтаҳои хатҳо, инчунин арзиши x, y ва z нуқтаҳои баландӣ мебошанд. Ҳамин тариқ, шумо метавонед бубинед, ки шабакаи секунҷаи секунҷа ба чӣ монанд аст.
Ҳамин тариқ, агар шумо майдони пасти хоб дошта бошед, ки дар он маълумоти баландии шумо хеле камтар аст, шумо мебинед, ки секунҷаҳо нисбат ба минтақаҳое, ки шумо дар арзишҳои баландӣ зуд -зуд тағир медодед, хеле калонтар хоҳанд буд. Ҳамин тариқ, дар он ҷо шумо мебинед, ки паҳлӯҳои секунҷа дар муқоиса бо минтақаҳои ҳамворе, ки андозаи секунҷаҳо хеле калонтар аст, хеле зичтар хоҳанд буд.
Ҳамин тариқ, шумо метавонед сохтори шабакаи номунтазами секунҷаро бинед. So, we have the nodes that isnode 11 and it would have the elevation value that is the I mean, height value and it wouldcontain the x and y reference with respect to the coordinate frame that is 2 points along the 2units along the x-axis and 9 units along the y-axis. So, this is where your node 11 is stored.Now, this triangle 101 is comprised of these three nodes that is node 11, node 12 and node13.


Натиҷаҳо

Species distribution modelling

The average fit of the SDMs on present day climate was high (TSS = 0.78). Although choice of climate change scenario impacted the magnitude of projected gains or losses of species, overall trends were similar across scenarios. For brevity, we present results for the warmer/drier scenario IPSL-CM5a-LR in the main text because we believe amphibians are likely more sensitive to these climate trends, results for the alternative scenarios are presented in Supplementary material Appendix 6 Fig. A6.7, A6.8).

Our models predict large changes in anuran diversity across the Neotropics. Under 2070 projections, species retain, on average, just 58% of their current suitable area (42% range loss, Supplementary material Appendix 7 Fig. A7.9), but with large variation among species (1st quartile = 83% range loss, 3rd quartile = 24% range loss). Our results match closely to previous estimates of shifts in Neotropical amphibian alpha diversity under climate change projections (Lawler et al. 2009, Hof et al. 2011), including a slight tendency for SDMs to overestimate species richness, especially in the northern Andes (Lawler et al. 2009). The implications of these biodiversity changes have been discussed elsewhere, and we do not expand on them here.

Predicted changes of spatial patterns of β-diversity

We show that areas with high Neotropical amphibian βsim are currently concentrated in the highlands, primarily in the South American Andes (Fig. 1a). In contrast, βsim is relatively low over most of the lowland Neotropics, especially in the Amazonian, Guiana Shield and Cerrado region (Fig. 1a). These patterns are largely concordant with those of McKnight et al. (2007), who used the same metric to calculate anuran β-diversity for a smaller subset of species across the entire Western Hemisphere (see also Baselga et al. 2012).

Bivariate maps depicting relative changes in biodiversity measures for Neotropical anurans between the present and ca 70 years into the future. Colours indicate the relative amount of change. Reductions are depicted towards the red end of the spectrum whereas increases are depicted toward the blue end of the spectrum. Each transition in colour shading translates to a 10% quantile shift in the value of the variables. (a) β-Diversity, (b) species richness (SR), (c) average level of ecological generalism (EG), (d) phylogenetic diversity (PD). Much of the area currently characterized as high β-diversity will remain proportionally high in β-diversity (i.e. yellow areas mainly in Central and South American Andes, except for northern Andes that are predicted to show a relative reduction in β-diversity [red areas]). In contrast, β-diversity is predicted to increase in some lowland areas (i.e. parts of the Amazon Basin, Cerrado and Chaco regions) where β-diversity is currently low (blue areas) whereas β-diversity will remain largely unchanged in other lowlands (e.g. Guiana Shield and parts of Amazonia light green areas). We used a function generated by José Hidasi-Neto to generate the map (<http://rfunctions.blogspot.ca/2015/03/bivariate-maps-bivariatemap-function.html>).

On average, βsim is projected to increase by

36% per cell by 2070, but there is large variation across space. In the Neotropical lowlands, where βsim is currently low, βsim is predicted to generally increase (i.e. there is a trend towards biotic differentiation, β-diversity change = 39% ± 40.29 SD, Fig. 1a, 2a–b). This pattern of β-diversity change is projected to be greatest in the Amazon Basin, and some areas of the Cerrado and Chaco regions (Fig. 2b). Exceptions include several highland assemblages in Mesoamerica, such as Mexico's Sierra Madre Occidental mountain ranges, some parts of Sierra Madre Oriental and del Sur, and some highlands of Guatemala (Fig. 2b). In contrast, βsim is predicted to decrease in approximately 75% of the Neotropical highlands, where current βsim is high (i.e. there is a trend towards biotic homogenization, β-diversity change = −8.5% ± 6.66 SD, Fig. 1a, 2a–b), including most of the South American Andes and Guiana Shield highlands, some northern and central areas of Sierra Madre Occidental, and areas of Sierra Madre Oriental of the Mexican mountain system (Fig. 2b). Lowlands predicted to decrease in βsim include the Pacific lowlands of South America, especially the northern South America, some Caribbean areas of Colombia, and the lowlands from southern Argentina and Chile (Fig. 2b).

Projected changes in β-diversity of Neotropical anuran amphibians according to the ‘warmer/dryer’ scenario of the IPSL-CM5a-LR global climate model. (a) Violin plots showing variation (median, range, kernel density, 25–75th percentiles) in changes in anuran β-diversity in Neotropical highlands (altitude >1300 m a.s.l.), in red, versus lowlands (altitude <1300 m a.s.l.), in green. (b) Map of Neotropical America showing predicted distribution of areas of biotic homogenization with respect to anuran species diversity (i.e. decrease in β-diversity), in red, versus biotic heterogenization (i.e. increase in β-diversity), in green. The majority of highland assemblages are predicted to become more homogeneous, whereas the majority of lowland assemblages are predicted to become more heterogenous (see violin plot). Analyses were performed under the assumption that a species can reach any area with suitable environmental conditions (universal dispersion).

Predictors of change in β-diversity

The full GAM including ΔSR, ΔEG, ΔPD and elevation was the only model favoured by AIC (Table 1, ∆AIC <2). This model explained 65% of the total variance in βsim change (Table 1). The results of the likelihood ratio tests showed that the inclusion of the each of individual predictors had a significant impact on the full model's predictive power (all p < 0.001, Table 1, Supplementary material Appendix 8 Table A8.3). Both ΔEG and ΔSR were negatively correlated with βsim change, while ΔPD was positively correlated with βsim тағир додан. The model including ΔEG as estimated by niche breath instead of range size, showed qualitatively similar associations (Supplementary material Appendix 5 Fig. A5.6).

Model (predictors) df AIC logLik R 2 (adj) Deviance (%)
ΔSR + Elevation + ΔEG + ΔPD 31 19699.8 9881.256 0.65 65%
Ф саҳ
ΔSR 208.24 <0.001
Баландӣ 130.27 <0.001
ΔEG 462.76 <0.001
ΔPD 25.32 <0.001

The increasing heterogeneity of lowland anuran assemblages (Fig. 2) is primarily driven by range contraction and local extinction of generalist species (Fig. 3a–b, see also red areas in Fig. 1b–c). Range contraction and local extinction also tend to drive decreases in species richness, but result in higher phylogenetic dispersion – thus future anuran assemblages in these regions will tend to be species-poor and comprised of taxa that are more distantly related than current assemblages (Fig. 3c, see also blue areas in Fig. 1d). The increasing heterogeneity of some Mesoamerican highland assemblages is largely explained by local species extinctions, which tend to impact more generalist species (Supplementary material Appendix 9 Fig. A9.10).

Biplots showing the predicted relationships between change in β-diversity and predictors retained in the best generalized additive model (GAM). (a) Change in species richness (ΔSR). (b) Change in the average level of ecological generalism (ΔEG). (c) Change in phylogenetic diversity (ΔPD). Fitted lines show the univariate generalized additive models (GAMs) with 95% confidence interval (dark gray), and residuals (light gray points). Rugs on the x-axes (i.e. vertical lines above the x-axes) show the predictors values, and how they are distributed. Labels on the y-axes indicate the smoothed function (s) for the term of interest (ΔSR, ΔEG and ΔPD), and the estimated degrees of freedom (following the term).

The biotic homogenization predicted in the majority of highlands (Fig. 2), is driven by increases in generalist species (i.e. range expansion) and, to a lesser extent, loss of specialists (Fig. 3a–b). This pattern is especially clear in the central and southern Andes (Fig. 4c–d). Range expansion will tend to increase local species richness, but coincides with the loss of specialist species. In this region, future anuran communities are predicted to become more phylogenetically clustered (formed of taxa that are closer together on the phylogenetic tree) than current assemblages (Fig. 3c). Anuran assemblages in the northern Andes, will also tend to become more homogeneous with projected climate change. However, here the shift in community structure appears to be driven more by local extinctions of specialists, resulting in assemblages with lower species richness and dominated by generalists (Fig. 4a–b). The predicted homogenization of northern assemblages is estimated to be stronger than that in the southern Andes (β-diversity change = −18.84% ± 7.31 SD versus β-diversity change = −6.81% ± 4.41 SD, respectively). The local extinction of specialists is similarly predicted to drive greater homogenization of anuran assemblages in the northern Pacific lowlands of South America, whereas local species gains (especially of generalists) will tend to homogenize the southern Pacific lowlands and some areas of the southern Andes (Supplementary material Appendix 10 Fig. A10.11).

Plots of the relationships between change in β-diversity (homogenization versus heterogenization) against change in species richness (ΔSR species gains versus species loss) and change in the average level of ecological generalism of the species (ΔEG) for the Andes. (a) Bagplot of the relationship between change in β-diversity and ΔSR in the northern Andes. (b) Biplot showing the predicted relationship between change in β-diversity and ΔEG in the northern Andes. (c) Bagplot of the relationship between change in β-diversity and ΔSR in the southern Andes. Median is shown as red asterisk, and outliers are shown in red. The light gray polygon (i.e. the bag) contains 50% of the data points. (d) Biplot showing the predicted relationship between change in β-diversity and ΔEG in the southern Andes. Univariate generalized additive models (GAMs) were used to predict these relationships (light gray line), showing 95% confidence interval of the prediction shaded in dark gray and residuals (light gray points). Rugs on the x-axes (i.e. vertical lines above the x-axes) show the predictors values, and how they are distributed. Labels on the y-axes indicate the smoothed function (s) for the term of interest (ΔEG), and the estimated degrees of freedom (following the term). As measures of overall fit we present adjusted R 2 and the significance of predictors (p).

OLS models produced results analogous to those obtained in the GAMs, in which ΔSR and ΔEG were negatively associated with β-diversity change, and ΔPD was associated positively with β-diversity change (Supplementary material Appendix 12 Table A12.4).

Model sensitivity and robustness

We explored robustness of our findings to various sources of uncertainty. To encompass variability in future emission scenarios, we used three different and contrasting GCMs, and show largely congruent patterns of βsim changes (Supplementary material Appendix 6 Fig. A6.7, A6.8). Our predicted changes of βsim are clearly dependent on the assumption of unlimited dispersal ability of species under climate change. However, assuming a more realistic dispersal-scenario did not importantly affect the general spatial patterns of β-diversity shifts described in this study (Supplementary material Appendix 4). Given sufficient time, it is also possible that some species might be able to adapt to novel climatic conditions in their current locations (Bellard et al. 2012), in such cases our estimates of range contraction may be overestimates.

Although the IUCN digital range maps used here have been used widely in macroecological studies, the geographic distributions of some species are much better known than others. For example, the distribution models for anuran species in the ‘data deficient’ (DD) category under the IUCN Red List (<www.redlist.org/>) are likely less reliable than those for species in other IUCN categories. Nori and Loyola (2015) recently emphasized the need to consider DD amphibian species in broad-geographic scale studies, especially for the effectiveness of future conservation assessments. To evaluate sensitivity of our results, we recalculated our β-diversity metrics excluding DD species, and found again that results were qualitatively similar (Supplementary material Appendix 13 Fig. A13.13).


THe easiest way I can think of is to access Elsevier's platform called http://www.scopus.com . There, you can do paper research based on author's name, field, date and nº of citations. Take the top citated works and research their impact factor on google scholar.

Use Google Scholar to look up papers on the topic of interest, then look at (a) the papers they cite, (b) the papers that cite them (Google Scholar can give you a list). Keep following the links until you run out of interesting papers, then look to see which authors keep appearing.

Look at the major conferences/journals in your field to get a list of potentially-relevant papers, then look to see which authors keep appearing.

The union of the results of these two approaches will generally get you close to what you want.


Regional Climate–Weather Research and Forecasting Model

The CWRF is developed as a climate extension of the Weather Research and Forecasting model (WRF) by incorporating numerous improvements in the representation of physical processes and integration of external (top, surface, lateral) forcings that are crucial to climate scales, including interactions between land, atmosphere, and ocean convection and microphysics and cloud, aerosol, and radiation and system consistency throughout all process modules. This extension inherits all WRF functionalities for numerical weather prediction while enhancing the capability for climate modeling. As such, CWRF can be applied seamlessly to weather forecast and climate prediction. The CWRF is built with a comprehensive ensemble of alternative parameterization schemes for each of the key physical processes, including surface (land, ocean), planetary boundary layer, cumulus (deep, shallow), microphysics, cloud, aerosol, and radiation, and their interactions. This facilitates the use of an optimized physics ensemble approach to improve weather or climate prediction along with a reliable uncertainty estimate. The CWRF also emphasizes the societal service capability to provide impactrelevant information by coupling with detailed models of terrestrial hydrology, coastal ocean, crop growth, air quality, and a recently expanded interactive water quality and ecosystem model. This study provides a general CWRF description and basic skill evaluation based on a continuous integration for the period 1979&ndash 2009 as compared with that of WRF, using a 30-km grid spacing over a domain that includes the contiguous United States plus southern Canada and northern Mexico. In addition to advantages of greater application capability, CWRF improves performance in radiation and terrestrial hydrology over WRF and other regional models. Precipitation simulation, however, remains a challenge for all of the tested models.

Маҷалла

Bulletin of the American Meteorological Society &ndash American Meteorological Society


Results on simulated and real datasets

In order to assess the effectiveness of both presented methods to evaluate the UNLM, three different tests were conducted.

The first case study concerned a simulated small network (test ‘SIM’), while the second and third tests were based on data derived from two existing gas networks in urban areas (tests ‘REAL1’ and ‘REAL2’), which are located in a small town (

15,000 inhabitants) and in a mid-sized town (

100,000 people), respectively. For the sake of reservation, the locations of both test sites are anonymous. However, they are both in flat areas at mean geographic coordinates φ = 45°, λ = 10°, ч = 100 m. In both tests, either the ‘rigorous’ or ‘approximate’ method was applied to compare the results. In test ‘REAL2’, the computation of UNLM was carried out on the overall network, as well as on a portion of it. With this approach, the influence of the network size on the accuracy of results could also be evaluated.

The objectives of these experiments are twofold: firstly, a comparison between both proposed methods (‘rigorous’ and ‘approximate’) and, secondly, to give an evaluation of the UNLM in the case of operational distribution gas networks and to compare it with the systematic errors described in the ‘Systematic errors’ section (see the ‘Effects of systematic errors’ subsection).

The computation of the UNLM was performed by using a code developed and running it in MATLAB®. This basically requires, as input, three tables describing the structure of the network graph: the node table (ID_NODE ман, Е ман, Н. ман), which gives the position of each node ман ба arc table, which lists all the elementary straight line segments j of the network with their nodes (ID_ARC j, ID_NODE1 j, ID_NODE2 j) and the link table, which stores the nodes connected to each node ман and the number of connections (ID_NODE ман, ID_NODEJ ман, ID_NODEK ман, ID_NODEL ман, NLINK). A data model where each node can have no more than three connected nodes was implemented here. All tables needed for the evaluation of UNLM can be easily derived from data exportable from all commercial GIS packages where the topology of the considered network has been previously constructed.

Test ‘SIM’

A graph corresponding to a small size gas distribution network was generated, featuring a global length of 2,922.1 m (Fig. 8). The simulation was performed by directly building up the three tables described in the introduction of this section. The geodatabase of the network was thought to be derived from digitising the analogue maps, resulting in a hypothesis for the standard deviations of point coordinates of 0.40 m. Both coordinates have been assumed as not being correlated. This value is typical of maps at the 1:2,000 scale that are frequently adopted as reference for utility network representation. All characteristics of the simulated graph are reported in Table 1.

Geometric layout of the simulated network of the test ‘SIM’ the size of each grid cell is 100 × 100 m


Усулҳо

Bird Data and Genetic Distances

We tested the ASH using a broad-scale approach involving several bird species. We searched the literature for studies describing intraspecific genetic variation for which geographic information on the location of collecting sites was accessible. Our sampling was focused in the New World tropics, where precipitation asynchrony is most likely to influence population differentiation (Martin et al. 2009 see “Discussion”). Our initial database comprised mitochondrial DNA sequences of 1,586 individuals of 74 nonmigrant New World species ( table S1 , deposited, along with all supplementary tables and figures, in the Dryad Digital Repository: http://dx.doi.org/10.5061/dryad.40d6h [Quintero et al. 2014] fig. 2). For each species, sequences corresponded to either the cytochrome b (cytb) gene, the NADH dehydrogenase subunit 2 (ND2) gene, or the ATPase 8 and ATPase 6 genes ( table S1 ) although these genes may differ in substitution rates, this does not affect our analyses of intraspecific genetic divergence, which are done species by species (see below). For each individual, the mitochondrial DNA sequence was downloaded from GenBank and the geographic coordinates were extracted from the published source. For individuals with a description of the collecting site but lacking geographic coordinates, we georeferenced the locality according to the published description if the description was not precise enough, then we discarded the individual. Sequences were aligned using the MUSCLE algorithm in Geneious Pro 4.8.5 (Drummond et al. 2010), and we chose the best-fit model of nucleotide substitution for each set of sequences obtained for each species using JModelTest (Posada 2008) based on the Akaike information criterion (AIC). Finally, we calculated pairwise genetic distances between all individuals of each species using the ape package, version 3.0-2 (Paradis et al. 2004) for R (R Core Team 2013). When the chosen substitution model was not available in ape, we used MEGA or PAUP* (Swofford 2003 Tamura et al. 2011). We used pairwise genetic distances between individuals instead of population-level metrics of genetic differentiation (e.g., Фст) because of the difficulty of defining populations given a limited number of individuals and unequal sampling across species. Расми 2.

Map of the Americas displaying the fit of observed monthly precipitation to a unimodal sinusoidal curve as given by the Fourier analysis. Here, 1 would correspond to a perfect fit of observed monthly precipitation to an annual sinusoidal curve with one peak, and 0 would correspond to all months having the same values of precipitation. Orange indicates locations being increasingly annual in their precipitation regimes (i.e., unimodal precipitation) white indicates locations with less seasonal precipitation regimes. The locations of all individuals used in this study are indicated with black dots.

Precipitation Data and Patterns of Precipitation Seasonality

Because information on local breeding schedules is lacking for our study species, we used precipitation seasonality as a proxy for food availability, which is expected to correlate with reproductive timing (Martin et al. 2009). We estimated precipitation seasonality from two alternative data sources. First, we used mean monthly cloud frequency (Cloud-Cover) during the years 2000–2012 at 30-arcsecond (∼1 km at the equator) resolution summarized from daily MODIS MOD09GA PGE11 cloud-mask data ( table S2 A. W. Wilson and W. Jetz, unpublished data). Cloud cover is strongly correlated with the mean and seasonality of precipitation (A. W. Wilson and W. Jetz, unpublished data). We also used monthly precipitation data extracted from the WorldClim database at a projected resolution of 30 arcseconds (Hijmans et al. 2005).

For each georeferenced occurrence site linked to genetic data, we extracted monthly cloud frequency data from Cloud-Cover and monthly precipitation data from WorldClim using the raster package (Hijmans 2013) for R. To describe seasonality in precipitation based on these two data sets, we employed a Fourier analysis similar to that used in a recent study on seasonality in plant phenology (Zalamea et al. 2011). This analysis computes the degree of adjustment of a time series to a periodic sinusoidal curve using fast discrete Fourier transformation subsequently, the lag between any of these sinusoidal curves is estimated through a cospectral Fourier analysis. Because our time series comprises 1 year (i.e., mean monthly precipitation), a 12-month-period sinusoidal curve has only one peak and one valley, whereas a 6-month-period curve has two peaks and two valleys per year, corresponding to annual and biannual precipitation regimes, respectively. We evaluated the fit of the annual precipitation data to six different periodic components: 12, 6, 4, 3, 2.4, and 2 months. The fast Fourier transformation returns a coefficient describing the fit of the observed monthly precipitation to sinusoidal curves corresponding to each of the periodic components used (Bloomfield 2000 Zalamea et al. 2011). We created a null distribution for each locality’s precipitation regime by randomly resampling 10,000 times the monthly rainfall series, from which we assessed the significance of each periodic component.

Individuals from localities with nonsignificant periodic components were discarded (182 for Cloud-Cover data and 197 for WorldClim data). All localities retained for subsequent analyses (1,404 for Cloud-Cover data and 1,389 for WorldClim data) experience either a 12- or 6-month component (i.e., annual or biannual precipitation regimes). We used a cospectral Fourier analysis to compute the lag between peaks in rainfall seasons of different localities this analysis returns a complex vector, where the real component represents the amplitude of the frequency curve (amplitude) and an imaginary number represents the angle positioning (phase). Algorithmic subtraction between the phases of two localities results in the percentage of temporal difference between the peaks in precipitation. We used this difference as our estimate of asynchrony in precipitation seasons between localities. A 100% difference means that when one locality is in its precipitation peak, the other locality is in the lowest point of the precipitation valley (i.e., total asynchrony), and 0% indicates coincidence in precipitation peaks (i.e., no asynchrony). This analysis was performed using the fft function in R.

Accounting for Geographic Distance and Dispersal Barriers

Because geographic distance and geographic barriers to dispersal are major causes of population differentiation, we performed the following analyses to account for the effect of these variables on genetic divergence prior to relating genetic divergence to asynchrony in precipitation. We used species distribution modeling to create ecological resistance matrices to estimate species-specific paths of least resistance between georeferenced localities (i.e., the most probable dispersal pathways as determined by niche requirements). Subsequently, these dispersal distances were accounted for when assessing the relationship between precipitation asynchrony and genetic difference, as explained below.

First, we created a niche model for each species using the maximum-entropy algorithm MaxEnt implemented in the dismo package (Hijmans et al. 2013) for R. Localities for each species were obtained from the Global Biodiversity Information Facility ( http://www.gbif.org ) and published literature and were carefully vetted prior to inclusion. We excluded localities outside known distribution ranges, deleted duplicate records, and cross-referenced locality descriptions with their geographical coordinates. We did not include geographic coordinates of our georeferenced genetic data to avoid potential pseudoreplication in subsequent analyses. To create each niche model, we used current climatic data (19 variables derived from measurements of temperature and precipitation) from WorldClim and elevation data from the GTOPO30 database (Gesch et al. 1999) at a ∼1 km 2 resolution. We used a projected resolution of 0.0089° (∼1 km at the equator) encompassing most of the Americas (lat. 56°S–56°N, long. 136°W–35°W) using the raster package for R (Hijmans 2013). Additionally, we incorporated categorical land-cover data for the year 2000 from the Global Land Cover database (Bartholomé and Belward 2005). We reduced the 20 continuous variables using a principal component analysis (PCA) with prior standardization of the variables (i.e., to make each variable equally important Crawley 2007) and then used the first five principal components (jointly accounting for >90% of the variance) and the Global Land Cover data as input variables to create the niche model for each species. Owing to the lack of real absence data, we used pseudoabsences randomly drawn from background data. We calculated the area under receiver operator curves (AUC) and model-calibrated AUC (cAUC) using cross-validation to examine the fit of each species niche model to our localities linked with genetic data (Hijmans 2013).

To estimate the likelihood of dispersal between localities linked with genetic data, we considered three different dispersal models: linear paths, least-cost paths, and randomized shortest paths (McRae and Beier 2007 Saerens et al. 2009). First, we calculated linear geographic distance, taking into account Earth’s curvature. Second, we used a least-cost-path model, where the dispersal distance takes into account landscape resistance between habitat patches (Adriaensen et al. 2003). Because the least-cost-path model assumes directionality in dispersal, which is often unrealistic, we also used randomized shortest paths, which average the distance over several Brownian-motion pathways connecting two points while accounting for environmental suitability (McRae and Beier 2007). The above analyses require a template layer from which to calculate a layer of resistance values between adjacent grid points we used the inverse of the MaxEnt relative suitability output values, which range from 0 to 1, as resistance values. These analyses were done with the package gdistance (van Etten 2012) for R using parallel processors in a 48-node server. Finally, we assessed the relationship between genetic distance and each of the three dispersal models. We incorporated the best-fit dispersal model for each species as a covariate in analyses testing for the effect of differences in precipitation seasonality on genetic differentiation (see below).

Testing the Relationship between Differences in Precipitation Seasonality and Genetic Differentiation

We assessed the relationship between differences in precipitation seasonality and genetic distance separately for each species using partial Mantel tests, which use dissimilarity matrices to assess the correlation between two variables while accounting for another variable. We tested the partial correlation between precipitation asynchrony and the genetic dissimilarity matrices conditioned on the best-fit dispersal model distance using Spearman correlation in the ecodist package, version 1.2.7 (Goslee and Urban 2007), for R. The significance of partial correlation was established through 10,000 permutations of one of the independent-variable matrices, and confidence intervals were estimated through bootstrapping with 10,000 iterations. Because partial Mantel tests may be biased when variables exhibit spatial autocorrelation (Guillot and Rousset 2013), we tested for spatial autocorrelation on the residuals between the best-fit dispersal model distances with genetic distance and precipitation matrices of each species using a partial Mantel correlogram (Oden and Sokal 1986).

Finally, to estimate the overall (i.e., cross-species) effect of precipitation asynchrony on genetic distances, we used a random-effects meta-analysis, which is tailored for correlation coefficients derived from multiple studies (i.e., species in our case) as input values. To consider the possible influence of nonindependence of species resulting from evolutionary relationships in our meta-analysis (Adams 2008), we tested for phylogenetic signal of the Mantel coefficient on a comprehensive supertree of birds (Jetz et al. 2012). We optimized Pagel’s lambda (λ) and fitted Brownian motion, Ornstein-Ulhenbeck, and white noise (no phylogenetic signal) models of trait evolution on 1,000 randomly sampled trees from the posterior distribution (see Jetz et al. 2012). We selected the best-fit model using the AIC. Because the Mantel coefficient lacked phylogenetic signal on all 1,000 trees, conducting phylogenetic meta-analysis was not necessary ( table S5 Revell 2010). Finally, because some of the species in our data set were represented by a relatively small number of individuals, we examined the sensitivity of results to sample size by repeating meta-analyses excluding species with less than 5, 10, and 15 individuals.

Strength of the Asynchrony of Seasons Effect in Relation to Species Distributions and Traits

We examined several ad hoc hypotheses to try to explain the variance among species in the strength of the relationship between precipitation asynchrony and genetic difference (i.e., the correlation coefficient obtained from the partial Mantel test) while accounting for shared ancestry. The variables we examined are as follows.

Арзи ҷуғрофӣ. The contrasting temporal dynamics between temperate and tropical environments is expected to result in a latitudinal difference in the impact of the ASH (Martin et al. 2009). Species living in temperate latitudes experience a highly seasonal climate where temporal patterns in temperature and photoperiod are tightly correlated with food availability. Because cues are similar over wide latitudinal belts at high latitudes (Martin et al. 2009), reproductive activity of conspecific populations tends to occur in close synchrony over large areas. The tropics are also seasonal environments, with dry and rainy seasons (Malhi and Wright 2004) and periodic changes in food availability and biotic interactions (Jacobs and Wingfield 2000 Wikelski et al. 2000 Zalamea et al. 2011). However, precipitation seasonality may change drastically even at small distances (Legates and Willmott 1990), over which tropical species are expected to display spatially asynchronous breeding (Hau et al. 2008 Shine and Brown 2008 Jahn et al. 2010). Thus, because one may predict the strength of the effect of precipitation seasonality to be stronger at lower latitudes (Martin et al. 2009), we examined the influence of the latitudinal midpoint of each species estimated according to our sampling points.

Degree of asynchrony. We considered the effect of the degree of asynchrony in precipitation because for species in which localities show greater asynchrony in precipitation, one would expect the effect of precipitation asynchrony on genetic isolation to be stronger. Thus, for each species, we considered the mean, median, maximum, and standard deviation of precipitation asynchrony between localities.

Spatial scale. Because spatial scale likely affects the opportunities for population genetic differentiation (Kisel and Barraclough 2010), we examined the effect of mean, median, maximum, and standard deviation of geographic distances between localities.

Habitat specificity. Because the range of habitats species occupy may affect diversification processes (Pianka 1969), we examined the effect of the number of different habitats occupied per species.

Body mass. Because body size correlates with dispersal abilities and thus influences genetic differentiation (Kisel and Barraclough 2010), we tested the effect of species’ average body mass.

Forest strata. Birds from different vegetation strata likely differ in dispersal propensity, and this can affect genetic differentiation (Burney and Brumfield 2009). We examined this potential effect based on a discrete quantitative scale of the most frequent forest strata used by each species (1 = terrestrial, 2 = terrestrial-understory, 3 = understory, 4 = understory-midstory, 5 = midstory, 6 = midstory-canopy, 7 = canopy).

Баландӣ. Because precipitation regimes vary with elevation, we considered each species’ mean elevation and elevational range.

The above species variables were obtained mostly from a comprehensive database (Stotz et al. 1996) and other sources ( table S6 ). We fitted a phylogenetic generalized least squares regression model with simultaneous maximum-likelihood optimization of the correlation structure according to Pagel’s λ (PGLSλ Hansen 1997 Revell 2010), with each of the above factors as the explanatory variables and the Mantel correlation coefficient as the dependent variable. To account for phylogenetic uncertainty, we repeated the PGLSλ using each of the 1,000 trees mentioned above. All PGLSλ analyses were performed with the caper (Orme et al. 2013) and ape (Paradis et al. 2004) packages for R. Because all of the PGLSλ analyses estimated a λ of zero, we report results based on a weighted least squares nonphylogenetic analysis, which allowed us to take into account uneven sample sizes among species.

Finally, we modeled the effect of different combinations of the above hypotheses simultaneously using weighted least squares regression. We first standardized all variables to make their effects comparable. Then, we used stepwise model selection based on the AIC and the Bayesian information criterion (BIC) to choose the most appropriate predictors of the Mantel regression coefficient. All analyses were performed in R.


What do negative DEM values mean? - Системаҳои иттилоотии ҷуғрофӣ

You have requested a machine translation of selected content from our databases. This functionality is provided solely for your convenience and is in no way intended to replace human translation. Neither BioOne nor the owners and publishers of the content make, and they explicitly disclaim, any express or implied representations or warranties of any kind, including, without limitation, representations and warranties as to the functionality of the translation feature or the accuracy or completeness of the translations.

Translations are not retained in our system. Your use of this feature and the translations is subject to all use restrictions contained in the Terms and Conditions of Use of the BioOne website.

Continental-scale biogeographic variation: provinces versus gradients in the Upper Ordovician of Laurentia

Chelsea E. Jenkins, 1 Steven M. Holland 1

1 Chelsea E. Jenkins and Steven M. Holland. Department of Geology, University of Georgia, Athens, Georgia 30602-2501, U.S.A. E-mail: [email protected]

Includes PDF & HTML, when available

This article is only available to subscribers.
It is not available for individual sale.

Although provinces are widely used to delimit large-scale variations in biotic composition, it is unknown to what extent such variations simply reflect large-scale gradients, much as has been shown at smaller scales for communities. We examine here whether four previously described Middle and Late Ordovician provinces on Laurentia are best described as distinct provinces or as biotic gradients through a combination of the Paleobiology Database and new field data. Both data sets indicate considerable overlap in faunal composition, with spatial patterns in Jaccard similarity, quantified Jaccard similarity, and nonmetric multidimensional scaling ordination structure that correspond to variations in substrate type, specifically from carbonate-dominated strata in western Laurentia to mixed carbonate—siliciclastic strata in the midcontinent to siliciclastic-dominated rocks in easternmost Laurentia. Because samplingwas limited to shallowsubtidal settings, this gradient cannot be attributed to variations in water depth. Likewise, geographic distance accounts for only a quarter of the variation in faunal composition. This cross-continent faunal gradient increases in strength into the early Late Ordovician, and appears to represent increased siliciclastic influx into eastern Laurentia during the Taconic orogeny. These results raise the question of whether biogeographic provincesmay be in general better interpreted and analyzed as biotic gradients rather than as discrete entities.