Бештар

Хусусиятҳои бисёрҷонибаро дар қабати QGIS кашф кунед

Хусусиятҳои бисёрҷонибаро дар қабати QGIS кашф кунед


Ман кӯшиш мекунам, ки хусусиятҳои бисёрҷонибаро бо истифодаи версияи QGIS 1.8.0 муайян кунам.

Ман кӯшиш кардам:

  1. ба ҷадвали атрибутҳо назар кунед
  2. хусусияти тасодуфиро интихоб кунед ва агар дар якчанд геометрия интихоб шуда бошад, дар рӯйхат санҷед
  3. такрор то пайдо шудани як ё ҳамаи хусусиятҳо пайдо карда шавад

Он чизе, ки ман мехоҳам тафтиш кунам, чизе монанди арзиши булӣ дар хосиятҳои Layer аст!


Ман дар QGIS 2.4; боварӣ надорам, ки ин дар 1.8 кор мекунад!

Сессияи таҳрирро дар қабат оғоз кунед ва майдони нав бо номи мульти - адади бутун, як рақам илова кунед.

Барои ифода, ворид кунед:

ҲОЛАТЕ, ки geomToWKT ($ геометрия) МИСЛИ '% MULTI%' БАENД 1 ДИГАР 0 ОХИР МЕШАВАД

Ин ба шумо барои ҳар як сатр 1-ро медиҳад, вақте ки он як сатри бисёрқисм ё бисёркунҷа аст.


Харитасозии геостатистикии намудҳои таҳшинҳои сатҳи рӯизаминии баҳр дар баҳри Эгейи Шимолӣ бо истифода аз кригинг индикаторӣ

Усули қавӣ ва дақиқ барои харитасозии геостатистикии маълумотҳои андозаи ғаллавии баҳрӣ барои баҳри Эгей пешниҳод карда шудааст, ки маълумоти нави андозаи ғалладонагиҳо ва истифодаи параметрҳои гуногуни прокси баҳрӣ-экологӣ барои интерполяция истифода мешаванд. Ин равиш ба алгоритми нишондиҳандаи кригинг асос ёфтааст, ки он инчунин параметрҳои муҳити баҳрро ба монанди батиметрия ва манбаъи таҳшинҳо тавассути табобати крикринг баррасӣ мекунад. Корбурди маълумот бидуни ниёзҳои нармафзори махсус, дар муҳити системаи иттилоотии ҷуғрофӣ (ҶИА) бо татбиқи воситаҳои таҳлили геостатистӣ сурат мегирад. Сифати харитаи истеҳсолшуда дар асоси меъёрҳои MESH баҳогузорӣ карда шуд, ки дар муқоиса бо дигар усулҳои интерполятсия, ба монанди IDW ва полиномҳои маҳаллӣ, нишондиҳандаи беҳтарро дар заминаи физикии таҳшинҳои сатҳӣ нишон доданд. Харитаи тавлидшуда бо истифода аз тамоми маълумоти мавҷуда аз маълумотҳои охирин ва қадимӣ, маълумоти арзишманд барои таҳшиншавии шели континенталии Эгейи Шимолӣ, минтақаи таваҷҷӯҳи илмӣ барои омӯзиши геоморфологӣ, палеоэкологӣ ва иқтисодиро фароҳам меорад.

Ин пешнамоиши мундариҷаи обуна, дастрасӣ тавассути муассисаи шумост.


Хусусиятҳои бисёрҷонибаро дар қабати QGIS - Systems Geographic Information кашф кунед

Системаҳои иттилоотии ҷуғрофӣ (GIS) босуръат паҳн мешаванд ва дар бисёр соҳаҳои кор, аз ҷумла муҳандисӣ, муҳити зист, география, геология ва кӯҳӣ, илмҳои рушдёбанда, геомаркетинг ва ғ. Воситаи муҳим мебошанд, QGIS аз ҳама маҳсулоти нармафзори кушодаасоси GIS беҳтарин мебошад ба, ҷомеаи калони дастгирии онлайнии он, ки ҳамеша мақоми муосир, рушди пайвастаи қобилиятҳои нав, ҳамгироии осон бо дигар бастаҳои кушодаасос ва беҳтар шудани иҷрои вазифаро бо ҳар озодкунӣ ҷонибдорӣ мекунанд.

Оё ба ман омӯзиши қаблии QGIS лозим аст?

Бале, шумо дониши қаблии системаҳои иттилоотии ҷуғрофӣ ва малакаҳои оддии барномасозиро бо Python талаб мекунед.

Ман нармафзори QGIS надорам, имконоти ман чист?

QGIS ин як нармафзори озод ва кушодаасос аст, ки онро аз вебсайти расмӣ зеркашӣ кардан мумкин аст (http://www.qgis.org/en/site/). Гирифтан ва насб кардани он дар компютери шумо хеле содда аст. Аммо, дар ҳар як курс мо як дастури ёрирасон дохил кардем, ки агар шумо хоҳед, ки QGIS-ро дар дастгоҳи маҳаллии худ зеркашӣ ва насб кунед, муфид аст.

МЕТОДОЛОГИЯ

Курсҳои онлайнии мо тавассути Moodle, платформаи маъмули омӯзиши ҷаҳон & # 8217s тақсим карда мешаванд. Ин Системаи хеле фасеҳи идоракунии омӯзиш аст, ки метавонад барои гузаронидан ва дастрасӣ ба курсҳо, иҷрои вазифаҳои машқҳои амалӣ, ҳамкории рӯ ба рӯ бо ҳайати омӯзгорон ё манфиати дастгирӣ ва захираҳо дар ҳар вақт истифода шавад.

Ба платформаи онлайн 24 соат дар як шабонарӯз ворид шудан мумкин аст, ки дар он донишҷӯ метавонад ҳар лаҳзаи муайян кӯмак пурсад. Устодон дар давоми тамоми раванди таълим ба ҳайси супервайзер баромад намуда, барои ҳама мушкилоти эҳтимолии дучор омадани донишҷӯён дастгирӣ мекунанд.

Курс дар модулҳои мухталиф сохта шудааст, ки барои донишҷӯ ҷустуҷӯи маводи таълимӣ, зеркашии иттилоот, анҷом додани машқҳои амалӣ ва баҳогузорӣ бо мақсади тасдиқи қобилиятҳои нави ба даст овардашуда осон аст. Устодон дар давоми тамоми давраи омӯзишӣ ба донишҷӯён кӯмак мерасонанд ва мувофиқи эволютсияи онҳо кӯмаки пешрафта ва маълумот пешниҳод мекунанд.


Хусусиятҳои бисёрҷонибаро дар қабати QGIS - Systems Geographic Information кашф кунед

Системаҳои иттилоотии ҷуғрофӣ (GIS) босуръат паҳн мешаванд ва ба як воситаи муҳим дар бисёр соҳаҳои корӣ, аз ҷумла муҳандисӣ, муҳити зист, география, геология ва кӯҳӣ, илмҳои рӯ ба рушд, геомаркетинг табдил меёбанд. Аз ҳама маҳсулоти нармафзори кушодаасоси GIS, QGIS аз ҳама беҳтарини ҷомеаи дастгирии онлайни он мебошад, ки ҳамеша мақоми муосир, рушди пайвастаи қобилиятҳои нав, ҳамгироии осон бо дигар бастаҳои кушодаасос, беҳтар шудани иҷрои вазифаҳо бо ҳар як баромадро дорад.

Оё ба ман омӯзиши қаблии QGIS лозим аст?

Не, курси омӯзишӣ аз аввал оғоз мешавад. Ба шумо ягон дониши қаблии QGIS лозим нест.

Ман нармафзори QGIS надорам, имконоти ман чист?

QGIS ин як нармафзори озод ва кушодаасос аст, ки онро аз вебсайти расмӣ зеркашӣ кардан мумкин аст (http://www.qgis.org/en/site/). Гирифтан ва насб кардани он дар компютери шумо хеле содда аст. Аммо, дар ҳар як курс мо як дастури ёрирасон дохил кардем, ки агар шумо хоҳед, ки QGIS-ро дар дастгоҳи маҳаллии худ зеркашӣ ва насб кунед, муфид аст.

МЕТОДОЛОГИЯ

Курсҳои онлайнии мо тавассути Moodle, платформаи маъмули омӯзиши ҷаҳон & # 8217s тақсим карда мешаванд. Ин Системаи хеле фасеҳи идоракунии омӯзиш аст, ки метавонад барои гузаронидан ва дастрасӣ ба курсҳо, иҷрои вазифаҳои машқҳои амалӣ, ҳамкории рӯ ба рӯ бо ҳайати омӯзгорон ё манфиати дастгирӣ ва захираҳо дар ҳар лаҳза истифода шавад.

Ба платформаи онлайн 24 соат дар як шабонарӯз ворид шудан мумкин аст, ки дар он донишҷӯ метавонад ҳар лаҳзаи муайян кӯмак пурсад. Инструкторон дар тамоми раванди таълим ба ҳайси супервайзер баромад намуда, барои мушкилоти эҳтимолии донишҷӯён дар ҷараёни курс дастгирӣ мекунанд.

Курс дар модулҳои мухталиф сохта шудааст, ки барои донишҷӯ ҷустуҷӯи маводи таълимӣ, зеркашии иттилоот, анҷом додани машқҳои амалӣ ва баҳогузорӣ бо мақсади тасдиқи қобилиятҳои нави ба даст овардашуда осон аст. Устодон дар давоми тамоми давраи омӯзишӣ ба донишҷӯён кӯмак мерасонанд ва мувофиқи эволютсияи онҳо кӯмаки пешрафта ва маълумот пешниҳод мекунанд.


Бастаҳои Debian GIS Workstation

AVCE00 jest biblioteką C i grupą narzędzi, które sprawiają, (e (binarne) relacje wektorowe Arcinfo (ang. Arcinfo vektors Coverage) pojawiają się w formacie E00. Pozwala na odczytywanie i zapisywanie binarnych relacji tak, jak gdyby były plikami w formacie E00.

E00compr як китобхонаи ANSI C мебошад, ки Arcinfo файлҳои фишурдашудаи E00 -ро мехонад ва менависад. Ҳарду сатҳи фишурдасозии "ҚИСМИ" ва "FULL" дастгирӣ карда мешаванд. Файлҳои E00 формати вектории воридот / содирот барои Arcinfo мебошанд. Ин ASCII оддӣ аст ва ҳамчун формати мубодила пешбинӣ шудааст. ESRI форматро хусусӣ мешуморад, бинобар ин ин бастаи мумкин на ҳама файлҳои E00-ро хонда метавонад, зеро ESRI метавонад форматро тағир диҳад.

Ин маҷмӯа барои ворид кардани файлҳои E00 ба системаи алафзории GIS муфид аст.

Он дорои барномаи сатри фармонии e00conv мебошад, ки файли E00-ро ҳамчун вуруд қабул мекунад (фишурда шудааст ё не) ва онро ба файли нав бо сатҳи фишурдаи дархостшуда (NONE, PARTIAL ё FULL) нусхабардорӣ мекунад. Китобхона дар ин марҳила дохил карда нашудааст.

Эпсилон ба библиотека w jęz. C do compresji stratnej obrazu opartej na metodzie Wavelet. Narzędzia kompresujące korzystające z metody Wavelet sn znacznie bardziej skuteczne niż tradicyjne bazujące na DCT (jak np. JPEG).

Барномаи Obecnie obsługuje około 30 różnych filtrów typu Wavelet, działa równolegle w środowiskach wielowątkowych i MPI, może przetwarzać duże obrazy i nie tylko.

Ten pakiet zawiera przydatne narzędzia do kompresji / dekompresji obrazów.

GDAL як китобхонаи тарҷумон барои форматҳои растрии геомуҳимии маълумот мебошад. Ҳамчун китобхона, он як модели ягонаи маълумотҳои рефератиро ба ариза барои ҳама форматҳои дастгиришаванда пешниҳод мекунад. Китобхонаи марбут ба OGR (ки дар дохили дарахти манбаи GDAL зиндагӣ мекунад) қобилияти монандро барои векторҳои хусусиятҳои оддӣ фароҳам меорад.

GDAL 40+ форматҳои маъмули маълумот, аз ҷумла форматҳои маъмулан истифодашавандаро (GeoTIFF, JPEG, PNG ва ғайра), инчунин онҳоеро, ки дар GIS ва бастаҳои нармафзори ҳассосии дурдаст (ERDAS Imagine, ESRI Arc / Info, ENVI, PCI Geomatics) истифода мебаранд, дастгирӣ мекунад. Инчунин бисёр форматҳои таҳқиқи дурдаст ва тақсимоти маълумот, аз қабили HDF, EOS FAST, NOAA L1B, NetCDF, FITS дастгирӣ карда мешаванд.

Китобхонаи OGR форматҳои маъмули векторҳоро дастгирӣ мекунад, ба монанди ESRI Shapefile, TIGER data, S57, MapInfo File, DGN, GML ва ғайра.

Ин баста дорои барномаҳои утилитӣ мебошад, ки дар асоси китобхонаи GDAL / OGR, яъне gdal_translate, gdalinfo, gdaladdo, gdalwarp, ogr2ogr, ogrinfo, ogrtindex асос ёфтааст.

GeographicLib to mały zestaw klas C ++ дар заминаи географияи географик, UTM, UPS, MGRS, геоентриззими ва локалнми współrzędnymi kartezjańskimi, wyznaczania geoidy i wykonywania obliczeń Stanowi odpowiedni zamiennik podstawowej funkcjonalności dostarczanej przez NGA Geotrans.

Pakiet zawiera kilka podstawowych narzędzi opartych na bibliotece GeographicLib.

GeoIP китобхонаи C мебошад, ки ба корбар имкон медиҳад кишвареро пайдо кунад, ки ягон суроғаи IP ё номи хост аз он сарчашма мегирад. Он пойгоҳи додаҳои файлро истифода мебарад.

Ин пойгоҳи додаҳо танҳо блокҳои IP-ро ҳамчун калид ва кишварҳоро ҳамчун арзиш дар бар мегирад ва он бояд нисбат ба истифодаи ҷустуҷӯҳои баръакси DNS мукаммалтар ва дақиқтар бошад.

Ин баста утилитҳои хати фармонро барои ҳалли рақамҳои IP бо истифода аз китобхонаи GeoIP дар бар мегирад.

Biblioteka napisana w języku C, obsługująca oparty na TIFF 6.0 format wymiany georeferencyjnych obrazów rastrowych. Стандарт GeoTIFF ба таври оддӣ истифода мешавад ва дар Zapisywania tagów z meta-informacjami geograficznymi and bazie rastra TIFF.

Китоби Biotlioteka GeoTIFF дар барномаи зерин пешбинӣ шудааст:

GMT маҷмӯи воситаҳоест, ки ба корбарон имкон медиҳад (x, y) ва (x, y, z) маҷмӯаҳои маълумотро (аз ҷумла филтркунӣ, муносибгардонии трендҳо, панҷараҳо, лоиҳакашӣ ва ғ.) Таҳрир кунанд ва тасвирҳои Encapsulated PostScript File (EPS) -ро дар бар гиранд. аз қитъаҳои оддии xy тавассути харитаҳои контурӣ то сатҳҳои сунъӣ равшаншуда ва нуқтаҳои дурнамои 3-D бо сиёҳу сафед, оҳанги хокистарӣ, нақшҳои ҳачур ва ранги 24-бит.

GMT бисёр пешгӯиҳои харитаи умумиро бо миқёси хаттӣ, логӣ ва қудратӣ дастгирӣ мекунад ва бо маълумотҳои дастгирӣ, аз қабили соҳилҳо, дарёҳо ва ҳудуди сиёсӣ таъмин карда мешавад.

Бастаи Tcl, ки воситаҳои сохтан ва хондани файлҳоро дар Shapefile ESRI барои нигоҳ доштани 2 ё 3 нуқтаҳои ченакӣ ва полилинҳо фароҳам меорад.

Он барои истифода дар GPSMan, менеҷери иттилооти қабулкунандаи GPS таҳия шудааст ва дар модули shapelib асос ёфтааст. Дар баробари ин баста, gpstr2shp.c низ таҳия карда шуд, ки файлҳои GPStrans маълумотро ба файлҳои Shapefile тарҷума мекунад.

Grace jest narzędziem typu wskaż-i-klikjj, umożliwiającym użytkownikowi rysowanie wykresów X-Y. Барномаи był wcześniej znany jako Xmgr.

Niektóre Z jego funkcji: skalowanie zdefiniowane przez użytkownika, zaznaczanie odstępów ои ИҶК, etykiety, symbole, сабки linii, kolory, regresja wielomianowa, krzywe sklejane, obliczanie średnich kroczących, transformatory DFT / ФФТ, korelacja wzajemna / autokorelacja, tryb wsadowy pozwalający ои bezobsługowe kreślenie orraz obsługa drukowania do formatu PostScript, FrameMaker i kilku formatów graficznych.

Дигар скриншотҳоро аз файзи баста
НусхаиURL
1:5.1.22-10https://screenshots.debian.net/shrine/screenshot/7408/simage/large-f2bb08428f0d5fe91681fc3fac3d0291.png

Системаи иттилоотӣ geograficznej (GIS) znany również jako GRASS jest systemem używanym do zarządzania and analizy danymi geograficzno-przestrzennymi, przetwarzania obrazów, produkcji grafiki / map, modelowania przestrzen. GRASS jest obecnie używany na całym świecie w zastosowaniach akademickich i komercyjnych, jak również w wielu agencjach rządowych czy firmach doradzających w sprawach środowiska.

Należy zainstalować даҳ пакети wirtualny, aby uzyskać pełny system GRASS.

HDF5 (Форматии Иерархии Маълумот 5) формати ҷаззоб барои прзеховювания данич наукович мебошад. Niżej wymienione narzędzia umożliwiają konwersję innych formatów in HDF5 orraz wizualizację plików HDF5. Są ба:

  • h5topng, który wyodrębnia fragment 2d pliku HDF5 i wyświetla odpowiedni obraz w formacie PNG
  • h5totxt, który wyodrębnia fragmenty 2d i wyświetla tekst rozdzielany przecinkami (odpowiedni do importu do arkusza kalkulacyjnego)
  • h5fromtxt, który conwertuje prosty wpis tekstowy na wielowymiarowe numeryczne zestawy danych HDF5
  • h5fromh4, барои HDF4 ва HDF5
  • h5tovtk, który konwertuje pliki HDF5 na pliki VTK w celu wizualizacji za pomocą programów obsługujących VTK.

HDF to wieloobiektowy format pliku, służący do przechowywania i przesyłania danych graficznych i numerycznych, wykorzystywanych głównie w obliczeniach naukowych. HDF obsługuje kilka różnych modeli danych, takich jak: tablice wielowymiarowe, obraz rastrowe i tabele. Każdy z nich definiuje określony typ danych agregujących i udostępnia interfejs API do odczytu, zapisu i organizowania danych i metadanych. Deweloperzy lub użytkownicy HDF mogą dodawać nowe modele danych.

Ten pakiet zawiera kilka podstawowych narzędzi do przeglądania, pakowania i rozpakowywania plików HDF.

Hierarchical Data Format 5 (HDF5) формати файл ва китобхона барои нигаҳдории маълумоти илмӣ мебошад. HDF5 барои бартараф кардани камбудиҳои HDF4.x таҳия ва татбиқ карда шудааст. Он дорои як модели қавитар ва фасеҳи додаҳо, файлҳои аз 2 ГБ калонтарро дастгирӣ мекунад ва I / O параллелиро дастгирӣ мекунад.

Ин баста дорои асбобҳои вақти корӣ барои HDF5 мебошад.

GDAL китобхонаи тарҷумон барои форматҳои растрии геомазҳарии маълумот мебошад. Ҳамчун китобхона, он як барномаи модели ягонаи рефератро ба ариза барои ҳама форматҳои дастгиришаванда пешниҳод мекунад. Китобхонаи марбут ба OGR (ки дар дохили дарахти манбаи GDAL зиндагӣ мекунад) қобилияти монандро барои хусусиятҳои соддаи маълумоти вектор фароҳам меорад.

GDAL бисёр форматҳои маъруфи маълумот, аз ҷумла форматҳои маъмулан истифодашаванда (GeoTIFF, JPEG, PNG ва ғайра) -ро дастгирӣ мекунад, инчунин онҳое, ки дар GIS ва бастаҳои нармафзори эҳсоси дурдаст (ERDAS Imagine, ESRI Arc / Info, ENVI, PCI Geomatics) истифода мешаванд. Инчунин бисёр форматҳои таҳқиқи дурдаст ва тақсимоти маълумот, аз қабили HDF, EOS FAST, NOAA L1B, NetCDF, FITS дастгирӣ карда мешаванд.

Китобхонаи OGR форматҳои маъмули векториро ба монанди ESRI Shapefile, TIGER data, S57, MapInfo File, DGN, GML ва ғайра дастгирӣ мекунад.

Ин баста файлҳои барои таҳияи нармафзоре заруриро дар бар мегирад, ки GDAL / OGR -ро истифода мебарад (сарлавҳаҳо, объектҳои статикӣ, скрипти конфигуратсия).

GDAL китобхонаи тарҷумон барои форматҳои растрии геомазҳарии маълумот мебошад. Ҳамчун китобхона, он як барномаи модели ягонаи рефератро ба ариза барои ҳама форматҳои дастгиришаванда пешниҳод мекунад. Ин васеъкунӣ дастрасиро ба маълумоти GRASS тавассути GDAL таъмин менамояд.

Ин маҷмӯа плагини GDAL GRASS -ро пешниҳод мекунад.

Як ҷойгоҳ дар кураи замин, дар ҳама гуна системаи координатҳо. Geo :: Point мекӯшад математика ва системаи координатаро, ки нуқта дар он ифода ёфтааст, пинҳон кунад.

Яке аз чизҳои печида ҳангоми коркарди маълумоти геометрӣ ин аст, ки баъзан дароз, баъзан xy истифода мешаванд: ташкили уфуқӣ ва амудӣ баръакс. Ин бастаи кӯшиш мекунад, ки инро аз барномаи шумо пинҳон кунад, то дастраскунандагони абстракт latlong (), longlat (), xy () ва yx () -ро пешниҳод кунед.

Ин маҷмӯъ модулҳои зеринро дар бар мегирад:

  • Geo :: Line - пайдарпайии нуқтаҳои пайвастшуда
  • Geo :: Point - нуқтаи кураи замин
  • Geo :: Proj - парпечи соддакардашуда барои Geo :: Proj4
  • Geo :: Shape - синфи заминавӣ барои нуқтаҳои 2-ченак дар сатҳи замин
  • Geo :: Space - Маҷмӯаи ашёҳои гуногун
  • Geo :: Surface - Тавсифи сатҳӣ

GeographicLib маҷмӯи хурди синфҳои C ++ барои табдили байни координатҳои ҷуғрофӣ, UTM, UPS, MGRS, геосентрикӣ ва координатҳои маҳаллии картезианӣ, ҳисобҳои геоид ва ҳисобкунии геодезӣ мебошад. Ин ивазкунандаи муносиб барои фаъолияти асосии NGA Geotrans мебошад.

Ин баста файлҳоеро дар бар мегирад, ки барои таҳияи замимаҳое истифода мешаванд, ки аз китобхонаи GeographicLib истифода мебаранд.

JTS китобхонаи java мебошад, ки таъмин менамояд:

  • татбиқи модели иттилооти фазоӣ, ки дар мушаххасоти оддии OGC барои SQL (SFS) муайян шудааст
  • пурра, пайваста, татбиқи алгоритмҳои фазоии фундаменталии 2D
  • намунаи дақиқи дақиқ, бо алгоритмҳое, ки вазъиятеро, ки боиси фурӯпошии андозагирӣ мегардад, бо нармӣ ҳал мекунанд
  • татбиқи устувори амалиётҳои асосии геометрии ҳисоббарор
  • I / O дар формати маъруфи матн

libLAS китобхонаи C / C ++ барои хондан ва навиштани ASPRS LAS нусхаҳои 1.0, 1.1 ва 1.2 мебошад. Формати LAS ин формати пайдарпайи дуӣ мебошад, ки барои нигоҳ доштани маълумот аз сенсорҳо ва ҳамчун нигаҳдории коркарди мобайнӣ аз ҷониби баъзе замимаҳои марбут ба LiDAR истифода мешавад. LiDAR (Муайян кардани нур ва диапазон) технологияи оптикии санҷиши дурдаст мебошад, ки хосиятҳои нури парокандаро барои ёфтани диапазон ва / ё дигар иттилооти ҳадафи дур чен мекунад. Усули маъмули муайян кардани масофа ба ашё ё сатҳ истифодаи набзи лазерӣ мебошад.

Ин маҷмӯа дорои абзори муҳим барои идоракунии маълумоти LiDAR мебошад: lasinfo, lasmerge, las2las, las2txt, txt2las, las2ogr.

Формати Shapefile ин формати корӣ ва мубодила мебошад, ки аз ҷониби ESRI барои маълумоти вектори оддӣ бо атрибутҳо пешбарӣ карда мешавад. Ин зоҳиран ягона формати файл аст, ки дар ARCView 2/3 таҳрир карда мешавад ва инчунин метавонад дар ArcGis содир ва ворид карда шавад.

Ин баста файлҳои таҳияро дар бар мегирад.

Mapcode Narzędzie reprezentuje lokalizację. Ka mapda lokalizacja na Ziemi może być reprezentowana przez mapcode. Харитаи Kody zostały zaprojektowane tak, aby były krótkie, łatwe do rozpoznania, zapamiętania i komunikacji. Ich precyzja ograniczona jest do kilku metrów, co jest wystarczające do codziennego użytku. Lokalizacje w gjesto zaludnionych obszarach czachsto otrzymują krótsze kody map. Więcej informacji można znaleźć na http://www.mapcode.com/

Pakiet zawiera narzędzie wiersza poleceń, które może konwertować współrzędne geograficzne do i z kodów харита.

Mapnik як абзори OpenSource C ++ барои таҳияи замимаҳои GIS (Systems Geographic Information) мебошад. Дар маркази он як китобхонаи муштараки C ++ ҷойгир аст, ки алгоритмҳо / намунаҳо барои дастрасии фазоии маълумот ва визуализатсияро пешниҳод мекунанд.

Моҳиятан маҷмӯаи объектҳои ҷуғрофӣ (харита, қабат, манбаи додаҳо, хусусият, геометрия), китобхона ба "системаҳои равзана" такя намекунад ва барои кор дар муҳити сершумор пешбинӣ шудааст

Ин баста коммуналҳои гуногунро, ки бо mapnik тақсим карда шудаанд, дар бар мегирад:

shapeindex: барномаи сохтани индекс дар асоси системаи файлӣ барои ESRI-файлҳои шакл

OGDI - интерфейси кушодаи ҷуғрофии Datastore. OGDI интерфейси барномасозии барномаҳо (API) мебошад, ки усулҳои стандартикунонидашудаи дастрасиро барои кор дар якҷоягӣ бо бастаҳои нармафзори GIS (замима) ва маҳсулоти гуногуни иттилоотии ҷуғрофӣ истифода мебаранд. OGDI меъмории муштарӣ / серверро барои мусоидат намудан ба паҳн намудани маҳсулоти маълумот дар бораи макони геомазҳабӣ тавассути ҳама гуна шабакаи TCP / IP ва равиши ба драйвер нигаронидашуда барои осонтар кардани дастрасӣ ба якчанд маҳсулот / форматҳои иттилоотии ҷуғрофӣ истифода мебарад.

Ин маҷмӯа дорои баъзе абзорҳои муфидест дар асоси китобхонаи OGDI

Барномаи нармафзори Диаграммаи Plotter ва Navigational барои истифода идома ё ҳамчун воситаи банақшагирӣ. Аз ҷониби гурӯҳи маллоҳони фаъол таҳия шудааст, ки бо истифода аз шароити воқеии ҷаҳонӣ барои санҷиш ва такмил додани барнома. Бо нобаёнӣ форматҳои растрӣ ва векторӣ, ба монанди BSB ва S63 -ро дастгирӣ мекунад. Дастгирии бисёр форматҳои дигар дар плагинҳо мавҷуданд. Дигар плагинҳо барои e дастгирӣ мекунанд. g., AIS, харитаҳои радар ва обу ҳаво. Барнома бо 20+ забон дастгирии забон дорад.

Ин баста дорои барномаҳо, китобхонаҳо ва баъзе файлҳои дастгирӣ мебошад.

Przenośny, wysokopoziomowy zestaw narzędzi graficznych do tworzenia wysokowydajnych aplikacji graficznych, takich jak: симулятор лоту, грий, системавии виртуалнеж rzeczywistości i narzędzia wizualizy wizualizy wizualizyji. Dostarcza zorientowanego obiektowo podsystemu opartego na OpenGL, uwalniając deweloperów z konieczności implementowania i optymalizowania niskopoziomowych wywołań. Zawiera wiele dodatkowych narzędzi do szybkiego tworzenia aplikacji graficznych.

Pakiet zawiera narzędzia i przykłady (плики бинарне).

osgEarth - ин абзори васеи заминсозии миқёспазир барои OpenSceneGraph (OSG), сарчашмаи кушода, иҷрои баланд, абзори графикаи 3D мебошад. Танҳо як файли оддии XML эҷод кунед, онро ба тасаввурот, баландӣ ва вектори худ нишон диҳед, ба барномаи дӯстдоштаи ОСГ бор кунед ва равед! osgEarth ҳама гуна маълумотро дастгирӣ мекунад ва бо бисёр мисолҳо оварда шудааст, ки ба шумо барои зуд ва ба кор андохтан кӯмак мекунанд.

Ин баста дорои дутарафа мебошад.

Харитаи тасвири нармафзори кушодаасос (OSSIM) муҳаррики баландсифат барои санҷиши фосилавӣ, коркарди тасвир, системаҳои иттилоотии ҷуғрофӣ ва фотограмметрия мебошад. Он аз соли 1996 инҷониб фаъолона таҳия карда мешавад.

Он ҳамчун як силсила китобхонаҳои нармафзори баландсифат таҳия шудааст, ки дар C ++ навишта шудааст, ки бо истифода аз усулҳои навтарин дар тарроҳии нармафзор ба объект нигаронида шудааст.

Китобхона ба санҷиши дурдасти пешрафта, коркарди тасвирҳо ва функсияҳои гео-фазоӣ мусоидат мекунад. Мазмуни мухтасари фаъолияти OSSIM иборат аз ortho-rectification, ислоҳи маҳалли релефи, моделҳои дақиқи сенсорҳо, мозаикаҳои хеле калон ва синтези кросс, доираи васеи дурнамоҳо ва маълумотҳои харитаҳо ва доираи васеи форматҳои иттилооти тиҷорӣ ва давлатӣ мебошад. Меъмории китобхона коркарди параллелиро бо mpi (имконнопазир аст), меъмории плагини динамикӣ ва объектҳои ба таври динамикӣ пайвастшавандаро, ки ба прототипи сареъи занҷирҳои коркарди тасвир имкон медиҳанд, дастгирӣ мекунад.

Ин маҷмӯа асбобҳои асосиеро дар бар мегирад, ки китобхонаи OSSIM-ро барои иҷрои баъзе вазифаҳои асосӣ истифода мебаранд.

PDAL китобхонаи литсензияи BSD барои тарҷума ва идоракунии маълумоти абрии нуқтаи форматҳои гуногун мебошад. PDAL метавонад барои хондан, навиштан ва тарҷумаи маълумоти абрии нуқта дар бисёр форматҳо истифода шавад. Дастгирӣ барои ворид кардани файлҳои LAS, LAZ, SBET, BPF, QFIT ва ғайра дохил карда шудааст. PDAL инчунин метавонад аз пойгоҳи додаҳо хонад ва ба онҳо нависад, ки нигаҳдории абрии нуқтаро дастгирӣ мекунанд, аз ҷумла Oracle, Postgres ва SQLite.

PDAL набояд бо PCL (Point Cloud Library) омехта карда шавад. PCL китобхонаест, ки махсус барои таҳлили алгоритмӣ ва тағирёбии абрҳои нуқта пешбинӣ шудааст. PDAL интерфейси маҳдудро ба иншоотҳои PCL пешниҳод мекунад, аммо дар маҷмӯъ барои такрори имкониятҳои худ кӯшиш намекунад.

Ин баста утилитҳои PDAL -ро дар бар мегирад.

Pktools to zbiór programów do wykonywania działań, głównie na geolokalizowanych obrazach rastrowych. Pktools w znacznym stopniu opiera się na bibliotece Китобхонаи Abstraction Data Geospatial (GDAL) i OGR. Programy są podobne do narzędzi GDAL (gdalinfo, gdal_translate, gdal_merge,.) A niektóre funkcje zawarte w pktools już istnieją w narzędziach GDAL.

Wszystkie narzędzia zawarte w pktools używają opcji wiersza poleceń i posiadają wbudowaną pomoc. Obejmują one ponad trzydzieści plików wykonywalnych służących do edytowania, modyfikowania, przycinania, klasyfikowania, porównywania, robienia zrzutów, wypełniania wetłyziy inzekzidiy obziochziy obzioziy

PostGIS дастгирии объектҳои ҷуғрофиро ба пойгоҳи додаҳои объективии PostgreSQL илова мекунад. Дар асл, PostGIS сервери PostgreSQL-ро "ба таври фазоӣ фароҳам меорад" ва имкон медиҳад, ки он ҳамчун як пойгоҳи фазоии backend барои системаҳои иттилоотии ҷуғрофӣ (GIS) истифода шавад, ба монанди SDE ESRI ё васеъшавии Spacial Oracle. PostGIS пас аз OpenGIS "Мушаххасоти оддии хусусиятҳо барои SQL" амал мекунад.

Ин маҷмӯа дуҷонибаҳои PostGIS-и заминро барои воридот ва содироти файлҳои шакл ва растр: pgsql2shp, raster2pgsql ва shp2pgsql дарбар мегирад.

Даҳ скрипт wykonuje sieciowe i efektywne pod względem czasowym porównywanie lub synchronizację dwóch możliwie dużych tabel na dwóch serwerach baz danych PostgreSQL, w celu wykrycia wstawionych tty ustyuiki zty skupt.

Барномаи pprepair (таъмири тақсимоти нақшавӣ - naprawa partycji planarnej) pobiera zestaw wielokątów i zapewnia, ute utworzą one prawidłową partycję planarną, wykonaną z prawidłowych wielokątów i nie posiadząc nie posiadząc Барномаи мазкур бо як валидатор, иттилоотӣ ва мушкилот бо посззеголнич wielokątach lub w partycji planarnej, a także jako narzędzie do automycznej naprawy, wysyłające zestaw wielokątów plan

Омодасозии пешакӣ бо усули “uszkodzonych” wielokątów GIS, ман то згодни з миęдзынародовими стандарти ISO 19107. W skrócie, dany wielokąt przechowywany w WKT zostanie pravonky zrawanie zrawanie zrawanie iwrawy Zautomatyzowane metody naprawy można uznać jako interpretowanie niejednoznacznych lub źle zdefiniowanych wielokątów i dawanie zgodnego, jasno określonego wyjścia.

Proj ва invproj тағироти дахлдори пешакӣ ва баръакси маълумоти картографиро ба маълумотҳои декартӣ бо доираи васеи функсияҳои интихобшавандаи проексия (зиёда аз 100 проексия) иҷро мекунанд.

Геод ва инвгеод ҳисобҳои геодезӣ (Доираи Бузург) -ро барои муайян кардани арзи, тӯлонӣ ва азимутҳои қафои нуқтаи терминалӣ бо назардошти арзи аввал, дарозӣ, азимут ва масофа (мустақим) ё азимутҳои пешу қафо ва масофаи байни нуқтаи ибтидоӣ ва терминалӣ ҳисоб мекунанд. арзи васеъ ва дароз (баръакс).

Ин баста воситаҳои дуии PROJ -ро пешниҳод мекунад.

Ин китобхона дорои функсияҳо барои табдили аффинии ҳавопаймо мебошад.

Онро дар маҷмӯаҳои додаҳои ҷуғрофии барои интиқоли тасвир ба координатҳои ҷаҳонӣ истифода бурдан мумкин аст.

Ин версияи китобхонаи Python 2 мебошад.

Декарт имкон медиҳад, ки объектҳои геометрӣ ҳамчун роҳҳо ва часбҳои матплотлиб истифода шаванд.

Ин версияи китобхонаи Python 2 мебошад.

Fiona як печони Python дар атрофи китобхонаи абстраксияи маълумоти вектори OGR мебошад. Fiona барои содда ва боэътимод сохта шудааст. Он ба хондан ва навиштани маълумот дар сабки стандартии Python IO тамаркуз карда, ба намудҳои шинос ва протоколҳои Python, ба монанди файлҳо, луғатҳо, харитаҳо ва итераторҳо, ба ҷои синфҳои хоси OGR такя мекунад. Fiona метавонад маълумотҳои воқеиро бо истифода аз форматҳои бисёрқабатаи GIS ва системаҳои файли виртуалии хонда ва нависад ва бо дигар бастаҳои Python GIS, ба монанди pyproj, Rtree ва Shapely ба осонӣ ҳамҷоя карда мешавад.

Ин маҷмӯъ Python 2 API -ро пешниҳод мекунад

GDAL китобхонаи тарҷумон барои форматҳои растрии геомазҳарии маълумот мебошад. Ҳамчун китобхона, он як барномаи модели ягонаи рефератро ба ариза барои ҳама форматҳои дастгиришаванда пешниҳод мекунад. Китобхонаи марбут ба OGR (ки дар дохили дарахти манбаи GDAL зиндагӣ мекунад) қобилияти монандро барои векторҳои хусусиятҳои оддӣ фароҳам меорад.

GDAL 40+ форматҳои маъмули маълумот, аз ҷумла форматҳои маъмулан истифодашавандаро (GeoTIFF, JPEG, PNG ва ғайра), инчунин онҳоеро, ки дар GIS ва бастаҳои нармафзори ҳассосии дурдаст (ERDAS Imagine, ESRI Arc / Info, ENVI, PCI Geomatics) истифода мебаранд, дастгирӣ мекунад. Инчунин бисёр форматҳои таҳқиқи дурдаст ва тақсимоти маълумот, аз қабили HDF, EOS FAST, NOAA L1B, NetCDF, FITS дастгирӣ карда мешаванд.

Китобхонаи OGR форматҳои маъмули векторҳоро дастгирӣ мекунад, ба монанди ESRI Shapefile, TIGER data, S57, MapInfo File, DGN, GML ва ғайра.

Ин бастаи бастаҳои Python барои китобхонаи GDAL / OGR ва маҷмӯи воситаҳои иловагии сатри фармонро дар бар мегирад.

Ин маҷмӯа китобхонаи утилитӣ барои кор бо пайвандҳои ҷуғрофӣ мебошад. Ин татбиқи кори Cat-Interop аст, ки дар https://wiki.osgeo.org/wiki/Cat-Interop тасвир шудааст

Ин маҷмӯа версияи китобхонаи Python 2 -ро таъмин мекунад.

GeoPandas лоиҳаест барои дастгирии маълумоти ҷуғрофӣ ба объектҳои панда. Дар айни замон он намудҳои GeoSeries ва GeoDataFrame -ро татбиқ мекунад, ки мутаносибан зерсинфҳои pandas.Series ва pandas.DataFrame мебошанд. Ҷисмҳои GeoPandas метавонанд дар объектҳои геометрии шакл амал карда, амалиётҳои геометриро иҷро кунанд.

Амалиётҳои геометрии GeoPandas картезианӣ мебошанд. Системаи истинодҳои координатӣ (CRS) метавонад ҳамчун атрибут дар объект ҳифз карда шавад ва ҳангоми боркунӣ аз файл ба таври худкор таъин карда мешавад. Объектҳо метавонанд бо усули to_crs () ба системаҳои нави координатҳо табдил ёбанд. Дар айни замон иҷрои чунин координатҳо барои амалиёт вуҷуд надорад, аммо ин метавонад дар оянда тағир ёбад.

Ин баста версияи китобхонаи Python 2 -ро дар бар мегирад.

Mapnik як абзори OpenSource C ++ барои таҳияи замимаҳои GIS (Systems Geographic Information) мебошад. Дар асл китобхонаи муштараки C ++ ҷойгир аст, ки алгоритмҳо / намунаҳо барои дастрасӣ ба визуалӣ ва визуализатсияи маълумотро фароҳам меорад.

Моҳиятан маҷмӯаи объектҳои ҷуғрофӣ (харита, қабат, манбаи додаҳо, хусусият, геометрия), китобхона ба "системаҳои равзана" такя намекунад ва барои кор дар муҳити сершумор пешбинӣ шудааст

Ин баста бастаҳои Python 2 -ро дар бар мегирад.

PDAL китобхонаи литсензияи BSD барои тарҷума ва идоракунии маълумоти абрии нуқтаи форматҳои гуногун мебошад. PDAL метавонад барои хондан, навиштан ва тарҷумаи маълумоти абрии нуқта дар бисёр форматҳо истифода шавад. Дастгирӣ барои ворид кардани файлҳои LAS, LAZ, SBET, BPF, QFIT ва ғайра дохил карда шудааст. PDAL инчунин метавонад аз пойгоҳи додаҳо хонад ва ба онҳо нависад, ки нигаҳдории абрии нуқтаро дастгирӣ мекунанд, аз ҷумла Oracle, Postgres ва SQLite.

PDAL набояд бо PCL (Point Cloud Library) омехта карда шавад. PCL китобхонаест, ки махсус барои таҳлили алгоритмӣ ва тағирёбии абрҳои нуқта пешбинӣ шудааст. PDAL интерфейси маҳдудро ба иншоотҳои PCL пешниҳод мекунад, аммо дар маҷмӯъ барои такрори имкониятҳои худ кӯшиш намекунад.

Ин баста дорои васеъкунии PDAL барои Python 2 мебошад.

PROJ дигаргуниҳои картографиро байни координатаҳои ҷуғрофӣ (лот / лон) ва дурнамои харита (х / у) иҷро мекунад. Он инчунин метавонад мустақиман аз як системаи координати проексияи харита ба системаи дигар табдил ёбад.

Ин ҳатмии Python барои PROJ аст, он метавонад координатҳоро ҳамчун массиви numpy, массиви Python, рӯйхат ё скаляр қабул кунад. Ин модул барои массиви numpy optimized.

PySAL китобхонаи кушодаи функсияҳои таҳлили фазоӣ мебошад, ки дар Python навишта шудааст, ки барои рушди барномаҳои сатҳи баланд пешбинӣ шудааст.

Бояд қайд кард, ки PySAL чист ва барои ин тарҳрезӣ нашудааст. Пеш аз ҳама, PySAL китобхона ба маънои томаш мебошад. Таҳиягарон дар ҷустуҷӯи маҷмӯи усулҳои таҳлилии фазоӣ, ки онҳо метавонанд ба таҳияи барнома ворид кунанд, бояд бо истифода аз PySAL худро дар хона эҳсос кунанд. Таҳлилгарони фазоӣ, ки метавонанд лоиҳаҳои тадқиқотиро талаб кунанд, ки скриптҳои фармоишӣ, таҳлили васеи симулятсия ё онҳое, ки мехоҳанд сатҳи пешрафтаи санъатро дар таҳлили фазоӣ пеш баранд, инчунин бояд PySAL -ро заминаи муфид барои кори худ пайдо кунанд.

Истифодабарандагони охирине, ки дар ҷустуҷӯи интерфейси графикии корбари барои истифодабарии таҳлили фазоӣ ҳастанд, набояд мустақиман ба PySAL муроҷиат кунанд. Ба ҷои ин, онҳо бояд лоиҳаҳоеро ба мисли STARS ва маҷмӯи маҳсулоти нармафзори GeoDaX-ро баррасӣ кунанд, ки фаъолияти PySAL-ро дар GUI-ҳо печонанд. Ҳамзамон, интизор меравад, ки бо таҳияҳо, ба монанди меъмориҳои замимавии Python барои QGIS, GRASS ва васеъкунии қуттиҳои абзор барои ArcGIS, ки дастрасии охирин ба функсияи PySAL дар ояндаи наздик васеъ хоҳад шуд.


Хулосаҳо ва оқибатҳои идоракунӣ

Тавре ки дар бисёр намудҳои нигаронии ҳифзи табиат, экологияи ҳаракат ҷудонашавандаи қарорҳои идоракунии марбут ба шохаҳои ҷанубии ҷанубӣ мебошад. Натиҷаҳои мо афзалиятҳои зистро нишон доданд, аз қабили таносуби қабати дарахтони пасти миёна (буттазорҳои паст) ва алафзорҳо, ки ба андозаи манзил таъсир мерасонанд ва шумораи гурӯҳҳои шохаҳои заминии ҷанубӣ, ки дар як минтақа дастгирӣ карда мешаванд. Ин фаҳмишҳо барои ҳифзи шохии ҷанубии замин хеле муҳим аст, алахусус ба интихоби ҷойҳои барқарорсозии муносиб барои парандагон. Ба ҳамин монанд, муҳити зисти кофии боғҳои ҷангал ва алаф дорои аҳамияти аввалиндараҷа буда, барои дастгирии талабот ба хӯрокхӯрии ҷангали ҷанубӣ зарур аст. Барои мусоидат ба интихоби ҷойҳои мувофиқи барқарорсозӣ ва истифодаи силсилакӯҳҳои хонаҳои мавсимии шохаҳои шохии ҷанубии КНП, мо муайян кардем, ки барои ҳар 1 га зисти алафзор, ҷойҳои эҳёи эҳтимолӣ бояд ба ҳисоби миёна 6,1 ± 3,07 га кушод дошта бошанд. woodland and a mean of 0.09 ± 0.13 ha of low shrubland. We showed that Southern Ground-hornbill home ranges differed greatly between seasons, mainly as they encompassed different habitat types within the seasons. Consequently, habitat diversity in a potential reintroduction site should be considered integral to the successful establishment of Southern Ground-hornbills there. We suggest that when considering reintroductions of any threatened species, seasonal movements, habitat selection and habitat diversity be taken into account when selecting potential reintroduction sites.


Pan, Y. et al. A large and persistent carbon sink in the world’s forests. Science 333, 988–993 (2011).

Condit, R., Hubbell, S. P., Foster, R. B. & Robin, B. Assessing the Response of Plant Functional Types to Climatic Change in Tropical Forests Assessing the response of plant functional types to climatic change in tropical forests. J. Veg. Sci. 7, 405–416 (1996).

Baker, T. R. et al. Do species traits determine patterns of wood production in Amazonian forests? Biogeosciences 6, 297–307 (2009).

Whitmore, T. An introduction to tropical rain forests(Clarendon Press, Oxford University Press, 1992).

Walker, T. & Syers, J. The fate of phosphorous during pedogenesis. Geoderma 15, 1–19 (1976).

Vitousek, P. M., Porder, S., Houlton, B. Z. & Chadwick, O. A. Terrestrial phosphorus limitation: mechanisms, implications, and nitrogen – phosphorus interactions. Ecol. Appl. 20, 5–15 (2010).

Malhi, Y. et al. The above-ground coarse wood productivity of 104 Neotropical forest plots. Glob. Chang. Biol. 10, 563–591 (2004).

Paoli, G. D. & Curran, L. M. Soil nutrients limit fine litter production and tree growth in mature lowland forest of southwestern Borneo. Ecosystems 10, 503–518 (2007).

Mercado, L. M. et al. Variations in Amazon forest productivity correlated with foliar nutrients and modelled rates of photosynthetic carbon supply. Philos. Trans. R. Soc. 366, 3316–3329 (2011).

Quesada, C. A. et al. Basin-wide variations in Amazon forest structure and function are mediated by both soils and climate. Biogeosciences 9, 2203–2246 (2012).

Aragão, L. E. O. C. et al. Above- and below-ground net primary productivity across ten Amazonian forests on contrasting soils. Biogeosciences Discuss. 6, 2441–2488 (2009).

Wieder, W. R., Cleveland, C. C., Smith, W. K. & Todd-Brown, K. Future productivity and carbon storage limited by terrestrial nutrient availability. Nat. Geosci. 8, 441–444 (2015).

Cleveland, C. C. et al. Relationships among net primary productivity, nutrients and climate in tropical rain forest: A pan-tropical analysis. Ecol. Lett. 14, 939–947 (2011).

Phillips, O. L. et al. Drought Sensitivity of the Amazon Rainforest. Science (80−) 323, 1344–1347 (2009).

Baribault, T. W., Kobe, R. K. & Finley, A. O. Tropical tree growth is correlated with soil phosphorus, potassium, and calcium, though not for legumes. Ecol. Monogr. 82, 189–203 (2012).

Laurance, W. F. et al. Relationship between soils and Amazon forest biomass: a landscape scale study. For. Ecol. Manage. 118, 127–138 (1999).

Gourlet-Fleury, S. et al. Environmental filtering of dense-wooded species controls above-ground biomass stored in African moist forests. J. Ecol. 99, 981–990 (2011).

van Schaik, C. & Mirmanto, E. Spatial variation in the structure and litterfall of a Sumatran rain forest. Biotropica 17, 196–205 (1985).

Clark, D. B. & Clark, D. A. Landscape-scale variation in forest structure and biomass in a tropical rain forest. For. Ecol. Manage. 137, 185–198 (2000).

Vitousek, P. M. Litterfall, nutrient cycling, and nutrient limitation in tropical forests. Ecology 65, 285–298 (1984).

Herrera, R., Jordan, C., Klinge, H. & Medina, E. Amazonian ecosystems: Their structure and function with particular emphasis on nutrients. Interciencia 3, 223–232 (1978).

Hammond, D. S. In Tropical Forests of the Guiana Shield(ed. Hammond, D. S. ) 1–14 (CAB International, 2005).

Quesada, C. A. et al. Variations in chemical and physical properties of Amazon forest soils in relation to their genesis. Biogeosciences 7, 1515–1541 (2010).

Wright, S. J. et al. Potassium, phosphorus, or nitrogen limit root allocation, tree growth, or litter production in a lowland tropical forest. Ecology 92, 1616–1625 (2011).

Chuyong, G. B., Newbery, D. M. & Songwe, N. C. Litter nutrients and retranslocation in a central African rain forest dominated by trees ectomycorrhizal. New Phytol. 148, 493–510 (2000).

Silver, W. L. et al. Effects of soil texture on belowground carbon and nutrient storage in a lowland Amazonian forest ecosystem. Ecosystems 3, 193–209 (2000).

Andrianarisoa, K. S., Zeller, B., Dupouey, J. L. & Dambrine, E. Comparing indicators of N status of 50 beech stands (Fagus sylvatica L.) in northeastern France. For. Ecol. Manage. 257, 2241–2253 (2009).

Baraloto, C. et al. Disentangling stand and environmental correlates of aboveground biomass in Amazonian forests. Glob. Chang. Biol. 17, 2677–2688 (2011).

Sardans, J. & Peñuelas, J. Trees increase their P:N ratio with size. Glob. Ecol. Biogeogr. 24, 147–156 (2015).

Heineman, K. D., Turner, B. L. & Dalling, J. W. Variation in wood nutrients along a tropical soil fertility gradient. New Phytol.doi: 10.1111/nph.13904 (2016).

Feldpausch, T. R., Rondon, M. A., Fernandes, E. C., Riha, S. J. & Wandelli, E. Carbon and Nutrient Accumulation in Secondary Forests Regenerating on Pastures in Central Amazonia. Ecol. Appl. 14, 164–176 (2004).

Paoli, G. D., Curran, L. M. & Slik, J. W. F. Soil nutrients affect spatial patterns of aboveground biomass and emergent tree density in southwestern Borneo. Oecologia 155, 287–299 (2008).

Russo, S. E., Zhang, L. & Tan, S. Covariation between understorey light environments and soil resources in Bornean mixed dipterocarp rain forest. J. Trop. Ecol. 28, 33–44 (2012).

Toledo, M. et al. Climate is a stronger driver of tree and forest growth rates than soil and disturbance. J. Ecol. 99, 254–264 (2011).

Hobbie, S. E. Effects of Plant Species Nutrient Cycling. Tree 7 (1992).

Cuevas, E. & Medina, E. Nutrient flux in fine litter fall and efficiency of nutrient utilization. Oecologia 466–472 (1986).

Lovelock, C. E., Feller, I. C., Ball, M. C., Ellis, J. & Sorrell, B. Testing the growth rate vs. geochemical hypothesis for latitudinal variation in plant nutrients. Ecol. Lett. 10, 1154–1163 (2007).

Hättenschwiler, S., Aeschlimann, B., Coûteaux, M. M., Roy, J. & Bonal, D. High variation in foliage and leaf litter chemistry among 45 tree species of a neotropical rainforest community. New Phytol. 179, 165–175 (2008).

Condit, R., Hubbell, S. P., Foster, R. B. & Robin, B. Assessing the Response of Plant Functional Types to Climatic Change in Tropical Forests Assessing the response of plant functional types to climatic change in tropical forests. 7, 405–416 (2013).

Norden, N. et al. Is temporal variation of seedling communities determined by environment or by seed arrival? A test in a neotropical forest. J. Ecol. 95, 507–516 (2007).

Phillips, O. L. et al. Pattern and process in Amazon tree turnover, 1976–2001. Philos. Trans. R. Soc. Lond. B. Biol. Sci. 359, 381–407 (2004).

Aubry-Kientz, M., Rossi, V., Boreux, J.-J. & Hérault, B. A joint individual-based model coupling growth and mortality reveals that tree vigor is a key component of tropical forest dynamics. Ecol. Evol. 5, 2457–65 (2015).

Ferry, B., Morneau, F., Bontemps, J. D., Blanc, L. & Freycon, V. Higher treefall rates on slopes and waterlogged soils result in lower stand biomass and productivity in a tropical rain forest. J. Ecol. 98, 106–116 (2010).

Reinieke, L. Perfecting stand-density index for even-aged forests. J. Agric. Res. 46, 627–638 (1933).

ter Steege, H. et al. Continental-scale patterns of canopy tree composition and function across Amazonia. Nature 443, 0–2 (2006).

Guitet, S., Pélissier, R., Brunaux, O., Jaouen, G. & Sabatier, D. Geomorphological landscape features explain floristic patterns in French Guiana rainforest. Biodivers. Conserv. 1215–1237, doi: 10.1007/s10531-014-0854-8 (2015).

Guitet, S. et al. Landform and landscape mapping, French Guiana (South America). J. Maps 9, 323–335 (2013).

Sabatier, D. et al. The influence of soil cover organization on the floristic and structural heterogeneity of a Guianan rain forest. Plant Ecol. 131, 81–108 (1997).

Desprez, M., Ferry, B. & Vincent, F. Caractérisation morphologique des sols de sept placettes permanentes forestières du réseau GUYAFOR (Guyane Française) (2010).

Curtis, R. O. & Marshall, D. D. Technical Note: Why Quadratic Mean Diameter? West. J. Appl. For. 15, 137–139 (2000).

Chave, J. et al. Improved allometric models to estimate the aboveground biomass of tropical trees. Glob. Chang. Biol. 20, 3177–3190 (2014).

Chave, J. et al. Towards a worldwide wood economics spectrum. Ecol. Lett. 12, 351–366 (2009).

Zanne, A., López-González, G. & Coomes, D. A. Global wood density database (Dryad) (2009).

Molto, Q. et al. Predicting tree heights for biomass estimates in tropical forests -A test from French Guiana. Biogeosciences 11, 3121–3130 (2014).

Sheil, D. & May, R. M. Mortality and recruitment rate evaluations in heterogeneous tropical forests. J. Ecol. 84, 91–100 (1996).

Husson, F., Josse, J., Le, S. & Mazet, J. FactoMineR: Multivariate Exploratory Data Analysis and Data Mining (2015).

R Core Team. A Language and Environment for Statistical Computing. (2016).

Bates, D., Mächler, M., Bolker, B. & Walker, S. Fitting Linear Mixed-Effects Models Using lme 4. J. Stat. Softw. 67, 1–48 (2015).

Barton, K. MuMIn: Multi-Model Inference (2015).

Pinheiro, J., Bates, D., DebRoy, S. & Sarkar, D. Nlme: Liniear and Nonlinear Mixed Effects Models (2015).

Nakagawa, S. & Schielzeth, H. A general and simple method for obtaining R2 from generalized linear mixed-effects models. Methods Ecol. Evol. 4, 133–142 (2013).

Fox, J. Effect Displays in R for Generalised Linear Models. J. Stat. Softw. 8, 1–27 (2003).

Lewis, F. I. Abn: Data Modelling with Additive Bayesian Networks (2014).


4.2 Air mass factor computation

The DSCDs retrieved by the DOAS analysis do not only depend on the absorber profile, but also on the light path, affected by the observation geometry, atmospheric conditions, and Earth's surface reflectance. The state of the atmosphere and radiative transfer through the atmosphere need to be properly modelled to calculate appropriate AMFs, which are needed to convert the retrieved DSCDs to VCDs. НЕ2 AMFs have been computed using the RTM package UVspec/DISORT (Mayer and Kylling, 2005). DISORT numerically reproduces the atmospheric state and the radiative transfer based on a priori information on the parameters that affect the slant column light path. These are the surface reflectance, sun and viewing geometry, and atmospheric properties, such as cloud cover, pressure, temperature, and absorber and aerosol vertical profiles.

4.2.1 RTM parameters

(1) Both APEX and SBI are radiometrically calibrated thus an effective surface reflectance can be derived directly from the observed at-sensor radiances, provided that an atmospheric correction is applied. AirMAP and SWING, however, are not radiometrically calibrated. In Meier et al. (2016) an approach is presented to estimate surface reflectances from the AirMAP observed intensities, after scaling or vicarious calibration using a reference region with well-known surface reflectance taken from the ADAM database (Prunet et al., 2013). For the SWING data, surface reflectances were taken from the APEX albedo product. In all cases, a Lambertian surface was assumed. (2) Viewing geometry and solar position, defined by the VZA, SZA, and relative azimuth angle (RAA), can be directly extracted for each observation. (3) The presence of clouds can strongly affect the optical path and usually requires the need for a cloud retrieval scheme, e.g. for spaceborne retrievals. However, this could be neglected as all flights were performed under cloud-free conditions. (4) Since no accurate NO2 profile shape information was available over the city, assumptions on the vertical distribution of NO2 needed to be made. A box profile, with constant mixing ratio in the PBL, was assumed for the NO2 vertical distribution. A PBL height of respectively 525 and 1075 m was established for the morning and afternoon flights, based on observations performed with a ceilometer CHM15k. The instrument was mounted on the rooftop of the FUB Institute for Space Sciences, located in the southwest of the city (52.46 ∘ N, 13.31 ∘ E, 80 m a.s.l. see Fig. 1). (5) During the morning and afternoon flights a low aerosol optical thickness (AOT level 1.5) of respectively 0.09 and 0.06 was measured by the CIMEL AERONET station (Holben et al., 1998) at the FUB. The AOT was averaged between 440 (middle of the SBI NO2 fitting interval) and 490 nm (middle of the APEX NO2 fitting interval). The measurement site was, however, located upwind of the main sources on 21 April 2016 and was probably underestimating the AOT over the city. For the whole month of April 2016, an average AOT of 0.13 was measured between 440 and 490 nm at the FUB AERONET station. In order to compensate for the possible underestimation of the aerosol loading and related uncertainties due to the site location, a representative AOT of 0.15 and 0.10 was used in the RTM for the morning and afternoon flights, respectively.

Figure 5Time series (а) and map (б) of AOTs at 500 nm, measured with a Model 540 Microtops II handheld sun photometer and operated from a car which was driving through the city of Berlin during the aircraft overpasses on 21 April 2016.

These values are largely consistent with measurements performed with a Model 540 Microtops II handheld sun photometer from Solar Lights (Porter et al., 2001), operated from a car which was driving through the city of Berlin during the aircraft overpasses on 21 April 2016. In Fig. 5a, a time series of retrieved AOTs at 500 nm is shown and a map is provided in Fig. 5b. Two similar routes were followed in the morning and afternoon, starting from the FUB Institute for Space Sciences. The mean and median AOT are 0.21 and 0.16, respectively, and a number of elevated values can be observed, which are probably related to local sources or contamination by sub-visible cirrus clouds. The first and last observations in the time series were performed at the FUB Institute for Space Sciences, and were thus very close to the CIMEL AERONET station. Both for the morning and afternoon, the Microtops AOTs are higher than the CIMEL AOTs. Two possible reasons are currently under investigation: first, the AERONET station has a higher and less polluted position on the rooftop of the Institute for Space Sciences. Secondly, there might be a calibration issue for the Microtops, despite the fact that it was calibrated in 2015.

Aerosol extinction profiles (AEPs) were supposed to be measured directly from the Cessna, based on the airborne spectrometer system FUBISS-ASA2 (Zieger et al., 2007). The instrument provides simultaneous measurements of the direct solar irradiance and the aureole radiance in two different solid angles. Due to restrictions imposed by air traffic control, soundings could eventually not be performed directly over or near the city but were performed over a rural area south of Berlin and on a long descent track ending close to the Polish border. As these profiles were not representative for the city of Berlin, aerosol extinction profiles were constructed from the AOT and PBL heights, measured by the FUB CIMEL and ceilometer during the respective flights, using an assumed profile shape. Both profiles include 75 % of the AOT in the well-mixed PBL, where the extinction is set constant, while the remaining 25 % above the PBL exponentially decrease with altitude. For all extinction profiles a single-scattering albedo (SSA) of 0.93 was assumed (Dubovik et al., 2002).

In DISORT, the radiative transfer equation is solved in a pseudo-spherical, multiple scattering atmosphere using the discrete ordinate method. Simulations are performed for two different sensor altitudes, i.e. 3.1 km (Cessna 207T D-EAFU) and 6.2 km (Dornier DO-228 D-CFFU) a.g.l., and four different wavelengths, i.e. 440, 462, 464, and 490 nm. These wavelengths represent the middle of the NO2 fitting windows of the four different DOAS imagers (see Table 3). For the sake of harmonising the different data sets, a common NO2 AMF look-up table (LUT) was computed. An overview of the used grid for the different RTM parameters in the AMF LUT is provided in Table 4. For each retrieved slant column, an AMF was extracted from the LUT based on the viewing geometry, solar position, and surface reflectance using linear interpolation. Based on Eq. (3), the slant columns can then be converted to the more geophysically relevant VCDs.

Table 4Overview of the input parameters in the radiative transfer model DISORT, characterising the air mass factor look-up table.

Figure 6Time series of NO2 AMFs for the morning flight on 21 April 2016, computed with DISORT based on the RTM parameters from the AirMAP instrument. The data are plotted for only the nadir observations in each across-track scan line.

4.2.2 AMF dependence on RTM parameters

AMF dependence on the surface reflectance

A time series of near-nadir NO2 AMFs is shown in Fig. 6 for the morning flight on 21 April 2016. The corresponding surface reflectances and viewing and sun geometries recorded by the AirMAP instrument are also provided in the plot, as well as the other RTM parameter settings. A strong dependence of the AMF on the surface reflectance can be observed, consistent with previous studies reported in Lawrence et al. (2015), Meier et al. (2017), and Tack et al. (2017). In the upper panel of Fig. 10 can be observed that the dependence is non-linear, especially below a surface reflectance of 0.2. When the surface is bright, a large fraction of the incident sunlight is reflected from the ground back to the imager and, thus, for an NO2 profile peaking close to the ground, a larger NO2 slant column is retrieved than in the case of a low surface reflectance, even when considering the same NO2 profile, sampled below the aircraft. Consequently, the computed AMF should be relatively high in the case of a bright surface albedo to account for the higher measurement sensitivity and to properly compensate for the larger slant column. Urban environments usually exhibit a very strong variability in surface reflectance and subsequently in the AMF. A slight overall increase in the AMF can be observed in the middle of the flight where spectra are acquired over the city and suburban area, characterised by a higher albedo. The areas covered by the first and last flight lines have a rather rural and forested character, resulting in an overall lower albedo and thus a lower AMF. The mean surface reflectance and AMF are 0.03 and 1.7, respectively, for the AirMAP observations.

The surface reflectance products of APEX and AirMAP have been compared for the afternoon flight. As an extensive surface reflectance intercomparison study is beyond the scope of this paper, we refer to Meier (2017) for further details. For the APEX surface reflectance product, an atmospheric correction was applied to the observed at-sensor radiances according to the methodology described in Sterckx et al. (2016). The atmospheric correction parameters were tuned to ensure a good matching of APEX spectra with co-located ground truth reflectances, measured during the campaign with an ASD FieldSpec 4 spectrometer ( http://www.asdi.com/products-and-services/fieldspec-spectroradiometers/fieldspec-4-hi-res , last access: January 2019) over different target surfaces. The surface reflectances retrieved from APEX spectra are calibrated at 500 nm and have a high spatial resolution of 4 by 3 m 2 . In addition to the APEX surface reflectance product in the spectral range of 490–500 nm, used for the APEX AMF computations and close to the middle of the APEX NO2 fitting interval, a second product was derived by averaging APEX surface reflectances along the spectral dimension in the interval between 438 and 490 nm, corresponding to the AirMAP DOAS fit window and consequently the spectral range in which AirMAP's surface reflectance product is retrieved. A comparison was also performed with the surface reflectance product of the Landsat 8 Operational Land Imager (OLI) spaceborne instrument (Barsi et al., 2014), based on an overpass on the same day at 11:56 LT. Band 1 was used, covering the spectral range from 435 to 451 nm and with a spatial resolution of about 30 m.

Figure 7Histogram of surface reflectances from AirMAP, APEX, and Landsat 8 for the afternoon flight over Berlin on 21 April 2016.

The quantitative comparison was performed by binning the different data sets on a regular grid with a cell size of 0.0010 ∘ (110 by 68 m 2 ) in order to avoid significant differences caused by different spatial resolution. Pearson correlation coefficients were 0.85, 0.92, and 0.92, and linear regression slopes were 1.09, 1.14, and 1.47 for the comparison of the AirMAP surface reflectance product with the Landsat (435–451 nm), APEX (438–490 nm), and APEX (490–500 nm) products, respectively. Histograms for the different surface reflectance products are shown in Fig. 7 for the afternoon flight. The surface reflectances retrieved from AirMAP, APEX, and Landsat 8 agree well, especially for the most frequent surface reflectances found in the covered area. The AirMAP surface reflectances have, however, a lower dynamic range. With exception of AirMAP, all sensors show a frequent occurrence of very small surface reflectances close to zero. This is mainly related to the assumptions made on the parameters in the atmospheric correction and is mostly pronounced above dark areas, e.g. the lake site in the east and the forest in the west of the covered area. Also very large values are not found in the AirMAP retrievals. This lower dynamic range is at least partially caused by the lower spatial resolution of AirMAP and spatial blur due to reduced imaging capabilities of the instrument in comparison to APEX and Landsat. This may explain the pronounced slopes in the correlation plots, because a strong weight is given to these extreme points in the regression. The histograms also clearly show that the surface reflectances from the different sensors are offset against each other. This offset is likely to be caused by a combination of the radiometric calibration and the reference spectra used for the calibration of the surface reflectances, as well as an overestimation of the path radiance, i.e. the radiance scattered in the atmosphere (Kaufman, 1993). The large offset found in the APEX (438–490 nm) surface reflectances is likely also related to the large deviations from the calibration wavelength of 500 nm.

In Vlemmix et al. (2017), the SBI effective surface reflectance was compared as well with the Landsat 8 surface reflectance product, showing a good agreement for the combination of the morning and afternoon flight data, with a Pearson correlation coefficient of 0.8 and a slope of 1.03. According to this study, considerable differences detected for some of the highest albedo peaks in both data sets might also be related to the fact that exact pixel alignment is crucial and also because bright infrastructural elements may have highly non-uniform bidirectional reflectance distribution functions (BRDFs), which makes the comparison more critical to differences in viewing and illumination angle. Note that the Landsat 8 scene was acquired at 11:56 LT corresponding to an SZA of 42 ∘ , while for the morning and afternoon flights the SZA varied between 58 and 42 ∘ and between 43 and 59 ∘ , respectively.

AMF dependence on NO2 and aerosol profiles

The authors are aware of the fact that the assumptions made for the well-mixed NO2 and aerosol extinction profile shape and constant AOT do not take into account the effective variability that can be expected for these constituents in an urban environment. This was already discussed in Vlemmix et al. (2017) for the SBI flights over Berlin, and AMF uncertainties related to profile shape and AOT assumptions were estimated to be around 7 %–10 % based on a set of different scenarios.

In this study, sensitivity tests were performed as well, based on varying NO2 and aerosol extinction profiles, and with the analysis wavelength, surface reflectance, VZA, SZA, and RAA set at respectively 490 nm, 0.05, 7, 50, and 90 ∘ . Previous studies, such as Leitao et al. (2010) and Meier et al. (2016) indicate that aerosols can enhance or reduce the AMF, depending on their position with respect to the NO2 layer, the optical thickness, and the absorption of the aerosol layer. When assuming a well-mixed NO2 and aerosol box profile scenario instead of a Rayleigh atmosphere, AMFs increase by 6 % on average. This can be explained by the urban aerosols with high SSA, which have strongly reflective properties. This causes multiple scattering and an enhancement of the optical path length in the NO2 layer and, thus, results in an increase in the AMF. For the afternoon flight, a scenario was tested with the NO2 layer closer to the sources, extending from the surface to 500 m, and with the aerosols well mixed in the PBL, extending to 1100 m. In this case, the highly reflective aerosols have a shielding effect as more solar radiation is scattered above the NO2 layer. This results in an overall decrease of 15 % in the AMF when compared to the scenario with both NO2 and aerosols well mixed in the PBL.

AMF dependence on sun and viewing geometries

The dependence of the AMF on sun and viewing geometries is very small under the current conditions and set-up, as can be seen in Fig. 6. Based on a sensitivity study reported in Tack et al. (2017) the strongest effect is expected to originate from the changing SZA, but this is smaller than 6 % for a flight time of 2–3 h close to local noon in the spring or summer season. The overall AMF at the end of the flight (SZA = 45 ∘ ) is slightly smaller than at the beginning of the flight (SZA = 60 ∘ ) due to the smaller SZA and thus the shorter light path through the troposphere. A stronger effect on the AMF is, however, expected in the case of very shallow sun elevation angles.

Figure 8Height-dependent box AMFs assessing the vertical sensitivity to NO2 , illustrated for five different scenarios for the sensor altitude H , in kilometres above ground level.

AMF dependence on the sensor altitude

In Fig. 8, the dependence of the AMF on sensor altitude is simulated for five scenarios, based on the concept of box AMFs. Box AMFs describe the sensitivity of the observations as a function of altitude, resulting in an assessment of the instrument vertical sensitivity (Wagner et al., 2007). The five scenarios, from low to high altitude, resemble typical platform altitudes of (1) an UAV, (2) the Cessna 207T D-EAFU, (3) the Dornier DO-228 D-CFFU, (4) a potential stratospheric high-altitude pseudo-satellite (HAPS) or stratospheric UAV, and (5) a sun-synchronous LEO satellite. The sensitivity of the instrument to NO2 is strongly height dependent and is largest for the layer directly under the sensor. Due to scattering and absorption, the sensitivity to NO2 decreases towards the ground surface, where usually most of the tropospheric NO2 is present due to the proximity to the emission sources. Moreover, the decrease in sensitivity is stronger with increasing platform altitude due to the larger scattering probability above the absorbing layer. The surface box AMF for the platform altitude of 0.8 km is more than 2 times larger than the surface box AMF for a platform altitude of 700 km. Under the assumed RTM parameter settings, the difference in sensitivity to the ground surface is, however, small ( <3 %) between an airborne sensor operating in the stratosphere (HAPS) and a spaceborne sensor. Above airborne platforms, the sensitivity to NO2 converges rapidly with increasing altitude to a constant box AMF of 1.6, a value which is close to the geometrical AMF.

Figure 9Height-dependent box AMFs assessing the vertical sensitivity to NO2 , illustrated for the aircraft altitude of the Cessna 207T D-EAFU ( H=3.1 km a.g.l.) and the Dornier DO-228 D-CFFU ( H=6.2 km a.g.l.), for both low and high surface reflectance scenarios.

Figure 9 focuses on the box-AMF profiles in the lowest 15 km for the platform altitude of the Cessna and the Dornier, for both low and high surface reflectance scenarios. In addition to the platform altitude dependence, the surface reflectance dependence can also be observed. The effect of variability in the surface reflectance is clearly much stronger than variability in the platform altitude.

Figure 10Dependence of the AMF on the surface reflectance and RTM computation wavelength ( λ ) for the aircraft altitude of the Cessna 207T D-EAFU ( H = 3.1 km a.g.l.) and the Dornier DO-228 D-CFFU ( H = 6.2 km a.g.l.).

AMF dependence on the analysis wavelength

Figure 10 shows the dependence of the total AMF on the surface reflectance (upper panel) and analysis wavelength λ (lower panel) for both platform altitudes. The AMF dependency on the surface reflectance is clearly non-linear and this is more outspoken for lower albedos. The AMF increases by respectively 65 % and 110 % for the platform altitude at 3.1 and 6.2 km, when increasing the albedo from 1 % to 45 %. Overall, the AMF is larger for the lower platform altitude however, the AMFs converge to the same value of approximately 3 for very high albedo values.

AMFs also increase with increasing analysis wavelength λ , but the relation seems to be more linear. Note that NO2 is assumed to be optically thin in the visible range, not showing any molecular features in the wavelength-dependent AMFs. The shorter wavelengths are more affected by Rayleigh scattering than the longer wavelengths, explaining the reduced sensitivity to NO2 : photons at shorter wavelengths are scattered more easily before they reach the surface and NO2 layer. The wavelength dependency is slightly stronger for the higher platform altitude. The reduced sensitivity of the APEX instrument, due to the higher platform altitude, is partly compensated for by the increased sensitivity due to the fitting interval at larger wavelengths: when considering the same analysis wavelength of 440 nm (middle of the SBI NO2 fitting interval) for the APEX instrument, the sensitivity would increase by 25 % for the altitude at 3.1 km. The increase in sensitivity is only 10 % when considering the analysis wavelength of 490 nm (middle of the APEX NO2 fitting interval) for the APEX instrument.


Human settlements in headwater catchments are associated with generalist stream food webs

While a variety of anthropogenic impacts on lotic biodiversity have been documented, food-web responses to catchment development are poorly understood. We selected 27 stream food webs of comparable quality and conducted an analysis to assess the effect of catchment development on food-web structure. We quantified population densities, built-up area, and proximity to urban centres, and calculated a Settlement Index for each catchment using Principal Components Analysis. We also calculated the percentage of agricultural land cover in each catchment. Next, we assessed the correlations between the structural properties of food-webs (species richness, connectance, mean food-chain length, linkage density, trophic generality, and trophic vulnerability) and the Settlement Index as well as agricultural land cover. We found that linkage density, trophic vulnerability (number of consumers per species), and trophic generality (number of resources per species) were higher in streams with greater Settlement Index, indicating a reduction in specialisation. However, no clear trends were observed for species richness, connectance, and mean food-chain length. Agricultural land cover was also not related to food-web structure. We propose that the reduction in specialisation may be driven by species turnover and feeding plasticity, as biotic invasion or species impoverishment was not evident.

Ин пешнамоиши мундариҷаи обуна, дастрасӣ тавассути муассисаи шумост.


Усулҳо

Study area

This study was undertaken in the Kupang district in the province of Nusa Tenggara Timur (NTT) in eastern Indonesia. The district was selected as a case study having high maternal deaths. The regional medium-term development plan of Kupang district planned to decrease the MMR to 225 per 100 000 live births by 2015 [24]. However, the district did not achieve this target: in 2018, it was 257 [25]. Most maternal deaths occurred at home because of difficulty of access to the closest clinic [24].

The population of Kupang district in 2019 was 380 900 people across three islands (Timor, Semau and Kera) [26]. Most people live on Timor and Semau islands. Only 82 families live on Kera island [27].

The district has five EMOCs: Puskesmas Oesao, Oekabiti, Takari, Uitao (on Semau Island) and Lelogama. There is one PONEK (rujukan obstetri dan neonatal emergensi/komplikasi) at a public hospital, RSU (Rumah Sakit Umum), which provides comprehensive emergency obstetric care (Fig 1).