Suite

Impossible de trouver un module complémentaire GRASS spécifique dans QGIS


J'aimerais utiliser le module complémentaire r.xtent conçu pour GRASS GIS (http://svn.osgeo.org/grass/grass-addons/grass6/raster/r.xtent/description.html) dans QGIS en utilisant GRASS plugin, mais je n'arrive pas à le trouver.

Quel pourrait être le problème ?


L'algorithme que vous voulez n'est pas non plus dans la dernière boîte à outils de traitement QGIS.

Il semble qu'il ne contienne que les fonctions principales de GRASS, mais pas de modules complémentaires.

Comparez http://svn.osgeo.org/grass/grass/trunk/raster/ avec http://svn.osgeo.org/grass/grass-addons/grass6/raster/

GRASS peut être exécuté indépendamment de QGIS, et vous pouvez y ajouter ces extensions en suivant : http://grass.osgeo.org/download/addons/.

Mais vous n'y aurez peut-être pas accès via l'ancien plugin GRASS ou la boîte à outils de traitement.


Numéro spécial "Outils gratuits et open source pour l'analyse et la cartographie géospatiales"

Ces dernières années ont été caractérisées par des développements rapides dans divers domaines de l'analyse et de la cartographie géospatiales. L'utilisation de logiciels libres et ouverts (FOSS) s'est développée rapidement au niveau de la recherche commerciale et universitaire.

Ce numéro spécial rassemble des scientifiques, des développeurs et des utilisateurs avancés dans le développement de logiciels, l'acquisition, le traitement et la visualisation de données géographiques, visant à encourager la coopération et la diffusion dans les différents domaines où les technologies open source sont aujourd'hui utilisées.

Avec ce numéro spécial sur « Outils libres et open source pour l'analyse et la cartographie géospatiales », nous abordons les méthodes de recherche, ainsi que les applications sur la conception, la mise en œuvre, la caractérisation et l'utilisation de logiciels libres et open source pour l'analyse géospatiale et environnementale, le positionnement , cartographie, photogrammétrie, télédétection et sciences de l'information spatiale. Cela comprend le développement de concepts technologiques nouveaux et innovants basés sur des logiciels libres et open source pour la recherche scientifique, ainsi que pour des projets éducatifs et commerciaux.

Les auteurs potentiels sont cordialement invités à contribuer à ce numéro spécial en soumettant un article contenant des recherches originales.

Dr Paolo Dabove
Dr Bianca Federici
Éditeurs invités

Informations sur la soumission du manuscrit

Les manuscrits doivent être soumis en ligne sur www.mdpi.com en s'inscrivant et en se connectant à ce site Web. Une fois inscrit, cliquez ici pour accéder au formulaire de soumission. Les manuscrits peuvent être soumis jusqu'à la date limite. Tous les articles seront évalués par des pairs. Les articles acceptés seront publiés en continu dans la revue (dès leur acceptation) et seront répertoriés ensemble sur le site Web du numéro spécial. Des articles de recherche, des articles de synthèse ainsi que de courtes communications sont invités. Pour les articles prévus, un titre et un court résumé (environ 100 mots) peuvent être envoyés au bureau éditorial pour annonce sur ce site.

Les manuscrits soumis ne doivent pas avoir été publiés auparavant, ni être à l'étude pour publication ailleurs (à l'exception des actes de conférence). Tous les manuscrits sont soumis à un examen approfondi par le biais d'un processus d'examen par les pairs en simple aveugle. Un guide pour les auteurs et d'autres informations pertinentes pour la soumission de manuscrits sont disponibles sur la page Instructions pour les auteurs. ISPRS Journal International de Géo-Information est une revue mensuelle internationale à comité de lecture en libre accès publiée par MDPI.

Veuillez visiter la page Instructions pour les auteurs avant de soumettre un manuscrit. Les frais de traitement des articles (APC) pour la publication dans cette revue en libre accès sont de 1400 CHF (francs suisses). Les articles soumis doivent être bien formatés et utiliser un bon anglais. Les auteurs peuvent utiliser le service d'édition en anglais de MDPI avant la publication ou pendant les révisions d'auteur.


Groupes d'emplois SIG

Résumez par État, la Californie et le Texas ont eu le plus grand nombre d'offres d'emploi au cours de la période de trois semaines avec 178 chacun. Virginie n'était pas loin derrière avec 170 emplois. Les dix principaux états d'emploi SIG basés sur les emplois géolocalisés tirés au cours de la période de trois semaines :

  1. Californie – 178
  2. Texas – 178
  3. Virginie -170
  4. Floride – 88
  5. Colorado – 84
  6. Pennsylvanie – 83
  7. Maryland – 70
  8. District de Columbia – 64
  9. New York – 63
  10. Washington – 53

Les grappes d'emplois SIG résultantes ont été divisées en régions qui sont mises en évidence dans les cartes ci-dessous.


1 réponse 1

La réponse devrait être B "Chaque épices occupe une niche différente" car c'est la seule réponse qui reflète un modèle de coexistence des espèces. La théorie des niches propose un mécanisme qui permet à plusieurs espèces d'occuper le même espace et le même temps tout en évitant la compétition pour des ressources limitées. En bref, le modèle dit qu'une niche d'espèce est l'ensemble des ressources dont elle a besoin pour survivre et se reproduire et que les espèces coexistantes limiteront le chevauchement de leurs niches pour éviter la compétition (et sa réduction nécessaire de la fitness). Les espèces peuvent limiter le chevauchement des niches en utilisant préférentiellement un sous-ensemble de ressources qui ne sont pas partagées avec des espèces potentiellement concurrentes (c'est ce qu'on appelle la niche réalisée) ou en faisant évoluer une nouvelle niche qui ne chevauche pas le concurrent (c'est ce qu'on appelle le déplacement de caractère).

Notez que votre raisonnement est incomplet car la question ne précise pas que les organismes répertoriés sont l'ensemble complet des organismes de la communauté. Par exemple, si la communauté contenait une autre espèce d'herbe, alors le choix "C" serait faux. Plus important encore, l'habitat ou la variation trophique ne sont pas des mécanismes de coexistence, ils ne doivent donc pas être utilisés comme hypothèses générales expliquant la coexistence.


Types de prairies

Il existe deux principaux types de prairies : tropicales et tempérées. Des exemples de prairies tempérées comprennent les steppes eurasiennes, les prairies nord-américaines et la pampa argentine. Les prairies tropicales comprennent les savanes chaudes de l'Afrique subsaharienne et du nord de l'Australie.

Les précipitations peuvent varier selon les prairies d'une saison à l'autre et d'une année à l'autre, allant de 10 à 40 pouces par an. Les températures peuvent descendre en dessous de zéro dans les prairies tempérées jusqu'à plus de 90 degrés Fahrenheit.

La hauteur de la végétation sur les prairies varie avec la quantité de précipitations. Certaines herbes peuvent mesurer moins d'un pied de haut, tandis que d'autres peuvent atteindre sept pieds de haut. Leurs racines peuvent s'étendre de trois à six pieds de profondeur dans le sol. La combinaison de la biomasse souterraine avec des précipitations modérées (de fortes pluies peuvent emporter les nutriments) a tendance à rendre les sols des prairies très fertiles et attrayants pour une utilisation agricole. Une grande partie des prairies nord-américaines ont été converties en terres pour les cultures, ce qui constitue une menace pour les espèces qui dépendent de ces habitats, ainsi que des sources d'eau potable pour les personnes qui vivent à proximité.


4 réponses 4

Je suppose que vous avez utilisé /gamemode 2 [player] au lieu de /gamemode 0 [player] . Le mode de jeu 0 vous ramènera à la survie, tandis que le mode de jeu 2 vous place en mode aventure, où aucun bloc ne peut être détruit, sauf avec les bons outils.

Au lieu d'un numéro pour le mode de jeu, vous pouvez utiliser le nom complet ( survie , créatif , aventure , spectateur ) ou une abréviation du nom ( s , c , a , sp ) pour éviter cette erreur à l'avenir.

Assurez-vous que votre mode de jeu n'est pas défini sur le mode aventure.

  • pour le mode survie normal, entrez : /gamemode <playername> 0
  • pour le mode créatif, entrez : /gamemode <playername> 1
  • pour le mode aventure, entrez : /gamemode <playername> 2
  • pour le mode spectateur, entrez : /gamemode <playername> 3

Chaque mode agit un peu différemment

  • Le mode Survie n'est que le Minecraft tel que tout le monde le sait et c'est probablement le mode dans lequel vous voulez changer.
  • Creative est le mode dans lequel vous disposez de blocs et de ressources illimités pour tout construire dans votre imagination. Vous avez également la capacité de voler.
  • Le mode aventure est le même que la survie, sauf que vous n'avez pas la possibilité de détruire des blocs (sans l'outil approprié).
  • Le mode spectateur vous permet d'entrer à l'intérieur des joueurs et des foules, ainsi que de traverser les frontières du monde et de descendre sous la surface sans être étouffé (à moins que vous ne changiez de mode de jeu).

Si vous savez que vous êtes dans le bon mode de jeu, une autre possibilité est que vous soyez trop près du spawn. Cela ne s'applique généralement qu'aux serveurs s'ils ont une sorte de protection contre le spawn activée.

De plus, cliquer ne casse pas (beaucoup) de blocs, vous devez cliquer et maintenir. Cela ne s'applique pas au mode créatif. Au départ, seuls quelques types de blocs peuvent être cassés en utilisant uniquement votre main, y compris la terre/l'herbe, le sable, le bois et les feuilles, alors essayez de cliquer avec le bouton gauche et de maintenir et voyez si vous pouvez casser ces types de blocs.

Si rien ne se passe lorsque vous cliquez avec le bouton gauche de la souris, le bouton de votre souris peut ne pas être correctement mappé. Allez dans Options. -> Contrôles. et remplacez Attack par le bouton de votre souris, généralement le bouton 1. (Cliquez simplement deux fois pour le changer.)

Enfin, si vous jouez sur un serveur, des problèmes de synchronisation peuvent vous empêcher de casser des blocs ou d'effectuer d'autres actions. Ceci est généralement appelé « lag de blocage » et est dû au fait que le serveur n'est pas en mesure de suivre les mises à jour provenant des joueurs. Vous ne pouvez pas y faire grand-chose, malheureusement.


8 réponses 8

Je voulais juste ajouter une autre raison/solution possible pour ce message d'erreur. Problème : j'avais déjà utilisé cette clé USB comme support d'image de récupération de Chromebook et Win8 me donnait des erreurs en essayant de la formater. XP l'a formaté correctement et a affiché une lettre de lecteur lorsque la clé USB a été insérée alors que Win8 ne l'a pas fait.

Solution: j'ai fini par utiliser l'utilitaire Chromebook Recovery pour effacer à nouveau la clé USB (même si elle avait été formatée plusieurs fois sous Windows) et Win8 en était à nouveau satisfait. https://support.google.com/chromebook/answer/6002417?hl=fr

Exécutez diskpart et exécutez ces commandes :

(x étant le nombre renvoyé dans la première commande pour le disque USB.)

Ouvrez l'interface graphique de Windows DiskAdministrator.

Vous devriez maintenant voir le disque USB comme un vider disque dur et pouvoir partitionner et formater le disque USB normalement.

J'ai eu ce problème lorsque la clé USB avait été formatée avec une ISO d'installation Linux auparavant. Pour résoudre ce problème, j'ai exécuté l'utilitaire linux fdisk, supprimé toutes les partitions, puis exécuté :


Les logiciels

Pour travailler avec et voir les données, vous avez besoin d'un logiciel capable de faire le travail. Pour la visualisation et l'édition SIG sur un ordinateur, il existe plusieurs grandes suites logicielles open source telles que QGIS (http://www.qgis.org), GRASS (https://grass.osgeo.org/) ou MapWindow (http ://www.mapwindow.org/). Bien que la courbe d'apprentissage de certaines de ces applications puisse être abrupte, ne vous laissez pas intimider. Voici un certain nombre de didacticiels utiles sur YouTube qui peuvent vous aider à ajouter vos données à l'application et à les visualiser. Avec ce logiciel, vous pouvez afficher, éditer et créer des cartes avec les données. Vous pouvez utiliser des outils de mesure pour calculer la distance. En regardant votre itinéraire prévu de cette manière, vous pouvez planifier correctement avant de prendre le sentier. Si vous envisagez d'imprimer ces cartes, il est recommandé d'inclure une flèche vers le nord et une barre d'échelle sur la carte pour vous aider à comprendre la carte pendant votre randonnée.

Pour charger des cartes et des données sur un appareil GPS, vous avez besoin d'un logiciel spécialement conçu pour votre appareil GPS. Par exemple, Garmin a une application appelée "Base Camp" qui vous permet de visualiser et de charger des données sur votre appareil GPS à partir de votre ordinateur. Vous pouvez même télécharger des données à partir de votre appareil GPS si vous avez collecté des données telles que le chemin que vous avez parcouru ou les points où vous avez campé. Ce type de logiciel est généralement fourni avec l'appareil que vous achetez ou peut être téléchargé à partir du site Web de l'entreprise. Il n'y a malheureusement pas d'options dans ce domaine. Vous devez utiliser le logiciel créé pour l'appareil spécifique.


2 réponses 2

C'est ctrl + RMB maintenant. Vous pouvez toujours créer une face et supprimer les trois autres sommets.

Je viens de passer la majeure partie des dernières minutes à essayer de comprendre cette même chose

Il y a plusieurs façons d'y parvenir :

  1. Sélectionner deux sommets, appuyez sur RMB et sélectionnez subdiviser pour ajouter un nouveau sommet entre eux
  2. ⎈ Ctrl + RMB si vous utilisez LMB sélectionner (Remarque: assurez-vous que vous êtes en mode filaire, car le nouveau sommet peut être masqué par votre maillage)
  3. Sélectionnez un sommet existant à côté de l'endroit où vous voulez le nouveau sommet et effectuez l'une des opérations suivantes :
    • ⇧ Maj + d pour créer un nouveau sommet déconnecté, puis appuyez sur g pour le faire glisser où vous le souhaitez
    • e pour extruder un sommet connecté et à nouveau g pour le faire glisser où vous voulez

Matériels et méthodes

Espèces focales et région d'étude

Deux espèces de rongeurs souterrains du genre Cténomys représentent d'excellents candidats pour tester les prédictions géographiques de l'exclusion compétitive et du déplacement des traits morphologiques. Le genre Cténomys, communément appelé tuco-tuco, avec environ 70 espèces, est largement répandu dans toute l'Amérique du Sud 55 . Ces espèces sont principalement solitaires, possèdent une mobilité limitée et des distributions inégales des populations locales, et présentent généralement des distributions allopatriques 39 . Seulement quatre espèces de Cténomys sont actuellement connus pour se produire en sympatrie avec d'autres congénères, C. australie Rusconi, 1934 avec C. thalarum Thomas, 1989, et C. flamants avec C. moins 29,42,43,56,57 . Les deux derniers, C. flamants et C. moins, notre espèce focale, est présente dans la plaine côtière du sud du Brésil. Cette région se caractérise par sa géomorphologie constamment influencée par les fluctuations de l'océan Atlantique, qui a formé une mosaïque de lacs et de lagunes dans deux environnements principaux : les dunes de sable (plages) et les champs de sable 58 . D'est en ouest, le paysage est formé par l'océan Atlantique, suivi de dunes de sable - des plages pouvant aller de quelques mètres à environ 200 mètres de largeur - et de champs de sable (Fig. 7 et voir Informations supplémentaires Fig. S2). Le climat est mésotherme doux, humide sans périodes sèches, et la végétation se compose d'une mosaïque de végétation dunaire, de champs sablonneux et de forêt « restinga » 59 , avec une prédominance d'espèces herbacées sur les arbustes 60,61 . Ctenomys flamarioni est endémique des prairies côtières de dunes de sable de l'État du Rio Grande do Sul, et son aire de répartition, qui s'étend sur environ 560 km, est délimitée par la ville d'Arroio Teixeira au nord et par la rivière Chuí au sud 23,24 . Ctenomys minutus n'habite que les champs de sable dans la partie sud de son aire de répartition, tandis que dans sa partie nord, l'espèce habite la première ligne de dunes, principalement sans présence de Ctenomys flamarioni. Ctenomys minutus se produit de la plage de Jaguaruna dans l'état de Santa Catarina à la ville de São José do Norte dans l'état de Rio Grande do Sul, s'étendant sur plus de 500 km 25,26,27 . Ces habitats diffèrent grandement par leur quantité de biomasse végétale, les champs de sable ayant une biomasse végétale aérienne et souterraine plus élevée que les dunes de sable 26,27,28. De plus, la comparaison de la dureté du sol des deux habitats a montré que les champs de sable ont des sols plus durs à des profondeurs de 10 et 20 cm, par rapport à l'habitat des dunes sableuses 62 . Les deux espèces se trouvent au niveau de la mer 24,26,27 . Deux zones de contact étroites ont été récemment décrites pour ces espèces, l'une sur la partie nord de l'aire de répartition des C. flamants, dans une zone s'étendant sur environ 15 km sur des dunes de sable et l'autre sur la partie sud de la chaîne de C. moins, dans la ville de São José do Norte 29 (voir Kubiak et al. 29 pour plus d'informations Fig. 7). Pour l'analyse du déplacement des caractères, nous n'avons utilisé que des spécimens provenant de zones de dunes de sable, où les deux espèces présentent une distribution allopatrique et sympatrique. Cet habitat est caractérisé par des sols meubles et une faible productivité de la biomasse végétale sur toute son extension 29 .

Les localités de Ctenomys flamarioni (cercles blancs) et Ctenomys minutus (cercles noirs) et la région d'étude utilisée pour calibrer les modèles des zones abiotiques appropriées. Les zones en noir et blanc montrent la distribution réalisée de C. flamants les zones en noir représentent la distribution réalisée de C. moins les zones en gris indiquent l'emplacement des étangs. Les cartes ont été obtenues auprès de « © contributeurs OpenStreetMap » (disponibles sur : www.openstreetmap.org Open Street Map est disponible sous la licence Open Database : http://opendatacommons.org/licenses/odbl/1.0/. Tous droits sur les contenus individuels de la base de données sont sous licence Database Contents License : http://opendatacommons.org/licenses/dbcl/1.0/ et http://mapas.mma.gov.br/i3geo/datadownload.htm), et édité avec QGis 2.18 Logiciel. Les images ont également été éditées à l'aide de Corel Draw Graphics Suite (X5).

Exigences pour tester les prédictions géographiques d'exclusion et de libération de la compétition

Ctenomys flamarioni et C. moins satisfaire à toutes les exigences pour le test des prédictions géographiques d'exclusion concurrentielle et de libération 16 . Ainsi, les distributions de ces espèces ne se chevauchent pas largement, mais sont soit allopatriques, soit parapatriques avec seulement deux zones de contact 23,29 (Fig. 7). Ces zones de contact sont précisément là où l'exclusion concurrentielle pourrait avoir lieu. Dans plusieurs sites le long de la majeure partie de la distribution de C. flamants, C. moins est absent, permettant ainsi la possibilité d'une libération compétitive pour le premier. Ctenomys minutus est présent dans les dunes de sable dans la partie nord de son aire de répartition, où C. flamants est absent, et donc la libération compétitive du premier pourrait y avoir lieu. De plus, malgré la petite échelle géographique de la zone dans laquelle les deux espèces sont réparties, les tolérances environnementales des deux espèces diffèrent significativement l'une de l'autre mais présentent un chevauchement partiel. Les conditions environnementales moyennes dans les localités des espèces focales diffèrent considérablement pour sept des 19 variables bioclimatiques utilisées dans cette étude (voir le tableau supplémentaire S3). De plus, une analyse en composantes principales a montré que l'espace environnemental échantillonné présente des conditions dans lesquelles les deux espèces se produisent (chevauchement) ainsi que des conditions d'exclusivité (occupé par une seule des espèces) [voir Fig. S1 supplémentaire].

En plus de remplir les exigences géographiques et environnementales pour tester les prédictions géographiques de l'exclusion compétitive et de la libération, les deux espèces ont des morphologies similaires, ce qui les rend susceptibles d'avoir des exigences et des préférences similaires concernant les ressources dans la région d'étude (voir Galiano et al. 27,30 et Kubiak et al. 29). De plus, sur la base de notre expérience de terrain, les deux espèces semblent également susceptibles d'être capturées avec les mêmes techniques d'échantillonnage, conformément aux exigences de réalisation des tests 16 .

Source d'information

Pour modéliser les zones abiotiques appropriées de l'espèce, nous avons utilisé des données d'occurrence et climatiques. L'utilisation d'enregistrements d'occurrence de présence (localités) avec des identifications taxonomiques et une géoréférencement correctes est essentielle pour une performance satisfaisante des analyses de modélisation de niche écologique 63,64,65,66. Par conséquent, nous avons collecté des données d'occurrence uniquement à partir de nos propres observations sur le terrain ou à partir de spécimens de référence hébergés à la collecte de la Laboratório de Citogenética e Evolução de la Universidade Federal do Rio Grande do Sul (spécimens de notre propre travail de terrain 23,25,26,27,30,52,67,68,69,70). Plusieurs traits morphologiques ont permis des identifications taxonomiques indubitables (voir Freitas 23 ). Toutes les localités ont été géoréférencées à l'aide d'un appareil GPS Garmin Vista® sur le site exact de collecte ou d'observation. Nous avons obtenu un total de 74 localités uniques, 45 pour C. moins et 29 pour C. flamants (voir Informations supplémentaires). Pour les données climatiques, nous avons utilisé 19 variables bioclimatiques WorldClim dérivées d'interpolations de données de précipitations et de températures, avec une résolution de 30 secondes d'arc (environ un kilomètre à l'équateur disponible à 71 ). Des études antérieures ont montré que ces variables étaient importantes pour déterminer la distribution des espèces de mammifères (par exemple, les références 18,72,73).

Étalonnages de modèles

Afin de définir des régions d'étude pour les étalonnages de modèles, nous avons d'abord tenté d'utiliser une stratégie utilisée dans les études précédentes (par exemple 18,73), qui consiste à employer un minimum de polygones convexes, construits autour de grands groupes d'enregistrements d'occurrence, plus une zone tampon à l'extérieur de ce polygone. Cette stratégie opérationnelle vise à minimiser l'inclusion de régions auxquelles l'espèce n'a pas accès, en raison de barrières physiques ou d'interactions biotiques, mais qui pourraient contenir des conditions environnementales appropriées pour elle. L'inclusion de ces régions inaccessibles représenterait une violation des principes de sélection des zones d'étude pour l'étalonnage du modèle (proposé par Anderson et Raza 74 , Barve et al. 75 voir aussi Gutiérrez 66 ). Néanmoins, en raison des distributions vraiment étroites et petites de nos espèces focales, les zones d'étude résultant de l'application de la stratégie opérationnelle que nous venons de décrire étaient trop petites et n'incluaient pas suffisamment d'hétérogénéité environnementale pour que Maxent puisse caractériser les conditions abiotiques appropriées pour chaque espèce. Pour résoudre ce problème, nous avons opté pour la création d'un polygone convexe minimum entourant les localités des deux espèces, regroupées, puis délimité une région de fond en définissant une zone tampon de 50 km autour du polygone résultant. L'utilisation d'un tampon encore plus grand semblait inutile car les cténomides ont limité à la fois la mobilité et la capacité de dispersion 39 .

Pour modéliser les zones abiotiques appropriées de l'espèce, nous avons optimisé la complexité du modèle et la puissance prédictive, et avons effectué des évaluations de modèle à l'aide d'un schéma de partition géographique. Les modèles ont été construits avec la méthode d'entropie maximale implémentée dans Maxent ver. 3.3.3k 76 , une technique qui a fonctionné favorablement par rapport aux alternatives analytiques pour les données de présence uniquement 77,78,79 . Des études récentes ont démontré l'importance d'équilibrer la complexité du modèle et la puissance prédictive et d'évaluer les performances du modèle avec des données spatialement indépendantes 80,81,82,83,84. Par conséquent, afin de produire le meilleur modèle possible pour chaque espèce, en évitant le surajustement tout en maximisant le pouvoir prédictif, nous avons utilisé le package R ENMeval 81 pour sélectionner la combinaison optimale de deux paramètres importants de Maxent, la valeur du multiplicateur de régularisation et la combinaison des classes d'entités. . Nous avons testé des valeurs de multiplicateur de régularisation de 0,5 à 6,0 par incréments de 0,5, et les classes d'entités suivantes (ou leurs combinaisons) : (1) linéaire et quadratique (2) charnière (3) linéaire et charnière (4) quadratique et charnière et (5 ) linéaire, quadratique et charnière. ENMeval nous a également permis de mener des évaluations géographiquement partitionnées, ce que nous avons fait en utilisant le schéma de partitionnement de données « checkerboard1 » – il s'agit d'une variante de la stratégie de partitionnement de données « structuré géographiquement masqué » décrite dans Radosavljevic et Anderson 82 . Les performances du modèle ont été évaluées à l'aide du critère d'information d'Akaike corrigé pour les petites tailles d'échantillon (AICc 80,82). Pour chaque espèce, le modèle final a été construit en utilisant tous les enregistrements d'occurrences uniques et la combinaison du multiplicateur de régularisation et des classes d'entités qui ont produit la valeur AICc la plus faible. Pour nous assurer que les modèles sélectionnés comme optimaux fonctionnaient bien, nous avons également inspecté le taux d'omission et testé l'AUC. Le seuil d'entraînement minimum a été utilisé pour classer les conditions environnementales en conditions appropriées ou non en fonction des forces de prédiction du modèle. Cette classification est une étape nécessaire pour l'identification des zones de sympatrie potentielle, c'est-à-dire celles présentant des conditions appropriées pour les deux espèces. La sortie logistique de Maxent a été utilisée pour toutes les analyses (pour plus de détails sur ce format, voir Phillips et Dudík 85 ).

Spécimens et morphométrie géométrique

Pour tester le déplacement des personnages, nous avons utilisé la morphométrie géométrique basée sur les repères du crâne. Nous avons utilisé un total de 85 crânes de spécimens adultes collectés uniquement dans la première ligne de dunes - nous n'avons pas utilisé de crânes de spécimens provenant de champs sablonneux pour réduire le biais environnemental dans le test des déplacements de caractères (voir ci-dessous). Nous avons analysé les données de 39 crânes de C. flamants, 22 des zones où l'autre espèce est absente (ci-après nous appelons ces sites « zones d'allopatrie ») et 17 des zones où l'autre espèce est présente (ci-après nous appelons ces sites « zones de sympatrie »). Pour C. moins, nous avons analysé les données de 46 crânes, 24 des zones d'allopatrie et 22 des zones de sympatrie. Tous les spécimens proviennent de la Laboratório de Citogenética e Evolução, Département de génétique, Universidade Federal do Rio Grande do Sul, Porto Alegre, Brésil (pour les données de localité des spécimens et les numéros de catalogue, voir les informations supplémentaires).

Nous avons utilisé des méthodes standard de morphométrie géométrique 2D basée sur des points de repère pour éliminer les différences de non-forme entre nos échantillons. Les images de la vue ventrale des crânes ont été prises avec un appareil photo Nikon P100 avec une résolution de 13,1 mégapixels (3648 × 2736) à une distance standard de 75 mm. Sur chaque image, 30 points de repère (voir Informations supplémentaires pour les positions des points de repère) ont été numérisés à l'aide du logiciel TpsDig2 86, à la suite de Fornel et al. 87 . La matrice des coordonnées des points de repère a été soumise à une analyse généralisée de Procustes (GPA) pour éliminer les effets non liés à la forme (position, orientation et échelle 88 ). La matrice résultante (c'est-à-dire les variables de forme) a été utilisée dans une régression multivariée contre la taille du centre de gravité pour tester la présence d'allométrie dans les échantillons 89 . Les résidus de cette analyse ont été utilisés comme matrice de forme à taille corrigée pour toutes les analyses ultérieures. La taille du centre de gravité de chaque spécimen, c'est-à-dire la racine carrée de la somme des distances au carré de chaque point de repère par rapport au centre de gravité de la configuration, a été utilisée comme mesure de la taille 88. Toutes ces procédures ont été réalisées à l'aide du logiciel MorphoJ 1.06d 90 . Nous avons supposé que le dimorphisme sexuel était négligeable pour les présentes fins, car les différences interspécifiques étaient presque toujours plus grandes que le dimorphisme sexuel rapporté à la fois dans la taille et la forme du crâne 91 , et il a été rapporté que le dimorphisme est petit et constant à travers les emplacements géographiques au sein des espèces de Cténomys 87 .

Tests des prédictions géographiques d'exclusion concurrentielle et de libération

Nous avons testé les prédictions géographiques de l'exclusion compétitive et de la libération sur la base des enregistrements ENM et d'occurrence. Afin d'identifier les zones de sympatrie potentielle, nous avons d'abord projeté le modèle final de chaque espèce sur l'espace géographique. Ces projections ont été faites sur une région de la plaine côtière du sud du Brésil (étendue 27-34°N et 47-53°W) qui comprend les aires de répartition connues des deux espèces. Nous avons ensuite superposé les prédictions binaires des deux modèles, en utilisant la même règle de seuillage que dans les évaluations du modèle (c'est-à-dire le seuil de présence d'entraînement minimum). Nous avons analysé les proportions de localités d'espèces dans les zones de sympatrie potentielle le long de leurs zones de contact connues (décrites dans Kubiak et al. 29 voir également la figure 7), testant directement les modèles géographiques prédits sous l'exclusion concurrentielle 16 . Dans l'hypothèse d'une exclusion concurrentielle, nous nous attendions à deux scénarios géographiques possibles (voir Gutiérrez et al. 18 pour plus de détails) : premièrement, qu'une espèce prédomine largement en termes de proportion de localités uniques dans les zones de contact réelles (cette approche est basée sur des cartes binaires), ou, alternativement, que chaque espèce prédomine partout où les conditions environnementales sont plus adaptées pour elle que pour elle son concurrent putatif (cette approche est basée sur des cartes avec des valeurs continues d'adéquation pour chaque espèce). Nous avons testé le premier de ces scénarios en utilisant une modification de la méthode d'Anderson et al. 16 proposé par Gutiérrez et al. 18 , et qui vise à éviter les biais probables en faveur des espèces les plus largement distribuées. Cette modification consiste à calculer des valeurs d'espérances aléatoires d'un test binomial en utilisant uniquement des localités uniques de chaque espèce à partir de zones de sympatrie potentielle accessibles aux deux espèces et, pour éviter la circularité, en excluant celles des zones de contact réelles. Pour le deuxième scénario, nous avons examiné plus en détail les zones proches des zones de contact, déterminant pour chaque pixel quelles espèces avaient les valeurs les plus élevées d'aptitude prédite (suivant Gutiérrez et al. 18 ans, Anderson et al. 92 ).

Nous avons également testé la prédiction géographique de la sortie concurrentielle. Nous avons inspecté les zones de sympatrie potentielle hors des zones de contact connues entre les espèces et nous nous attendions à ce qu'en l'absence du compétiteur supérieur putatif, le compétiteur inférieur putatif habiterait des conditions similaires à celles présentes dans la zone de contact.

Déplacement de caractère

Nous avons utilisé une analyse de variance à un facteur (ANOVA) pour tester les différences de taille entre les espèces en sympatrie et en allopatrie (la variable catégorielle avait un facteur avec quatre niveaux : sympatrique C. moins, allopatrique C. moins, sympatrique C. flamants, et allopatrique C. flamants). Un test de Tukey a été effectué pour vérifier les différences de taille par paires. Trois mesures de taille ont été utilisées indépendamment : la taille du centroïde, la longueur du crâne et la masse corporelle. Pour la masse corporelle, nous avons utilisé un sous-échantillon de 64 animaux pour lesquels ces enregistrements étaient disponibles (22 animaux sympatriques). C. moins, 15 allopatriques C. moins, 14 sympatrique C. flamants, et 13 allopatriques C. flamants voir Informations supplémentaires). Une analyse en composantes principales entre les groupes (BG-PCA) a été utilisée pour explorer les modèles de variation de forme parmi ces quatre mêmes groupes. La BG-PCA est une alternative à l'analyse variable canonique (CVA) lorsque le nombre d'individus est proche du nombre de variables 93, comme dans notre cas. Tel qu'appliqué ici, le BG-PCA consiste en une rotation de l'espace de forme dans la direction des plus grandes différences moyennes de groupe, sans distorsion des distances de forme (par opposition au CVA), et une capacité accrue à discriminer entre les groupes par rapport au PCA ordinaire 93,94. Nous avons calculé la significativité des différences moyennes entre quatre groupes grâce à des tests par paires avec 10 000 permutations, en utilisant la distance de Procrustes entre les moyennes, dans le logiciel MorphoJ 1.06d 92 . Parce que nous avons prédit que les spécimens des deux espèces ont un degré plus élevé de différenciation morphologique en sympatrie qu'en allopatrie, nous avons testé si les différences de distances de Procuste entre les espèces en sympatrie vs. l'allopatrie ne pouvait s'expliquer par le seul hasard. Pour ce faire, nous avons calculé la différence observée entre la distance de Procuste des espèces en sympatrie moins la distance de Procuste des espèces en allopatrie. La valeur résultante indique la force de la différence morphologique en sympatrie par rapport à celle en allopatrie. Nous avons ensuite utilisé une procédure de bootstrap pour attribuer des étiquettes de groupe aléatoires à chaque spécimen (au sein des espèces, c'est-à-dire une attribution aléatoire d'allopatrie ou de sympatrie au sein de chaque espèce, mais pas entre elles), et recalculé cette différence 1 000 fois par hasard. Nous avons alors calculé un p-valeur (à α = 0,05) évaluant le nombre de fois que la différence aléatoire (dérivée des ensembles bootstrap) était égale ou supérieure à la différence observée.


Voir la vidéo: QGIS Tutorial - 010. How to use Quick Map Service in QGIS. How add basemap in QGIS (Octobre 2021).