Suite

Impossible de modifier les polygones dans Qgis


J'ai une carte Google Layer au-dessus de laquelle j'ai ajouté une couche raster d'Image, puis des coordonnées d'image mappées à partir de la couche Google.

J'ai créé une couche de carte d'image transparente (75 %) et maintenant la cartographie et la création de polygones au-dessus de la couche d'image (ajout d'une nouvelle couche de fichier de formes), j'ai dessiné quelques polygones, puis je l'ai enregistré.

Lorsque j'ai rouvert le fichier, j'ai cliqué sur basculer l'édition, je pouvais voir mes polygones, mais je ne suis pas en mesure d'ajouter/modifier/supprimer des polygones existants/nouveaux dans cette couche de fichier de formes. (Toutes les icônes sont désactivées)

Est-ce un comportement attendu ?

Ma vieille question sur ce que je fais exactement. Comment créer/obtenir des données de district pour Singapour ?


J'ai testé cela sur mon ordinateur portable (OS X) et mon ordinateur de bureau (Ubuntu) mais pas sur une machine Windows. Comme le dit @til_b, le problème semble être que le.dbfa un nom différent du.shpet.shxdes dossiers.

Après avoir renommé le fichier s'est beaucoup mieux comporté.

Je vous suggère également de dissoudre la couche en utilisantVector > Outils de géotraitement > Dissoudreensemble d'outils.

Après la dissolution, j'ai pu ajouter, supprimer et modifier des fonctionnalités.


Impossible de modifier les polygones dans Qgis - Systèmes d'information géographique

Des études indiquent une nette tendance à la hausse apparente de l'incidence et de la prévalence des troubles du spectre autistique (TSA) dans le monde. Cette étude nationale vise à décrire la répartition de la prévalence des TSA en Israël à la fois dans l'espace et dans le temps.

Méthodes

Sur la base des données de l'Institut national d'assurance d'Israël, la population étudiée comprenait tous les enfants nés en Israël entre 2000 et 2011 (m = 1 786 194), dont 11 699 (0,655%) ont par la suite reçu un diagnostic de TSA (jusqu'au 31 décembre 2016). La prévalence a été calculée et cartographiée en divisant le nombre de cas de TSA au cours de chaque année de naissance par le nombre de naissances au cours de cette année, pour chaque unité spatiale, et de même pour plusieurs niveaux d'agrégation spatio-temporels.

Résultats

La prévalence des TSA varie considérablement selon les différentes zones géographiques en Israël, avec une prévalence considérablement plus élevée concentrée dans le centre d'Israël. Des associations fortes ont été trouvées entre l'indice socio-économique au niveau de la localité, l'ethnicité, la périphéricité et la prévalence des TSA, et même après ajustement pour eux, la prévalence excessive des TSA persistait encore dans certaines localités. Aucune dépendance spatiale de la prévalence, avec et sans ajustement pour les variables au niveau de la localité, n'a été trouvée (Moran's I = -0,000546, -0,00335, respectivement).

Conclusion

Nos résultats fournissent des informations importantes sur les disparités en matière de santé affectant le diagnostic des TSA, orientant d'autres interventions en matière de politiques de santé et d'autres recherches.


QGIS : Devenir un utilisateur expérimenté du SIG

À propos de ce livre
• Apprenez à travailler avec différents types de données et créez de superbes cartes à l'aide de ce guide facile à suivre
• Donnez une touche de professionnalisme à vos cartes, à la fois pour la fonctionnalité et l'apparence, à l'aide de ce guide pratique
• Ce guide pratique et progressif s'appuie sur des données géospatiales et ajoute des cartes plus réactives à l'aide d'outils de géométrie.

A qui s'adresse ce livre
Si vous êtes un utilisateur, un développeur ou un consultant et que vous souhaitez savoir comment utiliser QGIS pour obtenir les résultats auxquels vous êtes habitué avec d'autres types de SIG, ce parcours d'apprentissage est fait pour vous. Vous êtes censé être à l'aise avec les concepts SIG de base. Ce parcours d'apprentissage fera de vous un expert de QGIS en vous montrant comment développer des applications cartographiques en couches plus complexes. Il vous fera passer au niveau supérieur d'utilisateurs SIG.

Ce que vous apprendrez
• Créez votre première carte en stylisant à la fois les couches vectorielles et raster à partir de différentes sources de données
• Utilisez des paramètres tels que les précipitations, l'humidité relative et la température pour prédire la vulnérabilité des champs et des cultures au mildiou
• Re-projetez les données vectorielles et raster et voyez comment convertir entre différents formats de style
• Utiliser une combinaison de services Web pour fournir un système de données collaboratif
• Utiliser l'analyse raster et un outil d'automatisation de modèle pour modéliser les conditions physiques pour l'analyse hydrologique
• Tirez le meilleur parti des outils cartographiques dans QGIS pour révéler les trucs et astuces avancés de la cartographie

En détail
Le premier module Apprendre QGIS, troisième édition couvre l'installation et la configuration de QGIS. Vous deviendrez un maître dans la création et l'édition de données et dans la création de superbes cartes. À la fin de ce module, vous serez en mesure d'étendre QGIS avec Python, en approfondissant le développement d'outils personnalisés pour Processing Toolbox.
Le deuxième module QGIS Blueprints vous donne un aperçu des types d'applications et des aspects techniques ainsi que quelques exemples tirés des humanités numériques. Après avoir estimé les valeurs inconnues à l'aide de méthodes d'interpolation et démontré des techniques de visualisation et d'analyse, le module se termine par la création d'une carte modifiable et riche en données pour la découverte des informations de la communauté.
Le troisième module QGIS 2 Cookbook couvre l'entrée et la sortie des données avec des instructions spéciales pour les formats plus complexes. Plus tard, nous nous plongeons dans l'exploration des données, la gestion des données et les étapes de prétraitement pour réduire vos données aux domaines importants. À la fin de ce module, vous découvrirez les méthodes d'analyse des routes et des réseaux et apprendrez à amener QGIS au-delà des fonctionnalités prêtes à l'emploi avec des plug-ins, des outils de personnalisation et des modules complémentaires.

Ce parcours d'apprentissage combine certains des meilleurs produits de Packt dans un package complet et organisé. Il comprend le contenu des produits Packt suivants :
• Apprentissage de QGIS, troisième édition par Anita Graser
• Plans QGIS par Ben Mearns
• Livre de recettes QGIS 2 par Alex Mandel, Victor Olaya Ferrero, Anita Graser, Alexander Bruy

Style et approche
Ce parcours d'apprentissage vous permettra d'être opérationnel avec QGIS. Nous commençons par une introduction à QGIS et créons des cartes et des plugins. Ensuite, nous vous guiderons à travers les Blueprints pour les applications Web géographiques, dont chacun vous apprendra une fonctionnalité différente en réduisant un flux de travail complexe en étapes que vous pouvez suivre. Enfin, vous vous intéresserez à devenir un utilisateur expérimenté de QGIS et à maîtriser les techniques de gestion, de visualisation et d'analyse spatiale de QGIS.


Histoire démographique, taille de l'aire de répartition et préférences d'habitat de l'amphipode des eaux souterraines Niphargus puteanus (C.L. Koch dans Panzer, 1836)

Niphargus puteanus est la plus ancienne espèce décrite de son genre et, dans le passé, a été utilisée comme annotation taxonomique pour tout enregistrement d'amphipode souterrain. Pour cette raison, il n'existe aucune connaissance claire de la taille réelle de son aire de répartition et de ses préférences en matière d'habitat. Nous avons appliqué ici une approche taxonomique moléculaire et phylogéographique basée sur l'ADN mitochondrial et nucléaire pour faire la lumière sur sa distribution et déduire son histoire démographique. De plus, nous avons analysé les types d'aquifères et les régimes d'écoulement de l'eau pour fournir une image plus claire des besoins écologiques de l'espèce.

Nos résultats indiquent que N. puteanus est largement distribué au nord des Alpes, ayant son aire de répartition principale dans la région naturelle géomorphologique des « Scarplands du sud de l'Allemagne » (SGS). De plus, des populations satellites isolées existent dans le Taunus et le Sauerland, et deux individus isolés ont été collectés respectivement au Luxembourg et en Autriche. L'aire de répartition maximale de l'espèce atteint 756 km entre les deux enregistrements d'un seul spécimen et 371 km dans le SGS. Une très grande diversité d'haplotypes a été observée, révélant la présence de sept groupes d'haplotypes. Tous les haplogroupes étaient présents dans le SGS et présentaient des schémas génétiques spatiaux distincts. Nous avons donc déduit un degré élevé d'isolement de la population, le SGS étant un refuge potentiel à long terme pour N. puteanus. La dérive historique des spécimens le long des grands réseaux fluviaux (Rhin, Danube) peut fournir un mécanisme de dispersion évolutif expliquant la formation de populations satellites.

D'un point de vue écologique, les populations de N. puteanus se sont avérés être étroitement associés aux environnements de source à débit rapide dans les aquifères fissurés. Cette espèce devrait donc être classée à la fois comme crénophile et stygophile, exploitant efficacement les ressources des eaux de source aussi bien de surface que souterraines.


Hydrobiogéochimie de deux bassins versants au Brésil en cours de récupération forestière dans le cadre d'un programme de paiement pour services environnementaux

Nous avons étudié la géochimie fluviale de deux bassins versants à différentes étapes du processus de récupération forestière qui ont fait l'objet d'un programme de paiement pour services environnementaux (ESP) au Brésil. Les bassins versants des Posses (PS) et du Salto de Cima (SC) (respectivement 1200 ha et 1500 ha) sont situés dans la municipalité d'Extrema, dans l'État du Minas Gerais. Leurs cours d'eau se jettent dans la rivière Jaguari qui fournit une partie de la demande en eau de la région métropolitaine de São Paulo. Des échantillons ont été prélevés pour analyse chimique et mesures physico-chimiques sur le terrain toutes les 2 semaines de janvier à décembre 2017. Une importante source ponctuelle de pollution a été découverte dans le flux PS liée à l'urine et aux excréments de bovins, ainsi qu'une autre source non identifiée qui peut être liée à un petite industrie agro-alimentaire et/ou une petite ferme piscicole. Par contre, au cours d'eau SC, il y avait des preuves évidentes de l'apport d'eaux usées domestiques. Cette étude préliminaire a confirmé une amélioration limitée de la qualité de l'eau des cours d'eau en réponse au rétablissement de la végétation forestière. Par conséquent, nous recommandons qu'en plus d'une surveillance renforcée pour aider à distinguer les sources biogéochimiques et les avantages des pratiques de conservation des terres, le programme ESP devrait envisager de contrôler la pollution des sources ponctuelles pour atteindre son objectif.

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


Turhan Ş, Köse A, Varinlioğlu A, Şahin NK, Arıkan İ, Oğuz F, Yücel B, Özdemir T (2012) Distribution des radionucléides terrestres et anthropiques dans les échantillons de sol de surface turcs. Géodermie 187-188:117-124

Laubenstein M, Plastino W, Povinec PP, Fabbri V, Aprili P, Balata M, Bella F, Cardarelli A, Deo M, Gallese B, Ioannucci L, Nisi S, Antonecchia D, Del Pinto C, Giarrusso G (2013) Cartographie des radionucléides de la région du Molise (Italie centrale) par spectrométrie gamma d'échantillons de sol : relation avec les paramètres géologiques et pédologiques. J Radioanal Nucl Chem 298:317-323

Akhtar N, Tufail M, Ashraf M (2005) Radioactivité naturelle de l'environnement et estimation de l'exposition aux rayonnements des sols salins. Int J Environ Sci Technol 1:279–285

Garba NN, Ramli AT, Saleh MA, Sanusi MS, Gabdo HT (2015) Débits de dose de rayonnement gamma terrestre et cartographie radiologique de l'État de Terengganu, Malaisie. J Radioanal Nucl Chem 303:1785-1799

Matiullah A, Ahad A, Rehman S, Rehman S, Faheem M (2004) Mesure de la radioactivité dans le sol de la division de Bahawalpur, Pakistan. Radiat Prot Dosim 112:443-447

Ahmad N, Matiullah A, Khatibeh AJAH (1997) Niveaux de radon intérieur et radioactivité naturelle dans les sols jordaniens. Radiat Prot Dosim 71:231-233

Al-Jundi J (2002) Doses à la population dues à l'exposition terrestre aux rayons gamma dans les zones proches de l'ancienne mine de phosphate, Rusaifa, Jordanie. Radiat Meas 35:23-28

Fatima I, Zaidi J, Arif M, Daud M, Ahmad SA, Tahir SN (2008) Mesure de la radioactivité naturelle et évaluation du débit de dose du rayonnement gamma terrestre dans le sol du sud du Pendjab, Pakistan. Radiat Prot Dosim 128:206-212

Karahan G, Bayulken A (2000) Evaluation des débits de dose gamma autour d'Istanbul (Turquie). J Environ Radioact 47:213-221

McAulay IR, Moran D (1988) Radioactivité naturelle dans le sol en République d'Irlande. Radiat Prot Dosim 24:47-49

Quindos LS, Fernandez PL, Soto J, Rodenas C, Gomez J (1994) Radioactivité naturelle dans les sols espagnols. Santé Phys 66:194-200

Saleh IH, Hafez AF, Elanany NH, Motaweh HA, Naim MA (2007) Etude radiologique sur les sols, les denrées alimentaires et les engrais dans la région d'Alexandrie, Egypte. Turk J Eng Environ Sci 31:9-17

Tahir SNA, Jamil K, Zaidi JH, Arif M, Ahmed N, Ahmad SA (2005) Mesures des concentrations d'activité des radionucléides naturels dans des échantillons de sol de la province du Pendjab au Pakistan et évaluation des risques radiologiques. Radiat Prot Dosim 113:421-427

Pillai GS, Hameed PS, Khan SMM (2016) Niveaux de radioactivité naturelle dans les sols et évaluation des risques humains dans le district de Tiruchirappalli (Tamil Nadu, Inde). J Radioanal Nucl Chem 307:1265-1277

UNSCEAR (2000) Sources et effets des rayonnements ionisants, Rapport à l'assemblée générale, avec annexes scientifiques. Comité scientifique des Nations Unies sur les effets des rayonnements atomiques, vol 1. Publication des Nations Unies, New York

Zhao Y, Yan D, Zhang Q, Zhan J, Hua H (2012) Distributions spatiales du 137 Cs dans le sol de surface de la région de Jing-Jin-Ji, dans le nord de la Chine. J Environ Radioact 113:1–7

Godoy JM, Schuch LA, Nordemann DJR, Reis VRG, Ramalho M, Recio JC, Brito RRA, Olech MA (1998) 137 Cs, 226, 228 Ra, 210 Pb et 40 K Concentrations dans le sol antarctique, sédiments et mousses et lichens sélectionnés échantillons. J Environ Radioact 41:33-45

Ritchie JC, McHenry JR (1990) Application des retombées radioactives du 137 Cs pour mesurer l'érosion des sols et les taux et modèles d'accumulation de sédiments : une revue. J Environ Qual 19:215-233

Ritchie JC, Nearing MA, Rhoton FE (2009) Bilans sédimentaires et détermination des sources à l'aide des retombées de césium-137 dans un bassin versant de parcours semi-arides, Arizona, États-Unis. J Environ Radioact 100:637-643

Walling DE, He Q (1999) Modèles améliorés pour estimer les taux d'érosion des sols à partir de la mesure du césium-137. J Environ Qual 28:611-622

Rapport de l'UNSCEAR (1969). Annexe A : Contamination radioactive de l'environnement par les essais nucléaires. Comité scientifique des Nations Unies sur les effets des rayonnements atomiques. Publication des Nations Unies, New York

LaBreque JJ, Cordoves PR (2005) Activité spatiale du césium-137 dans les sols de surface à proximité et autour du réservoir de Gurí (Venezuela). J Radioanal Nucl Chem 265:91-94

Almeida FFM (1955) Géologie et pétrole de l'arquipélago de Fernando de Noronha. Departamento Nacional de Produção Mineral-DNPM, Rio de Janeiro

Almeida FFM (2002) Arquipélago de Fernando de Noronha. Schobbenhaus C, Campos D A, Queiroz ET, Winge M, Berbert-Born M. (Eds.). Serviço Geológico do Brasil-CPRM, Brasilia

Batistella AM (1993) Cartografia ecológica de Arquipélago de Fernando de Noronha. Mémoire de maîtrise en sciences. Université de São Paulo. São Paulo

IBGE. Instituto Brasileiro de Geografia e Estatística. http://www.ibge.gov.br/cidadesat/painel/painel.php?codmun=260545. Consulté le 27 janvier 2016

Cordani UG (1970) Idade do vulcanismo no Oceano Atlântico Sul, vol 1. Instituto de Geociências e Astronomia, Boletim IGA, Brasilia

Oliveira SMB, Pessenda LCR, Gouveia SEM, Favaro DIT (2009) Evidência geoquímica de solos formados pela interação de guanos com rochas vulcânicas, Ilha Rata, Fernando de Noronha (PE). Rév Inst Geoc 9:3-12

Canet A, Jacquemin R (1990) Méthodes de mesure des isotopes du radium : Spectrométrie gamma In : Environmental behavior of radium, Technical Report Series No. 310. AIEA, Vienne, pp 189-204

Agence internationale de l'énergie atomique (1989). Mesure des radionucléides dans les aliments et l'environnement. Série de rapports techniques 295, un guide. AIEA

Singh A et Singh A (2013) Logiciel statistique pour applications environnementales pour ensembles de données avec et sans observations non détectées. ProUCL. Agence de protection de l'environnement des États-Unis. EPA/600/R-07/041

Agence de protection de l'environnement des États-Unis (EPA). 2006b. Évaluation de la qualité des données : méthodes statistiques pour les praticiens, EPA QA/G-9S. EPA/240/B-06/003. Bureau de l'information environnementale, Washington, DC. Disponible sur http://www.epa.gov/quality/qs-docs/g9s-final.pdf

Équipe de développement QGIS, 2009. Système d'information géographique QGIS. Fondation Géospatiale Open Source. URL http://qgis.osgeo.org

Ivanovich M, Harmon RS (1992) Déséquilibre de la série d'uranium : applications aux sciences de la terre, de la mer et de l'environnement, 2e éd. Oxford Univ Press, New York

Almeida FFM (2000) L'archipel Fernando de Noronha. Dans : Schobbenhaus,C., Campos DA, Queiroz,ET, Winge,M, Berbert-Born,M (Edit.) Sítios Geológicos e Paleontológicos do Brasil. http://sigep.cprm.gov.br/sitio066/sitio066english.htm. Consulté le 27 janvier 2000

Hannan M, Wahid K, Nguyen N (2015) Évaluation des radionucléides naturels et artificiels dans les sols de surface de la mission (Texas). J Radioanal Nucl Chem 305:573-582

Tzortzis M, Tsertos H (2004) Détermination des concentrations élémentaires de thorium, d'uranium et de potassium dans les sols de surface à Chypre. J Environ Radioact 77:325-338

Potoki I, Parlag O, Maslyuk V, Lengyel A, Torich Z (2015) Surveillance à long terme des radionucléides naturels dans la ville d'Uzhgorod, Ukraine. J Radioanal Nucl Chem 306:249-255

Saito K, Jacob P (1995) Champs de rayons gamma dans l'air dus à des sources dans le sol. Radiat Prot Dosim 58:29-45

Dowdall M, Gerland S, Lind B (2003) Radionucléides naturels et anthropiques émetteurs gamma dans l'environnement terrestre de Kongsfjord, Svalbard. Sci Total Environ 305(1–3) :229–240

Malanca A, Gaidolfi L, Pessina V, Dallara G (1996) Distribution de 226Ra, 232Th et 40K dans les sols du Rio Grande do Norte (Brésil). J Environ Radioact 30(1):55–67


Abstrait

La connectivité façonne la répartition des espèces, la dynamique spatiale des populations et la structure génétique, et est essentielle pour la conservation. Il est impératif d'identifier de manière fiable les facteurs qui limitent la connectivité à travers des paysages hétérogènes et fragmentés. Considérant la connectivité comme la persistance du mouvement dans l'espace de la source à la destination, le long de couloirs potentiels simulés à partir de marches aléatoires corrélées, nous adaptons le cadre de modélisation d'occupation dynamique pour présenter une approche permettant de quantifier de manière fiable la connectivité. Cette approche nous a permis d'estimer la probabilité de persistance spatiale des déplacements le long des corridors potentiels, tout en tenant compte d'une détection imparfaite de l'utilisation animale de la matrice. Nous utilisons des simulations pour tester notre modèle et des données provenant d'enquêtes sur les signes de l'éléphant d'Asie Elephas maximus l'utilisation de l'espace à Garo Hills, dans le nord-est de l'Inde, comme application pratique de la méthode. La distance aux forêts et la robustesse ont principalement façonné les modèles de connectivité des éléphants. Les effets négatifs de l'éloignement des forêts se sont intensifiés au début de la dispersion et dans la partie la plus perturbée de notre paysage. Nous avons cartographié les emplacements essentiels au maintien de la connectivité dans notre paysage d'étude. Nous démontrons que l'approche de modélisation d'occupation largement utilisée, lorsqu'elle est combinée à une collecte de données de terrain appropriée, permet une évaluation explicite des impacts matriciels sur la connectivité tout en tenant compte de la détection imparfaite des mouvements des animaux. Ce faisant, nous soulignons la valeur de l'approche pour permettre l'inférence sur les animaux se déplacent, ainsi que Pourquoi. Obtenir une compréhension fiable des facteurs qui façonnent la connectivité est essentiel pour comprendre et prédire les réponses des espèces aux changements environnementaux, facilitant ainsi une conservation efficace à long terme dans des paysages fragmentés.


Barbeito I, Collet C, Ningre F (2014) Réponses de la couronne à la densité des voisins et à l'identité de l'espèce dans un jeune peuplement mixte de feuillus. Arbres 28 : 1751-1765. https://doi.org/10.1007/s00468-014-1082-2

Barbeito I, Dassot M, Bayer D, Collet C, Drossler L, Lof M, del Rio M, Ruiz-Peinado R, Forrester DI, Bravo-Oviedo A, Pretzsch H (2017) Le balayage laser terrestre révèle des différences dans la structure de la couronne de Fagus sylvatica dans les forêts européennes mixtes vs pures. Pour Ecol Manag 405:381-390. https://doi.org/10.1016/j.foreco.2017.09.043

Barthélémy D, Caraglio Y (2007) Architecture végétale : une approche dynamique, multi-niveaux et globale de la forme, de la structure et de l'ontogénie des plantes. Ann Bot 99 : 375-407. https://doi.org/10.1093/aob/mcl260

Bates D, Machler M, Bolker BM, Walker SC (2015) Ajustement de modèles linéaires à effets mixtes à l'aide de lme4. Logiciel J Stat 67:1–48

Bayer D, Seifert S, Pretzsch H (2013) Propriétés structurales de la couronne de l'épicéa commun (Picea abies L. Karst.) et du hêtre européen (Fagus sylvatica L. ) dans des peuplements mixtes versus purs révélés par balayage laser terrestre. Arbres 27 :1035-1047. https://doi.org/10.1007/s00468-013-0854-4

Boudon F, Preuksakarn C, Ferraro P, Diener J, Nacry P, Nikinmaa E, Godin C (2014) Évaluation quantitative des reconstructions automatiques de systèmes de branchement obtenus à partir du balayage laser. Ann Bot 114:853-862. https://doi.org/10.1093/aob/mcu062

Bournez E, Landes T, Saudreau M, Kastendeuch P, Najjar G (2017) Des nuages ​​de points TLS aux modèles 3D d'arbres : une comparaison d'algorithmes existants pour la reconstruction d'arbres 3D. Int Arch Photogramm Remote Sens Spatial Inf Sci, Vol XLII-2/W3: Actes du 7e atelier sur la reconstruction virtuelle 3D et la visualisation d'architectures complexes XLII-2/W3:113-120. https://doi.org/10.5194/isprs-archives-Q7XLII-2-W3-113-2017

Calders K, Newnham G, Burt A, Murphy S, Raumonen P, Herold M, Culvenor D, Avitabile V, Disney M, Armston J, Kaasalainen M (2015) Estimations non destructives de la biomasse aérienne à l'aide d'un balayage laser terrestre. Méthodes Ecol Evol 6:198-208. https://doi.org/10.1111/2041-210x.12301

Dassot M, Colin A, Santenoise P, Fournier M, Constant T (2012) Balayage laser terrestre pour la mesure du volume de bois massif, y compris les branches, d'arbres adultes sur pied en milieu forestier. Calcul Electron Agric 89:86-93. https://doi.org/10.1016/j.compag.2012.08.005

Delagrange S, Rochon P (2011) Reconstitution et analyse d'un jeune arbre à feuilles caduques à l'aide de photographies numériques ou de la technologie terrestre-LiDAR. Ann Bot 108:991-1000. https://doi.org/10.1093/aob/mcr064

Durand Y, Brun E, Merindol L, Guyomarch G, Lesaffre B, Martin E (1993) Une estimation météorologique des paramètres pertinents pour les modèles de neige. Ann Glaciol, Vol 18 : Actes du Symposium sur la neige et les problèmes liés à la neige 18 : 65-71. https://doi.org/10.1017/s0260305500011277

Eaton E, Caudullo G, Oliveira S, de Rigo D (2016) Quercus robur et Quercus petraea en Europe : répartition, habitat, usages et menaces. Dans : San-Miguel-Ayanz J, de Rigo D, Caudullo G, Houston Durrant T, Mauri A (eds) Atlas européen des essences forestières. Éd. Désactivé. UE, Luxembourg, p. 160-163

Fleck S, Moelder I, Jacob M, Gebauer T, Jungkunst HF, Leuschner C (2011) Comparaison de projections de couronne conventionnelles à huit points avec des projections de couronne virtuelle basées sur LIDAR dans une forêt ancienne tempérée. Ann For Sci 68:1173-1185. https://doi.org/10.1007/s13595-011-0067-1

Forrester DI, Tachauer IHH, Annighoefer P, Barbeito I, Pretzsch H, Ruiz-Peinado R, Stark H, Vacchiano G, Zlatanov T, Chakraborty T, Saha S, Sileshi GW (2017) Équations allométriques généralisées de la biomasse et de la surface foliaire pour l'arbre européen espèces intégrant la structure du peuplement, l'âge des arbres et le climat. Pour Ecol Manag 396 : 160-175. https://doi.org/10.1016/j.foreco.2017.04.011

Gazda A, Kędra K (2017) Description de l'architecture arborescente à l'aide d'une méthode photogrammétrique à image unique. Dendrobiologie 78 : 124–135. https://doi.org/10.12657/denbio.078.012

Hackenberg J, Spiecker H, Calders K, Disney M, Raumonen P (2015) SimpleTree—un outil open source efficace pour créer des modèles d'arbres à partir de nuages ​​TLS. Forêts 6 :4245–4294. https://doi.org/10.3390/f6114245

Hebbali A (2017) package ‘olsrr’ v.0.4.0 R : outils pour construire des modèles de régression OLS

Henry M, Picard N, Trotta C, Manlay RJ, Valentini R, Bernoux M, Saint-André L (2011) Estimation de la biomasse des arbres des forêts d'Afrique subsaharienne : une revue des équations allométriques disponibles. Silva Fenn 45 : 477-569. https://doi.org/10.14214/sf.38

Groupe de travail IUSS (2014) Base de référence mondiale pour les ressources en sols. 2014, Vol. 106 : rapports sur les ressources mondiales en sols. Système international de classification des sols pour nommer les sols et créer des légendes pour les cartes des sols (ed) FAO, Rome

Korboulewsky N, Pérot T, Balandier P, Ballon P, Barrier R, Boscardin Y, Dauffy-Richard E, Dumas Y, Ginisty C, Gosselin M, Hamard JP, Laurent L, Mårell A, NDiaye A, Perret S, Rocquencourt A, Seigner V, Vallet P (2015) OPTMix—Dispositif expérimental de suivi à long terme du fonctionnement de la forêt mélangée. Rendez-Vous Techniques de l'ONF 47:60-70

Lee CA, Voelker S, Holdo RM, Muzika RM (2014) L'architecture des arbres en tant que prédicteur de la croissance et de la mortalité après un épisode de déclin du chêne rouge dans les hautes terres d'Ozark du Missouri, États-Unis Can J For Res 44:1005-1012. https://doi.org/10.1139/cjfr-2014-0067

Legendre P (2014) lmodel2 : modèle II de régression. Package R version 1.7-2

Liang XL, Kankare V, Hyyppa J, Wang YS, Kukko A, Haggren H, Yu XW, Kaartinen H, Jaakkola A, Guan FY, Holopainen M, Vastaranta M (2016) Balayage laser terrestre dans les inventaires forestiers. ISPRS J Photogramm Remote Sens 115:63–77. https://doi.org/10.1016/j.isprsjprs.2016.01.006

Martin-Ducup O, Schneider R, Fournier RA (2016) Réponse de la structure du houppier de l'érable à sucre (Acer saccharum, Marsh.) à la compétition en peuplements purs versus mélangés. Pour Ecol Manag 374:20-32. https://doi.org/10.1016/j.foreco.2016.04.047

Momo Takoudjou S, Ploton P, Sonké B, Hackenberg J, Griffon S, Rouault De Coligny F, Kamdem NG, Libalah M, Mofack GI, Le Moguedec G, Pelissier R, Barbier N (2017) biomasse des arbres tropicaux et calibrer les modèles allométriques : une comparaison avec l'approche destructive traditionnelle. Méthodes Ecol Evol 9:905-916. https://doi.org/10.1111/2041-210X.12933

Muukkonen P (2007) Équations de volume et de biomasse allométriques généralisées pour certaines espèces d'arbres en Europe. Eur J Pour Res 126:157-166. https://doi.org/10.1007/s10342-007-0168-4

Oldeman RAA (1990) Forêts : éléments de sylvologie. Springer Verlag, Berlin

Phattaralerphong J, Sinoquet H (2005) Une méthode de reconstruction 3D du volume de la cime des arbres à partir de photographies : évaluation avec des plantes numérisées en 3D. Arbre Physiol 25:1229-1242

Poorter L, Bongers F, Sterck FJ, Woll H (2003) Architecture de 53 espèces d'arbres de la forêt tropicale différant par la stature adulte et la tolérance à l'ombre. Écologie 84:602-608. https://doi.org/10.1890/0012-9658(2003)084[0602:aorfts]2.0.co2

Poorter L, Bongers L, Bongers F (2006) Architecture de 54 espèces d'arbres de forêt humide : traits, compromis et groupes fonctionnels. Écologie 87:1289-1301. https://doi.org/10.1890/0012-9658(2006)87[1289:aomtst]2.0.co2

Pretzsch H, Biber P, Uhl E, Dahlhausen J, Rotzer T, Caldentey J, Koike T, van Con T, Chavanne A, Seifert T, du Toit B, Farnden C, Pauleit S (2015) Taille de la couronne et espace de croissance requis de espèces d'arbres communes dans les centres urbains, les parcs et les forêts. Urbain pour Urban Green 14:466-479. https://doi.org/10.1016/j.ufug.2015.04.006

Pya N, Voinov V, Makarov R, Voinov Y (2016) mvnTest : tests d'adéquation pour la normalité multivariée. Package R version 1.1-0

Équipe de développement QGIS (2016) Système d'information géographique QGIS. Projet Open Source Geospatial Foundation

R Core Team (2017) R : un langage et un environnement pour le calcul statistique. Fondation R pour l'informatique statistique, Vienne

Rouille S, Roloff A (2002) Photosynthèse réduite chez le vieux chêne (Quercus robur) : l'impact de la cime et de l'architecture hydraulique. Arbre Physiol 22:597-601

Saenz-Romero C, Lamy JB, Ducousso A, Musch B, Ehrenmann F, Delzon S, Cavers S, Chalupka W, Dagdas S, Hansen JK, Lee SJ, Liesebach M, Rau HM, Psomas A, Schneck V, Steiner W, Zimmermann NE, Kremer A (2017) Réponses adaptatives et plastiques des populations de Quercus petraea au climat en Europe. Glob Chang Biol 23 : 2831-2847. https://doi.org/10.1111/gcb.13576

Takahashi K (1996) Réponse plastique de l'architecture de la couronne à l'entassement dans les arbres du sous-étage de deux conifères co-dominants. Ann Bot 77 : 159-164. https://doi.org/10.1006/anbo.1996.0018

Vallet P, Dhote JF, Le Moguedec G, Ravart M, Pignard G (2006) Développement d'équations de volume aérien total pour sept essences forestières importantes en France. Pour Ecol Manag 229:98-110. https://doi.org/10.1016/j.foreco.2006.03.013

Van de Peer T, Verheyen K, Kint V, Van Cleemput E, Muys B (2017) Plasticité de l'architecture des arbres par compétition interspécifique et intraspécifique dans une jeune plantation expérimentale. Pour Ecol Manag 385:1-9. https://doi.org/10.1016/j.foreco.2016.11.015


Résultats

Suivi des populations et ressources alimentaires

Cinq sites de repos hivernal ont été détectés dans la zone d'étude au cours de quatre saisons d'hivernage (2014-2018, Fig. 1). Les cinq sites de repos hivernal n'ont pas tous été détectés simultanément. Au cours de la première saison d'hivernage (2014-2015), trois sites de repos hivernal ont été identifiés, tandis que les autres ont été détectés en 2015-2016. L'un des sites de repos n'a pas pu être recensé avec précision en raison du risque de dérangement, bien que la présence d'individus hivernants ait été confirmée. Les sites de repos étaient séparés de 7,82 ± 1,34 km en moyenne (3,32 à 13,52 km). En moyenne, nous avons dénombré 85 ± 10 individus (58-121) : 65 ± 10 adultes (37-99) et 20 ± 2 subadultes (15-25) (Fig. 2). Nous avons compté en moyenne 6 ± 5 individus (extrêmes 1–12) sur le site de repos 1, 33 ± 26 individus (extrêmes 6–61) sur le site 2, 21 ± 15 individus (extrêmes 5–42) sur le site 3, et 27 ± 6 individus (extrêmes 20–32) sur le site 4 pendant les quatre saisons d'hivernage. Nous avons identifié 50 fermes, cinq UCDS et un ACDS dans les environs des gîtes d'hivernage. La distance moyenne entre les sites de repos et la ferme ou l'UCDS la plus proche était de 0,28 ± 0,6 km (0,14–0,48 km) et de 4,24 ± 2,41 km (0,09–2,41 km), respectivement. La distance entre l'ACDS unique dans la zone d'étude et les sites de repos était de 6,85 ± 5,11 km (2,81 à 15,76 km).

Résumé du nombre d'individus recensés pendant quatre saisons d'hivernage consécutives à Cáceres (Estrémadure, ouest de l'Espagne). L'écart type de chaque classe d'âge est indiqué sous forme de barres d'erreur.

PGB et utilisation de ressources alimentaires prévisibles

Nos analyses étaient basées sur 123 137 emplacements GPS. Au cours de la période d'étude, un des individus marqués a perdu l'émetteur dans la zone de reproduction au cours de l'été 2017 (voir Matériel supplémentaire Tableau S4). De plus, sur tous les individus marqués, deux d'entre eux ont manifesté un comportement migratoire au cours de la saison d'hivernage suivante après le marquage, laissant les aires de reproduction pour migrer vers l'Afrique. Par conséquent, de ces individus, nous n'avons retenu des emplacements dans l'étude que pour la saison hivernale où ils sont restés dans la zone de piégeage. Dans l'ensemble, la distance moyenne entre la reproduction et l'hivernage des cinq sites de repos d'hivernage était de 101 ± 121 km (20 à 345 km) pour 6 des individus marqués. Le reste des individus suivis (n = 6) ne se sont pas reproduits pendant la période d'étude.

Les BMP moyennes pour les combinaisons individuelles/quinze (n = 115) étaient de 38,66 ± 36,44 km 2 (7,61 à 117,77 km 2 ) pour la taille du domaine vital, 346,03 ± 192,87 km (107,27 à 776,75 km) pour la distance cumulée, 35,51 ± 20,03 km 2 (15,26 à 80,26 km 2 ) pour le déplacement carré net, 0,06 ± 0,08 (0,01 à 0,31) pour l'indice de rectitude et 25,26 ± 7,30 (11,96 à 33,10) pour l'intensité d'utilisation. La valeur moyenne pour l'utilisation des ressources alimentaires prévisibles était de 17 ± 0,07 % (3-25 %). Nous n'avons observé aucun emplacement à moins de 300 m de l'ACDS au cours de la période d'étude.

Les LMM pour la distance cumulée et le déplacement au carré net ont montré un effet significatif de quinze jours, avec une activité de mouvement croissante tout au long de l'hiver (tableau 1, fig. 3). De plus, les femelles présentaient des domaines vitaux plus petits que les mâles (tableau 1). Les individus adultes ont montré des valeurs de distance cumulée plus élevées que les subadultes. Au contraire, les valeurs de déplacement au carré net étaient plus élevées chez les subadultes que chez les adultes (tableau 1). The variation captured by our three predictor variables (< 15%) compared with that captured by random terms was low (Table 1) for all BMPs. Only the cumulative distance model captured more than 10% of the variability in the data (18%). The results of the model for the use of predictable food resources also showed that there were differences among age groups and the type of food subsidies used by individuals (Table 1). Overall, individuals made more intensive use of farms than UCDS. Likewise, subadult individuals exhibited higher values of use of farms and UCDS than adults (Fig. 3). In this case, the variability in the data was highly captured by the predictor variables (> 50%) (Table 1).

Values of the significant variables included in the full models for cumulative distance, net squared displacement, home range size and use of the different food subsidies of the tagged individuals (n = 12) corresponding to four wintering seasons (2015–2018). White dots represent the raw data points. The standard deviation is shown as error bars.

Space use

According to the population-level models for the full combination of each individual–resource category, the RUF analysis showed that the best predictors of space use at the population level were food availability, particularly goat density and cow density, to a lesser extent, as well as land use variables (forest and agriculture lands) (Table 2 Supplementary material Table S5). On the contrary, areas with high density of sheep, pigs and variables related to human disturbance such as areas close to villages and artificial surfaces were avoided.


Abstrait

Vast, pristine ecosystems and their biodiversity are vanishing globally at frightening speed, but many large tracts of wilderness have not yet been systematically inventoried and important natural populations of threatened species remain poorly characterized. The forest-savanna ecotone of the Eastern Central African Republic (CAR) is one such poorly studied area. Using camera traps, transect walks and collected fecal samples, we provide the first quantitative survey of chimpanzees (Pan troglodytes) in this region previously classified as a highly important chimpanzee conservation unit. In contrast to species distribution models and expert predictions, we did not find any evidence of chimpanzees in the large and remote forest blocks west of the Chinko River despite considerable search effort. Our study thus highlights the limitations of relying solely on remote sensing data to predict the presence or absence of endangered species and illustrates the necessity of extensive field surveys to accurately assess occurrence and density in remote areas. However, we did discover a sizeable and reproducing population of chimpanzees east of the Chinko River. Based on a density of 0.81 chimpanzees/km 2 in closed canopy forest that we inferred from nest count data, we estimate 910 weaned chimpanzees to inhabit the Chinko Nature Reserve (CNR) and further predict additional 2700 individuals in adjacent, unmanaged hunting zones and reserves. According to microsatellite data, these chimpanzees genetically cluster with P. t. schweinfurthii populations in East Africa. Conservation action and appropriate management plans are urgently needed to protect this important population and to prevent heavily-armed nomadic pastoralists from the Sahel, illegal miners, as well as elephant and meat poachers, from irretrievably destroying the natural vegetation and local biodiversity of the area.


Méthodes

Sample collection and selection

Between 1995 and 2014, we collected 289 wolf tissue samples in Portugal and Spain (Fig. 1) from dead animals (mainly road kills, poached, legally culled or hunted wolves). Animals were never specifically killed for this study. For each tissue sample we recorded the geographic coordinates (latitude and longitude) where the sample was collected, the sex and, when possible, the approximate age of the animal. Age was estimated by dental pattern and wear, according to Gipson et al. 69 , and physical development. Our sampling encompasses ca. 80% of the wolf estimated range in 2005 in the Iberian Peninsula 35,55,63,70 .

Because several sampled individuals could belong to the same pack, we used the following criteria to avoid close familiar relationships in our dataset: (i) we plotted all samples against the wolf packs detected between 1993 and 2005 (Fig. 1) and calculated the Euclidean distance among all tissue sample locations (ii) for samples separated by less than 10 km, and/or within the same buffer area (100 km 2 ) of wolf packs (centred on the estimated breeding sites in the correspondent period), we noted the date in which every sample was collected (iii) considering the annual cycle of wolves (from births in May of a given year to the next May), we focused on those samples separated ≥5 yrs. This criteria ensured that more than 1 generation spanned between samples (mean generation time in wolves is estimated to be 3–4 yrs 71,72 ) (iv) we selected a maximum of two samples for each 5-yr temporal window. To do this, we took into account preliminary information of missing data from microsatellite analyses (selecting those samples with the best performance), and the age of individuals, prioritizing adult individuals (>2 yrs.). Samples with >20% missing data were also excluded for subsequent analyses. Given the occurrence of wolf-dog hybridization in the Iberian Peninsula 73 , possible hybrids were eliminated based on genetic data, using the procedure and dog reference samples in Godinho et al. 73 . The final genetic dataset used for this study contained 218 individuals.

DNA extraction, markers and genotyping

Total genomic DNA was extracted using the QIAGEN DNeasy Blood & Tissue Kit (Qiagen, Valencia, CA, USA) according to the manufacturer’s instructions. DNA quality and concentration were assessed using agarose gel electrophoresis and quantified in a Qubit fluorometer (Thermo Fisher Scientific, Wilmington, DE, USA). Samples were amplified for a set of 46 microsatellite loci in four multiplex reactions (MS1 to MS3, and the Canine Genotypes Panel 2.1 Kit, Thermo Fisher Scientific), and a singleplex including the Dbar2 locus, following Godinho et al. 73,74 (Supplementary Tables S1 and S2). PCR products were run on an ABI3130xl Genetic Analyser (Applied Biosystems, Waltham, Massachusetts, USA) using GeneScan500 LIZ size standard. The results were checked manually, and alleles scored, using Genemapper 4.1 (Applied Biosystems).

Clustering analysis

We employed the Bayesian clustering algorithms of Structure 2.3.3 44 and BAPS 6 45 to group all samples into clusters using their multilocus genotypes.

Structure was run for 2 million iterations after 500 thousand burn-in steps, using the admixture and correlated allele frequencies models, assuming values of the K parameter (number of populations) between 1 and 20. For each K, runs were repeated 20 times to ensure the consistency of the results. To select the most likely number of groups we tabulated the posterior probabilities of the data for each K (ln Pr(X|K)) and employed the procedure proposed by Evanno et al. 46 , which involves calculating the quantity ΔK for each pair of successive Ks, using StructureHarvester 75 . Having chosen K, we classified each individual in each cluster je based on the distribution of the individual membership proportions to that cluster (qje). A cut-off value was set for each cluster at the point where a gap in the distribution of membership proportions was visible, and above which membership proportions no longer varied considerably between individuals (Supplementary Figs S5 and S6). Individuals above this threshold were considered to fully belong to the respective cluster (i.e., ‘non-admixed’ individuals), while all individuals below the cut-off point were considered ‘admixed’, i.e., having a genetic background in more than one genetic cluster (Supplementary Figs S5 and S6). To confirm the clustering results, the same Structure analysis was run in a hierarchical manner, progressively dividing the samples according to the clusters they were placed in. In the first iteration of this procedure, Structure was run separately on each of the two main clusters identified (see Results) for K between 1 and 5, and used to calculate ΔK values in the second iteration, samples were again divided according to the inferred clusters and the procedure was repeated.

Clustering of individuals was also performed in BAPS with both the regular (non-spatial) and spatial population mixture analysis, starting from different values of the maximum number of clusters (K), up to K = 20. For each K, 20 replicate runs were performed. Individual admixture proportions were then calculated based on each of the clustering analyses using the ‘admixture of individuals based on mixture clustering’ option.

Additionally, the multivariate method DAPC 43 was used to identify clusters of genetically related individuals, as implemented in the R package adegenet 2.0 76,77 . DAPC is a model-free method, and therefore free of population genetics assumptions, in particular Hardy-Weinberg equilibrium. The function ‘find.clusters’ was used with 80 principal components (PCs, explaining >90% of the variance) to determine the number of clusters maximizing the variation between clusters. The Bayesian Information Criterion (BIC) was used to identify the optimal number of clusters. The number of retained PCs was calculated using a cross validation methods implemented in the ‘xvalDapc’ function.

Spatial genetic analyses

Samples were spatially projected using QGIS 2.8.2 78 . We grouped samples according to similar posterior assignment probabilities to the different groups identified in our dataset in order to spatially identify geographical clusters. For a given genetic cluster, all adjacent individuals with a membership proportion to the same cluster higher than 0.50 were grouped. These individuals were used to define a minimum convex polygon for each genetic cluster (Ptotal). Individuals for which position and/or genetic makeup did not allow for a clear attribution were not included. In a second step, we defined another minimum convex polygon encompassing the area comprising only genetically ‘non-admixed’ individuals (Pnon-admixed). All ‘non-admixed’ individuals that were not located within the Ptotal area of their respective population were considered as dispersers.

For each identified geographical group, we calculated the area of the Ptotal and Pnon-admixed, computed the mean membership proportions, the percentage of ‘admixed’ individuals at the Ptotal level, and within the Pnon-admixed, the number of immigrants (i.e. dispersers from other populations falling with Ptotal). Moreover, in order to gain insights into the connection between genetic clusters, we also calculated the number of contributing genetic clusters to the ancestry of each group, by considering only groups with >5% membership proportions, and the smallest distance to the closest group (km, measured as the smallest Euclidean linear distance between Ptotal borders).

We tested for correlation between genetic and geographical distance (isolation by distance – IBD) using all samples in the dataset with a Mantel test implemented in Genepop 4.3 79 . Given that Mantel tests and tests of spatial autocorrelation are not capable of distinguishing between patterns resulting from genetic clustering and IBD 64 , we did not attempt to perform further IBD tests at smaller scales.

Population genetics analyses

For each geographical group, as well as for each genetic cluster identified by Structure (including only ‘non-admixed’ individuals), we calculated standard population genetics parameters including: (i) the number of alleles, (ii) observed and expected heterozygosities, and (iii) the fixation coefficient (F), using GenAlEx 6.501 80 (iv) allelic richness and private allelic richness, rarefied to the smallest sample size, using ADZE 1.0 81 . Nous avons utilisé Genepop 4.3 79 to test for significant deviation from Hardy-Weinberg equilibrium and association between genotypes at pairs of loci (linkage disequilibrium). Statistical significance levels were adjusted using Bonferroni corrections 82 . Additionally, we also estimated the average relatedness between pairs of individuals for each group/cluster using the estimator of Lynch & Ritland 83 with GenAlEx. Differentiation between groups/clusters was measured by FSTST) calculated from an AMOVA 84 (equivalent to Weir & Cockerham 85 ), using 1,000 permutations to test their significance, and Jost’s D distance 86 , both calculated using GenoDive 2.07b27 87 . A total of three and eight individuals were excluded at K = 4 and K = 11, respectively, for these analyses because they could not be attributed to a particular geographical group.

Additionally we estimated the migration rates (mean number of migrants per generation, Nm) between all pairs of subpopulations and identified migrants using BayesAss 3.0.4 88 . The program was run for 20 million MCMC iterations, with a burn-in of 2 million. The allele frequencies, inbreeding coefficients and migration rates parameters were set to 0.3, 0.7 and 0.6, respectively, to adjust acceptance rates. MCMC mixing was assessed visually by observing the trace file with Tracer 89 . Consistency of the results was confirmed by comparing 5 runs with different random number seeds.

Spatial behaviour of wolves

To investigate whether the identified genetic structure was reflected in the spatial behaviour of wolves, we analysed tracking information of 85 collared individuals. This information was collected from 1982 to 2015 in the context of several research projects on the ecology of this species in Portugal and Spain 37,90,91,92,93,94,95,96,97,98 (Supplementary Table S3). Apart from information collected from previously published research (see references 37,90,91,92,93,94,95,96,97,98 for respective capture and handling details), all experimental procedures that included the capture, handling and collaring of wolves were specifically approved by the national authorities in Portugal (Instituto da Conservação da Natureza e das Florestas – ICNF) under permits 326/2007/CAPT, 259/2008/CAPT, 261/2009/CAPT, 330/2010/CAPT, 332/2010/MANU, 20/2012/CAPT, 25/2012/MANU, 26/2012/MANU, 27/2012/MANU, 371/2012/CAPT, 229/2015/CAPT, 230/2015/CAPT and Spain (Regional Government of Galicia and Organismo Autónomo de Parques Nacionales), with permits 19P72009, 481/2011, 1389/2013, CO709/0164/2013, 526/2015, 19/2006, 71/2009 and 86/2011. All field procedures and animal handling were carried out in accordance with animal welfare regulations of Portugal and Spain and followed the guidelines of the American Society of Mammalogists 99 .

A total of 85 wolves were equipped with VHF collars (Televilt, Sweden and Telonics, USA N = 30) or GPS-GSM/Iridium collars (Followit, Sweden and Vectronic, Germany N = 55). Our dataset was composed by 39 females and 46 males and contained information from 41 wolves with an estimated age <2 years and 44 wolves with an estimated age ≥2 years. Monitoring period (defined as the time elapsed between the first and last location obtained for each wolf) averaged 378 days (overall range: 16–2,129 days VHF collars: mean = 678 days, range = 44–2,129 GPS collars: mean = 214 days, range = 16–632) and the mean number of locations per wolf was 2685 (overall range 15–13,709 VHF collars: mean = 163, range = 15–417 GPS collars: mean = 3,573, range = 153–13,709) (Supplementary Table S3).


Voir la vidéo: DHIS2 to QGIS 513: Ajout de données vecteur dans QGIS - BLUESQUARE (Octobre 2021).