Suite

Créer une grille PLSS quart-quart à l'aide de QGIS


Existe-t-il un moyen de créer un quart de section (de la grille de canton/plage/section PLSS) à l'aide de QGIS ? J'ai déjà trouvé http://ianbroad.com/creating-quarter-quarter-section-grid-python/ mais l'utilisation d'ArcGIS n'est pas une option.

Avoir un moyen d'étiqueter toutes les sections serait formidable car je dois compléter un état complet.

Autres ressources que j'ai consultées :

Je travaille spécifiquement avec des données pour le Montana et je ne trouve pas de grilles quart-quart (aka 16 par section).

De plus, créer une grille n'est pas parfait, je vérifie simplement si quelqu'un a tenté de créer un outil pour QGIS comme celui que Ian Broad a créé pour ArcGIS. Cela ne créera pas de sections parfaites, mais fera le travail.

J'ai trouvé ceux-ci, mais ce ne sont que des fichiers partiels :


Je ne connais aucun outil similaire à celui d'Ian qui a été écrit pour QGIS (en fait, tous les outils que je connais, y compris commerciaux, sont spécifiquement pour ArcGIS). Son script est écrit en Python bien qu'il utilise arcpy, et sa description de la source et du processus est assez complète. Vous pouvez le contacter via son blog (ou il peut intervenir, il est ici) et il pourrait être prêt à aider à l'adapter.

La méthode utilisée peut varier en fonction des données avec lesquelles vous commencez. Si vous n'avez que des sections, vous devrez aller aux 16e. Si vous avez des quarts, vous n'avez qu'à faire des quarts. Les données officielles ne contiennent généralement pas de trimestres, elles vont directement de la section (alias première division) aux quarts-quarts (alias deuxième division). Et en outre, cela dépend des données elles-mêmes - la méthode de Ian utilise les sommets du polygone pour commencer. Si vous ne les avez pas, vous devez regarder au milieu/en quart de chaque ligne pour créer la grille. Ou éventuellement créer une grille régulière et exécuter quelque chose comme l'outil Snap d'ArcGIS pour l'ajuster/l'ajuster, sinon un outil de grille régulier tel que ceux auxquels vous vous connectez ne peut pas être utilisé.

Vous vous retrouvez avec une approximation dans tous les cas, mais d'après votre question, il semble que vous vouliez simplement « assez près ».


Si vous disposez déjà d'une grille existante et que vous devez la conserver pour vous assurer qu'elle s'aligne avec les autres données créées à partir de celle-ci, alors il n'y a aucun moyen de faire votre propre découpage. Cependant, si vous le pouvez, le téléchargement d'une grille "officielle" peut vous éviter des maux de tête considérables (notez bien sûr que même les grilles "officielles" ne correspondront pas toujours car différentes entités effectuent des mises à jour, des ajustements et des corrections différents). Il existe différents endroits pour trouver des ensembles de données PLSS. Vous avez mentionné le Montana en particulier. Apparemment, la bibliothèque d'État a remplacé le BLM en tant que dépositaire des données du PLSS au printemps dernier (2014). Vous pouvez maintenant trouver la version la plus récente et la plus à jour de la grille à l'adresse :

Peut-être les mêmes que les données liées dans votre question, mais je suis spécifiquement allé au lien "recommandé pour des informations supplémentaires". Je note que cet ensemble de données Est-ce que fournir le niveau de la deuxième division, mais il ne s'agit que d'un fichier « partiel » à ce niveau. Je pense qu'il fait ou devrait avoir tout au niveau de la section sur la base d'un aperçu rapide des données, et le niveau du trimestre est assez étendu - j'estimerais au moins 80%. Cela est en partie dû au fait que le PLSS n'est pas réellement terminé dans certaines parties de MT - il y a des zones qui n'ont jamais été réellement étudiées.

Vous le savez probablement déjà, mais juste pour le bénéfice des autres (et pour nettoyer le désordre des commentaires), la grille PLSS n'est pas régulière. De plus, tous les quartiers ne se divisent pas réellement en quartiers - dans certains cas, il y a des lots intercalés. Fondamentalement, le PLSS est nominalement une grille, mais plus vous entrez dans les détails, plus il devient désordonné. Ce document pdf contient des informations détaillées sur les parties de la grille et quelques exemples graphiques - il contient beaucoup de bonnes informations.


Une approche de métapopulation pour prédire les changements d'aire de répartition des espèces sous différents scénarios de changement climatique et de connectivité du paysage

Nous proposons une méthode pour combiner des modèles de métapopulation et de niche écologique.

Les événements locaux d'extinction et de colonisation sont simulés à l'aide du modèle de fonction d'incidence.

Les distributions des aires de répartition des espèces sont prévues pour différents scénarios de connectivité du paysage.

L'adéquation climatique future est estimée à l'aide de modèles de niche écologique.

La combinaison des noyaux de dispersion et de l'aptitude climatique améliore les prédictions de changement d'aire de répartition.


Abstrait

Le bruit anthropique est un polluant sensoriel largement répandu dans le monde, reconnu comme ayant des effets potentiellement néfastes sur la fonction, la démographie et la physiologie des animaux sauvages. La croissance de la population humaine et les changements associés dans l'urbanisation, les transports et l'extraction des ressources contribuent tous au bruit anthropique et devraient augmenter au cours des prochaines décennies. L'exposition de la faune au bruit anthropique devrait augmenter en conséquence. Les données recueillies grâce à la recherche sur le terrain sont particulièrement importantes pour faire progresser la compréhension des répercussions réelles de l'activité humaine sur la faune. Nous avons donc effectué une revue systématique de la littérature publiée de 2008 à 2018 qui rendait compte d'enquêtes sur le terrain sur les impacts du bruit anthropique. Nous avons évalué les paramètres de publication (par exemple, les taux de publication et le type de revue), la répartition géographique des études, le sujet de l'étude et les méthodes utilisées. L'activité de recherche a considérablement augmenté au cours de la période d'évaluation. Cependant, il y avait un biais géographique prononcé dans la recherche, la plupart étant menées en Amérique du Nord ou en Europe, et un accent notable sur les environnements terrestres. Moins d'un cinquième des études terrestres ont été menées dans des zones rurales susceptibles de connaître une urbanisation d'ici 2030, ce qui signifie que les données sur les écosystèmes les plus susceptibles d'être affectés par les changements futurs ne sont pas recueillies. Il y avait également un biais dans les groupes taxonomiques étudiés. La plupart des recherches ont été menées sur les oiseaux et les mammifères aquatiques, tandis que les mammifères terrestres, les reptiles, les amphibiens, les poissons et les invertébrés ont reçu une attention limitée. Presque toutes les études terrestres ont examiné les espèces diurnes, malgré les preuves que la nuit est le modèle d'activité animale dominant. Près de la moitié des études ont étudié les effets du bruit routier ou urbain, la majeure partie de la recherche s'est limitée aux conséquences fonctionnelles plutôt que physiologiques ou démographiques. Peu d'études expérimentales ont abordé les répercussions de l'exposition à long terme au bruit anthropique ou des effets post-exposition à long terme, et plusieurs types ou niveaux de bruit ont rarement été comparés. Combler ces lacunes dans les connaissances sera essentiel pour une gestion réussie des effets de l'exposition croissante de la faune au bruit anthropique.


Résumé de l'auteur

Compte tenu de l'importance des vaccinations de masse des chiens domestiques pour éliminer la rage humaine en Afrique et des défis spécifiques au site auxquels sont confrontées ces campagnes, des études supplémentaires sur le développement et la mise en œuvre de ces efforts sont nécessaires. Un mécanisme de vaccination de masse réside dans les efforts de base qui commencent souvent à une échelle très locale et se développent soit en campagnes plus importantes, restent locaux ou cessent de persister plusieurs années après l'épuisement de l'intérêt et du financement. Ici, nous discutons du développement d'une campagne populaire dans le comté de Laikipia, au Kenya, depuis sa création locale jusqu'à son développement en un effort d'élimination de la rage à l'échelle du comté. Nos résultats mettent en évidence les défis associés à l'atteinte du taux de couverture cible de 70 %, notamment la nécessité d'un suivi démographique cohérent et systématique des populations canines, les limites de la méthode du point central et les défis logistiques et financiers auxquels est confronté un effort bénévole. Un engagement politique sérieux de la part des gouvernements locaux et nationaux est nécessaire pour porter le budget au-delà de ce qu'une campagne de financement participatif peut générer, y compris la disponibilité et l'accès à des vaccins de qualité contre la rage canine. Sans un tel soutien extérieur et un temps considérable pour se développer, les campagnes de terrain pourraient être mieux reléguées à la sensibilisation et à la vaccination des chiens dans les petites communautés afin de protéger directement ces communautés, sans contribuer à l'objectif plus large d'arrêt de la transmission à l'échelle de l'écosystème souvent recherché par le gouvernement en matière de santé humaine et organisations vétérinaires.

Citation: Ferguson AW, Muloi D, Ngatia DK, Kiongo W, Kimuyu DM, Webala PW, et al. (2020) Approche basée sur le volontariat pour les campagnes de vaccination des chiens pour éliminer la rage humaine : Leçons du comté de Laikipia, Kenya. PLoS Negl Trop Dis 14(7) : e0008260. https://doi.org/10.1371/journal.pntd.0008260

Éditeur: Abdallah M. Samy, Faculté des sciences, Université Ain Shams (ASU), EGYPTE

A reçu: 3 septembre 2019 Accepté: 29 mars 2020 Publié : 2 juillet 2020

Il s'agit d'un article en libre accès, libre de tout droit d'auteur, et peut être librement reproduit, distribué, transmis, modifié, construit ou utilisé par quiconque à des fins licites. L'œuvre est mise à disposition sous la dédicace du domaine public Creative Commons CC0.

Disponibilité des données: Toutes les données pertinentes se trouvent dans le manuscrit et ses fichiers d'informations à l'appui.

Le financement: Les sources de financement qui ont soutenu ce travail comprenaient une bourse postdoctorale de la National Science Foundation en biologie pour l'exercice 2014, le prix n° DBI-1402456 (AWF, PWW) https://www.nsf.gov/ et un Smithsonian Mpala Postdoctoral George E. Burch Fellow au Parc zoologique national, Smithsonian Institution (AWF, DJM, SM) https://www.smithsonianofi.com/fellowship-opportunities/mpala-postdoctoral-fellowship/. DKN a été soutenu par la National Geographic Society et la Fondation Rufford. SM Thumbi reçoit un soutien financier du Wellcome Trust (numéros de subvention 110330/Z/15/Z). Certains membres du personnel (EMF, DM, autre personnel de l'ILRI) impliqués dans cette étude ont été soutenus par le UK Medical Research Council, le Biotechnology and Biological Science Research Council (UK), le Economic and Social Research Council (UK), le Natural Environment Research Council ( Royaume-Uni), par le biais de l'Initiative d'écologie environnementale et sociale des maladies infectieuses humaines (ESEI), référence de la subvention : G1100783/1. Ce personnel a également été soutenu en partie par le Programme de recherche du CGIAR sur l'agriculture pour la nutrition et la santé (A4NH), dirigé par l'Institut international de recherche sur les politiques alimentaires (IFPRI), nous remercions les donateurs du Fonds du CGIAR (https://www.cgiar.org/ bailleurs de fonds/). Un soutien financier a également été fourni par Mpala Wildlife Foundation, Laikipia Ranches and Conservation Community and Conservancies, Veterinarians International, D. et C. Keller, Bruce L. et G. et J. Wintroub. Les bailleurs de fonds n'ont joué aucun rôle dans la conception de l'étude, la collecte et l'analyse des données, la décision de publier ou la préparation du manuscrit.

Intérêts concurrents : J'ai lu la politique de la revue et les auteurs de ce manuscrit ont les intérêts concurrents suivants : l'appartenance à un gouvernement ou à un autre conseil consultatif lié à l'élimination de la rage (DKN, MM, SMT, LM et EMF) et des relations avec des organisations et des organismes de financement, y compris organisations non gouvernementales, instituts de recherche ou associations caritatives (AWF, DKN, WK, DK, SM et DJM).


Matériels et méthodes

Zone d'étude

Le Costa Rica (Fig 1) est un pays disposant d'un ensemble de données fiables sur les morsures de serpents, où le système de santé publique intègre des centres médicaux sur tout son territoire et un système de sécurité sociale bien établi [22]. Dans ce pays, la déclaration des morsures de serpent est obligatoire et les statistiques sur l'envenimation par les serpents sont cohérentes [23]. En outre, le Costa Rica abrite l'Instituto Clodomiro Picado de l'Université du Costa Rica, un centre de recherche et une installation de production d'antivenin qui garantit que l'antivenin est accessible et disponible sur tout le territoire national. Toutes ces caractéristiques font du Costa Rica un pays idéal pour évaluer, paramétrer et évaluer un modèle mathématique permettant de prédire l'incidence des morsures de serpent.

Application de la loi d'action de masse pour prédire les morsures de serpent

La loi d'action de masse stipule que le nombre de rencontres entre deux populations est proportionnel à la multiplication de leurs tailles [15]. Nous pouvons appliquer cette loi aux morsures de serpent, où le nombre total de rencontres entre les serpents venimeux et les humains exposés sera proportionnel à la taille de chaque population. Ensuite, si nous multiplions ces rencontres par la probabilité conditionnelle qu'une rencontre se termine par une morsure, nous pouvons estimer l'incidence des morsures de serpent : (1) Où le sous-indice je désigne l'unité administrative dans laquelle le modèle sera appliqué, θ est la probabilité conditionnelle qu'une morsure de serpent se produise lors d'une rencontre, β est le taux de contact entre humains sensibles (Sje) et les serpents venimeux (Vje), et jeje est l'incidence prévue.

Une limitation du modèle proposé dans l'équation 1 est de quantifier l'abondance des serpents venimeux sur le terrain (Vje), ce qui nécessite un effort d'échantillonnage considérable [24]. Pour surmonter cette limitation, on peut multiplier le taux de contact entre les humains sensibles et les serpents venimeux (β) avec l'abondance des serpents venimeux (Vje) pour obtenir une nouvelle variable (Fje) qui représente la fréquence de rencontre avec des serpents venimeux par humain et par unité de temps. Cette nouvelle variable est plus facile à estimer sur le terrain car elle ne nécessite qu'un recensement des serpents venimeux normalisé par l'heure-homme d'effort d'échantillonnage au lieu de l'abondance absolue des serpents. Le modèle proposé incorporant la nouvelle variable est : (2) Où le sous-indice je désigne l'unité administrative échantillonnée - dans ce cas les districts, qui sont l'unité administrative la plus fine au Costa Rica, α est l'interception, Fje est la fréquence de rencontre avec les serpents venimeux, et Sje est la population humaine sensible calculée à partir de la population rurale déclarée à partir des données du recensement de 2000 (http://www.inec.go.cr/). Le nouveau paramètre α permet à la moyenne des résidus de régression d'être égale à zéro [25]. Par conséquent, la somme des valeurs prédites sera égal à la somme des valeurs observées (c'est-à-dire la valeur prédite nationale l'incidence sera égale à la nationale incidence). Nous avons utilisé les données annuelles sur l'incidence des morsures de serpent de 1990 à 2007 rapportées par la Sécurité sociale du Costa Rica (Caja Costarricense del Seguro Social, CCSS), et nous avons estimé la fréquence de rencontre (Fje) sur la base du travail de terrain.

Estimation de la fréquence de rencontre avec les serpents venimeux (Fje)

Sur 146 espèces de serpents au Costa Rica, 24 sont cliniquement pertinentes, dont sept serpents corail (famille Elapidae) et 17 vipères (famille Viperidae) [26]. Parmi les vipères des fosses, le terciopelo (Bothrops asper, Fig 2) est responsable de plus de 70 % des cas de morsures de serpent dans la région, en raison de sa forte abondance relative et de sa capacité à s'adapter aux environnements perturbés [20,21]. Cette espèce est répartie le long des basses terres humides du Mexique et de l'Amérique centrale jusqu'au nord de l'Amérique du Sud, où on la trouve couramment dans les champs agricoles ou à proximité des établissements humains [21,27]. Nous avons choisi cette espèce pour tester le modèle proposé car elle provoque la plupart des morsures de serpent.

Cette espèce est responsable de la plupart des envenimations par morsures de serpents tout au long de son aire de répartition. Il est distribué dans les basses terres humides du sud du Mexique au nord-est de l'Amérique du Sud. La photographie a été prise par Bravo-Vega CA.

Estimer Fje (Eq 2), nous avons établi la distribution de B. asper au Costa Rica, puis nous avons déterminé la fréquence de rencontre en recherchant B. asper dans sa distribution (voir la description du travail de terrain ci-dessous).

Distribution de B. asper au Costa Rica

Pour estimer la distribution potentielle de cette espèce, nous avons effectué une modélisation de niche environnementale avec Maxent (algorithme d'entropie maximale [28]) en raison de sa haute performance lorsque seules des données d'occurrence sont disponibles, et de sa capacité à discriminer entre les zones appropriées et inappropriées. Nous avons obtenu B. asper les données de présence des enregistrements de localité à l'Instituto Clodomiro Picado, et nous avons utilisé les données environnementales de la base de données Bioclim sur le serveur WorldClim (http://www.worldclim.org/bioclim) [29]. Le modèle de distribution des espèces a été exécuté en utilisant le package dismo dans R [30,31]. Pour évaluer la précision du modèle, nous avons calculé une courbe ROC (Receiver Operating Characteristic) basée sur 1000 points de fond de « pseudo-absence » aléatoires et calculé les taux de vrais et de faux positifs. Avec ces taux, l'aire sous la courbe ROC (AUC) a été calculée, et enfin les performances du modèle ont été comparées à une prédiction randomisée utilisant les mêmes données environnementales [28].

Pour générer une carte de présence/absence basée sur les résultats de Maxent, nous avons sélectionné le seuil qui a un taux d'omission nul avec la zone de présence maximale prévue [32], et nous avons supprimé les zones au-dessus de 1200 m.a.s.l., la limite d'altitude la plus élevée signalée pour B. asper au Costa Rica [33]. Les cartes de distribution ont été créées à l'aide du logiciel Quantum GIS (QGIS) [34].

Fréquence des rencontres d'échantillonnage (travail sur le terrain)

Une série d'enquêtes de recherche active de serpents ont été menées pendant la saison sèche (janvier à avril) et la saison humide (août à novembre) en 2017 sur 12 sites d'échantillonnage au Costa Rica, répartis en six dans le versant Pacifique et six dans les Caraïbes. versant (Fig 3). Les sites étaient répartis uniformément entre trois plages d'altitude : 0 à 400 m, 400 à 800 m et plus de 800 m. Cette sélection a été effectuée parce que les populations de B. asper varie entre les deux versants [35], et leur abondance pourrait diminuer avec l'altitude [21,36]. De plus, avec des sites d'échantillonnage sélectionnés, nous avons couvert la plupart des écorégions où B. asper est présent au Costa Rica : la zone Caraïbes, la zone nord, la zone pacifique centrale et la zone pacifique sud [37]. Nous n'avons manqué que la plaine de Guatuso. Étant donné que ces écorégions ne sont pas très hétérogènes, nous avons supposé que la fréquence de rencontre mesurée dans des sites d'échantillonnage sélectionnés pouvait être extrapolée à l'ensemble de la distribution prévue.

Chaque symbole correspond à un emplacement d'échantillonnage. Les cercles sont des emplacements d'échantillonnage dans le versant du Pacifique, tandis que les triangles représentent des emplacements dans le versant des Caraïbes. Les symboles verts sont les emplacements des basses terres (altitude inférieure à 400 m.a.s.l.), les symboles bruns sont les emplacements des moyennes terres (altitude entre 400 m.a.s.l. et 800 m.a.s.l.), et les symboles blancs sont les emplacements des hautes terres (altitude supérieure à 800 m.a.s.l.). Les zones grises sont des endroits où le modèle de niche environnementale a prédit l'absence de l'espèce étudiée. Les autres couleurs de la carte montrent la valeur de la fréquence de rencontre extrapolée. La fréquence des rencontres était plus élevée dans le versant du Pacifique que dans les Caraïbes, et elle a tendance à diminuer avec l'altitude. La carte a été produite à l'aide du système d'information géographique QGIS, Open Source Geospatial Foundation Project. http://qgis.osgeo.org.

Sur chaque site, nous avons recherché B. asper la nuit pendant les périodes de nouvelle lune à travers trois types d'occupation du sol : les zones perturbées ouvertes (je.e. pâturages ou cultures), zones fermées à canopée perturbée (je.e. banane plantain, palmier à huile ou canne à sucre) et forêt non perturbée. L'effort d'échantillonnage était d'au moins dix heures-personnes par type de couverture végétale et par site. Le nombre d'individus observés a été enregistré et normalisé par des heures-homme de recherche active, puis nous avons extrapolé cette fréquence de rencontres en fonction de la distribution prévue, des seuils d'altitude et du versant. Enfin, nous avons calculé la fréquence de rencontre moyenne spatiale pour chaque district (Fje).

Calibrage du modèle

Nous avons supposé que B. asper était responsable de tous les cas de morsures de serpent car il a une incidence très élevée d'envenimation. Pour calibrer notre modèle, nous avons effectué une régression linéaire entre Fje × Sje (obtenu comme décrit ci-dessus) et l'incidence rapportée par le CCSS en utilisant des intervalles de confiance et de prédiction de 99 %. La taille de notre échantillon se composait de 193 districts où des morsures de serpents ont été signalées. La pente de la régression est le paramètre θ, et l'interception est le paramètre α (Éq 2). Pour évaluer le modèle, nous avons calculé le r carré en utilisant un niveau de confiance de 99 % et nous avons effectué un test de corrélation du moment du produit de Pearson entre les résidus du modèle et les valeurs prédites.

Pour tester les performances du modèle par rapport à différentes hypothèses, nous l'avons comparé à quatre modèles différents : je) Un modèle avec l'ensemble d'interception égal à zéro, ii) Un modèle linéaire entre l'incidence et la population rurale, iii) Un modèle linéaire entre l'incidence et la fréquence de rencontre moyenne par district, et iv) Un modèle linéaire multiple d'incidence en fonction de la population rurale et de la fréquence de rencontre moyenne par district. Pour comparer les cinq modèles, nous avons utilisé le r carré et le critère d'information d'Akaike (AIC). Ce critère prend en compte le compromis entre les performances de prédiction du modèle et le nombre de paramètres, où le modèle avec l'AIC le plus faible sera le modèle préféré [38].


Résultats

Population totale de moutons écossais

Le nombre total de moutons dans le recensement agricole de juin écossais a augmenté de 4 % entre 2015 et 2017, lorsque le nombre culmine à un peu moins de 7 millions (tableau 1). Les moutons sont inégalement répartis dans toute l'Écosse, les densités de moutons/hectare dans la paroisse variant de 0 dans quelques zones urbaines à un maximum de 8 (figure 1A). Des densités plus élevées de moutons sont concentrées dans la partie sud du pays (Borders, Clyde Valley et Dumfries et Galloway) et dans une moindre mesure sur la côte est (Highlands, Grampian et Tayside) et les îles Shetland (Figure 1A).

Tableau 1. Résumé annuel global de la population ovine écossaise, nombre d'établissements impliqués dans tout mouvement de moutons en Écosse et nombre de ces mouvements de moutons par lot, mouton et destination et en % du total pour 2015�, inclus.

Figure 1. (A𠄽) Répartition spatiale des populations de moutons en utilisant 2017 comme année d'exemple. (UNE) Population totale de moutons écossais et (B) Scottish Slaughter Sheep Population (SSSP), à la fois en moutons/hectare par paroisse en catégories par quintile. (C) Moutons écossais abattus en Ecosse (SISP) et (RÉ) Moutons écossais abattus en dehors de la population écossaise (S0SP) à la fois en pourcentage de la SSSP par hexagone de 115 km 2 .

Mouvements totaux de moutons écossais

Lorsque le nombre de mouvements de moutons calculé à partir des enregistrements de lots et des enregistrements individuels lus au niveau des animaux a été comparé, il y avait, en moyenne, 20 % de moutons en plus et 4,8 % de lots en plus enregistrés dans les données de lot pour chaque année étudiée. Il y avait en moyenne 15 % de moutons trouvés dans les données de lots qui n'avaient pas de lectures individuelles associées au niveau animal et une moyenne de 4 % d'animaux individuels manquaient en raison de lectures erronées.

Plus d'un tiers (35 %) des exploitations dans les données sur les déplacements des moutons n'avaient aucune donnée spatiale associée à l'enregistrement. Selon les années, le nombre total d'exploitations transportant des moutons vers et/ou depuis l'Écosse variait entre 15 107 et 15 906, la majorité des exploitations impliquées dans ces mouvements étaient situées en Écosse (moyenne sur 4 ans = 79 %, tableau 1).

Une moyenne de 288 496 lots déplacés par an, dont la moitié (49,7 %) se sont déplacés entièrement en Écosse. En moyenne, un peu moins de la moitié (48,1 %) sont originaires d'Écosse et ont traversé la frontière, avec seulement un petit pourcentage de lots (2,2 %) entrant en Écosse. Cependant, ce dernier pourcentage a plus que doublé en 2017 et 2018 par rapport à 2015 et 2016 (tableau 1).

En termes d'animaux individuels, une moyenne de 4 514 194 moutons déplacés chaque année, avec le plus grand pourcentage (48,5%) se déplaçant entièrement en Écosse. Cependant, le pourcentage qui a emménagé en Écosse était plus élevé que lorsqu'il était considéré comme des lots avec une moyenne de 6,7% (tableau 1).

La gamme de tailles de lots composant les mouvements de moutons en 2015� était large et asymétrique (Figure supplémentaire 1). La taille moyenne des lots pour tous les mouvements à l'intérieur et à l'extérieur de l'Écosse était similaire. Cependant, celui des mouvements vers l'Écosse était nettement plus important (p < 0,0001) par rapport aux mouvements à l'intérieur et à l'extérieur de l'Écosse (tableau 2). Les probabilités moyennes de mouvements totaux vers l'Écosse étaient 3,7 fois plus élevées que celles des autres classes de mouvements. De même, les tailles des lots d'abattage entrant en Écosse ont des chances 4,2 fois plus importantes que les lots d'abattage entrant en Écosse et 8,3 fois plus importantes que celles sortant d'Écosse.

Tableau 2. Statistiques récapitulatives des tailles de lots pour les mouvements de moutons écossais 2015�.

Il y avait une variation saisonnière du nombre de moutons déplacés avec un pic important en septembre (figure 2A). Il y a eu un pic plus faible au premier trimestre de l'année, généralement en mars et les plus faibles nombres de moutons ont été déplacés en juin. La tendance était relativement constante d'une année sur l'autre, avec quelques changements d'ampleur d'une année à l'autre. Sur la période d'étude, le nombre de mouvements composant le pic d'automne a diminué de 19 %, par rapport à 2015, tandis que le pic de printemps est resté assez constant tout au long de 2015�. Cependant, ce pic printanier a diminué de 10 % en 2018, alors que le nombre de mouvements en mars était comparable à celui de janvier 2018 (figure 2).

Figure 2. (A, B) Le nombre de moutons déplacés par mois civil pour chaque année 2015 à 2018. (UNE) Population totale de moutons, (B) Ovins à l'abattage (SSSP).

Populations écossaises d'abattage de moutons

Environ un tiers de la population ovine écossaise est allé à l'abattoir chaque année (SSSP, tableau 3) de la période d'étude, dans (en moyenne) 63 abattoirs britanniques. Plus d'un tiers de ces abattoirs (m = 22, 35%) étaient situés en Ecosse. Bien que le nombre d'abattoirs abattant des moutons d'origine écossaise ne change pas de façon marquée, il y avait quelques différences quant aux abattoirs qui fonctionnaient chaque année.

Tableau 3. Nombres et pourcentages de moutons dans les populations d'abattage de moutons écossais 2015&# x020132018.

En moyenne, 8 543 établissements écossais distincts par an ont fourni des moutons aux abattoirs de Grande-Bretagne. Un quart de ces établissements (25 %) n'approvisionnaient que des abattoirs écossais environ un quart (26 %) approvisionnaient uniquement des abattoirs non écossais, tandis que le rappel—un peu moins de la moitié (49 %) approvisionnaient des abattoirs en Écosse et aux Pays-Bas. reste de GB. Environ la moitié des moutons écossais abattus en un an (SSSP) sont abattus en Écosse (SISP, tableau 3).

Le nombre le plus faible de déplacements de moutons vers l'abattage a eu lieu entre mai et juin de chaque année (figure 2B). Il y avait un pic annuel en mars. Plus tard dans l'année, entre août et novembre, le pic du nombre de mouvements d'abattage de moutons était plus plat (figure 2B) que celui du nombre total de mouvements de moutons (figure 2A).

Analyse spatiale descriptive

Les populations d'abattage écossais

Bien que globalement similaire, la répartition de la population de moutons écossais d'abattage (SSSP, figure 1B) différait de celle de la population totale de moutons (figure 1A). Il était généralement plus diffus. Il y avait des foyers spécifiques de densités plus élevées dispersés dans les régions du nord-est, du centre et du sud. Les parts les plus importantes du SSSP provenaient immédiatement de Grampian (22,9 %), de Dumfries et Galloway (14,2 %) et des Scottish Borders (14,1 %, figure 3A). Au cours des 4 années de la période d'étude 2015�, il ne semble pas y avoir eu de changements majeurs dans la répartition géographique de la population écossaise de moutons abattus (données non présentées). Pour les codes de région et l'emplacement, voir la figure supplémentaire 2.

Figure 3. (A, B) Répartition régionale des populations de moutons écossais. (UNE) Nombres de la population totale de moutons (Recensement agricole de juin 2017) et de la population écossaise d'abattage de moutons (SSSP) 2017 par région (B) Pourcentage des SSSP abattus en Écosse (SISP) et hors de l'Écosse (SOSP) par région.

Les origines immédiates des moutons SISP originaires d'Écosse et envoyés à l'abattoir dans un abattoir écossais n'étaient pas uniformément réparties dans toute l'Écosse (figure 1C). Chaque année, un plus grand pourcentage de moutons SSSP des Highlands, des Orcades et des îles Shetland, des îles de l'Ouest, de Grampian et du centre-est ont été abattus en Écosse qu'ailleurs en Grande-Bretagne. Pour la plupart des régions centrales et méridionales, l'inverse est vrai (figures 1C, D, 3B).

Classements des abattoirs

Classés par débit de SSSP, en termes de nombre de moutons par an, les quatre mêmes abattoirs ont dominé le classement tout au long de la période d'étude (2017 illustré à la figure 4A). Chaque année, sept abattoirs britanniques recevaient chacun plus de 5 % du SSSP et, à eux tous, traitaient environ les deux tiers de cette population (Figure 4B). Bien que l'abattoir le mieux classé (A) soit resté le même, avec un débit moyen de 19% du SSSP par an, les six autres abattoirs ont légèrement changé, tout comme leur rang (Figure 4B). Quatre de ces abattoirs les mieux classés étaient situés en Écosse (A, D, E et F). Ils ont reçu plus d'un tiers (37,5 %), en nombre d'ovins, du SSSP (Figure 4A).

Figure 4. (A, B) Classement des abattoirs par débit de nombre de la population écossaise d'abattage de moutons (SSSP) par an (UNE) Abattoirs avec plus de 5% en 2017 et leur localisation. (B) Classement temporel sur la période d'étude des Abattoirs avec un débit supérieur à 5%.

Si le débit du SSSP était estimé en termes de nombre de mouvements de lots plutôt que de nombre de moutons, le classement des abattoirs britanniques ayant reçu des moutons du SSSP différait. La majorité des établissements les mieux classés se trouvent en dehors de l'Écosse (données non présentées).

Les quatre principaux abattoirs écossais (A, D, E, F) ont reçu ensemble un peu plus des quatre cinquièmes (81 %) de la population d'ovins d'abattage écossais (SSSP) qui ont été abattus en Écosse (SISP) 2017 (Figure 5).

Figure 5. Les zones de chalandise des quatre principaux abattoirs d'Écosse sont classées par débit en nombre d'ovins en pourcentage d'ovins d'abattage écossais, abattus en Écosse (SISP) en 2017.

Bassins versants des abattoirs

Chaque zone de chalandise des abattoirs écossais était différente. Il y avait un certain chevauchement entre certains abattoirs et il y avait de légères variations dans la répartition de la population d'approvisionnement au cours de la période d'étude. Cependant, les bassins versants restent généralement relativement discrets et stables sur cette période de 4 ans. Les zones de chalandise des quatre abattoirs écossais les mieux classés fournissent respectivement 40, 15, 14 et 12% du SISP. En combinaison, la zone résultante a donné une couverture substantielle de la distribution spatiale continentale du SISP (comparer la figure 5 avec la figure 1C). Certains des plus petits abattoirs en termes de débit avaient des bassins versants très localisés, en particulier ceux situés sur la côte ouest, les îles de l'Ouest, les Orcades et les îles Shetland (parcelles non représentées).

Saisonnalité des bassins versants

Il y avait des différences saisonnières dans la distribution spatiale des locaux fournissant les moutons à l'abattage. Par exemple : le mouvement de tous les moutons fournis des Western Isles vers l'abattoir A s'est produit au troisième trimestre (juillet à septembre), tandis que les moutons du nord-est des Highlands (région de Caithness) et des Orcades avaient tendance à se déplacer vers l'abattoir au quatrième trimestre. (Octobre à décembre, figure 6).

Figure 6. Répartition spatiale de la source du débit annuel de l'Abattoir A par trimestre civil pour 2017 en (% du débit total d'un hexagone, janvier–mars avril–juin juillet–septembre octobre𠅍écembre).

Un exemple de l'enquête sur la résistance aux antimicrobiens 2017/18

L'abattoir utilisé pour l'enquête AMR (Abattoir A) était l'abattoir écossais avec le plus grand débit de moutons. Au cours de la période de 4 ans de l'analyse des mouvements de moutons, cela représentait en moyenne 19 % du total des moutons écossais abattus chaque année et 38 % des moutons abattus en Écosse (SISP), en termes de nombre de moutons. The catchment area covered north-eastern Scotland and included some of the Borders and eastern Central Belt (Figure 7A). This slaughterhouse did not receive, or received few SISP sheep from the West Coast, Highlands, the Islands (Shetland, Orkney and Western Isles), the west Borders (Dumfriesshire, Clyde Valley), and central areas (Perthshire and Fife). A total of 7,771 distinct holdings throughout Scotland contributed to the SISP during the AMR study period, of which 1,023 were in the catchment area of slaughterhouse A.

Figure 7. Distribution of Slaughterhouse A's throughput during the AMR survey period, on a holding basis (UNE) as a % of the holdings that supplied sheep to the Slaughtered in Scotland Population (SISP) in that period (B) degree of sampling achieved.

Based on the CPH of the 388 fecal sample records, these samples came from 216 distinct holdings. Two samples had no CPH identifier. There were multiple samples from some holdings (Min = 1, Q1 = 1, Median = 2, Mean = 2, Q3 = 3, Max = 6). Two holdings, each supplying one sample, were omitted from the analysis because they were located outside Scotland (Northumberland).

When the spatial distribution of the sampled holdings was compared to the distribution of holdings from the slaughterhouse catchment area, 52% of the grid cells in the catchment area were deemed to be adequately sampled, 45% were not sampled and the remaining 3% were oversampled (Figure 7B).

The parts of the catchment area that were not sampled included the Shetland Islands and Western Isles, the western part of the northwest part of the northeastern area (around Inverness), the central east coast area (Angus and Fife) and the Central Borders area (Figure 7B). The catchment area already had low coverage of the SISP sheep, in all of these areas except the northwest part of the northeastern area (Figure 7A). As was seen earlier in the results, the SISP was not, in itself, spatially representative of the Scottish slaughter sheep population, due to the distribution of the 𠇎scaped” population, i.e., those that go to be slaughtered out-with Scotland (SOSP, Figures 1C,D).

Non-slaughter Sheep Movements Within Scotland

Excluding moves to slaughter, it was estimated that over a million (1,119,542) sheep were moved within Scotland in 2017. In general, the volume of sheep movement off Scottish holdings was much higher than the on-movement. The largest number of sheep were recorded as moving from premises within three regions Grampian, Dumfries and Galloway and Clyde Valley (34, 20, and 13% of total sheep moved, respectively during the year, Figure 8A). Internal movements within each of these regions accounted for 38, 76, and 16%, respectively, of the number of sheep that departed from a holding within that region (Figure 9A). For most regions high numbers of sheep moved internally within the region over the year (the squares on the diagonal from top left to bottom right, Figure 8A). However, more sheep movements occurred from Lothian to Tayside than within Lothian. A large number of sheep in the Western Isles moved either within the Western Isles or to Highland (Figure 8A), with the highest percentage moving to Highland (Figure 9A).

Figure 8. The numbers of sheep moved in non-slaughter related Scottish moves during 2017 (UNE) from departure region to destination region in 2017 (B) from departure region to destination region in each quarter of 2017 (January–March April–June July–September, October�mber).

Figure 9. The numbers of sheep moved during 2017 (UNE) to a region (destination) as a % of total sheep moved from a region (departure) (B) from a region (departure) as a % of total sheep moved to a region (destination) i.e., horizontal line = 100%.

Regions that were the destination for the highest number of sheep in 2017 were Highland plus Dumfries and Galloway, each with 17% of the total numbers of sheep moved Grampian was the third most popular destination with 16% (Figure 8A). Many of these were from internal moves within the region: just over a quarter of moves (26%) with a Highland destination, came from within Highland (Figure 9B). This was lower than in Dumfries and Galloway and Grampian, where internal moves account for 89 and 81%, respectively.

Seasonality of Non-slaughter Sheep Moves Within Scotland

There was a seasonal difference in the numbers of non-slaughter sheep moved within Scotland (Figure 8B January–March = 15%, April–June = 11%, July–September = 47% and October-December = 27% of the total number of sheep moved throughout 2017). However, there was also a seasonal difference between how the sheep moved between regions (Supplementary Figures 3A,B), two examples of which are described below.

Example 1: in the first half of the year (January–March and April–June) Grampian and Dumfries and Galloway sent and received most sheep overall. In the third and fourth quarter, while they still sent the most sheep, Highland became the region receiving most sheep from other Scottish regions. Example 2: in the first quarter, sheep from the Shetland Islands only moved within the Shetland Islands and a small proportion of sheep moved into the Shetland Islands from elsewhere. However, in the second half of the year, although sheep from the Shetland Islands still moved predominantly within Shetland, they also moved out to other destinations. These were Grampian in both the third and fourth quarters, Tayside in the third and the Orkney Islands in the fourth quarter (Supplementary Figures 3A,B).


Remerciements

Waves 1–3 Data: Southern Africa Labour and Development Research Unit. National Income Dynamics Study. Cape Town: Southern Africa Labour and Development Research Unit (producer), 2015. Cape Town: DataFirst (distributor), 2015. We thank Lynn Woolfrey at DataFirst at the University of Cape Town. AT was supported by SA MRC Flagship Grant (MRC-RFAUFSP-01-2013/UKZN HIVEPI) and National Institutes of Health Research Training Grant (R25TW009337), funded by the Fogarty International Center and the National Institute of Mental Health. AV was supported by SA MRC Flagship Grant (MRC-RFAUFSP-01-2013/UKZN HIVEPI). FT was supported by South African MRC Flagship (MRC-RFA-UFSP-01-2013/UKZN HIVEPI) and NIH Grants (R01HD084233 and R01AI124389) as well as a UK Academy of Medical Sciences Newton Advanced Fellowship (NA150161). The study was also supported by University of KwaZulu-Natal funding to RS. The content is solely the responsibility of the authors and does not necessarily represent the official views of the SA MRC, UK Academy of Medical Sciences or the NIH. All authors declare that they have no conflicts of interest.


Materials and methods

To directly compare the impact of SBV on the 2016/2017 lambing season with that reported in 2011/2012 a questionnaire was designed to closely match that of Harris and others.16 Additional questions were designed by the authors. The questionnaire was tested by four sheep farmers and feedback incorporated into the final questionnaire (online supplementary information). Questionnaire participation was voluntary and open to all UK sheep farmers. The final version was launched online on March 24,� using SurveyMonkey (California, USA). The online questionnaire was publicised periodically through Twitter, with support from AHDB Beef and Lamb, Sheep Veterinary Society and the APHA. A link to the online questionnaire was also handed out by veterinary students from both universities while on Easter lambing placements. A further 250 questionnaires were sent out by the APHA to farmers who had submitted samples for SBV testing in England and Wales on June 1,�.

A total of 32 questions were asked to determine farm demographics, lambing productivity and mortality, ewe mortality, vaccination history, the farms’ SBV status and farmers’ perception towards the impact of SBV on flock welfare, financial performance and the farmers’ own emotional wellbeing. The farms’ SBV status was determined by responses to two questions within the questionnaire and coauthors’ opinions of additional comments. The categories were:

SBV confirmed: Farms where a suspected lamb was confirmed positive for SBV by laboratory testing (at the time of the study the APHA were offering the RT-PCR testing of cerebral cortex or fresh brainstem from lambs).

SBV suspected: SBV was suspected by the farmer or their veterinarian. This includes farms that had positive testing of ewe blood samples for ELISA serology, and those that had lambs sent off for laboratory testing (with relevant clinical signs) that were not confirmed positive.

SBV not suspected (by respondent): No report of suspected SBV (based on a lack of farmer observed clinical signs) and did not send off any samples for SBV testing.

Data analysis

All online results were downloaded from SurveyMonkey on June 19,�. All paper versions were manually entered to create a master copy. Responses were checked for consistency, any insufficiently completed responses were removed from the working copy.

Mortality definitions

To allow direct comparison to the previous 2011/2012 study16 the same calculations and definitions were applied, briefly:

Lamb mortality (%)=100*(lambs dead from any cause within one week/total lambs born)

Lambing mortality (%)=100*(lambs dead from any cause within one week/non-barren ewes)

Ewe mortality (%)=100*(number of ewes that died during lambing/non-barren ewes)

Responses for farm demography, lambing productivity, lamb mortality, ewe mortality and the farmers’ impact perception questions were compared across SBV categories. All maps were created in QGIS V.2.2.0 and all statistical analyses were completed in R, V.3.4.1.23 24 Analysis of variance (ANOVA) and Tukey’s honestly significant difference post hoc tests were used to compare differences across the SBV categories for continuous data. If the Levene’s test for homogeneity of variance was significant the alternative Welch test was used with a Games-Howell post hoc test. For categorical data and vaccination history, Pearson’s χ 2 tests were completed. Where the assumptions of the χ 2  were violated a Fisher’s exact test was used.

Malformation definitions

Farmers were asked to describe any malformations seen in lambs on farm, regardless of SBV status. These descriptions were then coded separately by the authors (JES, RET and JSD) into five groups previously described16 and ‘Other’. Themes resulting from the ‘Other’ group created two more groups: fused joints and eye-related deformities. The coding was undertaken blind and SBV category masked to reduce the possibility of bias. The coded results were then combined those that did not match exactly (n=33) were reviewed and a consensus reached between authors.


Résultats

Chrysops spp. points distribution

In total, 59 articles published between 1912 and 2013 with 313 location-specific data points across Central and West Africa were identified (Fig. 1). Of these, 28 data points were excluded due to lack of a precise location, and 99 data points excluded as they were repeats, i.e. vector collections conducted in the same place at different times. The remaining 186 data points were in Cameroon (m = 65), Nigeria (m = 48), Equatorial Guinea (m = 10), South Sudan (m = 2), Democratic Republic of Congo (DRC m = 43), Republic of Congo (Congo m = 16) and Gabon (m = 2) (Additional file 1: Table S1). Le vecteur C. silacea was recorded in 115 sites and C. dimidiata in 71 sites. The distribution of both vectors was similar, and they overlapped in many regions, particularly in Cameroon as shown in Fig. 2.

Diagram of methodology used in Chrysops data points

Map of Chrysops locations in the Central African countries

Climatic and topographical associations

The summary of the different long-term climate and elevation variables for each species in each country are shown in Table 1. Overall, the environmental parameters for C. silacea et C. dimidiata were similar and within defined ranges annual mean temperature (24.6 °C and 24.1 °C, respectively), mean temperature of the warmest quarter (25.7 °C and 25.1 °C), mean temperature of the coldest quarter (23.3 °C and 22.8 °C), annual precipitation (1848.6 mm and 1868.8 mm), precipitation in the wettest quarter (778.3 mm and 789.9 mm), precipitation in the driest quarter (94.5 mm and 100.5 mm) and elevation (368.8 m and 400.6 m). However, C. silacea was found to have a significantly higher annual mean temperature, mean temperature of the warmest quarter, mean temperature of the coldest quarter than C. dimidiata (U = -2.460 P = 0.014 U = -2.694 P = 0.007 and U = -1.999 P = 0.046, respectively). Overall, there were no significant differences between the vectors for the precipitation and elevation parameters. Interestingly, the country means range for the variables mean temperature of the warmest quarter and coldest quarter was 28 °C and 17 °C, respectively.

Comparisons between countries found that the C. silacea et C. dimidiata sites in Nigeria had a higher mean annual temperature (26.4 °C and 26.5 °C, respectively), higher annual precipitation (2063.5 mm and 2448.4 mm) and lower elevation (127.0 m and 39.4 m) than all other countries however, only a few data points were available for Equatorial Guinea, Gabon and South Sudan (Table 1).

Tree canopy associations

Examination of satellite images available in Google Earth found that 103 of the 186 sites (55.4%) had overt landcover changes and were excluded from tree canopy analysis. Two examples of sites with minimal landcover changes and two with overt landcover changes are presented in Additional file 2: Figure S1. The exclusion of the sites with overt changes resulted in 48 sites for C. silacea and 35 sites for C. dimidiata available for analyses and their distribution is shown in Fig. 1.

Overall the mean tree canopy height and canopy coverage for C. silacea sites were lower (22.4 m and 61.4%, respectively) than those for C. dimidiata sites (25.1 m and 66.9%) (Table 2) however, the differences were not statistically significant.

Comparisons between countries found that C. silacea highest mean canopy height was in Cameroon (29.0 m) and Equatorial Guinea (26.0 m), and the highest canopy coverage was in DRC (72.3%) and Congo (74.3%) however, only a few data points were available for Equatorial Guinea and South Sudan. For the C. dimidiata sites, the highest canopy height was found in DRC (28.0 m) and Equatorial Guinea (29.4 m), and the highest canopy coverage in DRC (73.2%) and Congo (74.3%) however, only a few data points were available for Nigeria (Table 2).

MaxEnt model and probability maps

The MaxEnt model included 83 sites (48 for C. silacea and 35 for C. dimidiata) and the mean annual temperature, annual precipitation, tree canopy height and tree canopy coverage variables. Pour C. silacea, the model had a mean training AUC of 0.911 ± 0.015 of 30 bootstrapping replications, and for C. dimidiata, the model had a mean training AUC of 0.941 ± 0.014, which demonstrated that both models had a robust prediction of the distribution of Chrysops vecteurs. The AUC plot for C. silacea et C. dimidiata are shown in Fig. 3a and b, respectively. The jackknife test for both species had similar variable contributions. Pour C. silacea, the annual precipitation was the most important variable if considered in isolation. However, if a multivariate model was considered, tree canopy coverage was the variable which when omitted reduced the fit of the model the most (Fig. 3c). Pour C. dimidiata, tree canopy coverage was the most important variable if considered in isolation. Furthermore, it was also the variable which reduced the fit of the model the most when it was omitted in a multivariate model (Fig. 3d). The permutation of the environmental variables in the model indicated that annual precipitation contributed the most for both C. silacea et C. dimidiata as shown in Table 3.

MaxEnt model results plots. une, b Area under the curve (AUC) plots of both species models. Red line shows the mean of the 30 replicate MaxEnt runs and blue area the mean ± one standard deviation. c, Jackknife test of regularized training gain. Dark blue columns show how would be the model gain using each variable in isolation. Light blue columns show how would change the model gain if the variable was excluded. The longest dark blue column turns to be the variable to have the most useful information by itself. The shortest light blue column appears to be the variable which has the most information that is not present in other variables

The response curves highlighted how prediction is affected by each variable. Both species had similar response curve distributions as shown in Fig. 4 a-h. The mean temperature for C. silacea indicated a broader temperature niche (Fig. 4a) than for C. dimidiata (Fig. 4b). The annual precipitation was similar for both species at 2700 mm however, the likelihood of C. silacea presence was reduced when precipitation was higher than 2700 mm (Fig. 4c), but this reduction was not observed for C. dimidiata (Fig. 4d). For both species, tree canopy coverage higher than 80% was not suitable (Fig. 4 e, f). Canopy height response curve was found to have high variation due to its low importance in the prediction (Fig. 4g, h).

Response curves of environmental variables in the two MaxEnt models for C. silacea (une, c, e, g) et C. dimidiata (b, , F, h). The plots represent a MaxEnt model created using only the corresponding variable. The curves show the mean response of the 30 replicate MaxEnt runs (red line) and the mean ± one standard deviation (blue area)

The predicted distribution of both Chrysops vectors from MaxEnt model is shown in Fig. 5a, b. Overall, the distributions were similar however, C. silacea had higher probabilities of occurrence than C. dimidiata. The areas with the highest suitability were in southern Nigeria, in southern-central and western Cameroon, in Bioko Island of Equatorial Guinea, all of Gabon, in southern-central Congo, in western and north-eastern DRC, in central CAR and northern Angola.

Predicted distribution maps for C. silacea (une) et C. dimidiata (b) vectors obtained from MaxEnt model data. Probability of occurrence is depicted in the form of percentages


Méthodes

I began by reviewing general summaries of bird distribution for the two northeastern states that appear to represent the leading edge of the southward expansion of Fox Sparrow breeding range: Maine, the bird life of which still has only a single definitive reference (Palmer, 1949), and New Hampshire, which has both an historical account of bird distributions (Allen, 1903) and an authoritative recent update (Keith & Fox, 2013). I also consulted two older accounts of the birdlife of New England (Samuels, 1875 Forbush, 1929). These accounts formed the basis for understanding the historic distribution of Fox Sparrow in Maine and New Hampshire.

I supplemented these historical accounts, and located more recent references to the species’ distribution, by searching Google Scholar with the string “(“fox sparrow” OR “passerella iliaca”) AND (“New Hampshire” OR Maine)”. I also manually searched for records of Fox Sparrow in regional reports for the northeastern US and southeastern Canada that appeared in American Birds and National Audubon Society Field Notes, published by the National Audubon Society, and North American Birds, published by the American Birding Association, from 1980–2006. These journals, a continuous series despite the changing titles and change in publishers, provide quarterly reviews of notable bird observations submitted from across North America, which are compiled and vetted by regional experts. American Birds covers the period 1980–1994, National Audubon Society Field Notes the period from 1994–1999, and North American Birds the period from 1999–2006. For records specific to New York, I manually searched the online archives (covering 2000–2016) of The Kingbird, the journal of the New York State Ornithological Association. Finally, I searched breeding bird atlases for Maine, New Hampshire, Vermont, and New York for any information pertaining to the presence of Fox Sparrows.

To describe and quantify recent changes in the incidence of Fox Sparrow reports during the breeding season, I used data submitted to eBird. To describe the current distribution, I used the July 2018 version of the eBird Basic Dataset, which includes both incidental (i.e., potentially incomplete checklists without associated information on observer effort) and complete-checklist records (i.e., checklists that include all species observed and that have an accompanying measure of observer effort).

To quantify temporal changes in the incidence of Fox Sparrow observations, I began by downloading the 2016 version of the eBird Reference Dataset (Fink et al., 2017), which includes only complete checklists and is zero-filled such that Fox Sparrows were treated as absent from any checklist without a positive record of the species. This download consisted of 14,728,627 checklists. I then filtered this dataset to include only checklists from June and July, which should eliminate nearly all records of migrant birds, as Fox Sparrow migration through the region occurs very early in April (Weckstein, Kroodsma & Faucett, 2002). The mean arrival date on the breeding grounds in Newfoundland, Canada, for example, was 9 April over a six-year period from 1973–1978 (Threlfall & Blacquiere, 1982). Regionally, the species is also a late fall migrant, with southward movements typically not beginning until mid- to late September (Weckstein, Kroodsma & Faucett, 2002). I further reduced the dataset by including only checklists from counties in the northern halves of Maine (Aroostook, Penobscot, Piscataquis, Somerset, Franklin, and Oxford) and New Hampshire (Coos and Grafton). I limited the analysis to this extent because it included nearly all of the potentially suitable habitat in both states, namely stunted krummholz forest on high mountaintops and young stands of balsam fir (Abies balsamea) and spruce (Picea spp.) regenerating after harvest in the region’s extensive commercial forestland. Next, I filtered out any checklists associated with survey protocols not compatible with detection of Fox Sparrows during the breeding season, in particular checklists with count types identified as “Yard Count”, “Loon Watch”, “My Yard eBird”, and “Pelagic” (although the former should be unnecessary given the geographic filters applied, some checklists in this filtered set were flagged as pelagic counts). I removed these checklists because, in surveying water bodies or residential areas, they cover environments impossible or unlikely to support breeding Fox Sparrows, although they accounted for only a small number of filtered records (1, 3, 6, and 13 checklists, respectively). Finally, I removed duplicate checklists generated by multiple observers birding together, first verifying that the number of Fox Sparrows recorded on each checklist matched. In 3 cases, Fox Sparrows were observed by only 1 member of a birding group (in all 3 cases, on the primary checklist) and in these cases I retained the checklist that included the observation of Fox Sparrow, the logic being that the bird was present even if only recorded on one of the group checklists. After applying these filters, I was left with 74,881 checklists, to which all subsequent analyses were applied (data available at https://doi.org/10.6084/m9.figshare.7283144.v1). I estimated the elevation for each complete checklist containing an observation of Fox Sparrows using a 30-m resolution digital-elevation model (Farr et al., 2007).

Analyzing the regional occurrence of Fox Sparrows in eBird checklists posed two problems. First, because of the species’ rarity and its localized distribution in the region, many checklists were submitted from the same locale on approximately the same date and presumably recorded the presence of the same individual or individuals. For example, when an individual was located on an accessible mountaintop, many birders would actively seek out that individual and submit a checklist recording its presence. As these are not independent observations, this phenomenon would potentially lead to an overestimate of the frequency with which the species is observed in the region. At the same time, the localized regional distribution of Fox Sparrows resulted in an exceedingly small proportion of checklists reporting the species.

To address both issues, rather than use the raw proportion of checklists with Fox Sparrow, I instead used as a dependent variable the proportion of 10 km 2 grid cells within the region that had at least one complete checklist containing Fox Sparrow. To accomplish this, I first overlaid a 10 km 2 grid atop the study area within the QGIS version 2.18 Geographic Information System (QGIS Development Team, 2016) and then determined whether each grid cell contained at least one complete checklist with a record of Fox Sparrow for each year. Doing so avoided the problem of treating multiple observations of the same bird as independent and also yielded clearer insight into large-scale changes in the occurrence of Fox Sparrow. The choice of the grid size was essentially subjective, but reflected a trade-off between cells that were too large to accurately quantify changes in distribution over time and cells that were too small to accurately record the location where Fox Sparrows were detected during traveling counts submitted to eBird (i.e., situations where an observer recorded birds in multiple grid cells on a single checklist the median length of a traveling checklist used in this analysis was 3.3 km and the mean length was 6.2 km). To test the sensitivity of the results to the choice of a size for the grid cells, I repeated the analysis described below using a 5 km 2 grid and found that the results were nearly identical (supplemental results of this analysis are available at https://doi.org/10.6084/m9.figshare.7300031.v1).

I analyzed changes in the proportion of grid cells occupied by Fox Sparrow over time using a generalized linear model, with the conditional distribution of the response variable assumed to be binomial (i.e., a grid cell did or did not contain a record of Fox Sparrow in that year). I included year as the predictor variable in the model. Any change in the proportion of cells with Fox Sparrow records could be due in part to increased observer effort over time, so I analyzed a second model that included both year and a measure of observer effort, which I quantified as the summed value of observation hours spent on each complete checklist in the grid cell. I used analysis of deviance to choose the preferred model for inference. I tested for overdispersion via a chi-squared test of the ratio of the squared sum of Pearson residuals to the residual degrees of freedom (Venables & Ripley, 2002). None of the models showed evidence of overdispersion (i.e., χ 2 P < 0.05), and as such I made no adjustments.

Although the measure of observer hours spent birding can help address the confounding effect of effort on the apparent frequency with which a rare species like Fox Sparrow is detected, it does not address changes in observer behavior that may increase the likelihood of encountering the species. For example, over time, birders may have become more adventurous in their explorations and more likely to visit the locales—remote mountaintops or commercial forestlands with limited access—potentially inhabited by Fox Sparrows. To address this potential source of confounding, I repeated the above analysis for two other species that occupy similar habitat as Fox Sparrows: Bicknell’s Thrush (Catharus bicknelli) and Blackpoll Warbler (Setophaga striata). Bicknell’s Thrush populations have likely been declining slowly in the region (Lambert et al., 2008 King et al., 2008) in recent decades, whereas Blackpoll Warblers have shown no significant trend in numbers (King et al., 2008), so any increase in the proportion of grid cells occupied by these species in the study area might reflect increased observer activity in habitat suitable for Fox Sparrows.

All analyses were conducted in R version 3.4.4 (R Core Team, 2018).


Les références

Myers, N., Mittermeier, R. A., Mittermeier, C. G., Da Fonseca, G. A., , and Kent, J., 2000. Biodiversity hotspots for conservation priorities. Nature 403(6772):853–858. Google Scholar

Brooks, T. M., Mittermeier, R. A., da Fonseca, G. A., Gerlach, J., Hoffmann, M., Lamoreux, J. F., Mittermeier, C. G., , and Rodrigues, A. S., 2006. Global biodiversity conservation priorities. Science 313(5783):58–61. Google Scholar

Olson, D. M., Dinerstein, E., Wikramanayake, E. D., Burgess, N. D., Powell, G. V., Underwood, E. C., D'amico, J. A., Itoua, I., Strand, H. E., Morrison, J. C., Loucks, C. J., Allnutt, T. F., Ricketts, T. H., Kura, Y., Lamoreux, J. F., Wettengel, W. W., Hedao, P., , and Kassem, K. R., 2001. Terrestrial ecoregions of the world: a new map of life on earth. BioScience 51(11):933–938. Google Scholar

Naidoo, R., Balmford, A., Costanza, R., Fisher, B., Green, R. E., Lehner, B., Malcolm, T. R., , and Ricketts, T. H., 2008. Global mapping of ecosystem services and conservation priorities. Proceedings of the National Academy of Sciences 105(28):9495–9500. Google Scholar

Williams, P., 2008. World heritage caves and karst. IUCN, Gland, Switzerland, 57. Google Scholar

Schilthuizen, M., 2004. Land snail conservation in Borneo: limestone outcrops act as arks. Journal of Conchology Special Publication 3:149–154. Google Scholar

Clements, R., Sodhi, N. S., Schilthuizen, M., , and Ng, P. K., 2006. Limestone karsts of Southeast Asia: imperiled arks of biodiversity. Bioscience 56(9):733–742. Google Scholar

Chua, L. S. L., Kiew, R., , and Chan, Y. M., 2009. Assessing conservation status of Peninsular Malaysian Begonias (Begoniaceae). Blumea-Biodiversity, Evolution and Biogeography of Plants 54(1-3):94–98. Google Scholar

Liew, T. S., Vermeulen, J. J., bin Marzuki, M. E., , and Schilthuizen, M., 2014. A cybertaxonomic revision of the micro-landsnail genus Plectostoma Adam (Mollusca, Caenogastropoda, Diplommatinidae), from Peninsular Malaysia, Sumatra and Indochina. ZooKeys 393:1–109. Google Scholar

Schilthuizen, M., , and Clements, R., (2008). Tracking extinction from space. Tentacle 16:8–9. Google Scholar

Schilthuizen, M., Liew, T. S., Elahan, B. B., , and Lackman-Ancrenaz, I., 2005. Effects of karst forest degradation on pulmonate and prosobranch land snail communities in Sabah, Malaysian Borneo. Conservation Biology 19(3):949–954. Google Scholar

Liew, T.S., 2015. Plectostoma sciaphilum. The IUCN Red List of Threatened Species 2015: e.T168180A77504770. http://dx.doi.org/10.2305/IUCN.UK.2015-1.RLTS.T168180A77504770.en. Downloaded 21 December 2015. Google Scholar

Vermeulen, J., , and Whitten, T., 1999. Biodiversity and cultural property in the management of limestone resources. World Bank, Washington, DC, 120. Google Scholar

Hussain, Z., Zakaria, M. R., , and Leman, M. L., 2008. Geoheritage of Malaysia. In: Geoheritage of East and Southeast Asia.Leman, M. S., Reedman, A., and Chen, S. P., (Eds.),149–184. Amang Press Sdn. Bhd, for LESTARI, Universiti Kebangsaan Malaysia. Google Scholar

Paton, J. R., 1961. A brief account of the geology of the limestone hills of Malaya. Bull Raffles Mus 26:66–75. Google Scholar

Price, L., 2001. Caves and karst of Peninsular Malaysia: a register. Gua Publications. Google Scholar

Price, L., 2015. Caves and karst of Peninsular Malaysia. A Register.2nd Edition. Berliner Höhlenkunliche Berichte Volume 54. Speläclub Berlin. Google Scholar

de Carvalho, O. A., Guimarães, R. F., Montgomery, D. R., Gillespie, A. R., Trancoso Gomes, R. A., de Souza Martins, É., , and Silva, N. C., 2013. Karst depression detection using ASTER, ALOS/PRISM and SRTM-Derived Digital Elevation Models in the Bambuí Group, Brazil. Remote Sensing 6(1):330–351. Google Scholar

Theilen-Willige, B., Malek, H. A., Charif, A., El Bchari, F., , and Chaïbi, M., 2014. Remote sensing and GIS contribution to the investigation of karst landscapes in NW-Morocco. Geosciences 4(2):50–72. Google Scholar

Kobal, M., Bertoncelj, I., Pirotti, F., Dakskobler, I., , and Kutnar, L., 2015. Using Lidar data to analyse sinkhole characteristics relevant for understory vegetation under forest cover-case study of a high karst area in the Dinaric Mountains. PloS one 10(3):e0122070. Google Scholar

Siart, C., Bubenzer, O., , and Eitel, B., 2009. Combining digital elevation data (SRTM/ASTER), high resolution satellite imagery (Quickbird) and GIS for geomorphological mapping: a multi-component case study on Mediterranean karst in Central Crete. Geomorphology 112(1):106–121. Google Scholar

Rajendran, S., , and Nasir, S., 2014. ASTER mapping of limestone formations and study of caves, springs and depressions in parts of Sultanate of Oman. Environmental Earth Sciences 71(1):133–146. Google Scholar

QGIS Development Team. 2015. QGIS Geographic Information System. Projet Open Source Geospatial Foundation. http://qgis.osgeo.org Google Scholar

Conrad, O., Bechtel, B., Bock, M., Dietrich, H., Fischer, E., Gerlitz, L., Wehberg, J., Wichmann, V., , and Böhner, J., 2015. System for automated geoscientific analyses (SAGA) v. 2.1.4, geoscientific model development, 8, 1991–2007 https://doi.org/10.5194/gmd-8-1991-201. Google Scholar

R Core Team. 2015. R: a language and environment for statistical computing. R Foundation for Statistical Computing, Vienne, Autriche. Available at http://www.R-project.org/ Google Scholar

Hansen, M. C., Potapov, P. V., Moore, R., Hancher, M., Turubanova, S. A., Tyukavina, A., Thau, D., Stehman, SV., Goetz, SJ., Loveland, TR., Kommareddy, A., Egorov, A., Chini, L., Justice, CO., , and Townshend, J. R. G., 2013. High-resolution global maps of 21st-century forest cover change. Science 342(6160):850–853. Google Scholar

Miettinen, J., Shi, C, Tan, W. J., , and Liew, S. C., 2012. 2010 land cover map of insular Southeast Asia in 250-m spatial resolution. Remote Sensing Letters 3(1):11–20. Google Scholar

Shimada, M., Itoh, T., Motooka, T., Watanabe, M., Shiraishi, T., Thapa, R., , and Lucas, R., 2014. New global forest/non-forest maps from ALOS PALSAR data (2007-2010). Remote Sensing of Environment 155:13–31. Google Scholar

Dong, J., Xiao, X., Sheldon, S., Biradar, C., Duong, N. D., , and Hazarika, M., 2012. A comparison of forest cover maps in Mainland Southeast Asia from multiple sources: PALSAR, MERIS, MODIS and FRA. Remote Sensing of Environment 127: 60–73. Google Scholar

Tropek, R., Sedláček, O., Beck, J., Keil, P., Musilová, Z., Šímová, I., , and Storch, D., (2014). Comment on “high-resolution global maps of 21st-century forest cover change”. Science 344(6187):981–981. Google Scholar

Hijmans, R. J., 2015. Raster: geographic data analysis and modeling. R package version 2.5-2. http://CRAN.R-project.org/package=raster Google Scholar

Bivand, R., Keitt, T., and Rowlingson, B., 2015. Rgdal: bindings for the geospatial data. Abstraction Library. R package version 1.1-3. http://CRAN.R-project.org/package=rgdal Google Scholar

Bivand, R., and Rundel, C., 2015. Rgeos: interface to geometry engine - open source (GEOS). R package version 0.3-15. http://CRAN.R-project.org/package=rgeos Google Scholar

Davison, G. W. H., and Kiew, R., 1990. Survey of flora and fauna of limestone hills in Kelantan, with recommendations for conservation. Kuala Lumpur, Worldwide Fund for Nature Malaysia. Google Scholar

Clements, R., Ng, P. K., Lu, X. X., Ambu, S., Schilthuizen, M., , and Bradshaw, C. J., 2008. Using biogeographical patterns of endemic land snails to improve conservation planning for limestone karsts. Biological conservation 141(11):2751–2764. Google Scholar

Chin, S. C., 1977. The limestone hill flora of Malaya I. Gardens' Bulletin Singapore 30:165–219. Google Scholar

Chin, S. C., 1979. The limestone hill flora of Malaya II. Gardens' Bulletin Singapore 32:64–203. Google Scholar

Chin, S. C., 1983. The limestone hill flora of Malaya III. Gardens' Bulletin Singapore 35:137–190. Google Scholar

Latinne, A., Waengsothorn, S., Rojanadilok, P., Eiamampai, K., Sribuarod, K., , and Michaux, J. R., 2012. Combined mitochondrial and nuclear markers revealed a deep vicariant history for Leopoldamys neilli, a cave-dwelling rodent of Thailand. PloS One 7(10): e47670. Google Scholar

Haskell, D. G., , and Pan, J. W., 2013. Phylogenetic analysis of threatened and range-restricted limestone specialists in the land snail genus Anguispira. Conservation Genetics 14(3):671–682. Google Scholar

Gao, Y., Ai, B., Kong, H., Kang, M., , and Huang, H., 2015. Geographical pattern of isolation and diversification in karst habitat islands: a case study in the Primulina eburnea complex. Journal of Biogeography 42(11):2131–2144. Google Scholar

Tuyet, D., 2001. Characteristics of karst ecosystems of Vietnam and their vulnerability to human impact. Acta Geologica Sinica (English Edition) 75(3):325–329. Google Scholar

Zhang, J., Chen, H., Su, Y., Shi, Y., Zhang, W., , and Kong, X., 2011. Spatial variability of surface soil moisture in a depression area of karst region. Clean–Soil, Air, Water 39(7):619–625. Google Scholar

Flavenot, T., Fellous, S., Abdelkrim, J., Baguette, M., , and Coulon, A., 2015. Impact of quarrying on genetic diversity an approach across landscapes and over time. Conservation Genetics 16(1):181–194. Google Scholar

Foody, G. M., 2014. Rating crowdsourced annotations: evaluating contributions of variable quality and completeness. International Journal of Digital Earth 7(8):650–670. Google Scholar

Margules, C. R., , and Pressey, R. L., 2000. Systematic conservation planning. Nature 405(6783): 243–253. Google Scholar

Butler, D., 2006. Virtual globes: the web-wide world. Nature 439:776–778. Google Scholar


Voir la vidéo: QGIS #4 - Koropletkarta u0026 Table join (Octobre 2021).