Suite

Effectuer une analyse de superposition de somme pondérée dans QGIS?

Effectuer une analyse de superposition de somme pondérée dans QGIS?


J'ai des données raster pondérées converties à partir de polygones de différentes catégories.

J'ai ArcGIS avec l'extension 3D Analyst, malheureusement je n'ai pas Spatial Analyst, et j'aimerais utiliser QGIS pour effectuer une analyse de superposition de somme pondérée, probablement en utilisant une moyenne pondérée ordonnée.

J'ai trouvé des questions similaires, mais presque toutes expliquaient l'analyse de superposition vectorielle. Ici, des grilles (tif, img, etc.) seront utilisées.


SAGA a un Moyenne pondérée ordonnée outil qui vous permet d'importer des grilles en entrée. Vous pouvez y accéder depuis le Boîte à outils de traitement:

La documentation QGIS pour cet outil apparaît vide, mais il y a quelques informations dans la documentation SAGA.


Définition d'une couleur d'étiquette de l'étendue du zoom dans QGIS

J'ai défini une couleur de cadre pour l'étendue du zoom dans la vue d'ensemble des propriétés d'impression lorsque j'utilise l'atlas.

Comment puis-je définir une couleur d'étiquette du nombre de cette étendue de zoom particulière pour qu'elle soit la même que le cadre d'étendue de zoom?

Une réponse

On dirait que vous parlez de mini-carte ou d'aperçus que vous pourriez ajouter dans un atlas.

  1. En stylisant votre style d'aperçu et en choisissant le symbole centroïde, votre symbole sera alors le symbole de la police, puis le texte affiché est basé sur des données qui seront un champ de votre atlas. (ça fera une superposition)
  2. En stylisant la couche de l'atlas dans votre carte affichée dans l'image que vous partagez. Vous pouvez définir la police en fonction de règles et en choisir une en rouge si @atlas_featureid = $id et une étiquette noire basée sur la règle opposée @atlas_featureid != $id .

PS : si le calque que vous souhaitez modifier n'est pas celui utilisé pour l'atlas faites le moi savoir pour adapter une règle pour cela.


Reprendre

L'identification des secteurs potentiels de recharge et de l'évaluation du taux de recharge de l'aquifère captif semi-fossile d'Ohangwena II (KOH-2) est. cruciale pour son futur usage durable. Le KOH-2 est. situé dans le bassin transfrontalier endoréique de Cuvelai-Etosha- (CEB), partagé par l’Angola et la Namibie. L'objectif principal était le développement d'une stratégie pour contourner le problème de la pénurie de données, qui est. un problème bien connu dans les régions semi-arides. Dans un premier temps, des coupes géologiques conceptuelles ont été créées pour illustrer la possible configuration géologique du système. En outre, des temps de transfert des eaux souterraines ont été estimés par des calculs hydrauliques simples. Un modèle numérique bidimensionnel des eaux souterraines a été construit pour analyser les modalités d'écoulement et les zones potentielles de recharge. Le modèle a été optimisé par rapport aux observations locales des charges hydrauliques et de l'âge de l'eau souterraine. La sensibilité du modèle aux différentes conditions aux limites et aux structures internes a été examinée. L'incertitude sur les paramètres et les taux de recharge ont été estimés. Les résultats obtenus que la recharge du KOH-2 se produit principalement depuis les montagnes angolaises dans la partie nord-est. du CEB. La sensibilité du modèle des eaux souterraines aux différentes structures internes est relativement faible par rapport aux changements des conditions aux limites sous forme de cours d'eaux infiltrants ou drainants. L'analyse des incertitudes souligne les résultats précédents, indiquant que la recharge provient des montagnes angolaises. Les taux de recharge estimés sont de moins de 1% des précipitations annuelles moyennes, des chiffres raisonnables pour les régions semi-arides.


Méthodes

Zone d'étude et conception

L'étude transversale à base communautaire a été menée de mi-août 2017 à début janvier 2018 dans deux districts d'endémie de l'onchocercose, à savoir Yeki de la région du SNNP et Asosa de la région de Benishangul-Gumuz en Éthiopie (Fig. 3). L'étude a été menée dans les 2 à 7 mois suivant la dernière distribution massive d'ivermectine.

Situation géographique des quartiers d'études. La carte d'étude a été réalisée à l'aide du logiciel QGIS version 3.10.2 [44]. Les fichiers de formes OpenStreetMap (OSM) ont été téléchargés depuis GADM (https://gadm.org/download_country_v3.html)

Le district de Yeki, situé dans la zone Sheka de la région SNNP, est bordé par la zone Bench-Maji au sud, la région de Gambella à l'ouest, le district d'Amderacha au nord et la zone Kaffa à l'est. Il existe des rivières pérennes à débit rapide (Beko, Shai, Michi, Opi, Btn, Yambo, Achani, Dingi, Goshenie, Kancha et Meni) qui favorisent la reproduction des simulies. Le district est vallonné et densément boisé, et donc bien connu pour sa plantation de café à l'échelle commerciale. Le district de Yeki en compte 22 kebeles (la plus petite unité administrative) avec une population totale de 141 539, dont 70 487 hommes et 71 052 femmes. La zone est habitée par des peuples autochtones et des populations qui se sont réinstallées d'autres régions montagneuses du pays (Wollo, nord du Shoa et Tigré) après les deux grandes famines de 1984 et 1985. Les ethnies dominantes résidant dans ce district sont les Amhara, Shakicho, Kafficho , Sheko, Oromo, Majang, Bench et Manja. La plupart des résidents sont engagés dans une agriculture mixte impliquant la plantation de café, la culture de sorgho et de maïs, et l'élevage de bétail.

Asosa, l'un des districts de la zone Asosa, dans la région de Benishangul-Gumuz, est bordé par le district de Bambasi au sud, le district d'Oda-buldigilu à l'est, le district d'Homosha au nord, le district de Menge au nord-est, le district de Kurmuk au nord-ouest, et la République du Soudan à l'ouest. Il est situé à une altitude allant de 500 à 1500 m d'altitude. Il est à 659 km d'Addis-Abeba. Les rivières à courant rapide qui coulent dans cette zone comprennent Dabus, Tumed, Andil, Hoha, Salga, Agole, Buldadine et Afa. Il est habité par des peuples autochtones et réinstallés. Les indigènes sont le groupe ethnique Berta, résidant dans de petits villages dispersés. Les non-autochtones sont ceux qui se sont réinstallés en 1979 en réponse à la sécheresse qui s'est produite dans les hautes terres du nord de l'Éthiopie, principalement Wollo et Tigray. Les moyens de subsistance de la population sont principalement l'agriculture de subsistance et les petites entreprises, par ex. Commerce. La population totale du district est de 109 900 habitants. Pour l'ensemble du district, 24 422 ménages ont été dénombrés. Le quartier comprend 74 kebeles (Source : Bureau de santé du district d'Asosa).

Sélection des communautés d'étude

Les communautés ont été choisies à dessein pour cette étude. Principalement, les communautés ont été sélectionnées sur la base de la disponibilité de données épidémiologiques pré-intervention avec une transmission active documentée à Asosa (Megelle 36, Megelle 37, Salga 22, Salga 24, Komeshega 25, Komeshega 26, Hoha 15, Bielmilli, Oorra et Abramo) [18] et Yeki (Adisberhan et Endris-Gorji) [24]. Le statut d'infection de ces communautés a été utilisé pour mesurer le niveau de déclin de l'infection et de la morbidité, et pour enfin estimer l'impact du TIDC. Deuxièmement, d'autres communautés situées à proximité de rivières et de ruisseaux à débit rapide ont été sélectionnées pour l'étude. Cela a été fait sur la base (a) d'observations préalables dans les communautés des districts lors de la réalisation d'une enquête d'évaluation de la couverture et du taux de conformité au TIDC (manuscrits en préparation), (b) sur recommandation des responsables de la santé et des experts des districts respectifs. Enfin, un total de 38 communautés ont été sélectionnées et évaluées dans les deux districts endémiques, 15 communautés de Yeki et 23 d'Asosa.

Population étudiée

Dans chaque communauté étudiée, tous les résidents âgés de 15 ans et plus qui sont venus volontairement pour le dépistage, ont accepté de donner un consentement écrit pour subir un examen physique et une procédure de coupe de peau ont été interrogés et examinés. Le groupe d'âge présentant un risque élevé de contracter l'infection et le plus approprié pour une évaluation parasitologique a été inclus pour cette étude [42].

Collecte de données

Après avoir obtenu l'autorisation d'effectuer l'étude de la communauté (kebele), des villages sélectionnés ont été visités. Les membres de la communauté ont été mobilisés et rassemblés à un point central de leur village pour examen. Ensuite, une discussion détaillée a été faite sur le but de l'étude, la technique à utiliser et l'importance d'être examiné pour l'onchocercose. Enfin, des données pertinentes ont été recueillies à l'aide des méthodes et procédures suivantes :

Entrevue

Initialement, un entretien en face-à-face basé sur un questionnaire a été réalisé pour collecter les informations sociodémographiques (personnelles) de chaque participant à l'étude, y compris le nom, le sexe, l'âge, l'origine ethnique, la profession et les antécédents de traitement après avoir obtenu un consentement écrit éclairé (Fichier supplémentaire 1).

Examen de morbidité

Après avoir mené l'entretien, un examen physique a été effectué dans une pièce bien éclairée pour détecter la présence de nodules palpables et d'autres signes et symptômes de l'onchocercose.

Examen parasitologique

Des examens parasitologiques ont été réalisés comme décrit précédemment [45]. En bref, après des procédures aseptiques, des coupes de peau ont été prélevées de chaque côté du pli fessier chez chacun des participants à l'étude à l'aide d'une aiguille à piquer jetable et d'une lame de rasoir stérile. Les coupes de peau ont été placées dans des plaques de microtitration 96 puits contenant 100 µl de sérum physiologique et incubées pendant 24 h à température ambiante. Le fluide dans le puits individuel de la plaque de microtitration a été examiné et chaque mf qui a émergé a été compté au microscope [45]. Les coupes de peau des participants positifs à l'étude ont été pondérées. Ensuite, la charge d'infection par mg de coupe de peau a été déterminée.

L'analyse des données

Les données brutes ont d'abord été saisies dans la feuille de données Microsoft Excel et validées. Les signes cutanés, les nodules et les prévalences d'infection ont été exprimés respectivement en proportion d'individus présentant des morbidités et une infection mf. La prévalence et l'intensité de l'infection ont été calculées pour évaluer le niveau d'endémicité de l'infection. La prévalence de l'infection est le pourcentage d'individus avec une biopsie cutanée positive dans chaque district. Pour des résultats positifs, les mf dans les deux coupes de peau ont été comptées et les densités de mf individuelles ont été exprimées en nombre moyen arithmétique de mf/mg de coupe de peau. Pour évaluer l'intensité de l'infection, la densité mf moyenne géométrique a été utilisée [46]. La charge microfilaire pour l'ensemble de la population (MFL) et pour les personnes âgées de 20 ans et plus, c'est-à-dire la charge microfilaire communautaire (CMFL), a été calculée comme dans [47] :

De plus, l'intensité moyenne arithmétique de l'infection (IMA) a été calculée comme suit :

mje est la moyenne arithmétique des deux comptes de mf par mg de coupe de peau enregistrée par participant à l'étude je, et m est le nombre total d'individus échantillonnés.

Un test du chi carré a été utilisé pour comparer la prévalence de l'infection et la prévalence des indicateurs de morbidité de la maladie, et p- une valeur inférieure à 0,05 a été considérée comme statistiquement significative.

Considération éthique

L'étude a obtenu l'approbation de l'Institutional Review Board (IRB) de l'Institute of Health de l'Université de Jimma avant le début de l'étude (RPGC/170/06). Le but de l'étude a été expliqué aux participants à l'étude et un consentement écrit éclairé a été obtenu pour les personnes âgées de 18 ans et plus, ou par les parents ou tuteurs des participants de moins de 18 ans. L'autorisation a été obtenue du Bureau régional de la santé et/ou du Bureau régional de la santé, du Bureau régional de la santé et Kebele Autorités de chaque zone d'étude. La collecte des biopsies cutanées a été réalisée avec des professionnels qualifiés. En outre, les participants à l'étude ont été informés qu'ils étaient libres de participer. Les données collectées ont été gardées confidentielles conformément aux directives établies en matière de protection des sujets humains.


3. Résultats

3.1 Diversité taxonomique (richesse)

Les 32 012 enregistrements de notre ensemble de données complet (Fig. 2A) contiennent 136 taxons, avec 28 lycophytes (tableau 1) et 108 fougères (sensu lato, y compris les prêles, Equisetum Tableau 2). Dix-neuf familles sont représentées dans le PNW, les trois familles de lycophytes et 16 familles de fougères. Il y a 38 genres présents (8 lycophytes, 30 fougères), avec 17 genres ayant 20 % ou plus de leurs espèces constituantes trouvées dans le PNW (tableaux 1, 2). Les dix taxons avec le plus de données d'occurrence, par ordre décroissant, sont : Cystopteris fragilis, Polystichum munitum, Equisetum arvense, Pteridium aquilinum var. pubescent, Athyrium filix-femina var. cyclosorum, Cryptogramma acrostichoides, Polypodium glycyrrhize, Adiantum aleuticum, Equisetum telmateia var. braunii, et Struthiopteris spicant.

Famille de taxons Genre Espèce # d'espèces dans le PNW/# d'espèces dans le PPG I Proportion de diversité taxonomique présente dans le PNW Occurrences au niveau du genre dans l'ensemble de données, # enregistrements (cellules de grille # 50 × 50 km avec occurrences)
Isoëtacées
Isoëtes L. 8/250 0.032 650 (250)
I. bolanderi Engelm.
I. howellii Engelm.
I. maritima Sous.
I. minima AA Eaton
I. nuttallii A. Braun ex Engelm.
I. occidentalis L.F. Hend.
I. orcuttii AA Eaton
I. tenella Léman
Lycopodiacées
Dendrolycopode A. Haines 1/4 0.250 108 (77)
D. dendroideum (Michx.) A. Haines
Diphasiastre Holub 4/20 0.200 1221 (453)
D. alpinum (L.) Holub
D. complanatum (L.) Holub
D. sabinifolium (Volontaire.) Holub
D. sitchense (Rupr.) Holub
Huperzia Bernh. 6/25 0.240 769 (362)
H. arctique (Tolm.) Sipliv.
H. chinensis (Christ) Ching
H. continentalis Testo, A. Haines & A.V. Gilman
H. miyoshiana (Makino) Ching
H. occidentalis (Clute) Kartesz & Gandhi
H. selago (L.) Bernh. ex Schrank & Martius
Lycopodiella Holub 1/15 0.067 140 (58)
L. inundata (L.) Holub
Lycopode L. 2/15 0.133 767 (294)
L. clavatum L.
L. lagopus Zinserl. ex Kuzen.
Spinule A. Haines 1/3 0.333 (fusionné avecLycopode dans les analyses)
S. annotinum (L.) A. Haines (≡Lycopodium annotinum L.)
Selaginellacées
Selaginelle P. Beauv. 5/700 0.007 446 (51)
S. douglasii (Hook. & Grev.) Printemps
S. origan DC Eaton dans S. Watson
S. scopulorum Maxon
S. wallacei Hiéron.
S. watsonii Sous.
Famille de taxons Genre Espèce # Espèces dans PNW/# Espèces dans PPG I Proportion de diversité taxonomique présente dans le PNW Occurrences au niveau du genre dans l'ensemble de données, # enregistrements (# cellules de grille de 50 × 50 km avec occurrences)
Aspléniacées
Asplénium L. 5/700 0.007 412 (143)
A. adultérinum doux
A. scolopendre L.
A. septentrionale (L.) Hoffm.
A. trichomanes L. ssp. quadrivalens D.E. Moi.
A. trichomanes L. ssp. trichomanes
A. viride Huds.
Athyriacées
Athyrium Roth 2/230 0.009 1986 (341)
A. distentifolium Tausch ex Opiz var. américain (Beurres) Cronquist
A. filix-femina (L.) Roth var. cyclosorum Rupr.
Blechnacées
Struthiopteris Scope. 1/5 0.200 745 (129)
S. spicant (L.) Weiss
Woodwardia Sm. 1/13 0.077 75 (10)
W. fimbriata Sm.
Cystoptéridacées
Cystoptéris Bernh. 2/26 0.077 2269 (624)
C. fragilis (L.) Bernh.
C. montana (Lam.) Bernh. ex Desv.
Gymnocarpe Homme nouveau 4/8 0.500 821 (325)
G. disjonctif (Rupr.) Ching
G. dryopteris (L.) Newman
G. jessoense ssp. parvulum Sarvela
G. robertianum (Hoffm.) Newman
Dennstaedtiacées
Ptéridium Gled. ex Scop. 1/4 0.250 2037 (67)
P. aquilinum (L.) Kuhn var. pubescent Sous.
Dryopteridacées
Dryopteris Adans. 7/400 0.018 1572 (451)
D. arguta (Kaulf.) Maxon
D. campyloptera (Kunze) Clarkson
D. carthusiana (Vill.) H.P. Fuchs
D. cristata (L.) A. Gray
D. expansa (C. Presl) Fraser-Jenk. & Jerry
D. filix-mas (L.) Schott
D. fragrans (L.) Schott
Polystichum Roth 9/500 0.018 2685 (102)
P. aleuticum C. Chr.
P. andersonii Hopkins
P. californicum (D.C. Eaton) Diels
P. imbricans (D.C. Eaton) D.H. Wagner ssp. imbricans
P. kruckebergii W.H. Wagner
Polystichum lemmonii Sous.
P. lonchite (L.) Roth
P. munitum (Kaulf.) C. Presl
P. scopulinum (D.C. Eaton) Maxon
Equisetacées
Equisetum L. 10/15 0.667 6096 (962)
E. arvense L.
E. fluviatile L.
E. hyemale L. var. affiner (Engelmann) Calder & Roy L. Taylor
E. laevigatum A. Braun
E. palustre L.
E. pratense Euh.
E. scirpoides Michx.
E. sylvaticum L.
E. telmateia Ehrhart var. braunii (J. Milde) Hauke
E. variegatum Schleicher ex F. Weber
E. variegatum ssp. alaskanum (A.A. Eaton) Hultén
Hyménophyllacées
Hyménophylle Sm. 1/250 0.004 5 (4)
H. wrightii Bosch
Marsiliacées
Marsilea L. 2/55 0.036 168 (89)
M. oligospora Gooddi.
M. vestita Accrocher. & Grev.
Pilularia L. 1/5 0.200 21 (8)
P. americana A. Brown
Onocléacées
Matteuccia Tod. 1/2 0.500 60 (43)
M. struthiopteris var. pensylvanie (Volontaire.) C.V. Morton
Ophioglossacées
Botrychium Sw. 19/35 0.543 1912 (330)
B. alaskense W.H. Wagner & J.R. Grant
B. ascendens W.H. Wagner
B. crenulatum W.H. Wagner
B. furculatum Farrar, iné.
B. hespérium (Maxon & Clausen) W.H. Wagner & Lellinger
B. lanceolatum (S.G. Gmel.) Ångstr. ssp. lanceolatum
B. linéaire W.H. Wagner
B. lunaria (L.) Sw.
B. michiganense W.H. Wagner ex A.V. Gilman, Farrar et Zika
B. minganense Victime.
B. montanum W.H. Wagner
B. paradoxe W.H. Wagner
B. pedunculosum W.H. Wagner
B. pinnatum H. Saint-Jean
B. pumicola Coville ex Underw.
B. simplex E. Hitchc. var. composition (Lasch) Milde
B. simplex E. Hitchc. var. recto
B. spathulatum W.H. Wagner
B. tunux Stensvold & Farrar
B. yaaxudakeit Stensvold & Farrar
Botrypus Michx. 1/2 0.500 257 (129)
B. virginianus (L.) Michx.
Ophioglossum L. 1/41 0.024 73 (33)
O. pusillum Raf.
Sceptridium Lyonnais 1/25 0.040 221 (45)
S. multifidum (G.G. Gmel.) M. Nashida ex Tagawa
Polypodiacées
Polypode L. 7/40 0.175 1528 (234)
P. amorphe Suksdorf
P. calirhiza S.A. Whitmore & A.R. Forgeron
P. glycyrrhiza DC Eaton
P. hesperium Maxon
P. saximontanum Windham
P. scouleri Accrocher. & Grev.
P. sibiricum Sipliv.
Ptéridacées
Adiantum L. 3/225 0.013 977 (173)
A. aleuticum (Rupr.) C.A. Paris
A. capillus-veneris L.
A. jordanii C.H. Muller
Aspidotis (Nutt. Ex. Crochet.) Copel 1/4 0.250 582 (114)
A. densa (Brackenridge) Lellinger
Cryptogramme R.Br. 4/10 0.400 1391 (369)
C. acrostichoides R. Brown
C. cascadensis E.R. Alverson
C. sitchensis (Rupr.) T. Moore
C. stelleri (S.G. Gmel.) Prantl
Myrioptère Fée amender. Grusz & Windham 5/45 0.111 828 (179)
M. covillei (Maxon) . Amour & D. Amour
M. fendleri Fourn.
M. gracilis Frais
M. gracillima J. Sm.
M. intertexta (Maxon) Grusz & Windham
Pellée Relier 6/40 0.150 304 (108)
P. andromedifolia (Kaulf.) Fée
P. brachyptera (T. Moore) Boulanger
P. breweri DC Eaton
P. bridgesii Accrocher.
P. gastonyi Windham
P. glabella Mett. ssp. occidentalis (E.E. Nelson) Windham
P. glabella Mett. ssp. recto (Beurres) . Amour & D. Amour
Pentagramme Yatsk., Windham & E. Wollenw. 1/6 0.167 395 (59)
P. triangularis (Kaulf.) Yatsk., Windham et E. Wollenw. ssp. triangulaire
Salviniacées
Azolla Lam. 2/9 0.222 133 (56)
A. filiculoides Lam.
A. microphylla Kaulf.
Thélyptéridacées
Oreopteris Holub 1/3 0.333 57 (41)
O. quelpartensis (Christ) Holub
Phegopteris (C.Presl) Fée 1/4 0.250 119 (87)
P. connectilis (Michx.) Watt
Thélyptéris Schmidel (placement de T. nevadensis est incertain pas de données moléculaires) incertain incertain 50 (27)
T. nevadensis (Boulanger) Clute ex C.V. Morton
Woodsiacées
Woodsia R.Br. 2/39 0.051 132 (43)
W. origan D.C. Eaton ssp. origan
W. scopulina D.C. Eaton ssp. laurentienne Windham
W. scopulina D.C. Eaton ssp. scopuline

Sur les 3329 cellules de grille (50 × 50 km) à travers le PNW qui contenaient des terres, 1277 cellules avaient au moins un enregistrement de spécimen de ptéridophyte. De nombreuses cellules sans enregistrements de ptéridophytes peuvent représenter de fausses absences (voir la discussion dans Syfert et al., 2013). La redondance de l'échantillon (Fig. 2B) indique que l'ouest de l'Oregon et une grande partie de Washington sont bien échantillonnés, avec des scores de redondance proches de un. D'autres cellules de la grille qui semblent être bien échantillonnées sont dispersées dans tout l'Idaho, le sud-ouest du Montana et, dans une moindre mesure, de manière diffuse en Colombie-Britannique et en Alaska. Le territoire du Yukon est représenté par la plus faible concentration d'échantillons et contient relativement peu de cellules avec des scores de redondance élevés.

Au niveau du genre, les dix genres les plus représentés dans les données (par ordre décroissant) sont : Equisetum, Polystichum, Cystoptéris, Ptéridium, Athyrium, Botrychium, Dryopteris, Polypode, Cryptogramme, et Diphasiastre. Les dix genres qui sont apparus dans le plus grand nombre de mailles de 50 km et sont donc les plus largement distribués dans le PNW sont : Equisetum (survenant dans 75,3% des 1277 cellules qui contenaient au moins un enregistrement de ptéridophyte), Cystoptéris (48,9% des cellules), Diphasiastre (35.5%), Dryopteris (35.3%), Cryptogramme (28.9%), Huperzia (28.3%), Athyrium (26.7%), Botrychium (25.8%), Gymnocarpe (25,5%), et Lycopode (23,0 %). Trois genres ont été trouvés dans moins de 1 % des cellules : Hyménophylle, Pilularia, et Woodwardia.

La richesse en ptéridophytes (figure 2C) est concentrée dans une bande sud-nord le long du tiers ouest de l'Oregon et de l'État de Washington et de la partie sud-ouest de la Colombie-Britannique, coïncidant avec la chaîne des Cascades et les chaînes côtières (voir la figure supplémentaire S2 pour la carte de certains caractéristiques physiques mentionnées dans le texte). La richesse (figure 2C) semble culminer dans la chaîne des Cascades et s'étendre vers la côte du Pacifique et comprend la moitié sud de l'île de Vancouver. D'autres zones de richesse se trouvent dans le plateau Columbia dans le coin nord-est de l'Oregon et s'étendent sur une région vaguement corrélée avec la chaîne Bitterroot et les montagnes Rocheuses dans le nord de l'Idaho et l'ouest du Montana. Une richesse modérée se trouve le long de la lisière sud de l'Alaska dans la région de l'île Kodiak et de la péninsule de Kenai, la chaîne de l'Alaska, l'archipel Alexander, Haida Gwaii et la côte tempérée de la Colombie-Britannique (C.-B.) et les montagnes Côtières de la C.-B. La richesse est faible à l'est des Cascades dans le Grand Bassin, à l'est du Montana dans les Grandes Plaines et dans une grande partie de la toundra et des forêts boréales des parties nord du PNW.

3.2 Diversité phylogénétique et endémisme phylogénétique

Comme on pouvait s'y attendre compte tenu de son calcul (Tucker & Cadotte, 2013), la PD (Fig. 3A) a un modèle de distribution similaire à la richesse (Fig. 2C). Des cellules de grille à PD élevée sont dispersées dans tout le PNW mais avec une concentration dans les parties ouest de l'Oregon et de Washington, dans une région caractérisée par un climat tempéré avec des étés chauds et secs. On trouve une DP modérément élevée dans toutes les zones froides du nord de l'Idaho, de l'ouest du Montana et de manière diffuse dans toute la Colombie-Britannique, le Yukon et l'Alaska. Il y a 29 cellules avec une PD significativement élevée et 104 cellules avec une PD significativement faible (Fig. 3B). Une PD significativement élevée est concentrée dans les chaînes côtières tempérées de l'Oregon, d'autres cellules de grille avec une PD significativement élevée se trouvent dans le plateau Columbia de l'Oregon et de Washington (aride), le Grand Bassin de l'Oregon (aride), dispersés dans les montagnes Rocheuses (zone froide ) du Montana et de la Colombie-Britannique, et les monts Ogilvie du territoire du Yukon (froid). L'indice RPD est significativement élevé dans 41 cellules et faible dans 64 cellules (Fig. 3C). Une RPD significativement élevée est concentrée dans les chaînes côtières de l'Oregon et dispersée sur le plateau Columbia de l'Oregon, les montagnes Rocheuses de l'Idaho, du Montana et de la Colombie-Britannique, à Haida Gwaii et dans l'archipel Alexander, et dans la chaîne de l'Alaska, la péninsule de Seward et la Péninsule d'Alaska.

PE (Fig. 4A) a une distribution plus restreinte que PD, bien qu'il soit également concentré dans la partie ouest de l'Oregon dans les chaînes côtières et un peu moins dans les montagnes côtières de la Colombie-Britannique, ainsi que dans le Grand Bassin, plateau Columbia , Haida Gwaii, l'archipel Alexandre et les montagnes Rocheuses. Il y a 68 cellules avec un PE significativement élevé et 84 avec un PE significativement bas (Fig. 4B). Un PE significativement élevé se trouve dans les chaînes côtières de l'Oregon, le Grand Bassin, le Plateau Columbia, les Grandes Plaines, le Plateau Fraser, les Montagnes Côtières, Haida Gwaii, l'Archipel Alexander, la Chaîne de l'Alaska et les îles Aléoutiennes. Pour l'indice RPE, il y a 20 cellules où les branches pondérées par la plage sont significativement longues et 69 cellules où elles sont significativement courtes (Fig. 4C).

Le processus CANAPE a identifié des zones de paléo-endémisme, de néo-endémisme et d'endémisme mixte (Fig. 5). Les cellules de la grille identifiées comme des régions de paléo-endémisme (cellules bleues sur la figure 5) se trouvent le long de la côte dans l'archipel Alexander, Haida Gwaii et l'île de Vancouver dans la partie sud de la chaîne Côtière dans le plateau Columbia et dans les montagnes Rocheuses du sud Idaho et sud de la Colombie-Britannique. Le néo-endémisme se produit dans les îles Aléoutiennes (cellules rouges sur la figure 5), la péninsule de Kenai, l'archipel Alexander, les montagnes côtières et le plateau du Fraser. Il existe une vaste région d'endémisme mixte (élevé en néo- et paléo-endémisme) dans les chaînes côtières de l'Oregon, avec des zones supplémentaires d'endémisme mixte dans le Grand Bassin, le Plateau Columbia, les Grandes Plaines, le Plateau Fraser, le Montagnes Rocheuses de la Colombie-Britannique, Haida Gwaii, limite sud de la chaîne de l'Alaska, île Nunivak et îles Aléoutiennes (cellules violettes sur la figure 5).

L'analyse en grappes pondérées par gamme de cellules avec des valeurs significatives de CANAPE a produit 10 groupements basés sur la dissemblance phylogénétique (Fig. 6). Les cellules de la figure 6A sont colorées pour correspondre aux groupes (« groupements ») représentés en 6B, les cellules d'un groupe partagent des branches similaires dans la phylogénie (figure supplémentaire S1). Les genres hétérosporeux sont les principaux contributeurs à l'EP dans six des dix groupes (tableau 3) et comprennent les genres de fougères aquatiques Azolla, Marsilea, et Pilularia, et le genre lycophyte terrestre ou épiphyte Selaginelle. Certains groupements présentent une structure géographique (rouge, rose, violet clair, vert foncé) tandis que d'autres ont des distributions plus dispersées (Fig. 6A Tableau 3). Le cluster rouge contient la plus grande diversité avec 30 genres présents et a le score PE le plus élevé (tableau 3) ce groupe contient des cellules avec un endémisme mixte (une surreprésentation à la fois des branches courtes et des branches longues qui sont rares dans le paysage). La grappe rouge est limitée à l'État de l'Oregon et se trouve dans les chaînes côtières et le plateau de Columbia. Le groupe vert foncé, partageant dix genres, se trouve dans les régions arides de l'est du Montana (Grandes Plaines), du sud-est de l'Oregon (Grand Bassin et Plateau Columbia) et du sud-ouest de l'Idaho (Plateau Columbia). Le groupe vert est identifié comme ayant un endémisme mixte ( Tableau 3). Le groupe violet clair dispersé le long de la côte du Pacifique dans l'archipel Alexander, Haida Gwaii, le nord de l'île de Vancouver et les montagnes côtières (Fig. 6A), contient 20 genres et est classé comme un centre de paléo-endémisme, un référentiel de l'histoire de l'évolution trouvé dans quelques autres endroits. Certains des taxons contribuant au paléo-endémisme de l'amas violet clair sont les fougères vaporeuses Hyménophylle, le clubmoss Lycopodiella, et la fougère aquatique Azolla (Tableau 3).

Couleur Surface #De genres Catégorie d'endémisme PE pondéré agrégé en proportion de la longueur de l'arbre Principaux contributeurs au PE
Orange clair Idaho (Rocky Mts) Washington (Columbia Plat) C.-B. (Fraser Plat) 5 paléo, mixte 0.0067 Azolla
Vert clair Montana (bord des Grandes Plaines) Oregon (Grand Bassin) 6 mixte 0.0018 Woodsia
Orange sombre C.-B. (île de Vancouver, montagnes côtières, montagnes rocheuses) 18 paléo, mixte 0.0094 Ophioglossum, Azolla
Bleu clair Alaska (île Nunivak, îles Aléoutiennes, île Adak, péninsule Kenai, chaîne de l'Alaska, monts Chugach, archipel Alexander) C.-B. (Fraser Plat, N Rocky Mts, Coast Mts, Haidi Gwaii) 16 néo, mixte 0.0086 Matteuccia, Oreopteris
Vert foncé E Montana (Great Plains) Idaho (Columbia Plat) SE Oregon (Columbia Plat & Great Basin) 10 mixte 0.0145 Marsilea, Woodsia
Bleu foncé C.-B. (Côte Mts, Rocky Mts, bord nord de Fraser Plat) 12 mixte 0.0034 Lycopodiella, Asplénium
rouge Oregon (Chaîne côtière, Columbia Plat) 30 mixte 0.1089 Selaginelle, Azolla, Woodwardia
Violet clair Alaska (archipel Alexandre) C.-B. (monts côtiers, Haida Gwaii, île de Vancouver) 20 paléo 0.0468 Hyménophylle, Lycopodiella, Azolla
Rose Oregon (Grand Bassin) 11 mixte 0.0157 Pilularia
Violet foncé C.-B. (côte nord de l'île de Vancouver) 1 néo 0.0001 Dendrolycopode
  • Abréviations : BC, British Columbia Mts, Mountain range Plat, Plateau S, sud N, nord E, est.
  • Equisetum a été trouvé dans tout le PNW et a contribué une quantité modérée à PE pour la plupart des clusters car il s'agit d'une longue branche, nous l'avons donc exclu comme contributeur majeur de cette liste. « Couleur » fait référence aux cellules colorées de la carte illustrée à la figure 6.

D'autres cellules de la grille classées comme centres de paléo-endémisme se trouvent dans des grappes contenant également un endémisme mixte : orange clair avec cinq genres et orange foncé avec 18 genres (Fig. 6A Tableau 3). Tous les clusters avec des cellules classées comme centres de paléo-endémisme contiennent le genre Azolla. Deux groupes contiennent des centres de néo-endémisme : bleu clair (une combinaison de néo-endémisme et mixte) et violet foncé. Le groupe bleu clair contient 16 genres, dont plusieurs ont des branches courtes avec des plages très étroites (Oreopteris, Matteuccia). Le cluster violet foncé contient le seul genre Dendrolycopode, qui est une branche de milieu de gamme (présente dans 77 cellules). La cellule est classée comme néo-endémique car elle est sensiblement plus longue sur l'arbre alternatif que l'arbre observé, bien que la désignation dans ce cas particulier soit probablement un artefact dû au faible échantillonnage à cet endroit.

3.3 Corrélats bioclimatiques

Les résultats de l'analyse en composantes principales des lycophytes, des prêles et fougères eusporangiées et des fougères leptosporangiées indiquent que le premier axe de chaque groupe taxonomique représente plus de 43 % de la variance et est fortement associé à la température minimale du mois le plus froid. (bio6), température moyenne du trimestre le plus froid (bio11) et saisonnalité des températures (bio4) (tableau 4). Le deuxième axe représente environ 25 % à 31 % de la variation et est associé à : la température maximale du mois le plus chaud (bio5), la plage de température diurne moyenne (bio2) et la température moyenne du trimestre le plus chaud (bio10) pour les précipitations de lycophytes le trimestre le plus chaud (bio18), la température maximale du mois le plus chaud (bio5) et la plage de température diurne moyenne (bio2) pour les eusporangiates et la température maximale du mois le plus chaud (bio5), les précipitations du trimestre le plus sec (bio17) et les précipitations du trimestre le plus chaud (bio18) pour les leptosporangiates. Le troisième axe représente environ 9 % de la variation et est associé à l'altitude, à la température moyenne du quartier le plus humide (bio8) et aux précipitations du quartier le plus chaud (bio18) pour les lycophytes et les fougères leptosporangiées pour les eusporangiées, le troisième axe représente 12 % de la variation. variance et est associée à l'altitude, à la température moyenne du trimestre le plus humide (bio8) et à la saisonnalité des précipitations (bio15).

Codes BioClim Variable environnementale Lycophytes Prêles et fougères eusporangiées Fougères leptosporangiées
PC1 PC2 PC3 PC1 PC2 PC3 PCI PC2 PC3
bio1 Température moyenne annuelle −0.268 −0.219 0.003 0.274 −0.225 0.023 0.268 −0.218 0.091
bio2 Portée diurne moyenne 0.086 −0.362 0.052 −0.065 −0.348 0.102 −0.064 −0.333 −0.038
bio3 Isothermie −0.227 −0.255 0.127 0.244 −0.225 0.121 0.252 −0.183 −0.205
bio4 Saisonnalité de la température 0.299 −0.016 −0.185 −0.307 0.008 −0.188 −0.309 −0.053 0.211
bio5 Température maximale mois le plus chaud −0.058 −0.392 −0.156 0.069 −0.373 −0.100 0.064 −0.354 0.227
bio6 Température minimale le mois le plus froid −0.305 −0.058 0.085 0.317 −0.076 0.088 0.322 −0.047 −0.055
bio7 Plage annuelle de température 0.285 −0.106 −0.151 −0.293 −0.101 −0.138 −0.279 −0.159 0.185
bio8 Température moyenne du trimestre le plus humide 0.112 −0.088 −0.525 −0.103 −0.013 −0.452 0.036 −0.125 0.496
bio9 Température moyenne du trimestre le plus sec −0.272 −0.151 0.176 0.262 −0.184 0.180 0.242 −0.152 −0.159
bio10 Température moyenne du trimestre le plus chaud −0.130 −0.360 −0.174 0.134 −0.332 −0.137 0.133 −0.324 0.253
bio11 Température moyenne quart le plus froid −0.299 −0.128 0.079 0.308 −0.144 0.089 0.313 −0.123 −0.039
bio12 Précipitation annuelle −0.289 0.135 −0.132 0.282 0.197 −0.138 0.271 0.217 0.069
bio13 Mois le plus humide des précipitations −0.286 0.093 −0.155 0.279 0.164 −0.215 0.283 0.179 0.057
bio14 Mois le plus sec des précipitations −0.147 0.324 −0.112 0.109 0.325 0.174 0.007 0.329 0.213
bio15 Saisonnalité des précipitations −0.090 −0.176 −0.248 0.103 −0.063 −0.490 0.226 −0.090 0.037
bio16 Quartier le plus humide des précipitations −0.289 0.079 −0.133 0.284 0.151 −0.209 0.287 0.171 0.038
bio17 Quartier le plus sec des précipitations −0.197 0.305 −0.108 0.164 0.324 0.126 0.080 0.343 0.175
bio18 Quartier le plus chaud des précipitations −0.062 0.358 −0.284 −0.009 0.377 −0.045 −0.019 0.337 0.336
bio19 Quartier le plus froid des précipitations −0.294 0.038 −0.072 0.299 0.107 −0.158 0.296 0.141 0.002
élever Élévation 0.049 0.136 0.565 −0.075 0.041 0.466 −0.153 0.131 −0.528
Proportion d'écart 0.481 0.248 0.093 0.439 0.262 0.123 0.434 0.309 0.085
Proportion cumulée 0.481 0.728 0.821 0.439 0.701 0.825 0.434 0.742 0.827
  • Le gras indique les trois valeurs de chargement les plus élevées (valeur absolue), montrant les corrélations les plus fortes avec le composant principal associé à la colonne.

Les résultats de l'ACP pour les lycophytes séparés par des ordres (tableau 5) indiquent que les données pour les Lycopodiales homospores déterminent les résultats pour les lycophytes combinés puisque les charges de l'ACP pour les Lycopodiales montrent des schémas similaires à ceux des lycophytes en tant que groupe. En revanche, les charges de PCA les plus importantes pour les hétérospores Isoëtales sont les précipitations du trimestre le plus froid (bio19), la température minimale le mois le plus froid (bio6) et les précipitations du trimestre le plus humide (bio16) le deuxième axe est le plus fortement associé à la température maximale du mois le plus chaud (bio5), des précipitations du trimestre le plus chaud (bio18) et de la température moyenne la plus chaude trimestre (bio10). Le premier axe ACP pour les Selaginellales hétérosporées est associé aux précipitations du trimestre le plus chaud (bio18), à la plage de température diurne moyenne (bio2) et aux précipitations annuelles (bio12), le deuxième axe étant associé à la température moyenne du trimestre le plus froid (bio11), à la température minimale du mois le plus froid. (bio6), et la température moyenne du trimestre le plus humide (bio8). Les Equisetales (Tableau 6) conduisent les résultats pour les eusporangiates combinés (Tableau 4), et les Polypodiales (Tableau 7) conduisent les résultats pour les leptosporangiates, sur la base de modèles similaires dans les charges PCA pour les trois premiers axes.

Codes BioClim Variable environnementale Lycopodiales Isoëtales Selaginellales
PC1 PC2 PC3 PC1 PC2 PC3 PCI PC2 PC3
bio1 Température moyenne annuelle −0.264 −0.227 0.044 −0.243 0.266 −0.048 −0.161 0.319 0.126
bio2 Portée diurne moyenne 0.117 −0.377 −0.000 0.155 0.295 0.025 −0.288 0.013 0.074
bio3 Isothermie −0.213 −0.285 −0.124 −0.165 0.263 0.250 −0.012 0.260 −0.383
bio4 Saisonnalité de la température 0.291 −0.026 0.157 0.291 −0.018 −0.291 −0.223 −0.209 0.311
bio5 Température maximale mois le plus chaud −0.027 −0.434 0.238 −0.021 0.367 −0.231 −0.270 0.174 0.214
bio6 Température minimale le mois le plus froid −0.297 −0.042 −0.060 −0.305 0.104 0.132 0.057 0.354 −0.091
bio7 Plage annuelle de température 0.280 −0.111 0.142 0.285 0.083 −0.244 −0.277 −0.112 0.255
bio8 Température moyenne du trimestre le plus humide 0.147 −0.069 0.425 −0.032 0.028 −0.517 −0.061 0.347 −0.030
bio9 Température moyenne du trimestre le plus sec −0.270 −0.150 −0.119 −0.211 0.225 0.186 −0.251 0.201 0.245
bio10 Température moyenne du trimestre le plus chaud −0.108 −0.407 0.242 −0.096 0.338 −0.269 −0.241 0.224 0.216
bio11 Température moyenne quart le plus froid −0.292 −0.118 −0.049 −0.288 0.185 0.097 −0.048 0.368 −0.061
bio12 Précipitation annuelle −0.290 0.074 0.083 −0.297 −0.158 −0.069 0.286 0.148 0.134
bio13 Mois le plus humide des précipitations −0.282 0.033 0.067 −0.299 −0.117 −0.092 0.280 0.163 0.071
bio14 Mois le plus sec des précipitations −0.190 0.285 0.269 −0.146 −0.332 −0.089 0.269 −0.040 0.329
bio15 Saisonnalité des précipitations −0.035 −0.168 −0.029 −0.172 0.197 −0.182 0.058 0.277 −0.228
bio16 Quartier le plus humide des précipitations −0.283 0.020 0.035 −0.303 −0.101 −0.073 0.279 0.166 0.081
bio17 Quartier le plus sec des précipitations −0.232 0.252 0.224 −0.184 −0.312 −0.071 0.285 −0.002 0.331
bio18 Quartier le plus chaud des précipitations −0.105 0.336 0.402 −0.108 −0.340 −0.232 0.290 0.005 0.313
bio19 Quartier le plus froid des précipitations −0.286 −0.024 −0.027 −0.309 −0.058 −0.020 0.264 0.168 0.151
élever Élévation 0.009 0.146 −0.569 0.175 −0.114 0.466 0.112 −0.301 −0.291
Proportion d'écart 0.512 0.209 0.091 0.440 0.284 0.111 0.477 0.351 0.090
Proportion cumulée 0.512 0.721 0.813 0.440 0.724 0.835 0.477 0.828 0.918
  • Le gras indique les trois valeurs de chargement les plus élevées (valeur absolue), montrant les corrélations les plus fortes avec le composant principal associé à la colonne.
Codes BioClim Variable environnementale Equisetales Ophioglossales
PC1 PC2 PC3 PC1 PC2 PC3
bio1 Température moyenne annuelle 0.276 −0.213 0.071 0.243 0.272 0.067
bio2 Portée diurne moyenne −0.058 −0.347 0.146 −0.112 0.335 0.055
bio3 Isothermie 0.261 −0.193 0.083 0.141 0.330 −0.078
bio4 Saisonnalité de la température −0.306 −0.004 −0.148 −0.302 −0.093 0.244
bio5 Température maximale mois le plus chaud 0.082 −0.381 −0.004 −0.009 0.341 0.253
bio6 Température minimale le mois le plus froid 0.313 −0.072 0.080 0.317 0.111 −0.128
bio7 Plage annuelle de température −0.293 −0.102 −0.086 −0.297 0.063 0.241
bio8 Température moyenne du trimestre le plus humide −0.114 −0.039 −0.403 −0.083 −0.148 0.401
bio9 Température moyenne du trimestre le plus sec 0.268 −0.166 0.175 0.210 0.277 −0.118
bio10 Température moyenne du trimestre le plus chaud 0.146 −0.343 −0.036 0.077 0.294 0.295
bio11 Température moyenne quart le plus froid 0.306 −0.132 0.097 0.296 0.208 −0.070
bio12 Précipitation annuelle 0.276 0.201 −0.133 0.313 −0.157 0.123
bio13 Mois le plus humide des précipitations 0.274 0.169 −0.218 0.307 −0.131 0.189
bio14 Mois le plus sec des précipitations 0.101 0.329 0.246 0.161 −0.269 −0.109
bio15 Saisonnalité des précipitations 0.101 −0.062 −0.549 0.110 0.035 0.419
bio16 Quartier le plus humide des précipitations 0.279 0.156 −0.215 0.309 −0.117 0.186
bio17 Quartier le plus sec des précipitations 0.157 0.329 0.183 0.213 −0.266 −0.079
bio18 Quartier le plus chaud des précipitations −0.026 0.378 0.020 0.071 −0.359 0.051
bio19 Quartier le plus froid des précipitations 0.293 0.114 −0.170 0.320 −0.059 0.151
élever Élévation −0.084 0.055 0.438 −0.059 0.160 −0.466
Proportion d'écart 0.459 0.258 0.115 0.392 0.288 0.126
Proportion cumulée 0.459 0.717 0.832 0.392 0.680 0.807
  • Le gras indique les trois valeurs de chargement les plus élevées (valeur absolue), montrant les corrélations les plus fortes avec le composant principal associé à la colonne.
Codes BioClim Variable environnementale Salviniales Polypodiales
PC1 PC2 PC3 PC1 PC2 PC3
bio1 Température moyenne annuelle 0.149 0.350 −0.218 0.274 −0.206 0.079
bio2 Portée diurne moyenne −0.217 0.141 0.335 −0.054 −0.337 −0.036
bio3 Isothermie 0.135 0.195 0.465 0.255 −0.178 −0.200
bio4 Saisonnalité de la température −0.297 −0.068 −0.197 −0.306 −0.060 0.216
bio5 Température maximale mois le plus chaud −0.180 0.309 −0.158 0.077 −0.351 0.221
bio6 Température minimale le mois le plus froid 0.286 0.182 −0.042 0.321 −0.037 −0.064
bio7 Plage annuelle de température −0.311 −0.001 −0.040 −0.274 −0.166 0.191
bio8 Température moyenne du trimestre le plus humide −0.003 0.047 −0.330 0.040 −0.126 0.508
bio9 Température moyenne du trimestre le plus sec 0.093 0.280 0.223 0.246 −0.142 −0.171
bio10 Température moyenne du trimestre le plus chaud −0.091 0.324 −0.376 0.146 −0.318 0.244
bio11 Température moyenne quart le plus froid 0.251 0.260 −0.007 0.315 −0.113 −0.047
bio12 Précipitation annuelle 0.309 −0.082 0.016 0.267 0.224 0.073
bio13 Mois le plus humide des précipitations 0.310 −0.033 0.012 0.279 0.186 0.065
bio14 Mois le plus sec des précipitations 0.139 −0.349 −0.103 −0.001 0.331 0.197
bio15 Saisonnalité des précipitations 0.190 0.209 0.014 0.227 −0.089 0.059
bio16 Quartier le plus humide des précipitations 0.311 −0.027 0.023 0.283 0.177 0.046
bio17 Quartier le plus sec des précipitations 0.202 −0.310 −0.064 0.072 0.347 0.163
bio18 Quartier le plus chaud des précipitations 0.114 −0.365 −0.215 −0.028 0.338 0.330
bio19 Quartier le plus froid des précipitations 0.314 −0.009 0.059 0.292 0.148 0.009
élever Élévation −0.193 −0.173 0.437 −0.156 0.125 −0.527
Proportion d'écart 0.471 0.267 0.106 0.436 0.306 0.085
Proportion cumulée 0.471 0.738 0.844 0.436 0.743 0.828
  • Le gras indique les trois valeurs de chargement les plus élevées (valeur absolue), montrant les corrélations les plus fortes avec le composant principal associé à la colonne.

L'ACP des variables environnementales et la distribution des cellules de grille contenant des résultats élevés significatifs pour RPD et RPE ont montré 50% de la variance associée à PCA1, qui est fortement corrélée avec les précipitations (trimestre le plus froid, trimestre le plus humide, mois le plus humide et annuel), et avec température (plage annuelle, saisonnalité et température minimale le mois le plus froid) (tableau 8). L'ACP2 représente 30 % de la variance et est fortement associée aux périodes chaudes et sèches (température moyenne du trimestre le plus chaud, température maximale du mois le plus chaud, précipitation du trimestre le plus chaud, température moyenne du trimestre le plus sec et précipitation du mois le plus sec) et de la température moyenne annuelle et de l'isothermalité. Les cellules de grille avec un RPD et un RPE significativement faibles sont corrélées avec les précipitations (annuelles, mois le plus sec, trimestre le plus sec, trimestre le plus humide, trimestre le plus froid), la saisonnalité de la température, la plage annuelle de température et la température minimale le mois le plus froid, avec PCA1 représentant 56% de la variance (Tableau 8). Le deuxième axe pour les RPD et RPE significativement faibles, représentant 22% de la variance, est fortement associé à la température uniquement (température maximale du mois le plus chaud, isotherme, température moyenne du trimestre le plus chaud, amplitude diurne moyenne, température moyenne annuelle et température moyenne du trimestre le plus sec) .

Codes BioClim Variable environnementale RPD et RPE élevés Faible RPD et RPE Résultats CANAPE significatifs (néo-endémisme, paléo-endémisme et mixte)
PC1 PC2 PC3 PCI PC2 PC3 PC1 PC2 PC3
bio1 Température moyenne annuelle 0.181 0.317 0.147 0.228 −0.291 0.043 −0.051 0.399 0.102
bio2 Portée diurne moyenne −0.211 0.258 0.061 −0.176 −0.343 0.158 0.271 0.164 −0.025
bio3 Isothermie 0.181 0.294 −0.066 0.119 −0.403 0.004 0.017 0.380 −0.047
bio4 Saisonnalité de la température −0.294 −0.072 −0.093 −0.271 0.063 0.233 0.257 −0.189 0.181
bio5 Température maximale mois le plus chaud −0.103 0.346 0.106 −0.056 −0.415 0.301 0.219 0.238 0.158
bio6 Température minimale le mois le plus froid 0.284 0.153 0.098 0.275 −0.109 −0.140 −0.238 0.264 −0.050
bio7 Plage annuelle de température −0.300 0.015 −0.041 −0.270 −0.054 0.238 0.293 −0.075 0.120
bio8 Température moyenne du trimestre le plus humide 0.033 0.017 −0.589 −0.160 0.125 0.391 0.027 −0.130 0.560
bio9 Température moyenne du trimestre le plus sec 0.127 0.302 0.357 0.228 −0.270 −0.065 −0.049 0.345 −0.325
bio10 Température moyenne du trimestre le plus chaud −0.031 0.366 0.117 0.039 −0.398 0.345 0.157 0.281 0.239
bio11 Température moyenne quart le plus froid 0.254 0.225 0.132 0.263 −0.192 −0.090 −0.173 0.350 −0.052
bio12 Précipitation annuelle 0.299 −0.111 −0.002 0.280 0.089 0.172 −0.310 −0.017 0.066
bio13 Mois le plus humide des précipitations 0.303 −0.075 −0.065 0.269 0.101 0.231 −0.305 0.012 0.128
bio14 Mois le plus sec des précipitations 0.156 −0.290 0.281 0.271 0.123 0.089 −0.251 −0.184 −0.103
bio15 Saisonnalité des précipitations 0.201 0.160 −0.396 −0.124 0.106 0.415 −0.057 0.160 0.497
bio16 Quartier le plus humide des précipitations 0.307 −0.056 −0.081 0.272 0.087 0.216 −0.305 0.030 0.129
bio17 Quartier le plus sec des précipitations 0.195 −0.268 0.237 0.276 0.114 0.095 −0.268 −0.156 −0.082
bio18 Quartier le plus chaud des précipitations 0.142 −0.327 0.119 0.227 0.228 0.175 −0.226 −0.256 0.043
bio19 Quartier le plus froid des précipitations 0.308 −0.011 −0.081 0.278 0.032 0.172 −0.299 0.091 0.086
élever Élévation −0.216 −0.105 0.332 −0.110 −0.205 −0.297 0.223 −0.066 −0.349
Proportion d'écart 0.496 0.304 0.085 0.563 0.223 0.093 0.495 0.275 0.107
Proportion cumulée 0.496 0.801 0.885 0.563 0.786 0.879 0.495 0.770 0.877
  • Le gras indique une charge ≥ ± 0,270, montrant une forte corrélation de cette variable avec la composante principale associée à la colonne. RPD et RPE se réfèrent aux cellules colorées des Fig. 3C, 3E (où les nuances de rouge indiquent des valeurs significativement faibles et les nuances de bleu indiquent des valeurs significativement élevées, par rapport au rapport de PD ou PE par rapport à un modèle nul où PD ou PE est calculé à l'aide d'un arbre avec toutes les branches de longueur égale) . Les résultats significatifs de CANAPE se réfèrent aux cellules colorées de la figure 4 indiquant des centres de néo- ou paléo-endémisme ou mixtes (centres à la fois de néo- et paléo-endémisme).
  • Abréviations : CANAPE (analyse catégorielle du néo- et paléo-endémisme Mishler et al., 2014 ) PD, diversité phylogénétique PE, endémisme phylogénétique RPD, diversité phylogénétique relative RPE, endémisme phylogénétique relatif.

L'ACP examinant les relations entre les centres d'endémisme identifiés dans le processus CANAPE et les variables bioclimatiques montre que les corrélations les plus fortes pour l'ACP1 (variance ∼50%) sont celles impliquant les précipitations, qu'il s'agisse de la quantité qui tombe dans une année ou au cours de la ou périodes les plus froides (tableau 8). La deuxième ACP ( variance28% de variance) montre une forte association uniquement avec les variables liées à la température. L'ACP3 (variance ∼11%) est fortement associée à la température moyenne du trimestre le plus humide, à la saisonnalité des précipitations, à l'altitude et à la température moyenne du trimestre le plus sec. Le biplot (Fig. S3) représentant la distribution des centres d'endémisme par rapport aux deux premiers axes de l'ACP montre que les centres regroupés en fonction de la similarité phylogénétique (identifiée dans l'analyse de cluster) sont également tracés séparément des autres clusters dans espace multivarié, suggérant que différents facteurs environnementaux influencent les différents assemblages de taxons.

3.4 Adéquation de niche prévue

En utilisant un seuil d'adéquation climatique de 0,33, seules trois espèces de lycophytes auraient eu un habitat convenable dans le PNW pendant le LGM : Isoète howellii, Selaginella douglasii, et Lycopodium lagopus (Tableau supplémentaire S1). Chez les eusporangés, Equisetum variegata ssp. alaskanum, Botrychium simplex, et Botrypus virginianus sont prédits avoir eu un habitat convenable dans le PNW pendant le LGM, ainsi que neuf leptosporangiés : Asplénium trichomanes, Gymnocarpium jessoense ssp. parvulum, Dryopteris carthusiana, D. cristata, Matteuccia struthiopteris var. pensylvanie, Woodsia scopuline, Azolla microphylla, Marsilea oligospora, et M. vestita (Tableau supplémentaire S2). D'importants refuges pour les ptéridophytes pendant le LGM devraient avoir été situés dans les chaînes côtières, la chaîne des Cascades, les îles Aléoutiennes, Haida Gwaii et le nord de l'île de Vancouver, avec d'autres refuges dans le plateau Columbia, l'archipel Alexander et le grand bassin (tableaux supplémentaires S1, S2).

Pour les conditions futures, toutes les espèces modélisées dans Isoëtes et Selaginelle (tous deux des lycophytes hétérosporeux) devraient voir l'étendue de l'aire de répartition appropriée s'étendre dans le climat futur (sauf pour I. bolanderi, qui devrait rester approximativement le même) (tableau supplémentaire S1). Dans Lycopodiaceae—sauf pour Huperzia miyoshiana et Lycopodium clavatum, qui restent approximativement les mêmes, et Dendrolycopodium dendroideum et Lycopodiella inundata, qui s'étendent - la plupart des espèces devraient avoir des aires de répartition qui se contractent par rapport à l'adéquation actuelle de l'habitat. Dans les eusporangiées (tableau supplémentaire S2), les prêles devraient généralement s'étendre au nord et à l'est de leurs aires de niche appropriées actuelles, à l'exception de E. scirpoides et E. sylvaticum, qui se contractent dans une partie plus petite mais plus appropriée de leurs niches actuelles prévues et se déplacent vers le nord dans d'autres, et E. telmateia var. braunii qui se déplace vers l'est. À l'exception de Botrypus virginianus et Ophioglossum pusillum, les Ophioglossaceae devraient se contracter et/ou se déplacer vers le nord, avec B. pumicola ne devrait pas avoir d'habitat convenable. Parmi les espèces leptosporangiées, les Salviniales hétérospores devraient toutes avoir des aires de répartition étendues en réponse au changement climatique anticipé par rapport aux aires de répartition actuelles appropriées pour les Polypodiales, aucune tendance généralisée n'est apparente, la plupart des familles ayant des taxons qui se contractent et d'autres qui s'étendent ou restent plus ou moins les mêmes par rapport aux plages appropriées dans les conditions actuelles.


Méthodes

Etude de la littérature et construction de la base de données

Une base de données des effets du maïs GM sur le rendement et la qualité des cultures, les TO et les NTO (plantes, animaux, microbes) et les cycles biogéochimiques a été construite en examinant la littérature évaluée par les pairs au sein de la base de données Web of Science TM Core Collection (Clarivate Analytics). La recherche, couvrant la période de novembre 1996 à septembre 2016, visait à identifier les articles faisant état des effets agro-environnementaux du maïs GM vs. comparateur non génétiquement modifié (près de la lignée isogénique) cultivé dans des conditions de terrain. Les expressions de recherche utilisées étaient (maïs OU maïs OU Zea mays) ET (génétiquement modifié OU OGM OU transgénique OU GM OU Bt OU génétiquement modifié OU comparateur OU quasi-isogénique OU tolérant aux herbicides OU résistant aux insectes). Les catégories Web of Science TM sélectionnées étaient les suivantes : sciences végétales, microbiologie appliquée à la biotechnologie, agronomie, entomologie, agriculture multidisciplinaire, sciences de l'environnement, horticulture, écologie, science du sol, microbiologie, zoologie, études environnementales et conservation de la biodiversité. Les types de documents étaient des articles et des critiques. Les langues étaient : l'anglais, l'espagnol, le français et l'allemand. Les expériences réalisées dans des environnements contrôlés (serre ou chambre climatique) ont été exclues. Nous avons sélectionné des expériences réalisées en conditions de terrain dont les témoins étaient représentés par des lignées quasi isogéniques et qui étaient conduites de la même manière que le maïs GM correspondant. Nous n'avons accepté que des comparaisons par paires dans lesquelles les contrôles impliquaient des variétés non GM cultivées dans des conditions identiques, car notre objectif était d'élucider l'effet du génie génétique du maïs sur les traits agro-environnementaux. Lorsque les études incluent des mesures à la fois de l'abondance maximale (densité la plus élevée à n'importe quelle date d'échantillonnage donnée) et de l'abondance saisonnière (moyenne sur plusieurs dates d'échantillonnage), les données maximales doivent être conservées. Pour être inclus dans la base de données, les articles devaient rapporter des données sur l'impact agro-environnemental du maïs GM avec une mesure de la variance (écart-type, erreur-type, coefficient de variation, différence la moins significative) ou la signification statistique de l'analyse ( t- ou P-value) et la taille de l'échantillon. Les données ont été classées en cinq catégories : (1) rendement et qualité des grains, y compris les paramètres économiques (2) NTO, (3) TO (4) cycles biogéochimiques (5) biodiversité. Pour toutes les catégories, à partir de chaque article, les données ont été extraites comme indiqué dans le tableau supplémentaire 1 9. Les données des figures ont été extraites par le progiciel GraphGrabber 60 .

Les informations suivantes ont également été extraites : (i) emplacement géographique (latitude et longitude) (ii) événement(s) de transformation, toxine(s) exprimée(s), nom de l'hybride, nom commercial, société de semences en hybride GM, (iii) nom de l'hybride, nom commercial, entreprise de semences dans le traitement à l'isoline (iv) non GM (par exemple., localisation, année de culture, irrigation, biocontrôle) (v) taxon NTO. Pour chaque taxon NTO, le phylum, la classe, l'ordre et la famille ont été déterminés et inclus dans la base de données. Les organismes non ciblés ont été classés selon la Fauna Europaea (http://www.fauna-eu.org) et le Système d'information taxonomique intégré (http://www.itis.gov). De plus, pour les catégories rendement et qualité des grains et NTO, nous avons mis en œuvre nos jeux de données suite à la comparaison avec les jeux de données disponibles publiés par Klümper et Qaim 16 et Wolfenbarger et al. 18, respectivement. Klümper et Qaim 16 ont rapporté des données agrégées pour le soja, le maïs et le coton et nous avons désagrégé ces données pour obtenir celles concernant uniquement le maïs. Wolfenbarger et al. 18 ont inclus les données demandées aux auteurs dans leur ensemble de données, ce qui nous a permis d'inclure 40 observations dans cette étude.

Pour les articles qui rapportaient des observations de plus d'un traitement, toutes les observations ont été incluses dans la base de données. Pour effectuer des analyses fiables, les traits agro-environnementaux ont été inclus dans l'analyse s'ils étaient rapportés dans au moins trois articles. Pour chaque trait inclus dans les quatre catégories, un ensemble de données a été construit pour effectuer le calcul du nombre d'études et d'observations et l'analyse statistique décrite comme suit. Dans la mesure du possible, nous avons analysé le trait pour les classes simples, doubles et triples et avons exprimé la toxine.

Les méthodes d'analyse acceptées pour la qualité des grains, la perte de masse des résidus et le CO2 les émissions provenant des résidus et du sol sont indiquées dans le tableau 8 supplémentaire.

Taux de réponse et analyse statistique

La taille de l'effet a été estimée par Hedges g 61 . Pour chaque observation incluse dans la base de données, Hedges g a été calculée pour tous les caractères comme la différence entre la moyenne du maïs GM et non GM divisée par l'écart type combiné et ajustée par un facteur de pondération basé sur le nombre de répétitions par traitement. Les haies g a été calculé à l'aide du logiciel Comprehensive Meta-Analysis, version 3 62,63 , à partir des moyennes, SD ou P valeurs et nombre de répétitions. Haie' g est un indice sans unité qui va de −∞ à +∞ et estime la taille et la direction de l'impact. Les haies' g les valeurs de zéro ne signifient aucune différence dans le trait mesuré en raison du génie génétique, tandis que les valeurs positives et négatives impliquent une augmentation et une diminution du trait après le génie génétique, respectivement. Pour chaque trait, nous avons calculé la taille moyenne de l'effet (g + ) à travers les observations de tous les articles, pondérées par la taille de l'échantillon. Les données ont été analysées à l'aide d'un modèle à effets aléatoires, en supposant que les véritables tailles d'effet pouvaient varier d'une étude à l'autre 62 . Dans ce modèle, deux sources de variance sont prises en compte et l'erreur intra-étude et l'erreur inter-études sont calculées. La variabilité intra- et inter-études est supposée avoir une distribution normale. Le modèle est hiérarchique car la variance intra-étude est imbriquée dans la variabilité inter-études et est mixte car elle a plus d'une variance. Pour tester si g + différait significativement de zéro (c'est-à-dire aucun changement dû au génie génétique), nous avons évalué si l'intervalle de confiance (IC) bootstrap à 95 % de g + corrigé du biais ne chevauchait pas zéro sur la base de 999 itérations 62 . Nous avons également testé si les tailles d'effet à travers les observations de tous les articles étaient homogènes, en utilisant la statistique totale Q (Qt) sur la base d'un test du chi carré 62 . Un Q significatift indique que la variance entre les tailles d'effet est supérieure à celle attendue à partir de la seule erreur d'échantillonnage. Les calculs ont été effectués à l'aide du logiciel Comprehensive Meta-Analysis, version 3. Le pourcentage moyen de changement pour les valeurs g + différentes de zéro a été calculé comme [exp(R + ) −1] × 100 où R + est la réponse moyenne pondérée rapport (R) entre les observations de tous les articles 62 . Le rapport de réponse a été calculé comme ln (XGE/Xnon-GE) où XGE est le trait dans le maïs GM et Xnon-GE est le trait dans l'isoligne.

Pour vérifier si les résultats changeraient si un ensemble d'observations était retiré de l'analyse, nous avons appliqué l'analyse de sensibilité décrite par Borenstein et al. 63 . Cette analyse a été effectuée pour chaque trait à l'aide d'un ensemble de données réduit obtenu en supprimant au hasard une observation par article, lorsque le nombre d'observations par article était supérieur à un. Ainsi, pour chaque trait, la taille d'effet moyenne obtenue à partir de l'ensemble de données réduit a été comparée à celle obtenue à partir de l'ensemble de données complet. Cette procédure est disponible dans le logiciel Comprehensive Meta-Analysis software, version 3. Les comparaisons ont été faites en utilisant des IC bootstrap à 95% basés sur 999 itérations et en utilisant P-valeurs. Les analyses de données ont été effectuées à l'aide du logiciel Comprehensive Meta-Analysis, version 3.

Afin d'identifier le biais de publication dû à la tendance des revues à ne publier que des études avec des résultats statistiquement significatifs, une analyse de sensibilité a été réalisée en comparant le nombre de sécurité avec un seuil calculé comme 5n + 10, où n est le nombre original d'études 64 . Un nombre de sécurité est considéré comme robuste s'il est supérieur à la valeur seuil. Le calcul du nombre à sécurité intégrée a été effectué en appliquant un modèle à effets aléatoires dans la version 3 de la méta-analyse complète.

Disponibilité des données

Toutes les données générées ou analysées au cours de cette étude sont incluses dans cet article publié (et ses fichiers supplémentaires).


Résultats

Les corrélations entre les variables basées sur le sol et physiographiques et l'indice de site ont été initialement évaluées à l'aide de l'ensemble de données de test d'hypothèse. Une forte corrélation entre les variables explicatives pourrait interférer dans la détermination de l'effet précis de chaque prédicteur et conduire à de grandes erreurs types des paramètres. Pour P. taeda de très faibles corrélations ont été trouvées entre les variables de site PASW et Elev, et Elev et sont les plus corrélées avec des coefficients légèrement supérieurs à 0,3 dans les deux cas. De plus, aucune des variables du site n'a montré de corrélations élevées avec l'indice de site. Des corrélations plus élevées ont été trouvées avec les espèces d'eucalyptus, les mêmes variables PASW et Elev, ainsi qu'Elev et ont donné des coefficients de corrélation de 0,84 et 0,60 respectivement, alors qu'entre PASW et β le coefficient était de 0,47. De plus, il a été constaté que PASW et Elev avaient les corrélations les plus élevées avec SI (0,63 et 0,68 respectivement). L'utilisation de prédicteurs corrélés a été évitée.

Pour les deux espèces, l'inclusion d'une variable muette (Z7) pour distinguer la croissance dans la zone 7 par rapport au reste (zones 9 et 8) a été évaluée dans les modèles de base appliqués par Methol ([19]), pour les modèles actuellement disponibles. Pour les espèces de pin, Elev était la variable de site la plus corrélée avec le mannequin (0,59), alors que la corrélation avec SI était très faible (0,16). Pour E. grandis, la corrélation était élevée entre Z7 et Elev (0,88) et PASW (0,80), tandis que la corrélation avec β était moins évidente (0,54).


Télécharger maintenant!

Nous vous avons permis de trouver facilement un ebook PDF sans creuser. Et en ayant accès à nos ebooks en ligne ou en les stockant sur votre ordinateur, vous avez des réponses pratiques avec Arcgis Maps For Sharepoint User Guide Doccgis . Pour commencer à trouver Arcgis Maps For Sharepoint User Guide Doccgis , vous avez raison de trouver notre site Web qui contient une collection complète de manuels répertoriés.
Notre bibliothèque est la plus grande d'entre elles qui compte littéralement des centaines de milliers de produits différents.

Enfin, je reçois cet ebook, merci pour tous ces Docgis Guide de l'utilisateur Arcgis Maps For Sharepoint que je peux obtenir maintenant!

Je ne pensais pas que cela fonctionnerait, mon meilleur ami m'a montré ce site, et c'est le cas ! Je reçois mon eBook le plus recherché

wtf ce grand ebook gratuitement ?!

Mes amis sont tellement fous qu'ils ne savent pas comment j'ai tous les ebooks de haute qualité qu'ils n'ont pas !

Il est très facile d'obtenir des ebooks de qualité)

tant de faux sites. c'est le premier qui a fonctionné ! Merci beaucoup

wtffff je ne comprends pas ça !

Sélectionnez simplement votre bouton de clic puis de téléchargement et remplissez une offre pour commencer à télécharger l'ebook. S'il y a un sondage, cela ne prend que 5 minutes, essayez n'importe quel sondage qui vous convient.


6 Débat

Cette étude a rassemblé un ensemble de données diversifiées avec des mesures fondées sur des principes biophysiques, démographiques, écologiques et économiques pour tester leur relation avec la conservation de l'eau. Avec une unité de mesure pertinente pour les communautés individuelles, mais une portée couvrant d'énormes gradients biophysiques et démographiques, ces résultats ont une large portée à la fois pour la politique de sécheresse et la conservation de l'eau. Ils offrent une nouvelle perspective sur une catastrophe naturelle qui devrait devenir plus fréquente et plus intense à l'avenir en raison du changement climatique [Sheffield et Wood, 2008 Wehner et al., 2011 ].

Après contrôle des effets régionaux, le revenu médian des ménages était un prédicteur significatif des résultats de la conservation. Ce manque de réactivité des ménages à revenu élevé à la politique de conservation de l'eau est bien documenté [DeOliver, 1999 ] et pose des difficultés particulières pour la réduction de la consommation d'eau dans les pays développés. Le résultat suggère que les districts hydrographiques avec des populations plus riches doivent adopter des stratégies plus étendues pour encourager la réduction de l'utilisation de l'eau. Cela met également en évidence le défi d'équilibrer la prospérité économique avec une consommation responsable des ressources en présence de risques naturels de plus en plus intenses.

La présence d'eau importée était un indicateur significatif de la conservation relative (p = 0,002). Bien que la structure d'importation polycentrique soit probablement le résultat de l'accumulation progressive de décisions de gestion locales et de limitations physiques, la théorie suggère que les institutions de ce type ont tendance à être plus polyvalentes.Ostrom, 2008, 2010 Toonen, 2010 ]. Cela peut se manifester ici par une capacité accrue de gains d'efficacité, peut-être en raison d'une plus grande capacité à diffuser des messages de conservation [Grant et al., 2013 ] et les technologies. Des agences de niveau supérieur, telles que le Metropolitan Water District of Southern California, s'engagent dans la sensibilisation communautaire, proposent des programmes de remise pour les appareils économes en eau et fournissent des ressources éducatives concernant la conservation de l'eau [District aquatique métropolitain de Californie du Sud, 2016 ]. Des partenariats se nouent entre la Métropole et les districts en dessous d'eux, par exemple dans le cas du Water Smart Landscape Program dans le comté d'Orange [District municipal des eaux du comté d'Orange, 2011 ]. Les portions isolées du système californien de gestion de l'eau connaissent des difficultés liées à l'innovation et à l'adaptation [Hanak et al., 2011 ].Il est également important de noter que les coûts variables de l'eau importée sont souvent plus élevés que ceux des eaux de surface et souterraines locales en raison de l'augmentation de la consommation d'énergie, ce qui incite davantage les districts à l'intérieur de la structure d'importation à encourager la conservation [Kenney et Wilkinson, 2011 ]. Pour toutes ces raisons, l'interconnexion est importante pour la résilience future à la sécheresse. La conception institutionnelle dans le monde devrait prendre en compte les structures polycentriques pour la gestion de l'eau et des recherches supplémentaires devraient chercher à comprendre les mécanismes par lesquels l'inclusion dans la structure d'importation polycentrique conduit à un succès accru avec la conservation de l'eau.

De plus, les districts avec une plus grande sévérité de sécheresse étaient plus susceptibles d'atteindre leur objectif de conservation, ce qui s'est également avéré être vrai en Australie [Gilbertson et al., 2011 ], peut-être parce que les habitants sont plus conscients de la sécheresse dans ces régions. La sensibilisation aux ressources en eau et au changement climatique avait une corrélation significative avec l'intention de conserver en Bulgarie, par exemple [Clark et Finley, 2007 ]. Cette découverte indique que l'importance locale des conditions de sécheresse, via les médias d'information ou l'expérience directe, peut encourager la réduction de l'utilisation de l'eau indépendamment des messages et des technologies de conservation fournis par la structure polycentrique. Il offre également un certain optimisme quant à la possibilité d'améliorer la conservation à mesure que le changement climatique aggrave les sécheresses.

Les différences régionales expliquent également une part importante de la variation des résultats de conservation. Les régions hydrologiques représentent l'intersection des données historiques de conservation, du climat, du financement des infrastructures et des institutions régionales de gestion de l'eau en Californie. La gravité de la sécheresse et la consommation d'eau par habitant sont toutes deux corrélées à la région hydrologique [Département californien des ressources en eau, 2010b ], et nos résultats confirment qu'il est nécessaire de contrôler cela dans le modèle. De plus, la réponse des districts importateurs lors du contrôle de la région renforce la conclusion que l'interdépendance a amélioré les résultats de la conservation.

Tester l'effet d'un score de diversité pondéré (dérivé de l'indice de diversité de Simpson) sur les résultats de la conservation constitue une nouvelle contribution à la littérature sur la gestion des ressources en eau. Comme discuté dans la section 2.2, nous n'avions pas d'hypothèse a priori forte concernant le signe de cet effet. En utilisant une variété de méthodes, d'autres ont suggéré que la diversification est une stratégie de couverture des risques, impliquant une résilience à la sécheresse [Beuhler, 2006 Wolff et Kasower, 2006 ]. La diversification des sources a également été prescrite comme stratégie de gestion des ressources en eau dans les zones où les eaux de surface et souterraines sont rares, par exemple, dans certaines parties du sud de la Californie et de l'Australie [Homme libre, 2008 Radcliffe, 2015 ]. Cependant, dans notre contexte, il y avait des preuves que des valeurs de diversité plus élevées avaient en fait un négatif relation (p = 0,073) avec des résultats de conservation relatifs. Une explication défendable est que la diversification est le résultat d'une histoire d'incertitude de l'approvisionnement local (en raison de la sécheresse, des droits d'eau et des problèmes d'adjudication, etc.), et est associée à un éventail de pratiques de gestion de l'eau résilientes à long terme qui fournissent un tampon contre l'incertitude de l'approvisionnement [Programme mondial d'évaluation des ressources en eau des Nations Unies, 2012 Institut de politique publique de Californie, 2016b ]. Par conséquent, cela peut réduire la perception du risque et le sentiment d'urgence de se conformer aux initiatives à court terme. Des recherches supplémentaires qui examinent si les gens perçoivent moins d'urgence lorsqu'ils sont conscients des diverses sources d'eau permettraient aux gestionnaires de l'eau de mieux motiver la conservation.

Il existe des raisons autres qu'une conservation efficace pendant la sécheresse qui peuvent motiver les districts hydrographiques à diversifier leurs portefeuilles de sources. La planification d'un approvisionnement à long terme plus sûr alors que la population de l'État continue de croître, ainsi que l'investissement dans des sources telles que l'eau recyclée en vue d'une utilisation plus efficace, sont des facteurs supplémentaires importants qui n'ont pas été explicitement pris en compte ici. Cependant, notre analyse fournit des preuves que la couverture générale des risques et la sécurité d'approvisionnement à long terme ne sont pas nécessairement synonymes de la capacité de répondre aux restrictions de sécheresse, et peuvent en fait représenter des compromis dans la capacité institutionnelle.

Il est contre-intuitif que tandis que les districts ayant accès à l'eau importée conservent davantage, ceux avec une plus grande diversité conservent moins, étant donné que l'accès à l'eau importée est corrélé à une plus grande diversité. La corrélation n'est pas aussi élevée qu'on pourrait s'y attendre, le score de diversité prédit moins de 20 % de la variance de la probabilité d'importer de l'eau. En fait, 30 districts ne dépendaient que d'une seule source d'eau importée, ce qui signifie qu'ils avaient également un score de diversité de zéro. Si deux districts importent tous deux de l'eau, celui avec le score de diversité le plus élevé était moins susceptible d'atteindre son objectif de conservation. A l'inverse, si deux districts ont le même score de diversité, celui qui importe de l'eau a plus de chances d'atteindre son objectif de conservation.

Bien que les données utilisées dans cette étude incluent de nombreuses caractéristiques vitales du paysage de l'eau urbaine en Californie, il existe des lacunes qui limitent la robustesse et la force de l'analyse. Les UWMP utilisés pour compiler les portefeuilles sources ne sont rapportés qu'une fois tous les 5 ans. La collecte systématique ne peut être retracée que jusqu'en 2005, et l'édition 2015 a été publiée après la fin de la période de conservation obligatoire [Département californien des ressources en eau, 2016a ]. Ainsi, il existe un décalage temporel entre les métriques d'importation et de portefeuille et les variables dépendantes. En outre, il existe probablement des lacunes cumulatives « modérées et majeures » dans la comptabilisation de chaque composante individuelle au sein des UWMP [Escriva-bou et al., 2016 ]. Ce sont des lacunes critiques qui ont empêché cette étude de devenir une évaluation complète des risques et de la vulnérabilité. Une évaluation de la vulnérabilité pour une unité aussi petite qu'un district hydrographique nécessiterait des informations historiques détaillées sur l'exposition aux risques, la sensibilité et la capacité d'adaptation à cette échelle [Hurd et al., 1999 Smit et Wandel, 2006 Carrao et al., 2016 ]. Par exemple, dans le cas des niveaux d'eau souterraine en Californie, les mesures n'ont pas été historiquement collectées systématiquement [Maynard, 2014 ]. Malgré le fait que la politique exige que chaque district « évalue la fiabilité de ses sources d'eau sur un horizon de planification de 20 ans » [Département californien des ressources en eau, 2016b ], les données permettant d'évaluer de manière significative l'exposition relative du portefeuille de chaque district hydrographique au risque n'existent tout simplement pas aujourd'hui. Le décalage dans la collecte des données [homme-poisson, 2016 ] et la nature réactionnaire par laquelle les bases de données de gestion de l'eau ont été construites [Langridge et al., 2012 ] est un problème bien documenté pour les chercheurs en gestion des ressources en eau [Escriva-bou et al., 2016 ]. Cela signifie que nous ne pouvons pas examiner comment les pratiques de conservation et les risques et la vulnérabilité associés évoluent dans le temps. Dans le contexte mondial, le défi est encore plus grand étant donné que la plupart des régions ne collectent et ne communiquent pas publiquement les données sur le portefeuille de l'eau. Face à la probabilité et à l'étendue croissantes de la sécheresse due au changement climatique, les agences gouvernementales devraient encourager une collecte de données et des rapports plus complets afin de mieux évaluer les risques et les vulnérabilités au niveau local.


Renseignements à l'appui

S1 Figue

Étapes du calcul du taux de reproduction des étuis (Rt) : 1- Détermination de la date d'infection et de la date de début de l'infectiosité des exploitations atteintes, 2- Evolution des arbres épidémiques, 3- Calcul du nombre d'exploitations infectées par chacune des exploitations touchées tout au long de l'épidémie, et 4- Calcul du rapport cas-reproduction (Rt) pour un foyer (x) et une période de temps (t) donnés.


Voir la vidéo: Quantum GIS Tutorial 8: Linterpolation - exemple de données de précipitation