معلومة

مؤشر التنوع البيولوجي الأنسب

مؤشر التنوع البيولوجي الأنسب



We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

أقوم بإجراء تحقيق في تأثير طريقتين مختلفتين لإدارة العشب (الرعي مقابل القص بالآلة) على التنوع البيولوجي للزهور.

لقد جمعت بياناتي وأحتاج الآن إلى معالجتها بطريقة تؤدي إلى نتائج مفيدة وصحيحة. بياناتي في شكل 25 عينة لكل منطقة مع قياس وفرة٪ لكل نوع في 0.25 متر2 رباعي.

أنا أستخدم حاليًا تقنية قياس تنوع غير قياسية ، تسمى مؤشر ديزني (والذي قيل لي أنه تم تسميته بشكل مسمى باسم RHL Disney ، ومع ذلك لا يمكنني العثور على أي مراجع تصف هذا) ، حيث نقوم بتعيين وزن لكل نوع على أساس نسبة الوفرة ، على النحو التالي:

ثم نستخدم هذه الأوزان لحساب الفهرس على النحو التالي (أي بحساب مجموع أوزان الأنواع على عدد الأنواع):

أريد أن أعرف ما إذا كان هذا هو أفضل مؤشر تنوع ممكن يمكنني استخدامه لهذا النوع من التحليل ، أو ما إذا كان هناك آخرون يجب أن أفكر فيه.

شكرا لك مقدما!


يبدو أنك مهتم بتنوع بيتا وهو التغيير في تكوين الأصناف (أي تنوع ألفا) بين المؤامرات. هناك عدد من الأساليب لحساب تنوع بيتا ويعتمد الاختيار الصحيح بشكل عام على السؤال (الأسئلة) الذي تحاول الإجابة عليه. تم وصف الأساليب الأكثر شيوعًا جيدًا في هذه الورقة:

أندرسون ، إم جيه وآخرون. 2011. الإبحار في المعاني المتعددة لتنوع بيتا: خارطة طريق لعالم البيئة الممارس. رسائل علم البيئة 14: 19-28

ملاحظة. لست على دراية بمؤشر Disney ، لذا لا يمكنني التعليق على مزاياها.

P. قد تكون مهتمًا أيضًا بهذا السؤال.


قد ترغب في إلقاء نظرة على ورقة كوليف (فتح الوصول @ JAE http://onlinelibrary.wiley.com/doi/10.1046/j.1365-2656.2003.00710.x/abstract).

بالنظر إلى أن لديك بيانات كمية ، يجب أن تنظر إلى الفرق بين الحضور / الغياب والمقاييس الكمية. سيكون قياس Bry-Curtis أو أي شيء بهذا المعنى أفضل بكثير من Sorensen أو Whittaker هنا ، لئلا تفقد المعلومات.


لا أعرف أي شيء عن "مؤشر ديزني" لكن المعادلة التي تستخدمها تبدو وكأنها نسخة من Simpson's D ، وهو مؤشر تنوع بيولوجي شائع جدًا. إذا كنت تقوم فقط بتقدير نوعين مختلفين من المواقع (استراتيجيتان للإدارة) فإنني أقترح طريقة نادرة. يمكن تقدير ذلك إما في الحزمة النباتية في R ، أو EstimateS http://viceroy.eeb.uconn.edu/EstimateS/ بواسطة روبرت كولويل. تأخذ Rarefaction في الاعتبار عدد العينات التي لديك عند حساب تقدير عدد الأنواع التي تجدها. يمكنك أيضًا استخدام تقديرات ثراء الأنواع المباشرة مثل Chao1 و Chao2. أفضل "مؤشر تنوع" في رأيي هو Hurlbert's PIE

أتمنى أن يساعدك هذا.


قياس الاتجاهات العالمية في حالة التنوع البيولوجي: مؤشرات القائمة الحمراء للطيور

دفع التدمير السريع للتنوع البيولوجي للكوكب دول العالم إلى تحديد هدف لتحقيق خفض كبير في معدل فقدان التنوع البيولوجي بحلول عام 2010. ومع ذلك ، ليس لدينا حتى الآن طريقة مناسبة لرصد التقدم المحرز نحو تحقيق هذا الهدف . نقدم هنا طريقة لإنتاج المؤشرات بناءً على القائمة الحمراء للاتحاد الدولي لحفظ الطبيعة (IUCN) لرسم حالة التهديد العام (خطر الانقراض النسبي المتوقع) لجميع أنواع الطيور في العالم من عام 1988 إلى عام 2004. تستند مؤشرات القائمة الحمراء (RLIs) إلى عدد الأنواع في كل فئة من فئات القائمة الحمراء ، وعلى عدد الفئات المتغيرة بين التقييمات نتيجة للتحسين الحقيقي أو التدهور في الحالة. يُظهر مؤشر RLI لجميع أنواع الطيور أن حالة التهديد العام لديهم استمرت في التدهور منذ عام 1988. تظهر المؤشرات المصنفة أن التدهور قد حدث في جميع أنحاء العالم وفي جميع النظم البيئية الرئيسية ، ولكن مع انخفاض حاد بشكل خاص في مؤشرات الطيور الهندية المالاوية (مدفوعة بالتكثيف. إزالة الغابات في الأراضي المنخفضة في سوندايك) وطيور القطرس والطيور (بسبب النفوق العرضي في مصايد الخيوط الطويلة التجارية). تكمل المؤشرات القائمة على القائمة الحمراء المؤشرات المستندة إلى اتجاهات أعداد الأنواع ومدى الموائل لتحديد الاتجاهات العالمية في حالة التنوع البيولوجي. تتمثل نقاط ضعفهم الرئيسية في أن حل تغييرات الحالة غير دقيق إلى حد ما وأن التأخيرات قد تحدث قبل اكتشاف بعض تغييرات الحالة. وتتمثل أكبر نقاط قوتها في أنها تستند إلى معلومات من جميع الأنواع تقريبًا في مجموعة تصنيفية في جميع أنحاء العالم ، بدلاً من مجموعة فرعية متحيزة محتملة. في الوقت الحاضر ، البيانات المناسبة متاحة فقط للطيور ، ولكن مؤشرات المجموعات التصنيفية الأخرى قيد التطوير ، كما هو الحال بالنسبة لمؤشر عينات يعتمد على عينة طبقية من جميع المجموعات التصنيفية الرئيسية.

الاقتباس: Butchart SHM و Stattersfield AJ و Bennun LA و Shutes SM و Akçakaya HR و Baillie JEM وآخرون. (2004) قياس الاتجاهات العالمية في حالة التنوع البيولوجي: مؤشرات القائمة الحمراء للطيور. بلوس بيول 2 (12): e383. https://doi.org/10.1371/journal.pbio.0020383

محرر أكاديمي: والت ف. ريد ، تقييم الألفية للنظم الإيكولوجية

تم الاستلام: 25 مايو 2004 وافقت: 10 سبتمبر 2004 نشرت: 26 أكتوبر 2004

حقوق النشر: © 2004 بوتشارت وآخرون. هذا مقال مفتوح الوصول يتم توزيعه بموجب شروط ترخيص Creative Commons Attribution License ، والذي يسمح بالاستخدام غير المقيد والتوزيع والاستنساخ بأي وسيلة ، بشرط الاستشهاد بالعمل الأصلي بشكل صحيح.

تضارب المصالح: أعلن الكتاب أنه لا يوجد تضارب في المصالح.

الاختصارات: ACAP ، اتفاقية حفظ طيور القطرس والطيور CBD ، اتفاقية التنوع البيولوجي CMS ، اتفاقية الأنواع المهاجرة IUCN ، الاتحاد العالمي للحفظ RLI ، فهرس القائمة الحمراء


الملخص

يعد تحديد اتجاهات أعداد الأنواع أمرًا بالغ الأهمية لرصد التقدم المحرز نحو أهداف الحفظ العالمية ، وتبرير الاستثمارات ، وتخطيط الاستجابات المستهدفة وزيادة الوعي حول الأنواع المهددة. العديد من المؤشرات العالمية بطيئة في الاستجابة وتقدم تقارير عن الأنواع الشائعة ، وليس تلك الأكثر عرضة لخطر الانقراض. نقوم هنا بتطوير مؤشر الأنواع المهددة بالانقراض كأداة ديناميكية لتتبع التغيرات السنوية في الطيور الأسترالية المعرضة للخطر. استنادًا إلى طريقة مؤشر الكوكب الحي ويحتوي على أكثر من 17000 سلسلة زمنية لـ 65 نوعًا من الطيور التي تم مسحها بشكل منهجي ، يُظهر المؤشر في تكراره الثاني انخفاضًا متوسطًا بنسبة 59٪ بين عامي 1985 و 2016 ، و 44٪ بين عامي 2000 و 2016. يبدو أن الانخفاضات هي الأكثر شديد لطيور الشاطئ والبرية وأقل شدة للطيور البحرية. يوفر المؤشر وسيلة محتملة لقياس الأداء مقابل هدف أيشي 12 لاتفاقية التنوع البيولوجي ، مما يمكّن الحكومات والوكالات والجمهور من مراقبة التغيرات في الأنواع المهددة.


مقدمة

يتغير تنوع الأنواع في جميع النطاقات المكانية في ظل تزايد تدهور الموائل باستمرار ، وانتشار الأنواع غير الأصلية ، والاستغلال المفرط للموارد ، وارتفاع درجة حرارة المناخ [1-4]. تم اقتراح أهداف الحفظ الطموحة مؤخرًا لوقف بل وعكس التآكل المستمر للتنوع البيولوجي مع الالتزام بحماية ما لا يقل عن 30٪ من المحيطات والأراضي العالمية بحلول عام 2030 [5،6]. ومع ذلك ، على الرغم من أن بعض الدراسات تشير إلى أن تنوع الأنواع يميل إلى أن يكون أعلى داخل المناطق المحمية خارجها في جميع أنحاء العالم [7،8] ، فإن المدى الذي تدعمه المناطق المحمية والمقيدة وغير المحمية المجاورة مستويات مختلفة من ثراء الأنواع (α-التنوع) أو تراكيب الأنواع المختلفة (ß-التنوع) يظل غير واضح بينما يمثل قضية رئيسية. في الواقع ، يرتبط استقرار أداء النظام البيئي والاستمرار في تقديم خدمات النظام البيئي على المستوى الإقليمي ارتباطًا إيجابيًا بعدد الأنواع التي تتألف منها المجموعة الإقليمية (γ- التنوع) [9-11] والتي تعتمد على التنوع المحلي أو تنوع الموقع (α -التنوع) والاختلاف في تكوين الأنواع بين المواقع (ß- التنوع) [12،13].

تاريخياً ، تم إنشاء العديد من المناطق المحمية للحفاظ على المناظر الطبيعية الشهيرة والمناظر البحرية ولتوفير ظروف بيئية مواتية (الموائل والمناخ) للأنواع المستغلة والمهددة [14]. قد تكون هذه الاختيارات التعسفية قد ساهمت في تباين ملحوظ في الأنواع بين المناطق المحمية المجاورة والمناطق غير المحمية بسبب اختلافات الموائل داخل المنطقة. بالإضافة إلى تأثير الموئل المحتمل ، يمكن استئصال بعض الأنواع المعتمدة على الحفظ من خلال الأنشطة البشرية خارج المناطق المحمية [3 ، 15 ، 16] مما قد يزيد أيضًا من اختلاف الأنواع بين مستويات الحماية. لذلك ، بالمقابل ، لا يزال التأثير النسبي للظروف البيئية المحلية ومستوى الحماية على تكوين الأنواع غير معروف إلى حد كبير ، في حين أن التأثير الجزئي لمستوى الحماية عند التحكم في الظروف البيئية ، وحجم العينة ، وحدوث الأنواع لا يزال يتعين التحقيق فيه عبر الأصناف و المناطق الأحيائية. هنا ، نضع فرضية أن المناطق المحمية تستضيف أعلى α-التنوع عن نظرائهم غير المحمية بنمط متداخل في ß- التنوع حيث تستضيف المناطق غير المحمية مجموعة فرعية فقط من تلك الأنواع الموجودة في المناطق المحمية القريبة (الشكل 1). كبديل ، قد تستضيف المحمية وغير المحمية أنواعًا مختلفة تؤدي إلى زيادة ميكانيكية في تنوع بيتا (الشكل 1).

يتناول هذا المثال الافتراضي مستويين فقط من الحماية ومستويين من الاختلاف في ثراء الأنواع (منطقة الدائرة). على اليسار توجد الأنواع التي تحدث في المنطقة غير المحمية أيضًا في المنطقة المحمية بينما العكس ليس صحيحًا ، لذا فإن المنطقة الأفقر تستضيف فقط مجموعة فرعية من الأنواع التي تتداخل في تكوين الأنواع في المنطقة الغنية. على اليمين ، معدل دوران الأنواع هو الحد الأقصى ، مع وجود 3 أنواع فريدة لكل مستوى حماية ولا توجد أنواع مشتركة بينهما. تؤدي زيادة معدل دوران الأنواع إلى زيادة ميكانيكية في تنوع بيتا. في المركز ، كلا النموذجين موجودان ، بعض الأنواع تحدث في كل من المنطقة غير المحمية والمنطقة المحمية (التعشيش) ، لكن بعض الأنواع فريدة لكل مستوى حماية (دوران). تم استخراج الرموز من https://www.publicdomainpictures.net/ وهي تخضع لترخيص Public Domain Dedication 1.0.

وبشكل أكثر تحديدًا ، نستخدم 3 مجموعات بيانات واسعة النطاق وغنية بالأنواع عبر العديد من المناطق (1447 نوعًا من أسماك الشعاب المرجانية في 44 منطقة محمية ، و 3532 نوعًا نباتيًا من جبال الألب الفرنسية في 192 منطقة محمية ، و 639 نوعًا من الطيور في أمريكا الشمالية في 415 منطقة محمية انظر الجدول S1 ) لمقارنة تنوع الأنواع وتكوينها بين المناطق المجاورة المحمية بشدة ، والمقيدة ، وغير المحمية (بمسافة 50 كيلومترًا). نحدد المنطقة على أنها محمية بشكل صارم عندما تكون الزيارات البشرية والاستخدام والتأثيرات خاضعة لرقابة صارمة ومحدودة ، على سبيل المثال ، المحميات البحرية المحظورة ، أي الاتحاد الدولي لحفظ الطبيعة (IUCN) الفئتان الأولى والثانية. في المناطق المحظورة ، يتم التحكم في الأنشطة البشرية ولكن يُسمح باستخراج بعض الموارد بما يتوافق مع فئات IUCN من III إلى VI. نقوم بإجراء تحليلين إحصائيين مكملين على مقياسين مكانيين لاختبار التأثير النسبي للظروف البيئية والحماية على تنوع الأنواع وإلقاء الضوء على تأثير الحفظ ، إن وجد.

أولاً ، نستخدم تحليلات التكرار المستندة إلى المسافة (dbRDA) على نطاق المسوحات المحلية (أي المقاطعات) لفصل التأثيرات البيئية مقابل تأثيرات الحماية على تكوين الأنواع داخل كل منطقة. ثانيًا ، نستخدم مؤشر الاختلاف Jaccard (ß-التنوع) لتحديد ما إذا كانت الاختلافات في تكوين الأنواع بين مستويات الحماية متداخلة في منطقة معينة (أي الأنواع الموجودة في المناطق المحمية الأقل موجودة أيضًا في المزيد من المناطق المحمية) أو ترجع أساسًا إلى دوران الأنواع أو استبدالها على طول تدرج الحماية ( أي الأنواع الموجودة في المناطق المحمية غائبة في المناطق غير المحمية والعكس صحيح) (الشكل 2). أخيرًا ، نحدد مقدار وخصائص الأنواع التي تكون فريدة من نوعها لمستوى حماية واحد.

التأثير الهامشي للحماية والظروف البيئية على معدل الدوران الملحوظ بين مسوحات المناطق المحمية بدقة والمسوحات المحيطة داخل منطقة عازلة بطول 50 كم (من المناطق غير المحمية و / أو المناطق المحظورة (ن = 18 ، 131 ، 5) لأسماك الشعاب المرجانية (أ) والطيور (ب) ونباتات جبال الألب (ج). تمت إزالة بعض المناطق المحمية بشكل صارم لأن الظروف البيئية كانت متطابقة تمامًا بين المسوحات مما يجعل المقارنة غير ممكنة للمساهمة النسبية لكل من الحماية والظروف البيئية. تشير العلامات النجمية إلى فيشر ص- القيمة ، التي تشير إلى التأثير الجزئي المشترك للحماية والظروف البيئية لكل تصنيف باستخدام ANOVA التقليب ، أي ما إذا كان لكل بيئة ومستوى حماية ارتباط كبير مع معدل دوران الأنواع المرصود أم لا. يمكن العثور على البيانات الأولية في https://github.com/LoiseauN/Betadiversity-protected-areas.


الاستشعار عن بعد: التاريخ والمبادئ والأنواع

تكنولوجيا الاستشعار عن بعد الحديثة لها تاريخ طويل للغاية ، يعود تاريخه إلى نهاية القرن التاسع عشر مع اختراع الكاميرا.

في البداية ، تم استخدام الكاميرات لالتقاط صور فوتوغرافية على الأرض ، والتي وفرت (ولا تزال) طريقة رائعة ومثيرة لالتقاط اللحظات في الوقت المناسب والاحتفاظ بسجل لشيء حدث ، والذي بدا أكثر واقعية من الرسم أو اللوحة ، والذي يمكن يمكن التقاطها أسرع بكثير من الرسم أو الرسم.

تطورت فكرة الاستشعار عن بعد وممارسته لأول مرة في أربعينيات القرن التاسع عشر ، عندما تم إدراك أنه يمكن الحصول على رؤية مختلفة وربما أكثر كاشفة عن منظر طبيعي معين من خلال التقاط صورة من وجهة نظر ، مثل المنحدر أو المبنى ، والجهود المبذولة. لإلقاء نظرة على سطح الأرض & # 8217s من خلال التقاط الصور بمساعدة الكاميرات المثبتة على البالونات المربوطة ، لأغراض رسم الخرائط الطبوغرافية.

تم إدراك أن المنظور المحمول جواً يعطي رؤية مختلفة تمامًا عما كان متاحًا على الأرض. ربما كان أسطول الحمام الأكثر حداثة في نهاية القرن الماضي هو أسطول الحمام الشهير الذي عمل كحداثة في أوروبا.

بحلول الحرب العالمية الأولى ، تم تركيب الكاميرات على الطائرات ، والتي قدمت مناظر جوية لمساحات كبيرة إلى حد ما واستخدمت كوسيلة للحصول على البيانات والمعلومات ، والتي أثبتت أنها لا تقدر بثمن في الاستطلاع العسكري. وهكذا ، ظل التصوير الجوي هو الأداة القياسية الوحيدة لتصوير السطح من منظور رأسي أو مائل حتى أوائل الستينيات.

يمكن إرجاع تاريخ الاستشعار عن بعد عبر الأقمار الصناعية إلى الأيام الأولى لعصر الفضاء لكل من البرامج الروسية والأمريكية. لقد بدأ في الواقع كنهج مزدوج لتصوير الأسطح ، من المركبات الفضائية ، باستخدام عدة أنواع من أجهزة الاستشعار. بعد الحرب العالمية الثانية ، في عام 1946 ، تم إطلاق صواريخ V-2 التي تم الحصول عليها من ألمانيا ، والتي تحتوي على كاميرا ثابتة أو كاميرا أفلام ، على ارتفاعات عالية من وايت ساندز ، نيو مكسيكو.

ومع ذلك ، لم تصل هذه الصواريخ إلى المدار مطلقًا ، ولكنها التقطت صوراً لسطح الأرض أثناء صعود المركبة. في الستينيات ، مع ظهور برنامج الفضاء ، بدأ رواد الفضاء في التقاط الصور من نافذة مركبتهم الفضائية التي كانوا يدورون فيها حول الأرض.

اليوم ، يتم تنفيذ الاستشعار عن بعد باستخدام التكنولوجيا المحمولة جواً والأقمار الصناعية ، ليس فقط باستخدام التصوير الفوتوغرافي للأفلام ، ولكن أيضًا باستخدام الكاميرا الرقمية والماسح الضوئي والفيديو ، وكذلك الرادار وأجهزة الاستشعار الحرارية (الشكل 11.1).

على عكس الماضي ، عندما كان الاستشعار عن بعد يقتصر على الجزء المرئي فقط من الطيف الكهرومغناطيسي ، أي ما يمكن رؤيته بالعين المجردة ، اليوم من خلال استخدام مرشحات خاصة وأفلام فوتوغرافية وأنواع أخرى من أجهزة الاستشعار ، وأجزاء من الطيف التي لا يمكن رؤيتها بالعين المجردة يمكن استخدامها أيضًا.

وبالتالي ، يتم استخدام الاستشعار عن بعد اليوم إلى حد كبير في الإدارة البيئية ، والتي تتطلب في كثير من الأحيان جمع بيانات سريعة ودقيقة وحديثة.

2. مبادئ الاستشعار عن بعد:

يشمل الاستشعار عن بعد اكتشاف وقياس إشعاعات الأطوال الموجية المختلفة المنعكسة أو المنبعثة من الأشياء أو المواد البعيدة ، مما يساعد في تحديدها وتصنيفها.

يقدم أربعة مكونات أساسية للقياس ، والتي تشمل:

من بين هؤلاء ، يعتبر مصدر الطاقة أو الطاقة الكهرومغناطيسية مهمين للغاية ، حيث أنهما يعملان كوسيط حاسم لنقل المعلومات من الهدف إلى المستشعر. يوصف بأنه الطيف الكهرومغناطيسي ، حيث توجد العديد من الأشكال التي تصف الطاقة في منطقة معينة من الطيف (الشكل 11.2).

هذه هي الضوء المرئي ، موجات الراديو ، الموجات الدقيقة ، الحرارة ، الأشعة فوق البنفسجية ، الأشعة السينية وأشعة جاما. هذا الطيف هو نظرة عامة على استمرارية الطاقة الكهرومغناطيسية من أطوال موجية قصيرة للغاية (أشعة جاما الكونية) إلى أطوال موجية طويلة للغاية (موجات الراديو والتلفزيون). هذه الانقسامات ليست مطلقة ومحددة حيث قد يحدث تداخل.

تقاس الوحدة الأساسية للطول الموجي بالأمتار (م). تُقاس معظم الطاقة في الأجزاء المرئية (بما في ذلك الأشعة فوق البنفسجية والمرئية والقريبة من الأشعة تحت الحمراء) والأشعة تحت الحمراء من الطيف الكهرومغناطيسي بالميكرومتر (10-6 م) [1 ميكرومتر = 10000 أنجستروم]. يمكن استخدام المليمترات للأطوال الموجية الأطول (الأزرق & # 8211 0.4 & # 8211 0.5 مم).

اعتمادًا على الطول الموجي والموقع الطيفي الاسمي ، يمكن مطابقة التطبيقات الرئيسية مع نطاقات ساتلية مناسبة للتصنيف.

3. أنواع الاستشعار عن بعد:

يتضمن الاستشعار عن بعد للأقمار الصناعية جمع معلومات حول الميزات الموجودة على سطح الأرض & # 8217s من الأقمار الصناعية التي تدور حول الأرض ، والتي قد تحمل أيًا من النوعين التاليين من أنظمة الاستشعار:

(ط) النظام السلبي:

يتكون بشكل عام من مجموعة من أجهزة الاستشعار أو أجهزة الكشف الصغيرة ، والتي تسجل كمية الإشعاع الكهرومغناطيسي المنعكس و / أو المنبعث من سطح الأرض & # 8217s. وبالتالي ، يعتمد الاستشعار السلبي عن بعد على الطاقة المنعكسة أو المنبعثة بشكل طبيعي من السطح المصور.

تفشل معظم أجهزة الاستشعار عن بعد في هذه الفئة ، حيث تحصل على صور للطاقة المرئية والأشعة تحت الحمراء القريبة والأشعة تحت الحمراء الحرارية. الماسح متعدد الأطياف هو مثال على نظام سلبي (الشكل 11.3). تُستخدم البيانات المرئية والقريبة من الأشعة تحت الحمراء السلبية في مجموعة متنوعة من تطبيقات نظم المعلومات الجغرافية ، على سبيل المثال في تصنيف الغطاء النباتي واستخدام الأراضي ، ويمكن إجراؤها على مجموعة متنوعة من النطاقات الزمنية والمكانية.

(2) النظام النشط:

ينشر هذا النوع من النظام إشعاعه الكهرومغناطيسي الخاص به ويقيس شدة إشارة العودة. وبالتالي ، فإن الاستشعار النشط عن بعد يعني أن المستشعر يوفر الإضاءة الخاصة به ويقيس ما يعود. تشمل تقنيات الاستشعار عن بعد التي تستخدم هذا النوع من الأنظمة الليدار (الليزر) والرادار.

الرادار ذو الفتحة التركيبية (SAR) هو مثال على نظام نشط. يتزايد استخدام أنظمة الاستشعار عن بعد النشطة (الرادار والليدار) بسرعة منذ إطلاق ساتل ERS-1 ذو الفتحة الاصطناعية (SAR) في عام 1991. بالمقارنة مع الصور المرئية / القريبة من الأشعة تحت الحمراء ، فإن الرادارات حساسة لخصائص سطح مختلفة للغاية .

على سبيل المثال ، صور الرادار حساسة لشكل الأوراق واتجاهها وحجمها ومحتوى الرطوبة فيها ، وليس لون الغطاء النباتي. وبالمثل ، فقد تم استخدام الليدارات المحمولة جواً إلى حد كبير لرسم خرائط تضاريس السطح في ثلاثة أبعاد. ستساعد أجهزة قياس الارتفاع الرادارية والليدار الموجودة والمخطط لها أيضًا في المراقبة عن كثب لارتفاع القمم الجليدية في العالم ومستوى سطح البحر بدقة سنتيمترية.

4. مزايا الاستشعار عن بعد:

تتمتع أنظمة التصوير المستشعرة عن بعد بالعديد من المزايا مقارنة بالتصوير الفوتوغرافي بالكاميرا ، والتي تختلف عنها اختلافًا كبيرًا في الطريقتين التاليتين:

(ط) لا يقتصر فقط على الجزء المرئي من الطيف الكهرومغناطيسي (من حوالي 0.4 إلى 0.7 ميكرومتر في الطول الموجي) ، ولكن يمكنه أيضًا قياس الطاقة بأطوال موجية غير مرئية للعين ، مثل الأشعة تحت الحمراء القريبة والأشعة تحت الحمراء الحرارية وأطوال موجات الراديو .

(2) يمكن لمعظم أدوات الاستشعار عن بعد أن تسجل أطوال موجية مختلفة في نفس الوقت ، ولا تعطي صورة واحدة بل صور عديدة لنفس الموقع على الأرض ، كل منها يتوافق مع نطاق مختلف من الأطوال الموجية يسمى النطاق.

وبالتالي ، فإن البيانات المستشعرة عن بعد التي حصلت عليها الأقمار الصناعية لرصد الأرض توفر عددًا من الفوائد لدراسة سطح الأرض & # 8217s ، والتي تشمل:

(ط) طيفي جيد (بما في ذلك نطاقات الأشعة تحت الحمراء) والاستبانة المكانية.

(2) يسمح بتغطية إقليمية واسعة.

(3) يسمح بالحصول المستمر على البيانات.

(4) يوفر معلومات محدثة بسبب القدرة على إعادة النظر بانتظام.

(5) يوفر بيانات فعالة من حيث التكلفة ودقيقة الخرائط.

(6) يوفر أرشيفًا كبيرًا للبيانات التاريخية.

(7) تمكن من الجمع بين البيانات الرقمية الساتلية والبيانات الرقمية الأخرى.

(8) لديه القدرة على معالجة البيانات الرقمية أو تحسينها ،

(9) يسمح بإمكانية عرض الاستريو.

5. حدود الاستشعار عن بعد:

على الرغم من أن للاستشعار عن بعد العديد من المزايا مقارنة بالمسح الأرضي ، إلا أن الاستشعار عن بعد لم يحل تمامًا محل طرق المسح الأرضية ، ويرجع ذلك إلى حد كبير إلى بعض القيود المفروضة على هذه التكنولوجيا ، والتي لا تزال موجودة.

(ط) تكلفة جمع البيانات وشراء البيانات.

(2) مشاكل تحليل البيانات وتفسيرها.

(3) القيود المحتملة مع الدقة المكانية والطيفية والزمانية لمختلف أجهزة الاستشعار.

(4) مشاكل مع كل قدرات الطقس كما لا تستطيع بعض أجهزة الاستشعار & # 8216 See & # 8217 من خلال السحابة.

على الرغم من هذه القيود ، يتمتع الاستشعار عن بعد بالعديد من المزايا مقارنة بالمسح الأرضي حيث يمكن مسح مساحات كبيرة من الأرض في وقت واحد ، ويمكن مراقبة مناطق الأرض (أو البحر) التي يتعذر الوصول إليها بطريقة أخرى.

أدى ظهور تقنية الأقمار الصناعية وأجهزة الاستشعار متعددة الأطياف إلى تعزيز هذه القدرة ، مع القدرة على التقاط صور لمساحات كبيرة جدًا من الأرض في مسار واحد ، ومن خلال جمع البيانات حول بيئة لا تكون عادةً مرئية للعين البشرية .

6. تطبيقات الاستشعار عن بعد:

تتيح بيانات الأقمار الصناعية الإدارة السليمة لمواردنا المتجددة وغير المتجددة لأنها توفر معلومات مفصلة وفي الوقت المناسب عن سطح الأرض & # 8217s.

فيما يلي بعض الأمثلة على بعض الاستخدامات الهامة لبيانات الأقمار الصناعية:

(ط) تقييم ورصد أنواع النباتات وحالتها.

(2) تخطيط إدارة الممتلكات الزراعية وتقييم غلة المحاصيل.

(3) مسوحات التربة بما في ذلك التنقيب عن المعادن والبترول.

(5) مراقبة وتخطيط موارد المياه واستكشاف المياه الجوفية.

(6) المعلومات الجغرافية

(7) صنع الخرائط وتنقيحها وإنتاج خرائط مواضيعية.

(8) التنبؤات الجوية والزراعية وتقييم البيئة والكوارث الطبيعية.

(11) دقة الإسناد الجغرافي.

(12) كتابة وطباعة أفلام الليزر.

تطبيقات الاستشعار عن بعد في إدارة موارد الغابات:

(ط) يمكن أن توفر الصور الساتلية الحدود المرئية لأنواع التربة ، بينما يوفر الاستشعار عن بعد اختراقًا ضحلًا للتربة. يمكن الحصول على بيانات فيزيائية إضافية من التواقيع الطيفية لأسطح التربة.

(2) يسمح الاستشعار عن بعد بتصنيف التربة ، والذي يمكن تفسيره من صور الاستشعار عن بعد والتوقيعات الطيفية.

(3) يمكن للاستشعار عن بعد أن يوفر معلومات عن إنتاجية الغابات والمروج وظروف موائل الحياة البرية واستخدام الأراضي والملاءمة الترفيهية ، مما يسمح بحماية البيئة في المستقبل.

(4) يمكن استخدام تقنيات زمنية متعددة لرسم خرائط للسمات الديناميكية والتعرية ورطوبة التربة.

(5) يمكن أيضًا استخدام الاستشعار عن بعد بالاقتران مع الرادار الأرضي ، لاكتشاف التغيرات في آفاق التربة التشخيصية مثل الآفاق البيضاء ، والأفقية ، والأفقية ، أو حدود التربة / الصخور.


أساليب

بيانات ويكيبيديا

استخدمنا واجهة برمجة تطبيقات عرض صفحة Wikipedia (واجهة برمجة التطبيقات) ، والبرامج المكتوبة بلغة Python ، لتنزيل مشاهدات المستخدم اليومية لأنواع IUCN للفترة من 1 يوليو 2015 إلى 31 مارس 2020 (تم تنزيله في 16-21 أبريل 2020). قمنا بتنزيل مشاهدات لجميع أنواع IUCN مع صفحات ويكيبيديا في مجموعة تصنيف الزواحف والأسماك ذات الزعانف (Actinopterygii) والثدييات والطيور والحشرات والبرمائيات من 10 مشاريع بلغة ويكيبيديا (العربية ، الصينية ، الإنجليزية ، الفرنسية ، الألمانية ، الإيطالية ، اليابانية والبرتغالية والروسية والإسبانية). استرجعنا قائمتنا الخاصة بأنواع IUCN على ويكيبيديا من OneZoom (Rosindell & Wong 2020 Wong & Rosindell 2020) ، والتي استخدمت Wikipedia API لرسم خريطة بين الاسم العلمي للأنواع ، معرف IUCN (ID) ، معرف Wikidata Q ، ويكيبيديا الرئيسية اسم الصفحة لكل نوع في كل لغة. يؤدي تنزيل المشاهدات من اسم الصفحة الرئيسية فقط لكل نوع إلى استبعاد عروض إعادة التوجيه ، وبالتالي يتحكم في التباين المحتمل الناتج عن عنوان URL المستخدم للوصول إلى الصفحة. يعد كل معرف IUCN فريدًا بالنسبة للأنواع الموجودة في قاعدة بيانات IUCN (IUCN 2020) ، بينما يكون كل معرف Wikidata Q فريدًا لنوع واحد لجميع لغات Wikipedia التي تظهر بها هذه الأنواع. نشير إلى كل صفحة ويكيبيديا فردية خاصة بنوع معين في لغة معينة باسم a صفحة الأنواع لتمييز هذه الصفحات عن استخدامنا لـ محيط للإشارة إلى نوع معين بين اللغات.

لكل صفحة من صفحات الأنواع ، قمنا باسترداد مشاهدات المستخدم فقط (أي المشاهدات التي تم تسجيل زائر تلك الصفحة من أجلها كبشر ، باستثناء المشاهدات الآلية من برامج الروبوت). كما في Mittermeier et al. (2019) ، لم نتمكن من استرداد المشاهدات من قبل 1 يوليو 2015 لأن المشاهدات من قبل هذا التاريخ لم يتم أرشفتها بواسطة Wikipedia في واجهة برمجة التطبيقات لعرض الصفحة. لكل صفحة من الأنواع التي تم إرجاعها ، قمنا بحساب متوسط ​​المشاهدات اليومية لكل شهر ، ثم احتفظنا فقط بصفحات الأنواع التي تم تمثيل السلسلة لها طوال الأشهر (انظر الملحق S6 لمعرفة عدد السلاسل الكاملة). لقد استخدمنا متوسط ​​المشاهدات اليومية بدلاً من إجمالي المشاهدات لأن واجهة برمجة تطبيقات عرض الصفحة في ويكيبيديا لا تُرجع دائمًا المشاهدات لجميع الأيام في شهر معين.

لحساب التغيير العام في شعبية ويكيبيديا واستخدامها ، قمنا أيضًا بتنزيل مشاهدات المستخدم اليومية لمجموعة عشوائية من 11000 صفحة في كل لغة باستخدام Wikipedia Random API ، والتي تطلب صفحات عشوائية. قمنا بعد ذلك بتجميع هذه المشاهدات بنفس طريقة عرض المتوسط ​​اليومي للأنواع واحتفظنا مرة أخرى بالصفحات الممثلة فقط عبر السلسلة الزمنية بأكملها. من هذه المجموعة العشوائية من المشاهدات ، أزلنا بعد ذلك أي صفحة تظهر أيضًا في مجموعة صفحات الأنواع لتلك اللغة. قمنا في البداية بأخذ عينات من 11000 صفحة لزيادة عدد الصفحات المتبقية إلى الحد الأقصى بعد إزالة صفحات السلاسل والأنواع غير المكتملة.

مجموعات بيانات تجارة الملقحات والحياة البرية

لاستكشاف كيفية تنوع الوعي بالأنواع مع مساهمة التلقيح ، قمنا ببناء قائمة بالملقحات الحيوانية من خلال الجمع بين تحليل النص والتفتيش اليدوي لأدبيات التلقيح (انظر Millard et al. [2020] والملحق S1 للحصول على طرق تفصيلية). استخدمنا أيضًا قائمة أنواع الفقاريات المتداولة الصادرة في Scheffers et al. (2019) وإحصاءات مصايد الأسماك لمنظمة الأغذية والزراعة (الفاو 2020) لتجميع مجموعة بيانات من الثدييات والطيور والزواحف الحرشفية والأسماك ذات الزعانف المتداولة. ثم استرجعنا معرف Wikidata Q لكل نوع من هذه الأنواع المتداولة باستخدام Wikipedia API ، والتي دمجناها في صفحة كل الأنواع. لقد اعتبرنا أن جميع أنواع الملقحات تساهم في التلقيح والأنواع المدرجة في أي من Schefers et al. (2019) أو تقدم إحصاءات منظمة الأغذية والزراعة مساهمة تجارية.

حساب الوعي المطلق بالتنوع البيولوجي

قبل حساب الجهاز الأعلى للرقابة المالية والمحاسبة ، استكشفنا بإيجاز الوعي المطلق بالتنوع البيولوجي بين فئات التصنيف ، ومساهمة التلقيح ، والمساهمة التجارية. عرفنا الوعي المطلق كإجمالي المشاهدات لصفحة الأنواع على ويكيبيديا من 1 يوليو 2015 إلى 31 مارس 2020. قمنا بدمج المشاهدات الإجمالية لكل صفحة من الأنواع مع الفئة التصنيفية ، والمساهمة التجارية ، ومساهمة التلقيح لتلك الأنواع ، ثم قمنا ببناء 2 مختلطة خطية معممة- نماذج التأثيرات: نموذج السجل10 إجمالي عرض المقالة كدالة للطبقة التصنيفية ، والمساهمة التجارية (نعم أو لا) ، والتفاعل بين الطبقة والتجارة ، وتأثير عشوائي للغة ونموذج السجل10 إجمالي آراء المقالة كدالة للفئة التصنيفية ، ومساهمة التلقيح (نعم أو لا) ، والتفاعل بين الفصل والتلقيح ، وتأثير عشوائي للغة. بدلاً من محاولة العثور على النموذج الأكثر شحًا ، حددنا القيم المتوقعة للنموذج الكامل ، مع قيم AIC لهذه ومجموعة من النماذج الفارغة المرشحة الموضحة في الملحقين S28 و S29.

اشتقاق الديوان

الجهاز الأعلى للرقابة المالية والمحاسبة هو مقياس جديد للتغير في الوعي بالأنواع محسوب على مستوى صفحة الأنواع من معدل التغيير في المتوسط ​​اليومي لمرات مشاهدة ويكيبيديا شهريًا. نظرًا لأن الجهاز الأعلى للرقابة المالية والمحاسبة يقيس معدل التغيير في المشاهدات داخل صفحة الأنواع ، يتم ترجيح الأنواع بالتساوي بغض النظر عن شعبيتها ، مما يعني أن الأنواع التي يتم عرضها بشكل كبير لا تهيمن على الجهاز. فيما بعد نستخدم الجهاز الأعلى للرقابة المالية والمحاسبة أو مؤشر وعي الأنواع للإشارة إلى التغيير العام في الوعي لصفحة أنواع معينة أو أنواع أو مجموعة من الأنواع على ويكيبيديا. على وجه التحديد ، استخدمنا صفحة الأنواع SAI للإشارة إلى معدل التغيير على مستوى الصفحة ، الأنواع SAI للإشارة إلى متوسط ​​جميع الأنواع صفحة الأجهزة العليا للرقابة المالية والمحاسبة لنوع فريد بين اللغات ، و الجهاز الأعلى للرقابة المالية والمحاسبة بشكل عام للإشارة إلى مجموعة ممهدة من الأنواع الأجهزة العليا للرقابة المالية والمحاسبة (الشكل 1). كنا متوسط ​​معدل التغير الشهري في صفحة الأنواع الجهاز الأعلى للرقابة المالية والمحاسبة للإشارة إلى متوسط ​​معدل التغيير لصفحة نوع واحد عبر فترة معينة. كل ما سبق يختلف عن الاهتمام المطلق بأنواع معينة أو مجموعة من الأنواع (أي إجمالي مشاهدات ويكيبيديا خلال السلسلة الزمنية بأكملها).

(1) لحساب التغيير العام في شعبية ويكيبيديا نفسها خلال نفس الفترة ، قمنا بتعديل معدل التغيير لكل صفحة من الأنواع بناءً على معدل التغيير في مجموعة عشوائية من سلسلة صفحات ويكيبيديا الكاملة (عدد السلاسل الكاملة في الملاحق S6 و S9). لكل صفحة من صفحات الأنواع ، تم إجراء هذا التعديل بمجموعة عشوائية من الصفحات بلغة ويكيبيديا لصفحة تلك الأنواع. على سبيل المثال ، صفحة ويكيبيديا الخاصة بـ النمر دجلة في اللغة الإنجليزية سيتم تعديلها لمجموعة من الصفحات العشوائية في ويكيبيديا الإنجليزية ، في حين أن الصفحة لـ P. دجلة باللغة الفرنسية سيتم تعديلها لمجموعة من الصفحات العشوائية في ويكيبيديا الفرنسية. للقيام بذلك ، قمنا أولاً بحساب معدل التغيير لكل صفحة عشوائية في كل لغة باستخدام rlpi ، كما هو الحال في صفحات الأنواع. استخدمنا بعد ذلك نهج إعادة تشكيل التمهيد لحساب متوسط ​​معدل التغيير لجميع الصفحات العشوائية بلغة معينة في كل خطوة زمنية. متوسط ​​معدل التغيير في الصفحات العشوائية ( تم حسابه عن طريق التمهيد لمعدلات التغيير الشهرية 1000 مرة ثم استخراج متوسط ​​التمهيد. في كل خطوة زمنية ، قمنا بعد ذلك بتعديل معدل تغيير صفحة الأنواع عن طريق طرح معدل التغيير العشوائي المقدر لشهر التمهيد () : (2) (3) أين و أنافي هي صفحة الأنواع SAI في وقت ر.

لمراعاة الاختلافات في تقلب الاتجاهات بين لغات ويكيبيديا (انظر الملحق S12) ، قمنا أيضًا بتسوية صفحة الأنواع SAI في كل لغة من لغات ويكيبيديا بانحدار اللوس (الامتداد = 0.3) قبل تحويل صفحة الأنواع المتجانسة مرة أخرى إلى معدل يتغيرون.

بعد تجانس صفحة الأنواع SAI على النحو الوارد أعلاه ، قمنا بحساب نوع SAI لكل نوع (عبر اللغات) عن طريق حساب متوسط ​​معدلات التغيير في كل خطوة زمنية عبر جميع اللغات. على سبيل المثال ، الأنواع P. دجلة لديه معرف Wikidata الفريد Q19939 ، مما يعني متوسط ​​معدل التغيير في SAI لجميع صفحات الأنواع (بغض النظر عن اللغة) المحددة على أنها Q19939 بشرط معدل التغيير الإجمالي للأنواع P. دجلة.

We then calculated an overall SAI combining all species across 10 Wikipedia languages by averaging rates of change across all species SAIs. Bootstrap confidence intervals were calculated by taking the 2.5th and 97.5th percentiles of 1000 bootstrapped indices at each time step. To check the extent to which single languages influenced the overall SAI, we jackknifed the overall SAI for language and removed languages with a marked effect on the overall trend (Appendix S11).

Using the same approach as above, we calculated an overall SAI for each taxonomic class for all languages combined and for each taxonomic class in each language. For each taxonomic class, we again averaged the loess smoothed rate of change in species page SAI among languages and then bootstrapped the species rate of change in SAI at each time step for each taxonomic class, as above. To check the extent to which single languages influence class-level trends, we again jackknifed the overall SAI for language and removed languages with a marked effect on the overall trend (Appendix S13). To calculate an overall SAI in each taxonomic class in each language, we bootstrapped the rate of change in species page SAI for the set of species pages in a given class and language combination.

Modeling Average Monthly Rate of Change in the SAI

After calculating the SAI for all species pages on Wikipedia, we calculated an average monthly rate of change in each smoothed species page SAI for January 2016–January 2020. This average monthly rate of change was calculated across complete yearly periods to control for the effect of seasonality. To robustly explore whether change in awareness differed for various groups, we constructed 1 linear model and 2 mixed-effects linear models in which we fitted average monthly rate of change in species page SAI. The linear model was for average rate of change in species page SAI as a function of taxonomic class, language, and their interaction. One mixed-effects model was for average rate of change in species page SAI as a function of taxonomic class, pollination contribution (yes or no), their interaction, and a random effect for language and the other was for average rate of change in species page SAI as a function of taxonomic class, traded status (yes or no), and a random effect for language. Rather than attempting to find the most parsimonious model, we determined full model predicted values and AIC values for these and a set of candidate null models (Appendices S30, S31, & S32). With the exception of API requests made in Python, all analyses and data processing were carried out in R 4.0.3 (R Core Team 2020 ).


Biodiversity and Health

Healthy communities rely on well-functioning ecosystems. They provide clean air, fresh water, medicines and food security. They also limit disease and stabilize the climate. But biodiversity loss is happening at unprecedented rates, impacting human health worldwide, according to a state of knowledge report jointly published by the Convention on Biological Diversity (CBD) and the World Health Organization (WHO).

ما هو التنوع البيولوجي؟

Biodiversity underpins all life on Earth, and refers to biological variety in all its forms, from the genetic make up of plants and animals to cultural diversity.

What does biodiversity mean for human health?

People depend on biodiversity in their daily lives, in ways that are not always apparent or appreciated. Human health ultimately depends upon ecosystem products and services (such as availability of fresh water, food and fuel sources) which are requisite for good human health and productive livelihoods. Biodiversity loss can have significant direct human health impacts if ecosystem services are no longer adequate to meet social needs. Indirectly, changes in ecosystem services affect livelihoods, income, local migration and, on occasion, may even cause or exacerbate political conflict.

Additionally, biological diversity of microorganisms, flora and fauna provides extensive benefits for biological, health, and pharmacological sciences. Significant medical and pharmacological discoveries are made through greater understanding of the earth's biodiversity. Loss in biodiversity may limit discovery of potential treatments for many diseases and health problems.

Threats to biodiversity and health

There is growing concern about the health consequences of biodiversity loss. Biodiversity changes affect ecosystem functioning and significant disruptions of ecosystems can result in life sustaining ecosystem goods and services. Biodiversity loss also means that we are losing, before discovery, many of nature's chemicals and genes, of the kind that have already provided humankind with enormous health benefits.

Nutritional impact of biodiversity

Biodiversity plays a crucial role in human nutrition through its influence on world food production, as it ensures the sustainable productivity of soils and provides the genetic resources for all crops, livestock, and marine species harvested for food. Access to a sufficiency of a nutritious variety of food is a fundamental determinant of health.

Nutrition and biodiversity are linked at many levels: the ecosystem, with food production as an ecosystem service the species in the ecosystem and the genetic diversity within species. Nutritional composition between foods and among varieties/cultivars/breeds of the same food can differ dramatically, affecting micronutrient availability in the diet. Healthy local diets, with adequate average levels of nutrients intake, necessitates maintenance of high biodiversity levels.

Intensified and enhanced food production through irrigation, use of fertilizer, plant protection (pesticides) or the introduction of crop varieties and cropping patterns affect biodiversity, and thus impact global nutritional status and human health. Habitat simplification, species loss and species succession often enhance communities vulnerabilities as a function of environmental receptivity to ill health.

Importance of biodiversity for health research and traditional medicine

Traditional medicine continue to play an essential role in health care, especially in primary health care. Traditional medicines are estimated to be used by 60% of the world&rsquos population and in some countries are extensively incorporated into the public health system. Medicinal plant use is the most common medication tool in traditional medicine and complementary medicine worldwide. Medicinal plants are supplied through collection from wild populations and cultivation. Many communities rely on natural products collected from ecosystems for medicinal and cultural purposes, in addition to food.

Although synthetic medicines are available for many purposes, the global need and demand for natural products persists for use as medicinal products and biomedical research that relies on plants, animals and microbes to understand human physiology and to understand and treat human diseases.

Infectious diseases

Human activities are disturbing both the structure and functions of ecosystems and altering native biodiversity. Such disturbances reduce the abundance of some organisms, cause population growth in others, modify the interactions among organisms, and alter the interactions between organisms and their physical and chemical environments. Patterns of infectious diseases are sensitive to these disturbances. Major processes affecting infectious disease reservoirs and transmission include, deforestation land-use change water management e.g. through dam construction, irrigation, uncontrolled urbanization or urban sprawl resistance to pesticide chemicals used to control certain disease vectors climate variability and change migration and international travel and trade and the accidental or intentional human introduction of pathogens.

Climate change, biodiversity and health

Biodiversity provides numerous ecosystem services that are crucial to human well-being at present and in the future. Climate is an integral part of ecosystem functioning and human health is impacted directly and indirectly by results of climatic conditions upon terrestrial and marine ecosystems. Marine biodiversity is affected by ocean acidification related to levels of carbon in the atmosphere. Terrestrial biodiversity is influenced by climate variability, such as extreme weather events (ie drought, flooding) that directly influence ecosystem health and the productivity and availability of ecosystem goods and services for human use. Longer term changes in climate affect the viability and health of ecosystems, influencing shifts in the distribution of plants, pathogens, animals, and even human settlements.

Key Facts

Biodiversity provides many goods and services essential to life on earth. The management of natural resources can determine the baseline health status of a community. Environmental stewardship can contribute to secure livelihoods and improve the resilience of communities. The loss of these resources can create the conditions responsible for morbidity or mortality.

Biodiversity supports human and societal needs, including food and nutrition security, energy, development of medicines and pharmaceuticals and freshwater, which together underpin good health. It also supports economic opportunities, and leisure activities that contribute to overall wellbeing.

Land use change, pollution, poor water quality, chemical and waste contamination, climate change and other causes of ecosystem degradation all contribute to biodiversity loss and, can pose considerable threats to human health.

Human health and well-being are influenced by the health of local plant and animal communities, and the integrity of the local ecosystems that they form.

Infectious diseases cause over one billion human infections per year, with millions of deaths each year globally. Approximately two thirds of known human infectious diseases are shared with animals, and the majority of recently emerging diseases are associated with wildlife.


Scientists took a rare chance to prove we can quantify biodiversity by 'testing the water'

Organisms excrete DNA in their surroundings through metabolic waste, sloughed skin cells or gametes, and this genetic material is referred to as environmental DNA (eDNA).

As eDNA can be collected directly from water, soil or air, and analysed using molecular tools with no need to capture the organisms themselves, this genetic information can be used to report biodiversity in bulk. For instance, the presence of many fish species can be identified simultaneously by sampling and sequencing eDNA from water, while avoiding harmful capture methods, such as netting, trapping or electrofishing, currently used for fish monitoring.

While the eDNA approach has already been applied in a number of studies concerning fish diversity in different types of aquatic habitats: rivers, lakes and marine systems, its efficiency in quantifying species abundance (number of individuals per species) is yet to be determined. Even though previous studies, conducted in controlled aquatic systems, such as aquaria, experimental tanks and artificial ponds, have reported positive correlation between the DNA quantity found in the water and the species abundance, it remains unclear how the results would fare in natural environments.

However, a research team from the University of Hull together with the Environment Agency (United Kingdom), took the rare opportunity to use an invasive species eradication programme carried out in a UK fishery farm as the ultimate case study to evaluate the success rate of eDNA sampling in identifying species abundance in natural aquatic habitats. Their findings were published in the open-access, peer-reviewed journal Metabarcoding and Metagenomics.

"Investigating the quantitative power of eDNA in natural aquatic habitats is difficult, as there is no way to ascertain the real species abundance and biomass (weight) in aquatic systems, unless catching all target organisms out of water and counting/measuring them all," explains Cristina Di Muri, PhD student at the University of Hull.

During the eradication, the original fish ponds were drained and all fish, except the problematic invasive species: the topmouth gudgeon, were placed in a new pond, while the original ponds were treated with a piscicide to remove the invasive fish. After the eradication, the fish were returned to their original ponds. In the meantime, all individuals were counted, identified and weighed from experts, allowing for the precise estimation of fish abundance and biomass.

"We then carried out our water sampling and ran genetic analysis to assess the diversity and abundance of fish genetic sequences, and compared the results with the manually collected data. We found strong positive correlations between the amount of fish eDNA and the actual fish species biomass and abundance, demonstrating the existence of a strong association between the amount of fish DNA sequences in water and the actual fish abundance in natural aquatic environments", reports Di Muri.

The scientists successfully identified all fish species in the ponds: from the most abundant (i.e. 293 carps of 852 kg total weight) to the least abundant ones (i.e. one chub of 0.7 kg), indicating the high accuracy of the non-invasive approach.

"Furthermore, we used different methods of eDNA capture and eDNA storage, and found that results of the genetic analysis were comparable across different eDNA approaches. This consistency allows for a certain flexibility of eDNA protocols, which is fundamental to maintain results comparable across studies and, at the same time, choose the most suitable strategy, based on location surveyed or resources available," elaborates Di Muri.

"The opportunity of using eDNA analysis to accurately assess species diversity and abundance in natural environments will drive a step change in future species monitoring programmes, as this non-invasive, flexible tool is adaptable to all aquatic environments and it allows quantitative biodiversity surveillance without hampering the organisms' welfare."

Di Muri C, Lawson Handley L, Bean CW, Li J, Peirson G, Sellers GS, Walsh K, Watson HV, Winfield IJ, Hänfling B (2020) Read counts from environmental DNA (eDNA) metabarcoding reflect fish abundance and biomass in drained ponds. Metabarcoding and Metagenomics 4: e56959. https: / / دوى. org/ 10. 3897/ mbmg. 4. 56959

تنصل: AAAS و EurekAlert! ليست مسؤولة عن دقة النشرات الإخبارية المرسلة إلى EurekAlert! من خلال المؤسسات المساهمة أو لاستخدام أي معلومات من خلال نظام EurekAlert.


Discussion and Conclusion

Our results show that NPP has significant positive effects on hunter-gatherer abundance globally. However, there is no single determinant of the large-scale variation in abundance. Rather, the most influential direct drivers of population density are context-dependent. Biodiversity affects population density mostly in the low-productivity environments, whereas pathogen stress, which has insignificant effects in areas of low productivity, is a crucial constraint on population density in the high-productivity settings, especially the tropics. The insignificant effect of biodiversity on hunter-gatherer population density in high-productivity environments is not totally unexpected, as ecosystem properties tend to have a saturating response to increasing species richness (14, 15). In high-productivity settings, which often coincide with high biodiversity, increasing diversity does not increase ecosystem stability consequently, the response of hunter-gatherer population density to biodiversity seems to saturate as well.

As such, our results indicate that the factors affecting hunter-gatherer abundance on a global scale are similar to those controlling global-scale biodiversity: macroscale studies on biodiversity indicate that, in high-latitude regions, productivity is limiting diversity (30 ⇓ –32), whereas in the tropics, biotic interactions become a more important driver (33). In the case of hunter-gatherers, abundance and stability of resources limit population density in the low-productivity environments, whereas species interactions, as represented in this study by pathogen stress, become more important in controlling population density in the high-productivity environments. Similarities in the patterns of limiting factors of hunter-gatherer population density and global biodiversity might suggest similarities in the underlying mechanisms as well.

However, because we do not have direct measures of pathogen prevalence among individual study populations, we cannot completely rule out spurious relationships between pathogen stress and hunter-gatherer population density. Due to generally low population densities, it has been suggested that the prevalence of pathogens, such as influenza and measles viruses, and المتصورة و المثقبيات parasites is low among hunter-gatherers (34). In addition, it has been argued that high rates of mobility prevent the accumulation of fecal and other waste at hunter-gatherer dwelling sites, leading to a low prevalence of soil-transmitted helminths (35, 36). Even if hunter-gatherers are less susceptible to pathogens than farmers who live under similar conditions of environmental pathogen stress, our findings nevertheless indicate that the interaction between pathogens and hunter-gatherers is sufficient to create a significant negative effect on hunter-gatherer abundance.

By suggesting that subtropical and temperate biomes can sustain the highest hunter-gatherer population densities, our results corroborate the earlier untested hypothesis of Binford (10) regarding the role of resources and pathogens in creating optimal conditions for hunter-gatherers in temperate and subtropical biomes. Based on our results, it seems that, in subtropical and temperate biomes, there is an optimum tradeoff between the opposing effects of resource availability and pathogens: at the higher-productivity end, negative biotic interactions are too limiting, whereas at the lower-productive end, resources are too limiting. However, a large fraction of the area of these highly suitable biomes has been occupied by agricultural populations since at least the late mid-Holocene. It has been argued that stable environments with high resource abundance and richness provide favorable conditions for the innovation and adoption of agriculture (37, 38). Thus, it is understandable that the most suitable environments for hunter-gatherers are also among the first ones to support agriculture. Furthermore, potentially high hunter-gatherer population densities in these areas might have facilitated the innovation, spread, and development of the new subsistence technology. Alternatively, high hunter-gatherer population density itself, resulting in population packing, and reduced options for mobility might have forced hunter-gatherer populations toward agriculture (10, 39). Regardless of the favored explanation, by showing that hunter-gatherer population density and the abundance and stability of their resources are strongly linked, our results highlight the difficulty in distinguishing between environmental and demographic causes of the subsistence change. Given hunter-gatherers’ well-documented ability to affect species communities (40), we can nevertheless assume that the higher the hunter-gatherer abundance that a given biome can potentially sustain, the stronger the impact of anthropogenic drivers on the biome has been even before the transition to agriculture.

In summary, our analyses revealed that NPP, biodiversity, and environmental pathogen stress interact to impose complex and varying limitations on hunter-gatherer population density in different parts of the world. These findings highlight the key role that environmental factors play in shaping the global population density patterns of preagricultural humans. Although cultural evolution has made humans enormously potent ecosystem engineers and has enabled humans to survive under a variety conditions (for example, by extracting energy in low-productivity environments and compiling knowledge on medical plants to fight against pathogens), it has not freed hunter-gatherer populations from biotic and abiotic forcing. We can, therefore, assume that spatial and temporal variability in this forcing has been important for our biological and cultural evolution as well.


Most suitable biodiversity index - Biology

Physalia courses: Big Data Biogeography

Date & time: November 4^th - November 8^th, 9:30 -- 17:00

Location: Profund Innovation, Freie Universität Berlin - Altensteinstraße 40, 14195 Berlin, Germany

Teachers: Alexander Zizka, German Center for Integrative Biodiversity research & Daniele Silvestro, University of Gothenburg Sweden

Please bring your own computer

Install the current version of R and RStudio on your computer

Read the course literature listed below, we will have a literature discussion on the first day.

Please prepare 3-5 minutes (if you want including slides) to present yourself and your research. Please make sure to answer the following questions: a. من أين أنت؟ ب. What is your research about? ج. How are your R skills? د. What are your expectations for this course?

After this course, students will be able to:

Obtain and prepare large scale species occurrence records from public databases in R (including data mining, data cleaning and exploration)

Apply novel methods for handling and processing ‘big data’ in biogeographic research, including area classification, bioregionalization and automated conservation assessments

Reconstruct species ancestral ranges based on species occurrences and phylogenetic trees, using different evolutionary models

Understand the potential and caveats of fossil based biogeography, and be familiar with novel methods to estimate ancestral ranges and evolutionary rates from ranges of extinct and extant taxa

The public availability of large-scale species distribution data has increased drastically over the last ten years. In particular, due to the aggregation of records from museums and herbaria, and citizen science in public databases such as the Global Biodiversity Information Facility (GBIF). This is leading to a ‘big data’ revolution in biogeography, which holds an enormous but still poorly explored potential for understanding large scale patterns and drivers of biodiversity in space and time.

During the course you will analyse a specific dataset. We strongly encourage you to bring your own data (Taxon of interest, phylogenetic tree, fossil data), which will give you the opportunity to chose questions and exercises most suitable for your work. If necessary we will provide example data during the course as well.

Meyer et al. (2015) Global priorities for an effective information basis of biodiversity distributions. Nature Communications, 8 pp.

Antonelli et al. (2018) Amazonia is the primary source of Neotropical biodiversity. PNAS 115(23): 6034–6039.

Kostikova A et al. (2016) Bridging Inter- and Intraspecific Trait Evolution with a Hierarchical Bayesian Approach. Systematic Biology 65(3):417-431.

One of the following suggestions (depending on your own interests): a. Edler et al. (2017) Infomap Bioregions: Interactive mapping of biogeographical regions from species distributions. Systematic Biology 66(2):197–204.

ب. Zizka et al. (2019) CoordinateCleaner: Standardized cleaning of occurrence records from biological collection databases. Methods in Ecology and Evolution 10:744-751.

ج. Silvestro et al.(2016) Fossil biogeography: a new model to infer dispersal, extinction and sampling from palaeontological data. Philosophical Transactions of the Royal Society B 371:20150225.

د. Price et al. (2019) Big data little help in megafauna mysteries. Nature 558(7):23-25


شاهد الفيديو: التنوع البيولوجي يوم للتذكير بالخطر الذي يهدد مستقبل البشرية (أغسطس 2022).