معلومة

شرح المعلمات البيئية مع بعض الأمثلة النموذجية

شرح المعلمات البيئية مع بعض الأمثلة النموذجية


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.

أعتقد أن المعلمة البيئية هي:

خاصية متغيرة وقابلة للقياس تعتبر قيمتها عاملاً محددًا لخصائص نظام بيئي.

من eea.europa.eu

لكن ماذا يمكن أن تكون هذه المعايير؟ بمعنى آخر ، ما هي بعض الأمثلة على "المعلمات"؟

أفترض أنها ربما تختلف مع النظام البيئي.


فيما يلي بعض الأمثلة على المعلمات البيئية:

  • درجة الحرارة
  • درجة الحرارة القصوى السنوية
  • كثافة المطر
  • أطول فترة بدون هطول
  • حموضة التربة
  • الملوحة
  • ملوثات النيتروجين
  • متوسط ​​النهار
  • سرعة الرياح القصوى
  • الإشعاع الشمسي

يمكنك فقط إلقاء نظرة على وصف أي منطقة حيوية ذات أهمية على ويكيبيديا للحصول على فكرة عن أكثر المعلمات شيوعًا المستخدمة لوصف المنطقة الأحيائية. يعتبر هطول الأمطار ودرجة الحرارة وكيفية مواسمها وصفات نموذجية لنظام بيئي.


شرح العزلة البيئية بالأمثلة

ما هي العزلة البيئية وكيف تمنع حدوث التهجين بين الأنواع؟ في مقالة BiologyWise هذه ، سنجيب على هذه الأسئلة ، وفي نفس الوقت نقدم أمثلة على آلية العزل هذه ، لتسهيل فهمك لها.

ما هي العزلة البيئية وكيف تمنع حدوث التهجين بين الأنواع؟ في مقالة BiologyWise هذه ، سنجيب على هذه الأسئلة ، وفي نفس الوقت نقدم أمثلة على آلية العزل هذه ، لتسهيل فهمك لها.

تعريف الأنواع البيئية

عندما يخلق الاختيار المتباين القائم على البيئة حواجز تكاثرية بين السكان ، يشار إليه على أنه انتواع بيئي.

هل تود الكتابة لنا؟ حسنًا ، نحن نبحث عن كتاب جيدين يريدون نشر الكلمة. تواصل معنا وسنتحدث.

العزلة البيئية هي واحدة من خمس آليات عزل قبل اللاقحة التي تمنع التزاوج بين الأنواع. لا يفيد التهجين سوى القليل أو لا يجدي نفعا للسكان من الأنواع المعنية ، حيث أن معظم أنواع الهجينة عقيمة. على العكس من ذلك ، فإنه يستهلك طاقة هذه الأنواع في عملية بعيدة كل البعد عن أن تكون مثمرة. آليات العزلة الإنجابية ليست مهمة فقط لأنها تمنع ولادة نسل عقيم ، ولكن أيضًا لأنها تلعب دورًا حاسمًا في التكاثر.


النموذج المفاهيمي

يمكن أن يكون تطوير نموذج مفاهيمي جزءًا لا يتجزأ من تصميم وتنفيذ أي مشروع بحثي. تتم كتابة النماذج المفاهيمية بشكل عام على شكل رسوم بيانية تحتوي على مربعات وأسهم ، مما يوفر بيانًا مرئيًا مضغوطًا لمشكلة بحث يساعد في تحديد الأسئلة التي يجب طرحها وجزء النظام المراد دراسته. تمثل الصناديق متغيرات حالة، التي تصف حالة أو حالة مكونات النظام البيئي. توضح الأسهم العلاقات بين متغيرات الحالة ، مثل حركة المواد والطاقة (تسمى يطفو) أو التفاعلات البيئية (مثل المنافسة). يقدم Shoemaker (1977) مناقشة ممتازة حول كيفية تطوير النماذج المفاهيمية.

تطوير النموذج المفاهيمي هو عملية تكرارية. يبدأ الهيكل العظمي للنموذج المفاهيمي في التبلور عند صياغة سؤال بحث عام. على سبيل المثال ، لنفترض أن الهدف من مشروع بحثي هو تحديد العلاقة بين الاستراتيجيات المختلفة لتخزين سمك السلمون الغريب في البحيرات العظمى وتركيزات الملوثات السامة المحتملة في السلمون وفريسته. قد يتكون النموذج المفاهيمي الأولي من صندوقين مرتبطين باسم "alewife" و "chinook salmon" ، مع سهم إضافي يسمى "stocking" يشير إلى صندوق السلمون (الشكل 2 أ). لقد اخترنا وضع أسهم ثنائية الاتجاه بين الصناديق لتعكس تدفق الكتلة الحيوية والملوثات من الرقة إلى السلمون وتأثير السلمون على الرقة ، ربما استخدم نموذج بديل سهمًا واحدًا فقط ، نظرًا لأن تدفق المواد بين الصناديق هو نتيجة افتراس السلمون على الرقة. ستتم إضافة التفاصيل بعد ذلك إلى النموذج المفاهيمي بناءً على إجابات لأسئلة مثل ، هل هناك أنواع أخرى مهمة إلى جانب سمك السلمون الرقيق وسمك شينوك؟ ما هي العمليات الميكانيكية التي يجب تضمينها؟ ما هي العوامل البيئية التي تؤثر على كل نوع؟ ما العملة التي يجب استخدامها لوصف تفاعلات المقصورة (على سبيل المثال ، العناصر ، الكتلة الحيوية ، الأفراد ، الطاقة)؟

بعد إجراء التحسينات مدفوعة بمثل هذه الأسئلة ، قد يحتوي النموذج المفاهيمي على alewife ، وسمك السلمون chinook ، ورائحة قوس قزح ، وسمك السلمون المرقط (الشكل 2 ب) ، على الرغم من أن الاهتمام البحثي قد لا يزال مع النوعين الأصليين. قد تستند الجولة التالية من التحسينات على النموذج المفاهيمي إلى البيانات المتاحة أو التشاور مع علماء البيئة الذين درسوا تفاعلات الأنواع الأربعة الموضحة في الشكل 2 ب. على سبيل المثال ، إذا كانت تركيزات الملوثات دالة على حجم جسم الفريسة ، وإذا كانت الحيوانات المفترسة تبحث عن فئات أحجام معينة من الفريسة ، فيمكن عندئذٍ إضافة بنية الحجم إلى النموذج لتعكس هذه الميزات البيئية بشكل أكثر دقة ولتحفيز امتصاص الملوثات بشكل أفضل من قبل الحيوانات المفترسة (الشكل 2 ج). اعتمادًا على طبيعة سؤال البحث ، يمكن إضافة بنية الحجم فقط لسمك السلمون Alewife و chinook. يفترض هذا المثال البسيط أن هناك تغييرات فقط في متغيرات الحالة ، ولكن يمكن أيضًا أن تكون هناك تغييرات في العلاقات بين متغيرات الحالة.

بشكل عام ، النهج البخل هو الأفضل لإنشاء نموذج مفاهيمي مناسب. يجب أن يحقق النموذج توازنًا بين دمج التفاصيل الكافية لالتقاط البنية والعمليات البيئية الضرورية وأن يكون بسيطًا بما يكفي ليكون مفيدًا في تكوين الفرضيات وتنظيم أفكار الفرد. يؤدي إنشاء نموذج مفاهيمي جيد إلى إجبار عالم البيئة على صياغة الفرضيات وتحديد البيانات المتاحة والبيانات المطلوبة وتقييم درجة فهم المكونات الرئيسية للنظام. نظرًا لأن وجهات النظر والأسئلة الخارجية غالبًا ما تفرض توضيحًا للتحيزات والافتراضات ، فإن مناقشة النموذج المفاهيمي المتطور مع الزملاء يمكن أن يكون مفيدًا. يمكن أن يكون البناء الجماعي لنموذج مفاهيمي أداة مفيدة لبناء الإجماع في البحث التعاوني (والترز 1986 ، كاربنتر 1992). لذلك يجب تضمين النماذج المفاهيمية في مقترحات الأطروحة والمنح ، خاصة في المراحل الأولى من تطوير المشروع. تصبح مراجعات النموذج المفاهيمي الأولي نقاط محورية للمناقشة في الاجتماعات اللاحقة للجنة الأطروحة أو مجموعة تخطيط البحث.


التوازن البيولوجي

الاستتباب هو أحد الخصائص الأساسية للكائنات الحية. إنها الحفاظ على البيئة الداخلية ضمن حدود مقبولة.

تتميز البيئة الداخلية لجسم الكائن الحي بسوائل الجسم في الحيوانات متعددة الخلايا. تشمل سوائل الجسم بلازما الدم وسوائل الأنسجة والسوائل داخل الخلايا. يعد الحفاظ على حالة ثابتة في هذه السوائل أمرًا ضروريًا للكائنات الحية لأن عدم وجودها يضر بالمادة الوراثية.

فيما يتعلق بأي معلمة ، قد يكون الكائن الحي أ المطابق أو أ منظم. يحاول المنظمون الحفاظ على المعلمة عند مستوى ثابت ، بغض النظر عما يحدث في بيئتها. تسمح المحولات للبيئة بتحديد المعلمة. على سبيل المثال ، تحافظ الحيوانات الماصة للحرارة على درجة حرارة ثابتة للجسم ، بينما تظهر الحيوانات الخارجة للحرارة تباينًا كبيرًا في درجة حرارة الجسم.

هذا لا يعني أن المطابقين قد لا يكون لديهم تعديلات سلوكية تسمح لهم بممارسة بعض السيطرة على المعلمة المعنية. على سبيل المثال ، غالبًا ما تجلس الزواحف على الصخور التي تسخنها الشمس في الصباح لرفع درجة حرارة أجسامها.

من مزايا التنظيم الاستتبابي أنه يسمح للكائن الحي بالعمل بشكل أكثر فعالية. على سبيل المثال ، تميل الحرارة الخارجية إلى أن تصبح بطيئة في درجات الحرارة المنخفضة ، في حين أن ماصات الحرارة تكون نشطة كما هو الحال دائمًا. من ناحية أخرى ، يتطلب التنظيم طاقة. أحد أسباب قدرة الثعابين على تناول الطعام مرة واحدة فقط في الأسبوع هو أنها تستخدم طاقة أقل بكثير للحفاظ على التوازن.

الاستتباب في جسم الإنسان

تؤثر جميع أنواع العوامل على ملاءمة سوائل جسم الإنسان للحفاظ على الحياة ، وتشمل خصائص مثل درجة الحرارة ، والملوحة ، والحموضة ، وتركيزات العناصر الغذائية مثل الجلوكوز ، والأيونات المختلفة ، والأكسجين ، والنفايات ، مثل ثاني أكسيد الكربون واليوريا. نظرًا لأن هذه الخصائص تؤثر على التفاعلات الكيميائية التي تبقي الجسم على قيد الحياة ، فهناك آليات فسيولوجية مدمجة للحفاظ عليها عند المستويات المرغوبة.

ومع ذلك ، تجدر الإشارة إلى أن التوازن ليس هو السبب لهذه التعديلات اللاواعية المستمرة. يجب النظر إلى الاستتباب باعتباره توصيفًا عامًا للعديد من العمليات العادية بالتنسيق ، وليس سببها القريب في حد ذاته. علاوة على ذلك ، هناك العديد من الظواهر البيولوجية التي لا تتوافق مع هذا النموذج ، مثل الابتنائية.


الوصف والوظيفة

العمليات المنفذة

تنفذ هذه الحزمة ثلاث مراحل حاسمة من ENM: المعايرة ، وإنشاء النموذج النهائي وتقييمه ، وتحليل مخاطر الاستقراء (الشكل 1). يتم إجراء معايرة النموذج على خطوتين: إنشاء أعداد كبيرة من النماذج المرشحة ، وتقييم واختيار أفضل النماذج. يتم إنشاء نماذج المرشح باستخدام Maxent ، مع قيم مختلفة لمعامل Maxent لمُضاعِف التنظيم ، ومجموعات من فئات الميزات ، ومجموعات مميزة من المتنبئات البيئية. لكل إعداد معلمة ، يتم إنشاء نموذجين: أحدهما يعتمد على المجموعة الكاملة من التكرارات ، والآخر يعتمد على بيانات التدريب فقط (انظر وصف مجموعة البيانات في المتطلبات والتبعيات). يعتمد اختيار النموذج على الأهمية والقدرة التنبؤية والتعقيد ، بترتيب الأولوية هذا: على سبيل المثال ، يتم تصفية النماذج أولاً لاكتشاف تلك التي لها دلالة إحصائية ، يتم تطبيق معيار معدل الإغفال على هذه المجموعة المختصرة من النماذج أخيرًا ، من بين النماذج الهامة و يتم اختيار النماذج المرشحة منخفضة الإغفال ، تلك التي تحتوي على قيم دلتا AICc أقل من اثنين. يتم حساب معدلات الأهمية والسهو على النماذج التي تم إنشاؤها باستخدام بيانات التدريب ، باستخدام بيانات اختبار منفصلة ، يتم حساب تعقيد نموذج المجموعات الفرعية على النماذج التي تم إنشاؤها باستخدام مجموعة كاملة من الأحداث (باستثناء السجلات المستقلة ، انظر أدناه). نلاحظ أنه يتم توفير المجموعة الكاملة لنتائج هذا التقييم المكون من ثلاثة أجزاء ، حتى يتمكن المستخدمون من تطبيق مجموعات المعايير الخاصة بهم.

الشكل 1: وصف تخطيطي لعملية النمذجة البيئية المتخصصة ، والخطوات التي يمكن إجراؤها باستخدام حزمة kuenm.

يمكن إجراء إنشاء النماذج النهائية في Maxent ونقلها إلى أوقات أو مناطق أخرى باستخدام المعلمات المحددة أثناء المعايرة. يمكن إنشاء النماذج النهائية بثلاثة خيارات من الاستقراء: الاستقراء المجاني ، والاستقراء مع التثبيت ، وعدم الاستقراء. ضمن إعدادات الاستقراء المجانية ، تتبع الاستجابات في المناطق المختلفة بيئيًا عن منطقة المعايرة الاتجاهات في بيانات المعايرة البيئية. من خلال إعداد الاستقراء والتثبيت ، يتم تثبيت الاستجابة في المناطق ذات البيئات المتميزة عن تلك الموجودة في منطقة المعايرة على المستويات المقدمة في محيط منطقة المعايرة في الفضاء البيئي. أخيرًا ، في ظل إعداد عدم الاستقراء ، يتم تعيين الاستجابة على صفر إذا كانت البيئات في مناطق النقل أكثر تطرفًا من تلك الموجودة في المناطق التي تمت معايرة النماذج عبرها. يتم تقييم النماذج النهائية بناءً على الأهمية الإحصائية ومعدلات الحذف باستخدام بيانات مستقلة (انظر أدناه ، في المتطلبات والتبعيات) عندما تكون هذه البيانات متاحة (الجدول 1). هذا التقييم الذي يتم إجراؤه كعملية معايرة ما بعد النمذجة ليس شائعًا بدرجة كافية في ENM ومع ذلك ، يمكن أن يكون مفيدًا ، خاصة عندما يمكن استخدام بيانات مستقلة أخرى (على سبيل المثال ، معلومات حول توزيعات الأنواع التي تم إنشاؤها في الاستكشافات بعد إنشاء النماذج) لاختبار النماذج.

المهام وصف
kuenm_start يولد ملف R Markdown يعمل كدليل لأداء العمليات الرئيسية المنفذة في kuenm. يحتوي هذا الملف على وصف موجز لكل عملية وأجزاء من التعليمات البرمجية التي ستساعد المستخدمين المبتدئين في إجراء كل تحليل. يمكن حفظ هذا الملف بتنسيقات مميزة (على سبيل المثال ، HTML و DOCX و PDF) لتسجيل جميع التعليمات البرمجية التي سيتم استخدامها وتعليقات المستخدم الأخرى ، مما يجعل البحث أكثر قابلية للمشاركة وقابلية للتكرار.
kuenm_cal ينشئ نماذج مرشح Maxent. يتم إنشاء هذه النماذج باستخدام مجموعات متعددة من مضاعفات التنظيم ، وفئات الميزات ، ومجموعات من المتنبئات البيئية. لكل مجموعة ، تقوم بإنشاء نموذج Maxent واحد مع مجموعة كاملة من التكرارات ، وآخر مع بيانات حدوث التدريب فقط. المدخلات هي أسماء الملفات والمجلدات الموجودة في دليل العمل. تتضمن المخرجات مجلدًا يحتوي على جميع النماذج وملفًا به رموز Java لتشغيل النماذج المرشحة (دفعة في Windows أو bash في Unix) ، تتم كتابة هذه الملفات في دليل العمل ولا يتم تخزينها في الذاكرة لتجنب قيود ذاكرة الوصول العشوائي.
kuenm_ceval يكمل عملية المعايرة من خلال تقييم أداء النموذج المرشح واختيار أفضلها ، بناءً على الأهمية (جزئية ROC Peterson ، Papeş & amp Soberón ، 2008) ، ومعدلات الإغفال (المشتقة من نماذج العتبة القائمة على ه= نسبة الحذف المحددة للمستخدم ، انظر Anderson، Lew & amp Peterson، 2003) ، والتعقيد (AICc Warren، Glor & amp Turelli، 2010). المدخلات هي أسماء الملفات والمجلدات الموجودة في دليل العمل. تتم كتابة المخرجات مباشرة إلى دليل العمل ، وتتضمن ملفًا مع الجدول الكامل لنتائج التقييم ، وملخصًا لعملية اختيار النموذج ، وجدولًا يحتوي على مقاييس التقييم لأفضل النماذج فقط ، وشكلًا لأداء النموذج عبر جميع النماذج ، وملف HTML للإبلاغ عن جميع نتائج العملية لتوجيه التفسير.
kuenm_mod يأخذ نتيجة تقييم النموذج وينشئ نماذج نهائية مع مجموعات المعلمات المختارة على أفضل وجه. يُسمح بإسقاطات النماذج ، ويتم استدعاؤها عن طريق تحديد المجلد الذي توجد فيه الدلائل الفرعية التي تحتوي على بيانات بيئية منقولة ، ويتم إجراء عمليات النقل هذه تلقائيًا. المدخلات هي أسماء الملفات والمجلدات الموجودة في دليل العمل. يتم تسهيل ثلاثة خيارات من الاستقراء باستخدام هذه الوظيفة عند إجراء عمليات النقل (الاستقراء المجاني والاستقراء والتثبيت ، وعدم الاستقراء ، انظر أوينز وآخرون ، 2013) ويمكن تنفيذ أكثر من واحد من هذه الخيارات في جولة واحدة. تتم كتابة النماذج النهائية وتحويلاتها مباشرة إلى دليل العمل.
kuenm_feval يقيم النماذج النهائية بناءً على إحصائيات ROC الجزئية ومعدلات الإغفال كما تم تقييمها ببيانات حدوث مستقلة. يمكن تقييم النماذج التي تم إنشاؤها باستخدام أفضل إعدادات المعلمات في حالة توفر بيانات مستقلة لتقييم جودتها وتقييمها. المدخلات هي أسماء الملفات والمجلدات الموجودة في دليل العمل ، تتم كتابة ناتج هذا التقييم (جدول بالنتائج) مباشرة إلى الدليل.
kuenm_mmop لحساب مقياس التكافؤ الموجه نحو التنقل (MOP Owens et al. ، 2013) لمقارنة مجموعات الظروف البيئية بين منطقة المعايرة (م) ومناطق أو سيناريوهات متعددة يتم نقل النماذج إليها (جي). المدخلات هي أسماء الملفات والمجلدات الموجودة في دليل العمل. تمثل خرائط الإخراج درجة التشابه بين الظروف في م و جي، حيث تتوافق قيم الصفر مع مناطق الاستقراء الصارم. تتم كتابة جميع النتائج في دليل العمل.
kuenm_omrat تحسب معدلات الإغفال لنماذج مفردة بناءً على قيم عتبة فردية أو متعددة (ه انظر Anderson، Lew & amp Peterson، 2003) التي حددها المستخدم. المدخلات والمخرجات هي كائنات مخزنة في نتائج الذاكرة تشير إلى معدل إغفال بيانات التكرار المستقلة المستخدمة لتقييم النماذج التي تم إنشاؤها باستخدام بيانات التدريب.
kuenm_proc لحساب الدلالة الإحصائية للنماذج الفردية بناءً على ROC الجزئي وقيمة العتبة (ه انظر Peterson، Papeş & amp Soberón، 2008) المحددة من قبل المستخدم. المدخلات والمخرجات عبارة عن كائنات مخزنة في مخرجات الذاكرة تتضمن جدولًا يحتوي على ملخص ROC الجزئي ونتائج التحليلات المتكررة.
kuenm_mop لحساب مقياس MOP لمقارنات الظروف البيئية بين منطقة معايرة ومنطقة أو سيناريو واحد سيتم نقل النماذج إليه. المدخلات والمخرجات هي كائنات مخزنة في ذاكرة الإخراج تتضمن خريطة ناتجة عن هذا التحليل.

على الرغم من أن Maxent يسمح بتقييم الاستقراء عبر مقياس سطح التشابه البيئي متعدد المتغيرات (MESS Elith، Kearney & amp Phillips، 2010) ، فإن مؤشر التكافؤ الموجه نحو التنقل (MOP) ، المنفذ في kuenm هو مقياس اقترحه أوينز وآخرون. (2013) التي توفر مقاييس أكثر قوة للظروف الاستقرائية في عمليات نقل النموذج النهائي. بالإضافة إلى ذلك ، تسمح حزمة kuenm للمستخدمين باستخدام وظيفة (kuenm_start ، اختيارية) تنشئ ملف R Markdown يحتوي على دليل موجز لإجراء التحليلات الرئيسية المنفذة. يسجل هذا الملف جميع تعليقات المستخدمين وأسطر التعليمات البرمجية المستخدمة لتشغيل التحليلات ، ويمكن حفظها بتنسيقات مختلفة ، بحيث يمكن للمستخدمين مشاركة وإعادة إنتاج أبحاثهم بسهولة (الجدول 1).

إحصائيات أداء النموذج ومخاطر الاستقراء

إحصائيات أداء النموذج المنفذة في هذه الحزمة هي ROC جزئية كمقياس للأهمية الإحصائية ، ومعدلات الحذف ، و AICc. يتم حساب ROC الجزئي بدلاً من المساحة الكاملة تحت منحنى ROC لأن الأخير غير مناسب في ENM (Lobo، Jiménez-Valverde & amp Real، 2007 Jiménez-Valverde، 2012) ، ويمثل ROC الجزئي مؤشرًا أكثر ملاءمة للأهمية الإحصائية ( بيترسون ، بابيش وأمبير سوبيرون ، 2008). يتم تحديد الأهمية الإحصائية من خلال إعادة أخذ عينات تمهيدية لـ 50٪ من بيانات الاختبار ، ويتم تقييم الاحتمالات من خلال العد المباشر لنسبة نسخ التمهيد التي تكون نسبة AUC لها ≤1.0 (Peterson، Papeş & amp Soberón، 2008). تقييم النموذج ، مع ذلك ، يجب أن يتجاوز الأهمية ، لقياس الأداء أيضًا. يتم قياس الأداء هنا باستخدام معدلات الإغفال ، والتي تشير إلى مدى جودة النماذج التي تم إنشاؤها باستخدام بيانات التدريب في توقع حدوث الاختبار ، حيث يتم حساب هذه المعدلات افتراضيًا عند عتبة ه = 5٪ (Anderson، Lew & amp Peterson، 2003) ، ولكن يمكن تغيير هذا الحد اعتمادًا على اختيار المستخدم. أخيرًا ، لتقييم تعقيد النموذج ، يتم حساب أوزان AICc و delta AICc و AICc ، حيث تشير قيم AICc إلى مدى ملاءمة النماذج للبيانات مع معاقبة التعقيد لصالح النماذج البسيطة (Warren & amp Seifert ، 2011).

يمكن للمستخدمين تقييم مخاطر الاستقراء في مناطق النقل باستخدام مقياس MOP. تحسب الحزمة المسافات البيئية متعددة المتغيرات بين المواقع عبر منطقة النقل (جي) وأقرب جزء من منطقة المعايرة (م أو المنطقة التي يمكن الوصول إليها Soberón & amp Peterson ، 2005) لتحديد المناطق التي تعرض حالات استقراء صارم أو تجميعي. MOP هو مقياس محسّن لأغراض النمذجة البيئية الملائمة لتقدير مخاطر الاستقراء لأنه يقيِّم الاختلاف البيئي من أقرب جزء من المنطقة م المنطقة ، في حين أن مقياس MESS المنفذ داخل Maxent يقيّم الاختلاف عن النقطه الوسطى من م المنطقة في الفضاء البيئي. نظرًا للطبيعة غير المنتظمة لمعظم المساحات البيئية ، فإن MOP هو مقياس أكثر ملاءمة للاستقراء في عمليات نقل النماذج المتخصصة.

المتطلبات والتبعيات

للحفاظ على البساطة وتجنب قيود الذاكرة في استخدام هذه الحزمة بسبب أحجام الملفات الكبيرة المشاركة في النتائج الجزئية والنهائية للتحليلات التي طورتها هذه الحزمة ، هناك حاجة إلى بنية تنظيم البيانات (الشكل 2). تسمح هذه البنية للمستخدمين بتشغيل وظائف من دليل واحد لكل نوع يحتوي على جميع بيانات الإدخال المطلوبة وهذا هو المكان الذي ستتم فيه كتابة النتائج مباشرة عند إجراء معايرة النموذج وإنشاء النموذج النهائي وتحليلات MOP لسيناريوهات النقل. تتضمن بيانات الإدخال اللازمة لبدء التحليلات (1) المجموعة الكاملة من حالات المعايرة (أي سجلات حدوث الأنواع التي تمت تصفيتها وتقليلها بشكل كافٍ) (2) وقائع التدريب (جزء من المجموعة الكاملة للأحداث المخصصة لإنشاء نماذج مرشحة ليتم تقييمها باستخدام بيانات الاختبار) (3) مجموعة من التكرارات لاختبار النماذج المرشحة (الجزء الآخر من مجموعة السجلات الكاملة) و (4) مجموعة واحدة أو أكثر من المتغيرات البيئية لاستخدامها في إنشاء النماذج المرشحة. يمكن تقسيم حالات التدريب ونماذج الاختبار بطرق متعددة (انظر طرق التقسيم في Muscarella et al. ، 2014) ، ولكن هناك حاجة إلى درجة معينة من الاستقلالية. بالإضافة إلى ذلك ، يمكن استخدام مجموعة مستقلة تمامًا من بيانات الحدوث (أي البيانات غير المستخدمة أثناء المعايرة التي تأتي بشكل مثالي من مصادر أخرى ولا ترتبط تلقائيًا مكانيًا ببيانات المعايرة) لاختبار النماذج النهائية عند توفرها. هناك حاجة إلى مجموعات أخرى من البيانات البيئية التي تمثل سيناريوهات مميزة عندما تكون عمليات نقل النموذج مطلوبة. تعد Rtools (في Windows) و Java Development Kit و Maxent ضرورية لاستخدام مكتبات kuenm R المستوردة مدرجة في الجدول S1. يمكن العثور على معلومات إضافية ودليل تفصيلي لاستخدام الوظائف الرئيسية لهذه الحزمة في مستودع GitHub الخاص بها (https://github.com/marlonecobos/kuenm).

الشكل 2: بنية الدليل والبيانات لبدء التشغيل (A) وعند الانتهاء (B) باستخدام وظائف حزمة kuenm R.


عملية خلافة النظام البيئي

تعتبر الخلافة البيئية عملية معقدة وقد تستغرق آلاف السنين. اقترح فريدريك كليمنتس في عام 1916 لأول مرة المراحل المتتالية للخلافة البيئية. تتم عملية الخلافة من خلال سلسلة من الخطوات المتسلسلة على النحو المبين أدناه:

(1). التعري
(2). غزو
(3). المنافسة والعمل المشترك
(4). رد فعل
(5). الاستقرار (الذروة)

Ø تعريف: التعري هو تطوير منطقة خالية (منطقة ليس بها أي شكل من أشكال الحياة).

Ø إنها الخطوة الأولى في التعاقب البيئي.

Ø أسباب التعري هي:

(أ). الطبوغرافية: تؤدي الأسباب المتعلقة بالتربة أو الطبوغرافيا مثل تآكل التربة ورواسب الرمال والانهيارات الأرضية والنشاط البركاني إلى تكوين منطقة جرداء.

(ب). المناخ: تدمير المجتمع بسبب الأنهار الجليدية وفترة الجفاف والعواصف.

(ج). حيوي: ويشمل تدمير الغابات والزراعة والأوبئة المرضية التي تؤدي إلى التدمير الكامل للسكان في منطقة ما.

Ø تعريف: الغزو هو التأسيس الناجح لنوع ما في منطقة جرداء.

Ø إنها الخطوة الثانية في التعاقب البيئي.

Ø يصل نوع جديد إلى المنطقة المكشوفة حديثًا ويحاول الاستقرار هناك.

Ø اكتملت عملية الغزو في ثلاثة خطوات:

(أ). الهجرة

(ج). تجميع

(أ). الهجرة (التشتيت):

تصل البذور والجراثيم والتكاثر من نوع إلى المنطقة العارية بسبب الهجرة.

- يمكن تحقيق الهجرة من خلال وسط الهواء أو الماء.

إن Ecesis هي عملية التأسيس الناجح لنوع ما في المنطقة المجردة.

ستنبت البذور أو الأبواغ التي وصلت إلى المنطقة الجديدة بسبب الهجرة وتنمو وتتكاثر.

لن ينجو سوى عدد قليل من السلالات بسبب الظروف البيئية القاسية السائدة في المنطقة.

(ج). تجميع:

بعد التكوُّن ، يزداد عدد أفراد النوع ويبقون قريبين من بعضهم البعض. هذه العملية تسمى التجميع

مصدر الصورة: cc wikipedia

(3). المنافسة والعمل المشترك

Ø يؤدي التجميع إلى زيادة عدد الأنواع في مساحة محدودة.

Ø هذا يؤدي إلى التنافس بين الأفراد على الطعام والمساحة.

Ø قد تكون المنافسة محددة (أفراد داخل نوع ما) أو بين محددة (أفراد بين الأنواع).

Ø يؤثر الأفراد من نوع ما على حياة بعضهم البعض بطرق مختلفة وهذا ما يسمى العمل المشترك.

Ø تؤدي المنافسة والعمل المشترك إلى بقاء الأفراد المناسبين والقضاء على الأفراد غير المناسبين من النظام البيئي.

Ø ستبقى الأنواع ذات القدرة التكاثرية الواسعة والسعة البيئية فقط على قيد الحياة.

Ø التفاعل هو أهم مرحلة في التعاقب البيئي.

Ø هو تعديل البيئة من خلال تأثير الكائن الحي الموجود عليها.

Ø يسبب التفاعل تغيرًا في التربة والماء والضوء ودرجة حرارة المنطقة.

Ø بسبب هذه التعديلات ، يصبح المجتمع الحالي غير مناسب للظروف البيئية الحالية.

Ø سيتم استبدال هذه المجتمعات بسرعة بمجتمع آخر.

Ø يُطلق على التسلسل الكامل للمجتمعات التي تحل محل بعضها البعض في منطقة معينة اسم sere (sera).

Ø تسمى المجتمعات المختلفة المساهمة مجتمعات seral أو مراحل seral.

(5). الاستقرار (ذروة)

Ø إنها المرحلة الأخيرة في التعاقب البيئي.

Ø يصبح المجتمع النهائي أو النهائي مستقرًا إلى حد ما لفترة أطول من الوقت.

Ø يمكن لهذا المجتمع الحفاظ على توازنه مع مناخ المنطقة.

Ø هذا المجتمع النهائي يسمى Climax Community (مرحلة الذروة).

Ø لا يتم استبدال مجتمع الذروة على الفور بالمجتمعات الأخرى.

Ø يتم تحديد مجتمع ذروة من قبل مناخ المنطقة.

Ø مثال على مجتمع الذروة: الغابات والأراضي العشبية والشعاب المرجانية

أنواع مختلفة من الذروة في التعاقب البيئي:

(1). ذروة المناخ:

Ø في هذه الذروة ، يتم تحديد ذروة مجتمع الخلافة من خلال مناخ المنطقة.

Ø لن يكون للذروة المناخية سوى مجتمع ذروة واحد.

(2). ذروة Edaphic

Ø هنا يتم تحديد مجتمع الذروة في الخلافة بواسطة التربة (عامل التكوير) في المنطقة.

Ø قد تشمل العوامل التكوينية رطوبة التربة والتضاريس وقوام التربة ومغذيات التربة.

(3). ذروة كارثية:

Ø هنا مجتمع الذروة معرض للعديد من الأحداث الكارثية مثل حرائق الغابات وتساقط الثلوج والفيضانات.

Ø تحل العوامل الكارثية محل مجتمع الذروة تمامًا وسيتم غزو هذه المنطقة على الفور بواسطة أنواع جديدة.

خصائص مجتمع ذروة

يظهر مجتمع الذروة على التوالي الخصائص التالية:

Ø سيكون للنباتات في مجتمع الذروة سعة بيئية عالية.

Ø لديهم قدرة عالية على تحمل الظروف البيئية.

Ø تظهر تنوعًا غنيًا في تكوين الأنواع.

Ø يظل تكوين الأنواع ثابتًا لسنوات عديدة.

Ø يمتلك المجتمع نظامًا معقدًا للسلسلة الغذائية.

Ø سيكون النظام البيئي متوازنًا ومستدامًا ذاتيًا.

Ø سيكون هناك توازن بين الإنتاجية الأولية الإجمالية والتنفس.

Ø ستتم موازنة الطاقة المستخدمة من ضوء الشمس والطاقة المنبعثة بعد التحلل.

Ø سيكون امتصاص العناصر الغذائية من التربة وإطلاق المغذيات إلى التربة عن طريق التحلل في حالة توازن.

Ø يتم استبدال أفراد المجتمع الذين فقدوا بموتهم بأفراد من نفس النوع.

Ø يعتبر مجتمع الذروة بمثابة مظهر من مظاهر المناخ السائد في المنطقة.

راجع الأسئلة

Ø ما هي الخلافة البيئية؟
Ø اشرح عملية التعاقب البيئي.
Ø التفريق بين المجتمع والسكان.
Ø ما هو المقصود بالمجتمع الرائد؟ اعط مثال
Ø ما هو مجتمع السيرال؟
Ø تحديد sere
Ø ما هو التعري؟ ما هي أسباب التعري؟
Ø تعريف التكوُّن
Ø وصف المنافسة في الخلاص البيئي.
Ø ما هو المقصود بمجتمع الذروة؟ أعط أمثلة
Ø ما هي خصائص مجتمع الذروة؟


العوامل البيئية

في علم البيئة ، العوامل البيئية هي متغيرات في البيئة تؤثر على الكائنات الحية وتساهم في أنماط سلوكها المميزة. وهي العوامل التي تؤثر على التغيير الديناميكي في مجموعة أو الأنواع في بيئة أو بيئة معينة تنقسم عادة إلى مجموعتين: اللاأحيائية والأحيائية.

العوامل غير الحيوية هي معلمات جيولوجية وجغرافية وهيدرولوجية ومناخية. أ حيوي هي منطقة موحدة بيئيًا تتميز بمجموعة معينة من العوامل البيئية اللاأحيائية. تشمل العوامل اللاأحيائية المحددة ما يلي:

  • الماء ، وهو في نفس الوقت عنصر أساسي للحياة وبيئة
  • الهواء ، الذي يوفر الأكسجين والنيتروجين وثاني أكسيد الكربون للأنواع الحية ويسمح بانتشار حبوب اللقاح والجراثيم
  • التربة ، في نفس الوقت مصدر للدعم الغذائي والمادي
    • تعتبر درجة حموضة التربة والملوحة ومحتوى النيتروجين والفوسفور والقدرة على الاحتفاظ بالمياه والكثافة كلها عوامل مؤثرة

    بيوسينوز، أو المجتمع ، هو مجموعة من النباتات والحيوانات والكائنات الحية الدقيقة. كل مجموعة هي نتيجة التكاثر بين أفراد من نفس النوع والتعايش في مكان معين ولفترة زمنية معينة. عندما يتكون عدد السكان من عدد غير كافٍ من الأفراد ، فإن هذه المجموعة مهددة بالانقراض ، ويمكن أن يقترب انقراض أحد الأنواع عندما تكون جميع الكائنات الحيوية المكونة من أفراد من النوع في حالة تدهور. في مجموعات سكانية صغيرة ، يمكن أن يؤدي زواج الأقارب (زواج الأقارب) إلى تقليل التنوع الجيني ، مما قد يؤدي إلى زيادة إضعاف التكاثر الحيوي.

    العوامل البيئية الحيوية تؤثر أيضًا على قابلية بقاء الكائنات الحية الحيوية ، وتعتبر هذه العوامل إما علاقات غير محددة أو بين أنواع محددة.

    • علاقات غير محددة هي تلك التي يتم إنشاؤها بين أفراد من نفس النوع ، وتشكيل مجموعة. إنها علاقات تعاون أو تنافس ، مع تقسيم الإقليم ، وأحيانًا التنظيم في مجتمعات هرمية.

    يكمن النمل في الانتظار تحت مصيدة الحفرة الخاصة به ، المبنية في الغبار الجاف تحت المبنى ، في انتظار الحشرات غير الحذرة التي تسقط فيه. العديد من حشرات الآفات يتم التحكم فيها جزئيًا أو كليًا بواسطة مفترسات حشرات أخرى.

    • العلاقات بين الأنواع& # 8212 التفاعلات بين الأنواع المختلفة & # 8212 عديدة ، وعادة ما يتم وصفها وفقًا لتأثيرها المفيد أو الضار أو المحايد (على سبيل المثال ، التبادلية (العلاقة ++) أو المنافسة (العلاقة -). العلاقة الأكثر أهمية هي علاقة الافتراس (أن تأكل أو تؤكل) ، مما يؤدي إلى المفاهيم الأساسية في إيكولوجيا سلاسل الغذاء (على سبيل المثال ، يستهلك العاشب العشب ، وهو نفسه يأكله آكل اللحوم ، وهو نفسه يأكله آكل لحوم أكبر حجمًا). يمكن أن يكون لنسبة المفترس إلى الفريسة تأثير سلبي على كل من التكاثر الحيوي للمفترس والفرائس حيث أن قلة توافر الغذاء وارتفاع معدل الوفيات قبل النضج الجنسي يمكن أن يقلل (أو يمنع زيادة) مجموعات كل منهما ، على التوالي. الصيد الانتقائي للأنواع بواسطة البشر الذي يؤدي إلى انخفاض عدد السكان هو أحد الأمثلة على ارتفاع نسبة المفترس إلى الفريسة في العمل. وتشمل العلاقات الأخرى بين الأنواع التطفل ، والأمراض المعدية ، والتنافس على الموارد المحدودة ، والتي يمكن أن يحدث عندما يشترك نوعان في نفس المكانة البيئية.

    التفاعلات الحالية بين الكائنات الحية المختلفة تسير جنبًا إلى جنب مع خلط دائم للمواد المعدنية والعضوية ، التي تمتصها الكائنات الحية لنموها وصيانتها وتكاثرها ، ليتم رفضها في النهاية كنفايات. تسمى إعادة التدوير الدائمة للعناصر (على وجه الخصوص الكربون والأكسجين والنيتروجين) وكذلك الماء الدورات البيوجيوكيميائية. إنها تضمن استقرارًا دائمًا للمحيط الحيوي (على الأقل عند ترك التأثير البشري غير الخاضع للرقابة والطقس القاسي أو الظواهر الجيولوجية جانبًا). يضمن هذا التنظيم الذاتي ، المدعوم بضوابط التغذية الراجعة السلبية ، دوام النظم البيئية. يتضح من خلال التركيزات المستقرة للغاية لمعظم عناصر كل حجرة. يشار إلى هذا باسم الاستتباب. يميل النظام البيئي أيضًا إلى التطور إلى حالة من التوازن المثالي ، تسمى الذروة ، والتي يتم الوصول إليها بعد سلسلة من الأحداث (على سبيل المثال ، يمكن أن تصبح البركة مستنقعًا).


    الإطار البيئي

    The ecological framework is based on evidence that no single factor can explain why some people or groups are at higher risk of interpersonal violence, while others are more protected from it. This framework views interpersonal violence as the outcome of interaction among many factors at four levels—the individual, the relationship, the community, and the societal.

    • في ال individual level, personal history and biological factors influence how individuals behave and increase their likelihood of becoming a victim or a perpetrator of violence. Among these factors are being a victim of child maltreatment, psychological or personality disorders, alcohol and/or substance abuse and a history of behaving aggressively or having experienced abuse.
    • شخصي العلاقات such as family, friends, intimate partners and peers may influence the risks of becoming a victim or perpetrator of violence. For example, having violent friends may influence whether a young person engages in or becomes a victim of violence.
    • تواصل اجتماعي contexts in which social relationships occur, such as schools, neighbourhoods and workplaces, also influence violence. Risk factors here may include the level of unemployment, population density, mobility and the existence of a local drug or gun trade.
    • Societal factors influence whether violence is encouraged or inhibited. These include economic and social policies that maintain socioeconomic inequalities between people, the availability of weapons, and social and cultural norms such as those around male dominance over women, parental dominance over children and cultural norms that endorse violence as an acceptable method to resolve conflicts.

    The ecological framework treats the interaction between factors at the different levels with equal importance to the influence of factors within a single level. For example, longitudinal studies suggest that complications associated with pregnancy and delivery, perhaps because they lead to neurological damage and psychological or personality disorder, seem to predict violence in youth and young adulthood mainly when they occur in combination with other problems within the family, such as poor parenting practices. The ecological framework helps explain the result—violence later in life—as the interaction of an individual risk factor, the consequences of complications during birth, and a relationship risk factor, the experience of poor parenting. This framework is also useful to identify and cluster intervention strategies based on the ecological level in which they act. For example, home visitation interventions act in the relationship level to strengthen the bond between parent and child by supporting positive parenting practices.


    Ecological Niche Modeling Algorithms and Tools

    Modeling algorithms in ecological niche modeling have been described elsewhere (47, 72�), generating starting points for new modelers. Algorithms to develop ecological niche models can be divided into three categories: presence-absence, presence-background, and presence-only. Presence-absence algorithms need a set of localities where the organism occurs (i.e., presence) and a set of localities where the organisms does not occur (i.e., absence). Presence-absence models are calibrated by comparing environmental conditions where the organism is present vs. where it is absent and are generally useful to reconstruct the distribution of diseases at fine scale and short periods, resulting in the need of accurate localities and high-resolution environmental variables. These models, however, have limited capacities to be projected to different areas or periods, instead, their signals are space and time specific. Many algorithms are available including regression (e.g., Generalized Linear Models and Generalized Additive Models) (Figure 1) and classification (e.g., Boosted Regression Trees, Random Forest, and Support Vector Machines) (Figure 9A) algorithms, with protocols described in detail elsewhere (75).

    الشكل 9. Classification and hypervolume models. (أ) Classification algorithms require environmental values where the species is present (red points) and absent (black points). Presence and absence data are linked to environmental values (arrows) to quantify the probability (question mark) of identifying a locality (gray point) as a suitable or unsuitable. Classification algorithms use these data to inform a series of rules (dashed lines) that vary among algorithms. Temp, temperature Precip, precipitation. (ب) Hypervolume algorithms quantify the density or cluster of presence records of the organisms in environmental dimensions. Hypervolumes measure the distance (gray cycles) among occurrences (red points) in an environmental space (arrows) to determine a best-fit model (red buffer).

    Occurrence data are generally robust, while absence data are largely questionable in quality and of limited availability [discussed in (14)]. To solve this problem, researchers generally “simulate” absence data to be able to use presence-absence algorithms. A common approach to simulate absence data is to generate random points across the study area. Presence-absence models that use simulated (i.e., fake) absence data during calibration are termed presence-background models. Presence-background algorithms thus use the same regression and classification algorithms used for presence-absence models, with the unique philosophical variation regarding the interpretation of absences vs. background points. Also, because the background corresponds to the study area, calibration of these algorithms is highly sensitive to variations in the extent of the study area extent selected.

    Maxent is a popular ecological niche modeling algorithm based on logistic-like regressions comparing densities of occurrences (presences), densities of random points (background), and continuous environmental variables using diverse sets of parameters in the calibration process (47). Maxent protocols have been summarized in a series of software including Wallace (76), dismo (75), ENMeval (77), and KUenm (78) packages in R. Wallace is a user-friendly analytical environment to calibrate Maxent models, making it a good starting point for new users since it contains detailed instructions (76). Dismo provides less details regarding the different assumptions and complementary scientific literature, but it is a good starting point for new users interested on modeling in programming environments (75). ENMeval is essentially the programming environment of Wallace and allows more detailed parameterization and evaluation of models (77). KUenm allows detailed, reproducible ecological niche models using Maxent and provides detailed model calibration and selection not available in the other packages (78), overcoming some of the perils of niche model applications for infectious diseases regarding differentiation between good and bad models (46). The KUenm package would be an ideal choice for advanced users since parameterization and installation would require advanced programming skills.

    Presence-only algorithms focus solely on the environmental values linked to each occurrence record for calibration. As a result, calibration of these modes is insensitive to changes in the extent of the study area. Classic presence-only methods include environmental envelopes, which are ellipsoids, squares, or convex-hull that surround the occurrences in an environmental space (Figure 9), with algorithms that include Bioclim (75) and NicheA (71). Emerging presence-only methods include hypervolumes estimated using estimators of density (79) and cluster of occurrences in the environmental space (80). Protocols for hypervolume estimations have been described elsewhere (34, 74), and their use is expected to become common for نص estimations due to the automatization of their workflows and computational optimization.


    شكر وتقدير

    We are grateful to Kristina Anderson-Teixeira and Mingkai Jiang for their reviews which improved this manuscript to a great extent. We further thank Gab Abramowitz, Veronika Eyring, Michael Fienen, Andy Fox, Yuan Gao, Birgit Hassler, Xin Huang, Randall Hunt, Lifen Jiang, and Jeremy White for their helpful overview on example cyberinfrastructure tools. The PEcAn project which organized the workshop where the authors of this paper came together is supported by the NSF (ABI no. 1062547, ABI no. 1458021, ABI no. 1457897, ABI no. 1062204, DIBBS no. 1261582), NASA Terrestrial Ecosystems, the Energy Biosciences Institute, and an Amazon AWS education grant. We would also like to thank Boston University for providing the venue for the workshop that inspired this article. I.F. and T.V. acknowledge funding from the Strategic Research Council at the Academy of Finland (decision 327214), the Academy of Finland (decision 297350), and Business Finland (decision 6905/31/2018) to the Finnish Meteorological Institute. T.Q. is funded by the UK NERC National Centre for Earth Observation. J.B.F. contributed to this work from the Jet Propulsion Laboratory, California Institute of Technology, under a contract with the National Aeronautics and Space Administration. California Institute of Technology. J.B.F. was supported in part by NASA programs: CARBON and CMS. S.P.S. was partially supported by NASA CMS (grant #80NSSC17K0711), and through the DOE Reducing Uncertainties in Biogeochemical Interactions through Synthesis and Computation Science Focus Area (RUBISCO SFA), which is sponsored by the Earth & Environmental Systems Modeling (EESM) Program in the Climate and Environmental Sciences Division (CESD), and the Next-Generation Ecosystem Experiments (NGEE-Arctic and NGEE-Tropics) supported by the Office of Biological and Environmental Research in the Department of Energy, Office of Science, as well as through the United States Department of Energy contract no. DE-SC0012704 to Brookhaven National Laboratory. M.D.K. acknowledges funding from the Australian Research Council (ARC) Centre of Excellence for Climate Extremes (CE170100023), the ARC Discovery Grant (DP190101823) and support from the NSW Research Attraction and Acceleration Program. F.M.H. was partially supported by the Laboratory Directed Research and Development Program of Oak Ridge National Laboratory, which is managed by UT-Battelle, LLC, for the U.S. Department of Energy under contract DE-AC05-00OR22725. Additional support was provided by the Data Program, by the Reducing Uncertainties in Biogeochemical Interactions through Synthesis and Computation Science Focus Area (RUBISCO SFA) in the Earth & Environmental Systems Modeling (EESM) Program, and by the Next-Generation Ecosystem Experiments (NGEE-Arctic and NGEE-Tropics) Projects in the Terrestrial Ecosystem Science (TES) Program. The Data, EESM, and TES Programs are part of the Climate and Environmental Sciences Division (CESD) of the Office of Biological and Environmental Research (BER) in the U.S. Department of Energy Office of Science.


    شاهد الفيديو: ليش أوظفك وانت ماعندك خبرة (شهر فبراير 2023).