- Антропогенные ландшафты
- Антропогенный Ландшафт – «Энциклопедия»
- Конвенция о биологическом Текст Конвенции Секретариат Конвенции Дополнительные ресурсы Школьный киберавтобус Главная страница ООН разнообразии
- 1.2.2.Время существования антропогенных ландшафтов. – СтудИзба
- Учебно-научная лаборатория ландшафтоведения
- Антропогенный ландшафт – это… Что такое Антропогенный ландшафт?
- Антропогенные ландшафты
- Об антропогенных ландшафтах
- Пространственный анализ антропогенного нарушения ландшафта и язвы Бурули в Бенине
- 49 1
- Основы ландшафтной экологии | Изучайте науку в Scitable
- Формы адаптации: историческая экология антропогенных ландшафтов на юго-востоке США.
- Деятельность и среда обитания шимпанзе (Pan troglodytes verus) в антропогенном ландшафте Босу, Гвинея, Западная Африка
- Влияние экологических и антропогенных особенностей ландшафта на добычу оленей в Небраске [PeerJ]
Антропогенные ландшафты
С момента появления человека на Земле он оказывает воздействие на природу, изменяет её в том или ином направлении. Воздействие хозяйственной деятельности человека на природу называется антропогенным воздействием. Степень и характер изменения геосистем при этом зависят как от величины антропогенного воздействия, так и от природных особенностей самих геосистем.
Естественные возможности устойчивости к изменениям, саморегуляции и самовосстановлению у разных геосистем неодинаковы. В то же время воздействие человека на геосистемы также разнообразно. Например, добывающая промышленность, градостроительство, земледелие, животноводство, лесное хозяйство оказывают различное влияние на природную среду. В результате формируются в различной степени благоприятные для жизни людей изменённые геосистемы.
Часто хозяйственная деятельность человека связана с определёнными компонентами природы. Например, богарное земледелие больше связано с почвой, животноводство и лесное хозяйство с растительностью, добывающая промышленность с горными породами (полезными ископаемыми).
Взаимосвязь геокомпонентов приводит во многих случаях к тому, что целенаправленное воздействие на один из них приводит к незапланированным изменениям состояния других (например, сооружение водохранилища приводит к затоплению и заболачиванию земель; откачивание подземных вод – к просадке земной поверхности и т.д.). На практике любой вид хозяйственной деятельности оказывает постоянное или периодическое воздействие на природу. В зависимости от масштаба, скорости и иных характеристик этого воздействия геосистемы в определённой мере преобразуются.
Изменение геосистем же положительно или отрицательно сказывается на жизни и производственной деятельности людей.К 70-ым годам прошлого века геосистемы, изменённые под воздействием хозяйственной деятельности человека, начали активно изучаться в географии как особый класс геосистем, получивший название антропогенных ландшафтов.
При этом человек на современном этапе не в силах создавать совершенно новые ландшафты. В процессе хозяйственной деятельности обществом изменяются в различной степени лишь те или иные особенности геосистем. Компонент, привносимый в данный ландшафт (вода, определённые виды растений или животных и т.д.), в сущности, извлекается из какого-то иного, но естественного ландшафта. Привнесённые же в данный ландшафт соответствующие компоненты продолжают существовать и развиваться в его пределах на основе природных закономерностей. Например, каналы, будучи искусственными образованиями, в отличие от рек, так же, как и реки, размывают свои берега и дно, испаряют воду, обрастают влаголюбивыми растениями по берегам.
Как было указано ранее, из-за естественного многообразия геосистем и хозяйственной деятельности человека на Земле возникли многие разновидности антропогенных ландшафтов, и по мере научно-технического развития возникают всё новые и новые их виды. В связи с этим в географии разработаны различные классификации антропогенных ландшафтов.
Российский географ Ф.Н.Мильков предложил деление антропогенных ландшафтов на классы, а внутри классов на виды, исходя из характера человеческой деятельности, сыгравшей основную роль в их формировании.
Другой известный географ А.Г.Исаченко на основе критерия степени антропогенной изменённости подразделяет ландшафты на 4 группы:
1. Условно неизменённые (первобытные) ландшафты. К ним относятся ландшафты, не испытывающие воздействия населения и хозяйства. В их пределах можно обнаружить только незначительные, косвенные следы человеческого воздействия. К ним относятся высокогорные ледники, густые леса, заповедники и другие ландшафты.
2. Слабоизменённые ландшафты. Ландшафты, испытывающие воздействие экстенсивных видов хозяйственной деятельности, например, охоты и рыболовства. В таких ландшафтах деятельность человека оказывает влияние на отдельные геокомпоненты, естественные связи в геосистемах сохраняются и позволяют им вернуться в изначальное состояние;
3. Сильноизменённые (нарушенные) ландшафты. Ландшафты этой группы сильно изменены интенсивной хозяйственной деятельностью. При этом серьёзным изменениям подверглись многие компоненты геосистем, нарушена их структура. Примерами являются карьеры, отработанные шахты.
4. Культурные ландшафты. Ландшафты, структура и свойства которых изменены сознательно, на научной основе с учётом долгосрочных интересов развития общества. Например, ухоженные сады, поля, плантации и т.д.
При рассмотрении антропогенных ландшафтов часто используются понятия культурный ландшафт и нарушенные земли. Культурный ландшафт – ландшафт, структура и свойства которого изменены рационально и на научной основе в долгосрочных интересах общества. Им присущи следующие два важнейших качества: 1) благоприятная для жизни, физического и духовного развития, безопасная для здоровья населения среда; 2) высокая продуктивность и экономическая эффективность. Основными целями формирования культурных ландшафтов являются развитие внутренних возможностей ландшафтов и повышение их хозяйственной продуктивности. Освоенные с давних пор оазисы нашей республики – яркий пример культурных ландшафтов. В оазисах, по сравнению с окружающими пустынями или горными геосистемами, условия жизни более благоприятные, а хозяйственная деятельность более интенсивная. Это отражает тот факт, что почти 9/10 населения Узбекистана сосредоточено в оазисах. Занимая 1/10 часть сельскохозяйственных земель Узбекистана, орошаемые земли дают 9/10 валовой сельскохозяйственной продукции.
Нарушенные земли – территории, которые под воздействием деятельности человека и естественных процессов потеряли свою хозяйственную ценность и эстетический облик, превратившись в источник отрицательного воздействия на среду жизни людей. Они обычно появляются в результате нерационального воздействия человека на природу. Примерами нарушенных земель могут служить полевые овраги, болота вблизи водохранилищ, оползни и обвалы на объектах добывающей промышленности, заброшенные шахты и карьеры, хранилища отходов и т.д. Нарушенные земли становятся источниками загрязнения воды, почвы, воздуха, осложняют хозяйственное использование территории.
Для восстановления их нормального состояния требуются большие средства. С помощью специальных мероприятий, которые называются рекультивацией, нарушенные земли постепенно возвращаются в хозяйственный оборот.Важным источником и средством антропогенного воздействия на природную среду является техника. В результате внедрения в природную среду технических объектов формируются особые природно-технические системы – геотехсистемы, в структуре которых гармонично сосуществуют и взаимодействуют компоненты природы и элементы техники. Важнейшей чертой функционирования геотехсистем является их целостность и гармоничность.
В качестве примеров геотехсистем можно привести водохранилища, каналы, орошаемые земли, крупные промышленные предприятия вместе с окружающими их ландшафтами.
В структуре геотехсистем процессы, протекающие в техногенных элементах тесно переплетаются с природными процессами в ландшафтной основе. Например, на орошаемых землях свойства почв и процессы почвообразования, формирование режима и состава подземных вод во многом протекают под влиянием техногенного вмешательства.
Геотехсистемы формируются не только в водохозяйственной сфере, но и в промышленности. В структуре промышленных геотехсистем тесно взаимодействуют промышленные предприятия, объекты и природная среда. Основными каналами этих связей выступают водные и воздушные потоки. Геотехсистемы формируются, например, на базе теплоэлектростанций, горно-обогатительных комбинатов, крупных месторождений.
Поделитесь ссылкой с друзьями выделив текст.
Заметили ошибку, тогда выделите ошибочный текст и нажмите клавишы CTRL + ENTER.
Антропогенный Ландшафт – «Энциклопедия»
АНТРОПОГЕННЫЙ ЛАНДШАФТ, географический ландшафт, созданный в результате целенаправленной деятельности человека для выполнения социально-экономических функций или возникший в ходе непреднамеренных негативных антропогенных воздействий.
Антропогенный ландшафт – территориальная система, в которой взаимосвязаны природные и антропогенно-техногенные элементы. Особенностью антропогенного ландшафта является сложное сочетание процессов природной самоорганизации и управления со стороны людей (изменение режима подземных и поверхностных вод, свойств почвы, выращивание культурных растений, акклиматизация полезных видов животных и др.). Значительная часть антропогенных ландшафтов создана для выполнения ресурсовоспроизводящих (поля, лесонасаждения, водохранилища и др.) и средоформирующих (различные населённые пункты) функций.
По степени модификации природной составляющей можно выделить следующие категории: слабоизменённые ландшафты, в которых человеком затронуты лишь отдельные компоненты, но основные связи не нарушены; нарушенные ландшафты, в которых произошло изменение природных связей и структуры; сильно нарушенные ландшафты, в которых в результате длительного стихийного нерационального воздействия произошло существенное нарушение природных связей и изменение структуры ландшафта; культурные ландшафты, в которых природные связи целенаправленно изменены для обеспечения наиболее полного и эффективного использования природных ресурсов, их охрану и воспроизводство; искусственные ландшафты, созданные человеком на природной основе (города, горные разработки, каналы и др. ).
Реклама
По социально-экономическим функциям различают антропогенные ландшафты сельскохозяйственные, лесные, водные, промышленные, рекреационные и др.
С территориальными формами производственной деятельности связаны следующие типы антропогенных ландшафтов: при городской и сельской застройке и промышленном строительстве – города и промышленно-энергетические узлы, сёла и фермы, наземные коммуникации, искусственные водоёмы, горные выработки, полигоны; при террасировании склонов – очаги горно-долинного земледелия; при водной мелиорации – орошаемые земли, осушенные земли; при богарном земледелии – поля, сады и плантации многолетних культур, перелоги с очагами земледелия; при выпасе скота – улучшенные пастбища, сенокосы; при лесоводстве и лесоразработке – эксплуатируемые леса, вторичные леса, насаженные леса; при рекреационном строительстве – курорты, лесопарки, национальные парки и заповедники.
Появление термина и его трактовка связаны с тем, что в мире большая часть естественных ландшафтов изменена человеком. Лишь в Антарктиде ландшафты практически не изменены. К антропогенным ландшафтам относятся около 60% современных ландшафтов Земли, ставших объектом научных исследований, охраны окружающей среды и рационального природопользования.
Термин предложен российским учёным А. Д. Гожевым (1930 год). Особенно большой вклад в развитие антропогенного ландшафтоведения внёс российский географ Ф. Н. Мильков (1973 год). Следует отметить, что не все учёные признают этот термин. Так, российский географ А. Г. Исаченко считал, что в нём происходит «смешение естественнонаучного понятия “ландшафт” с продуктами человеческого труда», и правильнее говорить о «современных ландшафтах», которые могут быть разделены на группы в зависимости от степени и характера их изменения в результате воздействия человека (1976 год). Некоторые авторы (А. М. Рябчиков, Е. В. Миланова, Э. П. Романова и др.) предлагают говорить не об антропогенных ландшафтах, а об антропогенных модификациях природных ландшафтов.
Лит. : Мильков Ф. Н. Человек и ландшафты. Очерки антропогенного ландшафтоведения. М., 1973; Исаченко А. Г. О так называемых антропогенных ландшафтах // Известия Всесоюзного географического общества. 1974. Т. 106. Вып. 1; он же. Прикладное ландшафтоведение. Л., 1976; Романова Э. П. Ландшафтная структура суши Земли// География, общество, окружающая среда. М., 2004. Т. 2: Функционирование и современное состояние ландшафтов.
Н. Ф. Глазовский.
Конвенция о биологическом Текст Конвенции Секретариат Конвенции Дополнительные ресурсы Школьный киберавтобус Главная страница ООН разнообразии
Может ли ведение сельского хозяйства негативно отразиться на биоразнообразии?
Влияние на ландшафт
Фермерство обычно влияет на ландшафт, воду, воздух и биоразнообразие. Например, строители строят дороги таким образом, чтобы грузовики могли забирать сельхозпродукцию и доставлять ее на рынки. Когда фермеры срубают деревья, чтобы освободить место для посадки зерновых культур или разведения домашнего скота, они тем самым снижают естественную фильтрацию (очищение) воды и сокращают количество доступных мест обитания для многих видов. Тракторы и другая фермерская техника выбрасывают загрязняющие воздух газы. В некоторых регионах фермерство приводит к серьезным изменениям ландшафта. В бассейне реки Амазонки большие участки лесов вырубаются , и эти территории засеваются монокультурами (одним видом растений) или используются в качестве пастбищ для скота. Без подходящих условий обитания сотни видов, включая деревья, лианы, другие растения, птиц, змей, лягушек и млекопитающих, в этом регионе не выживут. Конечным результатом может стать утрата биоразнообразия.
В других регионах земля изменяется незначительно. Некоторым фермерам удается вести хозяйство, не меняя ландшафт. Например, луга являются естественными пастбищами для многих сельскохозяйственных животных или диких травоядных. Многие фермеры не огораживают такие естественные пастбища, чтобы на них могли пастись и дикие животные. Однако открытые пастбища таят опасности — хищники могут охотиться на сельскохозяйственных животных.
Некоторые фермеры обустраивают свои фермы таким образом, чтобы минимизировать изменения в природном ландшафте. Они даже могут способствовать увеличению биоразнообразия как на ферме, так и вокруг нее. Они могут способствовать сохранению биоразнообразия, используя методы ресурсосберегающего фермерства, например произрастание растений и деревьев на одном поле при незначительном или нулевом уровнем использования пестицидов и посадку разных видов растений.
1.2.2.Время существования антропогенных ландшафтов. – СтудИзба
1.2.2. Время существования антропогенных ландшафтов.
Считают, что человек, существующий как вид 2 млн. лет, стал ландшафтообразующим фактором 40-38 тыс. лет назад. Верхнепалеолитический человек (40-10 тыс. лет назад) при охоте прибегал к палу и положил начало антропогенного безлесья на территории современных разнотравных степей. Первыми собственно антропогенными ландшафтами можно считать места стоянок людей. В результате своей деятельности они изменяли растительный и животный мир прилегающей территории.
3-10 тыс. лет назад в неолите и бронзе в семиаридных и аридных районах субтропиков и тропиков возникло земледелие и вместе с ним возникли практически все виды и типы антропогенного ландшафта, которые известны сейчас. Полевые и садовые ландшафты возникли 10 тыс. лет назад в Междуречье, Египте и прилегающих районах. Здесь были окультурены пшеница, ячмень, рожь, виноград, груша, черешня, алыча. Аналогичные антропогенные ландшафты возникали в других очагах древнего земледелия: Средиземноморье, Эфиопии, Средней Азии, Китае, Мексике и Перу. Но здесь сложился свой набор сельскохозяйственных культур и свои приемы ведения сельского хозяйства, что несомненно отложило отпечаток на особенности формирования сельскохозяйственных ландшафтов. В частности существенно отличалось устройство ирригационных систем которые получили широкое распространение около 4 тыс. лет назад (Мургабское междуречье). Еще раньше возникли пастбищные ландшафты.
В центральной Европе в неолите преобладали лугово-пастбищные ландшафты и появлялись первые полевые.
Вместе с этой лекцией читают “17 Литература и искусство Древней Руси”.
Города возникли в Междуречье 6-5 тыс. лет назад. Изготовление орудий труда и строительство городов привели к появлению первых горнорудных ландшафтов, карьеров, отвалов, шахт.
Таким образом, основные типы антропогенных ландшафтов появились давно, но долговечность их различна.
По долговечности можно выделить три группы ландшафтов:
1. Долговременные саморегулируемые ландшафты. Они могут существовать очень долго без вмешательства человека дляих поддержанию. Раз возникнув, они в дальнейшем развиваются как естественные в соответствии с природными закономерностями, т.е. обладают высокой степенью саморегуляции. Это известняково-карстовые пустоши Средиземноморья, болотные мари Дальнего Востока и т.д.
2. Многолетние частично регулируемые ландшафты. Они существуют длительное время, но периодически нуждаются во вмешательстве человека. Это пруды (их нужно чистить), пойменные и суходольные луга (они требуют сенокошения и выпаса скота для уничтожения кустарников), лесополосы ( им необходимы рубки ухода).
3. Кратковременные регулируемые ландшафты. Их существование необходимо постоянно поддерживать вмешательством человека. Это прежде всего полевые ландшафты.
Учебно-научная лаборатория ландшафтоведения
Лаборатория ландшафтоведения создана приказом ректора от 5 апреля 2012 г.Цели. Изучение структуры и динамики ландшафтов в условиях глобального изменения климата. Разработка критериев устойчивости ландшафтов к антропогенным воздействиям. Обеспечение подготовки студентов и аспирантов в соответствии с требованиями образовательных стандартов.
Деятельность лаборатории направлена на решение следующих задач:
· способствовать подготовке высококвалифицированных специалистов-ландшафтоведов, способных оценивать динамику ландшафтов криолитозоны, выявлять проблемы развития природных ландшафтов и разрабатывать программы по их восстановлению;
· осуществлять разработку инновационных образовательных технологий оптимального использования лесохозяйственных, сельскохозяйственных, охотничьих и др. угодий;
· проводить комплексные физико-географических исследования, мониторинг естественных и антропогенных ландшафтов и совершенствовать методики районирования и картографирования ландшафтов;
· по темам исследования взаимодействовать с российскими и иностранными коллегами; публиковать материалы исследований, в том числе, в реферируемых ВАК изданиях, международных рейтинговых журналах. Участвовать в международных,российских, республиканских конференциях, конкурсах, грантах.
Планы лаборатории
Продолжить изучение структуры и динамики аласных комплексов Центральной Якутии. Провести экспедиций по исследованию зональных, интрозональных и экстразональных типов ландшафтов Якутии. На основание проведенных комплексных исследований в 2015 году подготовить справочник «Типы ландшафтов Якутии». Основать при лаборатории новое направление исследований «Антропогенные ландшафты Якутии».
Способствовать повышению квалификации сотрудников по методике картографирования ландшафтных комплексов. Привлекать студентов к участию в олимпиадах, конференциях, выполнению дипломных работ по актуальным проблемам ландшафтоведения.
Антропогенный ландшафт – это… Что такое Антропогенный ландшафт?
- Антропогенный ландшафт
- Антропогенный ландшафт
- Антропогенный ландшафт – географический ландшафт:
– созданный в результате целенаправленной деятельности человека; или
– возникший в ходе непреднамеренного изменения природного ландшафта.
К антропогенным ландшафтам относятся природно-производственные комплексы, городские поселения и т.д. В настоящее время антропогенные ландшафты занимают около половины территории суши.По-английски: Anthropogenic landscape
Финансовый словарь Финам.
.
- Антропогенное загрязнение
- Антропогенный стресс
Смотреть что такое “Антропогенный ландшафт” в других словарях:
Антропогенный ландшафт — Антропогенный ландшафт один из видов культурного ландшафта, является полной противоположностью природному ландшафту. То есть антропогенный ландшафт ландшафт, изменённый человеком. По определению Ф.Н Милькова: «антропогенными… … Википедия
Антропогенный ландшафт — ландшафт, сильно измененный и преобразованный деятельностью человеческого общества, его агроценозами, жилищными, техническими и транспортными сооружениями. Экологический словарь. Алма Ата: «Наука». Б.А. Быков. 1983 … Экологический словарь
антропогенный ландшафт — Ландшафт, состоящий из взаимодействующих природных и антропогенных компонентов, формирующийся под влиянием деятельности человека и природных процессов. [ГОСТ 17.8.1.01 86] Тематики ландшафты … Справочник технического переводчика
антропогенный ландшафт — Природный ландшафт, измененный в процессе хозяйственной деятельности … Словарь по географии
Антропогенный ландшафт — 3. Антропогенный ландшафт Ландшафт, состоящий из взаимодействующих природных и антропогенных компонентов, формирующийся под влиянием деятельности человека и природных процессов Источник: ГОСТ 17.8.1.01 86: Охрана природы. Ландшафты. Термины и… … Словарь-справочник терминов нормативно-технической документации
Антропогенный ландшафт — географический ландшафт, в формировании которого значительную роль сыграла хозяйственная деятельность человека. См. также Культурный ландшафт, Ландшафт географический … Большая советская энциклопедия
природно-антропогенный ландшафт — природный ландшафт, преобразованный хозяйственной и иной деятельностью человека. Сохраняя естественный характер и подчиняясь природным закономерностям, несёт антропогенное содержание как в виде отдельных элементов (культурных растений, изменённых … Географическая энциклопедия
ЛАНДШАФТ АНТРОПОГЕННЫЙ — значительно изменённый или искусственно созданный человеком на природной основе ландшафт. Термин часто используется как синоним агрикультурного и культурного ландшафтов. Экологический энциклопедический словарь. Кишинев: Главная редакция… … Экологический словарь
Ландшафт — Территория, однородная по происхождению, развитию и неделимая по зональным и азональным признакам, обладающая единым геологическим фундаментом, однотипными рельефом, климатом, почвами, растительностью и животным миром. В широком понимании… … Словарь-справочник терминов нормативно-технической документации
Ландшафт антропогенный — ландшафт, преобразованный хозяйственной деятельностью человека настолько, что изменена связь природных (экологических) компонентов в степени, ведущей к сложению нового ранее существовавшим на этом месте природным комплексам. EdwART. Словарь… … Словарь черезвычайных ситуаций
Антропогенный
Пейзажи , г.
или « Human Landscapes » – участки земной поверхности Земли.
где прямое изменение человеком экологических моделей и процессов
существенный,
постоянный и направленный на удовлетворение потребностей населения в пище,
жилье и другие ресурсы и услуги, включая отдых
и эстетические потребности.
Антропогенные биомы («Антромы»),
описать глобально значимые типы антропогенных ландшафтов. | ||
Почти все люди живут в антропогенных ландшафтах, особенно в городских, пригородных и густонаселенные сельские деревенские пейзажи. | ||
Антропогенная трансформация ландшафта (изменение землепользования) является одним из основных движущие силы глобальных изменений климата, биоразнообразия и биогеохимии. | ||
Экологические процессы в антропогенных ландшафтах сильно отличаются от девственных и косвенно затронутых экосистем. Эти процессы включают интродукцию и одомашнивание видов, управление популяциями и сбор урожая, транспорт обработки почвы и укрытие почвы непроницаемыми конструкциями, сжигание ископаемого топлива, орошение и удобрение экосистем азотом, фосфором и другими ограничение питательных веществ. | ||
Антропогенные ландшафты сильно фрагментированы мелкомасштабных мозаик управляемых и неуправляемых элементов ландшафта с четко определенными границами, такими как как постройки, дороги, дворы и сельхозплощадки. | ||
Для измерения и определения долгосрочных экологических изменений в антропогенных ландшафтах , трансформация земель и управление должны быть измерены в мелких пространственных масштабах на что обычно и происходит. AEM был разработан специально для этой цели. | ||
Антропогенные ландшафты мираКлассификация, предложенная Э.С. Эллис, 25 октября 2005 г. Минимальный масштаб карты ≥ 1 км2.
| ||
ССЫЛКИ Эллис Э.К., Х. Ван, Х. Сяо, К. Пэн, X. P. Liu, S. C. Li, H. Ouyang, X. Cheng и L. Z. Yang. 2006 . Измерение долгосрочные экологические изменения в густонаселенных ландшафтах с использованием современных и исторических изображения с высоким разрешением. Дистанционное зондирование окружающей среды 100 (4): 457-473. [скачать ] |
О нашей лабораторииЭто было веб-сайт Лаборатории антропогенной ландшафтной экологии .Мы сейчас здесь: Антроэкологическая лаборатория . группа ученых, изучающих экологию и устойчивое управление населенными ландшафтами в условиях направление Эрла Эллиса в Департамент географии и Экологические системы в UMBC. | |
Что такое антропогенные ландшафты?Антропогенные ландшафты – это участки суши Земли. поверхность, на которой происходит прямое изменение экологических паттернов человеком и процессы глубокие, постоянные и направлены на удовлетворение потребностей населения в пище, топливе, волокно, древесина, жилье, торговля и отдых. О Антропогенные ландшафты | |
Что такое пейзажи?Экосистемы пространственно неоднородны по ландшафтам. Ландшафтная экология исследует причины и последствия этого. пространственная неоднородность в различных масштабах. О пейзажи … | |
Что такое экотопы?Экотопы самые маленькие экологически отличные компоненты пейзажи. Подробнее о определение «экотоп» … | |
Зачем наносить на карту экотопы?Картографирование экотопов стратифицирует ландшафты на экологически отдельные компоненты, позволяющие измерять и картографирование структуры, функций и изменений ландшафта. Применение картографирования экотопов. .. | |
История картографирования экотоповХотя картографирование экотопов восходит к зарождению ландшафтной экологии, он актуален, как последний разрешение спутниковых снимков. Подробнее о история картографирования экотопов …. |
Пространственный анализ антропогенного нарушения ландшафта и язвы Бурули в Бенине
Аннотация
Фон
Изменение землепользования и земного покрова (ЗПЗ) – одно из антропогенных нарушений, связанных с возникновением инфекционных заболеваний.Текущие исследования в основном сосредоточены на дикой природе и трансмиссивных зоонозах, при этом не уделяется внимания изучению нарушения ландшафта и бактериальных инфекций в окружающей среде. Одним из примеров является язва Бурули (ЯБ), некротическое заболевание кожи, вызываемое патогеном окружающей среды Mycobacterium ulcerans (MU). Эмпирические и анекдотические наблюдения связали заболеваемость BU с нарушением ландшафта, но потенциальные взаимосвязи не были определены количественно, поскольку они связаны с конфигурациями земного покрова.
Методология / основные результаты
Ландшафтно-экологический подход, использующий байесовские иерархические модели с пространственными случайными эффектами, был использован для проверки гипотез исследования о том, что конфигурации растительного покрова, указывающие на антропогенное нарушение, были связаны с язвой Бурули (ЯБ) на юге Бенина, и что пространственная структура существовала для драйверов ЯБ распространение дела в регионе. Конечная цель состояла в том, чтобы создать непрерывную карту рисков для всего исследуемого региона. Результаты показали, что деревни, окруженные естественной формой или нетронутыми, а не нарушенными водно-болотными угодьями на расстоянии в пределах 1200 м, были подвержены более высокому риску ЯБ, а результаты исследования подтвердили гипотезу о существовании пространственной структуры для движущих факторов риска ЯБ в регионе. .Поверхность риска соответствовала известной эндемичности BU в Бенине и выявила зоны умеренного риска в пределах границ Того.
Выводы / Значение
Это исследование было первой попыткой связать конфигурацию земного покрова, репрезентативную для антропогенных нарушений, с распространенностью BU. Результаты исследования выявили несколько важных переменных, включая наличие естественных водно-болотных угодий, что требует будущих исследований этих факторов в дополнительных пространственных и временных масштабах.Основной вклад в это исследование включал включение компонента пространственного моделирования, который предсказывал уровни BU в новых местах без точных знаний о факторах окружающей среды, способствующих распространению болезней.
Сведения об авторе
Изменения в землепользовании и земном покрове могут оказывать неожиданное воздействие на экосистемы, включая изменения пригодности среды обитания для патогенов окружающей среды. В нескольких исследованиях изучались воздействия человека на ландшафт и изменения в составе переносчиков, хозяев и видов-резервуаров на измененной территории, но мало исследований связали эти нарушения с экологическими патогенами.Язвенная болезнь Бурули – это забытое тропическое заболевание, вызываемое экологическим патогеном Mycobacterium ulcerans . В этом исследовании изучалась структура земного покрова вокруг деревень на юге Бенина, чтобы определить взаимосвязь между нарушенными ландшафтами и распространенностью болезней. Авторов также интересовало, имеют ли факторы распространенности болезней пространственную структуру, которая может дать ключ к пониманию характеристик окружающей среды, важных для наличия болезни. Результаты показали, что в деревнях, окруженных естественными или нетронутыми водно-болотными угодьями, были более высокие показатели ЯБ, и что, по сути, существовала пространственная структура в структуре распространенности болезней.Авторы использовали эти результаты для создания первой непрерывной карты риска ЯБ на юге Бенина и Того, хотя точные факторы передачи болезни остаются неизвестными. Адекватное прогнозирование потенциального риска дает ценную информацию для профилактики и помогает более эффективно использовать ресурсы общественного здравоохранения.
Образец цитирования: Campbell LP, Finley AO, Benbow ME, Gronseth J, Small P, Johnson RC, et al. (2015) Пространственный анализ антропогенного нарушения ландшафта и язвенной болезни Бурули в Бенине.PLoS Negl Trop Dis 9 (10): e0004123. https://doi.org/10.1371/journal.pntd.0004123
Редактор: Сяо-Нун Чжоу, Национальный институт паразитарных заболеваний, Центр контроля заболеваний Китая, КИТАЙ
Поступила: 16 февраля 2015 г .; Принята к печати: 6 сентября 2015 г .; Опубликовано: 16 октября 2015 г.
Авторские права: © 2015 Campbell et al. Это статья в открытом доступе, распространяемая в соответствии с условиями лицензии Creative Commons Attribution License, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии указания автора и источника.
Доступность данных: Данные доступны на Dryad под DOI: doi: http: // dx.doi.org/10.5061/dryad.8h9b1.
Финансирование: Эта работа частично финансировалась совместной премией NSF-NIH «Экология и эволюция инфекционных заболеваний» № 5R1TW007550, Экология инфекции Mycobacterium ulcerans: оценка взаимосвязей ландшафта, экологии и эволюции инфекционных заболеваний: http: // www. nsf.gov/pubs/2014/nsf14592/nsf14592.htm. Работа частично поддержана грантами Национального научного фонда DMS-1106609 и EF-1253225. Финансирующие организации не играли никакой роли в дизайне исследования, сборе и анализе данных, принятии решения о публикации или подготовке рукописи.
Конкурирующие интересы: Авторы заявили об отсутствии конкурирующих интересов.
Введение
Изменение землепользования и земного покрова (ЗПЗ) в различных пространственных и временных масштабах является одним из антропогенных нарушений, связанных с возникновением инфекционных заболеваний [1]. Антропогенная деятельность, оказывающая серьезное воздействие на LULC, – это деградация земель, включая проекты по интенсификации сельского хозяйства и водоснабжения, урбанизация и обезлесение [2]. Эти действия могут привести к возникновению экологических краевых эффектов, способствующих возникновению болезней [3].Кроме того, эти действия создают новые пути, с помощью которых люди могут взаимодействовать с ранее ненарушенной средой, что приводит к более близкому расположению к потенциальным переносчикам, резервуарам и изолированным патогенам [3–6].
Достижения в области географических информационных систем (ГИС), технологий дистанционного зондирования, методов пространственной статистики и вычислительных мощностей облегчают наблюдение и количественную оценку антропогенных нарушений ландшафта, обеспечивая инструменты, необходимые для связи характеристик ландшафта с заболеваемостью и прогнозирования риска передачи болезней через ландшафты и через время [7].В то время как текущие исследования в основном сосредоточены на дикой природе и возникновении трансмиссивных зоонозов [8,9], изучению связей между антропогенно нарушенными ландшафтами и бактериальными инфекциями человека уделяется меньше внимания, хотя недавние результаты показывают, что нарушения могут способствовать пространственному распространение в окружающей среде бактерий, представляющих опасность для здоровья человека [10]. Количественная оценка закономерностей ландшафта, связанных с возникновением бактериальных заболеваний, является центральным компонентом при картировании риска передачи, поскольку экологические факторы, лежащие в основе этих патогенов, часто недостаточно изучены.
Одним из примеров этого явления является язва Бурули (ЯБ), некротическое заболевание кожи, вызываемое патогеном окружающей среды Mycobacterium ulcerans (MU) [11,12]. MU производит миколактон, иммунодепрессант, ответственный за образование язв. Хотя экологические факторы, лежащие в основе роста MU в окружающей среде, остаются загадкой, эмпирические и анекдотические связи существуют между резким увеличением случаев BU с 1980-х годов и антропогенными изменениями ландшафта [13]. Эти нарушения включают, помимо прочего, обезлесение, фрагментацию среды обитания, нарушения водных экосистем в результате строительства плотин и орошения в сельском хозяйстве, изменение методов ведения сельского хозяйства и горнодобывающую деятельность [12].Хотя BU не передается между людьми, способ или способы передачи не определены, и вакцины не существует [14]. Таким образом, выявление закономерностей ландшафта, связанных с заболеваемостью ЯБ, станет мощным инструментом надзора и профилактики, а также даст возможность узнать больше об экологии системы болезни.
Несколько прошлых исследований BU изучали особенности ландшафта, связанные с заболеванием BU. Исследования, проведенные в Западном округе Аманси в Гане, выявили корреляцию между заболеваемостью и близостью к почвам, обогащенным мышьяком, на низинных сельскохозяйственных угодьях [15].Дополнительное исследование в районе Аманси-Уэст выявило взаимосвязь между средними уровнями мышьяка в почве и пространственным распределением случаев ЯБ, а также между увеличением близости к местам добычи золота и пространственным распределением случаев в пределах района [16]. Mantey et al. [17] исследовали взаимосвязь между потенциальным поверхностным стоком и заболеваемостью BU в округах Аманси-Вест и Верхний Денкира-Вест в Гане, обнаружив, что случаи BU положительно коррелировали с низким или умеренным потенциалом поверхностного стока, а большее количество случаев коррелировало с более низким потенциальным максимумом. значения удержания влаги в почве.Общенациональное исследование в Кот-д’Ивуаре обнаружило связь между заболеваемостью ЯБ и близостью к орошаемым рисовым полям и искусственным плотинам [18], в то время как исследование Marion et al. [19] постулировали связь между строительством большой плотины в районе Банким в Камеруне и географическим расширением случаев BU.
В рамках дополнительного исследования, проведенного в медицинском районе Анконолинга в Камеруне, были изучены мелкомасштабные закономерности заболеваемости ЯБ в этом районе, и было обнаружено, что более близкие места к реке Нионг, нарушенные лесные массивы и возделываемые водно-болотные угодья являются значительными факторами риска для заболевания [20].Общенациональное исследование, проведенное в Бенине, показало, что деревни, расположенные на низких высотах в водосборных бассейнах, с переменным режимом влажности и окруженные лесом, имеют более высокий риск ЯБ [21]. Недавнее исследование, проведенное в Бенине, показало обратную зависимость между заболеваемостью и повышением уровня ЯБ [22], в то время как Williamson et al. (2012) обнаружили, что уровень заболеваемости самый низкий на высоте <25 м или на высоте 90-100 м. Wagner et al. [23] определили, что заболеваемость ЯБ увеличивалась в деревнях, окруженных сельскохозяйственными угодьями, и снижалась по мере увеличения масштабов использования прилегающих городских земель (например,г., радиус 20 км вокруг села).
Предлагая важную информацию о взаимосвязях между особенностями ландшафта и распространением ЯБ, эти исследования были сосредоточены на составе ландшафта, а не на его конфигурации, игнорируя ландшафтные узоры как общие индикаторы нарушения. Предыдущие исследования с использованием показателей ландшафта показали, что участки земного покрова более однородной формы (например, соответствующие дорогам или участкам управляемых лесов) являются индикаторами потенциального антропогенного нарушения [24].Напротив, участки земного покрова более сложной формы, такие как естественные водно-болотные угодья, часто представляют собой нетронутые ландшафты [25]. Кроме того, большее количество пятен может указывать на потенциальную фрагментацию среды обитания [26].
Хотя в нескольких предыдущих исследованиях BU использовались данные с пространственной привязкой, только часть исследований, посвященных изучению ландшафтных и экологических переменных, включала в свой анализ подходы пространственного статистического моделирования [16,20,21,23]. Первый закон географии Тоблера гласит, что «все связано со всем остальным, но близкие вещи более взаимосвязаны, чем далекие» [27], словесное утверждение концепции пространственной автокорреляции.Если модель непространственной регрессии используется для исследования взаимосвязей между BU и окружающей средой, что часто имеет место, существует высокая склонность к нарушению базовых допущений модели, таких как независимые и одинаково распределенные остатки модели [28]. Модели, которые явно учитывают пространственную автокорреляцию, предлагают несколько преимуществ по сравнению с непространственными моделями, включая избежание неверных выводов относительно значимости коэффициента регрессии или ошибок типа I [29–31]. Кроме того, добавление компонентов, которые явно учитывают остаточную пространственную зависимость, к классу рассматриваемых моделей, часто улучшает соответствие модели и эффективность прогнозирования [32].
Целью данного исследования было количественное определение воздействия потенциальных антропогенных нарушений ландшафта на заболеваемость BU в Бенине, Западная Африка, с использованием метрических расчетов ландшафта и подходов к пространственному моделированию. Мы предполагаем (1), что участки земного покрова с конфигурацией, указывающей на антропогенное нарушение ландшафта, окружают деревни с более высокими показателями ЯБ в южной части Бенина, и (2) что существует пространственная закономерность для драйверов заболеваемости ЯБ в Бенине. Наша конечная цель состояла в том, чтобы создать поверхность риска BU на юге Бенина и юге Того.
Материалы и методы
Южные части Бенина и Того, Западная Африка, составляют область нашего исследования, 6,30 ° N — 8,17 ° N и 0,84 ° E до 2,48 ° E (рис. 1). Через исследуемый район протекают четыре основные реки, в том числе реки Коффу, Уэме и Зу в Бенине, а также река Моно, которая очерчивает южную границу между Того и Бенином. BU является эндемическим заболеванием в Бенине и Того, но данные о заболеваемости из Того были неполными. Таким образом, в этом исследовании использовались данные наблюдений за ЯБ и соответствующие данные об окружающей среде в Бенине для выявления важных факторов, а затем прогнозировался риск ЯБ на юге Бенина и Того.
Ландшафт Бенина состоит в основном из лесных массивов и кустарниковых саванн, смешанных с возделываемыми землями и залежными полями, с полулиственными лесами, присутствующими в южном регионе страны [33]. Вырубка лесов и ухудшение состояния окружающей среды являются постоянными проблемами в стране, и ландшафт продолжает быстро меняться. В период с 1986 по 1997 год выращивание продовольственных культур и хлопка увеличилось на 265% и 79%, в то время как добыча дров и производство древесного угля способствовали вырубке лесов на 30 000 га в год [33].
BU Данные корпуса
Национальная программа борьбы с леприем и лечением бурули (PNLLUB) в Бенине предоставила для этого анализа подгруппу деревень с положительным и отрицательным статусом BU в 2004 и 2005 годах. Деревня была идентифицирована как BU-положительная, если хотя бы один случай произошел в ней в 2004 или 2005 году. Эти данные были получены из стандартизированных форм Всемирной организации здравоохранения (ВОЗ) BU02, созданных с использованием системы отчетности на уровне сообществ, разработанной ВОЗ для облегчения регистрации случаев. по географическим регионам [34].Количество случаев заболевания BU, численность населения, координаты широты и долготы были предоставлены для каждой деревни в наборе данных. Всего 292 деревни, 183 положительных и 109 отрицательных, попали в область исследования; Произошло 558 индивидуальных случаев, от 1 до 29 случаев на деревню (рис. 2). Данные депонированы в репозитории дриад [http://dx.doi.org/10.5061/dryad.j512f21p ][35].
Данные о землепользовании и земельном покрове
Классификация землепользования и земного покрова (LULC) для южной части Бенина и Того была проведена с использованием изображений Landsat ETM + с разрешением 30 м от 13 декабря 2000 г.Изображение было геометрически исправлено и спроецировано (зона UTM 31N) перед выполнением неконтролируемой классификации [36]; присвоение классов земного покрова следовало схеме классификации уровня I Андерсона [37], за исключением четырех смешанных классов. Окончательная классификация состояла из 10 классов, включая три смешанных сельскохозяйственных класса и общий смешанный класс, который включал пиксели, отнесенные к более чем 2 категориям. Применение статистического мажоритарного фильтра 5×5 помогло устранить шум классификации [38].Методы визуальной интерпретации использовались для определения классов земного покрова [39–41] по всей исследуемой территории из-за отсутствия достоверных данных. Агрегированные классы земного покрова призваны помочь уменьшить ошибку классификации. Данные депонированы в репозитории дриад [http://dx.doi.org/10.5061/dryad.j512f21p ][35].
Лес, водно-болотные угодья и смешанные классы сельского хозяйства / леса были выбраны для этого анализа на основе потенциальных взаимосвязей, выявленных из эмпирических и анекдотических сценариев. Классы лесов и водно-болотных угодий продемонстрировали уникальные спектральные характеристики, при этом сигнатуры водно-болотных угодий показали более низкую спектральную кривую отражения, особенно в ближнем инфракрасном (БИК) диапазоне электромагнитного спектра, в то время как признаки леса продемонстрировали более резкое увеличение в ближнем инфракрасном диапазоне электромагнитного спектра. [42].Мы отметили большую неопределенность в отделении смешанного сельскохозяйственного и лесного классов от других нелесных классов из-за пространственного разрешения наших данных.
Пейзаж Метрики
Количественная оценка ландшафтных узоров внутри концентрических многоугольников – распространенный подход в мультискалярном ландшафтном анализе [43,44]. Концентрические многоугольники с радиусами 800 м, 1200 м, 1600 м и 2000 м от центра деревень действовали как буферы, в пределах которых были получены данные о земном покрове для анализа закономерностей.Эти радиусы были выбраны для характеристики ландшафта в пределах расстояний, которые регулярно пересекаются жителями деревни, при сохранении размеров, достаточно больших для количественной оценки ландшафтных узоров.
Первоначальный расчет набора метрик ландшафта количественно определил конфигурации классов исследования в концентрических многоугольниках с использованием правила 8 соседей [45]. Особый интерес вызвали показатели ландшафта, которые определяют нарушения ландшафта, связанные с антропогенной деятельностью, например фрагментацию или однородную форму участков земного покрова (более подробную информацию см. В руководстве FragStats [46]).
Коллинеарность метрик ландшафта является обычным явлением (46). В контексте регрессии коллинеарность или корреляция между переменными-предикторами может вызвать проблемы с выводом. Следовательно, тексты прикладной регрессии предлагают избегать корреляции между предикторами выше 0,7, см., Например, [47]. Здесь мы взяли консервативное пороговое значение 0,6, чтобы уменьшить проблемы, возникающие из-за коллинеарности. Потенциальные пары предикторов оценивались с использованием коэффициента корреляции Пирсона и ранговой корреляции Спирмена. Оба показателя корреляции дали сопоставимые результаты.Используя этот критерий и исследовательский анализ с использованием моделей, подробно описанных в последующих разделах, переменными-предикторами, которые мы рассматриваем в последующих анализах, являются: 1) среднее значение индекса формы, 2) процент смежности земельного покрова и 3) индекс формы ландшафта. На рис. 3 показаны конфигурации земного покрова, которые приводят к высоким и низким значениям каждой метрики. Следующие ниже описания расчетов метрик были взяты непосредственно из документации FragStats. Среднее значение индекса формы (SHAPE_MN) характеризует сложность формы пятна и рассчитывается как где p ij = периметр фрагмента ij с точки зрения количества поверхностей ячеек и min p ij = минимальный периметр фрагмента ij с точки зрения количества поверхностей ячеек [46 ].Значения, близкие к 1,0, указывают на участки земного покрова более однородной формы, сложность которых возрастает по мере увеличения значений.
Процент смежности земельного покрова (PLADJ), измеряемый совокупностью участков одного и того же класса, и рассчитывается как где g ij = количество одинаковых смежностей (объединений) между пикселями типа (класса) патча i на основе метода двойного счета, а g ik = количество смежности (объединения) между пикселями типов (классов) патчей i и k , также на основе метода двойного счета [46].Высокие значения PLADJ представляют более агрегированный класс земного покрова, в то время как низкие значения PLADJ представляют более фрагментированный класс земельного покрова.
Индекс формы ландшафта (LSI) – еще одно измерение агрегации участков земного покрова. LSI рассчитывалась с использованием где e i = периметр класса i с точки зрения количества поверхностей ячеек, который включает в себя все граничные сегменты ландшафта и края фона, относящиеся к классу i , и min e i = минимальная общая длина края (или периметра) класса и по количеству поверхностей ячеек [46].
Непространственные модели
Исходная непространственная обобщенная линейная модель (GLM) учитывала n = 292 деревни и совпадающие переменные-предикторы, индексированные по местоположению, S = { s i ,…, s } , где каждое s – это вектор, записывающий долготу и широту в проекции UTM Zone 31N. В общем местоположении s переменная ответа y ( s ) была принята как количество зарегистрированных там случаев BU.В типовой местности s , переменная ответа y ( s ) была принята как количество случаев BU, зарегистрированных в каждой деревне с размером населения N ( s ). Мы предположили, что y ( s ) следует биномиальному распределению с N ( s ) наблюдениями в каждой деревне и вероятностью p ( η ( s )) заболеваемости BU, т. Е. лет. ( s ) ∼ Биномиальный ( N ( s ), p ( η ( s ))).Для моделирования вероятности BU использовалась функция логистической связи, т. Е. p ( η ( s )) = exp ( η ( s )) / (1+ η ( s )). Для непространственных моделей член регрессии η ( s ) = x ( s ) ‘ β , где вектор x ( s ) содержит предиктор перехвата, специфичный для деревни переменные (например, SHAPE ME, PLADJ и LSI) и соответствующие параметры регрессии β .Мы использовали пошаговый подход для изучения комбинаций переменных-предикторов в моделях-кандидатах на расстояниях 800, 1200, 1600 и 2000 м от центра деревень и каждого из трех классов земного покрова. Модели-кандидаты состояли из переменных с коэффициентом корреляции <0,6. Результаты моделей сравнивались с использованием подхода критерия информации отклонения (DIC) [48], а отдельные переменные в моделях-кандидатах удалялись поэтапно. Окончательные модели состояли из моделей с наименьшими значениями DIC.
Пространственные модели
Непространственные биномиальные GLM предполагали, что остатки модели были независимыми и одинаково распределенными по исследуемой области [28], то есть включенные переменные-предикторы фиксируют любые пространственные закономерности в вероятности случаев BU. Хотя этот подход является адекватным при отсутствии пространственной автокорреляции в остатках модели, это предположение часто будет нереалистичным, учитывая пространственную структуру наблюдений [49]. Как отмечалось выше, нарушения этого предположения модели могут привести к неверным выводам относительно важности предикторов и, следовательно, к ошибочным прогнозам в местах, где не наблюдались уровни BU.Чтобы смягчить эту проблему, непространственная модель была изменена, чтобы учесть пространственно изменяющееся пересечение путем добавления пространственно структурированных случайных эффектов. Отображение случайных эффектов часто полезно для выявления отсутствующих или ненаблюдаемых переменных-предикторов [50], помимо учета любой скрытой остаточной пространственной зависимости, улучшения выводов о важности переменных-предикторов и повышения эффективности прогнозирования.
Пространственно изменяющаяся точка пересечения включена в модель путем добавления пространственного случайного эффекта, w ( s ) , до η ( s ) , i . и . η ( s ) = x ( s ) ‘ β + w ( + w ( 50)
9 ( s ) и β были определены ранее. Пространственный случайный эффект был задан как средний нулевой гауссовский процесс с функцией ковариации C ( s 1 , s 2 ) = σ 2 ρ ( с 1 , с 2 s 1 и s 2 , представляющий любые два произвольных местоположения, и σ 2 – отклонение процесса.Мы предположили экспоненциальную пространственную корреляционную функцию, ρ (· , · ; ϕ ) = exp ( -ϕ || s 49 1
50 – 50 s 2 || ), где ϕ контролирует скорость пространственного распада, а || с 1 – с 2 || – евклидово расстояние между точками [50].См. [51–53], где приведены примеры применения пространственных случайных эффектов в исследованиях экологии болезней.
Спецификация модели завершается присвоением всем параметрам предварительных распределений. Как обычно, коэффициентам регрессии β был назначен многомерный априор по Гауссу, β ~ N (μ , Σ) , с μ , установленным на вектор нулей, а матрица Σ с диагональными элементами, равными 100, и недиагональными элементами, равными нулю.Исследовательский анализ данных (EDA) с использованием других значений диагональной дисперсии, то есть 1000 и 10000, был оценен для непространственных и пространственных моделей с результатами, показывающими незначительное влияние предыдущего выбора на ширину или центрирование апостериорных распределений.
Компонента пространственной дисперсии σ 2 была присвоена обратная гамма до IG (a , b) , с гиперпараметром формы a , установленным на 2 и масштабом b , параметр варьировался от 0.1–5, чтобы оценить влияние предшествующей спецификации. Обратите внимание, что, следуя определению IG в [54], при α = 2 среднее значение распределения равно b и имеет бесконечную дисперсию. EDA с использованием различных спецификаций b не оказал большого влияния на апостериорный вывод. В результатах, представленных в последующих разделах, использовался предварительный образец IG (2,1) для σ 2 . Параметру корреляции процесса, ϕ , был назначен информативный априор (например, равномерный в конечном диапазоне) с поддержкой на максимальном межплощадочном расстоянии между любыми двумя точками.
Распределение параметров моделибыло оценено с использованием методов Монте-Карло с цепью Маркова (MCMC) с использованием адаптивного алгоритма Метрополиса (AM) со степенью приемлемости 43% [55]. Все модели были созданы с использованием функции spGLM в пакете spBayes R [56]. Начальные значения цепочки MCMC были получены из непространственных моделей, а последующий апостериорный вывод был основан на 3 цепочках на 100000 итераций, измеренных в четырех пространственных пределах (например, 800 м, 1200 м, 1600 м и 2000 м).
Цепная конвергенция диагностировалась с использованием масштабного коэффициента уменьшения потенциала Гельмана-Рубина [57].Сходимость непространственных и пространственных параметров модели обычно достигается в пределах 5 000–10 000 итераций MCMC. Вывод параметров и последующие прогнозы были основаны на выборках MCMC после конвергенции (т. Е. Выгорание было установлено на уровне 10 000 итераций для всех параметров модели).
Сравнение и проверка моделей
Моделисравнивались с использованием популярного информационного критерия отклонения (DIC). Подобно информационному критерию Акаике и аналогичным критериям соответствия модели, используемым для сравнения соответствия небайесовских моделей, более низкие значения DIC указывают на лучшую производительность [48].Чтобы более полно оценить эффективность прогнозирования среди моделей-кандидатов, наборы данных были случайным образом разделены на два подмножества – 90% наблюдений использовались для соответствия моделям-кандидатам, а 10% – для проверки последующих прогнозов частоты BU. Для каждой модели среднеквадратичная ошибка прогноза (RMSPE) была рассчитана на основе прогнозируемых и наблюдаемых значений 10% удерживающего набора, при этом более низкие значения указывают на улучшение ожидаемой производительности [55].
BU Поверхность риска
Мы сгенерировали в общей сложности 1029 новых предсказанных местоположений в сетке с интервалами 5 км, где частота BU не наблюдалась (рис. 4).Разрывы между этими точками местоположения представляют собой области, где данные отсутствовали, а получение переменных-предикторов было невозможно для «наилучшего» класса модели и интервала расстояний. Поверхность прогнозируемого риска ЯБ была создана после Finley et al. (2008) и реализован в пакете spBayes R. Здесь использование парадигмы байесовского моделирования особенно выгодно, поскольку оно обеспечивает доступ ко всему апостериорному прогнозируемому распределению в каждом новом местоположении [50], и, следовательно, мы можем отобразить любую интересующую нас величину.Для наших целей эти величины включают карту среднего и дисперсии апостериорного прогнозного распределения для конкретных ячеек сетки.
Результаты
Большинство сообществ BU с положительным результатом в Бенине были расположены в южном регионе страны (рис. 2). В департаментах Цзоу и Коффо было наибольшее количество сообществ с положительным статусом BU в нашем наборе данных – 51 и 59 местоположений. За ними следуют Ouémé, Mono и Atlantique с 38, 19 и 14 сообществами BU с положительным результатом, при этом Plateau и Collines имеют 8 и 4 положительных местоположения из нашего набора данных выборки.
Пространственные и непространственные модели
Пространственные GLM дали более низкие значения DIC, чем непространственные GLM, предполагая, что присутствовала остаточная пространственная зависимость и что пространственные модели достигли лучшего соответствия для каждой комбинации переменных-предикторов (Таблица 1). Сравнение коэффициентов регрессии между пространственными и непространственными моделями показывает, что непространственные GLM имеют тенденцию переоценивать важность переменных-предикторов – вероятно, в результате нарушения допущений модели, связанных с некоррелированными остатками (Таблица 2).Например, в непространственной модели было обнаружено, что Лес является значимым во всех пространственных масштабах, тогда как в пространственной модели значимым был только лес размером 1200 м. Кроме того, переменная смежности земельного покрова в процентах, соответствующая модели класса водно-болотных угодий на высоте 2000 м, поменяла знаки на противоположные, что снова связано с нарушением допущений базовой модели.
Таблица 1. Критерий отклонения информации для непространственных и пространственных моделей.
Более низкие значения DIC указывают на лучшее соответствие модели. Аббревиатуры переменных соответствуют следующим показателям: SHAPE_MN (средний индекс формы), PLADJ (процент смежности земного покрова), LSI (индекс формы ландшафта).
https://doi.org/10.1371/journal.pntd.0004123.t001
Таблица 2. Сравнение переменной значимости непространственных и пространственных моделей.
Символы «+» и «-» указывают значимые коэффициенты в направлении, указанном символом, а символ «X» указывает незначительные коэффициенты.
https://doi.org/10.1371/journal.pntd.0004123.t002
Результаты оценки прогностических характеристик кандидатной модели с использованием RMSPE представлены в таблицах 3 и 4, которые иллюстрируют фактические и прогнозируемые уровни BU в 18 выборочных местоположениях.Здесь пространственная модель водно-болотных угодий на 1200 м, которая включала SHAPE_MN и LSI в качестве переменных-предикторов, достигла самого низкого RMSPE. Оценки параметров для этой модели приведены в Таблице 5. Здесь и как отмечено в Таблице 2, коэффициенты регрессии, связанные с SHAPE_MN и LSI, были как положительными, так и статистически отличными от нуля, что позволяет предположить, что более сложные по форме и агрегированные участки водно-болотного покрова окружают деревни с более высокими показателями BU. Небольшое значение параметра пространственного распада и, следовательно, большой эффективный пространственный диапазон (определяемый как расстояние, на котором пространственная корреляция падает до значения ниже 0.05) предполагает относительно сильную остаточную зависимость даже после учета переменных-предикторов.
Таблица 5. Достоверные интервалы для 1200 м водно-болотных угодий, наиболее подходящие для пространственной биномиальной GLM.
Переменные, которые сохраняют положительные или отрицательные знаки в соответствующей области интервала, могут быть интерпретированы как имеющие высокую вероятность истинного значения переменной, лежащей в этой области достоверности.
https://doi.org/10.1371/journal.pntd.0004123.t005
Мы исследовали графики фактических показателей BU в сравнении с прогнозами модели водно-болотных угодий на 1200 м, чтобы оценить пространственные закономерности в соответствии с моделью (рис. 5).Похоже, что в большинстве районов наблюдается относительно сильное согласие, но показатели распространенности ЯБ были недооценены вдоль реки Уэме. График пространственных случайных эффектов выделил области, в которых пространственно структурированные предикторы отсутствовали в модели, что повлияло на пространственное распределение показателей и продвинутое соответствие модели, с более высокими значениями вблизи мест с наличием случая (рис. 6). Интерполированная поверхность среднего значения апостериорного прогнозного распределения в новых местах, основанная на модели водно-болотных угодий на высоте 1200 м, представляет риск ЯБ в исследуемом регионе (рис. 7).
Рис 6. Карта пространственных случайных эффектов. Красный, оранжевый и желтый цвета указывают на области, где неизвестные пространственно структурированные переменные, которые не были включены в модель, вносят более высокий вклад в частоту BU, чем в других областях изучаемого региона.
https://doi.org/10.1371/journal.pntd.0004123.g006
Рис. 7. Интерполированное среднее апостериорного прогнозирующего распределения.
Прогнозируемые ставки на 100 000 человек. Красный, оранжевый и желтый цвета указывают на области с прогнозируемыми более высокими показателями BU, в то время как синий и зеленый цвета обозначают области с прогнозируемыми низкими показателями BU.
https://doi.org/10.1371/journal.pntd.0004123.g007
Обсуждение
Это исследование является первым, в котором изучаются конфигурации земного покрова, указывающие на антропогенные нарушения, связанные с распространением BU. Результаты моделирования позволили получить представление о заболеваемости ЯБ в Западной Африке, одновременно продемонстрировав ценность подходов пространственного моделирования в исследованиях экологии болезней. Более низкие значения DIC, соответствующие пространственным моделям, подтверждают гипотезу о том, что пространственная структура существует для драйверов распространения ЯБ в регионе.Важно отметить, что сравнение значимости непространственных и пространственных переменных продемонстрировало возможность возникновения неточных оценок при использовании непространственных моделей для решения экологических проблем. Включение пространственных случайных эффектов привело к отсутствию переменных-предикторов и обеспечило существенное улучшение прогнозов частоты BU в местах без выборки (таблица 2).
Результаты нашей модели не подтверждают гипотезу о том, что более однородные по форме и фрагментированные участки земного покрова, свидетельствующие о потенциальном антропогенном нарушении, окружают деревни с более высокими показателями BU.Результаты пространственной модели предполагают общие тенденции к более агрегированным и сложным или естественным участкам, окружающим деревни, с более высокими показателями BU, хотя между интервалами расстояний наблюдались несоответствия в переменной значимости. Рис. 8 иллюстрирует ландшафты из нашей классификации, которые представляют высокие уровни распространенности ЯБ и отсутствие показателей распространенности ЯБ, которые соответствуют результатам нашей модели.
Рис. 8. A) Территории с агрегированными водно-болотными угодьями сложной формы и участками леса, окружающими участки с высокой распространенностью BU.
B) Лесные участки равномерной формы вокруг участков без преобладания BU.
https://doi.org/10.1371/journal.pntd.0004123.g008
Результаты смешанного сельскохозяйственного / лесного класса свидетельствуют о том, что более агрегированные участки сложной формы окружают деревни с более высокими показателями BU на расстояниях 1200–2000 м. Хотя конфигурация не соответствовала конфигурации, признанной представляющей антропогенно нарушенную среду, наличие смешанного класса сельского хозяйства и лесов предполагает внутреннее вторжение сельского хозяйства в нетронутые лесные ландшафты.Лица, ухаживающие за полями в этих смешанных ландшафтах, могли иметь повышенные возможности столкнуться с краевыми эффектами и дополнительными нарушениями, которые, как известно, способствуют распространению патогенов при экологических заболеваниях [3]. Изучение роли экологической сукцессии и конкретных стадий нарушения в заболеваемости ЯБ может дать важную информацию о зонах повышенного риска.
Несколько вероятных сценариев могут объяснить результаты модели. Первый рассматривает регионы, в которых проводилось большинство исследований ландшафтной экологии, выявляя формы, указывающие на антропогенное нарушение.Эти исследования проводились в основном в развитых регионах Европы и США, а не в развивающихся регионах, таких как Бенин. Дальнейшее изучение количественной оценки характеристик земного покрова в развивающихся и развитых регионах может предоставить полезную информацию для будущих исследований. Кроме того, модели, построенные в этом исследовании, возможно, не включали классы земного покрова, которые могли бы играть важную роль в экологии BU. Дальнейшее изучение дополнительных классов земного покрова может дать важные результаты.
Еще одно соображение – это масштаб, в котором проводилось расследование. В этом исследовании использовались спутниковые снимки с разрешением 30 м и статистическим мажоритарным фильтром 5×5 для характеристики ландшафта для статистического анализа. Факторы, способствующие распространению ЯБ, могут действовать в более грубых или более мелких масштабах. Кроме того, некоторые нарушения ландшафта, связанные с антропогенной деятельностью, возможно, не были идентифицированы с использованием изображений среднего разрешения. Одним из примеров является присутствие культивируемых рисовых полей на территории водно-болотных угодий.Участки однородной формы, указывающие на культивирование, были легко различимы на изображениях 4-метрового Ikonos с более высоким разрешением, но эти нарушения не были видны на изображениях Landsat; таким образом, некоторые территории, которые мы считали естественными водно-болотными угодьями, могли также подвергнуться антропогенному воздействию. Следовательно, дополнительные исследования, изучающие конфигурации земного покрова в различных масштабах, могут принести пользу исследованиям BU в регионе.
Идентификация пространственных автокорреляционных эффектов в остатках модели подтвердила гипотезу о существовании пространственной структуры для драйверов заболеваемости ЯБ.Эффективный диапазон «наилучшей» модели предполагает, что пространственная автокорреляция существует в пределах 28,6–41,2 км от центров поселков и способствует формированию распределения случаев ЯБ в регионе. Хотя пространственные случайные эффекты не указывают на то, что является движущей силой присутствия BU, пространственные закономерности дают подсказки об отсутствующих переменных и повышают точность прогнозирования поверхности риска BU. Визуальный осмотр пространственных случайных эффектов выявляет закономерность, которая примерно соответствует геологическому и почвенному переходу от осадочных бассейнов с ферралитовыми и гидроморфными почвами на юге Бенина к кристаллическому фундаменту с ферралитовыми почвами в центральном регионе, что требует дальнейшего изучения этих явлений в центральном регионе. связь с пространственным распределением заболеваемости ЯБ в этом регионе (IMPETUS Atlas Benin).
Цель поверхности риска заключалась в том, чтобы действовать как предварительное руководство для определения регионов, в которых наиболее вероятно возникновение случаев ЯБ. Результаты моделирования выявили районы высокого риска в известных эндемичных регионах недалеко от города Танджи и между реками Зу и Уэме в Бенине, что демонстрирует согласованность с сообщениями о заболеваемости [58]. Результаты также свидетельствуют о высоких показателях у реки Уэме на востоке и у реки Коффу в западной части страны. Более низкие прогнозируемые показатели вдоль южного побережья могут быть результатом солоноватых вод, которые негативно влияют на условия окружающей среды, подходящие для патогена MU, или могут быть связаны с гипотезой о том, что жители этого региона имеют лучший доступ к откачиваемой воде из-за большей урбанизации, что может более низкий риск ЯБ [21].Кроме того, песчаная почва, которая быстро дренирует и не способствует накоплению стоячей воды, может препятствовать возможностям роста MU в этом регионе. Кроме того, результаты модели предполагают более низкие уровни между реками Коффу и Уэме и Зу, где более высокие возвышения разделяют два известных эндемичных региона, повторяя результаты предыдущих исследований [21,22,59].
Более интересными оказались предсказанные зоны риска BU в пределах Того. Результаты модели предполагают умеренный риск к востоку от реки Моно, но к северу от того места, где река очерчивает международную границу.В этом регионе находится плотина Нангбето, за которой находится большой водохранилище. Хотя этот регион расположен в системе водно-болотных угодий, после строительства плотины Нангбето в 1987 г. было зарегистрировано несколько случаев заболевания ЯБ (Р. Кристиан Джонсон, личное сообщение, 20 сентября 2015 г.). Одна из гипотез состоит в том, что сокращение случаев произошло из-за контролируемых колебаний уровня воды, что снизило воздействие сезонных наводнений в регионе, аналогично ситуации в Гане, где известно несколько случаев ЯБ в районе озера Вольта [11].Хотя условия окружающей среды могут быть сопоставимы с условиями, которые определены как среды высокого риска в Бенине, модель не может учитывать антропогенное вмешательство в речной сток и, следовательно, предсказывает, что этот район имеет умеренный риск BU.
В целом, прогнозируемые уровни ЯБ в Того имели умеренные значения с меньшей пространственной изменчивостью, чем в Бенине. Эта тенденция может быть результатом увеличения расстояния от наблюдаемых местоположений. Поскольку расстояние от местоположений с известными значениями превышает эффективный диапазон, прогнозируемые показатели имеют тенденцию приближаться к среднему прогнозируемому значению.Хотя это явление могло повлиять на прогнозируемые показатели в Того, выявление регионов с умеренным риском возникновения ЯБ является первым шагом в восполнении пробелов в знаниях, возникающих из-за несоответствия данных в регионе.
Выводы
Роль антропогенных нарушений экосистем в возникновении бактериальных инфекций окружающей среды изучена недостаточно. Это исследование было первой попыткой связать конфигурации земного покрова, характерные для антропогенных нарушений, с бактериальной инфекцией окружающей среды, язвенной болезнью Бурули.Хотя результаты не свидетельствовали о положительной взаимосвязи между конфигурациями участков земного покрова, репрезентативными для антропогенных нарушений, и коэффициентами BU, результаты исследования выявили несколько важных переменных, включая наличие естественных водно-болотных угодий, что требует будущих исследований этих факторов в дополнительных пространственных и временных масштабах.
Помимо нового исследовательского анализа, описанного выше, основной вклад в это исследование включал включение компонента моделирования, который разделил пространственную структуру недостающих переменных, обеспечивая структуру, на основе которой можно прогнозировать частоту возникновения BU в новых местах без точных знаний факторов окружающей среды, способствующих распространению болезни в начале этого анализа.Полученная в результате непрерывная поверхность риска BU демонстрирует потенциал для разработки и целенаправленного наблюдения с использованием подходов пространственного моделирования. Возможность адекватно прогнозировать потенциальный риск для мест, где доступно мало данных, является первым шагом к предотвращению, одновременно создавая инструмент, с помощью которого можно использовать более систематический и контролируемый процесс выбора места для проведения будущих исследований по отбору проб окружающей среды. Непрерывное получение точных данных о случаях с географической привязкой наряду с данными о патогенных микроорганизмах с географической привязкой предоставит наилучшую возможность для надежных эмпирических исследований взаимосвязей между экологическими факторами, антропогенной деятельностью и передачей яиц.
Благодарности
Авторы хотели бы поблагодарить AT Peterson и EE Peterson за проницательные комментарии перед отправкой этой рукописи.
Вклад авторов
Задумал и спроектировал эксперименты: LPC AOF MEB JQ JG RMM HW GES RCJ. Проанализированы данные: LPC AOF MEB. Предоставленные реагенты / материалы / инструменты анализа: RCJ GES PS. Написал статью: LPC AOF MEB JG. Рукопись критически переработана: RMM JG PS HW.
Список литературы
- 1.Кук А., Джардин А., Вайнштейн П. (2004) Использование вспышек болезней человека в качестве руководства для многоуровневых вмешательств в экосистемы. Перспективы гигиены окружающей среды 112: 1143–1146. pmid: 15289157
- 2. Patz JA, Olson SH, Uejio CK, Gibbs HK (2008) Возникновение болезней в результате глобального изменения климата и землепользования. Med Clin North Am 92: 1473–1491, xii. pmid: 163
- 3. Патц Дж., Конфалониери У. (2005) Здоровье человека: экосистемная регуляция инфекционных заболеваний. Экосистемы и благосостояние человека: текущее состояние и тенденции: выводы о состоянии и тенденциях, Рабочая группа по оценке экосистем на пороге тысячелетия, Вашингтон, округ Колумбия. Хассан Р., Скоулз Р., Эш Н., редакторы.Island Press. 391–415 с.
- 4. Морс С.С. (1995) Факторы возникновения инфекционных заболеваний. Возникающие инфекционные болезни 1: 7–15. pmid: 88
- 5. Агирре А.А. (2002) Медицина сохранения: Экологическое здоровье на практике. Оксфорд; Нью-Йорк: Издательство Оксфордского университета. xxiv, 407 с. п.
- 6. Понгсири М.Дж., Роман Дж., Эзенва В.О., Голдберг Т.Л., Корен Х.С. и др. (2009) Утрата биоразнообразия влияет на глобальную экологию болезней. Биология 59: 945–954.
- 7. Китрон У. (1998) Ландшафтная экология и эпидемиология трансмиссивных болезней: инструменты для пространственного анализа. Журнал медицинской энтомологии 35: 435–445. pmid: 9701925
- 8. Reisen WK (2010) Ландшафтная эпидемиология трансмиссивных болезней. Анну Преподобный Энтомол 55: 461–483. pmid: 19737082
- 9. Минтемейер Р.К., Хаас С.Е., Вацлавик Т. (2012) Ландшафтная эпидемиология возникающих инфекционных заболеваний в естественных и измененных человеком экосистемах. Анну Рев Фитопатол 50: 379–402.pmid: 22681449
- 10. Goldberg TL, Gillespie TR, Rwego IB, Estoff EL, Chapman CA (2008) Фрагментация лесов и передача бактерий среди нечеловеческих приматов, людей и домашнего скота, Уганда. Новые инфекционные болезни 14: 1375–1382. pmid: 18760003
- 11. Уильямсон Х.Р., Бенбоу М.Э., Нгуен К.Д., Beachboard DC, Кимбираускас Р.К. и др. (2008) Распространение Mycobacterium ulcerans в эндемичных и неэндемичных водных участках Ганы. PLoS Negl Trop Dis 2: e205.pmid: 18365034
- 12. Merritt RW, Walker ED, Small PL, Wallace JR, Johnson PD и др. (2010) Экология и передача язвенной болезни Бурули: систематический обзор. PLoS Negl Trop Dis 4: e911. pmid: 21179505
- 13. Merritt RW, Benbow ME, Small PLC (2005) Распознавание возникающей болезни, связанной с нарушенной водной средой: случай язвы Бурули. Границы экологии и окружающей среды 3: 323–331.
- 14. Вансбро-Джонс М., Филлипс Р. (2006) Язва Бурули: выход из безвестности.Ланцет 367: 1849–1858. pmid: 16753488
- 15. Дукер А.А., Карранса Э.Дж., Хейл М. (2004) Пространственная зависимость распространенности язвы Бурули от доменов, обогащенных мышьяком, в Западном округе Аманси, Гана: последствия для посредничества мышьяка в инфекции Mycobacterium ulcerans . Int J Health Geogr 3:19 pmid: 15369592
- 16. Дукер А.А., Портаэлс Ф., Хейл М. (2006) Пути заражения Mycobacterium ulcerans : обзор. Environ Int 32: 567–573. pmid: 16492390
- 17.Мантей С., Аманква Р., Дукер А. (2014) Пространственная зависимость язвы Бурули от потенциального поверхностного стока и потенциального максимального удержания влаги в почве. IJRMHS 3.
- 18. Brou T, Broutin H, Elguero E, Asse H, Guegan JF (2008) Пейзажное разнообразие, связанное с язвенной болезнью Бурули в Кот-д’Ивуаре. PLoS Negl Trop Dis 2: e271. pmid: 18665259
- 19. Марион Э., Ландье Дж., Буазье П., Марсолье Л., Фонтане А. и др. (2011) География распространения язвенной болезни Бурули, Камерун.Emerg Infect Dis 17: 551–553. pmid: 21392458
- 20. Ландье Дж., Гаудар Дж., Кэролан К., Ло Сеен Д., Гуган Дж. Ф. и др. (2014) Пространственно-временные закономерности и связанный с ландшафтом риск язвы Бурули в Аконолинге, Камерун. PLoS Negl Trop Dis 8: e3123. pmid: 25188464
- 21. Wagner T, Benbow ME, Brenden TO, Qi J, Johnson RC (2008) Распространенность язвенной болезни Бурули в Бенине, Западная Африка: ассоциации с землепользованием / покровом и идентификация кластеров болезней.Int J Health Geogr 7:25. Pmid: 18505567
- 22. Sopoh GE, Johnson RC, Anagonou SY, Barogui YT, Dossou AD и др. (2011) Распространенность язвы Бурули и высота над уровнем моря, Бенин. Новые инфекционные болезни 17: 153–154. pmid: 21192889
- 23. Вагнер Т., Бенбоу М.Э., Бернс М., Джонсон Р.К., Мерритт Р.В. и др. (2008) Ландшафтная модель для прогнозирования присутствия инфекции Mycobacterium ulcerans (язвенная болезнь Бурули) в Бенине, Западная Африка. Ecohealth 5: 69–79. pmid: 18648799
- 24.Краммель Дж. Р., Гарднер Р., Сугихара Дж., Онеилл Р. В., Коулман П. Р. (1987) Ландшафтные узоры в нарушенной окружающей среде. Ойкос 48: 321–324.
- 25. Iverson LR (1988) Изменения в землепользовании в Иллинойсе, США: влияние ландшафтных атрибутов на текущее и историческое землепользование. Ландшафтная экология 2: 45–61.
- 26. Нарумалани С., Мишра Д.Р., Ротвелл Р.Г. (2004) Обнаружение изменений и метрики ландшафта для определения антропогенных процессов в большой зоне EFMO.Дистанционное зондирование окружающей среды 91: 478–489.
- 27. Tobler WR (1970) Компьютерный фильм, имитирующий рост городов в районе Детройта. Экономическая география 46: 234–240.
- 28. Hoeting JA (2009) Важность учета пространственной и временной корреляции при анализе экологических данных. Экологические приложения 19: 574–577. pmid: 19425418
- 29. Legendre P, Fortin MJ (1989) Пространственный образец и экологический анализ. Vegetatio 80: 107–138.
- 30.Вагнер Х. Х., Фортин М. Дж. (2005) Пространственный анализ ландшафтов: концепции и статистика. Экология 86: 1975–1987.
- 31. Леннон Дж. Дж. (2000) Красные смещения и отвлекающие факторы в географической экологии. Экография 23: 101–113.
- 32. Финли А.О., Банерджи С., МакРобертс Р.Э. (2008) Байесовский подход к оценке площади лесов с множеством источников. Экологическая и экологическая статистика 15: 241–258.
- 33. Агентство США по международному развитию, BfA, Управление устойчивого развития (2007) 118/119 Оценка биоразнообразия и тропических лесов для Бенина.
- 34. Всемирная организация здравоохранения (2000 г.) Язва Бурули – Инфекция Mycobacterium ulcerans ; Асидеу К., Шерпбьер Р., М. Р., редакторы. Женева, Швейцария: Всемирная организация здравоохранения.
- 35. Кэмпбелл Л., Финли А., Бенбоу М., Гронсет Дж., Смолл П. и др. (2015) Данные из: Пространственный анализ антропогенного нарушения ландшафта и язвенной болезни Бурули в Бенине. Репозиторий цифровых дриад http://dx.doi.org/10.5061/dryad.j512f21p.
- 36. Lillesand TM, Kiefer RW (2000) Дистанционное зондирование и интерпретация изображений.Нью-Йорк: Джон Вили и сыновья. xii, 724 с. п.
- 37. Андерсон Дж., Харди Э., Роуч Дж., Уитмер Р. (1976) Система классификации землепользования и земного покрова для использования с данными удаленных датчиков. Газета профессионала геологической службы 964.
- 38. Mather PM, Koch M (2004) Компьютерная обработка изображений дистанционного зондирования: Введение. Чичестер, Западный Сассекс, Англия; Хобокен, Нью-Джерси: Джон Уайли и сыновья. xvii, 324 с. п.
- 39. Martin LRG (1989) Оценка точности основанных на Landsat методов обнаружения визуальных изменений применительно к сельской и городской окраине.Фотограмметрическая инженерия и дистанционное зондирование 55: 209–215.
- 40. Сколе Д., Такер С. (1993) Вырубка тропических лесов и фрагментация среды обитания в Амазонке – спутниковые данные с 1978 по 1988 год. Science 260: 1905–1910. pmid: 17836720
- 41. Мас Дж., Рамирес И. (1996) Сравнение классификаций землепользования, полученных с помощью визуальной интерпретации и цифровой обработки. ITC Journal 3–4: 278–283.
- 42. Lillesand TM, Kiefer RW, Chipman JW (2004) Дистанционное зондирование и интерпретация изображений.Нью-Йорк: Вили. xiv, 763 с. п.
- 43. Кондесо Т.Э., Минтемейер Р.К. (2007) Влияние неоднородности ландшафта на внезапную гибель дуба нарастающей болезнью леса. Журнал экологии 95: 364–375.
- 44. Graham AJ, Danson FM, Giraudoux P, Craig PS (2004) Экологическая эпидемиология: метрики ландшафта и альвеолярные эхинококиси человека. Acta Tropica 91: 267–278. pmid: 15246932
- 45. Гергель С.Е., Тернер М.Г. (2002) Изучение ландшафтной экологии: практическое руководство по концепциям и методам.Нью-Йорк: Спрингер. XIX, 316 с. п.
- 46. McGarigal K, Cushman S, Neel M, Ene E (2002) FRAGSTATS: программа анализа пространственных образов для категориальных карт Компьютерная программа, созданная авторами из Массачусетского университета, Амхерст.
- 47. Берри В.Д., Фельдман С. (1985) Множественная регрессия на практике. Беверли-Хиллз: Sage Publications. 95 с. п.
- 48. Spiegelhalter DJ, Best NG, Carlin BR, van der Linde A (2002) Байесовские меры сложности и соответствия модели.Журнал Королевского статистического общества. Серия B-Статистическая методология 64: 583–616.
- 49. Boyd HA, Flanders WD, Addiss DG, Waller LA (2005) Остаточная пространственная корреляция между географически привязанными наблюдениями – подход байесовского иерархического моделирования. Эпидемиология 16: 532–541. pmid: 15951672
- 50. Банерджи С., Карлин Б. П., Гельфанд А. Э. (2004) Иерархическое моделирование и анализ пространственных данных. Бока-Ратон, Флорида: Chapman & Hall / CRC. XVII, 452 с.п.
- 51. Расо Г., Вунацу П., Госониу Л., Таннер М., Н’Горан Е.К. и др. (2006) Факторы риска и пространственные закономерности заражения анкилостомами среди школьников в сельской местности на западе Кот-д’Ивуара. Int J Parasitol 36: 201–210. pmid: 16259987
- 52. Clements AC, Lwambo NJ, Blair L, Nyandindi U, Kaatano G и др. (2006) Байесовский пространственный анализ и картирование болезней: инструменты для улучшения планирования и реализации программы борьбы с шистосомозом в Танзании.Trop Med Int Health 11: 490–503. pmid: 16553932
- 53. Пуллан Р.Л., Гетинг П.В., Смит Д.Л., Мвандавиро С.С., Стуррок Г.Дж. и др. (2011) Пространственное моделирование гельминтозов, передаваемых через почву в Кении: инструмент планирования борьбы с болезнями. PLoS Negl Trop Dis 5: e958. pmid: 21347451
- 54. Гельман А. (2013) Байесовский анализ данных. xiv, 661 стр.
- 55. Брукс С.П., Гельман А. (1998) Общие методы мониторинга сходимости итеративного моделирования.Журнал вычислительной и графической статистики 7: 434–455.
- 56. R Development Core Team (2011) R: Язык и среда для статистических вычислений. R Фонд статистических вычислений, Вена, Австрия.
- 57. Гельман А., Рубин Д. (1992) Вывод из итеративного моделирования с использованием нескольких последовательностей. Статистическая наука 7: 457–511.
- 58. Johnson RC, Makoutode M, Sopoh GE, Elsen P, Gbovi J и др. (2005) Распространение язвы Бурули в Бенине.Emerg Infect Dis 11: 500–501. pmid: 15789490
- 59. Уильямсон Х.Р., Бенбоу М.Э., Кэмпбелл Л.П., Джонсон С.Р., Сопо Г. и др. (2012) Обнаружение Mycobacterium ulcerans в окружающей среде позволяет прогнозировать распространенность язвы Бурули в Бенине. PLoS Negl Trop Dis 6: e1506. pmid: 22303498
Основы ландшафтной экологии | Изучайте науку в Scitable
Байер, П. & Носс, Р. Ф. Обеспечивают ли коридоры среды обитания возможность соединения? Биология сохранения 12, 1241–1252 (1998).
Костанца, Р., Воинов, А. и др. Интегрированный эколого-экономическое моделирование водосбора реки Патаксент, штат Мэриленд. Экологические монографии 72, 203–232 (2002).
Кушман, С.А., Эванс, Дж. С. и др. . Пейзаж экология: прошлое, настоящее и будущее. В Пространственная сложность, информатика и Охрана дикой природы , ред. С. А. Кушман и Ф. Хюттманн (Нью-Йорк: Springer, 2010): 65–72.
Эллис, Э.К. и Раманкутти, Н. Помещение людей на карту: антропогенные биомы Мир. Границы экологии и Окружающая среда 6, 439–447 (2008).
Фариг, L. Относительное влияние утраты и фрагментации среды обитания на вымирание популяции. Журнал управления дикой природой 61 , 603–610 (1997).
Форман, Р. Т. Т. и Годрон, М. Пейзаж Экология . Нью-Йорк, Нью-Йорк: John Wiley & Sons, 1986.
Фортин, М.Дж. И Дейл, М. Р. Т. Пространственный Анализ: Руководство для экологов . Нью-Йорк, Нью-Йорк: Кембридж Университетское издательство, 2005.
Хаддад, Н. М., Боун, Д. Р. и др. . Коридор использование различными таксонами. Экология 84 , 609–615 (2003).
Houghton, Р. А. Изменения в землепользовании и углеродный цикл. Global Изменить биологию 1 , 275–287 (1995).
Джонстон, C. A. Влияние животных на ландшафтный узор.в Мозаика ландшафтов и экологических процессов , ред. Л. Ханссон и др. . (Лондон: Чепмен and Hall, 1995): 57–80.
Кингсленд, С.Е. Моделирование природы . Чикаго, Иллинойс: Чикагский университет Press, 1995.
Кнапп, А. K. et al. Краеугольный камень роль бизона в высокотравных прериях Северной Америки. Bioscience 49 , 39–50 (1999).
Манель, С. и др. . Пейзаж генетика: сочетание ландшафтной экологии и популяционной генетики. Тенденции в экологии и эволюции 18 , 189–197 (2003).
Мэй, Р. М. Устойчивость и сложность модели. Экосистемы . Принстон, штат Нью-Джерси: Princeton University Press, 1973.
МакГаригал, К. и Маркс, Б. Дж. FRAGSTATS, программа анализа пространственных образов для количественной оценки ландшафта состав. В Генеральная служба лесного хозяйства Министерства сельского хозяйства США Технический отчет PNW-GTR-351 (1995).
Мюллер-Домбуа, Д. и Элленберг, Х. Цели и методы Экологии растительности .Нью-Йорк, Нью-Йорк: John Wiley & Sons, 1974.
.Опдам, П. И Д. Вашер: изменение климата встречает фрагментацию среды обитания: взаимосвязь ландшафта и уровни биогеографического масштаба в исследованиях и сохранении. Биологическая консервация 117 , 285–297 (2004).
Филипс, M. L. и др. . Анализ передвижения хищников в прерии пейзажи с контрастной композицией лугов. Журнал маммологии 85 , 187–195 (2004).
Симберлов, Д. С. и Абеле, Л. G. Island теория биогеографии и практика сохранения. Наука 191 , 285–286 (1976).
Тернер, М.Г. Ландшафтная экология: каково состояние науки? Ежегодный обзор экологии, эволюции и систематики 36 , 319–344 (2005).
С, К. А. Ландшафтная экология инвазионного распространения. Биология сохранения 16 , 1192–1203 (2002).
Ву, Дж.Ландшафтная экология, междисциплинарность и устойчивая наука. Ландшафтная экология 21 , 1–4 (2006).
Ву, Дж. & Loucks, O.L. От баланса природы к иерархической динамике участков: a смена парадигмы в экологии. Ежеквартально Обзор биологии 70 , 439–466 (1995).
Формы адаптации: историческая экология антропогенных ландшафтов на юго-востоке США.
Адаир, Дж. 1975. История американских индейцев.Нет отпечатка, Лондон.
Андерсон, Дж. 1979. Дополнительные домашние сады в Юго-Восточной Азии. Пятый международный симпозиум по тропической экологии, Малайзия.
Арбер, Ф. 1910. Путешествия и работы капитана Джона Смита. (2 тома) Джон Грант, Эдинбург.
Google ученый
Баррау, Дж. 1954. Традиционная экономика и сельскохозяйственный прогресс в Меланезии. Ежеквартальный бюллетень SPC, Нумеа.
Google ученый
Бартлетт, Х.H. 1961. Пожар в отношении примитивного земледелия и выпаса скота в тропиках: аннотированная библиография. (2 тома) Отделение ботаники, Мичиганский университет, Анн-Арбор.
Google ученый
Бартрам, W. 1973 г. Путешествуйте по Северной и Южной Каролине. Джорджия, Восточная и Западная Флорида. The Bee Hive Press, Саванна, Джорджия.
Google ученый
Блэнд, Э. 1651.Открытие Нью-Бриттена. Томас Харпет, Лондон. Перепечатано Readey Microprint Corporation (1966).
Google ученый
Блох, М. 1953. Ремесло историка. Винтажные книги, Нью-Йорк
Google ученый
Брайерли, Дж. 1976. Кухонные сады в Вест-Индии с современным исследованием из Гренады. Журнал тропической географии 43: 30–40.
Google ученый
Бурчам, И.I. 1957. Калифорнийские пастбища: историко-экологическое исследование природных ресурсов Калифорнии. Департамент природных ресурсов штата Калифорния, Div. лесного хозяйства, Сакраменто.
Google ученый
Пока, Р.А. 1981. Квелит-этноэкология съедобной зелени: прошлое, настоящее и будущее. Журнал этнобиологии 1 (1): 109–123.
Google ученый
Берд, В. 1940.Естественная история Виргимы. The Diet / Press, Ричмонд, Вирджиния.
Google ученый
Чаверо, Ф.И. и Альверес-Буйлла Ройс, М.Ф. 1988. Этноботаника в тропической области человека: домашние сады Бальзапоте, Веракрус. Мевье. Журнал этнобиологии 8 (1): 45–79.
Google ученый
Каммингс, W.P. 1962 г. (2-е издание). Юго-восток на ранних картах. Пресса Университета Северной Каролины, Чапел-Хилл.
Google ученый
Дальман, О.Дж. 1980. Система открытого поля и за ее пределами. Издательство Кембриджского университета, Лондон.
Google ученый
DeBoer, W. 1981. Зоны Буфтера в культурной экологии аборигенной Амазонии: этноисторический подход. Американская древность 48: 364–377.
Артикул Google ученый
Фэрбенкс, К.Х. 1979. Функция черного напитка среди ручьев. В Черный напиток: чай коренных американцев. С. 120–149. Под редакцией К. Ходсон. Univ. Грузии, Афины.
Google ученый
Фавретти, Р.Дж. 1974 (3-е издание). Ранние сады Новой Англии 1620–1840 гг. Компания Meridian Gavure, Коннектикут.
Google ученый
Ford, R.I.1981. Садоводство и сельское хозяйство До А.D. 1000: Образцы доисторического земледелия к северу от Мексики. Журнал этнобиологии 1 (1): 6–27.
Google ученый
Forman, R.L.L. и Годрон, М. 1986. Ландшафтная экология. Джон Вили и сыновья, Нью-Йорк.
Google ученый
Гирц, К. 1963. Два типа экосистем. В Сельское хозяйство. С. 12–37. Калифорнийский университет Press, Беркли.
Google ученый
Хэммет, Дж. Ф. 1986. Этноистория ландшафтов и землепользования аборигенов на юго-востоке Соединенных Штатов. Неопубликованная диссертация на степень магистра, Университет Северной Каролины, Чапел-Хилл.
Google ученый
Харрис А. 1961. Сельский пейзаж Восточного Йоркшира 1700–1850 гг. Издательство Халлского университета, издательство Оксфордского университета, Лондон.
Google ученый
Хикерсон, Х. 1965. Олени Вирджинии и межплеменные буферные зоны в Верхней долине Миссисипи. In Человек, культура и животные: роль животных в адаптации человека к окружающей среде, стр. 43–65. Под редакцией А. Лидса и А. П. Вайды. Публикация Американской ассоциации содействия развитию науки № 78, Вашингтон, округ Колумбия
Хадсон, К., Смит, М., Халли, Д., Полхемус, Р. и Депраттер, К.1985. Куза: вождество на юго-востоке США в шестнадцатом веке. Американская античность 50 (4): 723–737.
Артикул Google ученый
Халтон, П. 1984. Америка 1585: Полное собрание рисунков Джона Уайта. Пресса Университета Северной Каролины, Чапел-Хилл.
Google ученый
Джонсон, Э. 1972. Индивидуальность и экспериментирование в традиционном сельском хозяйстве.Экология 1: 149–159.
Артикул Google ученый
Джонс, Р. 1969. Fire Stick Farming. Австралийская естественная история 16: 224–228.
Google ученый
Кимбер, К. 1973 г. Пространственное моделирование в саду на заднем дворе в Пуэрто-Рико. Географический обзор 63: 6–26.
Артикул Google ученый
Лефлер, Х.Л. 1967. Новое путешествие в Каролину, с картины Джона Лоусона. (Перепечатка издания 1709 г.). Пресса Университета Северной Каролины, Чапел-Хилл.
Google ученый
Льюис, Х.Л. 1973. Образцы индейских горений в Калифорнии: экология и этноистория. Антропологические документы № 1. Ballena Press, Рамона, Калифорния.
Google ученый
Льюис, Х.Л. 1977. Маскута: Экология индейских пожаров в Северной Альберте.Западно-канадский антропологический журнал 70 (1): 15–52.
CAS Google ученый
Льюис, Х. Л. и Фергюсон, Л. А. 1988. Дворы, коридоры и мозаики: как сжечь северный лес. Экология человека 16 (1): 57–77.
Артикул Google ученый
Меггерс, Б.Дж. 1971. Амазония: человек и культура в поддельном раю. Алдин Атертон Инк. Чикаго.
Google ученый
Мелларс, П.1977. Экология пожаров, популяции животных и человек: исследование некоторых экологических взаимосвязей в доисторические времена. Труды доисторического общества 42: 15–45.
Google ученый
Merrill, W. 1979. The Beloved Free: Hex vomitorta Среди индейцев Юго-Востока и прилегающих регионов. В Черный напиток: чай коренных американцев. С. 40–82. Под редакцией К. Хадсон. Университет Джорджии, Афины.
Google ученый
Мингай, Г.F. 1968. Ограждение и мелкий фермер в эпоху промышленной революции. Макмиллан, Лондон.
Google ученый
Мортон, L. 1632. Новый английский Ханаан: или Новый Ханаан. Питер Форс.
Пити, Г. 1907. Наблюдения, собранные англичанами в ходе беседы о плантации южной колонии в Вирджинии, 1606. In Рассказы о ранней Вирджинии 1606–1625. Под редакцией Д. Гардинера. Barnes and Noble Inc., Нью-Йорк.
Google ученый
Pickett, S.L.A. и Уайт, П.С. 1985. Экология природных возмущений и динамика пятен. Academic Press, Нью-Йорк.
Google ученый
Поузи, Д. 1982. Хранители леса. Сад 6 (1): 18–24.
Google ученый
Pyne, S.J. 1984. Введение в лесные пожары: управление пожарами в Соединенных Штатах.Джон Вили и сыновья, Нью-Йорк.
Google ученый
Раппапорт, Р.А. 1968. Свиньи для предков. Издательство Йельского университета, Нью-Хейвен.
Google ученый
Рыбинский Р.Ф. 1968. Влияние лесных пожаров на количество и качество продукции оленей в дубовых лесах Центральной Пенсильвании. Ежеквартальный отчет Пенсильванского кооперативного исследовательского подразделения дикой природы 30 (5): 13–15.
Google ученый
Росс, Дж. Б. 1980. Экология и проблема племени: критика модели Гоббса доиндустриальной войны. В За пределами мифов культуры: очерки культурного материализма. С. 33–60. Под редакцией Э. Росс. Academic Press, Нью-Йорк.
Google ученый
Romme, W.H. 1982. Пожары и разнообразие ландшафтов в субальпийских лесах Йеллоустонского национального парка.Экологические монографии 52: 199–221.
Артикул Google ученый
Рассел, E. 1983. Индийские пожары в лесах на северо-востоке США. Экология 64 (1): 78–88.
Артикул Google ученый
Зауэр, К. 1926. География Pennyroyal. Серия VI геологической службы Кентукки (27).
Слейтер, G. 1907. Английское крестьянство и ограждение общих полей.Арчибальд Констебль и компания, Лондон.
Google ученый
Смит Б. 1987. Независимое одомашнивание коренных семенных растений в восточной части Северной Америки. в новых садоводческих хозяйствах восточных лесов. С. 3–47. Под редакцией В.Ф. Киган. Периодический доклад Университета Южного Иллинойса в Центре археологических исследований Карбондейла № 7.
Стюарт, О. 1956 г.Огонь как первая великая сила, примененная человеком. В Роль человека в изменении лица Земли. С. 115–133. Под редакцией W.L. Томас младший Univ. Чикаго Пресс, Чикаго.
Google ученый
Stocks, A. 1983. Cocamilla Fishing: Patch Modification and Environment Buffering in the Amazon Varzea. В Адаптивные ответы коренных жителей Амазонки. С. 239–268. Под редакцией Р. Б. Хеймса и В. Т. Виккерса. Academic Press, Нью-Йорк.
Google ученый
Стрэтчи, Уильям 1849. История Травейла в Вирджинии Британия. Общество Хаклюйт, Лондон.
Google ученый
Табер Р. Д. и Мерфи Дж. Л. 1971. Контролируемый огонь в борьбе с североамериканскими оленями. В Научное управление животными и растительными сообществами в целях сохранения. С. 425–435. Под редакцией Э.Даффи и А. Вт. 11-й симпозиум Британского экологического общества. Научные публикации Блэквелла, Оксфорд.
Google ученый
Тэнсли, A.G. 1935. Использование и злоупотребление растительными понятиями и терминами. Экология 16 (3): 284–307.
Артикул Google ученый
Ван дер Донк, Адриан 1846 г. (Переиздано в 1968 г.). Описание Новых Нидерландов.Нью-Йоркское историческое общество Coll. Сер. 2. Том 1. С. 125–242. Syracuse Univ. Пресс, Сиракузы.
Google ученый
Вега, Гарсиласо-де-ла, 1951. Флорида инков. Перевод Дж. Б. и Дж. Дж. Варнер. Техасский университет Press, Остин.
Google ученый
Виккерс, Уильям Т. 1983. Территориальные измерения адаптации Сиона-Секоя и Энкабелладо. В Адаптивные ответы коренных жителей Амазонки. С. 451–478. Под редакцией Р. Б. Хеймса и В. Т. Виккерса. Academic Press, Нью-Йорк.
Google ученый
Виро, П. 1974. Влияние лесных пожаров на почву. В Пожары и экосистемы. С. 7–46. Под редакцией Т.Т. Козловского и К.Э. Алгрена. Academic Press, Нью-Йорк.
Google ученый
Васельков Г.А. 1978 г.Эволюция охоты на оленей в восточных лесах. Срединно-континентальный журнал археологии 3 (1): 15–34.
Google ученый
Васельков Г.А. 1988. Карта Ламхэтти. Южная экспозиция 16 (2): 23–29.
Google ученый
Wiens, J.A. 1976. Реакция населения на пятнистую среду. Ежегодный обзор экологии и систематики 7: 81–120.
Артикул Google ученый
Виншип, Г.С. 1905. Рассказы моряков о путешествиях вдоль побережья Новой Англии 1524–1624 гг. Houghton, Mifflin and Company, Бостон.
Google ученый
Winterhalder, B.W. 1980. Анализ окружающей среды в исследованиях эволюции человека и адаптации. Экология человека 8 (2): 135–170.
Артикул Google ученый
Белый, P.S. 1979. Структура, процессы и естественные нарушения в растительности.Ботанический обзор 45: 229–299.
Артикул Google ученый
Вольф, Э. Р. 1982. Европа и люди без истории. Калифорнийский университет Press, Berkeley Press.
Райт, Л. Б. 1966. Прозаические произведения Уильяма Берда из Вестовера. Belknap Press, издательство Гарвардского университета, Кембридж.
Google ученый
Деятельность и среда обитания шимпанзе (Pan troglodytes verus) в антропогенном ландшафте Босу, Гвинея, Западная Африка
Многие популяции приматов населяют антропогенные ландшафты.Понимание их долгосрочной способности сохраняться в таких средах и связанных с ними реальных и предполагаемых рисков как для приматов, так и для людей, необходимо для эффективного планирования сохранения. Приматы в лесной и сельскохозяйственной мозаике часто употребляют в пищу сорта в качестве дополнения к своему рациону, что приводит к потенциально негативным встречам с фермерами. При переходе дороги приматы также сталкиваются с риском встречи с людьми и столкновения с транспортными средствами. Шимпанзе ( Pan troglodytes verus ) в Босу, Гвинея, Западная Африка, регулярно сталкиваются с такими рисками.В этом исследовании мы стремились изучить их бюджет активности по типам среды обитания и влияние антропогенных рисков, связанных с возделываемыми полями, дорогами и тропинками, на их поведение в поисках пищи в некультивируемых средах обитания. Мы проводили 6-часовые утренние или дневные наблюдения ежедневно с апреля 2012 года по март 2013 года. Шимпанзе преимущественно использовали лесные среды обитания для путешествий и отдыха, а наиболее нарушенные среды обитания – для общения. Наличие диких фруктов и сельскохозяйственных культур повлияло на сезонное использование среды обитания для кормодобывания.В целом шимпанзе предпочитали спелый лес для всех видов деятельности. Они показали значительное предпочтение кормления на расстоянии> 200 м от возделываемых полей по сравнению с 0-100 м и 101-200 м, без влияния типа среды обитания или сезона, что свидетельствует о влиянии сопутствующего риска. Тем не менее, шимпанзе активно не избегали кормления вблизи дорог и тропинок. Наше исследование показывает, что шимпанзе зависят от различных типов среды обитания, а также о влиянии антропогенного давления на их деятельность. Такая информация имеет решающее значение для разработки эффективных стратегий управления землепользованием в антропогенных ландшафтах.
Ключевые слова: Лесно-сельскохозяйственная мозаика; Выбор среды обитания; Сосуществование человека и дикой природы; Восприятие риска.
Влияние экологических и антропогенных особенностей ландшафта на добычу оленей в Небраске [PeerJ]
Введение
Охота – важный компонент североамериканской модели управления дикой природой (Geist, Mahoney & Organ, 2001), а охота на оленей является традицией в Небраске с середины 1900-х годов.Первый официальный сезон охоты на оленей был проведен в 1945 году, когда было выловлено 275 оленей-мулов (MD; Odocoileus hemionus ) и 2 белохвостых оленя ( Odocoileus virginianus ) самцов (Комиссия по охоте и паркам Небраски, 2016a). Наряду с растущими традициями охоты увеличилось и количество оленей. В течение охотничьего сезона 2015 года было выловлено 8 876 оленей MD и 28 505 белохвостых самцов (Комиссия по охоте и паркам Небраски, 2016a). Использование охоты позволяет Комиссии по охоте и паркам Небраски (NGPC) управлять популяцией оленей, чтобы помочь предотвратить болезни, проблемы хищничества, повысить общественную безопасность и сохранить популяцию для будущих поколений.Охота также обеспечивает экономический рост штата, внося 562 миллиона долларов в розничные продажи и поддерживая более 8 856 рабочих мест (Nebraska Game and Parks Commission, 2016b). Следовательно, охота и успех охотников имеют решающее значение как для Небраски, так и для ее популяций диких животных.
Однако успехHunter сложен и зависит от многих факторов. Рирдон, Меррилл и Тейлор-младший (1978) обнаружили прямую положительную корреляцию между успехом охотников и плотностью оленей. Кроме того, типы местообитаний различаются по количеству и качеству, что приводит к различному распределению и численности оленей.Пахотные земли не обеспечивают необходимого укрытия, необходимого оленям зимой, что приводит к увеличению размера ареала обитания (Walter et al., 2009). Однако, когда пахотные земли объединены с лесными массивами или пастбищами, олени перемещаются меньше в эти зимние месяцы. Тесное скопление этих земель обеспечивает необходимый покров из леса или пастбищ и питание из пахотных земель (Williams, Quinn & Porter, 2012). Woolf & Roseberry (1998) продемонстрировали, что размер лесного покрова имеет прямую линейную связь с плотностью оленей и что ограничивающие факторы среды обитания (качества) ограничивают плотность больше, чем фрагментацию среды обитания.Кроме того, Mackie (1970) обнаружил, что MD предпочитает уклоны более 10%, особенно в летние месяцы. Предпочтение более крутых склонов и пересеченной местности, вероятно, означает более удаленные районы с более низкой плотностью дорог и может затруднить доступ охотников к этим животным.
Доступность среды обитания ЛП для охотников также является ключевым фактором в их способности успешно вылавливать ЛП. Однако увеличение доступности для охотников мест обитания оленей также увеличивает плотность дорог, что может отрицательно сказаться на выборе мест обитания оленей.Однако наличие дорог может неоднозначно повлиять на успех охотников. Gratson & Whitman (2000) продемонстрировали более высокий успех охоты на лося ( Cervus canadensis ), когда дороги были закрыты для доступа транспортных средств, по сравнению с участками с открытыми дорогами. Однако Sawyer et al. (2007) обнаружили, что использование среды обитания лося значительно сократилось при такой низкой плотности дорог, как 0,17 км / км 2 . Лось избегает дорог даже вне сезона охоты (Ranglack et al., 2016), но постепенно увеличивается в сезон стрельбы из лука и ружейной охоты (Ranglack et al., 2017). Тем не менее, тип среды обитания, лесной или нелесной, которая непосредственно окружает проезжую часть, имеет важное значение, поскольку покрытые лесом дороги позволяли использовать более высокую плотность дорог до того, как это повлияет на использование среды обитания лося. MD также демонстрирует значительные изменения в выборе среды обитания по мере развития, предпочитая места обитания, расположенные дальше от дорог (Sawyer et al., 2006).
В ходе нашего исследования мы исследовали ведущие факторы, которые влияют на количество MD, собранных в Небраске. Факторами, которые мы включили, были тип среды обитания, усилия охотников, плотность дорог, нормализованный индекс разницы растительности (NDVI), неровность местности, урбанизация и растительный покров.В то время как каждый тип среды обитания может быть полезен для удовлетворения потребностей в выживании MD (еда, вода и укрытие), предоставляемые преимущества могут меняться в зависимости от сезона. Например, пахотные земли приносят пользу в виде питания круглый год, но покрытие, обеспечиваемое пахотными землями, носит сезонный характер и не может поддерживать ежегодное население. Возросшая человеческая деятельность в сельскохозяйственных районах также может препятствовать использованию этих территорий в МД. Следовательно, вполне вероятно, что более труднопроходимые и удаленные пастбищные угодья штата будут содержать больше популяций MD.Следовательно, более высокие популяции MD, вероятно, приведут к более высокой плотности урожая. Однако доступ для охоты в этих районах более затруднен, что потенциально снижает плотность вылова. Таким образом, мы ожидаем увидеть более высокую плотность вылова на умеренно освоенных пастбищных угодьях, обеспечивая баланс между потребностями среды обитания MD и доступом охотников.
Материалы и методы
Учебный участок
Небраска разделена на 93 округа, которые мы использовали в качестве единицы выборки для изучения урожая MD по всему штату.В северо-западной части штата в основном используются пастбищные угодья, а в юго-восточной части – пахотные земли с переходной зоной между ними. Двигаясь с северо-запада на юго-восток штата, землепользование медленно переходит в сторону пахотных земель по мере того, как тип почвы переходит в ил (Nebraska Department of Economic Development, 2016). Основная точка перехода штата проходит по диагонали от юго-западного угла к северо-восточному по краю Сандхиллз и лессовых смешанных травянистых прерий.Реки также разделены на этой диагональной плоскости, при этом большинство рек расположены в юго-восточной половине штата (Государственный музей Университета Небраски, 2016 г., рис. 1). Распределение MD в Небраске следует аналогичной схеме. Большинство MD в штате находятся на северо-западе. Однако их можно найти на всей территории западных двух третей штата. Урбанизация в некоторой степени следует той же диагональной схеме, что и для других переменных, однако восточная треть штата гораздо более населена, чем любая другая часть, особенно вокруг районов Линкольна и Омахи (Nebraska Department of Economic Development, 2015).
Рисунок 1: Особенности ландшафта Небраски.
Сбор данных
В течение девятидневного ноябрьского сезона огнестрельного оружия охотники должны предъявить всех добытых оленей на одной из 119 контрольно-пропускных станций NGPC по всему штату. Сотрудники NGPC и другие служащие контрольно-пропускных пунктов записывают следующие данные по каждому добытому оленю: вид (MD или белохвостый олень), графство убоя, дата убоя, дни охоты и т. Д. Все записанные данные были обобщены по округам.Хотя «дни охоты» являются полезным показателем усилий охотников, которые, как известно, влияют на вылов оленей (Bhandari et al., 2006), эти данные были собраны только по добытым оленям и, как таковые, являются потенциально необъективной оценкой общего усилия охотников. в этом районе, поскольку в округах, где не было вылова MD, также не было бы охотничьих усилий, не потому, что в этом районе не было охотников, а только потому, что не было вылова MD. Однако, учитывая потенциальную важность усилий охотников для общего вылова и отсутствие объективных данных, мы сочли важным включить их, несмотря на эти опасения.Кроме того, используя общую площадь каждого округа, собранную с помощью Географической информационной системы (ГИС), мы определили плотность вылова (количество собранных MD на 100 км 2 ) для каждого округа, чтобы учесть различия в размере округа.
Таблица 1:Ковариаты, которые были включены в анализ плотности добычи оленей-мулов (вылов на 100 км 2 ) в Небраске, США, 2014–1016 гг., Вместе с функциональными формами, рассмотренными и включенными в окончательный анализ.
Любые формы, которые находились в пределах двух единиц AIC c верхней формы, были включены в анализ для определения верхней модели.Ковариаты | Функциональные формы | |
---|---|---|
Считается | Включено | |
Сельское хозяйство | Линейный, Псевдопороговый, Квадратичный | Квадратичный |
Козырек | Линейный и псевдопороговый | Линейный |
Развитие | Линейный и псевдопороговый | Линейный |
Высота | Линейный, Псевдопороговый, Квадратичный | Квадратичный |
Лес | Линейный и псевдопороговый | Линейный |
Охотничье усилие | Линейный, Псевдопороговый, Квадратичный | Псевдопороговый и квадратичный |
Амплитуда NDVI | Линейный, Псевдопороговый, Квадратичный | Квадратичный |
Интегрированное время NDVI | Линейный, Псевдопороговый, Квадратичный | Квадратичный |
Диапазон | Линейный, Псевдопороговый, Квадратичный | Квадратичный |
Прибрежный | Линейный и псевдопороговый | Линейный и псевдопороговый |
Плотность дорог | Линейный, Псевдопороговый, Квадратичный | Квадратичный |
Шероховатость | Линейный, Псевдопороговый, Квадратичный | Псевдопорога |
Наклон | Линейный, Псевдопороговый, Квадратичный | Псевдопороговый и квадратичный |
Урбанизация | Линейный, Псевдопороговый, Квадратичный | Линейный |
Год | Категориальный | Категориальный |
Мы использовали слои ГИС для оценки различных экологических и антропогенных факторов на уровне округа по всему штату, см. Таблицу 1. Интегрированные по времени амплитуды NDVI и NDVI (USGS, 2015) используют спутниковые изображения для определения «зелености» растительности. Это дает приблизительную оценку доступности кормов для копытных (Pettorelli et al., 2011), особенно в открытых местообитаниях. Покровный покров использовался для определения площади лесного покрова и в качестве дополнительного средства измерения прибрежной среды обитания в каждом округе (Homer et al., 2015). Кроме того, в Сосновом хребте, в северо-западной части штата, много деревьев, поэтому лесная среда обитания была исследована, чтобы включить эту и другие области с деревьями, которые не были включены в категорию прибрежных. Процент развития измеряет степень человеческого развития на ландшафте, который мы использовали для определения степени урбанизации (Xian et al., 2011). Процентное развитие и урбанизация коррелируют с плотностью дорог, что, вероятно, указывает на усиление фрагментации и уменьшение среды обитания для MD по мере увеличения этих ковариат.Чтобы определить различия в рельефе местности, мы использовали шероховатость ландшафта, которая анализирует изменение высоты одной точки относительно соседних точек (Sappington, Longshore & Thompson, 2007). Также были включены плотность дороги (Hayes, 2011), высота (USGS, 2017) и уклон (сгенерированный из слоя высот в ArcGIS). Также были включены категориальные переменные, представляющие леса, пастбищные угодья, сельское хозяйство, прибрежные районы и урбанизацию, с использованием процента округа, охваченного каждым типом.
Анализ данных
Мы аппроксимируем несколько обобщенных линейных моделей с функцией гамма-связи, используя «glm» в R версии 3.3.2 (R Core Team, 2016), чтобы определить влияние 13 экологических и антропогенных особенностей ландшафта на плотность вылова MD в Небраске с 2014 по 2014 гг. 2016 г. (таблица 1). Мы определили среднее значение каждой ковариаты в масштабе округа с помощью ArcMap 10.4, так как это был самый точный масштаб, в котором были доступны данные об урожае. Учитывая, что связь между урожаем и нашими ковариатами может быть нелинейной, мы оценили несколько функциональных форм (линейная, квадратичная, псевдопороговая) для каждой непрерывной ковариаты в нашем анализе, если только наиболее подходящая функциональная форма не может быть определена a priori из существующей литературы (Таблица 1).Мы подбираем псевдопороговую функциональную форму, используя преобразование натурального логарифма (Franklin et al., 2000). Кроме того, мы стандартизировали все непрерывные ковариаты путем вычитания среднего и деления на стандартное отклонение в два раза (Гельман, 2008; Леле, 2009), чтобы обеспечить прямое сравнение относительной важности каждой ковариаты в наших моделях.
Мы использовали многоуровневый подход к выбору моделей (Franklin et al., 2000), чтобы уменьшить количество конкурирующих моделей (Burnham & Anderson, 2002).Первый уровень представлял собой исследовательский анализ выбранных функциональных форм (линейных, квадратичных и / или псевдопороговых) для каждой ковариации. Мы оценили полученные модели для каждой ковариаты, используя AIC c , и перевели те функциональные формы, которые находились в пределах 2 AIC c верхней функциональной формы, на следующий уровень, следуя Ranglack et al. (2017). На втором уровне мы объединили верхнюю функциональную форму каждой ковариаты во всех возможных комбинациях, чтобы определить наиболее поддерживаемую модель для уборки MD в Небраске.Поскольку это был первый шаг, на котором мы включили несколько ковариат в одну модель, мы проверили все ковариаты на мультиколлинеарность, используя коэффициенты корреляции Пирсона, используя значение -0,6 в качестве основы для определения корреляции. Следовательно, любые ковариаты, которые оказались коллинеарными, не были включены в одну и ту же модель, но обе были исследованы в отсутствие другой. При необходимости мы удалили неинформативные ковариаты, следуя рекомендациям Арнольда (2010). Год также был включен в качестве категориальной переменной для изучения возможных различий между годами.Наконец, мы оценили полученные модели, используя AIC c , чтобы определить наиболее поддерживаемую модель, прогнозирующую вылов MD в Небраске.
Мы проверили нашу лучшую модель сбора MD в Небраске, используя временную перекрестную проверку в k раз, чтобы определить временную предсказуемость модели (Boyce et al., 2002; Wiens et al., 2008). Мы использовали два года из трех, чтобы обучить модель и спрогнозировать урожай MD на оставшийся год. Это повторялось так, что каждый год предсказывался двумя другими.Затем мы использовали ранговую корреляцию Спирмена (Boyce et al., 2002) для сравнения прогнозируемой и фактической плотности вылова для каждой временной кратности и использовали среднюю ранговую корреляцию Спирмена для определения общей достоверности модели.
Результаты
Наш набор данных содержал в общей сложности 26 255 убранных MD за три сезона (2014–2016 гг.). Большинство округов (82 из 93) сообщили о сборе MD за трехлетний период. Средняя плотность урожая для 82 округов составила 3.79 собранных MD / 100 км 2 , с диапазоном 0–22,60 собранных MD / 100 км 2 (рис. 2 и таблица S1).
Рис. 2: Средняя фактическая плотность вылова оленей-мулов (особей / 100 км
2 ) с 2014–2016 гг. В Небраске, США, по округам.Первый уровень нашего анализа определил наши основные функциональные формы для каждой ковариаты (таблица 1). Верхняя модель, созданная во время второго уровня нашего анализа, состояла из ковариат в порядке относительной важности: средняя амплитуда NDVI, усилие охотника, средняя плотность дороги, средняя неровность и средний процент покрытия растительного покрова (Таблица 2).Процент покрытия растительного покрова показал отрицательную связь с плотностью вылова (рис. 3). Средняя амплитуда NDVI и средняя плотность дороги дали выпуклые квадратичные зависимости с плотностью вырубки MD. Оптимальный сбор урожая был достигнут в районах, где интегрированный по времени NDVI составлял ~ 38, и в районах, где плотность дорог составляла 1 750 м / км 2 (рис. 3). Выпуклое псевдопороговое соотношение наиболее поддерживалось для неровностей местности, прилагаемой к усилию охотника, а наибольшая плотность вылова была зафиксирована, когда среднее усилие и неровность охотника были самыми высокими (рис.3). Во время проверки нашей модели мы зарегистрировали среднее значение коэффициента ранговой корреляции Спирмена = 0,753 и среднее значение p <0,001 (таблица 3). Наша топ-модель предсказывала среднее значение 2,62 голов собранного урожая / 100 км 2 и диапазон 0,10–27,51 голов убранного урожая / 100 км 2 . Из 93 округов в Небраске средний фактический урожай за трехлетний период нашего исследования был значительно выше, чем прогнозировалось в 26 округах, и значительно ниже, чем прогнозировалось в 49 округах, однако эти различия в целом были небольшими (рис.4).
Таблица 2:Функциональная форма, стандартизованная оценка коэффициентов и стандартная ошибка ковариат, включенных в топ-модель промысла оленей-мулов (особей / 100 км 2 ) в Небраске, 2014–2016 гг.
Ковариат | Функциональная форма | Оценка | Стд.ошибка |
---|---|---|---|
Перехват | 1.04 | 0,09 | |
Козырек | Линейный | 0,18 | 0,08 |
Охотничье усилие | Псевдопорога | −0.99 | 0,17 |
Амплитуда NDVI | Линейный | 2,19 | 0,28 |
Квадратичный | 2,16 | 0,24 | |
Дороги | Линейный | 0.14 | 0,16 |
Квадратичный | 0,79 | 0,26 | |
Шероховатость | Псевдопорога | -0,29 | 0,07 |
Рисунок 3: Графики пяти ковариат, включенных в верхнюю модель плотности добычи оленей-мулов (MD) (особей / 100 км
2 ) в Небраске, США, 2014–2016 гг., В исходной нестандартной шкале. Черные линии представляют оценку коэффициента, а заштрихованные области представляют 95% доверительный интервал в доступном диапазоне каждой ковариаты, в то время как другие ковариаты сохраняются на их среднем значении. (A) Крышка тента; (B) Среднее усилие охотника; (C) амплитуда NDVI; (D) дороги; (E) шероховатость. Таблица 3:Коэффициент ранговой корреляции Спирмена и p-значения из временной k -кратной перекрестной проверки нашей топ-модели промысла оленей-мулов в Небраске, США, 2014–2016 гг.
Представленные данные показывают, какой год использовался в качестве набора данных для проверки.Тест | 2014 | 2015 | 2016 | Среднее |
---|---|---|---|---|
Копейщик ранг | 0.573 | 0,854 | 0,831 | 0,753 |
p -значение | <0,01 | <0,01 | <0,01 | <0,01 |
Рисунок 4: Различия между средней фактической и прогнозируемой плотностью вылова оленей-мулов (особей / 100 км
2 ) для нашей топ-модели Округа, выделенные синим цветом, указывают на то, что фактический урожай был значительно меньше прогнозируемого, а округа, выделенные зеленым цветом, указывают на то, что фактический урожай был значительно больше прогнозируемого.Остаточные значения (фактическая – прогнозируемая плотность урожая) представлены для тех округов, где были существенные различия.Обсуждение
Наши результаты показывают, что ресурсы для управления MD должны быть сосредоточены на областях с уменьшающимся покровным покровом, увеличением неровности местности, плотностью дорог менее 2000 м / км 2 , увеличением усилий охотников и значениями амплитуды NDVI около 38 (рис. 3) , если цель управления – более высокий урожай охотника. В качестве показателя качества кормов NDVI стал очень полезным инструментом в экологии и управлении дикой природой (Pettorelli et al., 2011) и была самой важной ковариатой в нашей топ-модели. Хотя для полного понимания взаимосвязи между качеством кормов и NDVI часто требуются дополнительные полевые данные (Borowik et al., 2013), в нашем случае мы не считаем, что NDVI лучше всего использовать в качестве суррогата доступности кормов, а скорее как непрерывный показатель землепользования (Bradley & Mustard, 2007). Значение амплитуды NDVI, равное 38, примерно коррелирует со средой обитания пастбищ, при этом сельскохозяйственные и лесные земли демонстрируют значительно более высокие значения NDVI из-за большей доступности воды.
УсилиеHunter было вторым по важности ковариатом в нашей топ-модели. Это ожидается, поскольку известно, что усилия и мотивация охотника влияют на показатели вылова (Bhandari et al., 2006). Однако важно отметить, что наши данные об усилиях охотников включали только количество дней, в течение которых охотники, успешно добывшие MD, в каждом округе. Это не включает большое количество охотников на белохвостого оленя или тех охотников, которые не добились успеха. Добавление усилий как для успешных, так и для неудачных охотников должно стать предметом будущих исследований и может уменьшить разницу между прогнозируемым и фактическим выловом.
Плотность дорог была следующей важнейшей переменной в нашей топ-модели, которая, по нашему мнению, является фактором доступности и беспокойства. Пик улова достиг около 1750 м / км 2 , что указывает на то, что существует достаточно дорог, чтобы дать охотникам доступ, необходимый для поиска оленей и добраться до них, при этом не вызывая достаточного беспокойства, чтобы удержать оленей от использования этой территории. Районы с более низкой плотностью дорог, вероятно, будут иметь такую же или лучшую среду обитания для MD, но не обеспечивают достаточного доступа для охотников, чтобы так же успешно добывать MD.Однако районы с более высокой плотностью дорог, вероятно, представляют собой среду обитания низкого качества из-за возросшего количества нарушений и фрагментации (Sawyer et al., 2006; Sawyer et al., 2007; Rogala et al., 2011).
Урожай также увеличивался с увеличением неровностей местности. Mackie (1970) обнаружил, что MD предпочитает районы с увеличенным уклоном и неровностями местности, которые вряд ли будут урбанизированы или застроены и, следовательно, с большей вероятностью будут доминировать на пастбищах. Это, вероятно, способствует увеличению плотности сбора MD по мере увеличения неровности местности.Следовательно, пастбищные угодья в Небраске важны для MD, о чем свидетельствуют как NDVI, так и неровность местности.
Снижение плотности вылова по мере увеличения растительного покрова, вероятно, связано с влиянием на способность охотников находить оленей и обнаруживать их, а не с качеством среды обитания. Лесные районы, вероятно, будут менее фрагментированы, что затруднит доступ для охотников; следовательно, способность охотников перемещаться по местности, вероятно, снижается вместе с видимостью, что, в свою очередь, снижает улов (Brinkman et al., 2009). В качестве альтернативы, MD в Небраске может избегать лесных участков, что приведет к снижению урожая в этих областях. Это может быть связано с конкуренцией с белохвостым оленем и беспокойством. Большинство лесных сред обитания в Небраске – это прибрежные районы, окруженные сельским хозяйством и урбанизацией или застройкой. Эти фрагментированные сельскохозяйственные места обитания обычно поддерживают высокую плотность популяций белохвоста (Lingle, 2002), которые предпочитают пологие ландшафты, обычно состоящие из сельскохозяйственных угодий. Для определения важности этой ковариаты необходимы дальнейшие исследования по выбору среды обитания MD.
Различия между нашим фактическим и прогнозируемым выловом (рис. 4), вероятно, связаны с ограничивающими факторами во время вылова, которые не могли быть включены в модель, поскольку добыча – не случайный процесс, а искажается законом, поведением охотника, доступом охотника , и другие факторы. В то время как оценки численности населения штата Мэриленд недоступны в масштабе округа, в юго-восточной части штата размеры населения штата Мэриленд очень малы, поэтому мы видим меньший урожай, чем ожидалось. Аналогичным образом, в западной и центральной частях штата проживают очень сильные популяции MD, что может помочь объяснить более высокий, чем ожидалось, урожай.Включение оценок численности населения MD на уровне округа, вероятно, объяснит большую часть различий в наших данных и улучшит соответствие модели. Кроме того, Мистеруд (2011) показал, что у охотников на крупных млекопитающих есть много факторов, влияющих на избирательность во время охоты, в том числе: индивидуальные предпочтения, возможности, правила, стили охоты, структура популяции и численность животных. Тип охотника (трофейный или мясной, местный или иностранный) также влияет на вероятность добычи (Mysterud, Tryjanowski & Panek, 2006; Mysterud, 2011).Наконец, Небраска также на 97% находится в частной собственности, и поэтому охотники не могут получить доступ ко всей доступной земле, которую предпочитает MD, что, вероятно, приведет к снижению улова из-за отсутствия общественного доступа.
Учитывая, что Небраска в значительной степени является частным государством, могут потребоваться стимулы для сохранения землевладельцев, такие как Программа заповедников пастбищ (GRP), Программа сохранения заповедников (CRP) (USDA, 2010; USDA, 2016) или сообщество схема управления дикой природой (Ranglack & Toit, 2015).Дойч (2009) показал, что участие местных сообществ помогает повысить успешность сохранения диких животных пастбищных угодий, что может быть очень полезным в тех районах штата, где существует высокий спрос на охрану MD. Фонды участия сообщества также могут быть предоставлены в качестве местных стипендий или для развития или проектов сообщества (Frost & Bond, 2008). Это, вероятно, увеличит количество земли, доступной общественным охотникам, и может уменьшить разницу между фактическим и прогнозируемым выловом.
Выводы
Понимание типов местообитаний, которые приводят к более высокой плотности вылова MD, может быть полезным для управления, поскольку районы с более высокой плотностью вылова, вероятно, коррелируют с более высокими популяциями MD.Это ключевая информация для менеджеров дикой природы для эффективного управления ресурсами. В Небраске прилагаются усилия для увеличения популяций MD, и понимание их выбора среды обитания позволит руководителям эффективно нацеливать свои управленческие действия. Наши результаты предполагают, что усилия по сохранению должны быть распределены по областям, соответствующим описанию наших четырех основных ковариат местообитания (значения амплитуды NDVI около 38, плотность дорог около 1750 м / км 2 , увеличивающаяся неровность местности и уменьшение покрытия растительного покрова).Эти районы обладают способностью производить наивысшую плотность вылова MD и, вероятно, указывают на более качественную среду обитания. Это, вероятно, не самая лучшая среда обитания для MD из-за наличия умеренной плотности дорог, но растущая плотность вылова показывает, что среда обитания подходит для MD. Наиболее качественная среда обитания, вероятно, будет в районах дальше от дорог (Sawyer et al., 2006; Sawyer et al., 2007; Rogala et al., 2011; Ranglack et al., 2016), но необходимы дальнейшие исследования по выбору среды обитания MD. чтобы полностью понять влияние четырех основных ковариат среды обитания на выбор среды обитания.Кроме того, усилиями охотников можно управлять за счет использования более коротких или более продолжительных сезонов для уменьшения или увеличения количества выловленных животных, соответственно, в зависимости от целей управления.