چکیده
مدل های آشیان اکولوژیکی از داده های وجود صرف استفاده می کنند که غالباً تحت تاثیر فقدان عدم حضور واقعی منجر به سوگیری در نمونه برداری می شود. در دهه گذشته، در ادغام داده های رخداد حاصل از داده های دورسنجی سامانه های موقعیت یابی جهانی در مدل های آشیان اکولوژیکی و یا مدل های توزیع گونه ها روند افزایشی وجود داشته است. این نوع داده ها ممکن است تحت تاثیر خودهمبستگی پیاپی با فراوانی جابجایی بالا باشند، با این حال در مدل های آشیان اکولوژیکی با استفاده از فیلترهای جغرافیایی و تکنیک های زیرنمونه برداری به کار می روند. با این حال، تا امروز هیچ مطالعه ای در راستای نعیین روش شناسایی بازه زمانی مناسب برای یک گونه خاص در صورت تلفیق داده های رخداد دورسنجی GPS در چارچوب MaxEnt انجام نشده است. ما تکنیک مکانی دقیقی را با استفاده از مجموعه داده های معاصر قدرتمند مربوط به اوسلوت ها (Leopardus pardalis) برای ارزیابی بازه های زمانی مناسب جهت استفاده در مدل آشیان اکولوژیکی مختص گونه ها معرفی نمودیم. در این مطالعه، ما طیفی از بازه های زمانی روزانه (هر 0.5، 1 الی ۴، 6، ۸ و ۱۲ ساعت) را که معمولاً در مطالعات پستانداران گوشتخوار خشکی زی مورد استفاده قرار می گیرند ارزیابی نمودیم. ما مشاهده نمودیم که عملکرد پیشگویانه بازه های زمانی کوتاه تر ۲ ساعته با بازه های زمانی طولانی تر ۱۲ ساعته قابل مقایسه بود. این بازه های زمانی کوتاه تر حداقل مقدار داده ها را در مقایسه با 12 ساعت کمنر / بیشتر برآورد کزده بودند. این مطالعه نشان می دهد که با محاسبه خودهمبستگی پیاپی و انجام تحلیل های دقیق مکانی، دانشمندان می توانند بازه زمانی مناسب را برای ادغام داده های دورسنجی GPS در مدل های آشیان اکولوژیکی در MaxEnt شناسایی کنند. از این نتایج می توان در میان گونه های پرتحرک خشکی زی در مقیاس های مکانی مختلف استفاده نمود که به آگاهی افزایی درباره راهبردهای مدیریت گونه ها و یا حفاظت از گونه ها کمک خواهد نمود.
1. مقدمه
در ۶۰ سال گذشته، متخصصان اکولوژی حیات وحش از دورسنجی برای درک مطالعه حرکت حیوانات، استفاده از فضا و استفاده از منابع برای گستره وسیعی از گونه ها در سطح جهان استفاده کرده اند (میلسپاو و همکاران، ۲۰۱۲؛ هافمن و همکاران، 2004). در ابتدا، داده های حرکت حیوانات محدود به استفاده از گردنبندهای رادیویی فرکانس های بسیار بالا (VHF) بودند که از گردآوری داده های پیوسته از طریق مکان و زمان جلوگیــــــری می کردند (کیس و همکاران، 2015). اخیراً از اواخر دهه ۱۹۹۰، این گردنبندها و تجهیزات ردیابی در حال حاضر با استفاده از سامانه موقعیت یابی جهانی (GPS) پیشرفت کرده اند که قدرت تفکیک زمانی و دقت مکانی را افزایش می دهد (هبلوایت و هیدون، ۲۰۱۰؛ کیس و همکاران، 2015؛ هافمن و همکاران، 2019). این افزایش در قدرت تفکیک زمانی و دقت مکانی به دانشمندان اجازه می دهد تا به درک بهتری از رفتار حیات وحش مانند الگوهای حرکتی و توزیع محدوده خانه در چشم اندازهای شهری و دوردست نائل گردند (هبلوایت و هیدون، ۲۰۱۰؛ میلسپاو و همکاران، 2012، کیس و همکاران، 2015).
5. نتیجه گیری
مطالعه ما نشان دهنده تلاش در راستای ارزیابی بازه زمانی مختص گونه برای ادغام داده های دورسنجی GPS در چارچوب MaxEnt با محاسبه خودهمبستگی پیاپی و رویکردهای مکانی دقیق است. در مثال ما، بازه های زمانی کوتاه تر ممکن است موازنه ترجیحی با بازه های زمانی طولانی تر ۱۲ ساعته باشد که به محققان امکان افزایش تغییرپذیری را در داده ها ضمن حفظ استقلال فضایی بین موقعیت های مکانی متوالی می دهد. این روش، قابلیت انتقال در میان گونه های پرتحرک خشکی زی را داشته و به محققان این امکان را می دهد که در برآورد ENM در مقیاس های مکانی منطقه ای یا قاره ای، بازه های مناسب را شناسایی کنند. ضمناً، این رویکرد با تقویت استفاده از منابع داده ها این چنینی در این نوع از چارچوب های مدلسازی اکولوژیکی، به آگاهی افزایی درباره راهبردهای مدیریت گونه ها یا حفاظت از آنان کمک کند.
Abstract
Ecological niche models use presence-only data, which is often affected by lack of true absences leading to sampling bias. Over the last decade, there has been an uptick in the integration of occurrence data from global positioning systems telemetry data in ecological niche models and/or species distribution models. These data types can be affected by serial autocorrelation at high relocation frequencies yet have been used in ecological niche models using geographic filters and subsampling techniques. Yet, no study to date has attempted to discern a method to identify the appropriate time interval for a particular species if integrating GPS telemetry occurrence data in a MaxEnt framework. We demonstrate a rigorous spatial technique using a robust contemporary dataset from ocelots (Leopardus pardalis) to assess the appropriate time intervals to use in a species-specific ecological niche model. We assessed a range of daily time intervals (every 0.5, 1–4, 6, 8, and 12 h) commonly used in teresstrial mammalian carnivore studies. We observed the predictive performance of shorter time intervals every 2 h was comparable to much longer intervals every 12 h. These shorter intervals under/overestimated the least amount of data compared to 12 h. This study demonstrates that by accounting for serial autocorrelation and conducting rigorous spatial analyses, scientists can identify the appropriate time interval to integrate GPS telemetry data use in ecological niche models in MaxEnt. These results can also be transferable across highly mobile terrestrial taxa at different spatial scales, which can help inform species management or conservation strategies.
1. Introduction
Over the last 60 years, wildlife ecologists have used telemetry to understand the study of animal movement, space use, and resource utilization for a wide range of species globally (Milspaugh et al., 2012, Hofman et al., 2019). Initially, animal movement data was constrained by the use of very high frequency (VHF) radio collars that prevented continuous data collection through space and time (Kays et al., 2015). More recently since the late 1990s, these tracking devices and collars have now advanced with the use of Global Positioning System (GPS), which increases temporal resolution and spatial accuracy (Hebblewhite and Haydon, 2010, Kays et al., 2015, Hofman et al., 2019). This increase in temporal resolution and spatial accuracy has allowed scientists to gain a stronger understanding of wildlife behavior such as movement patterns and home range distributions across urban and remote landscapes (Hebblewhite and Haydon, 2010, Milspaugh et al. 2012, Kays et al., 2015).
5. Conclusions
Our study represents an effort to assess an appropriate taxa-specific time interval to integrate GPS telemetry data into a MaxEnt framework by accounting for serial autocorrelation and rigorous spatial approaches. In our example, shorter time intervals might be a preferred tradeoff to longer 12-h intervals, which can allow researchers to increase variability in their data while retaining spatial independence between successive locations. This methodology is transferable across highly mobile terrestrial taxa and may allow researchers the ability to identify appropriate intervals to use when estimating ENMs at regional or continental spatial scales. Further, this approach can help inform species management or conservation strategies by strengthening the support for use of such data sources in these types of ecological modeling frameworks.
چکیده
1. مقدمه
۲. مواد و روش ها
2.1. سیستم مطالعه
2.2. گردآوری داده های دورسنجی
2.3. تجزیه و تحلیل خودهمبستگی مکانی زمانی
2.4. مدلسازی آشیان اکولوژیکی اکتشافی
2.5. ارزیابی مکانی بازه های زمانی در مدل های آشیان اکولوژیکی
۳. نتایج
۴. بحث
5. نتیجه گیری
فهرست منابع
Abstract
1. Introduction
2. Materials and methods
2.1. Study system
2.2. Telemetry data collection
2.3. Temporal spatial autocorrelation analysis
2.4. Exploratory ecological niche modeling
2.5. Spatial assessment of time intervals in ecological niche models
3. Results
4. Discussion
5. Conclusions
References
این محصول شامل پاورپوینت ترجمه نیز می باشد که پس از خرید قابل دانلود می باشد. پاورپوینت این مقاله حاوی 21 اسلاید و 5 فصل است. در صورت نیاز به ارائه مقاله در کنفرانس یا سمینار می توان از این فایل پاورپوینت استفاده کرد.
در این محصول، به همراه ترجمه کامل متن، یک فایل ورد ترجمه خلاصه نیز ارائه شده است. متن فارسی این مقاله در 7 صفحه (1500 کلمه) خلاصه شده و در داخل بسته قرار گرفته است.
علاوه بر ترجمه مقاله، یک فایل ورد نیز به این محصول اضافه شده است که در آن متن به صورت یک پاراگراف انگلیسی و یک پاراگراف فارسی درج شده است که باعث می شود به راحتی قادر به تشخیص ترجمه هر بخش از مقاله و مطالعه آن باشید. این فایل برای یادگیری و مطالعه همزمان متن انگلیسی و فارسی بسیار مفید می باشد.
بخش مهم دیگری از این محصول لغت نامه یا اصطلاحات تخصصی می باشد که در آن تعداد 40 عبارت و اصطلاح تخصصی استفاده شده در این مقاله در یک فایل اکسل جمع آوری شده است. در این فایل اصطلاحات انگلیسی (تک کلمه ای یا چند کلمه ای) در یک ستون و ترجمه آنها در ستون دیگر درج شده است که در صورت نیاز می توان به راحتی از این عبارات استفاده کرد.