Mehr

Berechnen Sie die Entfernung zur nächsten Küste von Standorten aus?

Berechnen Sie die Entfernung zur nächsten Küste von Standorten aus?


Ich möchte die Entfernung zur nächsten Küste von meinen Standortstandorten (Punkt-Shapefile) und möglicherweise auch die maximale Entfernung berechnen. Ich verwende ArcGIS 10.2 und habe bereits ein Shapefile der Küstenlinie (Linien), möchte dies jedoch nicht manuell mit dem Werkzeug "Messen" für jede Site tun, da ich Hunderte von Sites habe.

Wie könnte ich es sonst machen, vielleicht mit euklidischen Distanz oder zonalen Statistiken?


Sie sollten dafür das Near GP-Tool verwenden (nur Advanced-Lizenz).

Es fügt Ihrem Punkt-Shapefile zwei Felder hinzu: eines für die Entfernung zum nächsten Küstenlinien-Feature und ein weiteres für das Küstenlinien-Feature ObjectID.


So greifen Sie mit Python auf den aktuellen Standort eines Benutzers zu [geschlossen]

Möchten Sie diese Frage verbessern? Aktualisieren Sie die Frage, damit sie zum Thema von Stack Overflow passt.

Gibt es überhaupt, dass ich den Standort meines Geräts über Python abrufen kann. Derzeit muss ich Selen verwenden und einen Browser öffnen, eine Standortdienst-Website verwenden und das Ergebnis auf Variablen für lat/long setzen.

Aber gibt es einen einfacheren Weg, dies zu tun?

UPDATE: Ich verwende einen 3G-Dongle auf meinem RaspberryPi, also suche ich nach einer Möglichkeit, die spezifische Breite / Länge davon zu erhalten ?


Diese Schichten sind polarklimatologische und andere zusammenfassende Umweltschichten, die für Zwecke wie allgemeine Modellierung, Regionalisierung und explorative Analysen nützlich sein können. Alle Schichten in dieser Sammlung werden in einem konsistenten 0,1-Grad-Raster bereitgestellt, das -180 bis 180E, 80S bis 30S (Antarktis) und 45N bis 90N (Arktis) abdeckt. Soweit durchführbar, wird jede Schicht sowohl für die arktische als auch für die antarktische Region bereitgestellt. Diese wurden nach Möglichkeit aus denselben Quelldaten abgeleitet, ansonsten wurden die Quelldaten so gewählt, dass sie zwischen den beiden Regionen möglichst kompatibel sind. Einige Schichten sind nur für einen der beiden Bereiche vorgesehen.

Jeder Daten-Layer wird im netCDF- und ArcInfo-ASCII-Gitterformat bereitgestellt. Eine PNG-Vorschaukarte von jedem wird ebenfalls bereitgestellt.

Verarbeitungsdetails für jede Schicht:

Bathymetrie
Datei: Bathymetrie
Gemessene und geschätzte Topographie des Meeresbodens aus Satellitenaltimetrie und Schiffstiefensondierungen.
Antarktis:
Quelldaten: Smith und Sandwell V13.1 (4. September 2010)
Verarbeitungsschritte: Tiefendaten, die von der ursprünglichen 1-Minuten-Auflösung bis zur 0,05-Grad-Auflösung unterabgetastet und mit bilinearer Interpolation auf ein 0,1-Grad-Raster interpoliert wurden.
Referenz: Smith, W. H. F. und D. T. Sandwell (1997) Globale Meeresbodentopographie aus Satellitenaltimetrie und Schiffstiefensondierungen. Wissenschaft 277: 1957-1962. http://topex.ucsd.edu/WWW_html/mar_topo.html
Arktis:
Quelldaten: ETOPO1
Verarbeitungsschritte: Tiefendaten unterabgetastet auf 0,05-Grad-Auflösung und interpoliert auf 0,1-Grad-Raster mit bilinearer Interpolation bei polarstereographischer Projektion.
Referenz: Amante, C. und B. W. Eakins, ETOPO1 1 Arc-Minute Global Relief Model: Procedures, Data Sources and Analysis. NOAA Technical Memorandum NESDIS NGDC-24, 19 S., März 2009. http://www.ngdc.noaa.gov/mgg/global/global.html

Bathymetrie-Steigung
Datei: bathymetry_slope
Neigung des Meeresbodens, abgeleitet aus Smith und Sandwell V13.1 und ETOPO1-Bathymetriedaten (oben).
Verarbeitungsschritte: Neigung berechnet auf 0,1-Grad-Rastertiefendaten (oben). Berechnet unter Verwendung der Gleichung von Burrough, P.A. und McDonell, R.A. (1998) Prinzipien geographischer Informationssysteme (Oxford University Press, New York), p. 190 (siehe http://webhelp.esri.com/arcgisdesktop/9.2/index.cfm?TopicName=How%20Slope%20works)

Vom CAISOM-Modell abgeleitete Variablen
Vom CAISOM-Ozeanmodell abgeleitete Variablen. Dieses Modell wurde von Ben Galton-Fenzi (AAD und ACE-CRC) entwickelt und basiert auf dem Regional Ocean Modeling System (ROMS). Es hat eine zirkum-antarktische Abdeckung bis 50S mit einer räumlichen Auflösung von ungefähr 5 km. Die Werte hier werden über 12 Schnappschüsse aus dem Modell gemittelt, die jeweils durch 2 Monate getrennt sind. Diese Parameter sollten als experimentell betrachtet werden.

Referenz: Galton-Fenzi BK, Hunter JR, Coleman R, Marsland SJ, Warner RC (2012) Modellierung des basalen Schmelzens und der Meereseisakkretion des Amery-Schelfeis. Zeitschrift für geophysikalische Forschung: Ozeane, 117, C09031. http://dx.doi.org/10.1029/2012jc008214

Etagenstromgeschwindigkeit
Datei: caisom_floor_current_speed
Aktuelle Geschwindigkeit nahe dem Meeresboden.

Bodentemperatur
Datei: caisom_floor_temperature
Potentielle Temperatur nahe dem Meeresboden.

Vertikale Bodengeschwindigkeit
Datei: caisom_floor_vertical_velocity
Vertikale Wassergeschwindigkeit nahe dem Meeresboden.

Oberflächenstromgeschwindigkeit
Datei: caisom_surface_current_speed
oberflächennahe Strömungsgeschwindigkeit (in ca. 2,5 m Tiefe)

Chlorophyll Sommer
Datei: chl_summer_climatology
Quelldaten: Oberflächennahe chl-a-Sommerklimatologie von MODIS Aqua
Antarktis:
Die Klimatologie umfasst die südlichen Sommersaisons 2002/03 bis 2009/10. Daten interpoliert von der ursprünglichen 9-km-Auflösung auf ein 0,1-Grad-Raster mit bilinearer Interpolation.
Arktis:
Die Klimatologie umfasst die borealen Sommersaisons 2002 bis 2009. Daten interpoliert von der ursprünglichen 9-km-Auflösung auf ein 0,1-Grad-Raster mit bilinearer Interpolation.
Referenz: Feldman GC, McClain CR (2010) Ocean Color Web, MODIS Aqua Reprocessing, NASA Goddard Space Flight Center. Hrsg. Kuring, N., Bailey, S. W. https://oceancolor.gsfc.nasa.gov/

Entfernung zur Antarktis
Datei: distance_antarctica
Entfernung zum nächsten Teil des antarktischen Kontinents (nur Antarktis)
Quelldaten: Eine modifizierte Version des Weltkarten-Shapefiles von ESRI
Verarbeitungsschritte: Entfernungen in km berechnet nach der Haversine-Formel auf einer kugelförmigen Erde mit Radius 6378,137 km.

Entfernung zur nächsten Seevogelbrutkolonie (nur Antarktis)
Datei: distance_colony
Antarktische Quelldaten: Inventar der Brutstätten von Seevögeln in der Antarktis, zusammengestellt von Eric Woehler. http://data.aad.gov.au/aadc/biodiversity/display_collection.cfm?collection_id=61.
Verarbeitungsschritte: Die kürzeste Entfernung jedes Rasterpunktes zu den Kolonien wurde in km unter Verwendung der Haversine-Formel auf einer kugelförmigen Erde mit einem Radius von 6378,137 km berechnet.

Entfernung zur maximalen Meereisausdehnung im Winter
Datei: distance_max_ice_edge
Quelldaten: SMMR-SSM/I passive Mikrowellen-Schätzungen der täglichen Meereiskonzentration vom National Snow and Ice Data Center (NSIDC).
Verarbeitungsschritte:
Antarktis:
Die mittlere maximale Meereisausdehnung im Winter wurde aus täglichen Schätzungen der Meereiskonzentration abgeleitet, wie unter https://data.aad.gov.au/metadata/records/sea_ice_extent_winter beschrieben. Die nächste Entfernung jedes Gitterpunkts zu dieser Ausdehnungslinie wurde in km unter Verwendung der Haversine-Formel auf einer kugelförmigen Erde mit einem Radius von 6378,137 km berechnet.
Arktis:
Die mittlere Meereisausdehnung im März im Winter wurde vom NSIDC unter http://nsidc.org/data/g02135.html ermittelt. Die nächste Entfernung jedes Gitterpunkts zu dieser Ausdehnungslinie wurde in km unter Verwendung der Haversine-Formel auf einer kugelförmigen Erde mit einem Radius von 6378,137 km berechnet.
Referenz: Cavalieri, D., C. Parkinson, P. Gloersen und H.J. Zwally. 1996, aktualisiert 2008. Meereiskonzentrationen von Nimbus-7 SMMR und DMSP SSM/I passiven Mikrowellendaten. Boulder, Colorado USA: Nationales Schnee- und Eisdatenzentrum. Digitale Medien. tp://nsidc.org/data/nsidc-0051.html

Abstand zum Regalbruch
Datei: distance_shelf
Entfernung zum nächsten Meeresboden mit einer Tiefe von 500 m oder weniger.
Abgeleitet von Smith und Sandwell V13.1 und ETOPO1-Bathymetriedaten (oben).
Verarbeitungsschritte: Entfernungen in km mit der Haversine-Formel auf einer kugelförmigen Erde mit Radius 6378,137 km berechnet. Punkten in weniger als 500 m Wassertiefe (d. h. über dem Schelf) wurden negative Distanzen zugewiesen.
Siehe auch Abstand zum oberen Hang

Entfernung zu subantarktischen Inseln (nur Antarktis)
Datei: distance_subantarctic_islands
Entfernung zur nächsten Landmasse nördlich von 65 S (einschließlich Landmassen von z. B. Südamerika, Afrika, Australien und Neuseeland).
Verarbeitungsschritte: Entfernungen in km berechnet nach der Haversine-Formel auf einer kugelförmigen Erde mit Radius 6378,137 km.

Entfernung zum Canyon
Datei: distance_to_canyon
Entfernung zur Achse des nächsten Canyons (nur Antarktis)
Quelldaten: O'Brien und Post (2010) geomorpher Merkmalsdatensatz des Meeresbodens, erweitert von O'Brien et al. (2009). Kartierung basierend auf GEBCO-Konturen, ETOPO2, seismischen Linien.
Verarbeitungsschritte: Entfernungen zur nächsten Canyon-Achse, berechnet in km mit der Haversine-Formel auf einer kugelförmigen Erde mit Radius 6378,137 km.
HINWEIS: Quelldaten erstrecken sich nur bis 45S nördlich. Verlassen Sie sich nicht auf diese Schicht in der Nähe oder nördlich von 45S.
Referenz: O'Brien, P.E., Post, A.L. und Romeyn, R. (2009)Antarktisweite Geomorphologie als Hilfe bei der Habitatkartierung und Lokalisierung gefährdeter Meeresökosysteme. CCAMLR VME Workshop 2009. Dokument WS-VME-09/10

Entfernung nach Polynja
Datei: distance_to_polynya
Entfernung zum nächsten Polynya-Gebiet (nur Antarktis)
Quelldaten: AMSR-E-Satellitenschätzungen der täglichen Meereiskonzentration bei einer Auflösung von 6,25 km
Verarbeitungsschritte: Es wurde der Layer seaice_gt_85 (siehe unten) verwendet. Es wurden Pixel identifiziert, die (im Durchschnitt) weniger als 35 % des Jahres von Meereis bedeckt waren. Die Entfernung von jedem Gitterpunkt auf dem 0,1-Grad-Gitter zum nächsten solchen Polynya-Pixel wurde in km unter Verwendung der Haversine-Formel auf einer kugelförmigen Erde mit einem Radius von 6378,137 km berechnet. (Hinweis: Der Schwellenwert von 35% wurde gewählt, um eine gute empirische Übereinstimmung mit den von Arrigo und van Dijken (2003) identifizierten Polynya-Standorten zu erzielen, obwohl die Ergebnisse nicht besonders empfindlich auf die Wahl des Schwellenwerts reagierten.
Referenz: Arrigo KR, van Dijken GL (2003)Phytoplanktondynamik in 37 antarktischen Küstenpolyniensystemen. Journal of Geophysical Research, 108, 3271. http://dx.doi.org/10.1029/2002JC001739

Entfernung zum oberen Hang (nur Antarktis)
Datei: distance_upper_slope
Entfernung zum geomorphologischen Merkmal "oberer Hang" aus dem Geomorphologie-Datensatz von Geoscience Australia. Dies ist wahrscheinlich ein besserer Hinweis auf die Entfernung zum antarktischen Kontinentalschelfbruch als die "Entfernung zum Schelfbruch"-Daten (oben).
Quelldaten: O'Brien und Post (2010) geomorpher Merkmalsdatensatz des Meeresbodens, erweitert von O'Brien et al. (2009). Kartierung basierend auf GEBCO-Konturen, ETOPO2, seismischen Linien.
Verarbeitungsschritte: Entfernungen in km berechnet nach der Haversine-Formel auf einer kugelförmigen Erde mit Radius 6378,137 km. Punkten innerhalb eines Polygons mit "oberer Neigung" wurden negative Abstände zugewiesen.
Referenz: O'Brien, P.E., Post, A.L. und Romeyn, R. (2009)Antarktisweite Geomorphologie als Hilfe bei der Habitatkartierung und Lokalisierung gefährdeter Meeresökosysteme. CCAMLR VME Workshop 2009. Dokument WS-VME-09/10

Schnelles Eis
Datei: fast_ice
Der durchschnittliche Anteil des Jahres, in dem an einem Ort landfestes Meereis vorhanden ist
Quelldaten: 20-tägige zusammengesetzte Aufzeichnungen von ostantarktischem landfestem Meereis, abgeleitet von MODIS-Bildern (Fraser at al. 2012)
Verarbeitungsschritte: Der durchschnittliche Anteil des Jahres, in dem jedes Pixel von landfestem Meereis bedeckt war, wurde als Durchschnitt von 2001 bis 2008 berechnet. Die Daten wurden unter Verwendung einer bilinearen Interpolation auf das 0,1-Grad-Raster neu gerastert.

Entfernung zum schnellen Eis
Datei: distance_to_fast_ice
Entfernung zum nächstgelegenen Ort, an dem normalerweise Festeis vorhanden ist.
Quelldaten: 20-tägige zusammengesetzte Aufzeichnungen von ostantarktischem landfestem Meereis, abgeleitet von MODIS-Bildern (Fraser at al. 2012)
Verarbeitungsschritte: Es wurden Pixel in den Landfest-Meereisdaten identifiziert, die mit Festeispräsenz für mehr als die Hälfte des Jahres (im Durchschnitt) verbunden waren. Der Abstand von jedem Pixel im 0,1-Grad-Raster zum nächsten dieser schnellen Eispixel wurde in km mit der Haversine-Formel auf einer kugelförmigen Erde mit einem Radius von 6378,137 km berechnet.
Referenz: Fraser AD, Massom RA, Michael KJ, Galton-Fenzi BK und Lieser JL (2012) Ostantarktische Landfast-Meereisverteilung und -variabilität, 2000-08. Journal of Climate 25:1137-1156.
Siehe auch: http://data.aad.gov.au/aadc/metadata/metadata_redirect.cfm?md=AMD/AU/modis_20day_fast_ice

Meeresbodentemperatur
Datei: floor_temperature
Quelldaten: Originaldaten aus den Daten des World Ocean Atlas 2005 abgeleitet und in einem 1-Grad-Raster bereitgestellt.
Verarbeitungsschritte: Isolierte fehlende Pixel (d. h. einzelne Pixel fehlender Daten ohne umgebende fehlende Pixel) wurden mit bilinearer Interpolation gefüllt. Die Daten werden in zwei Versionen bereitgestellt: eine regerastert vom 1-Grad-Raster unter Verwendung der Interpolation des nächsten Nachbarn (floor_temperature) und die andere unter Verwendung einer bilinearen Interpolation (floor_temperature_interpolated).
Referenz: Clarke, A. et al. (2009)Räumliche Variation der Meeresbodentemperaturen im Südlichen Ozean: Auswirkungen auf die benthische Ökologie und Biogeographie. Journal of Geophysical Research 114: G03003. doi:10.1029/2008JG000886

Geomorphologie
Datei: Geomorphologie
Geomorphe Merkmalsklassifizierung
Quelldaten: O'Brien und Post (2010) geomorpher Merkmalsdatensatz des Meeresbodens, erweitert von O'Brien et al. (2009). Kartierung basierend auf GEBCO-Konturen, ETOPO2, seismischen Linien.
Referenz: O'Brien, P.E., Post, A.L. und Romeyn, R. (2009)Antarktisweite Geomorphologie als Hilfe bei der Habitatkartierung und der Lokalisierung gefährdeter Meeresökosysteme. CCAMLR VME Workshop 2009. Dokument WS-VME-09/10

Geomorphe Feature-Class-Namen und ihre entsprechenden Werte in den Rasterdateien:

1: Abyssal_Plain
2: Bank_Wave_Affected
3: Coastal_Terrane
4: Contourite_Feature
5: Cross_Shelf_Valley
6: Bruch_Zone
7: Iceshelf_Cavity
8: Insel_Arc
9: Island_Coastal_Terrane
10: Lower_Slope
11: Margin_Ridges
12: Marginal_Plateau
13: Mid_Ocean_Ridge_Valley
14: Plateau
15: Plateau_Slope
16: Grat
17: Rauer_Meeresboden
18: Seeberg
19: Seamount_Ridges
20: Regal_Bank
21: Regal_Deep
22: Strukturelle_Neigung
23: Graben
24: Trog
25: Trog_Mouth_Fan
26: Upper_Slope
27: Vulkan

Lichtbudget
Datei: light_budget
Jährliches Lichtbudget (kumulierte Sonnenstrahlung), das die Wasseroberfläche erreicht.
Verarbeitungsschritte: Nach Clark et al. (im Druck). Die tägliche einfallende Sonnenstrahlung wurde unter Annahme eines wolkenfreien Himmels modelliert (Suri und Hofierka 2004). Als Maske dienten Meereisdaten (AMSR-E Sea Ice-Konzentration): Wenn an einem bestimmten Tag Meereis vorhanden war, wurde die Sonnenstrahlung, die die Meeresoberfläche erreichte, mit Null angenommen. Das jährliche Lichtbudget für einen gegebenen Pixel wurde daher als Summe der täglichen Sonneneinstrahlungswerte an allen Tagen ohne Meereis berechnet. Die Werte hier sind das mittlere jährliche Lichtbudget über die Austral-Sommersaison 2002/03 bis 2010/11 (1. Juli bis 30. Juni). Die Berechnungen wurden auf dem AMSR-E 6,25 km polaren stereographischen Gitter durchgeführt und dann unter Verwendung einer dreiecksbasierten linearen Interpolation auf das 0,1-Grad-Rechteckgitter interpoliert.
Verweise:
Clark GF, Stark JS, Johnston EL, Runcie JW, Goldsworthy PM, Raymond B, Riddle MJ (im Druck) Lichtgetriebene Kipppunkte in polaren Ökosystemen. Biologie des globalen Wandels. http://dx.doi.org/10.1111/gcb.12337
Suri M, J Hofierka (2004)Ein neues GIS-basiertes Solarstrahlungsmodell und seine Anwendung auf Photovoltaikbewertungen. Transaktionen in GIS, 8, 175-190

Mischschichttiefe
Datei: mixed_layer_depth_summer_climatology und mixed_layer_depth_summer_climatology_interpolated
Sommer-Mischschicht-Tiefenklimatologie aus ARGOS-Daten
Verarbeitungsschritte: Daten werden in zwei Versionen bereitgestellt: eine aus einem 2-Grad-Gitter regerastert unter Verwendung der Interpolation des nächsten Nachbarn (mixed_layer_depth_summer_climatology) und die andere unter Verwendung einer bilinearen Interpolation (mixed_layer_depth_summer_climatology_interpolated).
Referenz: de Boyer Montegut, C., G. Madec, AS Fischer, A. Lazar und D. Iudicone (2004), Mixed layer depth over the global ocean: an exams of profile data and a profile-based climatology, J. Geophysik. Res., 109, C12003, doi:10.1029/2004JC002378. http://www.ifremer.fr/cerweb/deboyer/mld/home.php

Meereisbedeckung
Datei: seaice_gt85
Anteil der Zeit, in der der Ozean von Meereis mit einer Konzentration von 85 % oder mehr bedeckt ist.
Quelldaten: AMSR-E-Satellitenschätzungen der täglichen Meereiskonzentration bei einer Auflösung von 6,25 km
Verarbeitungsschritte: Konzentrationsdaten vom 01.01.2003 bis 31.12.2010 verwendet. Der Bruchteil der Zeit, in der jedes Pixel von Meereis mit einer Konzentration von mindestens 85 % bedeckt war, wurde für jedes Pixel im ursprünglichen (polarstereographischen) Raster berechnet. Die Daten werden dann mithilfe einer auf Dreiecken basierenden linearen Interpolation auf ein 0,1-Grad-Raster neu gerastert.
Referenz: Spreen, G., L. Kaleschke und G. Heygster (2008), Meereisfernerkundung mit AMSR-E 89 GHz-Kanälen, J. Geophys. Res., doi:10.1029/2005JC003384 https://seaice.uni-bremen.de/sea-ice-concentration/

Meereis-Sommervariabilität
Datei: seaice_summer_variability
Variabilität der Meereisbedeckung während der Sommermonate
Quelldaten: AMSR-E-Satellitenschätzungen der täglichen Meereiskonzentration bei einer Auflösung von 6,25 km
Verarbeitungsschritte: Tägliche Schätzungen der Meereiskonzentration im Dezember, Januar und Februar einer bestimmten südlichen Sommersaison wurden zusammengetragen. Für jedes Pixel wurde die Standardabweichung dieser Werte berechnet. Die hier angegebenen Werte sind gemittelt über die australen Sommersaisons 2002/03 bis 2009/10.
Referenz: Spreen, G., L. Kaleschke und G. Heygster (2008), Meereisfernerkundung mit AMSR-E 89 GHz-Kanälen, J. Geophys. Res., doi:10.1029/2005JC003384 https://seaice.uni-bremen.de/sea-ice-concentration/

Variablen der Meeresoberflächenhöhe

HINWEIS: Die höhenbezogenen Daten zur Meeresoberfläche sind abgeleitete Arbeiten von Höhenmeterdaten mit Rasterung der Ebene 4 (Daten mit freundlicher Genehmigung von Ssalto/Duacs, Aviso und CNES http://www.aviso.oceanobs.com/duacs/). Diese abgeleiteten Werke sind NUR für wissenschaftliche Zwecke verfügbar.

Höhe der Meeresoberfläche
Datei: ssh
Quelldaten: CNES-CLS09 Mean Dynamic Topography v1.1 (Rio et al., 2009)
Verarbeitungsschritte: Mit bilinearer Interpolation auf 0,1-Grad-Raster neu gerastert.

Räumlicher SSH-Gradient
Datei: ssh_spatial_gradient
Der räumliche Gradient (in mm/km) der mittleren dynamischen Topographie.
Quelldaten: CNES-CLS09 Mean Dynamic Topography v1.1 (Rio et al., 2009)
Verarbeitungsschritte: Gradient auf dem nativen 0,25-Grad-Raster berechnet und mit bilinearer Interpolation auf 0,1-Grad-Raster interpoliert.

SSH-Variabilität
Datei: ssha_variability
Die Variabilität der Meeresoberflächenhöhe im Laufe der Zeit
Quelldaten: SSHA-Daten von http://www.aviso.oceanobs.com/en/data/products/sea-surface-height-products/global/index.html
Verarbeitungsschritte: Es wurden wöchentliche SSHA-Daten für den Zeitraum 14.10.1992 bis 14.10.2007 verwendet. Für jedes Pixel im nativen 1/3-Grad-Mercator-Raster wurde die Standardabweichung der SSHA-Werte über diesen Zeitraum berechnet. Die Daten wurden dann unter Verwendung einer bilinearen Interpolation auf ein 0,1-Grad-Raster interpoliert.

Referenz: Rio, M-H, P. Schaeffer, G. Moreaux, J-M Lemoine, E.Bronner (2009): Eine neue berechnete mittlere dynamische Topographie
über dem globalen Ozean aus GRACE-Daten, Höhenmessung und In-situ-Messungen . Posterkommunikation beim OceanObs09 Symposium,
21.-25. September 2009, Venedig

SST Sommer
Datei: sst_summer_climatology
Quellendaten: Sommerklimatologie der Meeresoberflächentemperatur von MODIS Aqua.
Antarktis:
Die Klimatologie umfasst die südlichen Sommersaisons 2002/03 bis 2009/10. Daten interpoliert von der ursprünglichen 9-km-Auflösung auf ein 0,1-Grad-Raster mit bilinearer Interpolation.
Arktis:
Die Klimatologie umfasst die borealen Sommersaisons 2002 bis 2009. Daten interpoliert von der ursprünglichen 9-km-Auflösung auf ein 0,1-Grad-Raster unter Verwendung einer bilinearen Interpolation auf einem polaren stereografischen Raster.
Referenz: Feldman GC, McClain CR (2010) Ocean Color Web, MODIS Aqua Reprocessing, NASA Goddard Space Flight Center. Hrsg. Kuring, N., Bailey, S. W. https://oceancolor.gsfc.nasa.gov/

Räumlicher SST-Gradient
Datei: sst_spatial_gradient
Quellendaten: Sommerklimatologie der Meeresoberflächentemperatur von MODIS Aqua.
Antarktis:
Die Klimatologie umfasst die südlichen Sommersaisons 2002/03 bis 2009/10. Räumlicher Gradient des SST (Grad C pro km), berechnet aus den ursprünglichen 9-km-Auflösungsdaten gemäß der Gleichung in http://webhelp.esri.com/arcgisdesktop/9.2/index.cfm?TopicName=How%20Slope%20works. Die Gradientenwerte wurden dann von der ursprünglichen 9-km-Auflösung auf ein 0,1-Grad-Raster unter Verwendung einer bilinearen Interpolation interpoliert.
Referenz: Feldman GC, McClain CR (2010) Ocean Color Web, MODIS Aqua Reprocessing, NASA Goddard Space Flight Center. Hrsg. Kuring, N., Bailey, S. W. https://oceancolor.gsfc.nasa.gov/

Oberflächenwind
Datei: surface_wind_annual
Quelldaten: Durchschnittlicher 10m-Wind (2000-2010) aus der monatlichen NCEP/DOE-Reanalyse 2
Verarbeitungsschritte: Monatliche mittlere 10m Windgeschwindigkeit (aus u- und v-Windkomponenten) von Jan-2000 bis Dez-2010 wurde gemittelt. Daten interpoliert vom ursprünglichen 2,5-Grad-Raster auf 0,1-Grad-Raster mit bilinearer Interpolation.
Referenz: http://www.esrl.noaa.gov/psd/data/gridded/data.ncep.reanalysis2.html

Salzgehalt 0m Winter
Datei: salinity_0_winter_climatology und salinity_0_interpolated_winter_climatology
Salzgehalt Winterklimatologie in 0m Tiefe.
Quelldaten: World Ocean Atlas 2009 (National Oceanographic Data Center, Silver Springs, MD, U.S.A.) http://www.nodc.noaa.gov/OC5/WOA09/pr_woa09.html
Verarbeitungsschritte: Daten werden auf 0,1-Grad-Raster mit Nächster-Nachbar-Interpolation (salinity_0_winter_climatology) und bilinearer Interpolation (salinity_0_interpolated_winter_climatology) neu gerastert.
Referenz: Antonov, J. I., D. Seidov, T. P. Boyer, R. A. Locarnini, A. V. Mishonov und H. E. Garcia, 2010. World Ocean Atlas 2009, Volume 2: Salinity. S. Levitus, Ed. NOAA Atlas NESDIS 69, U.S. Government Printing Office, Washington, D.C., 184 S.

Salzgehalt 0m Sommer
Siehe oben (WOA)

Salzgehalt 50m Winter
Siehe oben (WOA)

Salzgehalt 50m Sommer
Siehe oben (WOA)

Salzgehalt 200m Winter
Siehe oben (WOA)

Salzgehalt 200m Sommer
Siehe oben (WOA)

Salzgehalt 500m Winter
Siehe oben (WOA)

Salzgehalt 500m Sommer
Siehe oben (WOA)

NOX und Silikat 0m Winter
Siehe oben (WOA)
Datei: nox_0_winter_climatology, nox_0_interpolated_winter_climatology und si_0_winter_climatology, si_0_interpolated_winter_climatology
Referenz: Garcia, H. E., R. A. Locarnini, T. P. Boyer und J. I. Antonov, 2010. World Ocean Atlas 2009, Band 4: Nährstoffe (Phosphat, Nitrat, Silikat). S. Levitus, Ed. NOAA Atlas NESDIS 71, U.S. Government Printing Office, Washington, D.C., 398 S.

NOX und Silikat 0m Sommer
Siehe oben (WOA)

NOX und Silikat 50m Sommer
Siehe oben (WOA)

NOX und Silikat 50m Winter
Siehe oben (WOA)

NOX und Silikat 200m Sommer
Siehe oben (WOA)

NOX und Silikat 200m Winter
Siehe oben (WOA)

Sauerstoff 0m Winter
Siehe oben (WOA)
Datei: oxygen_0_winter_climatology und oxygen_0_interpolated_winter_climatology
Referenz: Garcia, H. E., R. A. Locarnini, T. P. Boyer und J. I. Antonov, 2010. World Ocean Atlas 2009, Band 3: Gelöster Sauerstoff, scheinbare Sauerstoffnutzung und Sauerstoffsättigung. S. Levitus, Ed. NOAA Atlas NESDIS 70, U.S. Government Printing Office, Washington, D.C., 344 S.

Sauerstoff 0m Sommer
Siehe oben (WOA)

Sauerstoff 50m Winter
Siehe oben (WOA)

Sauerstoff 50m Sommer
Siehe oben (WOA)

Sauerstoff 200m Winter
Siehe oben (WOA)

Sauerstoff 200m Sommer
Siehe oben (WOA)

Temperatur 0m Winter
Siehe oben (WOA)
Datei: t_0_winter_climatology und t_0_interpolated_winter_climatology
Referenz: Locarnini, R. A., A. V. Mishonov, J. I. Antonov, T. P. Boyer und H. E. Garcia, 2010. World Ocean Atlas 2009, Band 1: Temperatur. S. Levitus, Ed. NOAA Atlas NESDIS 68, U.S. Government Printing Office, Washington, D.C., 184 S.

Temperatur 0m Sommer
Siehe oben (WOA)

Temperatur 50m Winter
Siehe oben (WOA)

Temperatur 50m Sommer
Siehe oben (WOA)

Temperatur 200m Winter
Siehe oben (WOA)

Temperatur 200m Sommer
Siehe oben (WOA)

Temperatur 500m Sommer
Siehe oben (WOA)

Temperatur 500m Winter
Siehe oben (WOA)

Vertikale Geschwindigkeit
Datei: vertical_velocity_250 und vertical_velocity_500
Aufwärtsgeschwindigkeit des Meerwassers in 250m und 500m Tiefe (nur Antarktis)
Quelldaten: CSIRO Mk3.5d Klimamodell
Verarbeitungsschritte: Mittelwerte berechnet aus dem 20C3M-Modelllauf 1, gemittelt über 1980-2000. Die Werte werden dann vom ursprünglichen Raster (ungefähre Auflösung 0,9 Grad Breite mal 1,9 Grad Länge) unter Verwendung einer bilinearen Interpolation in ein 0,1-Grad-Raster interpoliert.
Referenz: Gordon et al. (2010) Das CSIRO Mk3.5 Klimamodell. CAWCR Technischer Bericht 21. http://www.cawcr.gov.au/technical-reports/CTR_021.pdf


ZUSAMMENFASSUNG DER ERFINDUNG

Die hier beschriebene Erfindung ist auf ein Verfahren und eine Vorrichtung zum Anzeigen eines Luftbildes und zum Anzeigen von Informationen über Orte und Objekte in dem Foto, einschließlich relativer Entfernungen, gerichtet. Ein Verfahren umfasst das Erhalten eines Fotos eines geografischen Gebiets, das das Bild und die Informationen über in dem Foto angezeigte Orte und Objekte in einer elektronischen Speichervorrichtung speichert, das Foto auf einem elektronischen Anzeigegerät anzeigt, elektronisch einen oder mehrere Orte und Objekte in dem angezeigten Foto auswählt und elektronisch Anzeige von Informationen zu den Orten und Objekten. Der „Standort“ umfasst unter anderem einen relativen Standort in Bezug auf Entfernungen von anderen Standorten, geografische Geländemerkmale und Objekte, wie etwa Bauwerke, Gebäude, Schilder, Straßen und Markierungen. Die angezeigten Informationen können unter anderem die Entfernung zwischen dem Standort und einem oder mehreren anderen Standorten auf dem angezeigten Bild, die Adresse des Standorts, wie z Eigentum usw.

Erfindungsgemäß wird eine Vorrichtung zum Anzeigen von Orten und Informationen über die Orte bereitgestellt, wobei die Vorrichtung eine elektronische Speichervorrichtung zum Speichern eines digitalisierten Bildes eines Bereichs, beispielsweise einer Fotografie, und zum Speichern einer oder mehrerer Fotografien umfasst eines Bereichs und Informationen über Orte und Objekte auf dem Foto eine elektronische Anzeigevorrichtung zum Anzeigen des Fotos und eine Eingabevorrichtung, um einem Benutzer zu ermöglichen, einen oder mehrere Orte und Objekte auf dem angezeigten Foto auszuwählen und Informationen über den einen oder die mehreren Orte anzuzeigen, und Objekte.

[0008] Das erfindungsgemäß ausgebildete Verfahren zum Lokalisieren und Messen der Position eines Golfballs umfasst das Digitalisieren einer Luftaufnahme eines oder mehrerer Löcher eines Golfplatzes und das Speichern der digitalisierten Daten in einer Speichervorrichtung, das Skalieren der digitalisierten Aufnahme auf ein hohes Maß an Genauigkeit, Anzeigen des Fotos auf einem elektronischen Anzeigegerät, Auswählen der Position eines Golfballs auf dem Anzeigegerät und elektronisches Messen und Anzeigen des Abstands zwischen dem Ort des Golfballs und einem oder mehreren Orten und Objekten auf dem angezeigten Golf Platz Lochfoto.

[0009] Gemäß einem anderen Aspekt der Erfindung umfasst das Digitalisieren eines Luftbildes von einem oder mehreren Löchern eines Golfplatzes das Aufnehmen eines Luftbildes von einem oder mehreren Löchern eines Golfplatzes. Das Verfahren umfasst ferner das Eingeben der Schläge eines oder mehrerer Golfspieler und das Berechnen und Anzeigen einer Gesamtpunktzahl für jeden des einen oder der mehreren Golfspieler und zugehörige Handicaps, Zeit auf dem Platz, Zeit für jedes Loch und durchschnittliche Platz- und Lochzeiten.

Wie aus dem Vorhergehenden leicht ersichtlich ist, stellt die Erfindung eine relativ einfache, kostengünstige und tragbare Vorrichtung bereit, die es einem Golfspieler sowie anderen Sportbegeisterten, Regierungsbeamten, Notdienstanbietern und anderen ermöglicht, schnell und einfach Lokalisieren einer Position eines Objekts und Anzeigen von Informationen über das Objekt, wie beispielsweise die Entfernung vom Objekt zu geografischen Geländemerkmalen, die Identität des Objekts, den Eigentümer des Objekts usw. Somit wird die Erfindung in vielen Bereichen nützlich sein, wie z als Unterstützung von Notdiensten bei der Lokalisierung eines Gebäudes oder einer Wohnung und der Identifizierung des Eigentümers. Dies wäre auch für Regierungsbehörden, Versorgungsunternehmen und Vermessungsingenieure nützlich. Während die hierin beschriebene Erfindung als Hilfe zur Verwendung beim Golfspiel entworfen wurde und im Zusammenhang mit dem Golfspiel beschrieben wird, versteht es sich, dass sie bei vielen anderen Aktivitäten Anwendung finden kann.


2. MATERIALIEN UND METHODEN

2.1 Probenahme und Untersuchung

Wir haben Gewebeproben (Flossenclip oder Kiemenfäden) von einzelnen Fischen mit Polspeeren an Standorten zwischen dem Golf von Aqaba im nördlichen Roten Meer (N 28.404°, E 34.738°) und Muscat im Oman-Meer im Nordwesten gesammelt Grenze des Arabischen Meeres (N 23,525°, E 58,74° Abbildung 1 und Tabelle 1). Neun Arten stammen aus der Familie der Falterfische Chaetodontidae und zeichnen sich durch unterschiedliche geografische Verbreitungen aus (Tabelle 1). Wir haben auch einen weit verbreiteten Doktorfisch [Ctenochaetus striatus (Quoy & Gaimard, 1825)] aus der Familie Acanthuridae. Einige der Arten waren selten oder fehlten an Probenahmestellen, insbesondere bei den regionalen Endemiten, was dazu führte, dass Arten und Daten für einige Standorte fehlten. Obwohl wir akzeptieren, dass unsere Stichprobengrößen bescheiden sind (Tabelle 1), sind die Anzahl der Sammlungen pro Standort und die geografische Breite der Stichproben weitaus größer als bei allen bisherigen RAD-seq-Populationsgenomikstudien von Rifffischen. Die Gewebe wurden in einer gesättigten Salz-DMSO-Lösung oder 95 % Ethanol konserviert und anschließend bei –20°C gelagert.

Spezies Stichprobe a a In den meisten Fällen wurden vor der Qualitätsfilterung 12 Individuen pro Population beprobt, mit Ausnahme von C. trifascialis, wo n = 4 wurden von Mirbat, Al Hallaniyats und Masirah Island beprobt.
(n)
Anzahl der Populationen (Geografischer Bereich der Stichprobe) Arten b b Die Artenverteilung basiert auf einer regionalen Datenbank, die über 30 Jahre von R. Myers kuratiert wurde (siehe Anhang S2 von DiBattista, Roberts, et al., 2016), wurde jedoch modifiziert, um widerzuspiegeln, wo Arten funktionell im Vergleich zu seltenen Aufzeichnungen als Waisen vorhanden sind.
Verteilung
Anzahl der verwendeten Lesevorgänge Anzahl der polymorphen Loci, die Filter passieren h Ö h E F IST
Chaetodon austriacus (exquisiter Schmetterlingsfisch) 78 7 (Golf von Aqaba bis South Farasan Banks, Saudi-Arabien) Nördliches bis zentrales Rotes Meer 87,565,224 10,711 0.0021 (0.2270) 0.0023 (0.2423) 0.0007 (0.0786)
Chaetodon fasciatus (Rotmeer-Waschbär-Falterfisch) 89 8 (Golf von Aqaba nach Dschibuti) Nördliches Rotes Meer bis Golf von Aden 77,353,808 2,650 0.0018 (0.2507) 0.0018 (0.2553) 0.0004 (0.0525)
Chaetodon larvatus (Kapuzenfalterfisch) 54 5 (Thuwal nach Moucha & Maskali, Dschibuti) Südliches Rotes Meer bis Golf von Aden 77,207,403 12,393 0.0015 (0.2456) 0.0016 (0.2577) 0.0005 (0.0735)
Chaetodon melapterus (Arabischer Falterfisch) 69 6 (Dschibuti nach Maskat, Oman) Südliches Rotes Meer zum Arabischen Golf 88,380,960 4,384 0.0019 (0.2260) 0.0021 (0.2415) 0.0007 (0.0849)
Chaetodon mesoleucos (Weißgesichts-Falterfisch) 40 4 (Thuwal nach Dschibuti) Südliches Rotes Meer bis Golf von Aden 49,020,448 11,151 0.0013 (0.2687) 0.0014 (0.2764) 0.0003 (0.0659)
Chaetodon paucifasciatus (Eritreischer Falterfisch) 71 6 (Golf von Aqaba bis South Farasan Banks, Saudi-Arabien) Nördliches bis zentrales Rotes Meer 89,837,377 13,539 0.0023 (0.2038) 0.0025 (0.2239) 0.0011 (0.0994)
Chaetodon pictus (Hufeisen-Falterfisch) 57 5 (Dschibuti nach Masirah Island, Oman) Südliches Rotes Meer zum Arabischen Golf 40,198,908 4,131 0.0022 (0.2253) 0.0024 (0.2486) 0.0010 (0.1088)
Chaetodon semilarvatus (Bluecheek-Falterfisch) 93 8 (Jazirat Burqan nach Dschibuti) Nördliches Rotes Meer bis Golf von Aden 80,036,042 2,053 0.0012 (0.2753) 0.0012 (0.2764) 0.0002 (0.0426)
Regionaler endemischer Durchschnitt 73,700,021 7,627 0.0018 (0.2403) 0.0019 (0.2529) 0.0006 (0.0758)
Chaetodon trifascialis (Chevron-Falterfisch) 102 9 (Golf von Aqaba nach Masirah Island, Oman) Indopazifik 98,948,301 1,271 0.0010 (0.2489) 0.0010 (0.2494) 0.0002 (0.0420)
Ctenochaetus striatus (gestreifter Doktorfisch) 101 10 (Golf von Aqaba nach Al Hallaniyats, Oman) Indopazifik 110,087,471 1,508 0.0019 (0.1863) 0.0021 (0.2072) 0.0010 (0.0945)
Weit verbreiteter Durchschnitt 104,517,886 1,390 0.0015 (0.2176) 0.0016 (0.2283) 0.0006 (0.1365)
  • Zahlen außerhalb und innerhalb von Klammern für Metriken der genetischen Diversität basieren auf allen Single-Nukleotid-Polymorphismus-(SNP)-Loci im Vergleich zu nur variablen SNP-Loci.
  • Abkürzungen: hE, erwartete Heterozygotie hÖ, beobachtete Heterozygotie SNP, Einzelnukleotidpolymorphismus.
  • a In den meisten Fällen wurden vor der Qualitätsfilterung 12 Individuen pro Population beprobt, mit Ausnahme von C. trifascialis, wo n = 4 wurden von Mirbat, Al Hallaniyats und Masirah Island beprobt.
  • b Die Artenverteilung basiert auf einer regionalen Datenbank, die über 30 Jahre von R. Myers kuratiert wurde (siehe Anhang S2 von DiBattista, Roberts, et al., 2016), wurde jedoch modifiziert, um widerzuspiegeln, wo Arten funktionell im Vergleich zu seltenen Aufzeichnungen als Waisen vorhanden sind.

2.2 Ethik-Erklärung

Diese Forschung wurde in Übereinstimmung mit den Richtlinien und Verfahren der King Abdullah University of Science and Technology (KAUST) durchgeführt. Genehmigungen für Probenahmen in saudi-arabischen Gewässern wurden von der saudi-arabischen Küstenwache eingeholt. Es waren keine besonderen Genehmigungen erforderlich, da die Studie keine gefährdeten oder geschützten Arten umfasste. Wir waren nicht in der Lage, eine Ethikgenehmigung oder eine Verzichtserklärung zu erhalten, da zum Zeitpunkt der Sammlung innerhalb von KAUST keine Ethikkommission oder ein Ethikausschuss für die Arbeit mit Tieren existierte.

2.3 RAD-Sequenzierung

DNA wurde mit NucleoSpin Tissue Kits (Macherey-Nagel Düren) extrahiert. RAD-seq-Bibliotheken wurden nach Peterson, Weber, Kay, Fisher und Hoekstra (2012) unter Verwendung von 500 ng DNA pro Probe hergestellt. Die Bibliotheksvorbereitung und die Illumina-Sequenzierung werden in DiBattista, Saenz-Agudelo et al. (2017).

Die Sequenzen wurden demultiplext und auf Qualität gefiltert, wobei die process_radtags Pipeline in STACKS Vers. 1,44 (Catchen, Amores, Hohenlohe, Cresko & Postlethwait, 2011). Raw-Reads wurden von 101 bp auf eine gemeinsame Länge von 81 bp im FASTQ-Format getrimmt. Einzelne Reads mit Phred-Scores ≤ 20 (in einem 5-bp-Gleitfenster) oder mit mehrdeutigen Barcodes wurden verworfen. Alle Loci wurden separat Einzelpersonen unter Verwendung der denovo_map Pipeline in STACKEN. Obwohl ein annotiertes Schmetterlingsfisch-Genom verfügbar ist (Chaetodon austriacus DiBattista, Saenz-Agudelo, et al., 2017 ), sind die anderen in dieser Studie betrachteten Arten zu unterschiedlich, um eine ausreichende Anzahl von SNPs für diesen Vergleich zu gewinnen, und so verlassen wir uns in diesem Fall auf die De-novo-Assemblierung für alle Arten .

Für die hier vorgestellten Hauptanalysen haben wir eine Parameterkombination verwendet, die im Rahmen von DiBattista, Saenz-Agudelo, et al. ( 2017 ) bei denselben Rifffischarten: minimale Lesetiefe zum Erstellen eines Stapels (-m) = 3 zulässige Anzahl von Nichtübereinstimmungen zwischen den Stapeln vor dem Zusammenführen (-M) = 4 maximale Anzahl von Nichtübereinstimmungen beim Ausrichten von sekundären Lesevorgängen an primären Stapeln ( -N) = 2 maximal zulässige Anzahl von Nichtübereinstimmungen zwischen Loci beim Erstellen eines Katalogs (-n) = 2. Wir haben eine zusätzliche Datenfilterung unter Verwendung der „Population“-Komponente von STACKS durchgeführt und nur die Loci beibehalten, die die folgenden Kriterien erfüllten: (a) Minor Allelfrequenz > 0,05, (b) in mindestens n – 1 Population vorhanden (Populationen: –p) und (c) bei mindestens 80% der Individuen pro Population genotypisiert (Populationen: –r). Wir nutzten die „write_single_snp” und erzeugte eine.vcf-Datei mit den resultierenden Loci, um der Annahme unabhängiger Loci besser zu entsprechen. Die resultierende.vcf-Datei wurde mit PGDSPIDER in andere Programmeingabedateien umformatiert Vers. 2.0.5.1 (Lischer & Excoffier, 2012). Wir wiederholten diesen Vorgang, um einen Datensatz zu erstellen, der aus SNPs bestand, die von zwei der am engsten verwandten Arten geteilt wurden (C. austriacus und C. melapterus), um Muster intra- und interspezifischer genetischer Variation zu vergleichen. Paarweise FNS Werte wurden in STACKS mit dem Modul „populations“ unter Verwendung der Flag-Option „--fstats“ geschätzt.

2.4 Genetische Strukturanalysen

Wir haben das Ausmaß der Populationsstruktur für jede der 10 Arten bestimmt, indem wir die folgenden zwei Fragen beantwortet haben: (a) Gab es Hinweise auf einen eingeschränkten Genfluss basierend auf FNS Schätzungen und Clusteranalysen? und (b) wenn ja, entsprach diese Einschränkung einem der folgenden drei Modelle: Isolation durch Barriere (IBB, d. h. Vikariat), Isolation durch Abstand (IBD) oder Isolation durch Umgebung (IBE, d. h. Modelltests)? IBE bezieht sich auf Szenarien, in denen starke Unterschiede in den Umweltbedingungen zwischen den Standorten den effektiven Genfluss reduzieren.

Um die Ergebnisse von STRUCTURE zu ergänzen und die genetische Variation zwischen den Proben innerhalb jeder Spezies grafisch zusammenzufassen, führten wir eine Hauptkomponentenanalyse (PCA) der Genotyp-Kovarianzmatrix durch, um die genotypische Variation über die Proben hinweg zusammenzufassen. Wir haben dies mit der Funktion „glPca“ des R-Pakets ADEGENET (Jombart & Ahmed, 2011) gemacht. Wir haben auch eine Analyse, wie oben beschrieben, für einen kombinierten Datensatz der eng verwandten C. austriacus und C. melapterus. Frühere Arbeiten haben darauf hingewiesen, dass die Divergenz zwischen diesen beiden Arten erst kürzlich aufgetreten ist (Waldrop et al., 2016), und zusammen sind sie über den Bereich der Probenahmestellen für die in dieser Studie weit verbreiteten Arten verteilt.

2.5 Determinanten der genetischen Differenzierung vom Roten Meer bis zum Arabischen Meer

Für Arten, die Hinweise auf eine genetische Populationsstruktur zeigten, fuhren wir fort zu evaluieren, welche drei Modelle (IBB, IBD oder IBE) am besten paarweise erklärt werden FNS wie in Saenz-Agudelo et al. (2015). Unter CED und IBE sagen wir voraus, dass der Grad der Populationsdifferenzierung (gemessen als paarweise FNS) nimmt mit zunehmender geografischer oder umweltbedingter Entfernung zu. Wie in Wang ( 2013 ) erläutert, schließen sich diese Modelle nicht gegenseitig aus. Wenn also Umgebungsentfernungs- und geografische Entfernungsmatrizen nicht korreliert sind, ist es möglich, den relativen Beitrag jeder Variablen über multiple Matrixregression mit Randomisierung (MMRR) zu vergleichen. Unter IBB sagen wir voraus, dass sich die genetische Variation auf diskrete Weise ändert. Auch hier schließt sich IBB nicht gegenseitig von IBD und IBE aus, aber all diese Informationen können über MMRR visualisiert werden (z. B. Saenz-Agudelo et al., 2015).

Wir haben gerasterte Umweltinformationen aus der Bio-Oracle-Datenbank (Tyberghein et al., 2012) abgerufen, um die Umweltunterschiede zwischen unseren Probenahmestellen im Roten Meer bis zum Arabischen Meer zu charakterisieren. Konkret haben wir aggregierte Daten (vorwiegend zwischen 2002 und 2009) verwendet, die den Mittelwert und die Variabilität von Umweltvariablen in einer 5-Bogen-Minute beschreiben. Netz (

9km).Diese Variablen standen im Zusammenhang mit Klima (Meeresoberflächentemperatur, Wolkenbedeckung, photosynthetisch verfügbare Strahlung), Chemie (Salzgehalt, pH-Wert, gelöster Sauerstoff), Nährstoffen (Silikat, Nitrat, Phosphat, Calcit) und Produktivität (Chlorophyll A, diffuse Dämpfung). Um die Dimensionalität der Daten zu reduzieren, haben wir eine PCA basierend auf der Korrelation aller an unseren 14 Probenahmestellen gemessenen Umweltvariablen durchgeführt (Abbildung 2). Alle Variablen wurden logarithmisch transformiert und anschließend normalisiert, um einen Mittelwert von Null und Einheitsvarianz aufzuweisen.

Für jede Art berechneten wir die paarweise FNS und der paarweise Umgebungsabstand (der Abstand im PCA-Raum env) zwischen Orten. Da die geografische Entfernung zwischen Standorten auch die genetische Differenzierung innerhalb einer Art beeinflussen kann, haben wir die paarweise geografische Entfernung (Geo) zwischen den Proben in die Analysen einbezogen. Dieser Abstand entsprach der Länge des kürzesten, direkten Wasserweges zwischen zwei gegebenen Orten. Geografische Entfernungen wurden mit der Least-Cost-Distanz-Funktion („costDistance“) im R-Paket gdistance geschätzt (van Etten, 2017).

Darüber hinaus untersuchten wir den Einfluss von drei mutmaßlichen Barrieren für den Genfluss: (a) bei 17°N im Roten Meer, das als potenzielle Grenze zwischen Ökoregionen vorgeschlagen wurde (siehe Giles et al., 2015 Nanninga et al., 2014 Roberts et al., 2016 ), (b) die Straße von Bab Al Mandab und (c) das Monsun-Auftriebssystem im Arabischen Meer (siehe Nanninga et al., 2014 Saenz-Agudelo et al., 2015). Alle Barrieren wurden unabhängig und in Kombination betrachtet und als Faktor mit 0 bis 3 Stufen modelliert (was die Anzahl der Barrieren zwischen einem Paar von Standorten widerspiegelt). Sites innerhalb derselben Ebene befanden sich auf derselben Seite der Barriere und Sites innerhalb verschiedener Ebenen befanden sich auf verschiedenen Seiten einer bestimmten Barriere. Insgesamt wurden somit sieben Barrierevariablen eingeschlossen.

Wir haben 67 lineare Modelle erstellt, die alle biologisch plausiblen Variablenkombinationen (geo, env und sieben Barrierevariablen) umfassen. Quantitative Variablen wurden auf einen Mittelwert von 0 und eine Varianz von 1 skaliert. Für jedes Modell wurde das stichprobenkorrigierte Akaike-Informationskriterium (AICc) als AICc = AIC + 2 . berechnetK (K + 1)/(nK−1), wobei AIC = −2log-Likelihood + 2K (K = Anzahl der Parameter im Modell n = Anzahl der Beobachtungen). Die Modelle wurden dann nach steigendem AICc geordnet (Anderson, 2008). Für jede Art wurde dann das beste Modell ausgewählt und die statistische Signifikanz jedes Parameters wurde mittels MMRR geschätzt (Wang, 2013).

2.6 Prüfung auf Vorhandensein von Ausreißerorten

Wir haben OutFLANK durchgeführt, um zu testen, ob SNP-Loci Abweichungen von neutralen Erwartungen zeigen, was in einigen Fällen darauf hindeuten kann, ob genetische Divergenz mit adaptiven Prozessen verbunden ist (Whitlock & Lotterhos, 2015). Wenn verschiedene Arten homologe Loci haben, die von neutralen Erwartungen abweichen, könnte dies darauf hindeuten, dass ein gemeinsamer Anpassungsprozess die Divergenz zwischen den Arten fördert. Wir führten diese Analyse für beide Arten durch, die eine genetische Struktur aufwiesen (ct. striatus und C. trifascialis), sowie für die C. austriacus und C. melapterus kombinierter Datensatz. OutFLANK (wie in R implementiert) wurde verwendet, um die Verteilung von FNS Werte und identifizieren mutmaßliche Loci unter Auswahl (Whitlock & Lotterhos, 2015). Um die Nullverteilung von abzuschätzen FNS -Werte haben wir 5% der Loci vom unteren und oberen Ende des getrimmt FNS Bereich und umfasste nur die Loci mit einer Heterozygotie von mehr als 0,1. Wir haben einen Schwellenwert für die Rate falscher Entdeckungen von 0,05 verwendet, um zu berechnen Q-Werte beim Testen der Neutralität jedes SNP-Locus.

2.7 Rekonstruktion von Szenarien zur genetischen Differenzierung vom Roten Meer bis zum Arabischen Meer

Wir verwendeten eine modifizierte Version der Diffusions-Approximationsmethode, die in ∂a∂I implementiert wurde (Gutenkunst, Hernandez, Williamson, & Bustamante, 2009), um das gemeinsame Standort-Frequenz-Spektrum (JSFS) von Populationspaaren für Arten mit in der genetische Strukturanalysen. Wir haben den von Tine et al. ( 2014 ), die Modifikationen bezüglich der Annealing-Optimierung vor dem Broyden-Fletcher-Goldfarb-Shanno-Schritt beinhaltet, der nachweislich die globale Parameterkonvergenz verbessert. Andere Modifikationen umfassen den Einbau unterschiedlicher Migrationsraten über das Genom, wie von Tine et al. ( 2014 ) und Rougemont et al. (2017). Diese Analyse wurde nur für ct. striatus, C. trifascialis, ebenso wie C. austriacus und C. melapterus kombinierter Datensatz. Für diese Analysen haben wir Proben aus dem Roten Meer und Proben aus dem Indischen Ozean gruppiert, um die Anzahl der für die JSFS-Schätzung verwendeten Individuen zu erhöhen. Da PCA-Analysen von ct. striatus eine genetische Differenzierung zwischen Sokotra- und Oman-Proben vorgeschlagen, führten wir zusätzlich alle Modelle unabhängig voneinander nur mit Sokotra-Proben oder nur Oman-Proben als eindeutige Vertreter des Indischen Ozeans durch. Alle Skripte und Modellbeschreibungen sind verfügbar unter (https://github.com/QuentinRougemont/DemographicInference).

Hier haben wir unsere Analysen auf sieben Divergenzmodelle beschränkt, darunter strikte Isolation (SI), Isolation mit Migration (IM), antike Migration (AM) und sekundärer Kontakt (SC). Für IM, AM und SC haben wir jeweils zwei Optionen untersucht: (a) homogene Migration und (b) heterogene Migration entlang des Genoms (2M wie in Rougemont et al., 2017 beschrieben). Um die Konvergenz der Parameterschätzungen zu maximieren, wurde jedes Modell 20-mal so ausgeführt, dass der niedrigste AIC-Score beibehalten und zum Vergleich mit anderen Modellen sowie zum Schätzen von Modellparametern verwendet wurde.


ERGEBNISSE

Uferschnepfe überquert den Pazifischen Ozean

Wir haben den Herbstzug der Uferschnepfe simuliert ( Limosa lapponica baueri ) aus dem Brutgebiet in Westalaska und zu ihren Überwinterungsgebieten in Neuseeland ( Abbildung 1 ). Der Abflugort (61,4°N, 165,5°W) und die Anfangsrichtung (193°) waren das Fanggebiet der Vögel bzw. die mittlere Abflugrichtung von mit Satellitensendern markierten Uferschnepfen, wie in Gill et al. (2009). Das Ausreisedatum (21. September) war das mittlere Ausreisedatum aller im Jahr 2007 erfassten Personen (Gill et al. 2009). Die Abflugzeit wurde auf 17:00 Uhr Ortszeit festgelegt, die Flugdauer 9 Tage und die Fluggeschwindigkeit des Vogels 14,4 m/s (Pennycuick et al. 2013). Die Winddaten wurden für das 850 mbar Druckniveau entsprechend at

Uferschnepfe ( Limosa lapponica baueri ) Herbstzugroutensimulationen aus dem Brutgebiet in Westalaska mit einer anfänglichen Flugrichtung von 193° und einer Flugdauer von 9 Tagen. Das Überwinterungsgebiet ist Neuseeland. Routen werden vorgestellt für komplette Entschädigung und voller Drift Windunterstützung auf einer Mercator-Projektionskarte mit 15°-Raster. Hellblaue Kreise (250-km-Radius) zeigen eine enge Passage im äquatorialen Bereich zu Tabiteuea Island, Nukufetau und Howland Island (jeweils von Westen nach Osten) und zum Nordwesten von Neuseeland (Cape Reinga). Das magnetisches Loxodrome und das magnetoklinische Route sind nahezu deckungsgleich und aufgrund der anfänglichen Lagerbedingungen in der Abbildung nicht unterscheidbar (siehe Text für Details).

Uferschnepfe ( Limosa lapponica baueri ) Herbstzugroutensimulationen aus dem Brutgebiet in Westalaska mit einer anfänglichen Flugrichtung von 193° und einer Flugdauer von 9 Tagen. Das Überwinterungsgebiet ist Neuseeland. Routen werden vorgestellt für komplette Entschädigung und voller Drift Windunterstützung auf einer Mercator-Projektionskarte mit 15°-Raster. Hellblaue Kreise (250-km-Radius) zeigen eine enge Passage im äquatorialen Bereich zu Tabiteuea Island, Nukufetau und Howland Island (jeweils von Westen nach Osten) und zum Nordwesten von Neuseeland (Cape Reinga). Das magnetisches Loxodrome und das magnetoklinische Route sind nahezu deckungsgleich und aufgrund der anfänglichen Lagerbedingungen in der Abbildung nicht unterscheidbar (siehe Text für Details).

Die magnetoklinische Route stimmte fast mit der magnetischen Loxodrome-Route überein (mit beiden Windunterstützungsstrategien), und die beiden Routen waren auf der Karte nicht voneinander zu unterscheiden (Abbildung 1). Dies war einer der Grenzfälle für die magnetokline Route, bei der die anfängliche magnetische Peilung von

180° hatte demzufolge den scheinbaren magnetischen Neigungswinkel von

90° (siehe Diskussion für Details). Darüber hinaus wurden Volldriftrouten auf der Nordhalbkugel stark von Westwinden beeinflusst. Die stärksten Winde wurden auf den vollen Driftrouten zwischen 51° und 50° Breite mit einer mittleren Windgeschwindigkeit von 20,5 ± 2,2 m/s beobachtet. Die mittlere Windrichtung in diesem Gebiet betrug 232±8°, und als Folge davon erstreckten sich die vollen Driftrouten weiter nach Osten in Richtung der Westküste Nordamerikas, gewannen aber gleichzeitig an Geschwindigkeit. Tatsächlich war die Geschwindigkeit von Volldriftrouten für alle betrachteten Kompassmechanismen im Vergleich zu den vollständigen Kompensationsrouten immer höher ( Ergänzendes Material, Tabelle S1 ).

Wir haben unsere Routensimulationen mit Vogellandungen verglichen und ihre ersten Passagen im engen Land, die in Gill et al. (2009). Auf dieser Grundlage kamen wir zu dem Schluss, dass für diese Fallstudie nur vollständige Kompensationswege erfolgreich waren. Sowohl die magnetischen Loxodrome- als auch die magnetoklinischen Routen führten zu einer sehr engen Passage zum Cape Reinga (Nordwestspitze Neuseelands 34,43 ° S, 172,68° E) bei 20 bzw. 41 km. Darüber hinaus machten sie auch eine enge Passage zum Nukufetau-Atoll (Tuvalu 8,0 ° S, 178,5 ° E) in einer Entfernung von weniger als 136 km ( Abbildung 1 ). Obwohl das geografische Loxodrome und die Sonnenkompassroute in der vollständigen Kompensationsstrategie eine weiter entfernte Passage zur neuseeländischen Küste hatten, zeigten sie eine nähere Passage zu isolierten Inseln in der Nähe des Äquators (wie in Gill et al. 2009 berichtet), d , Tabiteuea (Gilbert Islands 1,35°S, 174,80°E Entfernung 129 km) bzw. Howland Island (0,81°N, 176,61°W 192 km) (Abbildung 1). Solche Entfernungen in einer Höhe von 1500 m sollten theoretisch die Möglichkeit bieten, das Land zu sehen und möglicherweise von den Vögeln verwendet werden, um ihren Standort zu bestimmen und möglicherweise die Richtung der Vektornavigation in Richtung ihres Ziels während des letzten Abschnitts des Zugflugs zum Ziel zu ändern Tor.

Im Fall der über den Pazifischen Ozean wandernden Uferschnepfen betrachteten wir die durch unsere Simulationen generierten vollständigen Driftrouten aus mehreren Gründen nicht als erfolgreich. Der erste war, dass alle simulierten Routen einschließlich der vollständigen Drift in den 9-Tage-Simulationen nicht den Breitengrad von Neuseeland erreichten ( Abbildung 1 ). Darüber hinaus waren alle Routen stark von Westwinden betroffen (siehe oben), sodass die Routen bei der Überquerung der Hawaii-Inseln viel weiter östlich lagen, während bei Gill et al. (2009) wurde berichtet, dass Vögel knapp über dem Archipel fliegen. Wir simulierten auch mehr Abfahrtsdaten, um der jahreszeitlichen Windvariabilität Rechnung zu tragen, und kamen zu dem Schluss, dass das oben beschriebene Szenario über Tage und Jahre hinweg mit vollständiger Kompensation konsistent war, obwohl die Routen mit einigen Unterschieden der Grundgeschwindigkeit immer die Breiten von Neuseeland kreuzten, während die vollen Driftrouten befanden sich fast nie in der Nähe des neuseeländischen Breitengrades oder zumindest weit von der neuseeländischen Ostküste entfernt, so dass die Vögel den Standort nicht leicht mit visuellen landbasierten Hinweisen, dh Landmarken, hätten erkennen können. Der einzige Fall, in dem vollständige Driftrouten erfolgreich waren, war, wenn die Fluggeschwindigkeit des Vogels über 18 m/s erhöht wurde. Allerdings waren solch hohe Fluggeschwindigkeiten nicht mit Feldmessungen an dieser Art, der Uferschnepfe, kompatibel ( Pennycuick et al. 2013 ), und die resultierende Bodengeschwindigkeit war viel höher als die von Telemetrie-Tags berichteten ( Gill et al. 2009 .). ). Daher werden Simulationen mit hohen Luftgeschwindigkeiten hier nicht berücksichtigt.

Obwohl nicht erfolgreich, waren vollständige Driftrouten immer schneller als die vollständige Kompensation (Ergänzungsmaterial, Tabelle S1). Obwohl die kompletten Ausgleichsstrecken eine Fahrgeschwindigkeit von etwa 15,5 m/s aufwiesen, lag die Fahrgeschwindigkeit der Volldriftstrecken bei bis zu 17,9 m/s ( Ergänzungsmaterial, Tabelle S1). Mithilfe von Telemetrie-Tags haben Gill et al. (2009) haben eine mittlere Grundgeschwindigkeit von 16,7 m/s gemessen, was ein Zwischenwert zwischen unseren Ergebnissen zwischen vollständiger Kompensation und vollständiger Driftroute ist. Dieses Ergebnis könnte darauf hindeuten, dass Vögel wahrscheinlich eine teilweise kompensierende Windunterstützungsstrategie verwendet haben (siehe Chapman et al. 2011 ). Auch eine Teilkompensationsstrategie stimmt mit der berichteten engen Passage über den hawaiianischen Archipel überein (vgl. Abbildung in Gill et al. 2009 ).

Wir haben in unseren Routensimulationen keine Beispiele gefunden, die möglicherweise mit den berichteten westlicheren Routen übereinstimmen könnten (Gill et al. 2009). Nur sehr wenige Strandschnepfen landen oder passieren in der Nähe von Neukaledonien, Papua-Neuguinea oder den Salomonen, bevor sie ihr Überwinterungsziel in Neuseeland erreichen. Solche Routen konnten in unserem Modell nur unter der Annahme einer oder beider der folgenden Strategien erstellt werden: 1) der Vogel überkompensiert die Auswirkungen der Winddrift auf der Nordhalbkugel, d Ausrichtung auf der Südhalbkugel bei überwiegend Ostwind (vgl. Definitionen in Chapman et al. 2011 ).

Große Bekassine-Migration von Europa nach Afrika und zurück

Wir haben die Herbst- und Frühjahrszugrouten der großen Bekassine simuliert Gallinago-Medien zwischen dem Brutgebiet in Schweden (63°N, 12°E) und dem Überwinterungsgebiet in Zentralafrika (1°S, 20°E). Die Abflugdaten (Herbstzug am 23. August 2009 und Frühjahrszug am 23. April 2010) waren die gleichen wie beim ersten Vogel in Klaassen, Alerstam et al. (2011 Ergänzungsmaterial). Für beide Simulationen wurde die Fluggeschwindigkeit des Vogels auf 20 m/s, Abflugzeit 17:00 Uhr, eingestellt, was zu einer Flugdauer von 4,5 Tagen führte. Die Windbedingungen wurden bei 700 mbar (d. h. durchschnittliche Höhe 3000 m) bestimmt. Die Abfahrtsrichtungen wurden durch Karten bestimmt, die in Klaassen, Alerstam, et al. (2011) und ungefähr auf 160° bzw. 2,5° für den Herbst- bzw. Frühlingszug geschätzt.

Sonnenkompass und magnetoklinische Routen waren die einzigen 2 erfolgreichen Navigationsstrategien während des Herbstzugs, wobei beide Windunterstützungsstrategien (Abbildung 2a) den Breitengrad 1°S in Zentralafrika in weniger als 4 Tagen überquerten. Die geographischen und magnetischen Loxodrome (mit beiden Windunterstützungsstrategien) landeten zu weit östlich des Überwinterungsgebietes und erreichten den Äquator an der somalischen Küste.

Große Schnepfe ( Gallinago-Medien ) simulierte Migrationsrouten zwischen dem Brutgebiet in Schweden (ausgefüllter schwarzer Punkt) und dem Überwinterungsgebiet in Zentralafrika (ausgefülltes schwarzes Quadrat). (a) Herbstzug 2009 und (b) Frühlingszug 2010, beide 4,5 Tage. Routen werden vorgestellt für komplette Entschädigung und voller Drift Windunterstützung auf einer Mercator-Projektionskarte mit 15°-Raster.

Große Schnepfe ( Gallinago-Medien ) simulierte Migrationsrouten zwischen dem Brutgebiet in Schweden (ausgefüllter schwarzer Punkt) und dem Überwinterungsgebiet in Zentralafrika (ausgefülltes schwarzes Quadrat). (a) Herbstzug 2009 und (b) Frühlingszug 2010, beide 4,5 Tage. Routen werden vorgestellt für komplette Entschädigung und voller Drift Windunterstützung auf einer Mercator-Projektionskarte mit 15°-Raster.

Während des Frühjahrszuges betrachteten wir nur die magnetokline Route mit vollständiger Kompensation als erfolgreich ( Abbildung 2b Zusatzmaterial, Tabelle S1). Obwohl diese Route nicht die erwartete Breite des Brutgebiets erreichte, erreichte sie Südschweden über die Ostsee von der polnischen Küste aus, die den Spuren ähnelten, die Klaassen, Alerstam et al. (2011) berichten in ihrer Studie. Darüber hinaus führte eine solche Route korrekt in Richtung des Nährbodens und hätte das Ziel in nur wenigen weiteren Simulationsstunden erreicht ( Abbildung 2b ). Sie war jedoch auch die einzige erfolgreiche Route mit durchschnittlichem Gegenwind und der niedrigsten Grundgeschwindigkeit der Gruppe ( Ergänzungsmaterial, Tabelle S1). Wenn die magnetoklinische Route einer Volldriftstrategie folgte, war sie schneller ( Ergänzungsmaterial, Tabelle S1) , hätte aber auch eine Kursänderung beim Erreichen der Ostsee benötigt, um nach Westen zum Brutgebiet zu weisen und nicht weiter zu Norden in höhere Breiten (Abbildung 2b). Dieser Kurswechsel sollte auch mit einem Wechsel von einer vollständigen Drift zu einer vollständigen oder teilweisen Kompensationsstrategie verbunden sein. Somit wäre die optimale magnetokline Route während der Frühjahrswanderung eine Kombination einer vollständigen Driftstrategie im ersten Teil der Reise mit einer driftkompensierten Strategie in höheren Breiten bei Annäherung an den Ostseeraum. Eine Route mit einer vollständigen Driftstrategie während des ersten Teils des Frühjahrszuges würde auch der von Klaassen, Alerstam et al. (2011) mit einer westlicheren Durchquerung der Sahara und einer sukzessiven Richtung Griechenland während der Mittelmeerüberquerung ( Abbildung 2b ).

Mit Ausnahme der magnetoklinischen Route waren alle anderen im Frühjahrszug betrachteten Navigations- und Windunterstützungsstrategien nur bis zum Ostseeraum plausibel. Von dort aus ist eine andere Peilung erforderlich, um in westlicher Richtung zum Brutgebiet in Schweden zu weisen ( Abbildung 2b ), weshalb diese Routen als nicht erfolgreich angesehen wurden.

Frühlingszug der Uferschnepfen in Nordeuropa

Wir haben die letzte Etappe des Frühjahrszuges der Uferschnepfe simuliert Limosa lapponica in Nordeuropa. Wir nutzten Informationen von Vögeln, die mit Tracking-Radar und optischem Entfernungsmesser beim Passieren von Südschweden (Lund, 55,7°N, 13,2°E) mit einer mittleren Richtung von 66° aufgezeichnet wurden. Die Routen wurden unabhängig voneinander simuliert, jedoch mit den gleichen Parametern für alle Beobachtungsjahre (1998–2001). Die Fluggeschwindigkeit betrug 14,4 m/s (Pennycuick et al. 2013) und die Flughöhe

1500 m (d. h. 850 mbar Luftdruck). Als Startzeit (23:00 Uhr) und Datum (1. Juni) der Simulation wurden die mediane Beobachtungszeit bzw. der mediane Beobachtungstag gemäß Green (2004) gewählt. Die Flugdauer wurde auf 4 Tage festgelegt.

Die Simulationen in den 4 aufeinanderfolgenden Jahren waren sehr ähnlich und die Windbedingungen hatten keinen dramatischen Einfluss auf die resultierenden Routen. Geografische und magnetische Loxodrome wurden beide als erfolgreiche Navigationsstrategien angesehen und waren mit Routen kompatibel, die am nächsten zum gemeldeten Brutgebiet für diese Art im zentralen nördlichen Teil Russlands führten (Abbildung 3). Die magnetischen Loxodrome-Routen wurden von der Bewegung des magnetischen Nordens wenig beeinflusst (d. h. 145 km in den 4 betrachteten Jahren) und endeten etwas östlicher als die geografischen Loxodrome. Keine der 2 Strategien erreichte das östlichere sibirische Brutgebiet.Es wird jedoch erwartet, dass die in Europa überwinternden Populationen nur den westlichen bis zentralen Teil des Brutgebiets in Russland erreichen.

(a–d) Uferschnepfe ( Limosa lapponica ) simulierte Routen des Frühjahrszuges beim Passieren von Südschweden (gefüllter schwarzer Punkt) in 4 aufeinanderfolgenden Jahren. Die Flugdauer beträgt 4 Tage. Routen werden vorgestellt für komplette Entschädigung und voller Drift Windunterstützung. Das Sonnenkompass Routen, die die Karte verlassen, enden im Nahen Osten oder Südasien und werden nicht gemeldet. Hellblaue Bereiche stellen den bekannten Brutplatz für die Art dar ( BirdLife International und NatureServe 2014 ). Die Routen werden auf einer gnomonischen Projektionskarte für die Breitengrade 50–90°N mit 15°-Raster dargestellt. Außerdem wird die Position des magnetischen Nordens (mN) für jede Simulation gezeigt.

(a–d) Uferschnepfe ( Limosa lapponica ) simulierte Routen des Frühjahrszuges beim Passieren von Südschweden (gefüllter schwarzer Punkt) in 4 aufeinanderfolgenden Jahren. Die Flugdauer beträgt 4 Tage. Routen werden vorgestellt für komplette Entschädigung und voller Drift Windunterstützung. Das Sonnenkompass Routen, die die Karte verlassen, enden im Nahen Osten oder Südasien und werden nicht gemeldet. Hellblaue Bereiche stellen den bekannten Brutplatz für die Art dar ( BirdLife International und NatureServe 2014 ). Die Routen werden auf einer gnomonischen Projektionskarte für die Breitengrade 50–90°N mit 15°-Raster dargestellt. Außerdem wird die Position des magnetischen Nordens (mN) für jede Simulation gezeigt.

Die Richtung der magnetoklinischen Routen wurde parallel zur isoklinischen Linie, wenn der anfängliche scheinbare Neigungswinkel der Route der lokalen magnetischen Neigung gleich wurde (

71°), und als Folge davon setzte sich die magnetokline Route in Russland ostwärts fort, wobei die isokline Linie im Breitenbereich von 51–57°N blieb, ohne die für diese Art erwarteten Brutstättenbreiten zu erreichen (Abbildung 3). Die Sonnenkompassrouten wurden durch die longitudinale Zeitverschiebung dramatisch beeinflusst, und die Peilungsänderung war so schnell, dass sie endete in Richtung Süden zu zeigen und fast keine Breite mehr von der Radarerfassungsposition zu gewinnen, von der aus wir unsere Simulationen starteten ( Abbildung 3 ).

Wanderung des Nördlichen Steinschmätzers von Grönland nach Westafrika

Wir haben die Herbstzugrouten für den Nördlichen Steinschmätzer simuliert Oenanthe oenanthe leucorhoa Abfahrt aus dem Brutgebiet auf der Insel Disko (Grönland, 69,3°N, 53,67°W) und Überwinterung in Westafrika. Abflugdatum und -zeit (6. September 1989, 23:00 Uhr Ortszeit) waren die mediane Beobachtungszeit in den Freisetzungsexperimenten von frei fliegenden Steinschmätzern, die in Ottosson et al. (1990) mit Vögeln mit einer mittleren Orientierung von 107°. Wir gingen davon aus, dass die Vögel nach dem Abflug 6 Tage und Nächte ununterbrochen mit einer konstanten Fluggeschwindigkeit von 10 m/s und einer Flughöhe von 3000 m (dh 700 mbar Luftdruck) flogen, was auch die profitabelste Höhe in Bulte et al . (2014) . Es wurde berichtet, dass der Steinschmätzer große Treibstoffreserven anlegt, die lange und kontinuierliche Flüge über den Atlantik ermöglichen ( Delingat et al. 2007 ) und es wurde vorgeschlagen, kontinuierlich über das offene Meer von Brutgebieten in Grönland zu Überwinterungsgebieten in Westafrika zu fliegen, ohne zu passieren Westeuropa im Herbst ( Thorup et al. 2006 ).

Sonnenkompass und magnetoklinische Routen mit vollständiger Windkompensation waren die einzigen erfolgreichen Strategien als Ergebnis unserer Simulationen. Beide Routen wurden von den Winden unterstützt und erreichten die marokkanische Küste in 3,5 bzw. 3,7 Tagen ( Ergänzendes Material, Tabelle S1 und Abbildung 4 ). Beim Driften mit den Winden durchquerten Sonnenkompass- und magnetoklinische Routen Island, Irland und die Iberische Halbinsel, wodurch der Vogel möglicherweise zum Auftanken an Land anhalten konnte. Dieser letztere Fall scheint auch eher der Migrationsstrategie kleiner Singvögel zu entsprechen, würde jedoch einen Kurswechsel in Südspanien erfordern, um das Überwinterungsgebiet in Nordostafrika erreichen zu können ( Abbildung 4 ). Daher betrachteten wir den skizzierten Weg im Vergleich zu den alternativen Mechanismen als nicht erfolgreich.

Simulierte Routen der Herbstwanderung für den Nördlichen Steinschmätzer Oenanthe Oenanthe Ausreise aus dem Brutgebiet in Grönland und Überwinterung in Westafrika. Die Flugdauer beträgt 6 Tage und ab dem Abflugdatum wird keine Haltezeit berücksichtigt. Routen werden vorgestellt für komplette Entschädigung und voller Drift Windunterstützung auf einer Mercator-Projektionskarte mit 15°-Raster.

Simulierte Routen der Herbstwanderung für den Nördlichen Steinschmätzer Oenanthe Oenanthe Verlassen des Brutgebietes in Grönland und Überwintern in Westafrika. Die Flugdauer beträgt 6 Tage und ab dem Abflugdatum wird keine Haltezeit berücksichtigt. Routen werden vorgestellt für komplette Entschädigung und voller Drift Windunterstützung auf einer Mercator-Projektionskarte mit 15°-Raster.

Die magnetischen Loxodrome-Routen mit beiden Windunterstützungsstrategien endeten in Nordafrika, das das Mittelmeer überquerte, an östlicheren Längengraden als das erwartete Überwinterungsgebiet. Das geografische Loxodrome, basierend auf der beobachteten anfänglichen Abflugrichtung, war mit beiden Arten der Windunterstützung völlig abseits einer plausiblen Route, durchquerte einen Teil Skandinaviens und endete in Asien in mittleren bis hohen Breiten ( Abbildung 4 ) weit entfernt vom normalen Überwinterungsbereich der Spezies.

Regenbrachvogelwanderung in Nordamerika

Wir haben den Frühlingszug des Regenbrachvogels simuliert Numenius phaeopus von der Delmarva-Halbinsel (37,39°N, 75,87°W, Virginia) abfliegen und einen Direktflug nach Nordkanada durchführen und sukzessive das Brutgebiet in Alaska erreichen. Daten für Simulationen wurden von Watts et al. (2008). Die anfängliche Flugrichtung von 313° wurde als Mittelwert der Loxodrome und der anfänglichen Orthodrompeilungen (314° bzw. 312°) der Route erhalten, die den Startort und die Passage entlang des südlichen Teils des Eriesees (dh Cleveland Bereich, vgl. Abbildung von Watts et al. 2008 ). Die Fluggeschwindigkeit wurde auf 15 m/s festgelegt, wie für andere Watvögel ähnlicher Größe (Pennycuick et al. 2013) angegeben, da der Wert von 9,8 m/s (durchschnittlich 6 Tage ununterbrochener Flug) in Watts et al. (2008) ist eine Unterschätzung aufgrund der Unsicherheit des Satellitensenders und der tatsächlichen Route des Vogels. Wir starteten die Simulation von Virginia aus am 23. Mai 2008 um 17:00 Uhr Ortszeit und setzten die Simulation 6 Tage lang fort, wodurch der Regenbrachvogel ohne Auftanken den oberen MacKenzie River (Kanada) erreichen konnte ( Watts et al. 2008 ). Die Windbedingungen wurden für das Druckniveau von 850 mbar ermittelt (

1500 m) für die gesamte Simulation.

Das geografische Loxodrome ergab die beste Route mit beiden Windunterstützungsstrategien und die einzige, die das Gebiet des MacKenzie River erreichte, wie in Watts et al. (2008) (Abbildung 5). Obwohl die magnetoklinischen Routen mit beiden Windunterstützungsstrategien nicht den ersten von Watts et al. Darüber hinaus waren magnetokline Routen am 19. Juli dem gemeldeten Endziel im Gebiet des Kuskokwim River (Alaska) am nächsten ( Watts et al. 2008 ) ( Abbildung 5 ). Die magnetoklinischen Routen zeigten auch den geringsten Unterschied in der Windunterstützung auf der Karte (Abbildung 5) mit identischer AGR von 1,1 ± 0,4 (Ergänzungsmaterial, Tabelle S1).

Regenbrachvogel ( Numenius phaeopus ) Frühjahrszugsimulation von der Delmarva-Halbinsel (Virginia) zum Brutgebiet in Alaska. Anfängliche Flugrichtung 313° und Flugdauer 6 Tage. Auf einer Mercator-Projektionskarte mit 15°-Raster werden Routen zur vollständigen Kompensation und vollständigen Driftwindunterstützung dargestellt. Endpunkte außerhalb der Karte für geografisches Loxodrome und magnetisches Loxodrome enden in der Arktis und werden in der Abbildung nicht ausgewiesen. Hellblaue Kreise stellen den oberen MacKenzie River (Kanada) und das Gebiet des Kuskokwim River (Alaska) dar, die die erste Station und das letzte Ziel des Vogels sind, der in Watts et al. (2008) bzw.

Regenbrachvogel ( Numenius phaeopus ) Frühjahrszugsimulation von der Delmarva-Halbinsel (Virginia) zum Brutgebiet in Alaska. Anfängliche Flugrichtung 313° und Flugdauer 6 Tage. Auf einer Mercator-Projektionskarte mit 15°-Raster werden Routen zur vollständigen Kompensation und vollständigen Driftwindunterstützung dargestellt. Endpunkte außerhalb der Karte für geografisches Loxodrome und magnetisches Loxodrome enden in der Arktis und werden in der Abbildung nicht ausgewiesen. Hellblaue Kreise stellen den oberen MacKenzie River (Kanada) und das Gebiet des Kuskokwim River (Alaska) dar, die die erste Station und das letzte Ziel des Vogels sind, der in Watts et al. (2008) bzw.

Die Sonnenkompassrouten gewannen an Breitengraden nicht viel und zeigten nach Westen aufgrund der schnellen Breitengradverschiebung, die dazu führte, dass die innere Uhr der Vögel im Vergleich zur Ortszeit zu früh war, was zu einer Änderung der Peilung führte, die gegen Ende des Jahres nach Südwesten endete Strecke (Abbildung 5). Andererseits zeigten die magnetischen Loxodrome-Routen schnell nach Norden und endeten in der arktischen Region, die für den angewandten Simulationszeitraum vom magnetischen Nordpol angezogen wurde (Abbildung 5).


Willkommen bei der Zeitschrift für Theoretische und Angewandte Informationstechnologie

Journal erhält Artikel in kontinuierlichem Fluss und wir werden Artikel aus einer Vielzahl von Disziplinen der Informationstechnologie berücksichtigen, die von der grundlegendsten Forschung bis hin zu den innovativsten Technologien reichen. Bitte reichen Sie Ihre Beiträge elektronisch in einem MSWord-, Pdf- oder kompatiblen Format an unser Einreichungssystem unter http://jatit.org/submit_paper.php ein, damit sie für die Veröffentlichung in der kommenden Ausgabe bewertet werden können. Diese Zeitschrift verwendet einen blinden Begutachtungsprozess. Bitte denken Sie daran, alle Ihre personenbezogenen Daten in das Manuskript aufzunehmen, bevor Sie es zur Begutachtung einreichen. Wir werden die erforderlichen Informationen an unserer Seite bearbeiten. Einreichungen bei JATIT sollten vollständige Forschungs-/Rezensionsarbeiten sein (richtig unter dem Haupttitel angegeben).

Der Forscher untersuchte viele bestehende Methoden zur Klassifizierung von IGP wie 7-Fries-Muster, 17-Wallpaper-Mustertheorien und Designansätze, die auf Prinzipien klassischer Gridding-Systeme basieren. Die vorgeschlagene Methodik schlägt ein System vor, das die Klassifizierung eines Musters (Sammlung von Einheitsmustern) und die Klassifizierung eines Designs (eine Sammlung von Gittern und geometrischen Attributen) entwerfen kann. Die Klassifizierung eines Musters besteht darin, das Basismuster der Einheit durch isometrische Transformationen (Translation, Spiegelung, Rotation und Gleitreflexionen) zu wiederholen, um ein Muster zu erzeugen, das als 7-Fries-Muster oder als 17-Tapeten-Muster klassifiziert werden kann. Die Klassifizierung eines Designs beinhaltet die Normalisierung der Gitter und Geometrien. In diesem Papier präsentierte der Forscher auch ein Argument, dass diese Mustertheorien reine Basismodelle sind. Dem Forscher ist es gelungen, eine neue Klassifikationsmethode zu entwickeln, die zu Recht durch geometrische und wissenschaftliche Analyse validiert wird. Dem Forscher ist es gelungen, eine Software zu entwickeln, die die Raster jedes IGP-Stern-/Rosetten-Designs zeichnet und deren Klassifizierung sofort anzeigt.


1. Einleitung

[2] Das Antarctic-Arctic Radiation-belt (Dynamic) Deposition-VLF Atmospheric Research Konsortium (AARDDVARK) ist ein globales Netzwerk von Radioempfängern, das für kontinuierliche Langstreckenbeobachtungen der unteren Ionosphäre in mittleren bis hohen Breitengraden entwickelt wurde. Das Netzwerk billiger, einfach zu installierender und wartungsfreundlicher Sensoren verwendet bereits vorhandene künstliche sehr niederfrequente Radiowellen (VLF), um Änderungen des Ionisationsniveaus in einer Höhe von ∼30–90 km kontinuierlich und mit hoher Zeitauflösung zu erkennen. Ziel des Netzwerks ist es, das Verständnis der Energiekopplung zwischen der Erdatmosphäre, der Sonne und dem Weltraum zu verbessern. Der als VLF bezeichnete Teil des elektromagnetischen Spektrums umfasst im Allgemeinen 3–30 kHz. Die meisten bodengestützten Beobachtungen im VLF-Band werden von den starken Impulssignalen dominiert, die von Blitzentladungen ausgestrahlt werden. Diese erzeugen eine beachtliche elektromagnetische Leistung von wenigen Hertz bis zu mehreren hundert Megahertz [ Magono, 1980], wobei der Großteil der Energie im VLF-Frequenzband abgestrahlt wird. Bei VLF werden solche Pulse als „Atmospherics“ oder einfach „Sferics“ bezeichnet. Neben Sferics können bei Frequenzen >10 kHz von Menschen verursachte Übertragungen von Kommunikations- und Navigationssendern in fast allen Teilen der Welt beobachtet werden.

[3] Der größte Teil der von künstlichen VLF-Sendern abgestrahlten Energie wird zwischen dem leitenden Boden (Land, Meer oder Eis) und dem unteren Teil der Ionosphäre gefangen und bildet den Erde-Ionosphären-Wellenleiter. Man sagt, dass sich solche Strahlung „subionosphärische“ ausbreitet, d. h. unter der Ionosphäre. Bei Wellenlängen von ca. 15 km (∼20 kHz) sind alle Antennen elektrisch kurz und damit strahlungsarm. Im Betrieb wird dies jedoch durch sehr hohe Eingangsleistungen ausgeglichen, was den Betrieb dieser Sender teuer macht. Als Ergebnis sind die Herstellung und der Betrieb von künstlichen VLF-Sendern im Allgemeinen militärischen Anforderungen geschuldet. Dennoch hat die wissenschaftliche Nutzung der Übertragungen dieser Stationen eine lange und erfolgreiche Geschichte. Nach der Erfindung des Sendens und Empfangens von Radiowellen [ Popov, 1896 ] Heaviside und Zwinger [ Zwinger, 1902] postulierte die Existenz dessen, was wir heute als Ionosphäre kennen, um die beobachtete Reflexion von Radiowellen zu erklären. Mit einer von entwickelten Technik Hollingworth [1926] VLF-Aufnahmen in Abhängigkeit von der Entfernung zu machen, zeigten VLF-Sendersignale ein Interferenzmuster, das mit theoretischen Schätzungen verglichen werden konnte [ Wochen, 1950]. Im subionosphärischen Wellenleiter beeinflussen die oberen und unteren Grenzen stark die Ausbreitungsbedingungen für die VLF-Wellen. Da sich der leitende Boden (Land, Meer oder Eis) im Wesentlichen mit der Zeit nicht ändert, ist es die obere Grenze, die den größten Teil der zeitlichen Variabilität in der Amplitude und Phase von vom Menschen verursachten Sendern, die von einem entfernten Ort aus beobachtet werden, bestimmt. Die obere Grenze des Wellenleiters ist die ionisierte D-Region bei ∼70–85 km und weist Variationen auf, die durch lokale Änderungen der Ionisationsraten in Höhen unterhalb der D-Region durch Weltraumwetterereignisse verursacht werden. Bei ungestörten Bedingungen ändern sich Amplitude und Phase von VLF-Aussendungen mit fester Frequenz auf konsistente Weise und somit können Weltraumwetterereignisse als Abweichungen von der „Ruhetagkurve“ erkannt werden. Für einen viel umfassenderen Überblick zu diesem Thema verweisen wir den Leser auf die Diskussion von Barr et al. [2000], das die Entwicklung von VLF-Funkwellenausbreitungsmessungen insbesondere in den letzten 50 Jahren hervorhebt.

[4] Um beobachtete Fluktuationen in einem empfangenen VLF-Signal zu interpretieren, ist es notwendig, die Charakteristiken der Abweichungen unter Verwendung mathematischer Beschreibungen der VLF-Wellenausbreitung zu reproduzieren [z. Sommerfeld, 1909 Budden, 1955 Warten, 1963 ] und bestimmen so die Ionisationsänderungen, die um die obere Wellenleitergrenze herum aufgetreten sind. Dies war die Herausforderung in den Anfängen des Themas. Vor rund 50 Jahren entstand das Frühwerk von Piggottet al. [1965] und Pitteway [1965] konzentrierte sich auf Beobachtungen von Einfrequenz-Funkverbindungen zwischen Rugby und Cambridge, Großbritannien, zum Beispiel die Beobachtungen von Bracewellet al. [1951] und Straker [1955] . Ein erfolgreicher Ansatz der Zeit war die Bestimmung des Höhenprofils der Elektronenkonzentration im D-Bereich unter Anwendung einer systematischen Anwendung von Versuch und Irrtum, um die Beobachtungen zu reproduzieren [z. Hollingworth, 1926 Deeks 1966a, 1966b]. Dieser Ansatz funktionierte am besten mit Beobachtungen bei vielen Frequenzen und Senderstandorten und vielen Empfangsstandorten, um die räumliche Struktur und das Elektronenkonzentrationshöhenprofil des Ionisationsverstärkungsbereichs zu bestimmen. Im Wesentlichen wird dieser Ansatz auch heute noch verwendet, wo Ionisierungseffekte auf die VLF-Wellenausbreitung mit leistungsfähigen Programmen wie dem Long Wave Propagation Code (LWPC) modelliert werden können [ Ferguson und Snyder, 1990]. LWPC modelliert die VLF-Signalausbreitung von jedem Punkt auf der Erde zu jedem anderen Punkt. Bei gegebenen Elektronendichteprofilparametern für die oberen Randbedingungen berechnet LWPC die erwartete Amplitude und Phase des VLF-Signals am Empfangspunkt. Der Code modelliert die Variation geophysikalischer Parameter entlang des Pfades als eine Reihe von horizontal homogenen Segmenten. Dazu bestimmt das Programm die Bodenleitfähigkeit, Dielektrizitätskonstante, die Orientierung des Erdmagnetfeldes in Bezug auf die Bahn und den Sonnenzenitwinkel in kleinen festen Abstandsintervallen entlang der Bahn. Bei gegebenen Elektronendichteprofilparametern für die oberen Randbedingungen für jeden Abschnitt entlang des Pfads berechnet LWPC die erwartete Amplitude und Phase des VLF-Signals am Empfangspunkt. Damit lässt sich die Veränderung der Ionosphäre bei durch das Weltraumwetter getriebenen Niederschlagsereignissen untersuchen und das von den präzipitierenden Partikeln erzeugte Elektronendichteprofil charakterisieren. Eine Einschränkung dieser Technik liegt in der Unfähigkeit zu bestimmen, ob der gesamte oder nur ein Teil eines Sender-Empfänger-Pfades durch die ausfallenden Partikel beeinflusst wird. Dies kann durch die Verwendung mehrerer, sich kreuzender Pfade und Daten von anderen Instrumenten (wie Riometern) oder Satellitenbeobachtungen überwunden werden.

[5] Obwohl in diesem Bereich der Wissenschaft bereits viel Arbeit geleistet wurde und viele Beobachtungen von Weltraumwettereffekten anhand von Daten aus vielen Jahren interpretiert wurden, haben wir jetzt den Vorteil direkter Satellitenbeobachtungen der in den Strahlungsgürteln auftretenden Bedingungen , Magnetosphäre und sogar in Sonnennähe, zusätzlich zu den leistungsstarken VLF-Modellierungsfunktionen. Somit sind wir in der Lage, Einzelpunkt-Satellitenmessungen von Weltraumwetterereignissen vor Ort zu verwenden, um die Beobachtungen des AARDDVARK-Netzwerks zu kontextualisieren. Daher können wir den Satellitenbeitrag erweitern und Schlüsselparameter angeben, die im „Satellitenbild“ fehlen, dh Dauer eines Ereignisses, Auftrittshäufigkeit, räumliche Struktur, Energiespektren, Energiefluss, je nachdem, was aus dem Weltraum am schwierigsten zu messen ist und welche kann durch Trial-and-Error-Analyse von AARDDVARK-Daten bestimmt werden.

[6] Aufgrund der Frequenzen, mit denen künstliche Marinesender senden, verbunden mit ihrer hohen Strahlungsleistung (typischerweise im Bereich von 50 kW bis 1 MW) und ihrem nahezu kontinuierlichen Betrieb sind sie hervorragend für die Fernerkundung geeignet der unteren Ionosphäre, wahrscheinlich die am wenigsten untersuchte Region der Erdatmosphäre. Diese Höhen (∼50–90 km) sind für Ballons zu hoch und für die meisten Satelliten zu niedrig, was In-situ-Messungen äußerst selten macht. In der D-Region wurden Raketen-Loft-Experimente durchgeführt, die jedoch aufgrund ihrer Natur nur eine begrenzte Abdeckung bieten können. Radiosondierungen, die bei Frequenzen >1 MHz (z. B. Ionosonden) durchgeführt werden, scheitern im Allgemeinen im D-Bereich, während sie erfolgreich für die Beobachtung der oberen Ionosphäre sind.Die niedrigen Elektronenzahldichten in Höhen der D-Region erzeugen schwache Reflexionen und daher Messschwierigkeiten, insbesondere nachts.

[7] Beobachtungen der Amplitude und/oder Phase von VLF-Übertragungen haben Informationen über die Variation des D-Bereichs sowohl räumlich als auch zeitlich geliefert. Ein Schema der subionosphärischen Ausbreitung ist in Abbildung 1 dargestellt. Die Art der empfangenen Funkwellen wird weitgehend durch die Ausbreitung zwischen den Grenzen zwischen Erde und Ionosphäre bestimmt [z. Kummer, 2000]. Sehr weitreichende Fernerkundung ist möglich diese Signale können Tausende von Kilometern von der Quelle entfernt empfangen werden, wie die Ergebnisse der veröffentlichten zeigen Runde et al. [1925] , Bichelet al. [1957] , Crombie [1964] und viele andere (wir verweisen den Leser auf die ausgezeichnete Zusammenfassung von Watt [1967, Kapitel 3]). Im Gegensatz dazu können inkohärente Streuradartechniken Messungen im D-Bereich und darüber durchführen [z. B. Turunenet al., 1996], sind jedoch auf im Wesentlichen Überkopfmessungen beschränkt. Durch die Verwendung mehrerer VLF-Kommunikationssender wurde ein gewisses Verständnis sowohl der unteren Ionosphäre während des Tages gewonnen [ McRae und Thomson, 2000 ] und die nächtliche untere Ionosphäre [ Thomsonet al., 2007 ], insbesondere in Bezug auf die genaue Modellierung durch Programme wie LWPC. Aufgrund der komplexen Natur der nächtlichen unteren Ionosphäre oder bei gestörten Bedingungen ist eine viel größere Anzahl von Sender-Empfänger-Pfade erforderlich. Die effizienteste und kostengünstigste Methode besteht darin, vorhandene Sender zu verwenden und eine große Anzahl von Empfängern einzusetzen [z. Bainbridge und Inan, 2003]. Wir erweitern diesen Ansatz auf ein breiteres Spektrum wissenschaftlicher Fragen mithilfe des VLF Reasearch Konsortia-Netzwerks, das vielversprechende Ergebnisse zu einer Reihe aktiver Themen der Weltraumwetterwissenschaft liefert, wie z : Solare Protonenereignisse, relativistischer Elektronenniederschlag, Abstieg von NOx aus thermosphärischen Höhen und Sonneneruptionen. Im Folgenden stellen wir jeden dieser Wissenschaftsbereiche der Reihe nach vor, bevor wir das AARDDVARK-Netzwerk im Detail und die jüngsten Beiträge beschreiben, die aus seinen Beobachtungen hervorgegangen sind. AARDDVARK-Datenvariationen können von mehreren Weltraumwettertreibern erzeugt werden. Mit dem Kontext, der von anderen bodengestützten und satellitengestützten Datensätzen bereitgestellt wird, sowie den Signaturen in den AARDDVARK-Beobachtungen selbst können wir jedoch den dominanten Weltraumwettertreiber bestimmen und uns daher auf die Physik der jeweiligen Situation konzentrieren. Dies wird unten beschrieben.

1.1. Solar-Proton-Ereignisse

[8] Prozesse auf der Sonne können Protonen auf relativistische Energien beschleunigen und so Solar Proton Events (SPE) erzeugen, auch bekannt als Solar Energetic Particle (SEP) Events. Es wird weiter argumentiert, ob die Beschleunigung durch den Röntgen-Flare-Freisetzungsprozess oder durch Sonnenwind-Schockfronten während koronaler Massenauswürfe getrieben wird [ Krucker und Lin, 2000 Caneet al., 2003]. Die hochenergetische Komponente dieser Protonenpopulation ist auf relativistischem Niveau, so dass sie die Erde innerhalb von Minuten nach Sonnenröntgenstrahlen erreichen können, die während jeglicher Sonneneruptionen erzeugt werden, die mit der Beschleunigung verbunden sein könnten. Satellitendaten zeigen, dass die beteiligten Protonen einen Energiebereich von 1 bis 500 MeV aufweisen, relativ selten vorkommen und eine hohe Variabilität in ihrer Intensität und Dauer aufweisen [ Shea und Smart, 1990]. Bei großen Ereignissen beträgt die Dauer typischerweise mehrere Tage, mit Anstiegszeiten von ∼1 h und einem langsamen Abfall auf normale Flusswerte danach [ Reeveset al., 1992]. SPE-Partikel können nicht die gesamte globale Atmosphäre erreichen, da sie teilweise vom Erdmagnetfeld geleitet werden, so dass ihr primärer Einfluss auf die polare Atmosphäre erfolgt. Der SPE-Effekt auf die VLF-Ausbreitung in den Polargebieten ist groß und wird oft als massive Dämpfung der Wellenamplituden über mehrere Tage beobachtet. Die Ereignisse können teilweise aufgrund ihrer engen zeitlichen Korrelation mit Satelliten-Protonenflussdaten (d. SPEs können erhebliche Veränderungen im chemischen Gleichgewicht der Atmosphäre verursachen, und derzeit wird daran gearbeitet, diese Effekte zu quantifizieren, wie unten beschrieben.

1.2. Relativistische Elektronenpräzipitation

[9] Auf geostationären Bahnen wurde festgestellt, dass geomagnetische Stürme durch ein komplexes Zusammenspiel zwischen konkurrierenden Beschleunigungs- und Verlustmechanismen signifikante Variationen in den relativistischen Elektronenflüssen des eingeschlossenen Strahlungsgürtels verursachen. Reeves [1998] fanden heraus, dass geomagnetische Stürme alle möglichen Reaktionen in den Flussniveaus des äußeren Gürtels hervorrufen, d. h. Flusszunahmen (53%), Flussabnahmen (19%) und keine Änderung (28%). Das Verständnis des Verlustes relativistischer Elektronen ist ein Schlüsselelement zum Verständnis der Dynamik der energetischen Strahlungsgürtel. Flussabnahmeereignisse beginnen normalerweise im Vormitternachtssektor (1500–2400 MLT) und zeigen typischerweise eine Abnahme des >2 MeV-Elektronenflusses innerhalb weniger Stunden nach Beginn, gefolgt von einer längeren Periode mit niedrigem Fluss, die auf einen permanenten Elektronenverlust hindeutet. Ein wesentlicher Verlustmechanismus, der eingefangene relativistische Elektronen aus den Strahlungsgürteln entfernt, ist die relativistische Elektronenniederschlagung (REP) in die Atmosphäre. Es wurde beobachtet, dass REP verschiedene Formen annimmt, von denen eine relativistische Mikrobursts sind, bei denen es sich um stoßartige Niederschlagsereignisse von kurzer Dauer (<1 s) handelt, die Elektronen mit einer Energie von >1 MeV enthalten [ Imhofet al., 1989 Blakeet al., 1996 ], sowie eine andere Form, bei der es sich um verlängerte Niederschläge von Minuten bis Stunden handelt [ Millanet al., 2002]. Die relativen Bedeutungen der Verlustmechanismen werden derzeit untersucht. Der REP-Effekt auf die VLF-Ausbreitung in den Polarregionen ist sehr variabel, da er entweder eine Zunahme oder Abnahme der Amplitude oder Phase oder beides aufweist, und daher schwierig zu bestimmen, ob REP allein aus den Daten auftritt. Diese Ereignisse können jedoch teilweise an ihrer engen zeitlichen Korrelation mit erhöhten geomagnetischen Aktivitätsindizes erkannt werden, wo sie häufig mit plötzlich einsetzenden Signaturen auftreten, und teilweise an dem Fehlen koinzidenter SPE-Effekte in den AARDDVARK-Daten.

1.3. Abstieg von NOx Aus thermosphärischen Höhen

[10] Winterzeit polar ungerade Stickstoff, NOx (NEIN + NEIN2), wird in großen Höhen in der Thermosphäre und der Mesosphäre produziert. In Zeiten eines effizienten vertikalen Transports innerhalb des Polarwirbels wird das NOx kann in die Stratosphäre absteigen [ Salomo et al., 1982a Siskind, 2000]. In der oberen Mesosphäre ist das NOx ist hauptsächlich in Form von NO als NOx absteigend wird es in NO . umgewandelt2 [ Salomo et al., 1982a]. NEINx spielt eine Schlüsselrolle im Ozonhaushalt der mittleren Atmosphäre, da es ungeraden Sauerstoff (O + O3) durch katalytische Reaktionen [z. B. Brasseur und Solomon, 2005 , S. 291–299]. Harte energetische Teilchenpräzipitation (EPP) in die Mesosphäre (die eine signifikante Population von >100 keV Elektronen und >1 MeV Protonen umfasst) und weichere EPP in die Thermosphäre (<100 keV Elektronen) erzeugen in situ Verstärkungen in ungeradem Stickstoff. Die mesosphärische Quelle wird von starken impulsiven Ionisationsepisoden wie solaren Protonenereignissen dominiert [ Verronenet al., 2005 ], während die thermosphärische Quelle kontinuierlicher ist und von Polarlichtionisation dominiert wird [ Siskind, 2000]. Durch die Ionisation der neutralen Atmosphäre getriebene chemische Veränderungen beeinflussen das Ozonprofil sowohl in der Mesosphäre als auch in der Stratosphäre und damit die stratosphärischen Temperaturen und Dynamiken. Daher ist die Beobachtung signifikanter NOx-Niveaus in der polaren Atmosphäre ein Thema bedeutender Debatten im Hinblick auf den atmosphärischen Antrieb.

[11] Die Ausbreitung von subionosphärischen VLF-Funkwellen reagiert empfindlich auf Ionisationen unterhalb von etwa 90 km, einschließlich derjenigen, die durch die Ionisation von absteigendem NO . erzeugt werdenx von Lyman-α [ Salomo et al., 1982b]. Aus den Änderungen der ionosphärischen Ausbreitungsbedingungen während der Winterperiode können Elemente des AARDDVARK-Netzwerks verwendet werden, um die Niveaus von mesosphärischem NO . zu bestimmenx entweder durch in-situ-Produktion oder Abstieg aus der Thermosphäre. Die Wirkung von NOx Ionisationsverstärkungen bei der VLF-Ausbreitung in den Polarregionen sind je nach untersuchtem spezifischen Ausbreitungsweg variabel. Auf vielen Wegen der Einfluss von NO .-Änderungenx ist klein und praktisch nicht nachweisbar. Auf einigen Pfaden gibt es jedoch subtile mehrtägige Änderungen in der Ruhetagkurve, die mit Änderungen der chemischen Zusammensetzungsmessungen von Satelliten wie ENVISAT und SABRE zusammenfallen. Außerdem ist das NOx Der Abstiegseffekt hält ∼10 Tage an und ist daher leicht von anderen viel kurzlebigeren Faktoren (z. B. Partikelniederschlag) zu unterscheiden. Die Kombination von Satelliten- und AARDDVARK-Daten hat das Verständnis des Ereignistimings und der Höhenauflösung verbessert.

1.4. Solar-Röntgenfackeln

[12] Während Sonneneruptionen nimmt der von der Erde empfangene Röntgenstrahl dramatisch zu, oft innerhalb weniger Minuten, und fällt dann in Zeiten von einigen zehn Minuten bis zu mehreren Stunden wieder ab. Diese Röntgenstrahlen haben große Auswirkungen in der oberen Erdatmosphäre, werden jedoch absorbiert, bevor sie den Boden erreichen. Röntgendetektoren auf den GOES-Satelliten zeichnen seit etwa 1976 die Flüsse von Sonneneruptionen auf. Während der allergrößten Flares, wie der großen Flare vom 4. der maximale Röntgenfluss. Flare-induzierte Ionosphärenänderungen zeigen jedoch keine Sättigungseffekte, wodurch die Ionosphäre als riesiger Detektor verwendet werden kann. Messungen von VLF-Phasenänderungen, die von Elementen des AARDDVARK-Netzwerks überwacht wurden, wurden verwendet, um die GOES-Röntgenflüsse (0,1–0,8 nm) über die Sättigung hinaus zu extrapolieren, z nach Dunedin, Neuseeland [ Thomsonet al., 2004]. Der Röntgen-Flare-Effekt auf die VLF-Ausbreitung in den Polarregionen kann aufgrund ihrer engen zeitlichen Korrelation mit erhöhten Röntgenflüssen, die von Satelliten (z. B. GOES) berichtet werden, erkannt werden. Die Phasenänderungen, die durch die durch die Flares erzeugte zusätzliche Ionisation verursacht werden, korrelieren besonders gut mit den Flare-Flussniveaus, und daher werden Phasenänderungen in AARDDVARK-basierten Studien gegenüber Amplitudenänderungen bevorzugt verwendet.

[13] In diesem Papier beschreiben wir das AARDDVARK-Netzwerk im Detail, heben die bisherige wissenschaftliche Arbeit und die Fortschritte auf den Gebieten der Weltraumwetterforschung hervor. Wir beschreiben auch das Potenzial für die Integration mit anderen experimentellen Datensätzen und die Kopplung mit atmosphärischen Modellierungsanstrengungen.


Surfshark und Netflix

Abhängig von Ihrem Wohnort können Ihnen Video-Streaming-Dienste wie Netflix unterschiedliche Inhalte bereitstellen. Mit einem VPN können Sie Ihren Standort fälschen, indem Sie zu einem entfernten VPN-Standort springen, um auf Inhalte zuzugreifen, die zu Hause nicht verfügbar sind. Genau aus diesem Grund blockiert Netflix die Nutzung von VPNs aggressiv.

Glücklicherweise sollte das bei Surfshark kein Problem sein. Ich hatte keine Probleme beim Streamen von Netflix, während ich mit einem US-VPN-Server verbunden war. Denken Sie jedoch daran, dass Netflix in einem Katz-und-Maus-Spiel mit VPN-Unternehmen gefangen ist. Ein Service, der heute funktioniert, funktioniert morgen möglicherweise nicht mehr.


Einführung

Die Ausrottung der Rindertuberkulose (bTB), verursacht durch Mycobacterium bovis, von Rindern an vielen Standorten weltweit, wird durch endemische Herde der Krankheit bei freilebenden Wildtieren erschwert (Gortazar et al., 2011, Gortazar et al., 2015a, O'Brien et al., 2011a, Wilson et al., 2011 ). Im Allgemeinen waren Länder mit einem dokumentierten Wildtierreservoir nicht erfolgreich bei der Ausrottung M. bovis aus Nutztieren (Palmer, 2007), obwohl es bemerkenswerte Ausnahmen gibt (Corner, 2007, Livingstone et al., 2009). Insbesondere dort, wo Wildtierunterhaltswirte öffentlich geschätzt werden (O’Brien et al., 2011b), werden die Kontrollmöglichkeiten der bTB oft durch soziale und wirtschaftliche Faktoren eingeschränkt (Carstensen et al., 2011). Die Umsetzung biologisch solider, aber öffentlich umstrittener Managementmaßnahmen und deren Aufrechterhaltung durch wechselnde politische Verwaltungen über einen ausreichenden Zeitraum, um epidemiologisch wirksam zu sein, ist oft nicht einfach (Rudolph et al., 2006, Brown und Middleton, 2012).

Dies ist der Fall in Michigan, USA, wo freilaufende Weißwedelhirsche (WTD Odocoileus virginianus) sind sowohl wirtschaftlich wichtig und öffentlich geschätzt als auch der Unterhaltswirt der bTB (O’Brien et al., 2006, O’Brien et al., 2011a). Neuere Simulationsmodelle haben die Intensität und Dauer von Kontrollmaßnahmen geklärt, die wahrscheinlich notwendig sind, um bTB aus WTD auszurotten (Cosgrove et al., 2012, Ramsey et al., 2014). Diese Ergebnisse deuten darauf hin, dass die derzeitigen bTB-Managementstrategien des Michigan Department of Natural Resources (MDNR), die hauptsächlich aus liberalisierten Möglichkeiten für die Jagd durch Jäger in Kombination mit Einschränkungen bei der Fütterung und Köderung 1 von Hirschen bestehen, bTB wahrscheinlich nicht aus dem Kernausbruchsgebiet ausrotten werden (Hirsch Management Unit [DMU] 452) innerhalb der nächsten drei Jahrzehnte. Während eine Ausrottung innerhalb von dreißig Jahren durch eine deutliche Erhöhung der Jägerernte, die Beseitigung von Wildködern und/oder durch Massenimpfung möglich ist, ist die Fähigkeit von MDNR, die wahrscheinlich notwendige Zusammenarbeit von Jägern zu entlocken, zweifelhaft (Rudolph und Riley, 2014). . Simulationen deuten jedoch auch darauf hin, dass selbst bescheidene Erntesteigerungen wahrscheinlich die Prävalenz von bTB in WTD schnell reduzieren (Ramsey et al., 2014, Abb. 3, 4). Obwohl das erklärte Ziel des Managements nach wie vor die „Ausrottung der Rindertuberkulose in Michiganhirschen“ (Engler, 1998) bleibt, ist es vernünftig zu fragen, ob, wenn die für eine vollständige Ausrottung erforderliche öffentliche Unterstützung nicht erreicht werden kann, ein gewisses Maß an BTB-Kontrolle, die nicht ausgerottet werden kann die Übertragung von Hirschen auf Rinder auf einige ausreichend reduzieren de minimis Niveau. Wenn ein solches Niveau erreicht werden könnte, könnten die negativen Auswirkungen von bTB auf die Rinderindustrie verringert oder beseitigt werden, während gleichzeitig Entscheidungsträgern ermöglicht wird, die negativen politischen und wirtschaftlichen Folgen einer deutlicheren Reduzierung der WTD-Zahlen zu vermeiden (Rudolph et al., 2006).

Folglich haben wir unser bestehendes räumlich-explizites, individuenbasiertes stochastisches Simulationsmodell der bTB-Übertragung in WTD um die Übertragung auf Rinder erweitert. Unsere Ziele waren (1) die Auswirkungen der Impfung und der erhöhten Jägerernte von WTD auf die Infektions-(Zusammenbruchs-)Raten von Rinderherden aufgrund von bTB zu charakterisieren (2) die Auswirkungen der lokalisierten Keulung oder Impfung von WTD in der Nähe von Rinderfarmen auf Ausfallquoten (3) bewerten die Auswirkungen der gleichzeitigen Beköderung von Hirschen (die Verwendung von Lebensmitteln zur Unterstützung der Hirschjagd) auf (1) und (2) und (4) bestimmen die Auswirkungen einer fortschreitenden Einschränkung des Kontakts zwischen WTD und Rindern auf die Rate der Herdenausfälle. Das Modell wurde verwendet, um die wahrscheinlichen Auswirkungen einer erhöhten Jägerernte von Hirschen, der Impfung von Hirschen und der Keulung oder Impfung von Hirschen in der Nähe von Betrieben auf die Anzahl der Rinderherdenzusammenbrüche in DMU 452 und die Wahrscheinlichkeit von Nullausfällen in zu simulieren ein bestimmtes Jahr.