Más

Correlación entre un ráster y un dataset de puntos

Correlación entre un ráster y un dataset de puntos


Tengo una superficie interpolada (en forma de ráster) con valores de temperatura y también tengo las medidas de temperatura en ciertas ubicaciones que pertenecen a la misma región (con el ráster). Quiero trazar en un diagrama de dispersión la relación entre el ráster (valores estimados) y las medidas (valores observados) y calcular la correlación entre los dos conjuntos de datos y también la línea que mejor describe la relación entre los dos conjuntos de datos.

¿Alguna idea de cómo puedo hacer esto en ArcMap o QGIS?


La forma más fácil como sugiere @Erica es hacer el análisis de correlación en Excel. Para hacer eso, necesita tener los datos.

En QGIS, esto es fácil de conseguir con el complemento Point Sampling Tool. Instale esto a través del administrador de complementos, agregue su ráster y sus puntos al mapa, y la herramienta se puede usar para crear un nuevo conjunto de datos con los datos asociados. Puede exportar la tabla de atributos de los puntos de la tabla de dos maneras: copiándolos de la vista de tabla y pegándolos en Excel; o guardar el archivo como CSV (ambas formas se describen en esta pregunta de GIS SE).

ArcGIS hará lo mismo con la herramienta Extraer valores a puntos. Luego, puede guardar la tabla del conjunto de datos de salida. Desafortunadamente, requiere una licencia de Spatial Analyst, por lo que es mejor que opte por QGIS.


Grafique sus datos extraídos a la tabla de puntos, para hacer un gráfico XY (gráfico de vista). El gráfico tiene la opción 'Ajuste de curva'.


Correlación entre un ráster y un dataset de puntos - Sistemas de información geográfica

Especificación de formato GeoTIFF

Última modificación: 13 de julio de 1995

1.1 Acerca de esta especificación

1.2.1 Nomenclatura de revisión

1.2.4 Cambios organizativos

1.2.5 Cambios en los requisitos

1.2.6 Agenda para el desarrollo futuro

1.3.1 Información y soporte

1.3.2 Claves y códigos privados

1.3.3 Revisiones propuestas a GeoTIFF

2.2 Consideraciones de diseño de GeoTIFF

2.3 Requisitos del software GeoTIFF

2.4 Archivo GeoTIFF y estructura "clave"

2.5 Sistemas de coordenadas en GeoTIFF

2.5.1 Espacio del dispositivo y GeoTIFF

2.5.2 Sistemas de coordenadas ráster

2.5.3 Modelos de sistemas de coordenadas

2.5.3.1 Sistemas de coordenadas geográficas

2.5.3.2 Sistemas de coordenadas geocéntricas

2.5.3.3 Sistemas de coordenadas proyectadas

2.5.3.4 Sistemas de coordenadas verticales

2.6 Transformaciones de coordenadas

2.6.1 Etiquetas GeoTIFF para transformaciones de coordenadas

2.6.2 Libro de cocina para definir transformaciones

2.7.2 GeoKeys GeoTIFF para codificación geográfica

2.7.3 Libro de recetas para datos de codificación geográfica

3.1.1. Foto aérea proyectada por UTM

3.1.3. Carta aeronáutica cónica conformada de Lambert

3.1.4. Mapa gráfico de trama DMA ADRG

3.2.1. Foto aérea no rectificada, puntos de unión conocidos, en grados.

3.2.3. Modelo de elevación digital

6.2.1 Claves de configuración de GeoTIFF

6.2.2 Teclas de parámetros de CS geográficos

6.2.3 Teclas de parámetros CS proyectadas

6.3.1 Códigos generales de GeoTIFF

6.3.2.1 Códigos de tipo de CS geográficos

6.3.2.2 Códigos de referencia geodésicos

6.3.2.4 Códigos de meridiano primario

6.3.3.1 Códigos de tipo CS proyectados

6.3.3.3 Códigos de transformación de coordenadas

6.3.4.1 Códigos de tipo CS verticales

6.3.4.2 Códigos de referencia CS verticales

Niles Ritter, Laboratorio de propulsión a chorro

Grupo de aplicaciones cartográficas

Mike Ruth, SPOT Image Corp

Grupo de desarrollo de productos

Mike Ruth, Niles Ritter, Ed Grissom, Brett Borup, George Galang,

John Haller, Gary Stephenson, Steve Covington, Tim Nagy,

Jamie Moyers, Jim Stickley, Joe Messina, Yves Somer.

Consejos adicionales de las discusiones con Tom Lane, Sam Leffler con respecto a las implementaciones de TIFF.

Roger Lott, Fredrik Lundh y Jarle Land proporcionaron información valiosa

en cuanto a proyecciones, bases de datos de código de proyección y geodésica.

(envíe el mensaje "subscribe geotiff your-name-here").

Descargos de responsabilidad y notas para esta versión:

Esta propuesta no ha sido aprobada por SPOT, JPL ni ninguna otra organización. Esto representa una propuesta, que se deriva de muchas discusiones entre un organismo internacional de usuarios y desarrolladores de TIFF.

Los autores y sus patrocinadores no asumen ninguna responsabilidad por cualquier consecuencia especial, incidental, indirecta o de cualquier tipo, o cualquier daño que resulte de la pérdida de uso, datos o ganancias, sea o no advertido de la posibilidad de daño, y sobre cualquier teoría de responsabilidad, que surja de o en conexión con el uso de esta especificación.

Partes de esta especificación están protegidas por derechos de autor por Niles Ritter y Mike Ruth. Se otorga permiso para copiar sin cargo todo o parte de este material siempre que las copias no se hagan o distribuyan para una ventaja directa o comercial y aparezca este aviso de derechos de autor.

Aldus y Adobe son marcas comerciales registradas y TIFF es una marca comercial registrada de Aldus Corp, ahora propiedad de Adobe. SPOT Image, ESRI, ERDAS, ARC / Info, Intergraph y Softdesk son marcas comerciales registradas. Concurrencia

Los siguientes miembros del grupo de trabajo GeoTIFF han revisado y aprobado esta revisión.

Nombre de la organización que representa

Laboratorios de propulsión a chorro Niles Ritter JPL Carto Group

Mike Ruth SPOT Image Corp (EE. UU.) SPOT Image Corp (EE. UU.)

1.1 Acerca de esta especificación

Esta es una descripción de una propuesta para especificar el contenido y la estructura de un grupo de conjuntos de etiquetas estándar de la industria para la gestión de imágenes ráster georeferenciadas o geocodificadas utilizando el formato de archivo de imagen etiquetada (TIFF) de dominio público de Aldus-Adobe.

Esta especificación sigue de cerca la organización y estructura del documento de especificación TIFF.

TIFF se ha convertido en uno de los formatos de archivo de trama más populares del mundo. Pero TIFF sigue siendo limitado en aplicaciones cartográficas, ya que actualmente no existe en el dominio público una estructura estable y disponible públicamente para transmitir información geográfica.

Existen varias soluciones privadas para registrar información cartográfica en etiquetas TIFF. Intergraph tiene una implementación de etiquetas geotie madura y sofisticada, pero esto permanece dentro del conjunto de etiquetas TIFF privado registrado exclusivamente en Intergraph. Otras empresas (como ESRI e Island Graphics) tienen soluciones geográficas que también son propietarias o están limitadas por una aplicación específica a la arquitectura de su software.

Muchas empresas de SIG, proveedores de datos ráster y sus clientes han solicitado que las empresas interesadas en la entrega y explotación de imágenes geográficas ráster desarrollen un estándar interoperable de plataforma disponible públicamente para el soporte de imágenes TIFF geográficas. Dichas imágenes TIFF se originarían a partir de plataformas de imágenes satelitales, plataformas aéreas, escaneos de fotografías aéreas o mapas en papel, o como resultado de análisis geográficos. Las imágenes TIFF que fueran compatibles con el conjunto de etiquetas público "geotie" podrían leerse y colocarse correctamente en cualquier sistema de cartografía digital o GIS que admita el estándar "GeoTIFF", como se propone en este documento.

Los ahorros para los usuarios y proveedores de datos ráster y software de explotación son potencialmente significativos. Con un archivo GeoTIFF interoperable de plataforma, las empresas podrían dejar de gastar recursos de desarrollo excesivos en el soporte de todos y cada uno de los formatos patentados que se inventan. Los proveedores de datos pueden producir productos de imágenes listos para usar que se pueden entregar en el formato TIFF "genérico" rápidamente y posiblemente a un costo menor. Los usuarios finales tendrán la ventaja de un software desarrollado que explota las etiquetas GeoTIFF de forma transparente. Lo más importante es que la misma imagen TIFF ráster que puede leerse y modificarse en un entorno SIG puede ser igualmente explotable en otro entorno SIG sin requerir ninguna operación de duplicación o importación / exportación de archivos.

Los esfuerzos iniciales para definir una especificación "geotie" TIFF comenzaron bajo el liderazgo de Ed Grissom en Intergraph y otros a principios de la década de 1990. En 1994, Niles Ritter en JPL creó y mantuvo una lista de correo formal de GeoTIFF, que rápidamente creció a más de 140 suscriptores del gobierno y la industria. El propósito de la lista es discutir los objetivos e intereses comunes en el desarrollo de un estándar GeoTIFF para toda la industria, y culminó en una conferencia en marzo de 1995 organizada por SPOT Image, con representantes de USGS, Intergraph, ESRI, ERDAS, SoftDesk, MapInfo, NASA / JPL, y otros, en los que se esbozó la propuesta de trabajo actual para GeoTIFF. El esquema fue condensado en un documento de especificación GeoTIFF preliminar por Niles Ritter y Mike Ruth de SPOT Image. Después de las discusiones con el Dr. Roger Lott del European Petroleum Survey Group (EPSG), el método de parametrización de proyección GeoTIFF se modificó ampliamente y se implementó compatibilidad con el modelo POSC Epicenter y los enfoques de metadatos del Comité Federal de Datos Geográficos (FGDC).

La especificación GeoTIFF define un conjunto de etiquetas TIFF proporcionadas para describir toda la información "cartográfica" asociada con las imágenes TIFF que se originan en sistemas de imágenes satelitales, fotografías aéreas escaneadas, mapas escaneados, modelos digitales de elevación o como resultado de análisis geográficos. Su objetivo es permitir medios para vincular una imagen de trama a un espacio modelo conocido o proyección de mapa, y para describir esas proyecciones.

GeoTIFF no pretende convertirse en un reemplazo de los estándares de intercambio de datos geográficos existentes, como el estándar USGS SDTS o el estándar de metadatos FGDC. Más bien, su objetivo es aumentar un formato de datos ráster popular existente para admitir información de georreferenciación y geocodificación.

Las etiquetas documentadas en esta especificación deben considerarse completamente ortogonales a las descripciones de datos ráster de la especificación TIFF y no imponen restricciones sobre cómo se interpretarán las etiquetas TIFF estándar, qué espacios de color o tipos de compresión se utilizarán, etc. .

GeoTIFF cumple totalmente con las especificaciones TIFF 6.0, y sus extensiones no van en contra de las recomendaciones de TIFF, ni limitan el alcance de los datos ráster admitidos por TIFF.

GeoTIFF utiliza un pequeño conjunto de etiquetas TIFF reservadas para almacenar una amplia gama de información de georreferenciación, que incluye UTM, US State Plane, National Grids, ARC, así como los tipos de proyección subyacentes como Transverse Mercator, Geographic, Lambert Conformal Conic, etc. No se almacena información en estructuras privadas, IFD u otros mecanismos que oculten información del software de lectura TIFF ingenuo.

GeoTIFF utiliza un enfoque de "MetaTag" (GeoKey) para codificar docenas de elementos de información en solo 6 etiquetas, aprovechando la representación del formato de datos independiente de la plataforma TIFF para evitar dificultades de intercambio entre plataformas. Estas claves están diseñadas de manera paralela a las etiquetas TIFF estándar y siguen de cerca la disciplina TIFF en su estructura y diseño. Se pueden definir nuevas claves a medida que surjan las necesidades, dentro del marco actual, y sin requerir la asignación de nuevas etiquetas de Aldus / Adobe.

GeoTIFF utiliza códigos numéricos para describir tipos de proyección, sistemas de coordenadas, datums, elipsoides, etc. Los códigos de proyección, datums y elipsoides se derivan de la lista EPSG compilada por Petrotechnical Open Software Company (POSC), y mecanismos para agregar más proyecciones internacionales. Se han establecido puntos de referencia y elipsoides. El contenido de la información GeoTIFF está diseñado para ser compatible con el enfoque de descomposición de datos utilizado por la Infraestructura Nacional de Datos Espaciales (NSDI) del Comité Federal de Datos Geográficos de EE. UU. (FGDC).

Si bien GeoTIFF proporciona un marco sólido para especificar una amplia clase de sistemas de coordenadas proyectadas existentes, también es completamente extensible, lo que permite el almacenamiento de información interno, privado o patentado. Sin embargo, dado que este estándar surgió de la necesidad de evitar múltiples sistemas de codificación propietarios, se debe desalentar el uso de implementaciones privadas.

Esta es la segunda versión (beta) de GeoTIFF Revisión 0.2, que admite los nuevos códigos EPSG 2.1.

1.2.1 Nomenclatura de revisión

Una revisión de las especificaciones de GeoTIFF se indicará con dos números enteros separados por un decimal, lo que indica los números de revisión Mayor y Menor. GeoTIFF almacena la mayor parte de su información utilizando un sistema de emparejamiento "Key-Code". El número de revisión principal solo se incrementará cuando se realice una adición o modificación sustancial a la lista de claves de información, mientras que el número de revisión menor permite el aumento incremental de la lista de claves. códigos válidos.

Nuevos códigos EPSG 2.1 instalados.

o Los escritores de GeoTIFF almacenarán las entradas de GeoKey en orden de clasificación por clave

dentro de GeoKeyDirectoryTag. Este es un cambio de preliminar

discusiones que permitieron un orden arbitrario, y sigue más de cerca

o El tercer valor "ScaleZ" en ModelPixelScaleTag = (ScaleX, ScaleY,

ScaleZ) se establecerá de forma predeterminada en 0, no 1, como se sugiere en

discusiones. Esto se debe a que la mayoría de los espacios modelo estándar son

Bidimensional (plano) y, por tanto, su forma vertical es

independiente del valor de píxel.

o El código 32767 se utilizará para implicar "definido por el usuario", en lugar de

16384. Esto evita romper el espacio de código público reservado de GeoKey.

en dos rangos no contiguos, 0-16383 y 16385-32767.

o Si una GeoKey está codificada como "indefinida", entonces es exactamente que no

Se deben proporcionar parámetros (por ejemplo, EllipsoidSemiMajorAxis, etc.).

Para proporcionar parámetros para un atributo no codificado, utilice "definido por el usuario".

1.2.4 Cambios organizativos

1.2.5 Cambios en los requisitos

Cambios a esta revisión preliminar:

o Gauss Conformal orientado al sur es ahora un código distinto.

1.2.6 Agenda para el desarrollo futuro

En este documento se propone un desarrollo en tres fases del enfoque GeoTIFF, que se implementará con tres Revisiones Principales: 0.x, 1.xy 2.x. Pueden ocurrir más revisiones a medida que surja la necesidad, aunque la mayoría será en forma de revisiones incrementales (menores).

La revisión 0.1, que representa la primera implementación de revisión "Beta", fue lanzada en junio de 1995 y está sujeta a la primera implementación beta en el código. Se ha realizado una revisión incremental de 0.2. También pueden ocurrir cambios incrementales de 0.x, y la lista de correo de GeoTIFF recopilará listas de claves adicionales para la próxima revisión principal. El objetivo es hacer 0.x lo más cerca posible de los requisitos básicos.

La revisión 1.0 será la primera revisión verdadera de "línea de base" y se propone para admitir sistemas de coordenadas proyectadas (PCS) bien documentados, públicos y relativamente simples, incluidos los más comúnmente utilizados y admitidos en los dominios públicos internacionales en la actualidad, junto con sus sistemas de proyección de mapas. Tras las críticas de la fase de revisión 0.x, la especificación de revisión 1.0 se lanzará en julio del 95 período de tiempo. Como antes, se establecerán aumentos incrementales de 1.x a la lista de "códigos", así como discusiones sobre los futuros requisitos de "2.0".

Se propone la fase de Revisión 2.0 para ampliar la capacidad de los conjuntos de etiquetas GeoTIFF más allá de las proyecciones PCS a geometrías de proyección de mapas más complejas, incluidas soluciones cartográficas de un solo proyecto, un solo proveedor o propietarias.

Por determinar: Datums de sondeo y parámetros relacionados para modelos digitales de elevación (DEM) y batimetría - ¿Revisión 2?

1.3.1 Información y soporte:

La versión más reciente de la especificación GeoTIFF está disponible a través de FTP anónimo en:

y se refleja en el USGS:

La información y una versión de hipertexto de la especificación GeoTIFF están disponibles a través de

WWW en el siguiente sitio:

Actualmente hay una lista de correo activa para discutir el desarrollo continuo de este estándar. Para suscribirse a esta lista, envíe un correo electrónico a:

sin asunto y el cuerpo del mensaje leyendo:

suscríbete geotiff tu-nombre-aquí

Para publicar consultas directamente en la lista, envíe un correo electrónico a:

1.3.2 Claves y códigos privados:

Al igual que con TIFF, en GeoTIFF se pueden usar "GeoKeys" y códigos privados, comenzando con 32768 y superiores. Sin embargo, a diferencia de la especificación TIFF, estos espacios de claves privados no se reservarán y solo se utilizarán para fines internos privados.

1.3.3 Revisiones propuestas a GeoTIFF

En caso de que surja una característica que no es compatible actualmente, se debe proponer formalmente para agregarla a la especificación GeoTIFF, a través de la lista de correo oficial.

El responsable actual de la especificación GeoTIFF es Niles Ritter, aunque esto puede cambiar más adelante. Los códigos de proyección se mantienen a través de EPSG / POSC, y se establecerá un mecanismo para cambios / adiciones a través de la lista de correo GeoTIFF.

Esta especificación sigue los comentarios de notación de la especificación TIFF 6.0, con respecto a "es", "deberá", "debería" y "puede" los dos primeros indican requisitos obligatorios, "debería" indica una recomendación fuerte, mientras que "puede" indica una opción.

2.2 Consideraciones de diseño de GeoTIFF

Se ha hecho todo lo posible para adherirse a la filosofía de abstracción de datos TIFF. Las etiquetas GeoTIFF se ajustan a una estructura de datos jerárquica de etiquetas y claves, similar a las etiquetas que se han implementado en las etiquetas TIFF "básicas" y "extendidas" ya admitidas en la especificación TIFF Versión 6. Los siguientes son algunos puntos considerados en el diseño de GeoTIFF:

o Las estructuras binarias privadas, aunque permitidas bajo la especificación TIFF, están en

en general difíciles de mantener y son intrínsecamente plataforma

dependiente. Siempre que sea posible, la información debe clasificarse en su

tipos de datos intrínsecos y colocados en etiquetas con el nombre apropiado. También,

los implementadores de lectores TIFF estarían más dispuestos a honrar una nueva etiqueta

especificación si no requiere analizar nuevas estructuras binarias.

o Cualquier valor de etiqueta que se utilice como modificador o conmutador de "palabra clave"

debe ser de tipo CORTO, en lugar de una cadena ASCII. Esto evita comunes

errores de ortografía de una palabra clave, así como facilitar una

implementación en código usando las características "switch / case" de la mayoría

Idiomas. En general, escanear cadenas ASCII en busca de palabras clave

(CaseINSensitiVE?) Es una peligrosa (por no mencionar más lenta y más

o La verdadera "extensibilidad" sugiere que las etiquetas definidas tienen un

definición suficientemente abstracta para que la misma etiqueta y sus valores

ser utilizado e interpretado de diferentes maneras como información más compleja

Se desarrollan espacios. Por ejemplo, la antigua etiqueta SubFileType (255) tenía que

quedar obsoleto y reemplazarse con una etiqueta NewSubFileType, porque las imágenes

comenzaron a aparecer que no podían encajar en las clases estrechamente definidas

para esa etiqueta. Por el contrario, la etiqueta de submuestreo YCbCr ha adquirido una nueva

significado e importancia a medida que el estándar de compresión JPEG para TIFF se convierte en

2.3 Requisitos del software GeoTIFF

GeoTIFF requiere soporte para todos los tipos de datos de etiquetas TIFF 6.0 documentados y, en particular, requiere la etiqueta de tipo "DOBLE" de coma flotante de doble precisión IEEE. La mayoría de los parámetros para la georreferenciación no tendrán la precisión suficiente con IEEE de precisión simple, ni con el almacenamiento en formato RATIONAL. La única otra alternativa para almacenar valores de alta precisión sería codificar como ASCII, pero esto no se ajusta a las recomendaciones de TIFF para la codificación de datos.

Vale la pena enfatizar aquí que la especificación TIFF indica que los lectores compatibles con TIFF respetarán el indicador de 'orden de bytes', lo que significa que los enteros de 4 bytes de los archivos creados en máquinas de orden opuesto se intercambiarán en el software, y que los DOBLES de 8 bytes se intercambiarán 8 bytes.

Un lector / escritor GeoTIFF, además de admitir los tipos de etiquetas TIFF estándar, también debe tener un módulo adicional que pueda analizar la información de MetaTag "Geokey". Pronto estará disponible un paquete de software de dominio público para realizar esta función.

2.4 Archivo GeoTIFF y estructura "clave"

Esta sección describe el formato de archivo abstracto y el mecanismo de almacenamiento de datos "GeoKey" utilizado en GeoTIFF. Los usos de este mecanismo para implementar la georreferenciación y la geocodificación se detallan en la sección 2.6 y la sección 2.7.

Un archivo GeoTIFF es un archivo TIFF 6.0 y hereda la estructura del archivo como se describe en la parte correspondiente de la especificación TIFF. Toda la información específica de GeoTIFF está codificada en varias etiquetas TIFF reservadas adicionales y no contiene directorios de archivos de imagen privados (IFD), estructuras binarias u otra información privada invisible para los lectores TIFF estándar.

El número y tipo de parámetros que se requerirían para describir los tipos de proyección más populares, si se implementaran como etiquetas TIFF separadas, probablemente requerirían docenas o incluso cientos de etiquetas, agotando los recursos limitados del espacio de etiquetas TIFF. Por otro lado, un IFD privado, aunque proporciona miles de etiquetas gratuitas, está limitado porque sus valores de etiqueta son invisibles para los lectores de TIFF no expertos (que no saben que el valor de la etiqueta IFD_OFFSET apunta a un IFD privado).

Para evitar estos problemas, un archivo GeoTIFF almacena parámetros de proyección en un conjunto de "Claves" que son prácticamente idénticas en función a una "Etiqueta", pero tienen un nivel más de abstracción por encima de TIFF. Efectivamente, es una especie de "metaetiqueta". Una clave funciona con valores de etiqueta formateados de un archivo TIFF de la misma manera que un archivo TIFF trata los bytes sin procesar de un archivo de datos. Al igual que una etiqueta, una clave tiene un número de identificación que va de 0 a 65535, pero a diferencia de las etiquetas TIFF, todas las identificaciones de clave están disponibles para su uso en las definiciones de parámetros de GeoTIFF.

Las claves en GeoTIFF (también llamadas "GeoKeys") son todas referenciadas desde GeoKeyDirectoryTag, que se define de la siguiente manera:

Tipo = CORTO (corto sin signo de 2 bytes)

Alias: ProjectionInfoTag, CoordSystemInfoTag

Esta etiqueta se puede utilizar para almacenar el directorio GeoKey, que define y hace referencia a las "GeoKeys", como se describe a continuación.

La etiqueta es una matriz de valores SHORT sin firmar, que se agrupan principalmente en bloques de 4. Los primeros 4 valores son especiales y contienen información de encabezado del directorio GeoKey. Los valores del encabezado constan de la siguiente información, en orden:

"KeyDirectoryVersion" indica la versión actual de Key

implementación, y solo cambiará si la clave de esta etiqueta

se cambia la estructura. (Similar a la versión TIFF (42)).

El número de DirectoryVersion actual es 1. Este valor

lo más probable es que nunca cambie y se puede utilizar para garantizar que

esta es una implementación de clave válida.

"KeyRevision" indica qué revisión de conjuntos de claves se utilizan.

"MinorRevision" indica qué conjunto de códigos clave se utilizan. El

se indica el número de revisión completo.

"NumberOfKeys" indica cuántas claves definen el resto

Este encabezado es seguido inmediatamente por una colección de conjuntos de KeyEntry, cada uno de los cuales también tiene una longitud de 4-SHORTS. Cada KeyEntry se basa en el formato "TIFFEntry" del encabezado del directorio TIFF y tiene el formato:

"KeyID" proporciona el valor de ID de clave de la clave (idéntica en función

al ID de etiqueta TIFF, pero completamente independiente del espacio de etiqueta TIFF),

"TIFFTagLocation" indica qué etiqueta TIFF contiene los valores

de la clave: si TIFFTagLocation es 0, entonces el valor es SHORT,

y está contenido en la entrada "Value_Offset". De lo contrario, el tipo

(formato) del valor está implícito en el tipo TIFF de la etiqueta

"Recuento" indica el número de valores en esta clave.

"Value_Offset" Value_Offset indica el índice

compensar * en * el TagArray indicado por TIFFTagLocation, si

es distinto de cero. Si TIFFTagLocation = 0, Value_Offset

contiene el valor real (CORTO) de la clave, y

Cuenta = 1 está implícito. Tenga en cuenta que el desplazamiento no es un desplazamiento de bytes,

sino más bien un índice basado en el tipo de datos naturales del

Siguiendo las definiciones de KeyEntry, la etiqueta KeyDirectory también puede contener valores adicionales. Por ejemplo, si una clave requiere varios valores CORTO, se colocarán al final de esta etiqueta y KeyEntry establecerá TIFFTagLocation = GeoKeyDirectoryTag, con Value_Offset apuntando a la ubicación de los valores.

Todos los pares clave-valor que no sean de tipo CORTO se almacenarán en una de las dos etiquetas siguientes, según su formato:

Tipo = DOBLE (IEEE Doble precisión)

Esta etiqueta se utiliza para almacenar todas las GeoKeys de DOBLE valor, referenciadas por GeoKeyDirectoryTag. El significado de cualquier valor de esta matriz doble se determina a partir de la referencia GeoKeyDirectoryTag que apunta a ella. Los valores de FLOAT deben convertirse primero a DOBLE y almacenarse aquí.

Esta etiqueta se utiliza para almacenar todas las GeoKeys con valor ASCII, referenciadas por GeoKeyDirectoryTag. Dado que las claves utilizan compensaciones en las etiquetas, cualquier comentario especial puede colocarse al principio de esta etiqueta. En su mayor parte, las únicas claves que se valoran en ASCII son las claves de "Citación", que proporcionan documentación y referencias para proyecciones oscuras, datums, etc.

Se requiere un manejo especial para las claves con valores ASCII. Si bien es cierto que TIFF 6.0 permite múltiples cadenas delimitadas por NULL dentro de una sola etiqueta ASCII, es posible que las cadenas secundarias no aparezcan en la salida de programas "tiffdump" ingenuos. Por esta razón, el delimitador nulo de cada valor de clave ASCII se convertirá en un "|" (tubería) antes de volver a instalarlo en la etiqueta de retención ASCII, de modo que un volcado de la etiqueta se verá así.

Un lector GeoTIFF de referencia debe verificar y convertir el "|" final el carácter de canalización de una clave de nuevo en un NULL antes de devolverlo al software del cliente.

En la especificación TIFF, se requiere que las etiquetas TIFF se escriban en el archivo en orden de clasificación por ID de etiqueta. Esto se hace para evitar forzar al software a realizar operaciones de clasificación de N cuadrados al leer y escribir etiquetas.

Para seguir la filosofía TIFF, los escritores de GeoTIFF almacenarán las entradas de GeoKey en orden de clasificación por clave dentro de CoordSystemInfoTag.

GeoKeyDirectoryTag = (1, 1, 2, 6,

GeoAsciiParamsTag (34737) = ("Archivo personalizado | Mi geografía |")

La primera línea indica que este es un directorio GeoTIFF GeoKey Versión 1, las claves son Rev. 1.2, y hay 6 claves definidas en esta etiqueta.

La siguiente línea indica que la primera clave (ID = 1024 = GTModelTypeGeoKey) tiene el valor 2 (Geográfico), colocado explícitamente en la lista de entrada (desde TIFFTagLocation = 0).

La siguiente línea indica que la clave 1026 (la GTCitationGeoKey) está listada en la matriz GeoAsciiParamsTag (34737), comenzando en el desplazamiento 0 (la primera en la matriz) y ejecutándose durante 12 bytes, por lo que tiene el valor "Archivo personalizado" (el " | "se convierte en un delimitador nulo al final).

Yendo más abajo en la lista, la clave 2051 (GeogLinearUnitSizeGeoKey) se encuentra en GeoDoubleParamsTag (34736), en el desplazamiento 0 y tiene el valor 1.5, el valor de la clave 2049 (GeogCitationGeoKey) es "My Geographic".

La capa TIFF maneja todos los problemas de estructura de datos, independencia de plataforma, tipos de formato, etc., especificando compensaciones de bytes, formato de orden de bytes y recuento, mientras que la clave describe sus valores clave en el nivel TIFF especificando el número de etiqueta, matriz- indexar y contar. Dado que toda la información TIFF ocurre en matrices TIFF de algún tipo, tenemos un método robusto para almacenar cualquier cosa en una clave que ocurriría en una etiqueta.

Con este enfoque de valor clave, hay 65536 claves que tienen toda la flexibilidad de la etiqueta TIFF, con la ventaja adicional de que un volcado TIFF proporcionará toda la información que existe en la implementación de GeoTIFF.

Este mecanismo GeoKey se utilizará ampliamente en la sección 2.7, donde se definen los numerosos parámetros para definir los sistemas de coordenadas y sus proyecciones subyacentes.

2.5 Sistemas de coordenadas en GeoTIFF

Geotiff se ha diseñado para que las definiciones de sistemas de coordenadas de mapas estándar se puedan almacenar fácilmente en una sola etiqueta TIFF registrada. También ha sido diseñado para permitir la descripción de definiciones de sistemas de coordenadas que no son estándar, y para la descripción de transformaciones entre sistemas de coordenadas, mediante el uso de tres o cuatro etiquetas TIFF adicionales.

Sin embargo, para que la información se intercambie correctamente entre varios clientes y proveedores de GeoTIFF, es importante establecer un sistema común para describir las proyecciones de mapas.

En el marco TIFF / GeoTIFF, hay esencialmente tres espacios diferentes en los que se pueden definir los sistemas de coordenadas. Los espacios son:

1) El espacio ráster (espacio de imagen) R, utilizado para hacer referencia a los valores de píxeles

3) El espacio modelo, M, utilizado para referenciar puntos en la tierra.

En las secciones que siguen discutiremos la relevancia y uso de cada uno de estos espacios, y sus correspondientes sistemas de coordenadas, desde el punto de vista de GeoTIFF.

2.5.1 Espacio del dispositivo y GeoTIFF

En TIFF 6.0 estándar hay etiquetas que relacionan el espacio de trama R con el espacio de dispositivo D, como monitor, escáner o impresora. La lista de dichas etiquetas consta de lo siguiente:

En Geotiff, se prevé la identificación de sistemas de coordenadas con referencia a la Tierra (espacio modelo M) y relacionar el espacio M con el espacio R. Esta disposición es independiente y puede coexistir con la relación entre los espacios ráster y de dispositivo. Para enfatizar la distinción, esta especificación no se referirá a las coordenadas ráster "X" e "Y", sino más bien a las variables de coordenadas del espacio ráster "J" (fila) e "I" (columna), como se define en la sección 2.5.2.2 .

2.5.2 Sistemas de coordenadas ráster

Los datos ráster consisten en datos numéricos almacenados digitalmente, espacialmente coherentes, recopilados de sensores, escáneres o de otras formas derivadas numéricamente. La forma en que se implementa este almacenamiento en un archivo TIFF se describe en la especificación TIFF estándar.

Los valores de datos ráster, tal como se leen desde un archivo, se organizan mediante software en matrices bidimensionales, y los índices de las matrices se utilizan como coordenadas. También puede haber índices adicionales para datos multiespectrales, pero estos índices no se refieren a coordenadas espaciales sino espectrales, por lo que no son de interés aquí.

Se pueden georreferenciar muchos tipos diferentes de datos ráster y puede haber formas sutiles en las que la naturaleza de los datos en sí influya en cómo se define el sistema de coordenadas (espacio ráster) para los datos ráster. Por ejemplo, los datos de píxeles derivados de los dispositivos y sensores de imágenes representan valores agregados recopilados en un área geográfica pequeña y finita, por lo que es natural definir sistemas de coordenadas en los que se piensa que el valor del píxel ocupa un área. Por otro lado, los modelos de elevaciones digitales pueden consistir en "publicaciones" discretas, que se pueden considerar mejor como medidas puntuales en los vértices de una cuadrícula y no en el interior de una celda.

La elección del origen para el espacio ráster no es del todo arbitraria y depende de la naturaleza de los datos recopilados. Las coordenadas del espacio ráster se denominarán por sus tipos de píxeles, es decir, como "PixelIsArea" o "PixelIsPoint".

Nota: Para simplificar, ambos espacios ráster documentados a continuación utilizan un tamaño de píxel fijo y un espaciado de 1. La información sobre la representación visual de estos datos, como los píxeles con relaciones de aspecto, escalas, orientaciones, etc., no se comunican mejor con el Etiquetas estándar TIFF 6.0.

El espacio de cuadrícula ráster "PixelIsArea" R, que es el predeterminado, usa las coordenadas I y J, con (0,0) denotando la esquina superior izquierda de la imagen, y aumentando I hacia la derecha, aumentando J hacia abajo. El primer valor de píxel llena la celda de la cuadrícula cuadrada con los límites:

arriba a la izquierda = (0,0), abajo a la derecha = (1,1)

y así sucesivamente, por extensión, esta celda de cuadrícula uno por uno también se conoce como píxel. Una imagen de N por M píxeles cubre un área con los límites definidos matemáticamente (0,0), (N, M).

+ --- + --- + Estándar (PixelIsArea) TIFF Espacio ráster R,

| (1,1) (2,1) mostrando las áreas (*) de varios píxeles.

Espacio ráster "PixelIsPoint"

El espacio de cuadrícula de ráster PixelIsPoint R usa los mismos nombres de eje de coordenadas que se usan en el espacio de ráster PixelIsArea, con el aumento de I hacia la derecha y el aumento de J hacia abajo. Sin embargo, el primer valor de píxel se realiza como un valor de puntos ubicado en (0,0). Una imagen de píxeles de N por M consta de puntos que llenan los límites definidos matemáticamente (0,0), (N-1, M-1).

| | PixelIsPoint TIFF Raster space R,

* ------- * que muestra la ubicación (*) de varios píxeles.

Si se mostrara una imagen de puntos por píxeles en un dispositivo de visualización con celdas de píxeles del mismo tamaño que el espaciado del ráster, la esquina superior izquierda de la imagen mostrada se ubicaría en el espacio ráster en (-0,5, -0,5) .

2.5.3 Modelos de sistemas de coordenadas

Los siguientes métodos para describir las ubicaciones del modelo espacial (en contraposición al ráster) se reconocen en Geotiff:

Las coordenadas geográficas, geocéntricas y proyectadas se imponen a los modelos de la tierra. Para describir una ubicación de forma única, un conjunto de coordenadas debe estar referenciado a un sistema de coordenadas adecuadamente definido. Si un sistema de coordenadas es de las definiciones estándar de Geotiff, la única referencia requerida es el código / nombre del sistema de coordenadas estándar. Si el sistema de coordenadas no es estándar, debe definirse. Las definiciones requeridas se describen a continuación.

Las coordenadas proyectadas, las coordenadas de la cuadrícula local y (generalmente) las coordenadas geográficas, forman sistemas de coordenadas horizontales bidimensionales (es decir, horizontales con respecto a la superficie de la tierra). La altura no forma parte de estos sistemas. Para describir una posición en tres dimensiones es necesario considerar la altura como un segundo sistema de coordenadas verticales unidimensionales.

Para georreferenciar una imagen en GeoTIFF, debe especificar un sistema de coordenadas de espacio ráster, elegir un sistema de coordenadas de modelo horizontal y una transformación entre estos dos, como se describirá en la sección 2.6.

2.5.3.1 Sistemas de coordenadas geográficas

Los sistemas de coordenadas geográficas son aquellos que relacionan la latitud y la longitud angulares (y, opcionalmente, la altura geodésica) con un punto real de la tierra. El proceso mediante el cual se logra esto es bastante complejo, por lo que describimos los componentes del proceso en detalle aquí.

Modelos elipsoidales de la Tierra

El geoide, la tierra despojada de toda topografía, forma una superficie de referencia para la tierra. Sin embargo, debido a que está relacionado con el campo de gravedad de la Tierra, el geoide es una superficie muy compleja de hecho, a un nivel detallado su descripción no es bien conocida. Por tanto, el geoide no se utiliza en la cartografía práctica.

Se ha encontrado que un elipsoide achatado (una elipse rotada alrededor de su eje menor) es una buena aproximación al geoide y, por lo tanto, un buen modelo de la Tierra. Existen muchas aproximaciones: se han definido varios cientos de elipsoides con fines científicos y unos 30 se utilizan diariamente para la cartografía. El tamaño y la forma de estos elipsoides se pueden definir mediante dos parámetros. Geotiff requiere que uno de estos sea

y el segundo en ser cualquiera

el aplanamiento inverso (1 / f)

Existen modelos históricos que usan una aproximación esférica, tales modelos no se recomiendan para aplicaciones modernas, pero si es necesario, el tamaño de una esfera modelo puede definirse especificando valores idénticos para los ejes semimayor y semiminor; el aplanamiento inverso no se puede usar ya que se vuelve infinito para esferas perfectas.

Otros parámetros del elipsoide necesarios para aplicaciones de mapeo, por ejemplo, el cuadrado de la excentricidad, pueden calcularse fácilmente mediante una aplicación a partir de los dos parámetros de definición. Tenga en cuenta que Geotiff utiliza la convención de geodesia moderna para el símbolo (b) para el eje semi-menor. No se hace ninguna provisión para mapear otros planetas en los que podría requerirse un elipsoide tridimensional (triaxial), donde (b) representaría el eje semi-mediano y (c) el eje semi-menor.

Los códigos numéricos de los elipsoides que se utilizan habitualmente para la cartografía terrestre se incluyen en las listas de referencia de Geotiff.

Los ejes de coordenadas del sistema que hacen referencia a los puntos de un elipsoide se denominan latitud y longitud. Más precisamente, se requieren latitud y longitud geodésicas en este estándar Geotiff. Una discusión de los otros tipos de latitud y longitud está más allá del alcance de este documento, ya que no son necesarios para la cartografía convencional.

La latitud se define como el ángulo subtendido con el plano ecuatorial del elipsoide por una perpendicular a través de la superficie del elipsoide desde un punto. La latitud es positiva si está al norte del ecuador, negativa si está al sur.

La longitud se define como el ángulo medido alrededor del eje menor (polar) del elipsoide desde un primer meridiano (ver más abajo) hasta el meridiano a través de un punto, positivo si está al este del primer meridiano y negativo si está al oeste. A diferencia de la latitud, que tiene un origen natural en el ecuador, no hay ninguna característica en el elipsoide que forme un origen natural para la medición de la longitud. La longitud cero puede ser cualquier meridiano definido. Históricamente, las naciones han utilizado el meridiano a través de sus observatorios astronómicos nacionales, dando lugar a varios primeros meridianos. Por convención internacional, el meridiano que pasa por Greenwich, Inglaterra, es el primer meridiano estándar. La longitud solo es inequívoca si se da la longitud de su primer meridiano con respecto a Greenwich. Los primeros meridianos distintos de Greenwich que a veces se utilizan para la cartografía terrestre se incluyen en las listas de referencia de Geotiff.

Además de que se utilizan varios elipsoides para modelar la Tierra, cualquier elipsoide en particular puede tener su ubicación y orientación con respecto a la Tierra definidas de diferentes maneras. Si se cambia la relación entre el elipsoide y la Tierra, las coordenadas geográficas de un punto cambiarán.

Por el contrario, para que las coordenadas geográficas describan de forma única una ubicación, se debe definir la relación entre la Tierra y el elipsoide. Esta relación se describe mediante un dato geodésico. Una definición geodésica exacta de los datums geodésicos está más allá del alcance actual de Geotiff. Sin embargo, el estándar Geotiff requiere que el datum geodésico que se esté utilizando se identifique mediante un código numérico. Si es necesario, la definición de parámetros para el datum geodésico se puede incluir como una cita.

Definición de sistemas de coordenadas geográficas

En resumen, las coordenadas geográficas solo son únicas si están calificadas por el código del sistema de coordenadas geográficas al que pertenecen. Un sistema de coordenadas geográficas tiene dos ejes, latitud y longitud, que solo son inequívocos cuando se dan tanto el meridiano principal relacionado como el datum geodésico y, a su vez, la definición del datum geodésico incluye la definición de elipsoide. El estándar Geotiff incluye una lista de sistemas de coordenadas geográficas de uso frecuente y sus componentes elipsoides, datums geodésicos y primeros meridianos. Dentro del estándar Geotiff, un sistema de coordenadas geográficas puede identificarse por

el código de un sistema de coordenadas geográficas estándar

Se espera que el usuario proporcione el código / nombre del sistema de coordenadas geográficas, el código / nombre del datum geodésico, el código del elipsoide (si es estándar) o el nombre del elipsoide y dos parámetros de definición (a) y (1 / f) o (b), y primo código de meridiano (si es estándar) o nombre y longitud relativos a Greenwich.

2.5.3.2 Sistemas de coordenadas geocéntricas

Un sistema de coordenadas geocéntrico es un sistema de coordenadas tridimensional con su origen en o cerca del centro de la tierra y con 3 ejes ortogonales.El eje Z está en o paralelo al eje de rotación de la Tierra (o al eje alrededor del cual el eje de rotación precesa). El eje X está en el plano del ecuador o es paralelo al mismo y pasa por su intersección con el meridiano de Greenwich, y el eje Y está en el plano del ecuador formando un sistema de coordenadas a la derecha con los ejes X y Z.

Los sistemas de coordenadas geocéntricas no se utilizan con frecuencia para describir ubicaciones, pero a menudo se utilizan como un paso intermedio cuando se transforma entre sistemas de coordenadas geográficas. (Las transformaciones del sistema de coordenadas se describen en la sección 2.6 a continuación).

En el estándar Geotiff, se puede identificar un sistema de coordenadas geocéntricas, ya sea

a través del código geográfico (que a su vez implica un dato),

a través de un nombre definido por el usuario.

2.5.3.3 Sistemas de coordenadas proyectadas

Aunque un sistema de coordenadas geográficas es matemáticamente bidimensional, describe un objeto tridimensional y no se puede representar en una superficie plana sin distorsión. Las proyecciones cartográficas son transformaciones de coordenadas geográficas a coordenadas planas en las que se controlan las características de las distorsiones. Una proyección de mapa consta de un método de transformación del sistema de coordenadas y un conjunto de parámetros de definición. Un sistema de coordenadas proyectadas (PCS) es un conjunto de coordenadas bidimensionales (horizontales) que, para una proyección de mapa específica, tiene una transformación única e inequívoca en un sistema de coordenadas geográficas.

En GeoTIFF, los PCS se definen mediante el sistema POSC / EPSG, en el que el sistema de coordenadas planas PCS, el sistema de coordenadas geográficas y la transformación entre ellos se descomponen en componentes lógicos más simples. Aquí hay fórmulas esquemáticas que muestran cómo se codifican los sistemas de coordenadas proyectadas y los sistemas de coordenadas geográficas:

Proyectado_CS = Geographic_CS + Proyección

Geographic_CS = Angular_Unit + Geodetic_Datum + Prime_Meridian

Proyección = Unidad lineal + Coord_Transf_Method + CT_Parameters

(Consulte también la documentación de Parámetros de referencia en la sección 2.5.4). Tenga en cuenta que "Mercator transversal" no se conoce como "Proyección", sino como "Método de transformación de coordenadas" en GeoTIFF, como en EPSG / POSC, la palabra "Proyección" está reservada para sistemas particulares bien definidos en los que Se establecen tanto el método de transformación de coordenadas, sus parámetros de definición y sus unidades lineales.

Se han desarrollado varias decenas de métodos de transformación de coordenadas. Muchos son muy similares y, a efectos prácticos, se puede considerar que dan resultados idénticos. Por ejemplo, en el estándar Geotiff, los tipos de proyección Gauss-Kruger y Gauss-Boaga se consideran del tipo Transverse Mercator. Geotiff incluye una lista de parámetros de definición de proyección de uso común.

Los diferentes algoritmos requieren diferentes parámetros de definición. Una versión futura de Geotiff incluirá fórmulas para algoritmos de proyección de mapas específicos recomendados para su uso con los parámetros de proyección enumerados.

Para limitar la magnitud de las distorsiones de los sistemas de coordenadas proyectados, los límites de uso a veces están restringidos. Para cubrir áreas más extensas, es posible que se requieran dos o más sistemas de coordenadas proyectadas. En algunos casos, muchos de los parámetros que definen un conjunto de sistemas de coordenadas proyectados se mantendrán constantes.

El estándar Geotiff no impone una jerarquía estricta en tales sistemas zonificados como US State Plane o UTM, pero considera que cada zona es un sistema de coordenadas proyectadas discretas, el valor del código ProjectedCSTypeGeoKey por sí solo es suficiente para identificar los sistemas de coordenadas estándar.

Dentro del estándar Geotiff, un sistema de coordenadas proyectadas puede identificarse por

el código de un sistema de coordenadas proyectadas estándar

Los sistemas de coordenadas proyectadas definidos por el usuario pueden definirse definiendo el Sistema de coordenadas geográficas, el método de transformación de coordenadas y sus parámetros asociados, así como las unidades lineales del sistema plano.

2.5.3.4 Sistemas de coordenadas verticales

Muchos usos de Geotiff se limitarán a una descripción de ubicación bidimensional, horizontal, para la cual los sistemas de coordenadas geográficas y los sistemas de coordenadas proyectadas son adecuados. Si se requiere una descripción tridimensional de la ubicación, Geotiff lo permite mediante el uso de un sistema de coordenadas geocéntricas o definiendo un sistema de coordenadas verticales y usándolo junto con un sistema de coordenadas geográficas o proyectadas.

En el uso general, las elevaciones y profundidades se refieren a una superficie en o cerca del geoide. A través del uso creciente de sistemas de posicionamiento por satélite, el elipsoide se usa cada vez más como una superficie de referencia vertical. En general, la relación entre el geoide y un elipsoide no se conoce bien, pero es necesaria cuando se van a ejecutar transformaciones del sistema de coordenadas.

La mayoría de los sistemas de codificación numérica y las definiciones del sistema de coordenadas se basan en el sistema jerárquico desarrollado por EPSG / POSC. El conjunto completo de tablas EPSG utilizadas en GeoTIFF está disponible a través de FTP para

A continuación se adjunta el archivo README.TXT que acompaña a las tablas de definición de parámetros para esos códigos:

El European Petroleum Survey Group (EPSG) ha compilado y está distribuyendo este conjunto de parámetros que definen varios sistemas de coordenadas geodésicas y cartográficas para fomentar la estandarización en todo el segmento de exploración y producción de la industria petrolera. Los datos se incluyen como datos de referencia en la especificación de intercambio de datos de Geotiff, en Iris21 el modelo de datos de Petroconsultants y en Epicenter, el modelo de datos POSC. Los parámetros se asignan directamente al modelo POSC Epicenter v2.0, a excepción de los códigos de elementos de datos que se incluyen en los archivos para fines de gestión de datos. Los parámetros de referencia geodésica están incrustados en el archivo del sistema de coordenadas geográficas. Esto se ha hecho para facilitar el mantenimiento de los parámetros, ya que existe una alta correlación entre los nombres de los datos geodésicos y los nombres del sistema de coordenadas geográficas. La tabulación del Sistema de coordenadas proyectadas v2.0 consta de sistemas asociados con proyecciones utilizadas localmente. También se han incluido sistemas que utilizan el popular sistema de red UTM.

Los criterios utilizados para el material de estas listas incluyen:

- la información debe ser de dominio público: datos "privados"

- los datos deben estar en uso actual.

- los parámetros se dan con una precisión coherente con

las coordenadas tienen una precisión de un centímetro.

El usuario asume todo el riesgo en cuanto a la exactitud y el uso de estos datos. Los datos pueden copiarse y distribuirse

sujeto a las siguientes condiciones:

1) Todos los datos deben copiarse sin modificaciones.

y todas las páginas deben estar incluidas

2) Todos los componentes de este conjunto de datos deben distribuirse

3) Los datos no pueden ser distribuidos con fines de lucro por ningún

4) El reconocimiento a la fuente original debe ser

LA INFORMACIÓN PROPORCIONADA EN ESTE DOCUMENTO SE PROPORCIONA "TAL CUAL"

SIN GARANTÍA DE NINGÚN TIPO, YA SEA EXPRESA O

IMPLÍCITAS, INCLUIDAS PERO NO LIMITADAS A LAS GARANTÍAS IMPLÍCITAS

DE COMERCIABILIDAD Y / O APTITUD PARA UN PROPÓSITO PARTICULAR.

Los datos se distribuyen en un disquete formateado MS-DOS en comas.

formato de registro separado. Se pueden obtener copias adicionales

de Jean-Patrick Girbig a la dirección que figura a continuación a un costo de

US $ 100 para cubrir los medios y el envío, el pago se realizará en

favor de Petroconsultants S.A en Union Banque Suisses,

1211 Geneve 11, Suiza (número de competencia 403 458 60 K).

Los datos estarán disponibles en un tablón de anuncios en breve.

Este conjunto de datos consta de 8 archivos:

PROJCS.CSV Tabulación de sistemas de coordenadas proyectadas para

a qué coordenadas de la cuadrícula del mapa se puede hacer referencia.

GEOGCS.CSV Tabulación de sistemas de coordenadas geográficas para

qué coordenadas de latitud y longitud pueden ser

referenciado. Esta tabla incluye el equivalente

sistemas de coordenadas geocéntricas y también el

datum geodésico, referencia al cual permite la latitud

y longitud o XYZ geocéntrico para

describir una ubicación en la tierra.

VERTCS.CSV Tabulación de sistemas de coordenadas verticales a los que se puede hacer referencia a alturas o profundidades. Esta tabla se encuentra actualmente en una forma temprana.

PROJ.CSV Tabulación de métodos y parámetros de transformación mediante los cuales se definen los Sistemas de Coordenadas Proyectadas y se relacionan con los Sistemas de Coordenadas Geográficas.

ELLIPS.CSV Tabulación de elipsoides de referencia en los que se basan los datums geodésicos.

PMERID.CSV Tabulación de los primeros meridianos en los que se basan los datums geodésicos.

UNITS.CSV Tabulación de unidades de longitud utilizadas en sistemas de coordenadas verticales y proyectadas y unidades angulares utilizadas en sistemas de coordenadas geográficas.

Los archivos de datos (.CSV) tienen una estructura jerárquica:

| Sistemas de coordenadas verticales | | Sistemas de coordenadas proyectadas |

| | | Sistemas de coordenadas geográficas |

| | | Sistemas de coordenadas geocéntricas |

| | Proyección | | Elipsoide | | Primer Meridiano |

| | Parámetros | | Parámetros | | Parámetros |

Los listados de parámetros son "documentos vivos" y el EPSG los actualizará de vez en cuando. Cualquier comentario o

las sugerencias de mejoras deben dirigirse a:

Jean-Patrick Girbig o Roger Lott,

Gerente de Cartografía, Jefe de Encuesta,

Petroconsultants S.A., BP Exploración,

24 Chemin de la Marie, Harefield Road,

1258 Perly-Ginebra, Uxbridge,

Suiza. Middlesex UB8 1PD,

Las solicitudes para la inclusión de nuevos datos deben incluir documentación de respaldo. Las solicitudes para cambiar los datos existentes deben incluir una referencia tanto al nombre como al código del artículo.

2.6 Transformaciones de coordenadas

El propósito de Geotiff es permitir la identificación definitiva de ubicaciones georreferenciadas dentro de un dataset ráster. Esto generalmente se logra vinculando las coordenadas del espacio ráster a un sistema de coordenadas del espacio modelo, cuando no se requiere más información. En la nomenclatura GeoTIFF, "georreferenciación" se refiere a vincular el espacio ráster a un espacio modelo M, mientras que "geocodificación" se refiere a definir cómo el espacio modelo M asigna coordenadas a puntos en la tierra.

Las tres etiquetas definidas a continuación se pueden usar para definir la relación entre R y M, y la relación se puede diagramar como:

(I, J, K) ModelTransformationTag (X, Y, Z)

La siguiente sección describe estas etiquetas de georreferenciación de línea de base en detalle.

2.6.1 Etiquetas GeoTIFF para transformaciones de coordenadas

Para las aplicaciones más comunes, la transformación entre ráster y espacio modelo se puede definir con un conjunto de puntos de enlace ráster a modelo y parámetros de escala. Las dos etiquetas siguientes se pueden utilizar para este propósito:

Tipo = DOBLE (IEEE Doble precisión)

N = 6 * K, K = número de puntos de enlace

Esta etiqueta almacena pares de puntos de enlace ráster- y modelo gt en el orden

ModelTiepointTag = (. I, J, K, X, Y, Z.),

donde (I, J, K) es el punto en la ubicación (I, J) en el espacio ráster con valor de píxel K, y (X, Y, Z) es un vector en el espacio modelo. En la mayoría de los casos, el espacio del modelo es solo bidimensional, en cuyo caso tanto K como Z deben establecerse en cero, esta tercera dimensión se proporciona en anticipación del soporte futuro para modelos digitales de elevación en 3D y sistemas de coordenadas verticales.

Una imagen ráster se puede georreferenciar simplemente especificando su ubicación, tamaño y orientación en el espacio de coordenadas del modelo M. Esto se puede hacer especificando la ubicación de tres de los cuatro puntos de las esquinas delimitadores. Sin embargo, los puntos de enlace solo deben considerarse exactos en los puntos especificados, por lo que definir tal conjunto de puntos de enlace delimitadores no implica

que las ubicaciones del espacio modelo del interior de la imagen pueden calcularse exactamente mediante una interpolación lineal de estos puntos de enlace.

Sin embargo, dado que la relación entre el espacio ráster y el espacio modelo será a menudo una transformación afín exacta, esta relación se puede definir utilizando un conjunto de puntos de enlace y el "ModelPixelScaleTag", que se describe a continuación, que proporciona la celda de cuadrícula ráster vertical y horizontal. tamaño, especificado en unidades modelo.

Si es posible, el primer punto de enlace colocado en esta etiqueta será el que establezca la ubicación del punto (0,0) en el espacio ráster. Sin embargo, si esto no es posible (por ejemplo, si (0,0) va a una parte del espacio modelo en el que la proyección está mal definida), entonces no hay un orden en particular en el que sea necesario enumerar los puntos de enlace.

Para aplicaciones de ortorrectificación o creación de mosaicos, se puede especificar una gran cantidad de puntos de unión en una malla sobre la imagen ráster. Sin embargo, la definición de métodos de interpolación de cuadrícula asociados no está dentro del alcance de la especificación actual de GeoTIFF.

Observación: Como se menciona en la sección 2.5.1, toda la información GeoTIFF es independiente de las etiquetas XPosition, YPosition y Orientation de la especificación estándar TIFF 6.0.

Las siguientes dos etiquetas son etiquetas opcionales que se proporcionan para definir transformaciones afines exactas entre el ráster y el espacio modelo. Los archivos GeoTIFF de línea base pueden usar cualquiera de las dos, pero nunca deben usar ambas dentro del mismo directorio de imágenes TIFF.

Tipo = DOBLE (IEEE Doble precisión)

Esta etiqueta se puede utilizar para especificar el tamaño del espaciado de píxeles del ráster en las unidades del espacio modelo, cuando el espacio ráster se puede incrustar en el sistema de coordenadas del espacio modelo sin rotación, y consta de los siguientes 3 valores:

ModelPixelScaleTag = (ScaleX, ScaleY, ScaleZ)

donde ScaleX y ScaleY dan el espaciado horizontal y vertical de los píxeles ráster. ScaleZ se usa principalmente para mapear el valor de píxel de un modelo de elevación digital en la escala Z correcta, por lo que para la mayoría de los otros propósitos, este valor debe ser cero (ya que la mayoría de los espacios del modelo son 2-D, con Z = 0).

Un solo punto de enlace en ModelTiepointTag, junto con esta etiqueta, determinan completamente la relación entre el ráster y el espacio modelo, por lo que comprenden las dos etiquetas que los archivos Baseline GeoTIFF utilizarán con mayor frecuencia para colocar una imagen ráster en una "posición estándar" en el espacio modelo.

Al igual que la etiqueta Tiepoint, esta información de etiqueta es independiente de las etiquetas XPosition, YPosition, Resolución y Orientación de la especificación estándar TIFF 6.0. Sin embargo, las inversiones simples de orientación entre el ráster y el espacio modelo (por ejemplo, volteos horizontales o verticales) pueden indicarse mediante la inversión del signo en el componente correspondiente de ModelPixelScaleTag. Los lectores compatibles con GeoTIFF deben respetar esta convención de inversión de signo.

Esta etiqueta no debe usarse si la imagen ráster requiere rotación o corte para colocarla en el espacio modelo estándar. En tales casos, la transformación se definirá con el ModelTransformationTag más general, definido a continuación.

Esta etiqueta se puede utilizar para especificar la matriz de transformación entre el espacio ráster (y su espacio de valor de píxel dependiente) y el espacio modelo (posiblemente 3D). Si se especifica, la etiqueta deberá tener la siguiente organización:


Análisis de técnicas de interpolación espacial para datos de precipitaciones utilizando varios métodos: un estudio de caso del área de captación de Bisalpur

Resumen La distribución de la lluvia juega un papel importante en la comprensión de los procesos hidrológicos. El modelado hidrológico mediante la técnica de interpolación espacial se realiza para estudiar el proceso hidrológico que es esencial para la gestión de los recursos hídricos.

Las técnicas de interpolación espacial se realizan en datos de lluvia para predecir los valores no especificados en la cuenca de Bisalpur. Los datos cronológicos de precipitación están disponibles para numerosas estaciones pluviométricas, que se utilizan para realizar interpolaciones espaciales para generar una capa de distribución de lluvia. Existen varias técnicas de interpolación en SIG, como modelos matemáticos simples (por ejemplo, polígonos de Thiessen, vecino natural, ponderación de distancia inversa, tendencia, spline y modelos complejos como métodos geoestadísticos, como Kriging, Topo to raster, etc.). el estudio encontró que entre estos métodos, el método de interpolación geoestadística da mejores resultados que otros modelos matemáticos porque se basa en la variabilidad espacial de los datos.

Palabras clave Variabilidad de las precipitaciones, Análisis espacial, Interpolación, Kriging

Los patrones de precipitación están cambiando en todo el mundo debido al cambio climático, por lo que el estudio de los procesos hidrológicos se ha vuelto esencial para la gestión de los recursos hídricos. La distribución de la lluvia juega un papel importante en la comprensión de los procesos hidrológicos. Para realizar modelos hidrológicos, la interpolación espacial de los datos de lluvia es un parámetro clave.

La investigación actual se centró en varias técnicas de SIG para la interpolación espacial de datos de lluvia con respecto a la distribución espacial de la lluvia en el área de captación de Bisalpur. El área de captación de Bisalpur se extendió por los seis distritos de Rajasthan, es decir, Tonk, Ajmer, Bhilwara, Rajasamnd, Chittorgarh y Udaipur y un distrito de Madhya Pradesh, Neemuch. El Sistema de Información Geográfica (ArcGIS) se utiliza para la estimación de la distribución espacial.

La evaluación de la precisión se implementó mediante validación cruzada (CV) en la superficie de lluvia interpolada utilizando el error cuadrático medio (RMSE), la varianza (VAR), el sesgo fraccional de correlación (FB) y el factor de dos (FA2). Se seleccionaron al azar diez estaciones de lluvia para su validación. Los resultados se calcularon para que estas estaciones eligieran el método más apropiado que brinda mayor precisión.

La extensión ArcGIS Spacial Analyst proporciona un conjunto de herramientas para el análisis y modelado de datos espaciales. Se puede utilizar un conjunto de puntos de muestra que representan cambios en el paisaje, la población, las precipitaciones o el medio ambiente para visualizar la continuidad y la variabilidad de los datos observados en una superficie mediante el uso de herramientas de interpolación. Estos cambios se pueden extrapolar a través del espacio geográfico para poder describir la morfología y las características de estos cambios. La capacidad de crear superficies a partir de datos de muestra hace que la interpolación sea potente y útil (por Colin Childs, ESRI Education Services).

El objetivo del estudio es mejorar la precisión de la interpolación de la distribución espacial de la lluvia en ArcGIS mediante el uso de diferentes técnicas de interpolación. El área de captación de Bisalpur está ubicada entre las latitudes 24º 16 a 26º 30 N y longitudes 73º27 a 75º 28 E .. Los datos de precipitación se recolectan para las estaciones pluviométricas de Ajmer, Bhilwara, Chittorgarh, Rajsamand, Tonk y amp Udaipur. Los datos de Landsat7 de teledetección se obtienen del USGS (Landsat.org).

La presa de Bisalpur se construyó cerca de Tonk a mediados de la década de 1990 al otro lado del río Banas, el río más grande de Rajasthan. Es una presa de gravedad polivalente que satisface las necesidades de agua potable y de riego. Suministra agua potable a ciudades como Jaipur, Tonk, Chaksu, Ajmer, Beawar, Malpura, Dudu y zonas rurales cercanas. El aumento de la población y la urbanización han ejercido una enorme presión sobre los recursos hídricos. Por tanto, el estudio de los procesos hidrológicos en la zona de captación es fundamental para la gestión de los recursos hídricos.

Las técnicas de interpolación espacial anteriores se implementaron en el software ArcGIS de ESRI utilizando la herramienta Spatial Analyst. La herramienta ofrece varias técnicas de interpolación para generar cuadrículas de superficie a partir de datos de puntos. Cada método utiliza un enfoque diferente para determinar los valores de la celda de salida. Los datos de lluvia de varias estaciones de lluvia para el año 2008 se convirtieron en una capa de puntos. La capa de puntos se volvió a proyectar en la misma proyección que el otro conjunto de datos. (Geográfico, WGS84). Se eliminaron los valores de datos de lluvia anormales. Se realizan varias técnicas de SIG para la interpolación espacial de los datos de lluvia para predecir los valores de lluvia desconocidos en el área de captación de Bisalpur. La salida se recortó con el límite del área de estudio.Los datos cronológicos de las precipitaciones están disponibles en las estaciones de pluviómetros que se utilizan para realizar la interpolación espacial para generar la superficie de distribución de las precipitaciones. Se analizaron 75 datos de estaciones pluviales para generar el resultado.

Figura 3: Precipitaciones registradas en varias estaciones pluviométricas de junio a septiembre de 2008.

Los mapas temáticos generados por varios métodos se muestran en la figura 4 (a) y amp 4 (b) que representa una superficie de lluvia continua. El color rojo muestra una gran cantidad de lluvia, mientras que la poca lluvia se ilustra con tonos de color verde. Los diferentes modelos se comparan entre sí mediante un procedimiento de validación para elegir el método más apropiado que dé mayor precisión en el conjunto de validación. La validación cruzada se realizó utilizando 10 estaciones de rainguage conocidas que se seleccionaron al azar en el área de estudio. Los valores de píxeles de 10 estaciones se registraron en las seis técnicas de interpolación. Los valores predichos así obtenidos se validaron adicionalmente utilizando RMSE, VAR, COR, FB, FA2.


Correlación entre un ráster y un dataset de puntos - Sistemas de información geográfica

Todos los artículos publicados por MDPI están disponibles inmediatamente en todo el mundo bajo una licencia de acceso abierto. No se requiere un permiso especial para reutilizar todo o parte del artículo publicado por MDPI, incluidas las figuras y tablas. Para los artículos publicados bajo una licencia Creative Common CC BY de acceso abierto, cualquier parte del artículo puede ser reutilizada sin permiso siempre que el artículo original esté claramente citado.

Los artículos de fondo representan la investigación más avanzada con un potencial significativo de alto impacto en el campo. Los artículos de fondo se envían por invitación individual o recomendación de los editores científicos y se someten a una revisión por pares antes de su publicación.

El artículo destacado puede ser un artículo de investigación original, un estudio de investigación novedoso y sustancial que a menudo implica varias técnicas o enfoques, o un artículo de revisión completo con actualizaciones concisas y precisas sobre los últimos avances en el campo que revisan sistemáticamente los avances científicos más interesantes. literatura. Este tipo de artículo ofrece una perspectiva sobre las futuras direcciones de la investigación o sus posibles aplicaciones.

Los artículos de Editor's Choice se basan en las recomendaciones de los editores científicos de las revistas de MDPI de todo el mundo. Los editores seleccionan una pequeña cantidad de artículos publicados recientemente en la revista que creen que serán particularmente interesantes para los autores o importantes en este campo. El objetivo es proporcionar una instantánea de algunos de los trabajos más interesantes publicados en las diversas áreas de investigación de la revista.


Correlación entre un ráster y un dataset de puntos - Sistemas de información geográfica

El valor a largo plazo de los datos ecológicos y su utilidad para promover la comprensión ecológica y resolver problemas ambientales importantes dependen de la disponibilidad de metadatos adecuados y adecuados, o información descriptiva que describa el contenido, el contexto, la calidad, la estructura y la accesibilidad de los datos (Michener 2000). Como disciplina, la ecología se está moviendo más allá de su tradición de observaciones empíricas a pequeña escala y experimentos realizados por uno o unos pocos investigadores a escalas relativamente pequeñas (Kareiva & amp Anderson 1988 Brown & amp Roughgarden 1990). Cada vez más, la investigación ecológica y ambiental tiene como objetivo comprender los sistemas ecológicos complejos a amplias escalas espaciales y temporales y requiere acceso a datos más allá de lo que normalmente se encuentra dentro de un solo esfuerzo de recopilación de datos. Este enfoque cambiante ha llevado al reconocimiento dentro de la comunidad de la necesidad de un mayor intercambio de datos y acceso comunitario a largo plazo a los datos (por ejemplo, Olson & amp McCord 2000 Andelman et al.2004) y presenta nuevos desafíos para la integración de información ecológica heterogénea en un gama de escalas espaciales, temporales y organizativas.

Históricamente, las investigaciones de muchos fenómenos ecológicos y el desarrollo de teorías para explicarlos se han visto limitados por la disponibilidad de datos adecuados a largo plazo. Por ejemplo, la naturaleza fragmentaria de las actividades de investigación sobre dinámica de poblaciones, que a menudo se ha centrado en el análisis de conjuntos de datos individuales, ha dificultado la formulación de una teoría general y la investigación de patrones espaciales y taxonómicos a gran escala. En respuesta a esta limitación, y motivado por la necesidad de proporcionar un acceso completo a los datos de poblaciones biológicas, para facilitar el descubrimiento de patrones y principios generales, para avanzar en la comprensión de patrones espaciales y temporales a gran escala, y para permitir a los investigadores adquirir un gran número de conjuntos de datos, sin tener que realizar búsquedas repetitivas, largas y costosas, el Centro de Biología de Poblaciones del Imperial College, Silwood Park, el Centro Nacional de Análisis y Síntesis Ecológicos (NCEAS) y la Universidad de Tennessee colaboraron para desarrollar la Población Global Base de datos de dinámica (GPDD http://cpbnts1.bio.ic.ac.uk/gpdd/). El GPDD es ahora la mayor colección de datos de población animal y vegetal del mundo y reúne casi cinco mil series de tiempo en una base de datos. Proporciona un recurso importante para los ecologistas, administradores de recursos y científicos ambientales interesados ​​en la dinámica de las poblaciones naturales o en hacer preguntas comparativas sobre la naturaleza de la variabilidad de la población (por ejemplo, Kendall et al. 1998 Kendall et al. 2000 Fagan et al. 2001 Inchausti & amp Halley 2001 Inchausti & amp Halley 2002 Inchausti & amp Halley 2003).

Los esfuerzos sintéticos, como el desarrollo del GPDD, están limitados por la heterogeneidad de los datos y metadatos ecológicos. Los datos ecológicos exhiben una variedad de formatos, que reflejan diferentes motivaciones subyacentes para la recopilación de datos, diferentes conjuntos de variables y diferentes diseños de muestreo espacial y temporal. Además, los metadatos ecológicos también suelen ser muy variables en extensión, profundidad, calidad y tipos de incertidumbre asociados (Andelman et al.2004 Regan et al.2002), y pueden consistir en notas mentales, notas escritas a mano en un cuaderno de campo, un campo de comentarios en una hoja de cálculo de Excel u otras formas de documentación. Actualmente, no existe un estándar único para guiar la decisión sobre qué cantidad y calidad de metadatos son suficientes para permitir que los datos que inicialmente se recopilaron para un propósito único y relativamente limitado, se entiendan y utilicen de manera apropiada para una variedad de propósitos. Desafortunadamente, esto a menudo significa que el valor de los datos ecológicos disminuye con el tiempo, porque el investigador original puede olvidar o perder detalles importantes sobre los datos, debido a cambios de carrera o cambios en la tecnología de almacenamiento y gestión de datos (Michener 2000).

Este artículo describe Ecological Metadata Language (EML http://knb.ecoinformatics.org/software/eml/), un método para formalizar y estandarizar el conjunto de conceptos que son esenciales para describir datos ecológicos, y explica por qué y cómo crear metadatos con EML ampliará la utilidad a largo plazo de los datos ecológicos y facilitará los procesos de descubrimiento e integración de datos.

Metadatos

Los metadatos son la información que describe “quién, qué, dónde, cuándo, por qué y cómo” se recopiló un conjunto de datos ecológicos. Metadatos significa literalmente (meta

acerca de) “acerca de los datos”. La mayoría de nosotros ha experimentado la dificultad de utilizar nuestros propios datos después de que hayan pasado solo unos meses desde que se recopilaron. A menos que los datos estén adecuadamente documentados, esta dificultad solo aumenta con el tiempo. Incluso el análisis más simple requiere cierto nivel de metadatos. Por ejemplo, considere una tabla de datos simple, sin encabezados de columna (Tabla 1). Sin metadatos, una tabla de datos como esta es inútil. A menos que conozcamos las unidades de medida, los números en las columnas no tienen sentido. Además, en este ejemplo, no hay metadatos que identifiquen la ubicación donde se recopilaron los datos, el organismo o sistema focal, o la identidad y ubicación del propietario de los datos. La Tabla 2 muestra la misma tabla de datos, con algunos metadatos adicionales. En este ejemplo, podemos ver que los datos se recopilaron en mayo de 2002, en un sitio, identificado como VO. Sin embargo, solo se puede adivinar lo que podría significar VO o el significado de las columnas con encabezados "S", "R", "Bm", "P" y "N". significar. La falta de metadatos adecuados hace que este conjunto de datos sea inútil para cualquier persona que no sea el propietario original.

La Tabla 3 ilustra un conjunto de datos con documentación más completa. Se identifica al propietario de los datos, se definen los encabezados de las columnas y se proporciona información general sobre cómo y dónde se recopilaron los datos. Dependiendo del uso previsto, el acceso a esta información puede convertirlo en un conjunto de datos utilizable. Sin embargo, el propietario original de estos datos probablemente tenga información adicional que facilitaría una descripción más completa de los datos y potencialmente los haría más adecuados para una gama más amplia de actividades de investigación en el futuro. Por ejemplo, la inclusión de coordenadas geográficas u otra información que describa la ubicación espacial donde se recopilaron los datos, o la información sobre códigos o números utilizados para indicar datos faltantes aumentaría la utilidad potencial de estos datos.

Este ejemplo ilustra otra característica común de los metadatos: la información proporcionada es lo que el propietario de los datos decidió documentar. Sin estándares o pautas para el contenido de metadatos, si la misma persona documentara otro conjunto de datos, se podría incluir la misma o diferente información, y el formato podría ser el mismo o no. De esta manera, si los análisis requieren múltiples conjuntos de datos de diferentes propietarios, ubicaciones u horas, es poco probable que todos los conjuntos de datos relevantes tengan metadatos con niveles de detalle equivalentes, usen terminología consistente o usen formatos consistentes para metadatos. Los formatos y tipos de información potencialmente infinitos en los que documentar los datos sugieren la necesidad de estandarizar los metadatos. La Tabla 4 proporciona un ejemplo de un documento de metadatos mucho más detallado que se hizo utilizando EML, en el que cada concepto de metadatos (desde el título del conjunto de datos hasta la descripción geográfica) se ha formalizado y estandarizado.

Crear metadatos con EML

NOTA: Esto para conjuntos de datos que no son RDBMS. Póngase en contacto con [email protected] para obtener más información.

El Lenguaje de Metadatos Ecológicos (EML) es un método para formalizar y estandarizar el conjunto de conceptos que son esenciales para describir los datos ecológicos, así como el formato para registrar esta información. EML evolucionó a partir de un esfuerzo comunitario de código abierto que involucra a investigadores ecológicos, administradores de información y desarrolladores de software, dirigido por el Centro Nacional de Análisis y Síntesis Ecológicos (NCEAS) y la Red de Investigación Ecológica a Largo Plazo (LTER). La necesidad de EML o un método similar para promover la preservación y la utilidad a largo plazo de los crecientes archivos de datos ecológicos ha sido reconocida durante algún tiempo (Informe FLED 1995, Michener et al, 1997 Olson & amp McCord 2000).

EML está destinado a ser utilizado por cualquier ecologista o administrador de información ecológica. Describe una gama de aspectos esenciales de los datos ecológicos, como los atributos de los datos (generalmente considerados como variables por los ecologistas), nombres y definiciones, unidades de medición, fecha, hora y ubicación de la recopilación de datos, quién recopiló el diseño de muestreo de datos, etc. ambigüedad e incertidumbre al formalizar estos conceptos de metadatos en un conjunto completo pero estandarizado de términos y definiciones destinados específicamente a datos ecológicos. Los metadatos de la Tabla 4 proporcionan un ejemplo de conjunto de datos que se ha documentado razonablemente bien con EML.

La pregunta "¿Cuántos metadatos son suficientes?" no tiene una respuesta clara. Como pauta general, un ecologista debe poder obtener una comprensión profunda de un conjunto de datos moderadamente complicado después de revisar los metadatos durante 20 minutos. En caso de duda, asuma que "más es mejor", porque omitir detalles de los metadatos al principio puede generar problemas más adelante (por ejemplo, horas de discusión o análisis exploratorios) y, en el peor de los casos, puede hacer que los datos sean inutilizables. En general, cuantos más metadatos cree, mayor será la vida útil de su conjunto de datos.

Un recorrido por cada uno de los conceptos de metadatos de EML formalizados que se muestran en la Tabla 4 aclarará algunos de los conceptos de metadatos más importantes proporcionados en EML. La información de la Tabla 4 está organizada en seis categorías amplias de metadatos, cada una de las cuales contiene metadatos más detallados. Estas categorías son algo arbitrarias, pero están destinadas a categorizar los campos de metadatos de EML de una manera intuitiva para los ecologistas. Las categorías incluyen las secciones Conjunto de datos general, Geográfico, Temporal, Taxonómico, Métodos y Metadatos de tabla de datos.

La categoría de metadatos del conjunto de datos generales contiene conceptos de metadatos de EML que describen el propósito de la recopilación de datos y las preguntas que originalmente se pretendía abordar con la recopilación de datos. Algunos tipos de metadatos, como el título y el resumen, se explican por sí mismos, pero es posible que otros no. El campo de derechos de uso proporciona un lugar para obtener información sobre quién puede usar el conjunto de datos y qué restricciones de uso existen, si las hay. Otra información general de metadatos del conjunto de datos incluye información de contacto de personas que tuvieron un papel importante en la recopilación o gestión de datos. Se recomienda al menos un contacto principal. Esta debe ser la persona a la que se deben dirigir las preguntas adicionales sobre los datos y metadatos.

Además, en esta categoría, la información sobre los datos o los métodos de recopilación de datos se puede proporcionar en artículos publicados. EML proporciona campos para ingresar información bibliográfica, como citas de artículos de revistas o libros. EML admite una variedad de estilos de referencia estándar y permite la importación directamente desde EndNote y otro software bibliográfico.

Como sugiere el nombre, la categoría de metadatos geográficos se utiliza para metadatos geográficos y espaciales. El campo de descripción geográfica contiene información sobre dónde se llevó a cabo el proyecto de investigación, dónde se recolectaron las muestras y cualquier referencia espacial o geográfica que pueda proporcionar un contexto para los datos. También se pueden ingresar aquí la latitud y la longitud para aumentar la precisión geográfica.

La categoría Metadatos temporales contiene información sobre cuándo comenzó y finalizó el proyecto de investigación. La información se puede almacenar como un rango de fechas (por ejemplo, los datos se recopilaron todos los meses entre junio de 2002 y 2003) o períodos de tiempo específicos (por ejemplo, mayo de 2002 y junio de 2003). Además, información sobre posibles lagunas en la recopilación de datos o en la recopilación de algunas variables.

Si el conjunto de datos tiene información sobre especies, hay campos de metadatos taxonómicos que las describen. Aquí se puede describir información como la autoridad taxonómica (es decir, el libro o sistema que se utiliza para identificar una especie) y la clase taxonómica (es decir, familia, género, especie). Para facilitar la entrada de información taxonómica, se pueden cargar tablas o archivos de texto que contienen listas de nombres de especies como un solo archivo.

La categoría Metadatos de métodos contiene información sobre los métodos utilizados para la recopilación de datos. Aquí se puede describir información metodológica general, como el diseño experimental y las máquinas o dispositivos utilizados para recopilar datos. La documentación de los métodos debe ser lo suficientemente detallada para que alguien pueda recrear el proyecto de investigación.

La tabla de datos contiene información sobre la tabla de datos en sí. Hay información de datos físicos como el nombre del archivo, si las letras en la tabla de datos distinguen entre mayúsculas y minúsculas, el número de registros y la estructura de la tabla de datos (es decir, nombres de atributos en columnas o filas). Esta categoría también contiene metadatos relacionados con las propias columnas de datos. La etiqueta es una palabra o frase que describe la columna, porque a menudo se utilizan acrónimos o abreviaturas ambiguas como encabezados de columna. El campo "definición" contiene información más descriptiva, que indica lo que representan los números en columnas o filas individuales. Los campos de unidad y tipo contienen las unidades y el tipo de datos (por ejemplo, entero, punto flotante, etc.) para cada columna. Falta representa un número o símbolo que se utiliza para indicar que no se recopilaron datos (por ejemplo, 9999). La precisión se refiere a la precisión de la medición. Por ejemplo, si los números en una columna representan la salida de una máquina, a menudo hay algún nivel de precisión o error de medición asociado con los datos. De manera similar, un investigador puede tener estimaciones de la precisión asociada con un método de recopilación de datos en particular. La columna de descripción del atributo proporciona definiciones de cualquier código utilizado en esa columna (por ejemplo, VO = Vally Oak) y el rango de valores en una columna (por ejemplo, los valores de biomasa varían de 10,04 g / m2 a 88,82 g / m2).

Los metadatos contenidos en la Tabla 4 representan un nivel mínimo de detalle que sería requerido por alguien con poco o ningún conocimiento previo sobre el conjunto de datos (o usted mismo después de no trabajar con los datos durante algunos años) para determinar si los datos son apropiados o no. para algún uso previsto. Además, una vez que alguien ha decidido utilizar los datos para un propósito particular, los metadatos deberían ser suficientes para permitir los siguientes pasos de investigación (por ejemplo, contactar al propietario de los datos para el conjunto de datos, o si los datos son públicos y accesibles, comenzar los análisis preliminares) .

Documentar datos con lenguaje de metadatos ecológicos (EML)

En este punto, tiene un conocimiento básico de las ventajas de usar EML y ha visto un ejemplo de un conjunto de datos razonablemente bien documentado. Actualmente, existen dos mecanismos para crear EML para documentar sus datos: Morpho y registros web.

Morpho

Morpho es un programa de software de gestión de metadatos y datos de plataforma cruzada. Permite a un ecologista crear, editar y administrar metadatos y tablas de datos. Morpho también proporciona capacidades para buscar y consultar datos ecológicos, tanto local como remotamente, en archivos de datos ecológicos de acceso público (es decir, archivos ecológicos accesibles a través de Internet). Morpho incluye asistentes que facilitan el uso de un subconjunto de EML (por ejemplo, Tabla 4) para documentar los atributos más comunes de sus datos. Además, existen herramientas que brindan acceso a todo el contenido de EML, que actualmente incluye más de 2000 conceptos o términos de metadatos para describir datos ecológicos. Para obtener más información, consulte http://knb.ecoinformatics.org/software/morpho.

Registros web

Otra opción es documentar sus datos utilizando un subconjunto de EML a través de un registro web en http://knb.ecoinformatics.org/index.jsp. Para utilizar esta herramienta, primero debe registrarse (es decir, proporcionar información básica sobre usted y cómo se le puede contactar). Luego, puede crear metadatos compatibles con EML sin instalar Morpho. Al igual que cuando se usa Morpho, el usuario puede crear metadatos EML y ponerlos a disposición de la comunidad ecológica a través de Internet. Hacer que los metadatos EML estén disponibles facilita el descubrimiento de su conjunto de datos por ecologistas de todo el mundo. Además, las grandes organizaciones y los grandes proyectos de investigación pueden querer crear interfaces web EML personalizadas (póngase en contacto con [email protected] para obtener información sobre cómo hacerlo). Actualmente, los registros web proporcionan un mecanismo para crear y consultar metadatos, sin embargo, no brindan acceso directo a los datos, lo que requiere Morpho.

El futuro

Al documentar sistemáticamente sus datos en un formato estandarizado y estructurado, contribuirá al avance del conocimiento ecológico. A medida que crecen los archivos de datos y metadatos ecológicos, aumentará el valor de estos recursos para la comunidad ecológica. EML proporciona una estructura común que los ecologistas pueden utilizar para documentar, compartir e interpretar datos ecológicos. La estructura formal de EML también facilitará el desarrollo de aplicaciones de software que procesan los metadatos. EML se implementa en XML (Extensible Markup Language), un estándar en crecimiento para marcar documentos en la Web. Esto significa que los metadatos de EML eventualmente permitirán el uso de una amplia gama de software, desde herramientas básicas de búsqueda y consulta que se pueden usar de forma remota a través de la web, hasta la integración remota de conjuntos de datos heterogéneos, el análisis y la visualización. Para obtener más información sobre EML y herramientas para crear metadatos y compartir datos, visite http://knb.ecoinformatics.org/index.jsp

Literatura citada

Andelman, S. J., Bowles, C. M., Willig, M. R. y Waide, R. B. (2004). Comprender la complejidad ambiental a través de una red de conocimiento distribuida. Bioscience 54, 240-246.

Brown JH, Roughgarden J. 1990. Ecology for a Changing Earth. Boletín de la Sociedad Ecológica de América 71: 173-188.

Fagan, W. F., Meir, E., Prendergast, J., Folarin, A. y Karieva, P. (2001). Caracterización de la vulnerabilidad de la población para 758 especies. Ecology Letters 4, 132-138.

Gross, K y col. Informe del Comité sobre el futuro de los datos ecológicos a largo plazo (FLED), Ecological Society of America. Sociedad Ecológica de América, Washington, D.C., 1995.

Inchausti, P. y Halley, J. (2001). Investigar la variabilidad ecológica a largo plazo utilizando la base de datos de dinámica de la población mundial. Science 293, 655-657.

Inchausti, P. y Halley, J. (2002). La variabilidad temporal a largo plazo y el color espectral de las poblaciones animales. Investigación sobre ecología evolutiva 4, 1033-1048.

Inchausti, P. y Halley, J. (2003). Sobre la relación entre variabilidad temporal y tiempo de persistencia en poblaciones animales. Revista de Ecología Animal 72, 899-908.

Kareiva, P, Anderson, M. (1988) Aspectos espaciales de las interacciones de las especies: la boda de modelos y experimentos. En A Hastings (Ed.) Community Ecology (págs. 35-50). Nueva York: Springer-Verlag.

Kendall, Bruce E. Briggs, Cherie Murdoch, William W. Turchin, Peter Ellner, Stephen P. McCauley, Edward Nisbet, Roger M. Wood, Simon. 1998. ¿Por qué el ciclo de las poblaciones ?: Una síntesis de enfoques de modelos estadísticos y mecanicistas. Ecología. Vol: 80. Páginas 1789-1805.

Kendall, Bruce E. Bjornstad, Ottar N. Bascompte, Jordi Keitt, Timothy H. Fagan, William F .. 2000. Dispersión, correlación ambiental y sincronía espacial en la dinámica de poblaciones. Naturalista estadounidense. Vol: 155. Páginas 628-636.

Michener, William y J. Brunt, eds. (2000) Datos ecológicos: diseño, gestión y procesamiento, Blackwell Science, Malden, MA:

Michener, William K., James W. Brunt, John Helly, Thomas B. Kirchner y Susan G. Stafford. 1997. Metadatos no geoespaciales para las ciencias ecológicas. Aplicaciones ecológicas. 7 (1): 330-342.

Olson, RJ y McCord, RA. (2000) Archivo de datos e información ecológicos. En: W. Michener y J. Brunt (Eds.), Datos ecológicos: diseño, gestión y procesamiento (págs. 117-141). Malden, MA: Blackwell Science.

Regan, H. M., Colyvan, M. y Burgman, M. A. (2002). Una taxonomía y tratamiento de la incertidumbre para la ecología y la biología de la conservación. Aplicaciones ecológicas 12, 618-628.


3 RESULTADOS

3.1 Recolección de muestras y genotipado

Recolectamos 1,646 muestras fecales de carnívoros de áreas protegidas en la India central de 2006 a 2013, de las cuales 970 muestras resultaron positivas para tigres. Genotipamos 787 muestras de ADN fecal en ocho a trece loci. La probabilidad de que dos hermanos compartan el mismo genotipo, o PID (sib), para los ocho loci menos variables y para los trece loci fue 2,17 × 10 −3 y 1,99 × 10 −5, y la probabilidad de identidad para dos individuos no emparentados (PID) fue 4,79 × 10 −7 y 2,8 × 10-12, respectivamente. Después de la genotipificación de microsatélites, identificamos 274 individuos, cada uno de los cuales fue recapturado en nuestro conjunto de datos 0-9 veces. También recibimos 10 muestras fecales del Instituto de Vida Silvestre de la India, Dehradun, que fueron recolectadas en la Reserva de Tigres de Panna, Madhya Pradesh, en 2006. Las 10 muestras fueron positivas para tigres y representaron a 10 individuos. Recibimos y analizamos 25 casos forenses de nuestra área de estudio de 2009 a 2015, relacionados con muertes de tigres donde se encontraron cadáveres en las respectivas áreas forestales.

3.2 Optimización del modelo univariante

La rugosidad topográfica tuvo la correlación univariada más fuerte con la distancia genética, después de dividir el modelo de EII, seguido de la posición de la pendiente, la huella humana y la cobertura del suelo (Tabla 2). La correlación parcial de Mantel fue significativa para todas las variables en resoluciones temáticas univariadas óptimas. Tanto la posición de la pendiente como la rugosidad topográfica tuvieron resoluciones temáticas univariadas óptimas con valores de RMax de 80 y exponentes de potencia de 4, lo que indica un alto efecto sobre la resistencia y que la resistencia aumenta de manera altamente convexa. Tanto la huella humana como la cobertura terrestre tenían valores RMax univariados de 5, lo que indica efectos mucho más débiles que la topografía sobre la resistencia al flujo de genes. La cobertura terrestre tenía un exponente de potencia de 4 que indica una respuesta altamente convexa de resistencia a la cobertura terrestre, mientras que la huella humana tenía un exponente de potencia de 1 que indica que la resistencia aumentaba linealmente con el aumento de la huella humana.

3.3 Optimización del modelo multivariante

El mejor modelo multivariado basado en la optimización con correlación parcial de Mantel incluyó las cuatro variables (rugosidad topográfica, posición de la pendiente, cobertura del suelo y huella humana). Este modelo multivariado optimizado incluyó las mismas resoluciones temáticas para la rugosidad y la posición de la pendiente que la optimización univariante (RMax = 80 exponente de potencia = 4) y para la cobertura del suelo (RMax = 5, exponente de potencia = 4). En contraste, la resolución temática óptima para la huella humana cambió de RMax = 5 exponente = 1 a RMax = 10 exponente = 4 (Tabla 2). Repisa parcial R El valor, controlando la distancia geográfica, fue mayor para la combinación optimizada multivariante que la combinación en sus valores de resistencia optimizados univariados (r = .1286 vs. r = .0943, respectivamente). La superficie de resistencia optimizada final que se muestra en la Figura 6 indica que la resistencia al flujo de genes del tigre es baja a lo largo de cadenas montañosas topográficamente ásperas, particularmente a lo largo de las cimas de las crestas, y es mucho mayor en entornos de valles planos, especialmente aquellos con una gran huella humana y una cubierta forestal baja, con efectos topográficos dominantes.

3.4 Tamaño efectivo de la población: escala univariante

El análisis de escala univariante de la asociación entre el tamaño efectivo de la población y la conectividad del paisaje encontró relaciones univariadas significativas para las cuatro variables predictoras. El porcentaje de cobertura forestal en el paisaje focal tuvo la relación más fuerte en la escala más amplia de 45 km de radio, donde el coeficiente estandarizado alcanzó su máximo de 20.06 (Fig. S1). El porcentaje del paisaje focal en áreas protegidas también mostró una predicción más fuerte del tamaño efectivo de la población en la escala más amplia analizada, con un coeficiente de regresión estandarizado de 20,91 a una extensión de radio focal de 45.000 m (Fig. S2). La huella humana tuvo una relación más fuerte con el tamaño efectivo de la población en la segunda a la más amplia escala de extensión de radio focal de 42,5 km, con un coeficiente estandarizado que alcanzó su mayor magnitud de -16,41 (Fig. S3). La media focal de la resistencia del paisaje también tuvo una relación más fuerte con el tamaño efectivo de la población de tigres en la segunda escala más amplia analizada, alcanzando un valor máximo de coeficiente estandarizado de -20.27 (Fig. S4). El valor acumulado del grano resistente tuvo la relación más fuerte con el tamaño efectivo de la población de tigres en la segunda escala más amplia analizada con un AICC valor de 61,33 y coeficiente estandarizado de 11,17 (Fig. S5). Según las magnitudes relativas de los coeficientes de las variables estandarizadas, la extensión de las áreas protegidas, la media focal de la resistencia del paisaje y la extensión de la cubierta forestal tuvieron un tamaño de efecto casi igual, con coeficientes que variaron de 20.90 a 20.06, y las áreas protegidas tuvieron un tamaño de efecto ligeramente mayor que las demás. . La huella humana y los valores acumulados de granos resistentes fueron las variables menos influyentes según la magnitud del coeficiente estandarizado, y ninguna de ellas fue estadísticamente significativa en ninguna escala.

3.5 Análisis multivariado

Ejecutamos todos los subconjuntos de regresión lineal con promedios del modelo en las tres variables con relaciones univariadas significativas con el tamaño efectivo de la población local de tigres (área de áreas protegidas en un radio de 45 km, cobertura forestal en un radio de 45 km y resistencia del paisaje local en un radio de 42.5 km). ) para obtener coeficientes promediados del modelo para predecir el tamaño de la población local efectiva en todo el paisaje. El mapa pronosticado del tamaño efectivo de la población de tigres en el área de estudio de la India central muestra claramente un efecto dominante del tamaño y la proximidad de las áreas protegidas en el paisaje local, con todas las áreas de muy alto tamaño de población efectivo pronosticado centradas en áreas protegidas (Figura 7) . El mapa también muestra una influencia adicional considerable de las áreas forestales fuera de las áreas protegidas en la predicción de tamaños de población efectivos moderados.


4. DISCUSIÓN

Utilizando un marco bayesiano para combinar SDM derivados de observaciones de ciencia ciudadana con asignaciones de δ 2 H para producir estimaciones de alta resolución de los orígenes de Swan Geese, proporcionamos evidencia para respaldar la contracción conocida en el rango de la especie en sus áreas de reproducción de Rusia y Mongolia. (Batbayar et al., 2011 Goroshko, 2001). Este es el primer estudio de caso en Asia que define con éxito el origen migratorio de las Anatidae invernantes sobre la base de una relación de cambio de escala específica de la especie entre δ 2 HF y δ 2 Hpag, confirmado por telemetría satelital.

La integración de SDM mejoró en gran medida la precisión de las asignaciones de isótopos de hidrógeno estables para Swan Geese. Para demostrar la mejora, representamos la superficie de origen probable de todos los gansos invernantes capturados en China. La incertidumbre del modelo exacerba la falta natural de resolución en la asignación basada en isótopos estables (Figura 5b), para la cual el origen probable de las aves se extendía sobre una vasta área desde el oeste de Mongolia hasta el norte hasta el sur de la región del lago Baikal y hacia el este hasta los tramos más bajos de la región. Río Amur, con baja resolución. El condicionamiento de las asignaciones de isótopos en el SDM específico de la muda mejoró enormemente la asignación geográfica (Figura 5a), que limitó las áreas de origen previstas finales a las áreas adyacentes distribuidas entre el este de Mongolia, China y la región de Chita de Rusia, así como las partes central y occidental de Mongolia. . Dado que sospechamos que el rango de distribución de reproducción / muda actual del Swan Goose está severamente fragmentado en comparación con el pasado reciente, concluimos que el poder de predicción del enfoque bayesiano se benefició al integrar el SDM específico de muda.

Combinando SDM y δ 2 HF Según los datos, predijimos los orígenes potenciales de la muda de 46 gansos muestreados en sus cuarteles de invierno chinos, incluido el lugar de invernada más importante en la actualidad, el lago Poyang en la provincia de Jiangxi, así como los especímenes de museo que invernan a lo largo de la costa de las décadas de 1960 y 1970. Nuestros resultados confirmaron la ausencia de efecto sexual sobre δ 2 HF valores entre los grupos probados, pero revelaron diferencias en la procedencia de muda de gansos cisne entre las plumas muestreadas de gansos contemporáneos y derivados históricamente a pesar de las limitaciones potenciales asociadas con el tamaño de muestra relativamente pequeño entre estos últimos. Sostenemos que si bien la mejora del tamaño de la muestra proporcionaría más confianza en la precisión de la asignación geoespacial de los individuos históricos, con toda probabilidad el rango histórico de verano se extendió más hacia el norte y el este que el de la población actual.

4.1 Múltiples orígenes de la muda entre los gansos invernales del lago Poyang

Dos grupos de gansos cisnes muestreados en el mismo año, pero en temporadas posteriores en el lago Poyang exhibieron δ 2 H significativamente diferentesF valores, lo que demuestra múltiples orígenes de muda para los gansos muestreados allí. Batbayar y col. (2011) mostró que la telemetría rastreó gansos del este de Mongolia migraron principalmente al lago Poyang en invierno, mientras que los del centro y este de Mongolia probablemente aparecieran en el lago Shengjin, provincia de Anhui (Fox & Leafloor, 2018). La pérdida de macrófitas sumergidas en los lagos de Anhui (Fox et al., 2011) ha reducido la capacidad de carga de las aves que consumen tubérculos, alterando la distribución y abundancia de las aves. Vallisneria gremio de aves que se alimentan de tubérculos. Esto ha afectado notablemente al Swan Goose, que quizás esté más especializado en este sentido que otras especies (Chen, Zhang, Cao, De Boer y Fox, 2019 Fox et al., 2011). En el lago Shengjin, el número de gansos cisnes invernales disminuyó más de 10 veces entre 2003 y 2008 (Zhang et al., 2011). El área de invernada continúa contrayéndose (Cao, Zhang, Barter y Lei, 2010 Zhang et al., 2011), concentrándose en el lago Poyang, donde se encuentra actualmente más del 95% de la población mundial (Fox & Leafloor, 2018). Por lo tanto, no es sorprendente que el lago Poyang albergue gansos cisne invernantes de procedencia de reproducción cada vez más diversa. Estos incluyen aves de importantes áreas de verano conocidas, distribuidas entre China y Mongolia (Ganbold et al., 2017 Goroshko, 2004 Songtao, Xinhai y Gerilechaoketu, 2014), la región sureste de Transbaikalia en Rusia (Goroshko, 2001 Goroshko, Cornely y Bouffard , 2008), y en el centro / oeste de Mongolia y el noreste de China (Tian, ​​Jia, Tao y Li, 2010).

4.2 Cambios en la distribución de la muda en el noreste de China

Las diferencias distintivas en los orígenes geográficos predichos entre las muestras de plumas históricas y modernas indican potencialmente un cambio en la distribución de los gansos cisne veraniegos a pesar del tamaño de muestra relativamente pequeño disponible de especímenes de museo. El Swan Goose se crió anteriormente en la república de Tuva, los humedales del río Nanweng en la provincia de Heilongjiang y los humedales de Ergun en Mongolia Interior en las partes central y occidental de su antigua área de distribución (Poyarkov, 2005). Además, la especie ha desaparecido casi por completo en verano de la cuenca del río Amur-Heilong, el río Ussuri y el lago Khanka, así como en todo el Lejano Oriente de Rusia, por lo que nuestros datos de muestras de museos de la provincia de Fujian que sugieren vínculos con esa área pueden reflejar el estado transitorio en ese momento. Esto refleja un cambio ambiental importante documentado en el área: por ejemplo, los gansos cisnes eran comunes en el lago Kizi (región del Bajo Amur) en la década de 1930, pero el sitio fue abandonado por los gansos en la década de 1950-1960 como resultado de las extensas operaciones de tala de madera a lo largo de la orilla del lago (Poyarkov, 2005). El cultivo y la intensificación agrícola obligaron a los gansos cisne a abandonar la cuenca del río Lefu (río Ilistaya) durante el mismo período (Poyarkov, 2005). Actualmente, la población migratoria Amur-Korean-SE China Swan Goose está aislada y consta de unos pocos cientos de individuos (Fox & Leafloor, 2018 Rozenfeld, Shpak y Paramonov, 2014). El noreste de China anteriormente sustentaba el 26,5% de los humedales naturales de China (Lu et al., 2016), pero desde 1970 ha sufrido una gran pérdida y degradación de hábitat por la recuperación de humedales, la actividad humana, la intensificación agrícola y el cambio climático (Huang et al., 2010 Lu et al., 2016 Zhang et al., 2018). La grave pérdida continua de humedales naturales en el noreste de China, que solían ser hábitats de reproducción / muda extremadamente importantes para las aves acuáticas, es particularmente grave en la provincia de Heilongjiang, que solía albergar abundantes gansos cisne (Li, 1996), pero donde la especie se encuentra ahora raro (Fox & Leafloor, 2018).

4.3 Falta de estrategia de muda y procedencia ligada al sexo

Falta de un efecto sexual sobre el δ 2 HF valores de los gansos invernales y la relación negativa significativa entre δ 2 HF y la longitud de los lugares de muestreo sugieren una procedencia y una estrategia de muda similares para ambos sexos. Esto no es sorprendente para una especie monógama que se empareja de por vida (BirdLife International, 2019 Kear, 2005) en contraste con muchas especies de patos estacionalmente monógamas donde las hembras se encargan solas de la cría y el cuidado parental (Salomonsen, 1968). Los no reproductores emprenden la migración de muda a grandes cuerpos de agua abiertos con recursos alimentarios adecuados (Batbayar et al., 2011), mientras que los reproductores permanecen junto con los pichones hasta que empluman (Poyarkov, 2005) y mudan en las cercanías de su sitio de anidación (Salomonsen, 1968). Sin embargo, incluso en temporadas de reproducción favorables, las agregaciones de cisnes no reproductores en la región de Daurian todavía constituyen aproximadamente el 70% de la población mundial (Goroshko, 2004). La duración del vínculo de pareja de por vida y el cuidado parental extendido son típicos de las especies de ganso (Ely, Wilson y Talbot, 2017), lo que permite a los gansos cisnes mantener vínculos sociales con grupos conespecíficos e incluso familiares (Robertson y Cooke, 1999). Por lo tanto, no es sorprendente encontrar una estructura genética local a escala fina entre las aves muestreadas en los criaderos (Q. Zhu, I. Damba, Q. Zhao, K. Yi, N. Batbayar, T. Natsagdorj, B. Davaasuren, X Wang, S. Rozenfeld, S. Moriguchi, A. Zhan, L. Cao, AD Fox, comunicación personal) que también podrían trasladarse a los alojamientos de invernada.

4.4 El valor de combinar enfoques de telemetría e isótopos

Aunque la aplicación de dispositivos de telemetría a las aves acuáticas ha demostrado ser invaluable para describir los patrones de migración individuales, dados los patrones generales de fidelidad a los sitios de por vida en estas especies, la aplicación más amplia de esta técnica para determinar la conectividad migratoria dentro y entre la población sigue siendo limitada. Sin embargo, vemos ventajas en el uso complementario de la telemetría y los isótopos estables en este contexto. En primer lugar, los análisis de isótopos estables podrían identificar áreas potencialmente de alta conectividad basadas en muestras de plumas de aves sin marcar. Los sitios que se cree que son nodos clave en la matriz de conectividad se pueden investigar más a fondo mediante un seguimiento de telemetría mejorado para iluminarnos sobre la procedencia de reproducción, el uso del hábitat y las estrategias de migración para caracterizar completamente los movimientos migratorios. En segundo lugar, para las especies con un rango de reproducción fragmentado, la aplicación de dispositivos de seguimiento en más individuos para estimar la probabilidad de su migración a cada parche de reproducción distinto generaría un conjunto mejorado de antecedentes para aplicar dentro de un marco bayesiano para mejorar en gran medida el conocimiento actual.


Para monitorear la compleja interdependencia entre la humedad del suelo y la productividad de los bosques de abetos de Douglas en el noroeste del Pacífico, se instaló una densa red de sensores de humedad del suelo de bajo costo en asociación con 33 parcelas de vegetación forestal en una sola cuenca hidrográfica de 2260 ha en el oeste de Oregon. Se instalaron cuatro sensores en cada parcela para registrar el contenido volumétrico de agua del suelo y la temperatura del suelo a 5 y 50 cm por debajo de la superficie del suelo mineral a intervalos de 2 horas desde 2012 hasta 2018.

Las importantes lagunas de datos restringieron la utilización completa del conjunto de datos resultante resumido como promedios diarios.Se aplicó una red neuronal Self-Organizing Map para encontrar grupos de parcelas con dependencias funcionales similares de la temperatura del suelo y los valores de humedad del suelo. Los resultados guiaron la asignación posterior de la serie de tiempo más adecuada como entrada para las redes neuronales de retardo de tiempo distribuido específicas de la parcela que se entrenaron para simular la serie de tiempo del contenido volumétrico de agua en las dos profundidades del suelo en 33 ubicaciones. Además de las entradas contemporáneas utilizadas en las redes neuronales convencionales, la aplicación de las redes neuronales de retardo de tiempo distribuido permite la incorporación de secciones anteriores de los datos de la serie temporal de entrada. Los resultados muestran el alto rendimiento de los enfoques combinados de aprendizaje automático que capitalizan la riqueza de datos espaciales de la densa red de monitoreo. El coeficiente de correlación para los subconjuntos de datos de prueba promedia 0,95 y el error medio es igual a 0,04 cm 3 / cm 3. La correlación entre las series de tiempo en varias parcelas se mantuvo para los datos modelados. Una comparación cruzada de los datos reveló que el 81% de los datos de humedad del suelo de 5 cm y el 95% de los datos de humedad del suelo de 50 cm muestran menos del 10% de diferencia entre los coeficientes de determinación antes y después del procedimiento de llenado de huecos. . Los extremos de humedad del suelo llenos de huecos a largo plazo se corresponden bien con un índice de severidad de sequía de Palmer de alta resolución calculado para el área.


Resultados

Variabilidad ambiental en el pasado y el presente

Investigamos la posible influencia de la variabilidad ambiental en la diversidad conductual de las comunidades de chimpancés, considerando procesos ecológico-evolutivos tanto recientes como históricos 32. Usamos datos espacialmente explícitos para capturar la variabilidad ambiental para cada comunidad de chimpancés (o grupo social) en tres escalas de tiempo diferentes: el corto, mediano y largo plazo. Primero, para capturar la variabilidad ecológica a corto plazo, usamos la estacionalidad de la precipitación (es decir, el coeficiente de variación en la precipitación mensual) promediado a lo largo de 30 años (1970-2000) extraído de la base de datos WorldClim 33 donde los valores más grandes representan una mayor variación en la precipitación. La precipitación es un factor primordial para evaluar la productividad de los ecosistemas 34,35, por lo tanto, puede considerarse un sustituto de la disponibilidad de recursos alimentarios. Las precipitaciones también se han relacionado con múltiples características del ciclo de vida de las especies de primates, incluida la duración de la gestación y la vida útil 36. Es importante señalar aquí que la estacionalidad de las precipitaciones no actúa como una restricción ambiental (es decir, no evita en sí misma que los chimpancés expresen ciertos comportamientos debido a la falta de recursos adecuados), sino que es más bien un sustituto de las condiciones ecológicas a corto plazo. condiciones (ver ref. 31 y Métodos para más detalles).

En segundo lugar, como un indicador de la variabilidad a medio plazo, evaluamos el tipo de hábitat predominante como bosque cerrado (bosque) o bosques de sabana relativamente abiertos (sabana), asumiendo que los hábitats actuales y sus ecosistemas tardaron más en establecerse que unas pocas décadas. . Consideramos que los hábitats de sabana son más variables ecológicamente que los hábitats boscosos dado que tienen estaciones más pronunciadas y una mayor fluctuación en el clima 37. Aunque esta dicotomización probablemente subestima el espectro completo de la variación ambiental 38, restringimos la clasificación a estas dos categorías ya que el cambio de un hábitat cerrado y húmedo a uno abierto y árido se ha enfatizado repetidamente como un punto de inflexión crítico para la evolución humana 19, 20,21. Clasificamos cualquier comunidad donde está presente bosque fragmentado, tropical, de tierras bajas, húmedo o montano como bosque y todas las demás como bosque de sabana (consulte Métodos para obtener detalles adicionales).

Por último, para evaluar los efectos a largo plazo de la variabilidad ambiental, probamos la distancia a los refugios forestales del Pleistoceno (Fig. 1) utilizando las designaciones de Maley para África durante el último máximo glacial 39. Se estima que los refugios del bosque del Pleistoceno han estado presentes desde 10.000 a

Hace 2,5 millones de años 40, una época marcada por la expansión y contracción repetidas de los bosques durante los ciclos de glaciación, y un clima en general más seco y más frío 41. Como tal, los refugios de bosques tropicales que permanecieron intactos durante todo el Pleistoceno proporcionaron un clima y un hábitat estable para algunas poblaciones durante miles de años 42. Por lo tanto, al igual que con otros taxones de primates 32, se espera que los cambios posteriores en la vegetación y los límites del rango de los refugios forestales hayan dejado una señal histórica sobre la distribución y adaptaciones de las especies en la actualidad 41,42,43,44. La naturaleza estable de los refugios forestales del Pleistoceno puede describirse como cunas o museos de la biodiversidad. Como cunas, los refugios actúan como bombas de diversificación, como se ve en muchas regiones tropicales donde la riqueza de especies es alta 45,46. Alternativamente, como museos, los refugios ofrecen condiciones ambientales estables que favorecen la persistencia de especies en el tiempo con bajas tasas de extinción 45,47. Es importante destacar que el tamaño y la duración de los refugios, así como la ecología del comportamiento de una especie, interactuarán en el espacio y el tiempo para crear cunas evolutivas o museos de diversidad biológica 42,48. Utilizando este marco, predecimos que la diversificación del comportamiento de los chimpancés se produjo de dos maneras en condiciones relativamente estables, características de los refugios forestales, o en entornos cada vez más variables a medida que las poblaciones se dispersaban y se alejaban de los refugios, innovaban nuevos comportamientos para adaptarse y colonizaban nuevos hábitats. 42,45,48.

Las áreas verdes representan los refugios del bosque del Pleistoceno como los describe Maley 39, las líneas púrpuras muestran las distancias en línea recta calculadas entre el punto central de una comunidad de chimpancés y el límite del refugio forestal más cercano, y los puntos representan una comunidad de chimpancés única en un bosque predominantemente (azul) o hábitat de bosque de sabana (naranja). Distribución geográfica de los chimpancés trazada de acuerdo con la UICN 2018 77.

Diversidad cultural y de comportamiento de chimpancés

Para probar si la diversidad de comportamiento de una comunidad de chimpancés es una función del grado de variabilidad ambiental, ya sea en el pasado o en el presente reciente, actualizamos un conjunto de datos previamente publicado 27 de 144 comunidades distintas de chimpancés. Codificamos 31 comportamientos para cada comunidad (1/0) como presentes (evidencia directa o indirecta) o no observados 27. Estos 31 comportamientos no son universales para todos los chimpancés, sino que exhiben a nivel de población, incluida la variación cultural 28,29,30. Es importante destacar que este conjunto de datos incluye comportamientos que han demostrado ser adaptables a las condiciones ambientales o ecológicas locales, como el uso de cuevas y el baño en los chimpancés de la sabana para ayudar a la termorregulación durante épocas de estrés por calor 25,37. Los 31 comportamientos también incluyen una serie de características de búsqueda de alimento en las que los chimpancés de algunas comunidades aprenden a extraer recursos particulares, a menudo con el uso de herramientas (p. Ej., Pesca de algas 49, mojar hormigas 50,51, machacar 52, cascar nueces 53,54 y caza asistida por herramientas 55). Aunque se ha asumido en gran medida que la naturaleza adaptativa de estos comportamientos se debe a los beneficios nutricionales y la flexibilidad dietética, actualmente no hay evidencia que vincule estos comportamientos, de manera directa o indirecta, con el éxito reproductivo. Sabemos que cascar nueces proporciona a los chimpancés una ganancia de energía neta sustancial 56, y la caza asistida por herramientas observada en una comunidad de chimpancés permite a los individuos con menos fuerza, a saber, hembras y crías, capturar y consumir carne de vertebrados rica en energía 55.

En nuestro análisis, modelamos la ocurrencia probabilística de comportamientos (de un posible 31) por comunidad como una función de uno de los tres predictores de variabilidad ambiental. Controlamos la expectativa de que es probable que se documenten más comportamientos si se ha observado una comunidad durante más tiempo 27. Usando R (R Core Team 2017, versión 3.5.3), ajustamos los Modelos de Regresión Bayesiana (BRM) con una distribución de respuesta de Bernoulli y una función de enlace logit. En total, ajustamos tres BRM, uno con cada predictor, ya que no fue posible probar los tres simultáneamente debido a la colinealidad. Además, incluimos en todos los BRM como efectos fijos las cuatro subespecies de chimpancés actualmente reconocidas, el número de meses de observación por comunidad y el valor de la huella humana 57 en el centro de cada comunidad, ya que se descubrió que esto tenía un impacto negativo en la diversidad de comportamiento de los chimpancés 27 . Además, contabilizamos la autocorrelación espacial en cada modelo. Presentamos todos los resultados utilizando a priori débiles e investigamos más a fondo la influencia de los previos en los resultados (ver Métodos para obtener detalles en la Fig. 1 complementaria).

La probabilidad de ocurrencia en todos los comportamientos por comunidad de chimpancés se vio afectada positivamente por los tres predictores de variabilidad ambiental (Tabla 1 Fig. 2) con los efectos más prominentes encontrados para la distancia a los refugios del bosque del Pleistoceno. Las comunidades de chimpancés ubicadas más lejos de los refugios históricos del bosque del Pleistoceno tenían una mayor probabilidad de que los 31 comportamientos estuvieran presentes (estimación (media de la distribución posterior marginal) ± sd (desviación estándar de la distribución posterior marginal) = 0.523 ± 0.228 Intervalo creíble del 95% (IC ) = [0,072, 0,977]). Los comportamientos de los chimpancés también fueron más probables en ambientes con mayor estacionalidad de las precipitaciones (es decir, coeficientes de variación más grandes 0.314 ± 0.255, [−0.199, 0.794]) y en hábitats predominantemente de bosques de sabana en relación con hábitats boscosos (0.608 ± 0.596, [−0.591, 1.745] Tabla 1 Fig. 2), pero estos efectos fueron menos pronunciados. La proporción de la distribución posterior que apoya una asociación positiva entre cada predictor de variabilidad ambiental y la diversidad de comportamiento de los chimpancés osciló entre el 99% para los refugios forestales del Pleistoceno, el 89% para la precipitación CV y ​​el 85% para un bosque de sabana en relación con el hábitat boscoso (Tabla 1).

Es más probable que estos comportamientos ocurran cuando los chimpancés viven en hábitats. a más lejos de los refugios del bosque del Pleistoceno, con B mayor estacionalidad de las precipitaciones, y C un paisaje predominantemente boscoso de sabana. El tamaño de los círculos en las parcelas. a y B indica el tamaño de la muestra, o el número de comunidades de chimpancés por valor del predictor donde el total norte = 144 comunidades de chimpancés. Las áreas coloreadas representan los intervalos creíbles del 67, 87 y 97% centrados en la distribución posterior media predicha (a, B Linea discontinua, C línea horizontal) para la probabilidad de ocurrencia en los 31 comportamientos.

Para evaluar la solidez de estos resultados, ajustamos los modelos con tres variables de respuesta alternativas para cuantificar la diversidad de comportamiento de los chimpancés: el número de categorías de comportamiento, comportamientos de uso de herramientas y comportamientos sin uso de herramientas que ocurren por comunidad. Construimos 13 categorías de comportamiento de acuerdo con el recurso objetivo de los comportamientos de búsqueda de alimento (por ejemplo, hormigas, termitas y algas) o con respecto a su supuesta función general (por ejemplo, comunicación, extracción de agua y termorregulación) 27. Además, clasificamos los comportamientos como uso de herramientas, no uso de herramientas o desconocidos (Datos suplementarios 1). Para las 13 categorías de comportamiento, los tres predictores tuvieron una influencia considerable, aunque los efectos fueron nuevamente más pronunciados para la distancia a los refugios del bosque del Pleistoceno. Hubo una mayor probabilidad de encontrar más categorías de comportamiento en las comunidades de chimpancés más alejadas de los refugios del bosque del Pleistoceno (0,473 ± 0,359, [−0,262, 1,156]) y, en menor medida, en entornos con mayor variación en la precipitación (0,331 ± 0,327, [−0,337, 0,930]) y en hábitats de bosques de sabana (0,710 ± 0,723, [−0,729, 2,070]). La proporción de la distribución posterior que apoya una asociación positiva entre cada predictor ambiental y la diversidad de comportamiento de los chimpancés, medida mediante categorías de comportamiento, osciló entre el 95 y el 84% (Tabla complementaria 1). Encontramos efectos similares para la distancia a los refugios del Pleistoceno en la ocurrencia de comportamientos de uso y no uso de herramientas, mientras que los otros dos predictores ambientales tuvieron efectos más variables y más pequeños (Fig.3 Tabla complementaria 1). Para todos los modelos, la variable de control de los meses de observación afectó positivamente la ocurrencia del comportamiento de los chimpancés, mientras que la huella humana tuvo un impacto negativo como ya se mostró en un estudio previo 27 (Tabla 1, Tabla complementaria 1, Figura complementaria 2).

Probamos la estacionalidad de la precipitación, los bosques de la sabana versus el hábitat del bosque y la distancia a los refugios del Pleistoceno en la probabilidad de ocurrencia de 31 comportamientos de chimpancés, así como varios subconjuntos de datos para verificar la solidez de los resultados. El gráfico muestra la media de la distribución marginal posterior (puntos) y los intervalos creíbles de 67, 87 y 97% centrados en la media (áreas coloreadas).


Los mamíferos del bosque atlántico no pueden encontrar cobertura de telefonía celular

Presentamos una forma novedosa y más sencilla de medir la influencia humana: la cobertura de telefonía móvil. Además, también evaluamos su influencia en la probabilidad de ocurrencia de mamíferos silvestres medianos y grandes en el Bosque Atlántico Brasileño, como caso de estudio. Como primer paso, hemos demostrado la correlación entre la cobertura de telefonía móvil y la huella humana a nivel mundial, utilizando una base de datos de & gt23 millones de antenas. Luego, hemos estudiado cuidadosamente la correspondencia entre la presencia de una especie y la cobertura de telefonía celular para 45 especies de mamíferos medianos y grandes de la Mata Atlántica brasileña. Registramos 18.211 puntos de presencia de mamíferos, y su probabilidad de estar bajo cobertura de telefonía celular fue en promedio muy baja (18%). La mayoría de las especies mostraron una clara relación negativa con la cobertura de telefonía celular, y las especies amenazadas presentaron una probabilidad aún menor, de al menos 4% en comparación con las no amenazadas. La fuerte relación positiva entre la cobertura de telefonía móvil y el gradiente de la Huella Humana a escala global corroboró nuestra a priori hipótesis de que la cobertura de teléfonos móviles puede actuar como un sustituto de la presencia humana, incluso en áreas boscosas donde no hay otra evidencia de huella fácilmente detectable.


Ver el vídeo: Clase 4 SIG en R: Autocorrelación espacial