Suite

Étiqueter un polygone extérieur à l'aide de QGIS ?

Étiqueter un polygone extérieur à l'aide de QGIS ?


est-il possible de placer une étiquette automatiquement en dehors de son polygone ?


Il y a une autre question qui résout ce problème


Oui. Dans les propriétés de la couche, vous pouvez utiliser Étiquettes -> Placement -> Utilisation du périmètre. Vous pouvez choisir la position en tant que « ligne inférieure » ​​et ajuster la distance pour obtenir quelque chose comme ci-dessous.


Écholocalisation des chauves-souris en Chine continentale : revue systématique et première clé d'identification acoustique pour le pays

Le développement de détecteurs à ultrasons et de classificateurs automatiques de plus en plus abordables a de plus en plus stimulé l'utilisation de l'enregistrement acoustique des appels d'écholocation pour étudier les chauves-souris partout dans le monde. Les touches d'appel d'écholocalisation sont cruciales pour classer de manière fiable les enregistrements acoustiques, mais elles ne sont pas disponibles pour de nombreuses régions, comme la Chine. Dans la présente étude, nous avons mené une revue systématique des études d'écholocation des chauves-souris à travers la Chine continentale et développé une clé d'identification acoustique. Sur la base de 130 études, publiées de 1999 à 2020, nous avons obtenu des paramètres d'écholocation de 64 espèces de chauves-souris (47,4% du total des espèces d'écholocation connues du pays). Cette revue met en évidence le manque de références d'écholocation de Chine continentale pour 71 espèces, dont l'écholocation de 21 n'a jamais été décrite. De plus, nous avons développé l'indice de connaissance des chauves-souris, un indicateur qui permet d'identifier les domaines prioritaires clés pour les recherches futures sur l'acoustique des chauves-souris et les biais géographiques dans les études existantes, soulignant davantage le manque d'études dans les régions du nord-ouest du pays. La clé d'identification compilée fournit des étapes d'identification faciles à suivre pour classer les appels d'écholocation de 114 espèces (84,5% de toutes les espèces d'écholocation chinoises) soit au niveau des espèces (11,4%) soit au niveau du groupe phonique (88,6%). Cette clé représente un outil de référence utile et une étape supplémentaire pour augmenter la pertinence des études bioacoustiques en Chine.

Ceci est un aperçu du contenu de l'abonnement, accessible via votre institution.


Introduction

La connaissance de l'étendue et des caractéristiques climatiques des biomes terrestres, en outre liée à leurs aspects fonctionnels (par exemple la productivité), est essentielle pour comprendre les phénomènes écologiques et biogéographiques (Mucina 2019 ). Parmi les environnements terrestres, les écosystèmes alpins (c'est-à-dire les habitats de haute altitude au-dessus de la limite des arbres climatiques) sont la seule unité biogéographique représentée sur tous les continents et toutes les latitudes (Körner 2003 ) ils sont caractérisés par une histoire variée de changements climatiques et une forte différenciation des microhabitats (Körner 2003 ) ils contiennent également des points chauds de la biodiversité mondiale - par exemple les Andes tropicales (Myers et al. 2000 ) – et abritent environ 10 000 espèces végétales dans leur ensemble, dont beaucoup sont endémiques (Körner 2003 ). Les écosystèmes alpins fournissent de l'eau douce à plus de la moitié de la population humaine (Pomeroy 2015 ) et peuvent stocker jusqu'à 1% du réservoir de carbone terrestre mondial (Körner 1995 ) ils abritent également les habitats les plus menacés par l'utilisation des terres (Nagy et Grabherr 2009 ) et le changement climatique anthropique (Hughes 2000 ).

Malgré la pertinence des écosystèmes alpins pour la biodiversité mondiale, leur délimitation biogéographique dans le système du biome n'est toujours pas claire. La définition des biomes mondiaux a été traditionnellement basée sur la physionomie de la végétation et le macroclimat pour regrouper des zones avec des écosystèmes dominants similaires (Mucina 2019). Les écosystèmes alpins, qui se caractérisent par l'absence d'arbres en réponse aux basses températures, forment un continuum d'habitats arbustifs et herbeux se produisant au-dessus de la limite climatique des arbres à travers les latitudes. Les premières tentatives de caractérisation des écosystèmes alpins étaient basées sur leurs relations avec des biomes prédéfinis. Par exemple, le système basé sur la température de Holdridge (1947) reliait les ceintures altitudinales alpine et nivale aux zones glaciales et polaires, englobant tout ce qui est largement connu sous le nom de toundra arctique et alpine. Dans sa caractérisation influente des biomes mondiaux, Whittaker (1975) a reconnu les différences entre les types de biomes arctiques et alpins en identifiant deux écoclines liées à la température (c'est-à-dire latitudinale et altitudinale) impliquées dans la transition de la forêt à la toundra sans arbres. De même, la classification des écosystèmes terrestres de Walter (Walter et Box 1976) séparait les zonobiomes latitudinaux des orobiomes alpins. Dans un contexte biogéographique différent, Olson et al. (2001) ont identifié le type d'habitat « Prairies et arbustes montagnards » englobant les chaînes de montagnes tropicales et subtropicales. Pourtant, cette classification n'est pas basée sur les modèles de végétation et a laissé de côté les régions alpines tempérées et boréales de l'hémisphère nord, qui étaient soit incluses dans les biomes forestiers, soit dans la toundra arctique. De même, Faber-Langendoen et al. ( 2016 ) ont défini les « Prairies et arbustes tropicaux de montagne et de haute montagne » dans une classification récente des formations végétales mondiales, séparant ces zones de la toundra alpine non tropicale.

Malgré de grandes divergences dans l'interprétation des écosystèmes alpins, une caractérisation empirique des propriétés écologiques ou fonctionnelles de la ceinture alpine mondiale et de ses relations avec les biomes terrestres fait défaut. La plupart des études se limitent à des échelles continentales (Körner et al. 2003) ou régionales (Noroozi et Körner 2018), tandis que les estimations actuelles de la zone alpine mondiale sont basées soit sur les altitudes moyennes régionales de la limite des arbres et l'évaluation d'experts (Körner 2003) ou sur une délimitation à résolution grossière de ceintures altitudinales (Körner et al. 2011 ). Ce manque de connaissances a jusqu'à présent entravé toute analyse comparative des écosystèmes alpins par rapport à leurs modèles biogéographiques, malgré leurs similitudes bien connues dans la végétation dominante (Körner 2003). Les développements récents des plateformes de cloud computing accessibles au public comme Google Earth Engine (Gorelick et al. 2017 ) et la disponibilité croissante d'ensembles de données à grande échelle facilitent l'exploration des modèles naturels à l'échelle mondiale (Hansen et al. 2013 , Bastin et al. 2017 , 2019 ), nous permettant de répondre à des questions de longue date sur la biogéographie des écosystèmes alpins.

Ici, nous avons développé une méthode pour estimer l'étendue globale des zones alpines basée sur des données empiriques et une carte à haute résolution de leur distribution. Nous avons ensuite caractérisé les écosystèmes alpins pour évaluer leurs modèles bioclimatiques et de productivité à travers des variables climatiques globales et l'indice de végétation par différence normalisé (NDVI) des échelles mondiales aux échelles régionales. Notre premier objectif était de réévaluer les questions dominantes sur la répartition des écosystèmes alpins, telles que 1) quelle est la répartition spatiale et l'étendue des écosystèmes alpins dans le monde ? 2) Comment les écosystèmes alpins sont-ils liés aux principaux biomes des basses terres en ce qui concerne leurs modèles bioclimatiques et de productivité ? En produisant le premier ensemble de données empiriques sur les biomes alpins mondiaux, notre deuxième objectif était de faire progresser leur écologie comparative et de fournir un outil spatial qui aidera les futures recherches sur les montagnes dans toutes les disciplines.


Méthodes

Expéditions

Le centre d'origine du cacao se trouve en Amazonie (Vavilov 1939 Hawkes 1999 Motamayor et al. 2002 Patiño 2002 Dos Santos Dias et al. 2003 Chumacero de Schawe et al. 2013 Berlingeri et Crespo 2012). Le plus haut niveau de diversité d'espèces parmi les cacaoyers CWR se trouve dans les centres de diversité d'espèces, y compris la partie nord-ouest de l'Amazonie en Colombie, en Équateur et au Pérou, où entre neuf et onze espèces ont été enregistrées (Thomas et al. 2012).

Entre 2018 et 2019, nous avons mené deux enquêtes détaillées à la recherche de CWR de cacao pour les collections d'herbier. L'objectif principal de nos expéditions était de collecter et de cataloguer la biodiversité du cacaoyer CWR dans des régions inexplorées. Le matériel génétique a été exclu de nos collections car le but était de trouver des régions où poussent les cacaoyers CWR et d'explorer leurs environnements. Dans cet article, nous rapportons uniquement les collections botaniques, mais nous avons également collecté des échantillons de biodiversité associée dans deux biorégions avec des écosystèmes différents : la zone la plus méridionale de la Serrania de Baudó dans le centre du Chocó (Fig. 1a) et les rivières supérieures Caguán et Caquetá dans le bassin supérieur de l'Amazone (Fig. 1b). Les deux endroits sont éloignés, uniques sur le plan climatique et n'ont pas été explorés avec des collections biologiques limitées de cacao CWR qui y ont eu lieu. La région du Chocó est connue sur la carte du monde comme un hotspot de biodiversité (Myers et al. 2000). C'est une source abondante d'endémisme et de diversité en raison de ses conditions géologiques et climatiques uniques avec des records de précipitations extrêmes (Pérez-Escobar et al. 2019). Les rivières supérieures Caguán et Caquetá sont situées au centre d'origine du cacao dans des zones reculées qui n'ont pas été explorées depuis les années 1950 en raison du conflit armé (Franzoi 2009). La région est une zone de transition entre le bassin amazonien et les contreforts andins de la cordillère orientale où la zone climatique est différente des zones environnantes (Fig. S1).

Distribution des espèces de cacaoyers CWR en Colombie, une répartition spatiale de Théobrome dans la région du Pacifique occidental, b répartition spatiale de Théobrome dans la région amazonienne, c répartition spatiale de Herrania espèces de la région ouest et nord du Pacifique, répartition spatiale de Herrania espèces de la région amazonienne

Les expéditions ont commencé par un voyage exploratoire pour arpenter les régions et consulter les communautés environnantes. Nous avons sélectionné des sites d'échantillonnage potentiels en fonction de l'accessibilité (c'est-à-dire la proximité des rivières et des routes), de l'état des forêts et des conseils fournis par les communautés vivant à proximité des sites. Des cartes au format affiche de chaque site ont été présentées aux communautés ainsi qu'un guide de terrain des espèces de cacao sauvage pour aider à les identifier et à les localiser (c'est-à-dire au format Field Museum of Chicago). Nous nous sommes appuyés sur l'aide des communautés qui connaissaient le mieux le territoire pour identifier les meilleurs sites.

La première expédition en Amazonie a eu lieu en juillet 2018. Nous avons voyagé en bateau sur les rivières Caguán et Caquetá à la pointe nord de l'Amazonie sur environ 1000 km en 22 jours. Nous avons collecté des échantillons sur cinq sites le long des rivières, chacun avec des paysages différents (Fig. 2 Fig. S2 Tableau S1). La deuxième expédition à Chocó a eu lieu en mars 2019. Nous avons parcouru 98 km en voiture de Quibdó à la municipalité de La Victoria où nous sommes restés 15 jours. La Victoria est située entre la rivière Baudó à l'ouest et la rivière Atrato à l'est, et entre deux zones tectoniques, les failles Baudó et Atrato (Duque-Caro 1990) où la topographie est vallonnée et les grands bassins versants. Lors de nos expéditions, nous avons prélevé des échantillons de part et d'autre des bassins versants dans un rayon de 10 km autour de La Victoria.

Diversité des espèces de cacaoyers sauvages récoltées lors des expéditions, une le paysage le long de la rivière Caguán dans l'un des sites d'échantillonnage, b vue sur les paysages vallonnés de La Victoria Chocó face au bassin de Baudó, c variété plantée de Theobroma glaucum cultivé par des agriculteurs locaux à Mecaya le long de la rivière Caquetá, un tronc d'arbre de Théobroma bernouilli échantillonné dans l'un des sites du Chocó, e espèces du genre Herrania de la rivière Caguán en Amazonie, F espèces du genre Herrania de La Victoria, Chocó, g un sauvage Théobroma cacao cabosse d'arbres poussant dans une zone inondée de la rivière Caguán, h une espèce sauvage de Théobroma cacao dans sa phase initiale de domestication trouvée à Mecaya, rivière Caquetá, Amazonie, Colombie

Ensembles de données sur la répartition des espèces

Deux types de données ont été utilisées dans notre analyse : les données de terrain et les données historiques (Fig. 1). Au cours des expéditions, un ensemble de données de terrain a été compilé, composé de collections d'herbier de cacaoyers CWR. Des échantillons de branches ont été prélevés sur différentes espèces de cacao sauvage et, dans la mesure du possible, des fruits et des fleurs ont été collectés. Le jeu de données de terrain recueillies lors des expéditions était composé de 211 collections d'herbier : 174 échantillons de Théobrome et 37 de Herranie. Dans les échantillons de Théobrome, 63 appartient à des espèces sauvages non domestiquées T. cacao que l'on ne trouve que sur les berges. Tous les échantillons ont été géoréférencés, traités sur le terrain et stockés sous forme de spécimens secs à l'herbier de l'Universidad de los Andes (https://bit.ly/39A1qtw). Utilisation de QGIS Desktop V. 3.10.2. (2019), nous avons cartographié chacune des occurrences échantillonnées lors des expéditions.

Un ensemble de données historiques composé d'enregistrements a été utilisé pour les analyses (Yockteng et al. 2017). L'ensemble de données historiques a été généré à partir d'échantillons de musées et d'herbier nationaux et internationaux et était composé de 499 enregistrements d'espèces sauvages géoréférencées : 376 Théobrome (10 espèces) et 123 Herrania (6 espèces). Nous avons utilisé QGIS Desktop V. 3.10.2. (2019) pour vérifier la précision spatiale de chaque enregistrement. Dans le cadre du processus de nettoyage, les coordonnées spatiales manquantes ou incorrectes ont été soit exclues, soit corrigées lorsque des informations adéquates étaient disponibles. Lors de la pré-analyse de ces données, nous avons trouvé de faibles valeurs d'estimation de la redondance pour Théobrome et Herrania en Colombie (Fig. S3c) dans les collections historiques, où un rapport d'occurrence d'espèces et de nombre d'échantillons par cellule de grille montre une faible représentation (0,5/1) avec la valeur la plus élevée de 0,8/1 dans seulement cinq cellules de grille à travers la Colombie. Ces incohérences suggèrent une sous-estimation de la diversité observée dans la collection historique au niveau national probablement en raison d'un manque de travail sur le terrain (Fig. S3a-b), ce qui est un piège courant dans l'étude de la biodiversité (Hickisch et al. 2019 Sporbert et al . 2019).

Bien que le cacao cultivé n'ait pas été pris en compte dans la stratégie d'échantillonnage sur le terrain de nos expéditions, en plus des 211 collections d'herbier, nous avons également collecté des échantillons de Théobroma cacao cultivé dans un lot abandonné au sud de Remolino del Caguan. Ils ont été collectés parce qu'ils poussaient à proximité de populations de cacaoyers sauvages et étaient chargés de cabosses de cacao (même si ce n'était pas la saison de la récolte et qu'aucun autre cacaoyer n'était en saison). Ces quatre échantillons de Théobroma cacao ont été trouvés dans une berge qui reste inondée pendant au moins 3 mois de l'année et donc potentiellement adaptée à une humidité élevée. Ils pourraient fournir des informations précieuses sur les caractères du cacao qui s'adaptent aux conditions d'inondation et pourraient être utilisés pour améliorer les stratégies de sélection végétale (Rodriguez-Medina et al. 2019). Les échantillons sont plantés dans les stations expérimentales de La Libertad et Palmira Agrosavia et nous cherchons à savoir s'ils appartiennent au Forastero cultivé Théobroma cacao.

Variables prédictives

Huit variables prédictives climatiques ont été utilisées dans le SDM : précipitations, température maximale, température minimale, température moyenne, plage de température diurne, humidité relative, vitesse du vent et rayonnement solaire. Nous avons choisi ces variables car elles offrent une résolution spatiale élevée et représentent avec précision les environnements où l'on peut trouver le cacao CWR. Ces variables étaient à

1 km 2 de résolution spatiale et extrait de la Wordlclim version 2 (Fick et Hijmans 2017). Pente et élévation à une résolution spatiale de

1 km 2 ont également été inclus dans la SDM (données du projet DAPA, CIAT). L'hydrographie du site de l'expédition en Amazonie a été cartographiée à l'aide du Monde de l'eau qui utilise le modèle hydroSHEDS appliqué à une résolution spatiale d'environ 1 km 2 (Lehner et al. 2008 Mulligan 2010, 2013). Le géoportail en ligne de la Société géologique colombienne a été utilisé pour identifier les unités géologiques et topographiques de la région de l'expédition amazonienne (SGC 2015). Ni l'hydrographie ni l'analyse géologique n'ont été réalisées pour la région du Choco étant donné que la zone était limitée à un site couvrant un rayon de 10 km.

Modélisation de la distribution des espèces

Nous avons utilisé les ensembles de données historiques et de terrain pour effectuer nos analyses SDM. Nous avons divisé les analyses SDM en trois composants : (a) une distribution nationale basée sur l'ensemble de données historiques (b) une distribution sous-nationale basée sur les données du travail de terrain et l'ensemble de données historiques couvrant la région amazonienne et pacifique et (c) une analyse de la distribution nationale sur la base de l'ensemble de données historiques uniquement, puis combinés avec les données de l'expédition sur le terrain en tant que sous-groupe distinct.

Pour effectuer nos analyses de distribution prédite, la modélisation d'ensemble à une échelle de

1 km 2 a été réalisé à l'aide du logiciel BiodiversityR (Kindt et Coe 2005 Kindt 2018 González-Orozco et al. 2020). Chaque carte d'ensemble se composait de couches raster de probabilité ajustées, basées sur des modèles d'aptitude individuels d'espèces sauvages, qui ont été combinées à l'aide d'un consensus de plusieurs modèles qui prédisent la présence. Pour créer chaque carte, les 21 modèles suivants ont été utilisés : MAXLIKE, GBM, GBMSTEP, RF, GLM, GLMSTEP, GAM, GAMSTEP, MGCV, MGCVFIX, EARTH, RPART, NNET, FDA, SVM, SVME, BIOCLIM.O, BIOCLIM, DOMAIN , MAHAL et MAHAL01. Les probabilités de chaque modèle ont été pondérées afin de pouvoir être comparées. Les poids totaux ont été calculés comme le poids moyen des différents modèles (sous-modèles) des k ensembles. Le poids de chaque sous-modèle des k ensembles a été utilisé pour classer chaque modèle en fonction de son importance pour la prévisibilité. Neuf des meilleurs modèles ont été sélectionnés pour générer l'ensemble. Suite à cela, une validation croisée K = 4 fois a été effectuée pour l'ensemble des 21 modèles, produisant des estimations d'adéquation équivalentes à des cartes de distributions prédites adaptées à Théobrome et Herrania.

Diversité des espèces et endémisme

Le logiciel Biodiverse v2.0 a été utilisé pour calculer les métriques de diversité observées de l'ensemble de données historiques à une résolution spatiale de 100 × 100 km (Laffan et al. 2010). La richesse en espèces représente le nombre total de taxons dans chaque cellule de la grille. L'endémisme des espèces en tant qu'endémisme pondéré corrigé (CWE) dérivation de l'endémisme pondéré (WE) a été calculé. CWE divise la région d'intérêt en cellules équivalentes, compte les espèces présentes dans les cellules et divise chacune par son aire de distribution (Crisp et al. 2001 Rosauer et al. 2009). La richesse des espèces calculée à partir des ensembles de données d'herbier est souvent une mauvaise estimation de la richesse réelle des espèces (Schmidt-Lebuhn et al. 2012). Par conséquent, un estimateur Chao1 de la richesse spécifique basé sur l'abondance a été calculé pour toutes les cellules de Théobrome et Herrania trouvé dans l'ensemble de données historiques. Cet indice est calculé comme Chao (1984) : [Chao1 = espèce observée + (espèce trouvée une fois)2/(2·espèce trouvée deux fois)]. Dans le cas du jeu de données de terrain, le nombre de taxons par site a été compté afin d'estimer la richesse en espèces.

Mesurer la distribution prévue et l'endémisme de la diversité dans les aires protégées

Nous avons mesuré la distribution prévue en estimant le pourcentage d'adéquation et de diversité-endémisme prévus par rapport au réseau d'aires protégées en Colombie à l'aide de QGIS Desktop V. 3.10.2 (2019). Une carte des polygones des aires protégées de Colombie a été superposée aux cellules de la grille de la richesse en espèces et de l'endémisme (Fig. S4). Un pourcentage de richesse spécifique et d'endémisme présent dans les aires protégées a ensuite été estimé en comptant le nombre de cellules de la grille de diversité qui chevauchaient les polygones des aires protégées. Afin d'estimer le pourcentage des valeurs les plus élevées de l'aptitude prévue pour Théobrome et Herrania dans les aires protégées des régions amazoniennes et pacifiques qui étaient présentes, nous avons compté le nombre de cellules de grille avec les cinq pour cent supérieurs d'adéquation prévue qui se chevauchaient avec les polygones de la carte des aires protégées de Colombie.


Méthodes

Enquêtes par piège photographique

Nous avons entrepris sept enquêtes à grande échelle avec des pièges photographiques entre juin 2011 et mars 2015, en nous concentrant sur la présence probable de léopards à l'intérieur et à l'extérieur des aires protégées et dans différentes zones d'utilisation des terres agricoles (élevage, cultures, foresterie). Nous avons utilisé des caméras infrarouges numériques Cuddeback Attack IR (Cuddeback, Green Bay, États-Unis) et sélectionné des emplacements de pièges photographiques en fonction de la probabilité la plus élevée d'activité de léopard telle que déterminée par des preuves physiques (excréments, empreintes et odeur territoriale et marques de rayures sur les arbres), comme ainsi que le type d'habitat et la topographie (Karanth & Nichols, Référence Karanth et Nichols 2000). À chaque station de piège photographique, nous avons positionné deux caméras pour capturer les deux flancs d'un léopard qui passait. Les stations ont été placées à 3 à 5 km l'une de l'autre pour obtenir une couverture uniforme de la zone d'échantillonnage et les stations de caméra sont restées actives pendant au moins 3 mois pour assurer une probabilité maximale d'activité de léopard capturée sans violer l'hypothèse de population fermée (Karanth & Nichols, Reference Karanth et Nichols 1998 Devens et al., Référence Devens, Tshabalala, McManus et Smuts 2018).

Identification capture-recapture

Les léopards individuels peuvent être identifiés à partir de photographies claires des deux flancs par leurs marques de rosette uniques. L'identification à partir de photos d'un seul flanc est possible, mais doit être basée sur l'observation de caractéristiques telles que la taille globale de l'animal, la circonférence du cou, les blessures ou les cicatrices. Bien que de telles caractéristiques puissent être utiles, des individus mal identifiés pourraient biaiser les estimations de densité, entraînant une surestimation de la population si des photos de flanc du même animal étaient attribuées par erreur à deux individus. Nous n'avons donc utilisé que des événements de capture à double flanc pour l'identification.

L'analyse des données

Les méthodes de capture-recapture spatialement explicites pour les analyses de densité sont plus complètes et fiables que les analyses de capture-recapture traditionnelles (Borchers & Efford, Reference Borchers and Efford 2008 Kalle et al., Reference Kalle, Ramesh, Qureshi and Sankar 2011 Gopalaswamy et al., Reference Gopalaswamy, Royle, Hines, Singh, Jathanna, Kumar et Karanth 2012 Chase Gray et al., Référence Chase Grey, Kent et Hill 2013 Thapa et al., Référence Thapa, Shrestha, Karki, Thapa, Subedi et Pradhan 2014) et produisent moins estimations de densité que les méthodes non spatiales (Obbard et al., Référence Obbard, Howe et Kyle 2010 Gerber et al., Référence Gerber, Karpanty et Kelly 2012 Gopalaswamy et al., Référence Gopalaswamy, Royle, Hines, Singh, Jathanna, Kumar et Karanth 2012 Noss et al., Reference Noss, Gardener, Maffei, Cuéllar et Montaño 2012 Braczkowski et al., Reference Braczkowski, Balme, Dickman, Fattebert, Johnson et Dickerson 2016). Nous avons calculé les estimations de densité à l'aide de deux méthodes de capture-recapture spatialement explicites dans l'environnement de programmation R 3.4.0 (R Development Core Team, 2017) : (1) le programme d'estimateur basé sur le maximum de vraisemblance secr 2.10.3 (Efford et al., Reference Efford, Borchers, Byron, Thomson, Cooch et Conroy 2009 Efford, Reference Efford 2011, Reference Efford 2016), qui est une version plus robuste du programme DENSITÉ (Efford, Référence Efford 2011), et (2) le programme d'estimateur bayésien SPACECAP 1.1.0 (Gopalaswamy et al., Référence Gopalaswamy, Royle, Hines, Singh, Jathanna, Kumar et Karanth 2012). Des études antérieures ont appliqué ces deux programmes pour comparer les estimations de densité (Kalle et al., Référence Kalle, Ramesh, Qureshi et Sankar 2011 Thapa et al., Référence Thapa, Shrestha, Karki, Thapa, Subedi et Pradhan 2014) et pour comparer les résultats de capture-recapture spatialement explicite avec des méthodes non spatiales (Noss et al., Reference Noss, Gardener, Maffei, Cuéllar et Montaño 2012 Braczkowski et al., Reference Braczkowski, Balme, Dickman, Fattebert, Johnson et Dickerson 2016). Nous avons utilisé ces programmes pour comparer deux méthodes de capture-recapture spatialement explicites et pour déterminer la plage d'estimation de densité la plus robuste et la plus inclusive pour chaque région d'étude.

Pour l'analyse avec secr nous avons classé les pièges photographiques comme des détecteurs de comptage, ce qui permet des détections répétées. Les données de comptage peuvent provenir de dispositifs tels que les pièges photographiques automatiques. Les détecteurs de comptage enregistrent la présence d'un animal à un emplacement de piège sans restreindre les mouvements et permettent la détection > 1 d'un individu sur un site particulier en toute occasion. Le ajustement.secr. fonction a été exécutée pour chaque phase d'enquête régionale en utilisant des modèles de temps (g0

T) et la réponse comportementale (g0

b), ainsi que des zones tampons de 15, 20, 25, 30 et 35 km entourant le polygone convexe minimal autour des stations de caméra dans chaque zone de piégeage de caméra. Ces zones tampons ont assuré l'inclusion de tous les domaines vitaux des léopards à portée des pièges photographiques (Kalle et al., Référence Kalle, Ramesh, Qureshi et Sankar 2011) et ont rendu l'estimation de la densité plus fiable en déterminant le point auquel l'estimation de la densité s'est stabilisée (Kalle et al ., Référence Kalle, Ramesh, Qureshi et Sankar 2011 Chase Gray et al., Référence Chase Grey, Kent et Hill 2013).

CAPUCHON ESPACE a été utilisé pour estimer l'abondance et la densité à l'aide de modèles de capture-recapture spatialement explicites afin d'obtenir des estimations bayésiennes spatiales avec réponse au piège. Une grille de points également espacés de 1 km a été générée dans QGIS 2.8 (QGIS Development Team, 2013) et découpé sur la zone étudiée contenant le réseau de pièges photographiques combiné à une zone environnante étendue, connue sous le nom d'espace d'état, à des distances de 15, 20, 25, 30 et 35 km. Ces points représentent tous les centres de domaine vital potentiels de tous les léopards dans l'enquête. Le fichier des centres de domaines vitaux potentiels comprenait les coordonnées géographiques et l'adéquation de l'habitat de chacun de ces points dans l'espace d'état. Nous avons déterminé la qualité de l'habitat en utilisant Maxent 3.3.3 (Phillips et al., Reference Phillips, Anderson et Schapire 2006 Phillips et al., Reference Phillips, Dudik et Schapire 2017) sortie du modèle comprenant des variables environnementales, dont huit variables bioclimatiques WorldClim obtenues à partir du site Web WorldClim (Hijmans et al., Reference Hijmans, Cameron, Parra, Jones et Jarvis 2005), indice d'empreinte humaine (WCS & CIESIN, 2005), altitude, biomes anthropiques (Ellis & Ramankutty, Reference Ellis et Ramankutty 2008), Globcover 2009 (FAO, 2012), South African National Biodiversity Institute l'état écosystémique des types de végétation (Rouget et al., Référence Rouget, Reyers, Jonas, Desmet, Driver et Maze 2004), et un sous-ensemble de données de localisation obtenues à partir de deux léopards résidant dans la zone qui étaient équipés de colliers GPS. Nous avons utilisé le Pauses Naturelles fonction (Jenks, référence Jenks 1967) dans ArcMap 10.3.1 pour coder la sortie du modèle comme 0 (ne convient pas = 0-0,189171) ou 1 (convient = 0,189172-0,775). L'adéquation de l'habitat ainsi générée (méthode de Jenks) a été enregistrée pour chaque point et un fichier d'entrée du centre du domaine vital a été généré pour les distances tampons de chaque zone (Fig. 2).

2 Maxent modèle de distribution de probabilité de l'adéquation de l'habitat du léopard dans le Cap occidental et compte tenu des zones tampons de 35 km de cette étude autour des zones de pièges photographiques. Le modèle de distribution est reclassé avec Pauses Naturelles une fonction.

Nous courrions CAPUCHON ESPACE avec une zone de pixels de 1 km 2, et définissez les définitions du modèle sur « Piège réponse présente », « Capture spatiale–Recapture », fonction de détection « demi-normale » et la capture rencontre « processus de Bernoulli ». L'option « Réponse au piège présente » met en œuvre une réponse comportementale « spécifique au piège » dans laquelle la probabilité de capture à un piège spécifique augmente (ou diminue) après la capture initiale. L'option « Capture spatiale–Recapture » ​​exécute une analyse de capture–recapture spatialement explicite. Les paramètres de Markov-Chain Monte Carlo variaient entre les zones d'étude et les zones tampons. Les itérations de Markov-Chain Monte Carlo ont été définies entre 60 000 et 100 000 avec une période de rodage comprise entre 10 000 et 65 000 itérations et un taux d'amincissement de 1. Les nombres d'augmentation des données étaient d'environ c. 20 à 40 fois le nombre d'animaux identifiés dans chaque enquête régionale et variait entre 170 et 1 500. Nous avons évalué la convergence de la chaîne avec le test de diagnostic Geweke produit dans le CAPUCHON ESPACE sortie sous forme de z-valeurs de score. Z- des scores compris entre -1,6 et +1,6 impliquaient une convergence adéquate et confirmaient que l'analyse de Markov-Chain Monte Carlo a été exécutée avec une période de rodage suffisamment longue. Le CAPUCHON ESPACE la sortie produit également une valeur p bayésienne pour fournir une évaluation supplémentaire de l'ajustement du modèle où des valeurs p proches de 0 ou 1 impliquent que le modèle est inadéquat. L'adéquation du nombre d'augmentation des données peut être vérifiée dans les fichiers « tracé de densité pour psi » et « tracé de densité pour N » inclus dans les fichiers de sortie. Toutes les densités obtenues avec CAPUCHON ESPACE produit z-scores qui ont atteint la convergence, ainsi qu'un ajustement suffisant du modèle et un nombre d'augmentation des données. La sortie comprenait également des estimations de densité spécifiques aux pixels (animaux par km 2 ), que nous avons utilisées pour créer une carte de densité de pixels des zones d'étude et comparer les densités de léopards à travers diverses couvertures terrestres et utilisations pour illustrer la relation avec les facteurs anthropiques.


Balmford A (2005) ÉCOLOGIE : Objectif 2010 de la Convention sur la diversité biologique. Science (80- ) 307:212-213. https://doi.org/10.1126/science.1106281

Agrillo E, Alessi N, Massimi M et al (2017) Base de données nationale des parcelles de végétation : Université Sapienza de Rome : état de l'art, chiffres de base et perspectives d'avenir. Phytocoenologia 47:221-229. https://doi.org/10.1127/phyto/2017/0139

Agrillo E, Alessi N, Jiménez-Alfaro B, Casella L, Angelini P, Argagnon O, Crespo G, Fernández-González F, Monteiro-Henriques T, Neto CS, Attorre F (2018) L'utilisation de grandes bases de données pour caractériser les types d'habitat : l'affaire de Quercus suber forêts en Europe. Rend Fis Acc Lincei. https://doi.org/10.1007/s12210-018-0703-x

Angelini P, Casella L, Grignetti A, Genovesi P (eds) (2016). Manuali per il monitoraggio di specie e habitat di interesse comunitario (Direttiva 92/43/CEE) en Italie : habitat. ISPRA Serie Manuali e Linee Guid 142/2016., Roma

Angelini P, Chiarucci A, Nascimbene J et al (2018) Assemblages végétaux et état de conservation des habitats d'intérêt communautaire (Directive 92/43/CEE) : définitions et concepts. Ecol Quest 29:87-97. https://doi.org/10.12775/EQ.2018.025

Bijlsma R-J, Agrillo E, Attorre F et al. (2018) Définir et appliquer le concept de valeurs de référence favorables pour les espèces et les habitats dans le cadre des directives de l'UE sur les oiseaux et les habitats. In : Exemples de définition de valeurs de référence favorables. Wageningen Environmental Research, Rapport 2929, Wageningen, p 220

Biondi E, Blasi C, Burrascano S, et al. (2009) Manuale Italiano di interpretazione degli habitat della Direttiva 92/43/CEE (Manuel italien d'interprétation de la directive 92/43/CEE habitats). https://vnr.unipg.it/habitat/. Consulté le 1 décembre 2016

Bunce RGH, Bogers MMB, Evans D, Jongman RHG (2013) Field identification of habitats directive Annex I Habitats as a major European Biodiversity. Ecol Indic 33:105-110. https://doi.org/10.1016/j.ecolind.2012.10.004

Carli E, Frondoni R, Pinna MS et al (2018a) Évaluation spatiale de la diversité végétale pour la conservation : une étude de cas méditerranéenne. J Nat Conserv 41:35-43. https://doi.org/10.1016/j.jnc.2017.11.003

Carli E, Giarrizzo E, Burrascano S, Alós Ortí MM, Del Vico E, Di Marzio P, Facioni L, Giancola C, Mollo B, Paura B, Salerno G, Zavattero L, Blasi C (2018b) Utiliser la dynamique de la végétation pour faire face à la défi de l'évaluation de l'état de conservation des habitats semi-naturels. Rend Fis Acc Lincei. https://doi.org/10.1007/s12210-018-0707-6

Chiarucci A (2007) Échantillonner ou ne pas échantillonner ? Telle est la question pour le scientifique de la végétation. Folia Geobot 42:209-216. https://doi.org/10.1007/BF02893887

Conti F, Abbate G, Alessandrini A, Blasi C (2005) Une liste de contrôle annotée de la flore vasculaire italienne. Ministero, Palombi Editori, Rome

Conti F, Alessandrini A, Bacchetta G et al (2007) Integrazioni alla checklist della flora vascolare italiana. Nat Vicentina 10:5–74

EEA (2014) Terrestrial habitat mapping in Europe: an overview. Joint MNHNEEA Report. Technical Report 1/2014. European Environment Agency (EEA), Copenhagen, p 154

DG Environment (2017) Reporting under article 17 of the habitats directive: explanatory notes and guidelines for the period 2013–2018. Final version – May 2017. Brussels, pp 1–188

Evans D, Arvela M (eds) (2011) Assessment and reporting under Article 17 of the Habitats Directive—Explanatory Notes & Guidelines for the period 2007-2012. Final version, July 2011. European Topic Centre on Biological Diversity, Paris

Falcucci A, Maiorano L, Boitani L (2007) Changes in land-use/land-cover patterns in Italy and their implications for biodiversity conservation. Landsc Ecol 22:617–631. https://doi.org/10.1007/s10980-006-9056-4

Francini Corti E (1966) Aspetti della vegetazione pugliese e contingente paleogeico meridionale nella Puglia. Ann Accad Ital Sci For 15:137–193

Genovesi P, Angelini P, Bianchi E, et al. (eds) (2014) Specie e habitat di interesse comunitario in Italia: distribuzione, stato di conservazione e trend. ISPRA, Serie Rapporti, 194/2014

Gigante D, Acosta ATR, Agrillo E, Armiraglio S, Assini S, Attorre F, Bagella S, Buffa G, Casella L, Giancola C, Giusso del Galdo GP, Marcenò C, Pezzi G, Prisco I, Venanzoni R, Viciani D (2018) Habitat conservation in Italy: the state of the art in the light of the first European red list of terrestrial and freshwater habitats. Rend Fis Acc Lincei. https://doi.org/10.1007/s12210-018-0688-5

Hennekens SM, Schaminée JHJ (2001) TURBOVEG, a comprehensive data base management system for vegetation data. J Veg Sci 12:589–591. https://doi.org/10.2307/3237010

Janssen JAM, Rodwell JS, García Criado M et al. (2016) European red list of habitats. Part 2. Terrestrial and freshwater habitats European red list of habitats environment. Publications Office of the European Union, Luxembourg

Jongman RHG (2013) Biodiversity observation from local to global. Ecol Indic 33:1–4. https://doi.org/10.1016/j.ecolind.2013.03.012

Legg CJ, Nagy L (2006) Why most conservation monitoring is, but need not be, a waste of time. J Environ Manag 78:194–199. https://doi.org/10.1016/j.jenvman.2005.04.016

Lelli C, Nascimbene J, Chiarucci A (2018) Are available vegetation data suitable for assessing plant diversity?. A study case in the Foreste Casentinesi National Park (Italy), Rend Fis Acc Lincei. https://doi.org/10.1007/s12210-018-0681-z

Marignani M, Bruschi D, Astiaso Garcia D et al (2017) Identification and prioritization of areas with high environmental risk in Mediterranean coastal areas: a flexible approach. Sci Total Environ 590–591:566–578. https://doi.org/10.1016/j.scitotenv.2017.02.221

Plieninger T, Hui C, Gaertner M, Huntsinger L (2014) The impact of land abandonment on species richness and abundance in the Mediterranean basin: a meta-analysis. PLoS ONE 9:e98355. https://doi.org/10.1371/journal.pone.0098355

Proença V, Martin LJ, Pereira HM et al (2017) Global biodiversity monitoring: from data sources to essential biodiversity variables. Biol Conserv 213:256–263. https://doi.org/10.1016/j.biocon.2016.07.014

QGIS Development Team (2018) QGIS geographic information system. Open source geospatial foundation project

Rodwell JS, Evans D, Schaminée JHJ (2018) Phytosociological relationships in European Union policy related habitat classifications. Rend Fis Acc Lincei. https://doi.org/10.1007/s12210-018-0690-y

Tsiripidis I, Xystrakis F, Kallimanis A et al (2018) A bottom–up approach for the conservation status assessment of structure and functions of habitat types. Rend Fis Acc Lincei 29:267–282. https://doi.org/10.1007/s12210-018-0691-x


Phylogenetic and phenotypic filtering in hummingbirds from urban environments in Central Mexico

Cities act as biological filters on native biodiversity, selecting for traits allowing species to use urban resources, which may modify the phylogenetic structure and composition of biotic assemblages. Although many studies about urban filtering have included bird communities, few have focused on diverse and specialized groups, such as hummingbirds. Here, we investigate if: (1) the urbanization process may have modified the phylogenetic and phenotypic structure of regional hummingbird assemblages in five cities along the Trans-Mexican Volcanic Belt in central Mexico, and (2) hummingbird species in urban environments have been filtered through the selection of particular morphological traits. We measured eight morphological traits related to the ability of hummingbird species to use resources, three of which (wing chord, culmen and bill curvature) were retained for phenotypic analyses. We estimated phylogenetic (MPD, mean pairwise distance, and MNTD, mean nearest taxon distance) and phenotypic structure values (pMPD and pMNTD) in regional and urban hummingbird assemblages, which allowed us to assess significant phylogenetic structure and phenotypic similarity among coexisting species, respectively. We also calculated phylogenetic signal to determine if traits are labile or conserved. We performed generalized linear mixed-effect models and a classification and regression tree analysis to determine which traits explained species’ presence in urban environments. Our results showed that urbanization modified the phylogenetic structure from a random pattern in regional assemblages towards more overdispersed values in urban assemblages, while phenotypic structure values changed either towards clustering or overdispersion in the different cities. Regression tree analyses showed that traits related to body-size and bill culmen may influence the presence of different hummingbird species in cities. Our results show that the urbanization process may change the phylogenetic and phenotypic structure of hummingbird assemblages, favoring species with generalist morphologies (intermediate body-sizes and relatively longer bills).

Ceci est un aperçu du contenu de l'abonnement, accessible via votre institution.


Results

Between January 2018 and March 2019, we received 18839 GPS fixes (1296 tracking bird-days) from nine individuals (Table 1). For individuals, the mean (± SD) number of tracking days was 154 ± 41 and GPS fixes was 2,093 ± 567.

ID Tracker model Start date of tracking Last date of signal received Tracking duration (day) Home range (km 2 )
100% MCP 50% Kernal 95% Kernal 50% BBMM 95% BBMM
CHI01 PICA 28∕09∕18 15∕11∕18 49 1.54 0.13 0.79 0.14 0.85
HUN01 HARRIER 01∕12∕18 08∕02∕19 70 26.11 0.76 7.95 0.40 5.85
HUN02 HARRIER 18∕10∕18 22∕03∕19 156 12.97 1.03 5.73 0.97 6.33
HUN03 HARRIER 01∕12∕18 14∕02∕19 76 16.16 1.53 10.28 1.37 10.17
HUN04 HARRIER 01∕12∕18 22∕03∕19 112 17.52 0.33 1.30 0.30 2.25
PIC05 PICA 30∕01∕18 08∕02∕19 217 * 38.38 3.90 24.61 2.58 20.05
PIC06 PICA 30∕01∕18 28∕02∕18 30 25.57 7.55 27.29 3.70 20.62
PIC07 PICA 30∕01∕18 27∕02∕19 394 41.04 2.03 15.32 2.20 15.81
PIC09 PICA 30∕01∕18 21∕03∕19 289 * 24.72 0.10 1.62 0.15 2.68

The mean (± SD) overall home range (95% BBMM) and core area (50% BBMM) were 9.40 km 2 ± 7.68 (range = 0.85–20.62) and 1.31 km 2 ± 1.26 (range = 0.14–3.70), respectively (Table 1 Fig. 1). The length of the entire tracking duration of each individual did not correlate with the home range size (Pearson’s correlation 50% core area, t = 0.16, df = 7, p = 0.87 95% home range, t = 0.48, df = 7, p = 0.65).

Figure 1: 50% core areas and 95% overall home ranges of nine little egrets in the Inner Deep Bay, Hong Kong, using Brownian bridge movement model.

The home range of all tracked individuals was dominated by fishponds (overall home range = 46.8% core area = 54.3%), intertidal mudflats (overall home range = 11.4% core area = 12.5%) and mangroves (overall home range = 13.8% core area = 7.6%) (Table 2). These three habitat types constituted over 70% of the home ranges of all individuals.

Habitat types 100% MCP 95% BBMM home range 50% BBMM home range Point locations
Channel 6.8 (0.4) 5.5 (1.6) 7.5 (5.2) 9.5 (7.3)
Fishpond 31.3 (2.7) 46.8 (6.7) 54.3 (10.4) 58.7 (9.5)
Gei wai 7.4 (1.3) 11.4 (3.8) 11.9 (5.7) 9.7 (4.5)
Mangrove 19.9 (2.5) 13.8 (2.5) 7.6 (2.6) 11.9 (3.4)
Intertidal mudflat 14.0 (2.6) 11.4 (4.3) 12.5 (8.3) 10.2 (5.2)
Les autres 20.5 (3.9) 11.1 (3.6) 6.2 (2.7) 0.1 (0.0)

Proportion of habitats used by tracked little egrets (excluding summer) differed from the availability (Wilk’s λ = 0.032, p < 0.05 in all cases). Commercial fishponds were the most preferred habitats, followed by mangrove, gei wais, channel and intertidal mudflat, in preferential order (Table 3). Non-wetland habitats (categorized as ‘Others’) were the least utilized. However, the eigenanalysis of selection ratios showed individual variation in habitat preference across seasons (Fig. 2). The first two axes explained 87.0% (spring), 100% (summer), 87.6% (autumn) and 86.9% (winter) of the information. Seven of the nine individuals preferred fishponds across all seasons (Fig. 2).

Fishpond Mangrove Gei wai Channel Intertidal mudflat Les autres Rank
Fishpond +++ +++ +++ +++ +++ 5
Mangrove −−−−−− + + + +++ 4
Gei wai −−−−−− −− + + +++ 3
Channel −−−−−− −− −− + +++ 2
Intertidal mudflat −−−−−− −− −− −− +++ 1
Les autres −−−−−− −−−−−− −−−−−− −−−−−− −−−−−− 0

Figure 2: Eigen analyses of selection ratios of habitat selection of nine little egrets in six habitat types in different seasons.

With data from summer excluded, the size of daily 50% home ranges (F = 67.5, df = 2, p < 0.001), daily 95% home ranges (F = 73.8, df = 2, p < 0.001), daily travel distance (F = 85.0, df = 2, p < 0.001), and the proportion of daily occurrence in fishponds (F = 43.2, df = 2, p < 0.001) differed between seasons (Fig. 3, Table 4, Table S1). During winter, little egrets displayed the greatest movement, with largest home range and longest traveling distance they also visited fishponds more often. The activities declined in spring and reached minimum levels in autumn.

Figure 3: The grand mean and standard error of the activities of nine little egrets.

Source of variation Model Saison Estimate SE t p
Log daily 50% home range LMM Spring −0.189 0.399 −0.47 0.65
Autumn −1.145 0.393 −2.92 <0.05
Winter 0.079 0.387 0.08 0.84
Log daily 95% home range LMM Spring 1.354 0.395 3.43 <0.01
Autumn 0.345 0.388 0.89 0.40
Winter 1.620 0.383 4.23 <0.01
Log daily travel distance LMM Spring 1.637 0.163 10.0 <0.01
Autumn 1.154 0.160 7.21 <0.01
Winter 1.750 0.158 11.1 <0.01
Occurrence frequency in fishponds GLMM Spring 0.494 0.096 5.17 <0.01
Autumn 0.459 0.095 4.84 <0.01
Winter 0.621 0.094 6.60 <0.01

Méthode

This work formed part of the Children and Adolescents with ADHD in Transition from Child to Adult Services (CATCh-uS) study of transition in ADHD. Reference Ford, Janssens, Asherson, Beresford, Paul and Ani 15 We assert that all procedures contributing to this work comply with the ethical standards of the relevant national and institutional committees on human experimentation and with the Helsinki Declaration of 1975, as revised in 2008. All procedures involving human participants were approved by the University of Exeter Medical School Ethics Committee (research ethics committee application number: 15/07/070). Following consultation with the research ethics committee, a statement on confidentiality and data usage was included at the beginning of the survey, with the understanding that, by continuing with the survey, participants were providing informed consent for the planned anonymous use of their data.

The novel mapping methodology was developed iteratively, with extensive patient and public involvement and is reported in full elsewhere. Reference Price, Janssens, Dunn-Morua, Eke, Asherson and Lloyd 16 The definitive study is described below.

Participants

Our sample frame was all stakeholders involved in the care process for young people needing transition from child to adult services, as well as those involved in allocating and financing local services. This included young adults with ADHD and their parents/carers, members of clinical teams (such as psychiatrists, paediatricians, psychologists, GPs, nurses, practice managers, administrators) and service commissioners (clinical commissioning groups in England, health boards in Scotland and Wales, and health and social care trusts in Northern Ireland).

Sampling strategy

Informants were purposively sampled from three key stakeholder groups (service users, healthcare workers and commissioners) via multiple methods. Three data sources informed the service map: a national online survey, freedom of information (FOI) requests and a surveillance study.

Anonymous national online survey (convenience sample)

Links to an online survey were shared with stakeholders via emails from organisational mailing lists, newsletters and websites, and through social media. A snowballing technique was used to recruit additional stakeholders and their organisations. The survey was open for 5 weeks from January 2018.

Freedom of information requests (total population)

Organisations responsible for commissioning, or planning and funding, NHS mental health services in the UK were sent survey questions via FOI requests in January 2018. These are legal processes that support the rights of people to gain access to information that is recorded and held by public-sector organisations. 17 A copy of the survey, examples of FOI requests made and a list of key supporting organisations are provided in the supplementary material, available at https://doi.org/10.1192/bjo.2020.65.

Surveillance (purposive sample)

Reports of transition in ADHD services were collated from paediatricians and psychiatrists who responded to a national surveillance study on young people in need of a transition into adult services. This was run via the British Paediatric Surveillance Unit and the Child and Adolescent Psychiatry Surveillance System from December 2016 for 12 months. Reported cases were followed up after 9 months (August 2017 to August 2018).

Collecte de données

Survey

The brief online survey, hosted by Survey Monkey, consisted of between five and nine questions, depending on user responses. It collected basic demographic information, including respondents’ locations (postcode or region in the UK) and respondents’ links with ADHD (e.g. ‘adult with ADHD’ or ‘psychiatrist’), then asked for details of services they had knowledge of for adults with ADHD. Services were broadly defined as ‘any mental health service for people with ADHD aged 18 and above’, with notes clarifying that this could include any ‘specialist doctor or team, mental health team, clinic, charity or support group that treats or supports adults with ADHD’. Respondents identified services from a pre-populated list and could identify services that were not already listed. For every service they identified, respondents were asked to confirm whether it was somewhere that they, or someone they knew of, had ‘received treatment or support […] for their adult ADHD’.

FOI requests collected basic demographic information on the commissioning organisation and asked whether they commissioned ‘mental health services that treat/support people with ADHD aged 18 years and above’. If yes, they were asked to provide details of the services that were similar to the details requested in the survey, as well as to specify the type of service and which treatments were available.

For all NHS-provided dedicated adult ADHD services (group A see definition below), details of provision were also checked via FOI requests to the provider (details in the supplementary material).

Surveillance study

The CATCh-uS national surveillance study collected data from child and adolescent psychiatrists and paediatricians on transition outcomes of young adults with ADHD. Reference Eke, Ford, Newlove-Delgado, Price, Young and Ani 18 Reports of services from this study were triangulated with services already mapped, with the intention of incorporating additional services, if any were reported.

L'analyse des données

Sample

Informants were categorised into three main stakeholder groups (service user, commissioner or health worker), depending on their strongest link with ADHD. For example, a parent/carer/partner of someone with ADHD was categorised as a service user, while psychiatrists were categorised as health workers. Descriptive statistics summarised respondents’ characteristics by data source, geographic location and stakeholder group (service user, commissioner or health worker). Given the non-probabilistic sampling frame, a pragmatic minimum target of 50 informants per UK NHS region was identified to ensure adequate coverage.

Data cleaning

Raw data on services were matched against existing online information by A.P. and checked at least once by other members of the research team. Where details could not be matched to an existing service, they were independently checked a minimum of three times before being categorised as unidentifiable.

Services identified

All of the identified services were recorded. Services for which at least one respondent had confirmed experience of treatment for their ADHD as an adult were categorised into the following three groups:

(a) NHS dedicated services for adults with ADHD

(b) NHS non-dedicated services for adults with ADHD

(c) other services that work with adults with ADHD (including NHS provision for children, charity/voluntary and private).

Services were defined as dedicated if they had ‘ADHD’ or ‘neurodevelopmental’ in the service name. The term ‘dedicated’ was used rather than ‘specialist’ so that generic NHS services with named clinics with dedicated time for adults with ADHD would be included. Service locations were plotted on a map of the UK, using QGIS 2.18 for Windows 19 and uploaded onto a Google My Map to provide a visual summary of service availability and to communicate findings with stakeholders. The balance of responses by UK region and stakeholder group was similarly mapped.

Stakeholder perspectives

For each service, a descriptive summary was created of the stakeholder groups, and combinations of stakeholder groups, that had identified that service. The percentages of services identified by stakeholder group, and for each service type, were summarised and tabulated. The association between stakeholder type and service reporting was tested using Pearson's χ 2 . Differences between combinations of stakeholders reporting services were tested using Fisher's exact test, and overlap was displayed using Venn diagrams.


Results

Soil and food supply characteristics

Most soil and food supply parameters significantly differed between basaltic soil and rendzina (see Table 1 for details on statistical tests). Basaltic soil was harder and moister, whereas rendzina was denser (Nested ANOVA, all p<0.0001). Green aboveground biomass of plants was higher in basaltic soil than in rendzina (Nested ANOVA, p<0.0001), as was also density of underground storage organs and number of geophyte species (Nested ANOVA, p<0.001 and p<0.0001, respectively). Underground storage organs of plants appeared to be smaller and their total biomass higher in basaltic soil, however these differences were not statistically significant (Table 1).


Voir la vidéo: Créer une forme géométrique Polygone dans QGis